📊 Analyse économique et environnementale globale

FR — Analyse exploratoire des relations entre croissance économique, émissions de CO₂, démographie, dépenses militaires et marchés financiers à l’échelle internationale.
EN — Exploratory analysis of the relationships between economic growth, CO₂ emissions, demographics, military expenditure and financial markets worldwide.

---

🇫🇷 Version française

La version anglaise est disponible plus bas dans ce document.

📋 Table des matières

• Aperçu
• Contexte académique
• Questions analysées
• Pipeline analytique
• Visualisations principales
• Structure du projet
• Installation et utilisation
• Données
• Technologies
• Interprétation et limites
• Licence

---

🎯 Aperçu

Ce projet examine plusieurs dimensions économiques, environnementales et géopolitiques à partir de données internationales couvrant principalement la période 1990–2023.

L’analyse rapproche notamment :

• le produit intérieur brut ;
• les émissions de CO₂ ;
• la population ;
• les dépenses militaires ;
• certaines données boursières.

L’objectif n’est pas d’établir une causalité, mais d’explorer les associations statistiques, les écarts entre pays et les tendances visibles dans les données.

Le projet comprend :

• un pipeline de chargement et de préparation multi-sources ;
• des jointures entre plusieurs jeux de données ;
• une analyse exploratoire ;
• des matrices de corrélation ;
• une régression PIB–CO₂ ;
• des classements internationaux ;
• une visualisation géospatiale ;
• des exports de résultats en CSV, JSON et PNG.

---

🎓 Contexte académique

Projet réalisé dans le cadre du cours Fundamental of Data Analytics for Business, au second semestre du MSc 1 Data Analytics for Business à KEDGE Business School.

• Année académique : 2024–2025
• Semestre : 2
• Note obtenue : 17,2/20

Le dépôt a ensuite été structuré et documenté pour une présentation portfolio.

---

❓ Questions analysées

1. Quelles relations statistiques apparaissent entre les principaux indicateurs économiques et environnementaux ?
2. Comment le PIB et les émissions de CO₂ évoluent-ils conjointement dans les données disponibles ?
3. Quels pays concentrent les volumes d’émissions les plus élevés ?
4. Comment les dépenses militaires rapportées au PIB se répartissent-elles géographiquement ?
5. Dans quelle mesure la démographie et les marchés financiers complètent-ils la lecture macroéconomique ?

---

⚙️ Pipeline analytique

Données CSV et JSON
        ↓
Chargement et contrôle des formats
        ↓
Nettoyage des valeurs manquantes
        ↓
Harmonisation des pays, années et variables
        ↓
Fusion des jeux de données
        ↓
Analyse exploratoire et corrélations
        ↓
Régression et comparaisons internationales
        ↓
Visualisations et exports

Le notebook principal regroupe :

• la configuration ;
• le chargement des données ;
• le nettoyage et la préparation ;
• les analyses statistiques ;
• la création des visualisations ;
• la synthèse des résultats.

---

📊 Visualisations principales

1. Matrice de corrélation globale

Cette visualisation synthétise les relations linéaires observées entre les variables économiques, environnementales et démographiques disponibles.

2. Relation entre PIB et émissions de CO₂

Le nuage de points et la droite de régression permettent d’observer la forme générale de l’association entre activité économique et émissions.

3. Classement des dix principaux pays émetteurs

Le classement compare les pays présentant les volumes d’émissions les plus élevés dans le jeu de données utilisé.

4. Dépenses militaires rapportées au PIB

La carte choroplèthe met en évidence les différences géographiques de dépenses militaires exprimées en proportion du PIB.

---

📁 Structure du projet

analyse-economique-environnementale-globale/
├── README.md
├── VERSION_FINALE.ipynb
├── DATASETS/
│   ├── CSV/
│   │   ├── co2-emissions-and-gdp.csv
│   │   ├── military.csv
│   │   ├── national-gdp-wb.csv
│   │   ├── population.csv
│   │   └── stock.csv
│   ├── JSON/
│   └── MERGED/
└── OUTPUTS/
    ├── 1-Matrice-corrélation.png
    ├── 2-Corrélation PIB_CO2.png
    ├── 3-Classement 10pays_pollueurs.png
    └── 4-Carte Militaire_PIB.png

---

🚀 Installation et utilisation

Prérequis

• Python 3.8 ou supérieur ;
• Jupyter Notebook ou JupyterLab.

Installation

git clone https://github.com/AymaneAcharki/analyse-economique-environnementale-globale.git
cd analyse-economique-environnementale-globale

python3 -m venv .venv
source .venv/bin/activate

pip install jupyter pandas numpy matplotlib seaborn plotly scipy geopandas

Exécution

jupyter notebook VERSION_FINALE.ipynb

Ordre recommandé :

1. vérifier la présence des jeux de données dans DATASETS/CSV/ ;
2. ouvrir VERSION_FINALE.ipynb ;
3. exécuter les cellules dans l’ordre ;
4. consulter les fichiers générés dans OUTPUTS/.

---

🗃️ Données

Jeu de données	Contenu principal	Taille indicative
co2-emissions-and-gdp.csv	Émissions de CO₂ et PIB par pays et année	~994 Ko
military.csv	Dépenses militaires internationales	~474 Ko
national-gdp-wb.csv	PIB national	~209 Ko
population.csv	Données démographiques	~460 Ko
stock.csv	Prix et volumes boursiers	~86 Ko

• Période principale : 1990–2023, selon la disponibilité des variables ;
• Couverture : internationale ;
• Fréquence dominante : annuelle.

La disponibilité n’est pas uniforme pour tous les pays, toutes les années et toutes les variables.

---

🛠️ Technologies

Bibliothèques

• pandas : préparation, fusion et analyse des données ;
• numpy : calcul numérique ;
• matplotlib et seaborn : visualisation statistique ;
• plotly : graphiques interactifs et cartes ;
• scipy : analyses statistiques ;
• geopandas : traitement géospatial.

Techniques mobilisées

• nettoyage et harmonisation de données ;
• jointures multi-sources ;
• statistiques descriptives ;
• corrélations de Pearson et de Spearman ;
• régression linéaire ;
• classements internationaux ;
• visualisation géospatiale.

---

⚠️ Interprétation et limites

• une corrélation ne démontre pas une relation causale ;
• les niveaux de couverture diffèrent selon les sources et les périodes ;
• les variables agrégées au niveau national masquent les disparités internes ;
• les valeurs absolues dépendent fortement de la taille des pays ;
• les résultats peuvent être sensibles aux valeurs manquantes et aux méthodes d’harmonisation ;
• les données boursières et macroéconomiques n’ont pas toujours la même fréquence ;
• les conclusions doivent être interprétées comme une analyse exploratoire, non comme une évaluation économétrique exhaustive.

---

👤 Auteur

Aymane Acharki
MSc Data Analytics for Business — KEDGE Business School
Année académique 2024–2025

---

📄 Licence

Ce projet est distribué sous licence MIT. Voir le fichier LICENSE.

⬆ Retour en haut

---

🇬🇧 English version

The French version is available above in this document.

📋 Table of contents

• Overview
• Academic context
• Research questions
• Analytical pipeline
• Main visualizations
• Project structure
• Installation and usage
• Data
• Technologies
• Interpretation and limitations
• License

---

🎯 Overview

This project examines several economic, environmental and geopolitical dimensions using international data covering mainly the 1990–2023 period.

The analysis brings together:

• gross domestic product;
• CO₂ emissions;
• population;
• military expenditure;
• selected stock-market data.

Its purpose is not to establish causality, but to explore statistical associations, cross-country differences and visible trends within the available data.

The project includes:

• a multi-source data loading and preparation pipeline;
• joins across several datasets;
• exploratory data analysis;
• correlation matrices;
• a GDP–CO₂ regression;
• international rankings;
• a geospatial visualization;
• CSV, JSON and PNG exports.

---

🎓 Academic context

This project was completed for the Fundamental of Data Analytics for Business course during Semester 2 of the MSc 1 Data Analytics for Business at KEDGE Business School.

• Academic year: 2024–2025
• Semester: 2
• Grade: 17.2/20

The repository was subsequently structured and documented for portfolio presentation.

---

❓ Research questions

1. Which statistical relationships appear between the main economic and environmental indicators?
2. How do GDP and CO₂ emissions evolve jointly within the available data?
3. Which countries account for the highest emission volumes?
4. How is military expenditure as a share of GDP distributed geographically?
5. How do demographic and financial-market variables complement the macroeconomic analysis?

---

⚙️ Analytical pipeline

CSV and JSON data
        ↓
Loading and format validation
        ↓
Missing-value processing
        ↓
Country, year and variable harmonization
        ↓
Dataset merging
        ↓
Exploratory analysis and correlations
        ↓
Regression and international comparisons
        ↓
Visualizations and exports

The main notebook contains:

• configuration;
• data loading;
• cleaning and preparation;
• statistical analysis;
• visualization generation;
• result synthesis.

---

📊 Main visualizations

1. Global correlation matrix

This visualization summarizes the observed linear relationships between the available economic, environmental and demographic variables.

2. Relationship between GDP and CO₂ emissions

The scatter plot and regression line show the general shape of the association between economic activity and emissions.

3. Ranking of the ten largest emitting countries

The ranking compares the countries with the highest emission volumes in the dataset.

4. Military expenditure relative to GDP

The choropleth map highlights geographical differences in military expenditure expressed as a share of GDP.

---

📁 Project structure

analyse-economique-environnementale-globale/
├── README.md
├── VERSION_FINALE.ipynb
├── DATASETS/
│   ├── CSV/
│   │   ├── co2-emissions-and-gdp.csv
│   │   ├── military.csv
│   │   ├── national-gdp-wb.csv
│   │   ├── population.csv
│   │   └── stock.csv
│   ├── JSON/
│   └── MERGED/
└── OUTPUTS/
    ├── 1-Matrice-corrélation.png
    ├── 2-Corrélation PIB_CO2.png
    ├── 3-Classement 10pays_pollueurs.png
    └── 4-Carte Militaire_PIB.png

---

🚀 Installation and usage

Requirements

• Python 3.8 or newer;
• Jupyter Notebook or JupyterLab.

Installation

git clone https://github.com/AymaneAcharki/analyse-economique-environnementale-globale.git
cd analyse-economique-environnementale-globale

python3 -m venv .venv
source .venv/bin/activate

pip install jupyter pandas numpy matplotlib seaborn plotly scipy geopandas

Run

jupyter notebook VERSION_FINALE.ipynb

Recommended order:

1. verify that the datasets are present in DATASETS/CSV/;
2. open VERSION_FINALE.ipynb;
3. execute the cells in order;
4. inspect the generated files in OUTPUTS/.

---

🗃️ Data

Dataset	Main content	Approximate size
co2-emissions-and-gdp.csv	CO₂ emissions and GDP by country and year	~994 KB
military.csv	International military expenditure	~474 KB
national-gdp-wb.csv	National GDP	~209 KB
population.csv	Demographic data	~460 KB
stock.csv	Stock prices and volumes	~86 KB

• Main period: 1990–2023, depending on variable availability;
• Coverage: international;
• Main frequency: annual.

Availability is not uniform across all countries, years and variables.

---

🛠️ Technologies

Libraries

• pandas: data preparation, merging and analysis;
• numpy: numerical computing;
• matplotlib and seaborn: statistical visualization;
• plotly: interactive charts and maps;
• scipy: statistical analysis;
• geopandas: geospatial processing.

Analytical methods

• data cleaning and harmonization;
• multi-source joins;
• descriptive statistics;
• Pearson and Spearman correlations;
• linear regression;
• international rankings;
• geospatial visualization.

---

⚠️ Interpretation and limitations

• correlation does not demonstrate causation;
• coverage differs across sources and periods;
• country-level aggregates hide internal disparities;
• absolute values are strongly affected by country size;
• results may be sensitive to missing values and harmonization methods;
• stock-market and macroeconomic data do not always share the same frequency;
• findings should be interpreted as exploratory analysis rather than a comprehensive econometric assessment.

---

👤 Author

Aymane Acharki
MSc Data Analytics for Business — KEDGE Business School
Academic year 2024–2025

---

📄 License

This project is distributed under the MIT License. See LICENSE.

⬆ Back to top