Choroplèthe bivariée : Côte d’Ivoire

Densité de population croisée avec l’espérance de vie sur les 14 districts : palette 3×3, légende carrée, étiquettes par entité via add_custom_labels().

Les 14 districts de Côte d’Ivoire colorés selon deux variables réelles à la fois : la densité de population 2021 (axe horizontal de la légende) et l’espérance de vie à la naissance en 2022 (axe vertical), croisées via une palette 3×3 (méthode de Joshua Stevens).

La légende carrée se lit en diagonale : le coin sombre en haut à droite = les districts où densité et espérance de vie sont élevées (Abidjan, Comoé, Yamoussoukro), le coin clair en bas à gauche = ceux où les deux sont faibles (Denguélé, Savanes, Woroba). Les cellules hors-diagonale révèlent les contrastes : Zanzan, peu dense mais avec une espérance de vie parmi les plus hautes ; Sassandra-Marahoué, assez dense mais à espérance de vie basse.

Techniques utilisées :

• cp.load() pour lire le GeoJSON : aucun import geopandas nécessaire
• Map.add_bivariate() : surcouche de plot_bivariate_choropleth() qui dessine sur l’axe de la carte, avec sa légende carrée positionnable
• palette="teal_orange" parmi les palettes bivariées intégrées (voir aussi generate_bivariate_palette() pour croiser deux rampes au choix)
• legend_position=(x, y, w, h) (coordonnées figure) pour placer et dimensionner la légende carrée ; legend_fontsize pour ses étiquettes
• add_custom_labels(regions, "<{NAME_1}>\\n{densite:.0f} hab/km²…") pour étiqueter chaque district en une passe : nom en gras (segment <...>) + les deux valeurs croisées, une seule étiquette par entité au representative_point()
• google_font() + add_custom_text(..., to="fig", font=...) pour un bloc titre / sous-titre / source typographié, indépendant du cadrage de la carte
• GeoDataFrame enrichi récupéré via m.last_bivariate (colonnes var1_class, var2_class, bi_class, bi_color)

import cartograpy as cp

# --- Données : districts CIV + indicateurs réels (via cp.load, pas geopandas) ---
regions = cp.load("gadm_CIV_ADM1_reel.geojson")
regions = regions[["NAME_1", "densite", "esperance_vie_2022", "geometry"]]

# --- Polices ---
font_title = cp.google_font("Bebas Neue")
font_text = cp.google_font("Fira Sans", weight="light")
font_bold = cp.google_font("Fira Sans", weight="medium")

# --- Carte bivariée ---
m = cp.Map(figsize=(9, 9), dpi=150, basemap=False, title="", verbose=False)
m.set_background_color("white")
m.add_bivariate(
    regions, "densite", "esperance_vie_2022",
    var1_label="Densité (hab/km²)", var2_label="Espérance de vie (ans)",
    palette="teal_orange", n_classes=3,
    legend_position=(0.07, 0.13, 0.14, 0.14), legend_fontsize=7,
    edgecolor="#555555", linewidth=0.5,
)

# --- Étiquettes par district (nom en gras + les deux valeurs croisées) ---
m.add_custom_labels(
    regions,
    "<{NAME_1}>\n{densite:.0f} hab/km²  ·  {esperance_vie_2022:.1f} ans",
    fontsize=6.5, color="#1a1a1a", linespacing=1.35,
    highlight_textprops=[{"font": font_bold, "fontsize": 8, "color": "#000000"}],
)

# --- Habillage typographique ---
m.add_custom_text(
    "Densité de population × espérance de vie", (0.5, 0.97), to="fig",
    color="#1a1a1a", fontsize=26, font=font_title, ha="center", va="top",
)
m.add_custom_text(
    "Districts de Côte d'Ivoire : 2021-2022", (0.5, 0.925), to="fig",
    color="#555555", fontsize=13, font=font_text, ha="center", va="top",
)
m.add_custom_text(
    "<Source :> Global Data Lab (Subnational HDI)   <Géométries :> GADM v4.1",
    (0.5, 0.045), to="fig", color="#555555", fontsize=9, font=font_text,
    ha="center", va="center",
    highlight_textprops=[{"font": font_bold}, {"font": font_bold}],
)
m.add_custom_text(
    "<By> : Anicet Cyrille KAMBOU", (0.5, 0.02), to="fig",
    color="#555555", fontsize=8, font=font_text, ha="center", va="center",
    highlight_textprops=[{"font": font_bold}],
)

m.save("bivariate-civ.png", dpi=150)

# Classe bivariée de chaque district (ex. "3-3" = densité forte, espérance de vie forte) :
print(m.last_bivariate[["NAME_1", "densite", "esperance_vie_2022", "bi_class"]])