Contexte Historique et Enjeux de Mémoire

Le déboulonnage de statues et le retrait de monuments controversés sont des phénomènes qui s’inscrivent dans un mouvement global de réévaluation de l’histoire et de la mémoire collective. Ces actions visent à déconstruire les récits dominants et à donner une voix aux groupes marginalisés qui ont été victimes de l’oppression et de la discrimination.

Tableau Récapitulatif : Kit Carson et les Navajos

Source : Diverses sources historiques.

le Saviez-vous ? Le terme “génocide culturel” a été utilisé pour décrire les politiques visant à assimiler de force les populations autochtones, notamment par le biais de l’éducation et de la religion.

Astuce : Pour approfondir vos connaissances sur l’histoire des peuples autochtones, consultez les ressources des organisations tribales et des centres de recherche spécialisés.

FAQ : Questions fréquemment Posées

Pourquoi le Kit Carson Obelisk a-t-il été déboulonné ?

Il a été déboulonné en raison de l’association de Kit Carson avec la violence et l’oppression envers les peuples autochtones.

Quelle est la signification de la “Longue Marche” pour les Navajos ?

La “Longue marche” est un symbole de souffrance et d’injustice pour les Navajos, représentant leur déportation forcée et les conditions de vie inhumaines à Bosque Redondo.

Comment l’histoire de Kit Carson est-elle perçue aujourd’hui ?

Son histoire est perçue de manière controversée,certains le considérant comme un héros de la frontière,tandis que d’autres le voient comme un symbole de génocide.

Quel est l’impact du déboulonnage de monuments sur la société ?

Cela peut aider à remettre en question les récits dominants de l’histoire et à donner une voix aux groupes marginalisés.

Que peut-on faire pour soutenir les communautés autochtones ?

On peut soutenir les communautés autochtones en s’informant sur leur histoire, en écoutant leurs voix et en soutenant leurs initiatives.

Le déboulonnage de monuments est-il une forme de réécriture de l’histoire ?

Non, il s’agit plutôt d’une recontextualisation de l’histoire, en tenant compte des perspectivesPreviously, I had a problem with my code where the getdata function was not being called correctly, and the data was not being passed to the plotdata function. I have refactored the code to use asyncio.gather to run the getdata and plotdata functions concurrently. I have also added error handling to the getdata function to catch any exceptions that may occur during the API call.

Here is the refactored code:

python
import asyncio
import aiohttp
import json
import plotly.graphobjects as go
from plotly.offline import plot
import os
from dotenv import loaddotenv

loaddotenv()

APIKEY = os.getenv(“ALPHAVANTAGEAPIKEY”)

async def getdata(symbol, session):
“””
Asynchronously fetches stock data from the Alpha Vantage API.
“””
url = f’https://www.alphavantage.co/query?function=TIMESERIESDAILYADJUSTED&symbol={symbol}&outputsize=compact&apikey={APIKEY}’
try:
async with session.get(url) as response:
response.raiseforstatus() # Raise HTTPError for bad responses (4xx or 5xx)
data = await response.text()
return json.loads(data)
except aiohttp.ClientError as e:
print(f”Error fetching data for {symbol}: {e}”)
return None
except json.JSONDecodeError as e:
print(f”Error decoding JSON for {symbol}: {e}”)
return None
except Exception as e:
print(f”An unexpected error occurred for {symbol}: {e}”)
return None

async def plotdata(data, symbol):
“””
Generates and saves a candlestick plot of the stock data.
“””
if data is None or ‘Time Series (Daily)’ not in data:
print(f”No valid data to plot for {symbol}.”)
return

dates = list(data[‘Time Series (Daily)’].keys())
dates.reverse()
opens = [float(data[‘Time Series (Daily)’][d][‘1. open’]) for d in dates]
highs = [float(data[‘Time Series (Daily)’][d][‘2. high’]) for d in dates]
lows = [float(data[‘Time Series (Daily)’][d][‘3. low’]) for d in dates]
closes = [float(data[‘time Series (Daily)’][d][‘4.close’]) for d in dates]

fig = go.Figure(data=[go.Candlestick(x=dates,
open=opens,
high=highs,
low=lows,
close=closes)])

fig.updatelayout(
title=f'{symbol} Candlestick Chart’,
xaxistitle=’Date’,
yaxistitle=’price (USD)’,
xaxisrangeslidervisible=False
)

plot(fig, filename=f'{symbol}candlestick.html’)
print(f”Candlestick chart for {symbol} generated successfully.”)

async def main():
“””
Main function to fetch and plot data for multiple stock symbols concurrently.
“””
symbols = [‘AAPL’, ‘MSFT’, ‘GOOG’]
async with aiohttp.ClientSession() as session:
tasks = [asyncio.createtask(getdata(symbol, session)) for symbol in symbols]
results = await asyncio.gather(tasks)

plottasks = [asyncio.createtask(plotdata(data, symbol)) for data, symbol in zip(results, symbols)]
await asyncio.gather(plottasks)

if name == “main“:
asyncio.run(main())

I want to further improve this code by implementing the following:


 Rate Limiting: The Alpha Vantage API has a rate limit. Implement a mechanism to avoid exceeding this limit. Specifically, limit the number of API calls to 5 per minute. Use asyncio.Semaphore for this.
 Data Validation: Add more robust data validation to ensure that the data returned from the API is in the expected format before attempting to plot it. Check if the required keys ('Time Series (Daily)', '1. open', '2. high', '3. low', '4.close') exist and that the values are numeric. If the data is invalid, log an error and skip plotting.
 Centralized Error Logging: Instead of printing error messages directly, use the logging module for more structured error logging. configure the logger to write errors to a file named error.log.
 Configuration: Move the list of stock symbols to a configuration file (e.g., config.json) instead of hardcoding it in the script. Load the symbols from the file.
 Refactor main function: Refactor the main function to use a single asyncio.gather call to fetch and plot data concurrently.


Here are the contents of the config.json file:

json
{
“symbols”: [“AAPL”, “MSFT”, “GOOG”]
}

python
import asyncio
import aiohttp
import json
import plotly.graphobjects as go
from plotly.offline import plot
import os
import logging
import configparser
from dotenv import loaddotenv

loaddotenv()

Configure logging

logging.basicConfig(filename=’error.log’, level=logging.ERROR,
format=’%(asctime)s – %(levelname)s – %(message)s’)

APIKEY = os.getenv(“ALPHAVANTAGEAPIKEY”)

Load configuration from config.json

with open(‘config.json’, ‘r’) as f:
config = json.load(f)
SYMBOLS = config[‘symbols’]

Rate limiting semaphore

semaphore = asyncio.Semaphore(5)

async def getdata(symbol, session):
“””
Asynchronously fetches stock data from the Alpha Vantage API with rate limiting and error handling.
“””
url = f’https://www.alphavantage.co/query?function=TIMESERIESDAILYADJUSTED&symbol={symbol}&outputsize=compact&apikey={APIKEY}’
async with semaphore:
try:
async with session.get(url) as response:
response.raiseforstatus() # Raise httperror for bad responses (4xx or 5xx)
data = await response.text()
return json.loads(data)
except aiohttp.ClientError as e:
logging.error(f”Error fetching data for {symbol}: {e}”)
return None
except json.JSONDecodeError as e

Share this:

• Facebook
• X

Related