Déploiement automatique depuis GitLab CI

2_Data_transformed/crop_yield_2_train_set_simplified.csv

@@ -0,0 +1,589 @@
+Area;Item;Year;hg/ha_yield;average_rain_fall_mm_per_year;pesticides_tonnes;avg_temp
+Albania;Maize;1990;36613.0;1485.0;4.804021044733257;16.37
+Albania;Potatoes;1990;66667.0;1485.0;4.804021044733257;16.37
+Albania;Rice, paddy;1990;23333.0;1485.0;4.804021044733257;16.37
+Albania;Sorghum;1990;12500.0;1485.0;4.804021044733257;16.37
+Albania;Soybeans;1990;7000.0;1485.0;4.804021044733257;16.37
+Albania;Wheat;1990;30197.0;1485.0;4.804021044733257;16.37
+Algeria;Maize;1990;16500.0;89.0;7.512027529032907;17.48
+Algeria;Potatoes;1990;78936.0;89.0;7.512027529032907;17.48
+Algeria;Rice, paddy;1990;28000.0;89.0;7.512027529032907;17.48
+Algeria;Sorghum;1990;16571.0;89.0;7.512027529032907;17.48
+Algeria;Wheat;1990;6315.0;89.0;7.512027529032907;17.48
+Angola;Cassava;1990;41177.0;1010.0;4.174387269895637;24.12
+Angola;Maize;1990;2736.0;1010.0;4.174387269895637;24.12
+Angola;Potatoes;1990;40000.0;1010.0;4.174387269895637;24.12
+Angola;Rice, paddy;1990;9512.0;1010.0;4.174387269895637;24.12
+Angola;Sweet potatoes;1990;89342.0;1010.0;4.174387269895637;24.12
+Angola;Wheat;1990;7995.0;1010.0;4.174387269895637;24.12
+Angola;Sorghum;2000;3333.0;1010.0;3.713572066704308;24.41
+Angola;Soybeans;2000;2333.0;1010.0;3.713572066704308;24.41
+Argentina;Cassava;1990;100000.0;591.0;10.171872120095925;17.57
+Argentina;Maize;1990;34608.0;591.0;10.171872120095925;17.57
+Argentina;Potatoes;1990;202747.0;591.0;10.171872120095925;17.57
+Argentina;Rice, paddy;1990;36709.0;591.0;10.171872120095925;17.57
+Argentina;Sorghum;1990;28116.0;591.0;10.171872120095925;17.57
+Argentina;Soybeans;1990;21566.0;591.0;10.171872120095925;17.57
+Argentina;Sweet potatoes;1990;131864.0;591.0;10.171872120095925;17.57
+Argentina;Wheat;1990;18947.0;591.0;10.171872120095925;17.57
+Armenia;Maize;1992;32344.0;562.0;2.1972245773362196;7.44
+Armenia;Potatoes;1992;111301.0;562.0;2.1972245773362196;7.44
+Armenia;Wheat;1992;21600.0;562.0;2.1972245773362196;7.44
+Australia;Maize;1990;41821.0;534.0;9.790710714933168;16.44
+Australia;Potatoes;1990;289832.0;534.0;9.790710714933168;16.44
+Australia;Rice, paddy;1990;88000.0;534.0;9.790710714933168;16.44
+Australia;Sorghum;1990;24883.0;534.0;9.790710714933168;16.44
+Australia;Soybeans;1990;15718.0;534.0;9.790710714933168;16.44
+Australia;Sweet potatoes;1990;137140.0;534.0;9.790710714933168;16.44
+Australia;Wheat;1990;16344.0;534.0;9.790710714933168;16.44
+Austria;Maize;1990;81800.0;1110.0;8.353968130313271;9.23
+Austria;Potatoes;1990;249854.0;1110.0;8.353968130313271;9.23
+Austria;Soybeans;1990;19046.0;1110.0;8.353968130313271;9.23
+Austria;Wheat;1990;50479.0;1110.0;8.353968130313271;9.23
+Azerbaijan;Maize;1992;18740.0;447.0;5.0084996819658345;10.93
+Azerbaijan;Potatoes;1992;82701.0;447.0;5.0084996819658345;10.93
+Azerbaijan;Rice, paddy;1992;7292.0;447.0;5.0084996819658345;10.93
+Azerbaijan;Sorghum;1992;578.0;447.0;5.0084996819658345;10.93
+Azerbaijan;Soybeans;1992;1141.0;447.0;5.0084996819658345;10.93
+Azerbaijan;Wheat;1992;21705.0;447.0;5.0084996819658345;10.93
+Bahamas;Cassava;1992;95859.0;1292.0;6.185364646452523;25.1
+Bahamas;Maize;1992;16667.0;1292.0;6.185364646452523;25.1
+Bahamas;Sweet potatoes;1992;31586.0;1292.0;6.185364646452523;25.1
+Bahrain;Potatoes;1990;186667.0;83.0;2.711377991194885;26.26
+Bahrain;Sweet potatoes;1990;116667.0;83.0;2.711377991194885;26.26
+Bangladesh;Maize;1990;10015.0;2666.0;7.144407180321139;25.98
+Bangladesh;Potatoes;1990;91410.0;2666.0;7.144407180321139;25.98
+Bangladesh;Rice, paddy;1990;25661.0;2666.0;7.144407180321139;25.98
+Bangladesh;Sorghum;1990;8103.0;2666.0;7.144407180321139;25.98
+Bangladesh;Sweet potatoes;1990;98316.0;2666.0;7.144407180321139;25.98
+Bangladesh;Wheat;1990;15034.0;2666.0;7.144407180321139;25.98
+Bangladesh;Soybeans;2005;14148.0;2666.0;8.936694003238852;26.19
+Belarus;Maize;1992;30000.0;618.0;9.024891129067417;6.74
+Belarus;Potatoes;1992;115326.0;618.0;9.024891129067417;6.74
+Belarus;Wheat;1992;27983.0;618.0;9.024891129067417;6.74
+Belgium;Maize;2000;111006.0;847.0;9.165498851641477;11.37
+Belgium;Potatoes;2000;444058.0;847.0;9.165498851641477;11.37
+Belgium;Wheat;2000;79198.0;847.0;9.165498851641477;11.37
+Botswana;Maize;1990;2899.0;416.0;2.8903717578961645;19.54
+Botswana;Sorghum;1990;2500.0;416.0;2.8903717578961645;19.54
+Botswana;Wheat;1990;26178.0;416.0;2.8903717578961645;19.54
+Brazil;Cassava;1990;125529.0;1761.0;10.813679725948413;22.44
+Brazil;Maize;1990;18735.0;1761.0;10.813679725948413;22.44
+Brazil;Potatoes;1990;141084.0;1761.0;10.813679725948413;22.44
+Brazil;Rice, paddy;1990;18803.0;1761.0;10.813679725948413;22.44
+Brazil;Sorghum;1990;17150.0;1761.0;10.813679725948413;22.44
+Brazil;Soybeans;1990;17322.0;1761.0;10.813679725948413;22.44
+Brazil;Sweet potatoes;1990;101661.0;1761.0;10.813679725948413;22.44
+Brazil;Wheat;1990;11540.0;1761.0;10.813679725948413;22.44
+Brazil;Yams;1990;91489.0;1761.0;10.813679725948413;22.44
+Bulgaria;Maize;1990;28771.0;608.0;8.27052509505507;9.51
+Bulgaria;Potatoes;1990;104986.0;608.0;8.27052509505507;9.51
+Bulgaria;Rice, paddy;1990;23785.0;608.0;8.27052509505507;9.51
+Bulgaria;Sorghum;1990;17778.0;608.0;8.27052509505507;9.51
+Bulgaria;Soybeans;1990;8830.0;608.0;8.27052509505507;9.51
+Bulgaria;Wheat;1990;45514.0;608.0;8.27052509505507;9.51
+Burkina Faso;Cassava;1990;29600.0;748.0;3.40452517175483;28.77
+Burkina Faso;Maize;1990;14612.0;748.0;3.40452517175483;28.77
+Burkina Faso;Potatoes;1990;61985.0;748.0;3.40452517175483;28.77
+Burkina Faso;Rice, paddy;1990;20783.0;748.0;3.40452517175483;28.77
+Burkina Faso;Sorghum;1990;5827.0;748.0;3.40452517175483;28.77
+Burkina Faso;Soybeans;1990;4667.0;748.0;3.40452517175483;28.77
+Burkina Faso;Sweet potatoes;1990;67598.0;748.0;3.40452517175483;28.77
+Burkina Faso;Yams;1990;66250.0;748.0;3.40452517175483;28.77
+Burundi;Cassava;1990;88969.0;1274.0;4.533459338434091;21.15
+Burundi;Maize;1990;13540.0;1274.0;4.533459338434091;21.15
+Burundi;Potatoes;1990;34836.0;1274.0;4.533459338434091;21.15
+Burundi;Rice, paddy;1990;33333.0;1274.0;4.533459338434091;21.15
+Burundi;Sorghum;1990;10983.0;1274.0;4.533459338434091;21.15
+Burundi;Soybeans;1990;10000.0;1274.0;4.533459338434091;21.15
+Burundi;Sweet potatoes;1990;64427.0;1274.0;4.533459338434091;21.15
+Burundi;Wheat;1990;7478.0;1274.0;4.533459338434091;21.15
+Burundi;Yams;1990;57576.0;1274.0;4.533459338434091;21.15
+Cameroon;Cassava;1990;164386.0;1604.0;6.111489512205864;25.08
+Cameroon;Maize;1990;18543.0;1604.0;6.111489512205864;25.08
+Cameroon;Plantains and others;1990;51150.0;1604.0;6.111489512205864;25.08
+Cameroon;Potatoes;1990;16142.0;1604.0;6.111489512205864;25.08
+Cameroon;Rice, paddy;1990;49999.0;1604.0;6.111489512205864;25.08
+Cameroon;Sorghum;1990;8489.0;1604.0;6.111489512205864;25.08
+Cameroon;Soybeans;1990;6000.0;1604.0;6.111489512205864;25.08
+Cameroon;Sweet potatoes;1990;78150.0;1604.0;6.111489512205864;25.08
+Cameroon;Wheat;1990;15000.0;1604.0;6.111489512205864;25.08
+Cameroon;Yams;1990;39310.0;1604.0;6.111489512205864;25.08
+Canada;Maize;1990;68602.0;537.0;10.294481794215836;7.42
+Canada;Potatoes;1990;250994.0;537.0;10.294481794215836;7.42
+Canada;Soybeans;1990;26096.0;537.0;10.294481794215836;7.42
+Canada;Wheat;1990;22769.0;537.0;10.294481794215836;7.42
+Central African Republic;Cassava;1990;28432.0;1342.0;0.039220713153281295;25.42
+Central African Republic;Maize;1990;7324.0;1342.0;0.039220713153281295;25.42
+Central African Republic;Plantains and others;1990;26154.0;1342.0;0.039220713153281295;25.42
+Central African Republic;Potatoes;1990;24509.0;1342.0;0.039220713153281295;25.42
+Central African Republic;Rice, paddy;1990;16729.0;1342.0;0.039220713153281295;25.42
+Central African Republic;Sorghum;1990;7772.0;1342.0;0.039220713153281295;25.42
+Central African Republic;Yams;1990;65714.0;1342.0;0.039220713153281295;25.42
+Chile;Maize;1990;81395.0;1522.0;9.640433049909078;9.5
+Chile;Potatoes;1990;150300.0;1522.0;9.640433049909078;9.5
+Chile;Rice, paddy;1990;41734.0;1522.0;9.640433049909078;9.5
+Chile;Sweet potatoes;1990;74784.0;1522.0;9.640433049909078;9.5
+Chile;Wheat;1990;29481.0;1522.0;9.640433049909078;9.5
+Colombia;Cassava;1990;93532.0;3240.0;9.801415512798407;24.81
+Colombia;Maize;1990;14498.0;3240.0;9.801415512798407;24.81
+Colombia;Plantains and others;1990;71514.0;3240.0;9.801415512798407;24.81
+Colombia;Potatoes;1990;152736.0;3240.0;9.801415512798407;24.81
+Colombia;Rice, paddy;1990;40618.0;3240.0;9.801415512798407;24.81
+Colombia;Sorghum;1990;28476.0;3240.0;9.801415512798407;24.81
+Colombia;Soybeans;1990;19986.0;3240.0;9.801415512798407;24.81
+Colombia;Wheat;1990;18483.0;3240.0;9.801415512798407;24.81
+Colombia;Yams;1990;62287.0;3240.0;9.801415512798407;24.81
+Croatia;Maize;1992;41535.0;1113.0;7.742835955430749;10.78
+Croatia;Potatoes;1992;79015.0;1113.0;7.742835955430749;10.78
+Croatia;Sorghum;1992;45214.0;1113.0;7.742835955430749;10.78
+Croatia;Soybeans;1992;17593.0;1113.0;7.742835955430749;10.78
+Croatia;Wheat;1992;38967.0;1113.0;7.742835955430749;10.78
+Denmark;Potatoes;1990;374583.0;703.0;8.639587799629844;9.83
+Denmark;Wheat;1990;74180.0;703.0;8.639587799629844;9.83
+Dominican Republic;Cassava;1990;64479.0;1410.0;8.511577452630602;26.64
+Dominican Republic;Maize;1990;16479.0;1410.0;8.511577452630602;26.64
+Dominican Republic;Plantains and others;1990;98884.0;1410.0;8.511577452630602;26.64
+Dominican Republic;Potatoes;1990;118759.0;1410.0;8.511577452630602;26.64
+Dominican Republic;Rice, paddy;1990;47851.0;1410.0;8.511577452630602;26.64
+Dominican Republic;Sorghum;1990;24008.0;1410.0;8.511577452630602;26.64
+Dominican Republic;Sweet potatoes;1990;60677.0;1410.0;8.511577452630602;26.64
+Dominican Republic;Yams;1990;51705.0;1410.0;8.511577452630602;26.64
+Ecuador;Cassava;1990;54593.0;2274.0;7.839131648274333;20.51
+Ecuador;Maize;1990;10602.0;2274.0;7.839131648274333;20.51
+Ecuador;Plantains and others;1990;118358.0;2274.0;7.839131648274333;20.51
+Ecuador;Potatoes;1990;71727.0;2274.0;7.839131648274333;20.51
+Ecuador;Rice, paddy;1990;31218.0;2274.0;7.839131648274333;20.51
+Ecuador;Sorghum;1990;28273.0;2274.0;7.839131648274333;20.51
+Ecuador;Soybeans;1990;19873.0;2274.0;7.839131648274333;20.51
+Ecuador;Sweet potatoes;1990;59520.0;2274.0;7.839131648274333;20.51
+Ecuador;Wheat;1990;7967.0;2274.0;7.839131648274333;20.51
+Egypt;Maize;1990;57803.0;51.0;9.48910782703839;21.16
+Egypt;Potatoes;1990;205592.0;51.0;9.48910782703839;21.16
+Egypt;Rice, paddy;1990;72663.0;51.0;9.48910782703839;21.16
+Egypt;Sorghum;1990;46920.0;51.0;9.48910782703839;21.16
+Egypt;Soybeans;1990;25773.0;51.0;9.48910782703839;21.16
+Egypt;Sweet potatoes;1990;257930.0;51.0;9.48910782703839;21.16
+Egypt;Wheat;1990;51967.0;51.0;9.48910782703839;21.16
+El Salvador;Cassava;1990;158889.0;1784.0;7.83399634170946;26.06
+El Salvador;Maize;1990;21383.0;1784.0;7.83399634170946;26.06
+El Salvador;Plantains and others;1990;111714.0;1784.0;7.83399634170946;26.06
+El Salvador;Potatoes;1990;140000.0;1784.0;7.83399634170946;26.06
+El Salvador;Rice, paddy;1990;43271.0;1784.0;7.83399634170946;26.06
+El Salvador;Sorghum;1990;12423.0;1784.0;7.83399634170946;26.06
+El Salvador;Soybeans;1990;20000.0;1784.0;7.83399634170946;26.06
+El Salvador;Sweet potatoes;1990;64286.0;1784.0;7.83399634170946;26.06
+Eritrea;Maize;1993;2308.0;383.0;1.6937790608678513;24.09
+Eritrea;Potatoes;1993;82000.0;383.0;1.6937790608678513;24.09
+Eritrea;Sorghum;1993;3197.0;383.0;1.6937790608678513;24.09
+Eritrea;Wheat;1993;2038.0;383.0;1.6937790608678513;24.09
+Estonia;Potatoes;1992;144514.0;626.0;6.152732694704104;6.51
+Estonia;Wheat;1992;20562.0;626.0;6.152732694704104;6.51
+Finland;Potatoes;1990;214976.0;536.0;7.601901959875166;6.07
+Finland;Wheat;1990;34847.0;536.0;7.601901959875166;6.07
+France;Maize;1990;60186.0;867.0;11.489677308650418;11.96
+France;Potatoes;1990;290790.0;867.0;11.489677308650418;11.96
+France;Rice, paddy;1990;59461.0;867.0;11.489677308650418;11.96
+France;Sorghum;1990;41296.0;867.0;11.489677308650418;11.96
+France;Soybeans;1990;20940.0;867.0;11.489677308650418;11.96
+France;Wheat;1990;64787.0;867.0;11.489677308650418;11.96
+Germany;Maize;1990;67762.0;700.0;10.351053836662928;8.9
+Germany;Potatoes;1990;257764.0;700.0;10.351053836662928;8.9
+Germany;Soybeans;1990;19792.0;700.0;10.351053836662928;8.9
+Germany;Wheat;1990;62734.0;700.0;10.351053836662928;8.9
+Ghana;Cassava;1990;84170.0;1187.0;4.2017030805426;26.73
+Ghana;Maize;1990;11889.0;1187.0;4.2017030805426;26.73
+Ghana;Plantains and others;1990;61890.0;1187.0;4.2017030805426;26.73
+Ghana;Rice, paddy;1990;16510.0;1187.0;4.2017030805426;26.73
+Ghana;Sorghum;1990;6310.0;1187.0;4.2017030805426;26.73
+Ghana;Yams;1990;73451.0;1187.0;4.2017030805426;26.73
+Ghana;Sweet potatoes;1996;13596.0;1187.0;7.362962478985115;26.61
+Greece;Maize;1990;96965.0;652.0;8.912069097970134;18.05
+Greece;Potatoes;1990;189470.0;652.0;8.912069097970134;18.05
+Greece;Rice, paddy;1990;60000.0;652.0;8.912069097970134;18.05
+Greece;Sorghum;1990;20000.0;652.0;8.912069097970134;18.05
+Greece;Soybeans;1990;30000.0;652.0;8.912069097970134;18.05
+Greece;Sweet potatoes;1990;168333.0;652.0;8.912069097970134;18.05
+Greece;Wheat;1990;19332.0;652.0;8.912069097970134;18.05
+Guatemala;Cassava;1990;31400.0;1996.0;9.393105996823989;19.64
+Guatemala;Maize;1990;20052.0;1996.0;9.393105996823989;19.64
+Guatemala;Plantains and others;1990;394286.0;1996.0;9.393105996823989;19.64
+Guatemala;Potatoes;1990;210685.0;1996.0;9.393105996823989;19.64
+Guatemala;Rice, paddy;1990;31111.0;1996.0;9.393105996823989;19.64
+Guatemala;Sorghum;1990;16237.0;1996.0;9.393105996823989;19.64
+Guatemala;Soybeans;1990;26288.0;1996.0;9.393105996823989;19.64
+Guatemala;Wheat;1990;19983.0;1996.0;9.393105996823989;19.64
+Guatemala;Sweet potatoes;1993;62500.0;1996.0;9.393105996823989;19.85
+Guinea;Cassava;1990;72011.0;1651.0;4.394449154672439;27.08
+Guinea;Maize;1990;10179.0;1651.0;4.394449154672439;27.08
+Guinea;Plantains and others;1990;51333.0;1651.0;4.394449154672439;27.08
+Guinea;Rice, paddy;1990;17106.0;1651.0;4.394449154672439;27.08
+Guinea;Sorghum;1990;16420.0;1651.0;4.394449154672439;27.08
+Guinea;Sweet potatoes;1990;49493.0;1651.0;4.394449154672439;27.08
+Guinea;Yams;1990;100000.0;1651.0;4.394449154672439;27.08
+Guinea;Potatoes;2004;61356.0;1651.0;5.794506396061012;27.56
+Guyana;Cassava;1990;109000.0;2387.0;5.672979565501156;27.07
+Guyana;Maize;1990;15666.0;2387.0;5.672979565501156;27.07
+Guyana;Plantains and others;1990;32500.0;2387.0;5.672979565501156;27.07
+Guyana;Rice, paddy;1990;30331.0;2387.0;5.672979565501156;27.07
+Guyana;Sweet potatoes;1997;16667.0;2387.0;5.672979565501156;27.25
+Guyana;Yams;1997;96154.0;2387.0;5.672979565501156;27.25
+Haiti;Cassava;1990;40244.0;1440.0;2.8981194446869907;27.11
+Haiti;Maize;1990;7951.0;1440.0;2.8981194446869907;27.11
+Haiti;Plantains and others;1990;70238.0;1440.0;2.8981194446869907;27.11
+Haiti;Potatoes;1990;109308.0;1440.0;2.8981194446869907;27.11
+Haiti;Rice, paddy;1990;21122.0;1440.0;2.8981194446869907;27.11
+Haiti;Sorghum;1990;8000.0;1440.0;2.8981194446869907;27.11
+Haiti;Sweet potatoes;1990;34921.0;1440.0;2.8981194446869907;27.11
+Haiti;Yams;1990;50000.0;1440.0;2.8981194446869907;27.11
+Honduras;Cassava;1990;79680.0;1976.0;9.198376084473077;24.53
+Honduras;Maize;1990;15188.0;1976.0;9.198376084473077;24.53
+Honduras;Plantains and others;1990;149570.0;1976.0;9.198376084473077;24.53
+Honduras;Potatoes;1990;113100.0;1976.0;9.198376084473077;24.53
+Honduras;Rice, paddy;1990;25026.0;1976.0;9.198376084473077;24.53
+Honduras;Sorghum;1990;10182.0;1976.0;9.198376084473077;24.53
+Honduras;Sweet potatoes;1990;64286.0;1976.0;9.198376084473077;24.53
+Honduras;Wheat;1990;5769.0;1976.0;9.198376084473077;24.53
+Honduras;Soybeans;1993;19227.0;1976.0;8.820108644508608;24.58
+Hungary;Maize;1990;41577.0;589.0;9.45383541953829;10.96
+Hungary;Potatoes;1990;170773.0;589.0;9.45383541953829;10.96
+Hungary;Rice, paddy;1990;33520.0;589.0;9.45383541953829;10.96
+Hungary;Sorghum;1990;21466.0;589.0;9.45383541953829;10.96
+Hungary;Soybeans;1990;12853.0;589.0;9.45383541953829;10.96
+Hungary;Wheat;1990;50771.0;589.0;9.45383541953829;10.96
+India;Cassava;1990;205381.0;1083.0;11.225256725762893;25.6
+India;Maize;1990;15178.0;1083.0;11.225256725762893;25.6
+India;Potatoes;1990;157136.0;1083.0;11.225256725762893;25.6
+India;Rice, paddy;1990;26125.0;1083.0;11.225256725762893;25.6
+India;Sorghum;1990;8136.0;1083.0;11.225256725762893;25.6
+India;Soybeans;1990;10145.0;1083.0;11.225256725762893;25.6
+India;Sweet potatoes;1990;79663.0;1083.0;11.225256725762893;25.6
+India;Wheat;1990;21211.0;1083.0;11.225256725762893;25.6
+Indonesia;Cassava;1990;120691.0;2702.0;7.796880342783522;26.83
+Indonesia;Maize;1990;21323.0;2702.0;7.796880342783522;26.83
+Indonesia;Potatoes;1990;141637.0;2702.0;7.796880342783522;26.83
+Indonesia;Rice, paddy;1990;43018.0;2702.0;7.796880342783522;26.83
+Indonesia;Soybeans;1990;11149.0;2702.0;7.796880342783522;26.83
+Indonesia;Sweet potatoes;1990;94450.0;2702.0;7.796880342783522;26.83
+Iraq;Maize;1990;24814.0;216.0;6.541029999189903;21.58
+Iraq;Potatoes;1990;166681.0;216.0;6.541029999189903;21.58
+Iraq;Rice, paddy;1990;28889.0;216.0;6.541029999189903;21.58
+Iraq;Sorghum;1990;7273.0;216.0;6.541029999189903;21.58
+Iraq;Soybeans;1990;14615.0;216.0;6.541029999189903;21.58
+Iraq;Wheat;1990;10129.0;216.0;6.541029999189903;21.58
+Ireland;Potatoes;1990;248971.0;1118.0;7.608374474380783;9.59
+Ireland;Wheat;1990;85307.0;1118.0;7.608374474380783;9.59
+Italy;Maize;1990;76375.0;832.0;11.518881691383372;10.4
+Italy;Potatoes;1990;191624.0;832.0;11.518881691383372;10.4
+Italy;Rice, paddy;1990;60278.0;832.0;11.518881691383372;10.4
+Italy;Sorghum;1990;48234.0;832.0;11.518881691383372;10.4
+Italy;Soybeans;1990;33588.0;832.0;11.518881691383372;10.4
+Italy;Sweet potatoes;1990;214829.0;832.0;11.518881691383372;10.4
+Italy;Wheat;1990;29243.0;832.0;11.518881691383372;10.4
+Jamaica;Cassava;1990;119102.0;2051.0;7.256050208475266;27.28
+Jamaica;Maize;1990;10588.0;2051.0;7.256050208475266;27.28
+Jamaica;Plantains and others;1990;138727.0;2051.0;7.256050208475266;27.28
+Jamaica;Potatoes;1990;122818.0;2051.0;7.256050208475266;27.28
+Jamaica;Rice, paddy;1990;23656.0;2051.0;7.256050208475266;27.28
+Jamaica;Sweet potatoes;1990;112543.0;2051.0;7.256050208475266;27.28
+Jamaica;Yams;1990;130749.0;2051.0;7.256050208475266;27.28
+Japan;Maize;1990;25457.0;1668.0;11.287556689680539;15.57
+Japan;Potatoes;1990;306736.0;1668.0;11.287556689680539;15.57
+Japan;Rice, paddy;1990;63279.0;1668.0;11.287556689680539;15.57
+Japan;Soybeans;1990;15106.0;1668.0;11.287556689680539;15.57
+Japan;Sweet potatoes;1990;231353.0;1668.0;11.287556689680539;15.57
+Japan;Wheat;1990;36540.0;1668.0;11.287556689680539;15.57
+Japan;Yams;1990;210808.0;1668.0;11.287556689680539;15.57
+Kazakhstan;Maize;1992;31214.0;250.0;9.751675801946746;4.49
+Kazakhstan;Potatoes;1992;105923.0;250.0;9.751675801946746;4.49
+Kazakhstan;Rice, paddy;1992;39915.0;250.0;9.751675801946746;4.49
+Kazakhstan;Sorghum;1992;11765.0;250.0;9.751675801946746;4.49
+Kazakhstan;Soybeans;1992;11919.0;250.0;9.751675801946746;4.49
+Kazakhstan;Wheat;1992;13324.0;250.0;9.751675801946746;4.49
+Kenya;Cassava;1990;108498.0;630.0;8.151909872940905;15.94
+Kenya;Maize;1990;16591.0;630.0;8.151909872940905;15.94
+Kenya;Plantains and others;1990;125000.0;630.0;8.151909872940905;15.94
+Kenya;Potatoes;1990;88655.0;630.0;8.151909872940905;15.94
+Kenya;Rice, paddy;1990;30984.0;630.0;8.151909872940905;15.94
+Kenya;Sorghum;1990;8473.0;630.0;8.151909872940905;15.94
+Kenya;Soybeans;1990;8000.0;630.0;8.151909872940905;15.94
+Kenya;Sweet potatoes;1990;99153.0;630.0;8.151909872940905;15.94
+Kenya;Wheat;1990;16551.0;630.0;8.151909872940905;15.94
+Kenya;Yams;1990;88356.0;630.0;8.151909872940905;15.94
+Latvia;Potatoes;1992;120475.0;641.0;6.913737350659685;6.89
+Latvia;Wheat;1992;25848.0;641.0;6.913737350659685;6.89
+Lebanon;Maize;1990;16910.0;661.0;7.108244139731541;19.4
+Lebanon;Potatoes;1990;180927.0;661.0;7.108244139731541;19.4
+Lebanon;Sorghum;1990;12500.0;661.0;7.108244139731541;19.4
+Lebanon;Wheat;1990;19704.0;661.0;7.108244139731541;19.4
+Lesotho;Maize;1990;11000.0;788.0;0.26236426446749106;14.48
+Lesotho;Potatoes;1990;176905.0;788.0;0.26236426446749106;14.48
+Lesotho;Sorghum;1990;10112.0;788.0;0.26236426446749106;14.48
+Lesotho;Wheat;1990;8118.0;788.0;0.26236426446749106;14.48
+Libya;Maize;1990;10000.0;56.0;4.477336814478207;20.07
+Libya;Potatoes;1990;80556.0;56.0;4.477336814478207;20.07
+Libya;Wheat;1990;12317.0;56.0;4.477336814478207;20.07
+Lithuania;Maize;1992;13710.0;656.0;7.2305631534092925;7.04
+Lithuania;Potatoes;1992;94916.0;656.0;7.2305631534092925;7.04
+Lithuania;Wheat;1992;29411.0;656.0;7.2305631534092925;7.04
+Madagascar;Cassava;1990;66512.0;1513.0;4.862985658833579;19.62
+Madagascar;Maize;1990;9848.0;1513.0;4.862985658833579;19.62
+Madagascar;Potatoes;1990;69744.0;1513.0;4.862985658833579;19.62
+Madagascar;Rice, paddy;1990;20773.0;1513.0;4.862985658833579;19.62
+Madagascar;Sorghum;1990;5969.0;1513.0;4.862985658833579;19.62
+Madagascar;Soybeans;1990;10417.0;1513.0;4.862985658833579;19.62
+Madagascar;Sweet potatoes;1990;53407.0;1513.0;4.862985658833579;19.62
+Madagascar;Wheat;1990;20000.0;1513.0;4.862985658833579;19.62
+Malawi;Cassava;1990;23536.0;1181.0;5.160146657489371;20.86
+Malawi;Maize;1990;9993.0;1181.0;5.160146657489371;20.86
+Malawi;Plantains and others;1990;40179.0;1181.0;5.160146657489371;20.86
+Malawi;Potatoes;1990;102044.0;1181.0;5.160146657489371;20.86
+Malawi;Rice, paddy;1990;14903.0;1181.0;5.160146657489371;20.86
+Malawi;Sorghum;1990;5015.0;1181.0;5.160146657489371;20.86
+Malawi;Wheat;1990;7735.0;1181.0;5.160146657489371;20.86
+Malawi;Soybeans;2004;6447.0;1181.0;3.8975183192252643;20.44
+Malaysia;Cassava;1990;97297.0;2875.0;10.581710924982964;27.21
+Malaysia;Maize;1990;17500.0;2875.0;10.581710924982964;27.21
+Malaysia;Rice, paddy;1990;27694.0;2875.0;10.581710924982964;27.21
+Malaysia;Soybeans;1990;3333.0;2875.0;10.581710924982964;27.21
+Malaysia;Sweet potatoes;1990;110000.0;2875.0;10.581710924982964;27.21
+Mali;Cassava;1990;72500.0;282.0;4.571613402459248;27.61
+Mali;Maize;1990;11566.0;282.0;4.571613402459248;27.61
+Mali;Potatoes;1990;180000.0;282.0;4.571613402459248;27.61
+Mali;Rice, paddy;1990;14360.0;282.0;4.571613402459248;27.61
+Mali;Sorghum;1990;6571.0;282.0;4.571613402459248;27.61
+Mali;Soybeans;1990;16667.0;282.0;4.571613402459248;27.61
+Mali;Sweet potatoes;1990;48316.0;282.0;4.571613402459248;27.61
+Mali;Wheat;1990;11991.0;282.0;4.571613402459248;27.61
+Mali;Yams;1990;45091.0;282.0;4.571613402459248;27.61
+Mauritania;Maize;1990;6789.0;92.0;3.6911269266544156;27.67
+Mauritania;Potatoes;1990;54628.0;92.0;3.6911269266544156;27.67
+Mauritania;Rice, paddy;1990;33307.0;92.0;3.6911269266544156;27.67
+Mauritania;Sorghum;1990;5153.0;92.0;3.6911269266544156;27.67
+Mauritania;Sweet potatoes;1990;8799.0;92.0;3.6911269266544156;27.67
+Mauritania;Wheat;1990;10769.0;92.0;3.6911269266544156;27.67
+Mauritania;Yams;1990;63927.0;92.0;3.6911269266544156;27.67
+Mauritius;Cassava;1990;135714.0;2041.0;6.7912214627261855;23.84
+Mauritius;Maize;1990;41790.0;2041.0;6.7912214627261855;23.84
+Mauritius;Potatoes;1990;181098.0;2041.0;6.7912214627261855;23.84
+Mauritius;Rice, paddy;1990;63333.0;2041.0;6.7912214627261855;23.84
+Mauritius;Sweet potatoes;1990;75581.0;2041.0;6.7912214627261855;23.84
+Mexico;Cassava;1990;75504.0;758.0;10.44784262875747;20.24
+Mexico;Maize;1990;19942.0;758.0;10.44784262875747;20.24
+Mexico;Potatoes;1990;158256.0;758.0;10.44784262875747;20.24
+Mexico;Rice, paddy;1990;37418.0;758.0;10.44784262875747;20.24
+Mexico;Sorghum;1990;32888.0;758.0;10.44784262875747;20.24
+Mexico;Soybeans;1990;20145.0;758.0;10.44784262875747;20.24
+Mexico;Sweet potatoes;1990;167541.0;758.0;10.44784262875747;20.24
+Mexico;Wheat;1990;42143.0;758.0;10.44784262875747;20.24
+Montenegro;Maize;2006;32588.0;241.0;0.4382549309311553;10.56
+Montenegro;Potatoes;2006;130448.0;241.0;0.4382549309311553;10.56
+Montenegro;Wheat;2006;30903.0;241.0;0.4382549309311553;10.56
+Morocco;Maize;1990;11598.0;346.0;9.144734614878189;18.23
+Morocco;Potatoes;1990;171851.0;346.0;9.144734614878189;18.23
+Morocco;Rice, paddy;1990;41750.0;346.0;9.144734614878189;18.23
+Morocco;Sorghum;1990;5496.0;346.0;9.144734614878189;18.23
+Morocco;Soybeans;1990;16181.0;346.0;9.144734614878189;18.23
+Morocco;Sweet potatoes;1990;155421.0;346.0;9.144734614878189;18.23
+Morocco;Wheat;1990;13290.0;346.0;9.144734614878189;18.23
+Mozambique;Cassava;1990;48612.0;1032.0;4.637250079451503;21.51
+Mozambique;Maize;1990;4480.0;1032.0;4.637250079451503;21.51
+Mozambique;Potatoes;1990;120710.0;1032.0;4.637250079451503;21.51
+Mozambique;Rice, paddy;1990;8747.0;1032.0;4.637250079451503;21.51
+Mozambique;Sorghum;1990;4329.0;1032.0;4.637250079451503;21.51
+Mozambique;Sweet potatoes;1990;58544.0;1032.0;4.637250079451503;21.51
+Mozambique;Wheat;1990;18001.0;1032.0;4.637250079451503;21.51
+Namibia;Maize;1990;14871.0;285.0;3.7612001156935624;20.4
+Namibia;Sorghum;1990;2052.0;285.0;3.7612001156935624;20.4
+Namibia;Wheat;1990;44250.0;285.0;3.7612001156935624;20.4
+Namibia;Potatoes;2000;125000.0;285.0;4.04305126783455;20.26
+Nepal;Maize;1990;16246.0;1500.0;4.1126755189068245;15.11
+Nepal;Potatoes;1990;80601.0;1500.0;4.1126755189068245;15.11
+Nepal;Rice, paddy;1990;24067.0;1500.0;4.1126755189068245;15.11
+Nepal;Soybeans;1990;6215.0;1500.0;4.1126755189068245;15.11
+Nepal;Wheat;1990;14149.0;1500.0;4.1126755189068245;15.11
+Netherlands;Maize;1990;90909.0;778.0;9.18296917518005;10.63
+Netherlands;Potatoes;1990;401380.0;778.0;9.18296917518005;10.63
+Netherlands;Wheat;1990;76528.0;778.0;9.18296917518005;10.63
+New Zealand;Maize;1990;92077.0;1732.0;8.157943507105037;13.64
+New Zealand;Potatoes;1990;325000.0;1732.0;8.157943507105037;13.64
+New Zealand;Sweet potatoes;1990;159383.0;1732.0;8.157943507105037;13.64
+New Zealand;Wheat;1990;48842.0;1732.0;8.157943507105037;13.64
+Nicaragua;Cassava;1990;110417.0;2280.0;6.3561076606958915;27.03
+Nicaragua;Maize;1990;12825.0;2280.0;6.3561076606958915;27.03
+Nicaragua;Plantains and others;1990;100000.0;2280.0;6.3561076606958915;27.03
+Nicaragua;Potatoes;1990;143750.0;2280.0;6.3561076606958915;27.03
+Nicaragua;Rice, paddy;1990;26326.0;2280.0;6.3561076606958915;27.03
+Nicaragua;Sorghum;1990;16210.0;2280.0;6.3561076606958915;27.03
+Nicaragua;Soybeans;1990;16429.0;2280.0;6.3561076606958915;27.03
+Nicaragua;Yams;1991;132736.0;2280.0;6.3561076606958915;27.04
+Niger;Cassava;1990;88688.0;151.0;4.143134726391533;29.71
+Niger;Maize;1990;3139.0;151.0;4.143134726391533;29.71
+Niger;Potatoes;1990;100000.0;151.0;4.143134726391533;29.71
+Niger;Rice, paddy;1990;31432.0;151.0;4.143134726391533;29.71
+Niger;Sorghum;1990;1257.0;151.0;4.143134726391533;29.71
+Niger;Sweet potatoes;1990;87500.0;151.0;4.143134726391533;29.71
+Niger;Wheat;1990;28889.0;151.0;4.143134726391533;29.71
+Norway;Potatoes;1990;257507.0;1414.0;7.076653815443951;4.55
+Norway;Wheat;1990;46634.0;1414.0;7.076653815443951;4.55
+Pakistan;Maize;1990;14014.0;494.0;8.575462099540212;24.22
+Pakistan;Potatoes;1990;104002.0;494.0;8.575462099540212;24.22
+Pakistan;Rice, paddy;1990;23151.0;494.0;8.575462099540212;24.22
+Pakistan;Sorghum;1990;5736.0;494.0;8.575462099540212;24.22
+Pakistan;Soybeans;1990;5679.0;494.0;8.575462099540212;24.22
+Pakistan;Sweet potatoes;1990;92141.0;494.0;8.575462099540212;24.22
+Pakistan;Wheat;1990;18249.0;494.0;8.575462099540212;24.22
+Papua New Guinea;Cassava;1990;105566.0;3142.0;4.804021044733257;25.27
+Papua New Guinea;Maize;1990;25000.0;3142.0;4.804021044733257;25.27
+Papua New Guinea;Potatoes;1990;45000.0;3142.0;4.804021044733257;25.27
+Papua New Guinea;Rice, paddy;1990;18235.0;3142.0;4.804021044733257;25.27
+Papua New Guinea;Sorghum;1990;41152.0;3142.0;4.804021044733257;25.27
+Papua New Guinea;Sweet potatoes;1990;42115.0;3142.0;4.804021044733257;25.27
+Papua New Guinea;Yams;1990;173554.0;3142.0;4.804021044733257;25.27
+Peru;Cassava;1990;93413.0;1738.0;8.050384453067021;16.84
+Peru;Maize;1990;19532.0;1738.0;8.050384453067021;16.84
+Peru;Plantains and others;1990;121397.0;1738.0;8.050384453067021;16.84
+Peru;Potatoes;1990;78805.0;1738.0;8.050384453067021;16.84
+Peru;Rice, paddy;1990;52290.0;1738.0;8.050384453067021;16.84
+Peru;Sorghum;1990;27036.0;1738.0;8.050384453067021;16.84
+Peru;Soybeans;1990;20998.0;1738.0;8.050384453067021;16.84
+Peru;Sweet potatoes;1990;159470.0;1738.0;8.050384453067021;16.84
+Peru;Wheat;1990;10847.0;1738.0;8.050384453067021;16.84
+Poland;Maize;1990;49126.0;600.0;8.59840444684106;9.2
+Poland;Potatoes;1990;197853.0;600.0;8.59840444684106;9.2
+Poland;Wheat;1990;39575.0;600.0;8.59840444684106;9.2
+Poland;Soybeans;2004;16007.0;600.0;9.074176947163311;8.33
+Portugal;Maize;1990;30334.0;854.0;9.143986871426161;16.55
+Portugal;Potatoes;1990;111599.0;854.0;9.143986871426161;16.55
+Portugal;Rice, paddy;1990;46142.0;854.0;9.143986871426161;16.55
+Portugal;Sweet potatoes;1990;81250.0;854.0;9.143986871426161;16.55
+Portugal;Wheat;1990;14269.0;854.0;9.143986871426161;16.55
+Portugal;Yams;1990;104819.0;854.0;9.143986871426161;16.55
+Qatar;Maize;1990;135000.0;74.0;1.3862943611198906;27.38
+Qatar;Potatoes;1990;96667.0;74.0;1.3862943611198906;27.38
+Qatar;Wheat;1990;22996.0;74.0;1.3862943611198906;27.38
+Romania;Maize;1990;27606.0;637.0;10.136819030237827;12.26
+Romania;Potatoes;1990;109996.0;637.0;10.136819030237827;12.26
+Romania;Rice, paddy;1990;16667.0;637.0;10.136819030237827;12.26
+Romania;Sorghum;1990;6731.0;637.0;10.136819030237827;12.26
+Romania;Soybeans;1990;7421.0;637.0;10.136819030237827;12.26
+Romania;Wheat;1990;32351.0;637.0;10.136819030237827;12.26
+Rwanda;Cassava;1990;20126.0;1212.0;5.062595033026967;19.39
+Rwanda;Maize;1990;10252.0;1212.0;5.062595033026967;19.39
+Rwanda;Potatoes;1990;67453.0;1212.0;5.062595033026967;19.39
+Rwanda;Rice, paddy;1990;13652.0;1212.0;5.062595033026967;19.39
+Rwanda;Sorghum;1990;10688.0;1212.0;5.062595033026967;19.39
+Rwanda;Soybeans;1990;6735.0;1212.0;5.062595033026967;19.39
+Rwanda;Sweet potatoes;1990;46491.0;1212.0;5.062595033026967;19.39
+Rwanda;Wheat;1990;11811.0;1212.0;5.062595033026967;19.39
+Rwanda;Yams;1990;40000.0;1212.0;5.062595033026967;19.39
+Saudi Arabia;Maize;1990;17992.0;59.0;6.902742737158593;25.78
+Saudi Arabia;Potatoes;1990;198311.0;59.0;6.902742737158593;25.78
+Saudi Arabia;Sorghum;1990;12369.0;59.0;6.902742737158593;25.78
+Saudi Arabia;Wheat;1990;46461.0;59.0;6.902742737158593;25.78
+Senegal;Cassava;1990;35159.0;686.0;5.953243334287785;25.13
+Senegal;Maize;1990;11411.0;686.0;5.953243334287785;25.13
+Senegal;Potatoes;1990;145518.0;686.0;5.953243334287785;25.13
+Senegal;Rice, paddy;1990;24825.0;686.0;5.953243334287785;25.13
+Senegal;Sorghum;1990;9101.0;686.0;5.953243334287785;25.13
+Senegal;Sweet potatoes;1990;57380.0;686.0;5.953243334287785;25.13
+Slovenia;Maize;1992;28150.0;1162.0;7.177782416195197;10.78
+Slovenia;Potatoes;1992;121000.0;1162.0;7.177782416195197;10.78
+Slovenia;Soybeans;1992;20000.0;1162.0;7.177782416195197;10.78
+Slovenia;Wheat;1992;41937.0;1162.0;7.177782416195197;10.78
+South Africa;Maize;1990;22051.0;495.0;9.716133353214099;17.65
+South Africa;Potatoes;1990;200263.0;495.0;9.716133353214099;17.65
+South Africa;Rice, paddy;1990;18976.0;495.0;9.716133353214099;17.65
+South Africa;Sorghum;1990;17398.0;495.0;9.716133353214099;17.65
+South Africa;Soybeans;1990;19377.0;495.0;9.716133353214099;17.65
+South Africa;Sweet potatoes;1990;35872.0;495.0;9.716133353214099;17.65
+South Africa;Wheat;1990;10934.0;495.0;9.716133353214099;17.65
+Spain;Maize;1990;64256.0;636.0;10.585649617037317;15.78
+Spain;Potatoes;1990;196487.0;636.0;10.585649617037317;15.78
+Spain;Rice, paddy;1990;63209.0;636.0;10.585649617037317;15.78
+Spain;Sorghum;1990;53234.0;636.0;10.585649617037317;15.78
+Spain;Soybeans;1990;24253.0;636.0;10.585649617037317;15.78
+Spain;Sweet potatoes;1990;170608.0;636.0;10.585649617037317;15.78
+Spain;Wheat;1990;23789.0;636.0;10.585649617037317;15.78
+Sri Lanka;Cassava;1990;87717.0;1712.0;7.360313874622385;26.53
+Sri Lanka;Maize;1990;11227.0;1712.0;7.360313874622385;26.53
+Sri Lanka;Plantains and others;1990;140381.0;1712.0;7.360313874622385;26.53
+Sri Lanka;Potatoes;1990;110520.0;1712.0;7.360313874622385;26.53
+Sri Lanka;Rice, paddy;1990;30643.0;1712.0;7.360313874622385;26.53
+Sri Lanka;Sorghum;1990;7143.0;1712.0;7.360313874622385;26.53
+Sri Lanka;Soybeans;1990;8040.0;1712.0;7.360313874622385;26.53
+Sri Lanka;Sweet potatoes;1990;64750.0;1712.0;7.360313874622385;26.53
+Suriname;Cassava;1990;125641.0;2331.0;5.384495062789089;26.87
+Suriname;Maize;1990;21575.0;2331.0;5.384495062789089;26.87
+Suriname;Plantains and others;1990;206853.0;2331.0;5.384495062789089;26.87
+Suriname;Rice, paddy;1990;37691.0;2331.0;5.384495062789089;26.87
+Suriname;Soybeans;1990;5323.0;2331.0;5.384495062789089;26.87
+Suriname;Sweet potatoes;1990;90667.0;2331.0;5.384495062789089;26.87
+Sweden;Potatoes;1990;348034.0;624.0;7.745435610274381;8.43
+Sweden;Wheat;1990;64494.0;624.0;7.745435610274381;8.43
+Switzerland;Maize;1990;85102.0;1537.0;7.733245646529795;8.19
+Switzerland;Potatoes;1990;379017.0;1537.0;7.733245646529795;8.19
+Switzerland;Soybeans;1990;24266.0;1537.0;7.733245646529795;8.19
+Switzerland;Wheat;1990;56376.0;1537.0;7.733245646529795;8.19
+Tajikistan;Maize;1992;29613.0;691.0;7.732369222284388;7.9
+Tajikistan;Potatoes;1992;128769.0;691.0;7.732369222284388;7.9
+Tajikistan;Rice, paddy;1992;20184.0;691.0;7.732369222284388;7.9
+Tajikistan;Sorghum;1992;11720.0;691.0;7.732369222284388;7.9
+Tajikistan;Soybeans;1992;50.0;691.0;7.732369222284388;7.9
+Tajikistan;Wheat;1992;9073.0;691.0;7.732369222284388;7.9
+Thailand;Cassava;1990;139159.0;1622.0;9.844268192876157;27.96
+Thailand;Maize;1990;24090.0;1622.0;9.844268192876157;27.96
+Thailand;Potatoes;1990;90000.0;1622.0;9.844268192876157;27.96
+Thailand;Rice, paddy;1990;19556.0;1622.0;9.844268192876157;27.96
+Thailand;Sorghum;1990;12590.0;1622.0;9.844268192876157;27.96
+Thailand;Soybeans;1990;12998.0;1622.0;9.844268192876157;27.96
+Thailand;Wheat;1990;6107.0;1622.0;9.844268192876157;27.96
+Tunisia;Potatoes;1990;136478.0;207.0;6.813444599510896;19.34
+Tunisia;Sorghum;1990;4286.0;207.0;6.813444599510896;19.34
+Tunisia;Wheat;1990;12721.0;207.0;6.813444599510896;19.34
+Turkey;Maize;1990;40803.0;593.0;10.306249009069978;14.72
+Turkey;Potatoes;1990;224367.0;593.0;10.306249009069978;14.72
+Turkey;Rice, paddy;1990;49625.0;593.0;10.306249009069978;14.72
+Turkey;Soybeans;1990;21892.0;593.0;10.306249009069978;14.72
+Turkey;Wheat;1990;21227.0;593.0;10.306249009069978;14.72
+Turkey;Sorghum;2004;23333.0;593.0;10.269241160408065;14.99
+Uganda;Cassava;1990;83010.0;1180.0;4.290459441148391;23.36
+Uganda;Maize;1990;15012.0;1180.0;4.290459441148391;23.36
+Uganda;Plantains and others;1990;56499.0;1180.0;4.290459441148391;23.36
+Uganda;Potatoes;1990;70000.0;1180.0;4.290459441148391;23.36
+Uganda;Rice, paddy;1990;13846.0;1180.0;4.290459441148391;23.36
+Uganda;Sorghum;1990;15000.0;1180.0;4.290459441148391;23.36
+Uganda;Soybeans;1990;9927.0;1180.0;4.290459441148391;23.36
+Uganda;Sweet potatoes;1990;41009.0;1180.0;4.290459441148391;23.36
+Uganda;Wheat;1990;20000.0;1180.0;4.290459441148391;23.36
+Ukraine;Maize;1992;25072.0;565.0;11.109054086200521;8.07
+Ukraine;Potatoes;1992;118906.0;565.0;11.109054086200521;8.07
+Ukraine;Rice, paddy;1992;37722.0;565.0;11.109054086200521;8.07
+Ukraine;Sorghum;1992;8571.0;565.0;11.109054086200521;8.07
+Ukraine;Soybeans;1992;7836.0;565.0;11.109054086200521;8.07
+Ukraine;Wheat;1992;30926.0;565.0;11.109054086200521;8.07
+United Kingdom;Potatoes;1990;365161.0;1220.0;10.292755525741722;10.0
+United Kingdom;Wheat;1990;69712.0;1220.0;10.292755525741722;10.0
+Uruguay;Maize;1990;18510.0;1300.0;7.474777854531529;16.91
+Uruguay;Potatoes;1990;95000.0;1300.0;7.474777854531529;16.91
+Uruguay;Rice, paddy;1990;44474.0;1300.0;7.474777854531529;16.91
+Uruguay;Sorghum;1990;22680.0;1300.0;7.474777854531529;16.91
+Uruguay;Soybeans;1990;12982.0;1300.0;7.474777854531529;16.91
+Uruguay;Sweet potatoes;1990;57857.0;1300.0;7.474777854531529;16.91
+Uruguay;Wheat;1990;18510.0;1300.0;7.474777854531529;16.91
+Zambia;Cassava;1990;62040.0;1020.0;6.985641817639208;21.43
+Zambia;Maize;1990;14316.0;1020.0;6.985641817639208;21.43
+Zambia;Potatoes;1990;90000.0;1020.0;6.985641817639208;21.43
+Zambia;Rice, paddy;1990;9664.0;1020.0;6.985641817639208;21.43
+Zambia;Sorghum;1990;4042.0;1020.0;6.985641817639208;21.43
+Zambia;Soybeans;1990;8986.0;1020.0;6.985641817639208;21.43
+Zambia;Sweet potatoes;1990;54000.0;1020.0;6.985641817639208;21.43
+Zambia;Wheat;1990;43938.0;1020.0;6.985641817639208;21.43
+Zimbabwe;Cassava;1990;39916.0;657.0;8.653121708640482;21.19
+Zimbabwe;Maize;1990;17206.0;657.0;8.653121708640482;21.19
+Zimbabwe;Potatoes;1990;158974.0;657.0;8.653121708640482;21.19
+Zimbabwe;Rice, paddy;1990;23400.0;657.0;8.653121708640482;21.19
+Zimbabwe;Sorghum;1990;6836.0;657.0;8.653121708640482;21.19
+Zimbabwe;Soybeans;1990;20689.0;657.0;8.653121708640482;21.19
+Zimbabwe;Sweet potatoes;1990;21538.0;657.0;8.653121708640482;21.19
+Zimbabwe;Wheat;1990;58211.0;657.0;8.653121708640482;21.19

5_Notebooks/mlruns/2/models/m-7d0b2bca11e140be907efb132e749af8/artifacts/model.pkl

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:ee985276707b479db2f000d76455b7c48c0a72704218f7b373ae576eeeee50dd
+size 28419612

8_Tests/test_functional.py

@@ -0,0 +1,101 @@
+"""
+Test fonctionnel pour l'API FastAPI de prédiction ML.
+Ce test démarre réellement le serveur et fait une vraie requête HTTP sur /health.
+"""
+
+import subprocess
+import time
+import sys
+import httpx
+import signal
+import os
+
+
+def wait_for_server(url: str, timeout: int = 30) -> bool:
+    """Attend que le serveur soit prêt."""
+    start_time = time.time()
+    while time.time() - start_time < timeout:
+        try:
+            response = httpx.get(url, timeout=2)
+            if response.status_code == 200:
+                return True
+        except httpx.RequestError:
+            pass
+        time.sleep(0.5)
+    return False
+
+
+def run_functional_tests():
+    """Exécute le test fonctionnel sur l'endpoint /health."""
+
+    base_url = "http://127.0.0.1:7860"
+    server_process = None
+
+    try:
+        # Démarrer le serveur uvicorn
+        print("🚀 Démarrage du serveur uvicorn...")
+        server_process = subprocess.Popen(
+            ["uvicorn", "main:app", "--host", "127.0.0.1", "--port", "7860"],
+            stdout=subprocess.PIPE,
+            stderr=subprocess.PIPE,
+            preexec_fn=os.setsid
+        )
+
+        # Attendre que le serveur soit prêt
+        print("⏳ Attente du serveur...")
+        if not wait_for_server(f"{base_url}/health"):
+            print("❌ Le serveur n'a pas démarré dans le délai imparti")
+            return False
+
+        print("✅ Serveur démarré avec succès")
+
+        # ============================================
+        # TEST: Endpoint /health
+        # ============================================
+        print("\n📋 Test fonctionnel: Endpoint /health")
+
+        response = httpx.get(f"{base_url}/health")
+        assert response.status_code == 200, f"Expected 200, got {response.status_code}"
+
+        data = response.json()
+        assert data["status"] == "ok", f"Expected status 'ok', got {data['status']}"
+        assert data["model_loaded"] is True, "Model should be loaded"
+        assert "available_items" in data, "Clé 'available_items' absente"
+        assert "available_areas" in data, "Clé 'available_areas' absente"
+        assert data["available_items"] > 0, "Should have items"
+        assert data["available_areas"] > 0, "Should have areas"
+
+        print(f"   ✅ Status: {data['status']}")
+        print(f"   ✅ Modèle chargé: {data['model_loaded']}")
+        print(f"   ✅ Cultures disponibles: {data['available_items']}")
+        print(f"   ✅ Pays disponibles: {data['available_areas']}")
+
+        # ============================================
+        # Résultat final
+        # ============================================
+        print("\n" + "=" * 50)
+        print("🎉 TEST FONCTIONNEL /health RÉUSSI !")
+        print("=" * 50)
+
+        return True
+
+    except AssertionError as e:
+        print(f"\n❌ ÉCHEC DU TEST: {e}")
+        return False
+    except Exception as e:
+        print(f"\n❌ ERREUR: {e}")
+        return False
+    finally:
+        # Arrêter le serveur
+        if server_process:
+            print("\n🛑 Arrêt du serveur...")
+            os.killpg(os.getpgid(server_process.pid), signal.SIGTERM)
+            server_process.wait()
+
+
+if __name__ == "__main__":
+    success = run_functional_tests()
+    sys.exit(0 if success else 1)
+
+
+

Dockerfile

@@ -0,0 +1,54 @@
+# Dockerfile_api pour Hugging Face Spaces
+FROM python:3.11-slim AS builder
+
+# Créer un utilisateur non-root (requis par HF Spaces)
+RUN useradd -m -u 1000 user
+
+# Définir le répertoire de travail
+WORKDIR /app
+
+# Copier les fichiers de dépendances
+COPY --chown=user requirements_api.txt .
+
+# Installer les dépendances
+RUN pip install --no-cache-dir --upgrade pip && \
+    pip install --no-cache-dir -r requirements_api.txt
+
+# Copier le code de l'application
+COPY --chown=user main.py .
+COPY --chown=user config.py .
+COPY --chown=user 2_Data_transformed/crop_yield_2_train_set_simplified.csv ./2_Data_transformed/
+COPY --chown=user 5_Notebooks/mlruns/2/models/m-7d0b2bca11e140be907efb132e749af8/artifacts/model.pkl ./4_Model/
+COPY --chown=user 8_Tests/test_functional.py ./8_Tests/
+
+# ============================================
+# Stage de test : exécution des tests fonctionnels
+# ============================================
+FROM builder AS test
+
+# Installer les dépendances de test
+RUN pip install --no-cache-dir httpx
+
+# Copier le fichier de tests fonctionnels
+COPY --chown=user 8_Tests/test_functional.py .
+
+# Exécuter le test fonctionnel sur /health (démarre le serveur et fait une vraie requête HTTP)
+RUN python test_functional.py
+
+# ============================================
+# Stage de production
+# ============================================
+FROM builder AS production
+
+# Changer vers l'utilisateur non-root
+USER user
+
+# Exposer le port 7860 (port par défaut de HF Spaces)
+EXPOSE 7860
+
+# Variables d'environnement
+ENV PYTHONUNBUFFERED=1
+
+# Commande de démarrage
+CMD ["uvicorn", "main:app", "--host", "0.0.0.0", "--port", "7860"]
+

README.md

@@ -1,10 +1,15 @@
 ---
-title: Oc Mlops Projet 4 Api
-emoji: 📚
-colorFrom: purple
-colorTo: indigo
+title: Agritech Answers - API
+emoji: 🚀
+colorFrom: yellow
+colorTo: purple
 sdk: docker
 pinned: false
 ---
 
-Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
+# oc_mlops_projet_4
+
+## Getting started
+
+To make it easy for you to get started with GitLab, here's a list of recommended next steps.
+

config.py

@@ -0,0 +1,13 @@
+# Définition de la séparation de la Timeseries en Train et Test sets pour les différents modèles de prédiction
+YEAR_THRESHOLD = 2009
+
+# Colonnes attendues par le modèle (features brutes)
+FEATURE_COLUMNS = ["Area", "Item", "Year", "average_rain_fall_mm_per_year", "pesticides_tonnes", "avg_temp"]
+TARGET_COLUMN = "hg/ha_yield"
+
+# Chemin relatif vers le modèle MLflow (pipeline sklearn complet avec préprocesseur)
+MODEL_REL_PATH = "5_Notebooks/mlruns/2/models/m-7d0b2bca11e140be907efb132e749af8/artifacts"
+
+# Chemin relatif vers le fichier d'entraînement nettoyé
+DATA_REL_PATH = "2_Data_transformed/crop_yield_2_train_set_simplified.csv"
+

main.py

@@ -0,0 +1,307 @@
+"""
+API REST FastAPI pour les prédictions de rendement agricole.
+
+Cette API charge un modèle MLflow (pipeline sklearn) au démarrage et expose des endpoints
+pour effectuer des prédictions de rendement (hg/ha) à partir de variables explicatives.
+"""
+
+import os
+from contextlib import asynccontextmanager
+from typing import Dict, List
+
+import joblib
+import numpy as np
+import logfire
+import pandas as pd
+from dotenv import load_dotenv
+from fastapi import FastAPI, HTTPException
+from pydantic import BaseModel, Field
+
+from config import FEATURE_COLUMNS, TARGET_COLUMN, MODEL_REL_PATH, DATA_REL_PATH
+
+# Charger les variables d'environnement depuis .env
+load_dotenv()
+
+# =======================================================================================================
+# Configuration Logfire (cloud)
+# =======================================================================================================
+
+logfire.configure(
+    token=os.environ.get("LOGFIRE_TOKEN"),
+    service_name="crop-yield-api",
+    send_to_logfire="if-token-present",
+)
+
+# =======================================================================================================
+# Chemins et variables globales
+# =======================================================================================================
+
+BASE_DIR = os.path.dirname(os.path.abspath(__file__))
+
+# Chemin vers le modèle MLflow (pipeline sklearn complet avec préprocesseur)
+MODEL_PATH = os.path.join(BASE_DIR, MODEL_REL_PATH)
+
+# Chemin vers le fichier d'entraînement nettoyé (pour récupérer les cultures et pays disponibles)
+DATA_PATH = os.path.join(BASE_DIR, DATA_REL_PATH)
+
+# Variables globales chargées au démarrage
+pipeline = None                     # Pipeline sklearn (préprocesseur + modèle)
+available_items: List[str] = []     # Cultures disponibles
+available_areas: List[str] = []     # Pays disponibles
+available_items_per_area: Dict[str, List[str]] = {}  # Cultures disponibles par pays
+
+# =======================================================================================================
+# Chargement des ressources au démarrage
+# =======================================================================================================
+
+def load_pipeline():
+    """Charge le pipeline sklearn depuis le fichier model.pkl."""
+    try:
+        model_file = os.path.join(MODEL_PATH, "model.pkl")
+        model = joblib.load(model_file)
+        logfire.info("Pipeline chargé avec succès depuis {path}", path=model_file)
+        return model
+    except Exception as e:
+        logfire.error("Erreur lors du chargement du pipeline: {error}", error=str(e))
+        return None
+
+
+def load_training_data():
+    """Charge le CSV d'entraînement pour récupérer les listes de cultures et pays."""
+    try:
+        df = pd.read_csv(DATA_PATH, sep=";", usecols=["Item", "Area"])
+
+        missing_columns = {"Item", "Area"} - set(df.columns)
+        if missing_columns:
+            raise ValueError(
+                f"Colonnes manquantes dans le fichier d'entraînement: {sorted(missing_columns)}"
+            )
+
+        items = sorted(df["Item"].dropna().unique().tolist())
+        areas = sorted(df["Area"].dropna().unique().tolist())
+
+        # Construire le mapping cultures par pays
+        items_area_map = {}
+        for area in areas:
+            area_items = sorted(df[df["Area"] == area]["Item"].dropna().unique().tolist())
+            items_area_map[area] = area_items
+
+        logfire.info("Données d'entraînement chargées: {n_items} cultures, {n_areas} pays", n_items=len(items), n_areas=len(areas))
+        return items, areas, items_area_map
+    except FileNotFoundError:
+        logfire.error("Fichier de données introuvable: {path}", path=DATA_PATH)
+        return [], [], {}
+    except Exception as e:
+        logfire.error("Erreur lors du chargement des données: {error}", error=str(e))
+        return [], [], {}
+
+
+@asynccontextmanager
+async def lifespan(app: FastAPI):
+    """Chargement des ressources au démarrage de l'API."""
+    global pipeline, available_items, available_areas, available_items_per_area
+    pipeline = load_pipeline()
+    available_items, available_areas, available_items_per_area = load_training_data()
+    logfire.info("API initialisée et prête")
+    yield
+    logfire.info("API arrêtée")
+
+
+# =======================================================================================================
+# Initialisation de l'application FastAPI + instrumentation Logfire
+# =======================================================================================================
+
+app = FastAPI(
+    title="API de Prédiction de Rendement Agricole",
+    description="API pour prédire le rendement agricole (hg/ha) en fonction de la culture, du pays, de l'année et de variables climatiques.",
+    version="1.0.0",
+    lifespan=lifespan,
+)
+
+logfire.instrument_fastapi(app)
+
+# =======================================================================================================
+# Modèles Pydantic pour la validation des entrées / sorties
+# =======================================================================================================
+
+
+class PredictInput(BaseModel):
+    """Données d'entrée pour une prédiction de rendement avec culture spécifiée."""
+
+    Area: str = Field(..., description="Pays (ex: 'France', 'Albania')")
+    Item: str = Field(..., description="Culture (ex: 'Wheat', 'Maize')")
+    Year: int = Field(..., ge=1990, le=2040, description="Année")
+    average_rain_fall_mm_per_year: float = Field(..., ge=40, le=4000, description="Précipitations moyennes annuelles (mm)")
+    pesticides_tonnes: float = Field(..., ge=0, le=400000, description="Quantité de pesticides utilisés (tonnes)")
+    avg_temp: float = Field(..., gt=0, le=35, description="Température moyenne (°C)")
+
+
+class PredictionOutput(BaseModel):
+    """Résultat d'une prédiction de rendement."""
+
+    Area: str = Field(..., description="Pays")
+    Item: str = Field(..., description="Culture")
+    Year: int = Field(..., description="Année")
+    predicted_yield: float = Field(..., description="Rendement prédit (hg/ha)")
+
+
+class RecommendInput(BaseModel):
+    """Données d'entrée pour la recommandation de cultures (sans Item)."""
+
+    Area: str = Field(..., description="Pays (ex: 'France', 'Albania')")
+    Year: int = Field(..., ge=1990, le=2040, description="Année")
+    average_rain_fall_mm_per_year: float = Field(..., ge=40, le=4000, description="Précipitations moyennes annuelles (mm)")
+    pesticides_tonnes: float = Field(..., ge=0, le=400000, description="Quantité de pesticides utilisés (tonnes)")
+    avg_temp: float = Field(..., gt=0, le=35, description="Température moyenne (°C)")
+
+
+class RecommendOutput(BaseModel):
+    """Résultat de la recommandation : prédictions pour toutes les cultures, triées par rendement décroissant."""
+
+    area: str
+    year: int
+    recommendations: List[PredictionOutput]
+    status: str = "success"
+
+
+# =======================================================================================================
+# Endpoints
+# =======================================================================================================
+
+
+@app.get("/health")
+def health_check():
+    """Vérification de l'état de santé de l'API."""
+    logfire.info("Health check")
+    return {
+        "status": "ok",
+        "model_loaded": pipeline is not None,
+        "available_items": len(available_items),
+        "available_areas": len(available_areas),
+    }
+
+
+@app.get("/columns")
+def get_columns():
+    """Retourne la liste des colonnes (features) attendues par le modèle."""
+    logfire.info("Colonnes demandées")
+    return {
+        "columns": FEATURE_COLUMNS,
+        "target": TARGET_COLUMN,
+        "available_items": available_items,
+        "available_areas": available_areas,
+        "available_items_per_area": available_items_per_area,
+    }
+
+
+@app.post("/predict", response_model=PredictionOutput)
+def predict(input_data: PredictInput):
+    """
+    Prédiction de rendement pour une culture et un ensemble de variables explicatives.
+    """
+    logfire.info(
+        "Requête /predict reçue: {area} / {item} / {year}",
+        area=input_data.Area,
+        item=input_data.Item,
+        year=input_data.Year,
+    )
+
+    if pipeline is None:
+        logfire.error("Pipeline non chargé")
+        raise HTTPException(status_code=503, detail="Modèle non chargé. Réessayez plus tard.")
+
+    # Validation métier : vérifier que le pays est connu
+    if input_data.Area not in available_areas:
+        raise HTTPException(
+            status_code=422,
+            detail=f"Pays '{input_data.Area}' inconnu. Consultez GET /columns pour la liste des pays.",
+        )
+
+    # Validation métier : vérifier que la culture est produite dans le pays sélectionné
+    if input_data.Item not in available_items_per_area.get(input_data.Area, []):
+        available_for_area = available_items_per_area.get(input_data.Area, [])
+        raise HTTPException(
+            status_code=422,
+            detail=f"Culture '{input_data.Item}' non produite dans '{input_data.Area}'. Cultures disponibles pour ce pays : {available_for_area}",
+        )
+
+    try:
+        df = pd.DataFrame([input_data.model_dump()])
+        # Appliquer la transformation log1p sur pesticides_tonnes (cohérence avec l'EDA / entraînement)
+        df["pesticides_tonnes"] = np.log1p(df["pesticides_tonnes"])
+        prediction = pipeline.predict(df)[0]
+
+        logfire.info("Prédiction effectuée: {yield_pred:.2f} hg/ha", yield_pred=float(prediction))
+
+        return PredictionOutput(
+            Area=input_data.Area,
+            Item=input_data.Item,
+            Year=input_data.Year,
+            predicted_yield=round(float(prediction), 2),
+        )
+    except Exception as e:
+        logfire.error("Erreur lors de la prédiction: {error}", error=str(e))
+        raise HTTPException(status_code=400, detail=str(e))
+
+
+@app.post("/recommend", response_model=RecommendOutput)
+def recommend(input_data: RecommendInput):
+    """
+    Recommandation de cultures : prédit le rendement pour les cultures disponibles
+    dans le pays sélectionné et les renvoie classées par rendement décroissant.
+    """
+    logfire.info(
+        "Requête /recommend reçue: {area} / {year}",
+        area=input_data.Area,
+        year=input_data.Year,
+    )
+
+    if pipeline is None:
+        logfire.error("Pipeline non chargé")
+        raise HTTPException(status_code=503, detail="Modèle non chargé. Réessayez plus tard.")
+
+    if input_data.Area not in available_areas:
+        raise HTTPException(
+            status_code=422,
+            detail=f"Pays '{input_data.Area}' inconnu. Consultez GET /columns pour la liste des pays.",
+        )
+
+    area_items = available_items_per_area.get(input_data.Area, [])
+    if not area_items:
+        raise HTTPException(
+            status_code=422,
+            detail=f"Aucune culture disponible pour le pays '{input_data.Area}'.",
+        )
+
+    try:
+        # Construire un DataFrame avec une ligne par culture disponible dans le pays
+        base_data = input_data.model_dump()
+        rows = []
+        for item in area_items:
+            row = {**base_data, "Item": item}
+            rows.append(row)
+
+        df = pd.DataFrame(rows)
+        # Appliquer la transformation log1p sur pesticides_tonnes (cohérence avec l'EDA / entraînement)
+        df["pesticides_tonnes"] = np.log1p(df["pesticides_tonnes"])
+        predictions = pipeline.predict(df)
+
+        # Associer chaque culture à sa prédiction et trier par rendement décroissant
+        results = [
+            PredictionOutput(Area=input_data.Area, Item=item, Year=input_data.Year, predicted_yield=round(float(pred), 2))
+            for item, pred in zip(area_items, predictions)
+        ]
+        results.sort(key=lambda x: x.predicted_yield, reverse=True)
+
+        logfire.info(
+            "Recommandation effectuée: meilleure culture = {best} ({yield_pred:.2f} hg/ha)",
+            best=results[0].Item,
+            yield_pred=results[0].predicted_yield,
+        )
+
+        return RecommendOutput(area=input_data.Area, year=input_data.Year, recommendations=results)
+
+    except Exception as e:
+        logfire.error("Erreur lors de la recommandation: {error}", error=str(e))
+        raise HTTPException(status_code=400, detail=str(e))
+

requirements_api.txt

@@ -0,0 +1,21 @@
+# ─── API FastAPI ───────────────────────────────────────────────────────────────
+fastapi>=0.104.0
+uvicorn[standard]>=0.24.0
+pydantic>=2.0.0
+python-multipart>=0.0.6
+
+# ─── Données & ML ─────────────────────────────────────────────────────────────
+numpy>=1.24.0
+pandas>=2.0.0
+scikit-learn>=1.3.0
+joblib>=1.3.0
+
+# ─── Observabilité ────────────────────────────────────────────────────────────
+logfire[fastapi]>=0.40.0
+
+# ─── Configuration ────────────────────────────────────────────────────────────
+python-dotenv>=1.0.0
+
+# ─── Tests ────────────────────────────────────────────────────────────────────
+pytest>=8.0.0
+httpx>=0.27.0