Stat_desV2.Rmd

---
title: "Stats descriptives"
output: html_document
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```

Statistiques decriptives basées sur la table Total_2019 créée par le script datamanagement.rmd

```{r librairies}
library (tidyverse)
library(readxl)
library(forcats)
```
### import des données

Nous importons les donnnées INSEE de la population afin de créer des taux d'accidents. 
```{r importDonneesPop}
# import des données INSEE sur la pop par dep.
# pour le moment que 2019. A élargir ensuite à tte les valeurs.


# definition des plages
  Plage<-c("C5:W107","X5:AR107","AS5:BM107","A5:A107")
  Spreadsheet<-c("2019","2019","2019","2019")
  Genre<-c("Ensemble","Hommes","Femmes","Departement")

  Pop_lst<-map2(.x = Spreadsheet,.y = Plage,~read_xlsx(path = "D:/Users/slauzevis/OneDrive - LISI/Documents/Rstudio/PFE/Data_dowloaded/Population/estim-pop-dep-sexe-aq-1975-2021.xlsx",
                                                      sheet = .x,
                                                      range = .y))
  names(x = Pop_lst)=Genre

  
# formating des données pour repasser en facteurs 
  Sexe <- factor(x = c("Tot",1,2),levels = c("Tot",1,2),labels = c("Tot","1","2")) 
  Dep_levels<-unique(as_vector(Pop_lst$Departement))
  ClassAge_levels<-c("0 à 4 ans","5 à 9 ans","10 à 14 ans","15 à 19 ans","20 à 24 ans","25 à 29 ans","30 à 34 ans","35 à 39 ans","40 à 44 ans","45 à 49 ans","50 à 54 ans","55 à 59 ans","60 à 64 ans","65 à 69 ans","70 à 74 ans","75 à 79 ans","80 à 84 ans","85 à 89 ans","90 à 94 ans","95 ans et plus")

# boucle pour repasser des listes en 1 seul tibble
  Departements<-factor(pluck(.x = Pop_lst,"Departement","...1"),levels = Dep_levels)
  Pop_tbl<- tibble()
  rslt<-tibble()
  for (i in 1:3){
    rslt<-tibble(Pop_lst[[i]])%>%
    add_column("dep"= Departements,
               "sexe" = Sexe[i])
    Pop_tbl<-bind_rows(Pop_tbl,rslt)
  }

# supprime les lignes france metropolitaine & colonne totale
  Pop_tbl<-Pop_tbl%>%filter(!dep%in%"France métropolitaine")%>%select(-Total)  

#reshape Data via pivot_longer.
  Pop_tbl<-Pop_tbl%>%pivot_longer(cols = 1:20,names_to = "ClasseAge",values_to = "Population")
  Pop_tbl<-Pop_tbl%>%mutate("ClasseAge"=factor(x = ClasseAge,levels = ClassAge_levels))
  
# release of variable
  rm(rslt)  
  
  rm(i)
  rm(Plage)
  rm(Spreadsheet)
  rm(Genre)
  
```

```{r  import des donnees brutes accidents CARACTERISTIQUE}
# import des donnnées Accidents "caracteristiques" de 2014 à 2019
Fichier <-paste0("D:/Users/slauzevis/OneDrive - LISI/Documents/Rstudio/PFE/Data_dowloaded/Caracteristiques/caracteristiques_",rep(2014:2019),".csv")

Type_col_cara<-cols(
  Num_Acc=col_double(),
  an=col_factor(),
  mois=col_factor(),
  jour=col_factor(), 
  hrmn=col_guess(),
  lum=col_factor(),
  agg=col_factor(),
  int=col_factor(),
  atm=col_factor(),
  col=col_factor(),
  com=col_double(),
#  adr=col_character(),
  gps=col_character(),
  lat=col_character(),
  long=col_character(),
  dep=col_character())

# juste 2019 pour le moment
Cara_tbl<-as_tibble(read_csv2(file = "D:/Users/slauzevis/OneDrive - LISI/Documents/Rstudio/PFE/Data_dowloaded/Caracteristiques/caracteristiques_2019.csv",
                    col_types = Type_col_cara)) 

# ébauche pr 2014 à 2019  A FINIR
#  Cara_lst<-map(.x = Fichier,.f=~read_csv2(file =.x,col_types = Type_col))
#names(Cara_lst)=rep(2014:2019)                    

# reformating des données - passage en facteur
  refor<-function(val){
    if (str_length(val)==1) { 
      refor<-paste0("0",val)
    }else{refor<-val}
  }
  Cara_tbl<-Cara_tbl%>%mutate("dep"=map_chr(.x = dep,~refor(val = .x)))
  Cara_tbl<-Cara_tbl%>%mutate("dep"=factor(x = dep,levels = Dep_levels))
  Cara_tbl <-Cara_tbl%>%filter(!is.na(dep)) # suppression des DOM
 # rst<-as.data.frame(table(Cara_tbl$dep))
#  sum(rst$Freq)
  
# released of variable
  rm(Type_col_cara)
  rm(Fichier)
```


```{r import des donnees brutes accidents USAGER}
# import des fichiers Usagers 

Type_col_usagers<-cols(
              Num_Acc=col_double(),
              id_vehicule=col_factor(),
              num_veh=col_character(),
              place=col_factor(),
              catu=col_factor(),
              grav=col_factor(),
              sexe=col_factor(),
              an_nais=col_double(),
              trajet=col_factor(),
              secu1=col_factor(),
              secu2=col_factor(),
              secu3=col_factor(),
              locp=col_factor(),
              actp=col_factor(),
              etatp=col_factor())

# juste 2019 pour le moment
Usagers_tbl<-as_tibble(read_csv2(file = "D:/Users/slauzevis/OneDrive - LISI/Documents/Rstudio/PFE/Data_dowloaded/Usagers/usagers-2019.csv",
                    col_types = Type_col_usagers)) 

# reformat des données
  Usagers_tbl<-Usagers_tbl%>%mutate("sexe"=factor(x = sexe,levels = Sexe))
  rsl_usa<-as.data.frame(table(Usagers_tbl$sexe))
  sum(rsl_usa$Freq)

# released of variable
 rm(Type_col_cara)

```


### Traitements préliminaire aux Statistiques descriptives.

Les fichiers individuels sont maintenant chargés en mémoire. Nous allons les fusionner. 
```{r Fusion tables Usagers et Caractéristique}
Table_Tot <- inner_join(x = Usagers_tbl,y = Cara_tbl,by="Num_Acc")

#Table_Tot%>%select(dep)%>%summarise("tot"=n(),
                                    "withna"= sum(is.na(dep)),
                                    "withoNA"=sum(!is.na(dep)))
```

Ensuite nous allons rajouter des classes d'ages aux accidents de façon à pouvoir les comparer à la population Française. 

```{r rajout Classe age dans Accident}

Table_Tot<-Table_Tot%>%mutate("Age"=2021-an_nais)
Table_Tot<-Table_Tot%>%mutate("ClasseAge"=cut(Table_Tot$Age,breaks = c(0,4,9,14,19,24,29,34,39,44,49,54,59,64,69,74,79,84,89,94,95),labels = ClassAge_levels))

Table_Tot%>%group_by(ClasseAge)%>%summarise(NbAccidentsEnsemble=n())

```


```{r analyse classe age avec NA}
# analyse des donnnées NA sur les classes d'ages.
    Table_Tot%>%filter(is.na(ClasseAge)==TRUE)%>%summarise(AgeMoyen=mean(Age),
                                                            AgeStdev=sd(Age),
                                                            AgeMin=min(Age),
                                                            AgeMax=max(Age),
                                                            Nb=n()                                                       )

```

```{r On batit le tibble pr les stats des}

# genere le nb d'accidents par depart & sexe
  Syn_Acci_tbl<-Table_Tot%>%
                  group_by(dep,sexe,ClasseAge)%>%
                  summarise("NbAccidents"=n())

# fusion des 2 tables à savoir Accidents+caracteristiques et population
  StatDesc<-full_join(x =Syn_Acci_tbl,y =Pop_tbl ,by=c("dep","sexe","ClasseAge"))

# Presentation des résultats
  StatDesc<- StatDesc%>%filter(sexe!="Tot")
  
```

###  PARTIE STAT DESCRIPTIVES  sur taux accident
```{r function TauxVersusPop}
#  renvoie un tableau du type par "BY" taux de KPI/Population. 
# ligne => by
#  colonnes => taux

TauxVsPop <-function( df=df, kpi=kpi, By=By){
  TauxVsPop<- {{df}}%>%
                group_by({{By}})%>%
                summarise( "NB"=sum({{kpi}},na.rm = TRUE),
                          "NbPop"=sum(Population,na.rm = TRUE))%>%
                mutate("Proportion"=NB/NbPop)%>%
                arrange(Proportion)
    return (TauxVsPop)
}

rsl<-TauxVsPop(df=StatDesc,kpi = NbAccidents,By = dep)

```


#Taux Accidents / departement

Le Pvalue confirme un impact département sur letaux moyen
```{r Grah & analyse par départements}

# Proportion taux accident par dep
rsl<-TauxVsPop(df=StatDesc,kpi= NbAccidents,By = dep)
rsl<-rsl%>%arrange(Proportion)
plot(rsl$Proportion)

rsl.prop.test<-prop.test(x = rsl$NB,n = rsl$NbPop,alternative = "two.side")
rsl.prop.test$p.value
```

#Taux d'accident par classe Age

```{r taux proportion classe age}
StatDesc2<-StatDesc%>%filter(!is.na(ClasseAge))
rsl<-TauxVsPop(df=StatDesc2,kpi = NbAccidents,By = ClasseAge)
plot( Proportion~ClasseAge,data=rsl)
rsl.prop.test<-prop.test(x = rsl$NB,n = rsl$NbPop,alternative = "two.side")
rsl.prop.test$p.value
rsl.prop.test

```

# taux d'accident par Sexe

```{r TauxAccident versus Sexe}
rsl<- TauxVsPop(df=StatDesc,kpi = NbAccidents,By = sexe)
plot( Proportion~sexe,data=rsl)
rsl.prop.test<-prop.test(x = rsl$NB,n = rsl$NbPop,alternative = "two.side")
rsl.prop.test$p.value
rsl.prop.test
```

### stat Descriptives par Gravité
On batit le tibble pr les stats des
```{r tibble stat des taux gravite}
Table_Tot<-Table_Tot%>%mutate(grav=as.character(grav))%>%
                      mutate(grav=as.numeric(grav))

# genere le nb d'accidents par depart & sexe
  Syn_Acci_tbl<-Table_Tot%>%
                  group_by(dep,sexe,ClasseAge)%>%
                  summarise("GraviteMoy"=mean(grav))

# fusion des 2 tables à savoir Accidents+caracteristiques et population
  StatDesc<-full_join(x =Syn_Acci_tbl,y =Pop_tbl ,by=c("dep","sexe","ClasseAge"))

# Presentation des résultats
  StatDesc<- StatDesc%>%filter(sexe!="Tot")
  StatDesc<-StatDesc%>%ungroup

```


# gravite moyenne par departement

```{r}
# Gravité par dep
StatDesc<-StatDesc%>%ungroup

rsl<-StatDesc%>%select(dep,GraviteMoy)%>%
      filter(!is.na(GraviteMoy))%>%
      group_by(dep)%>%
      summarize(GraviteMoy=mean(GraviteMoy))
rsl<-rsl%>%arrange(desc(GraviteMoy))
plot(rsl$GraviteMoy)

```


```{r gravité moyenne par classe age}
rsl<-StatDesc%>%select(ClasseAge,GraviteMoy)%>%
      filter(!is.na(GraviteMoy))%>%
      group_by(ClasseAge)%>%
      summarize(GraviteMoy=mean(GraviteMoy))
rsl<-rsl%>%arrange(desc(GraviteMoy))
plot(rsl)
```

























##### Archives
Nous avons une difference de taux d'accident en fonction des départements.

```{r graph classe age}
# prop accident par classe age
  rsl<-StatDesc%>%group_by(ClasseAge)%>% summarise("NbAccidents"= sum(NbAccidents,na.rm = TRUE),
                                              "Pop"=sum(Population,na.rm = TRUE))%>%
                                         mutate("ProportionAccident"=NbAccidents/Pop)%>%
                                        arrange(ProportionAccident)

  plot(ProportionAccident~ClasseAge,data=rsl)
```
L'experience / profil utilisateur semble être un facteur important sur le taux d'accident.
Notons la tranche 40 - 50ans ( expérimenté donc) qui reste plus haute que les >50 ans. 


```{r pour 1 classe age la proportion par dep}
rsl<- StatDesc%>%filter(ClasseAge=="30 à 34 ans")

rsl<-  rsl%>%group_by(dep)%>%summarise( "NBAccidents"=sum(NbAccidents,na.rm = TRUE),
                                        "NbPop"=sum(Population,na.rm = TRUE))%>%
                                  mutate("ProportionAccident"=NBAccidents/NbPop)%>%
                                  arrange(ProportionAccident)
    plot(ProportionAccident~NbPop,data = rsl)
    plot(ProportionAccident~dep,data=rsl)
```

POur une même classe d'age nous avons des variabilité différentes.








```{r NbAccidentPerDep}
total_19%>%group_by(dep)%>%tally()%>%arrange(desc(n))
table(total_19$dep,total_19$sexe)

total_19%>%group_by(dep)%>% summarise(NbAccidents = n(),
                                      PercentageHommes =sum(sexe%in%1)/n(),
                                      PercentageFemmes= sum(sexe%in%2)/n())%>%
                            arrange(desc(NbAccidents))
                           

```

```{r NbAccidendsParMois& Jour}

total_19%>%group_by(mois)%>%summarise(NbAccidents = n())%>%
          ungroup()%>%
          mutate(Percentage= NbAccidents/sum(NbAccidents))
                 
total_19%>%group_by(jour)%>%summarise(NbAccidents = n())%>%
          ungroup()%>%
          mutate(Percentage= NbAccidents/sum(NbAccidents))     


```



```{r  Categorie de route}
total_19<-total_19%>%mutate(catr=factor(catr,levels=c(1:9),labels=c("Autoroute",
                                                                      "Route nationale",
                                                                      "Route Départementale",
                                                                      "Voie Communales",
                                                                      "Hors réseau public",
                                                                      "Parc de stationnement ouvert à la circulation publique",
                                                                      "Routes de métropole urbaine",
                                                                      "Non Spécifié",
                                                                      "autre")))
                                                                      

total_19%>%group_by(catr)%>%summarise(NbAccidents = n())%>%
            ungroup()%>%
          mutate(Percentage = NbAccidents/sum(NbAccidents))
```