-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathnettoyage.R
253 lines (207 loc) · 12.6 KB
/
nettoyage.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
## Nettoyage des donées pour affichage shiny
library(tidyverse)
library(readxl)
library(forcats)
#Chargement Data - Filtrage####
caracteristiques.2016 <- read.csv2("data/caracteristiques_2016.csv", sep=',', stringsAsFactors=TRUE)
caracteristiques.2017 <- read.csv2("data/caracteristiques-2017.csv", sep=',', stringsAsFactors=TRUE)
caracteristiques.2018 <- read.csv2("data/caracteristiques-2018.csv", sep=',', stringsAsFactors=TRUE)
caracteristiques.2019 <- read.csv2("data/caracteristiques-2019.csv", stringsAsFactors=TRUE)
lieux.2016 <- read.csv2("data/lieux_2016.csv", sep=',')
lieux.2017 <- read.csv2("data/lieux-2017.csv", sep=',')
lieux.2018 <- read.csv2("data/lieux-2018.csv", sep=',')
lieux.2019 <- read.csv2("data/lieux-2019.csv", sep=";")
vehicules.2016 <- read.csv("data/vehicules_2016.csv", sep=",")
vehicules.2017 <- read.csv("data/vehicules-2017.csv", sep=",")
vehicules.2018 <- read.csv("data/vehicules-2018.csv", sep=",")
vehicules.2019 <- read.csv("data/vehicules-2019.csv", sep=";")
usagers.2016 <- read.csv("data/usagers_2016.csv", sep=",")
usagers.2017 <- read.csv("data/usagers-2017.csv", sep=",")
usagers.2018 <- read.csv("data/usagers-2018.csv", sep=",")
usagers.2019 <- read.csv("data/usagers-2019.csv", sep=";")
# Départements
filtre_dep_lat_long_an <- function(tbl1) {
tbl1 <- tbl1 %>% mutate(dep = case_when(dep == 201 ~ "2A",
dep == 202 ~ "2B",
dep == 971 ~ "971",
dep == 972 ~ "972",
dep == 973 ~ "973",
dep == 975 ~ "975",
dep == 974 ~ "974",
dep == 976 ~ "976",
dep == 977 ~ "977",
dep == 978 ~ "978",
dep == 987 ~ "987",
dep == 986 ~ "986",
dep == 988 ~ "988",
TRUE ~ str_pad(dep/10, 2, pad = "0")))
tbl1 <- tbl1 %>% mutate(lat = lat / 100000) %>%
mutate(long = long / 100000) %>%
mutate(an = as.numeric(paste0('20',an)))
}
filtre_invers_signe <- function(tbl1) {
# Inversion des signes pour lattitudes et longitudes pour les départements 971, 972, 973, 974, 976
tbl1 <- tbl1 %>% mutate(lat = case_when(dep %in% c(976,974) ~ -lat, TRUE ~ lat))
tbl1 <- tbl1 %>% mutate(long = case_when(dep %in% c(972,973,971) ~ -long, TRUE ~ long))
}
#Annee 2016####
caracteristiques.2016 <- filtre_dep_lat_long_an(caracteristiques.2016)
caracteristiques.2016 <- filtre_invers_signe(caracteristiques.2016)
# caracteristiques.2016 <- mutate (caracteristiques.2016, if (length(dep) == 1) {dep = paste0('0',dep)}
# Erreurs de saisie sur lat=0 et long=0
caracteristiques.2016 <- caracteristiques.2016 %>% filter(!(lat == 0 & long == 0))
caracteristiques.2016.filtre <- caracteristiques.2016 %>% filter(!(lat == 0))
#Annee 2017####
caracteristiques.2017 <- filtre_dep_lat_long_an(caracteristiques.2017)
caracteristiques.2017 <- filtre_invers_signe(caracteristiques.2017)
# Anomalie dans le département 92. Des coordonnées arbitraires
caracteristiques.2017 <- caracteristiques.2017 %>% filter(!(dep == 92 & long == 2.2 & lat == 48))
# Valeur de GPS non concordantes au département
carac.2017.erreur <- read.csv2("data/coord_erreur_2017.csv", sep=';', stringsAsFactors=TRUE)
caracteristiques.2017.filtre <- caracteristiques.2017 %>% filter(!Num_Acc %in% carac.2017.erreur$coordonnes)
#Annee 2018####
caracteristiques.2018 <- filtre_dep_lat_long_an(caracteristiques.2018)
caracteristiques.2018 <- filtre_invers_signe(caracteristiques.2018)
# Tous les accidents du département 972 ayant -60 en long sont éronnées au niveau de leur coordonnées GPS.
caracteristiques.2018 <- caracteristiques.2018 %>% filter(!(dep == 972 & long == 60))
# Valeur de GPS non concordantes au département
carac.2018.erreur <- read.csv2("data/coord_erreur_2018.csv", sep=';', stringsAsFactors=TRUE)
caracteristiques.2018.filtre <- caracteristiques.2018 %>% filter(!Num_Acc %in% carac.2018.erreur$coordonnes)
# write.csv2(caracteristiques.2018.filtre, sep=';', file = "data/caracteristiques-2018-filtre.csv", row.names = FALSE)
# test <- read.csv2("data/caracteristiques-2018-filtre.csv", sep=';', stringsAsFactors=TRUE)
#Annee 2019####
caracteristiques.2019$dep <- fct_recode(caracteristiques.2019$dep,
"01"= "1",
"02"= "2",
"03"= "3",
"04"= "4",
"05"= "5",
"06"= "6",
"07"= "7",
"08"= "8",
"09"= "9",)
# Nettoyage des accidents dont les coordonnées GPS ne correspondent pas. Annee 2019
carac.erronnes <- c(201900033874, 201900035540, 201900035541, 201900007105, 201900058723, 201900017468, 201900005927, 201900033236, 201900006562
, 201900056421, 201900000632, 201900057241, 201900048863, 201900008746, 201900056494, 201900047454, 201900021441, 201900025903
,201900020406)
caracteristiques.2019.filtre <- caracteristiques.2019 %>% filter(!Num_Acc %in% carac.erronnes)
# Aggregation####
##hrmn####
to_hrmn<- function(tbl1){
tbl1$hrmn <- as.character(sprintf("%04d", tbl1$hrmn))
tbl1$hrmn <- paste0(substr(tbl1$hrmn,1,2),":",substr(tbl1$hrmn,3,4))
tbl1$hrmn <- factor(tbl1$hrmn)
return(tbl1)
}
caracteristiques.2016.filtre <- to_hrmn(caracteristiques.2016.filtre)
caracteristiques.2017.filtre <- to_hrmn(caracteristiques.2017.filtre)
caracteristiques.2018.filtre <- to_hrmn(caracteristiques.2018.filtre)
##dep####
caracteristiques.2016.filtre$dep <- factor(caracteristiques.2016.filtre$dep)
caracteristiques.2017.filtre$dep <- factor(caracteristiques.2017.filtre$dep)
caracteristiques.2016.filtre$dep <- factor(caracteristiques.2016.filtre$dep)
caracteristiques.2017.filtre$dep <- factor(caracteristiques.2017.filtre$dep)
caracteristiques.2018.filtre$dep <- factor(caracteristiques.2018.filtre$dep)
##adr####
caracteristiques.2016.filtre$adr <- as.character(caracteristiques.2016.filtre$adr)
caracteristiques.2017.filtre$adr <- as.character(caracteristiques.2017.filtre$adr)
caracteristiques.2018.filtre$adr <- as.character(caracteristiques.2018.filtre$adr)
caracteristiques.2019.filtre$adr <- as.character(caracteristiques.2019.filtre$adr)
##com####
caracteristiques.2019.filtre$com <- as.numeric(caracteristiques.2019.filtre$com)
##result####
caracteristiques.filtre <- bind_rows(caracteristiques.2016.filtre, caracteristiques.2017.filtre, caracteristiques.2018.filtre, caracteristiques.2019.filtre)
# Aggregation des tables
acc_place_16 <- inner_join(caracteristiques.2016.filtre, lieux.2016, by=c("Num_Acc"="Num_Acc"));
user_car_16<- inner_join(vehicules.2016, usagers.2016, by=c("Num_Acc"="Num_Acc", "num_veh" = "num_veh"));
total_16 <- inner_join(acc_place_16, user_car_16, by=c("Num_Acc"="Num_Acc"));
acc_place_17 <- inner_join(caracteristiques.2017.filtre, lieux.2017, by=c("Num_Acc"="Num_Acc"));
user_car_17<- inner_join(vehicules.2017, usagers.2017, by=c("Num_Acc"="Num_Acc", "num_veh" = "num_veh"));
total_17 <- inner_join(acc_place_17, user_car_17, by=c("Num_Acc"="Num_Acc"));
acc_place_18 <- inner_join(caracteristiques.2018.filtre, lieux.2018, by=c("Num_Acc"="Num_Acc"));
user_car_18<- inner_join(vehicules.2018, usagers.2018, by=c("Num_Acc"="Num_Acc", "num_veh" = "num_veh"));
total_18 <- inner_join(acc_place_18, user_car_18, by=c("Num_Acc"="Num_Acc"));
acc_place_19 <- inner_join(caracteristiques.2019.filtre,lieux.2019,by=c("Num_Acc"="Num_Acc"));
user_car_19<- inner_join(vehicules.2019,usagers.2019,by=c("Num_Acc"="Num_Acc", "id_vehicule" = "id_vehicule", "num_veh" = "num_veh"));
total_19 <- inner_join(acc_place_19,user_car_19,by=c("Num_Acc"="Num_Acc"));
## INSEE :import des données sur la pop par dep ####
Plage <- c("C5:W107","X5:AR107","AS5:BM107","A5:A107")
Spreadsheet <- c("2019","2019","2019","2019")
Genre <- c("Ensemble","Hommes","Femmes","Departement")
Pop_lst <- map2(.x = Spreadsheet,.y = Plage,~read_xlsx(path = "data/estim-pop-dep-sexe-aq-1975-2021.xlsx",
sheet = .x,
range = .y))
names(x = Pop_lst) = Genre
# formating des données pour repasser en facteurs
Sexe <- factor(x = c("Tot",1,2),levels = c("Tot",1,2), labels = c("Tot","1","2"))
Dep_levels <- unique(as_vector(Pop_lst$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")
ClasseDage <- c(0,4,9,14,19,24,29,34,39,44,49,54,59,64,69,74,79,84,89,94,95)
# 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)
}
#reshape Data via pivot_longer.
Pop_tbl <- Pop_tbl%>%pivot_longer(cols = 1:20,names_to = "ClasseAge",values_to = "Population_ClassseAge")
Pop_tbl <- Pop_tbl%>%mutate("ClasseAge"=factor(x = ClasseAge,levels = ClassAge_levels))
Pop_tbl <- Pop_tbl%>%filter(sexe == "Tot") %>% select(-sexe)
# release of variable
rm(rslt)
rm(i)
rm(Plage)
rm(Spreadsheet)
rm(Genre)
rm(Departements)
## Visualisation de la gravité et autres critères par département ####
filtrage_gravite <- function(tbl1, annee) {
tbl1%>%
# filter(!is.na(grav)) %>%
mutate(grav_or_not =
case_when(
grav == "2" | grav == "3" ~ "2",
TRUE ~ "1"
)
) %>%
mutate(age = annee-an_nais) %>%
mutate(
sexe = as.factor(sexe),
trajet = as.factor(trajet),
# secu_or_not = as.factor(secu_or_not),
# secu_level = as.factor(secu_level),
depFR = paste0('FR-', dep)
) %>%
mutate(classeAge = cut(age,breaks = ClasseDage, labels = ClassAge_levels)) %>%
select(an, grav, grav_or_not, sexe, age, classeAge, trajet, lat, long, dep, depFR) %>%
inner_join(Pop_tbl, by=c("dep"="dep", "classeAge" = "ClasseAge" ))
}
gravity_16 <- filtrage_gravite(total_16,2016)
gravity_17 <- filtrage_gravite(total_17,2017)
gravity_18 <- filtrage_gravite(total_18,2018)
gravity_19 <- filtrage_gravite(total_19,2019)
gravity <- bind_rows(gravity_16, gravity_17, gravity_18, gravity_19)
# PDP ####
prediction <- read.table("pdp/keras_prediction_All.csv", stringsAsFactors = T)
# prediction %>% group_by(dep) %>% summarise(grave=sum(grav_or_not), n=n()) %>% mutate(taux =grave/n ) %>% arrange(-taux)
prediction.44 <- read.table("pdp/keras_prediction_66_44.csv", stringsAsFactors = T)
# prediction.44 %>% filter(pred>0.5)
prediction.62 <- read.table("pdp/keras_prediction_62.csv", stringsAsFactors = T)
# prediction.62 %>% filter(pred>0.5)
prediction.62 <- prediction.62 %>% mutate_at(vars(-("id"),-("Vitesse_vent"), -("Temperature"), -("Humidite"),-("Variation_pression"),-("Rafales"),-("rosee"),-("Precipitations_24H") ,-("age"),-("pred")),as.factor)
prediction.44 <- prediction.44 %>% mutate_at(vars(-("id"),-("Vitesse_vent"), -("Temperature"), -("Humidite"),-("Variation_pression"),-("Rafales"),-("rosee"),-("Precipitations_24H") ,-("age"),-("pred")),as.factor)
levels(prediction.44$trajet)<- c("Domicile – travail", "Domicile – école", "Courses – achats", "professionnelle", "loisir", "Inconnu")
levels(prediction.62$trajet)<- c("Domicile – travail", "Domicile – école", "Courses – achats", "professionnelle", "loisir", "Inconnu")
levels(prediction.44$mois) <- c('Janvier', 'Fevrier', 'Mars', 'Avril', 'Mai', 'Juin', 'Juillet', 'Aout', 'Septembre', 'Octobre', 'Novembre', 'Decembre')
levels(prediction.62$mois) <- c('Janvier', 'Fevrier', 'Mars', 'Avril', 'Mai', 'Juin', 'Juillet', 'Aout', 'Septembre', 'Octobre', 'Novembre', 'Decembre')
levels(prediction.44$place) <- c('Devant', 'Milieu', 'Derriere')
levels(prediction.62$place) <- c('Devant', 'Milieu', 'Derriere')
levels(prediction.44$lum) <- c('Plein jour', 'Crépuscule ou aube', 'Nuit sans éclairage')
levels(prediction.62$lum) <- c('Plein jour', 'Crépuscule ou aube', 'Nuit sans éclairage')