Jointures

Objet

Les jointures permettent d’enrichir les données en liant plusieurs tables ensemble. Les attributs des 2 tables vont se retrouver dans la jointure.

La jointure attributaire est facile à comprendre. Le point de vigilance est de vérifier :

le nombre d’entités au départ
et après la jointure

La jointure spatiale est plus complexe et coûteuse en terme de calculs, se méfier notamment des croisements polygones / polygones, il vaut mieux passer par les centroides.

Les jointures spatiales reposent sur les relations topologique (inclusion, adjacence et intersection).

Jointure attributaire

Vu la sélection attributaire,

A voir, l’ensemble de définition sur une seule couche.

Repérer la clé

Simplicité de la clé (éviter les noms, privilégier les chiffres)

Cas des noms de rue

Sens de la jointure

Table avec géométrie en premier

Exemple données OFGL et communes du dpt

flowchart LR
  A[géométrie commune] --> C{joindre}
  B[chiffres ofgl] --> C{joindre}
  C --> D[carte symbologie graduée]

OSM

Récupération des limites communales dans le dpt dans OSM

requête : admin_level=8 in 93

Code

library(sf)

Linking to GEOS 3.13.1, GDAL 3.11.4, PROJ 9.7.0; sf_use_s2() is TRUE

Code

library(mapsf)
commune <- st_read("data/cours6/communes93.geojson", quiet=T)
# Extraction uniquement des polygones
commune <- st_collection_extract(commune, "POLYGON")

OFGL

Code

ofgl <- read.csv2("data/cours6/donnees_carto_communes.csv", dec =".")

La clé

Code

commune$ref.INSEE

 [1] "93055" "93061" "93070" "93001" "93039" "93048" "93006" "93051" "93045"
[10] "93064" "93063" "93053" "93008" "93049" "93033" "93027" "93029" "93013"
[19] "93010" "93072" "93030" "93073" "93007" "93005" "93078" "93077" "93062"
[28] "93057" "93071" "93032" "93050" "93046" "93074" "93015" "93047" "93031"
[37] "93079" "93014" "93066" NA

Code

ofgl$Insee

 [1] 93029 93070 93014 93015 93048 93059 93062 93005 93006 93007 93031 93047
[13] 93008 93010 93045 93050 93071 93027 93033 93053 93063 93064 93013 93030
[25] 93039 93046 93049 93055 93061 93073 93078 93001 93032 93051 93057 93066
[37] 93072 93074 93077 93079

Dans Arcgis, la jointure ne passera pas.

Il faut convertir le code insee en chiffre.

La jointure

Code

jointure <- merge(commune, ofgl, by.x = "ref.INSEE", by.y = "Insee")

Avec Arcgis, on utilise le menu Jointure et relation du clic droit sur la couche

Code

hist(jointure$Montant.par.habitant.2024)

Code

mf_map(jointure, type = "choro", var = "Montant.par.habitant.2024", border = NA)
#mf_label(jointure, "name" , overlap = F, halo = T)
mf_layout("Dépenses personnel par habitant dans le 93", "OFGL 2024, OSM 2026")

The scale bar does not work on unprojected (long/lat) maps.

Sous Arcgis, faire une symbologie couleurs gradués

Jointure spatiale

flowchart LR
  A[carreau] --> C{intersecter}
  B[bat] --> C{intersecter}
  C --> D[bat avec l'identifiant du carreau]

Pas de champs attributaire commun entre les 2 géométries, il faut se servir de la topologie.

Attention aux statistiques issues de ces jointures !

L’idée est de compter le nombre de bâtiments par carreau afin de calculer les données filosofi au bâtiment.

La récupération des bâtiments se fait sur overpass turbo : building=yes in bondy

Code

car <- st_read("data/dataCours1/car.gpkg", quiet = T)
bat <- st_read("data/cours6/bat.geojson", quiet=T)

Quelles sont les projections ?

Code

bat <- st_transform(bat, 2154)

Affichage des données

Code

mf_map(car [car$id == 93010,], col=NA)
mf_map(bat, col = "cadetblue", border=NA,add = T)
mf_layout("Carreaux et bâtiments", "Filosofi 2019 / OSM 2026")

Les jointures spatiales peuvent être coûteuses en calcul, du coup, souvent, on utilise les centroides.

Il est plus facile pour les logiciels de calculer une intersection centroide / polygone que polygone / polygone.

Points et polygones

Batiments (centroides) et carreau

Code

library(sf)
bat <- st_read("data/cours6/bat.geojson", quiet=T)
bat <- st_transform(bat, 2154)
car <- st_read("data/bondy.gpkg", "carreau", quiet=T)
car <- car [, c("idcar_200m")]
car <- car [!duplicated(car),]
car$id <- seq(1, length(car$idcar_200m))
car <- st_collection_extract(car, "POLYGON")

Code

library (mapsf)
mf_map(car)
mf_label(car, "id", cex = 0.5)

Code

# centroides bat
centroid <- st_centroid(bat$geometry)
centroid <- st_transform(centroid, 2154)
car <- st_transform(car, 2154)
# intersection : c'est la relation topologique passe partout
jointure <- st_intersection(car, centroid)

Code

head(table(jointure$id))


 9 10 11 12 13 14 
10 11  2  2 48 64

Code

jointure <- jointure [jointure$id < 3,]

Code

png("img/jointureSpatiale1.png")
mf_init(car [1:3,])
mf_map(car, ,col = NA, add = T)
mf_map(bat, col = "wheat", border=NA, add= T)
mf_map(jointure, type="typo", var="id", pch=21, add = T, leg_pos = NA)
mf_layout("Centroide batiment et id carreau", "OSM, INSEE 2019\nMars 2026")
dev.off()

Polygones et polygones

bat et carreaux

Code

jointure2 <- NULL
jointure2 <-  st_intersection(car, bat)

Code

jointure <- jointure2
jointure <- jointure [jointure$id < 3,]
png("img/jointureSpatiale2.png")
mf_init(car [1:3,])
mf_map(car, ,col = NA, add = T)
mf_map(bat, col = "wheat", border=NA, add= T)
mf_map(jointure [jointure], type="typo", var="id", pch=21, add = T, leg_pos = NA)
mf_layout("batiment et id carreau", "OSM, INSEE 2019\nMars 2026")
dev.off()

Calcul statistique à effectuer

Dans Arcgis Pro, trouver comment calculer le nombre de bâtiments par carreaux (centroides et polygones)