Environnment

Objet

Projet : reprendre la thématique ville pauvre - riche sous R en y incluant tous les traitements vus sous Arcgis.

Binômes : Distinguer 2 rôles technique et rédacteur, par groupe et zones géographiques proches par dpt

Constitution des groupes

Code 
data <- read.csv("data/codeINSEEetudiant.csv")
part1 <- data [,(1:3)]
part2 <- data [,c(6,4,5)]
nom <- c("prénom", "groupe", "code")
names(part1) <- nom
names(part2) <- nom
tot <- rbind(part1, part2)
tot <- tot [!is.na(tot$groupe),]

37 étudiants (43 communes)

Faire compléter le tableau

Première attribution par dpt

Code 
tot$dpt <- substring(tot$code,1,2)
table(tot$dpt, tot$groupe)
    
     6 7
  13 0 1
  28 0 1
  31 1 0
  33 0 1
  44 3 0
  49 0 1
  50 0 1
  59 0 1
  60 0 1
  63 0 1
  64 1 0
  69 1 0
  72 0 1
  73 1 0
  75 0 1
  78 1 0
  91 0 1
  92 4 1
  93 1 7
  94 0 1
  95 1 0
  97 0 2

première attribution : 44 / 92 / 93 / 93 + 95 / 92 + 94 etc …

Attribution par région

on procéde par région

Code 
library(sf)
Linking to GEOS 3.13.1, GDAL 3.11.4, PROJ 9.7.0; sf_use_s2() is TRUE
Code 
region <- st_read("data/region/regions-20180101.shp", quiet=T)
region <- st_transform(region, 2154)
region <- region [!region$code_insee %in% c("01", "02", "03","04","06","11"),]
idf <- region [region$code_insee == "11",]
drom <-region [region$code_insee %in% c("01", "02", "03","04","06"),]
commune <- st_read("data/cours5.gpkg", "commune", quiet = T)
joint <- merge(commune, tot, by = "code", all.x = T)
joint <- st_transform(joint, 2154)
Code 
library(mapsf)
inter <- st_intersection(joint, region)
mf_map(region, col = "wheat", border = "cornsilk")
mf_map(inter, add = T)
mf_label(inter, var = "groupe", halo = T, overlap = F, cex = 1.2)

Code 
table(inter$groupe, inter$nom.1)
   
    Auvergne-Rhône-Alpes Bourgogne-Franche-Comté Centre-Val de Loire
  6                    2                       0                   0
  7                    1                       0                   1
   
    Hauts-de-France Normandie Nouvelle-Aquitaine Occitanie Pays de la Loire
  6               0         0                  1         1                3
  7               2         1                  1         0                2
   
    Provence-Alpes-Côte d'Azur
  6                          0
  7                          1

2e attribution région Auvergne, Hauts, Pays de la Loire

attribution finale

Chaque groupe inscrit sa région / son dpt dans le tableau + un nom de groupe + les prénoms

Environnement de travail

Il s’agit de construire votre environnement de travail pour le projet de fin de semestre

A savoir :

La découverte de la plateforme data gouv et la fonction de ré-utilisation sera faite au cours prochain.

Github

Création du compte

github.com

le site web

créer un site web avec git

Uniquement les points 1 et 2, pas le point 3

Pour créer un fichier, il suffit de créer par exemple un readme

et de faire son premier commit (= engagement)

Rstudio et R

Distinguer les deux : langage et IDE (Environnement de développement, integrated development environment)

Attention, paramétrer les historiques sinon cela va générer de gros fichiers encombrants.

Connexion R et git

versionner son code

A partir de Configuration et juste le protocole SSH

points de vigilance

  • création de la clé SSH dans Rstudio et recopie dans git

La clé se positionne dans le répertoire .ssh de votre profil utilisateur

Sauvegarder l’ensemble du répertoire .ssh afin de le recopier sur les ordinateurs sur lesquels vous travaillez.

Puis, suivre Initialisation d’un projet R avec Git

Premier script R

distinguer le data frame et le vecteur

Code 
v1 <- c("ville1", "ville2")
v2 <- c("RN", "LFI")
df <- data.frame(ville = v1, vainqueur = v2)
df
   ville vainqueur
1 ville1        RN
2 ville2       LFI
Code 
df <- as.data.frame(v1,v2)

Premier commit

Une fois le script enregistré il faut faire :

  • enregistrer les modifications = cocher les fichiers que l’on veut envoyer sur le serveur git

  • le commit (validation des modifications), mettre un message clair

  • le push