pipelineViz-datameetup2015/pipelineViz.Rmd
2019-08-12 23:48:16 -04:00

179 lines
5.1 KiB
Text

---
title: "PipelineViz"
author: "François Pelletier"
date: "26 août 2015"
output:
html_document:
fig_caption: yes
fig_height: 8
fig_width: 10
keep_md: yes
number_sections: yes
toc: yes
---
# Analyse d'un jeu de données ouvertes
Source: [Données sur les évenements de pipeline de Janvier 2004 au présent](http://ouvert.canada.ca/data/fr/dataset/da1be1b4-5e2b-4c9a-ae0e-e8551fd6b265)
## Chargement du dictionnaire de données
```{r}
# install.packages(c("data.table", "dplyr","maps","ggmap"))
options(unzip = 'internal')
library("data.table")
library("dplyr")
library("maps")
library("ggmap")
library("reshape2")
library("lubridate")
library("rpart")
library("rpart.plot")
```
## Lecture des données
```{r}
datadict <- read.csv(file = "dd-20150216.csv",header = TRUE, stringsAsFactors = TRUE, encoding = "latin1") %>%
as.data.table()
donnees <- read.csv(file = "p2015-07-fr.csv",header = TRUE,stringsAsFactors = TRUE) %>%
as.data.table()
class_donnees <- sapply(donnees,class)
character_columns <- names(donnees)[class_donnees == "character"]
num_columns <- names(donnees)[class_donnees != "character"]
donnees_conv <- cbind(donnees[, lapply(.SD, iconv, "utf-8", "latin1"),
.SDcols = character_columns],donnees[,.SD,.SDcols = num_columns])
```
## Geocoder les incidents
```{r, eval=FALSE}
LocationsUnique <- unique(donnees_conv[,.(LOCATION,PROVINCE)])
catLocationsUnique <- unique(paste(LocationsUnique$LOCATION, ifelse(!is.na(LocationsUnique$PROVINCE),LocationsUnique$PROVINCE, ""), "CANADA", sep = " "))
geocodedLocations <- cbind(LocationsUnique,geocode(catLocationsUnique))
save(geocodedLocations, file = "geocodedLocations.Rdata")
```
## Joindre les données géocodées aux données existantes
```{r}
load("geocodedLocations.Rdata")
donnees_conv2 <-as.data.table(merge(donnees_conv,geocodedLocations, by=c("LOCATION","PROVINCE")))
donnees_conv3 <- donnees_conv2[!is.na(PROVINCE) & !is.na(LOCATION)]
```
## Préparation de la carte de fond
```{r, eval=FALSE}
range_lat <- range(donnees_conv3$lat)
range_lon <- range(donnees_conv3$lon)
openstreetmap1 <- get_openstreetmap(bbox = c(left = range_lon[1],
bottom = range_lat[1],
right = range_lon[2],
top = range_lat[2]),
scale = 32500000,
format = c("png"),
crop = TRUE, messaging = FALSE, urlonly = FALSE, color = c("color", "bw"))
save(openstreetmap1, file = "openstreetmap1.Rdata")
```
## Chargement de la carte de fond
```{r}
load("openstreetmap1.Rdata")
```
## Carte des incidents avec déversement
```{r, dev='png'}
donnees_incidents <- donnees_conv3[QUANTITY_LOST > 0]
ggmap(openstreetmap1) +
geom_point(aes(x = lon,
y = lat,
colour = PRODUCT_TYPE,
size = QUANTITY_LOST),
data = donnees_incidents) +
scale_size(range = c(2, 8), name=datadict[datadict$Nom.de.colonne.PODS=="QUANTITY_LOST"][2]) +
scale_colour_discrete(name=datadict[datadict$Nom.de.colonne.PODS=="PRODUCT_TYPE"][2]) +
ggtitle(label = "Incidents avec déversement") +
xlab("Longitude") +
ylab("Latitude")
```
## initiales
Cette fonction extrait les initiales d'un mot
```{r}
initials <- function(str)
{
regex <- '(?<=^|\\s|-)[[:alpha:]]'
ini <- regmatches(str, gregexpr(regex, str, perl=TRUE))
toupper(sapply(ini, paste0, collapse=''))
}
```
## Distribution des accidents et incidents
```{r}
dist_incidents <- donnees_conv3 %>%
select(PROVINCE,OCC_TYPE,PRODUCT_TYPE) %>%
group_by(PROVINCE=factor(initials(PROVINCE)),OCC_TYPE=factor(OCC_TYPE)) %>%
summarise(N = n())
```
```{r, dev='png'}
ggplot(dist_incidents,aes(x=PROVINCE,fill=OCC_TYPE)) +
geom_bar(aes(y=N),stat="identity") +
ggtitle(paste0(datadict[datadict$Nom.de.colonne.PODS=="OCC_TYPE"][2],", par ",datadict[datadict$Nom.de.colonne.PODS=="PROVINCE"][2])) +
scale_fill_discrete(name=datadict[datadict$Nom.de.colonne.PODS=="OCC_TYPE"][2]) +
xlab(datadict[datadict$Nom.de.colonne.PODS=="PROVINCE"][2]) +
ylab("Nombre")
```
## Série chronologique
```{r}
data_serie <- donnees_conv3 %>%
select(PIPELINE_CO,OCC_DATE,QUANTITY_LOST) %>%
mutate(N=1, date_clean = parse_date_time(OCC_DATE, orders = "%Y-%m-%d")) %>%
arrange(PIPELINE_CO,date_clean) %>%
group_by(PIPELINE_CO,date_clean) %>%
summarise(Nsum = sum(N)) %>%
mutate(Ncumsum = cumsum(Nsum))
```
### Nombre d'évènements cumulés
```{r, dev='png'}
ggplot(data_serie,aes(x=date_clean,y=Ncumsum,color=PIPELINE_CO)) +
geom_line(stat="identity") +
xlab("Date") +
ylab("Nombre d'indicents cumulés") +
ggtitle("Nombre d'incidents cumulés, par compagnie")
```
## Arbre de décision
```{r}
tree1 <- rpart(OCC_TYPE~FACILITY_TYPE+PROD_RELEASED_IND+PIPELINE_TYPE_CO+ENVIRO_DAMAGE_IND+PROPERTY_DAMAGE_IND+FIRE_IND+EXPLOSION_IND, data=donnees_conv3, method="class")
summary(tree1)
```
### Affichage de l'arbre de décision
```{r}
rpart.plot::rpart.plot(tree1, main = paste0("Arbre de classification pour ",
datadict[datadict$Nom.de.colonne.PODS=="OCC_TYPE"]$Nom.du.champ))
```