Economie Ecologique
ProjetsR Studio, et cliquez sur File > New ProjectNew Directory > New Project puis nommez le analyse_economie_ecologique ou ce que vous préférez comme titre de projetREADME clairs et exhaustifsmarkdownhere()Le but est d’avoir une architecture claire, pour que vos résultats puissent être reproduits, avec :
Readme.md, qui détaille le projet, les instructions d’utilisation etc..md et enregistrez les dans scripts/baie_somme_2025.xlsx
scripts, afin d’y enregistrer ces scripts que vous aurez téléchargé :here qui facilite le traitement des adresses des fichiers au sein de votre ordinateurif(!("here" %in% installed.packages())){ # Vérifie si le package est déja installé
install.packages("here") # L'installe si besoin
}
library(here) # Charge la bibliothèque
if(!dir.exists(here("scripts"))){ # Vérifie si le chemin existe déja
dir.create(here("scripts"))
}
print(paste(here("scripts"), " est créé"))[1] "C:/Users/jean/OneDrive/Desktop/Teaching/AgroParisTech/Master EEET/M1/Economie écologique/intro_data_analysis/scripts est créé"01_Setup.md
Render et avoir un document sous format hmtl, ou pdf que vous pouvez partager
Projet/
├── R/ # Contient tous les scripts R du projet
│ ├── 01_utilities.rmd # Script d'importation des données
│ ├── 02_cleaning.rmd # Script de nettoyage des données
│ ├── 03_analysis.rmd # Script d'analyse des données
│ └── 04_visualisation.rmd # Script pour les graphiques et visualisations
├── data/ # Contient les fichiers de données brutes et traitées
│ ├── raw/ # Données brutes
│ │ └── data1.csv # Exemple de fichier de données brutes
│ │ └── README.txt # Texte explicatif des données
│ ├── processed/ # Données nettoyées et traitées
│ │ └── data_clean.csv
│ └── external/ # Données externes ou partagées (ex. bases de données publiques)
│ └── source.csv
├── results/ # Résultats des analyses (sorties, graphiques, tableaux)
│ ├── figures/ # Graphiques générés (png, pdf, etc.)
│ │ └── plot1.png
│ └── tables/ # Tables générées (ex. CSV ou LaTeX)
│ └── table1.csv
├── docs/ # Documentation du projet (rapports, instructions, etc.)
│ ├── report.pdf # Rapport principal du projet
│ └── README.md # Explication du projet, instructions d'utilisation
├── .gitignore # Fichier pour ignorer certains fichiers dans un dépôt Git (si applicable)
├── renv.lock # Fichier verrouillant les versions des packages (géré par renv)
├── renv/ # Dossier contenant l'environnement isolé géré par renv
└── README.md # Fichier d'accueil du projet pour décrire brièvement de quoi il s'agitOn utilise le code suivant :
if(!dir.exists(here("data"))){ # Vérifie si le chemin existe déja
dir.create(here("data"))
dir.create(here("data", "raw")) # Crée des dossiers à l'intérieur de \data
dir.create(here("data", "processed"))
dir.create(here("data", "external"))
dir.create(here("results"))
dir.create(here("results", "figure"))
dir.create(here("results", "tables"))
dir.create(here("docs"))
}
print("Architecture à jour")[1] "Architecture à jour"Ensuite, on va télécharger et installer des packages utiles :
rmarkdown et knitr pour effectivement avoir des documents en markdown qui soient pris en compte par Rtidyverse qui contient entre autres :
tidyr et dplyr : sont essentiels pour la manipulation de données de base ainsi que le recodage, la création de nouvelles variables, le filtrage etcgpplot2 et ggsci: le package de référence pour la data visualisation et des themes() (styles) de référence dans la littérature scientifiquereadxl : pour lire des données en format .xlsxmagrittr: un package qui permet d’utiliser l’opérateur pipe %>%, qui permet de connecter les opérations entre elles, simplifiant le processus de \(g(h(x))\) à x %>% h() %>% g()stringr et stringdist: pour traiter les données textuellesrenv : on va créer un environnement, permettant de travailler avec les bons outilsfactoextra, factoMineR, sf et sp# I. Installer le package renv s'il ne l'est pas déja dans l'environnement global
if(!("renv" %in% installed.packages())){
install.packages("renv")
}
library(renv)
# II. Activation ou création de l'environnement
if(!dir.exists(here("renv"))){ # si l'environnement n'existe pas déja (ce qui est mon cas)
renv::init() # sinon, on l'initialise
}else{
#renv::activate()
}NULL# III. Installer chaque package
packages_to_install = c("rmarkdown", "knitr", "tidyverse", "readxl", "openxlsx",
"magrittr", "factoextra", "FactoMineR", "sf", "sp", "here", "ggsci")
install_and_load <- function(packages){
for (pkg in packages){
if(!(pkg %in% installed.packages())){# Pour chaque package de la liste
renv::install(pkg) # installe le cas échéant
}
library(pkg, character.only = TRUE) # Puis le charge
}
}
install_and_load(packages_to_install)
renv::snapshot()- The lockfile is already up to date.baie_somme_2025.xlsx dans data\rawscripts/02_cleaning.Rmd# A tibble: 6 × 16
Horodateur `Lieu de l'entretien` `Jour de l'entretien`
<dttm> <chr> <dttm>
1 2025-01-13 14:38:18 Hourdel 2025-01-13 00:00:00
2 2025-01-13 14:48:03 Hourdel 2025-01-13 00:00:00
3 2025-01-13 15:06:42 <NA> NA
4 2025-01-13 15:13:54 <NA> NA
5 2025-01-13 15:26:11 <NA> NA
6 2025-01-13 15:34:16 Pointe 2025-01-13 00:00:00
# ℹ 13 more variables: `Heure de l'entretien` <dttm>,
# `Caractéristique de la personne interviewée` <chr>,
# `Age approximatif` <chr>,
# `Lieu de résidence de la personne interviewée` <chr>,
# `Activité de loisir de la personne interrogée :` <chr>,
# `Activité professionnelle de la personne interrogée :` <chr>,
# `Q1 : Connaissez-vous le nom des espèces de phoques qui sont présentes dans la baie de Somme ? (Si oui préciser les espèces, Si ne sait pas, donner les deux noms des espèces (phoque gris et phoque veau-marin))` <chr>, … POSIXct[1:218], format: "2025-01-13 14:38:18" "2025-01-13 14:48:03" "2025-01-13 15:06:42" ... chr [1:218] "Employé" "Employé" "Retraite" "Retraité" "Retraite" ... chr [1:218] "Il faut laisser la nature évoluer librement, La surfréquentation peut générer des dérangements pour la nature" ... [1] "Horodateur"
[2] "Lieu de l'entretien"
[3] "Jour de l'entretien"
[4] "Heure de l'entretien"
[5] "Caractéristique de la personne interviewée"
[6] "Age approximatif"
[7] "Lieu de résidence de la personne interviewée"
[8] "Activité de loisir de la personne interrogée :"
[9] "Activité professionnelle de la personne interrogée :"
[10] "Q1 : Connaissez-vous le nom des espèces de phoques qui sont présentes dans la baie de Somme ? (Si oui préciser les espèces, Si ne sait pas, donner les deux noms des espèces (phoque gris et phoque veau-marin))"
[11] "Q2 : Savez-vous combien il y a de phoque gris et de phoque veau-marin dans la baie de Somme ?"
[12] "Q3 : Avez-vous déjà vu des phoques dans la baie"
[13] "Q4 : Est-ce qu’ils vous dérangent dans vos activités de loisir ou professionnelle ? Pourquoi ?"
[14] "Q5 : A quoi assimilez vous le phoque (2 choix max) ?"
[15] "Q6 : Pouvez-vous me dire si vous êtes d’accord avec les affirmations suivantes (cocher lorsque accord) ?"
[16] "Avez-vous des suggestions concernant cette question des phoques dans la Baie de Somme ?" POSIT: données temporelles formatées en datechr : données “character” i.e. données textuelles, sans notion d’ordre etc [1] "Hauts de Seine(92)"
[2] "Abbeville"
[3] NA
[4] "Nancy"
[5] "Beauvais"
[6] "Essonne"
[7] "Drancourt"
[8] "Pas d'ici"
[9] "Crotoy"
[10] "Saint Valery sur Somme"
[11] "Dunkersue"
[12] "Franciere (somme)"
[13] "Saint Valery"
[14] "Vers saint valery"
[15] "Le crotoy"
[16] "Saint-Valerie-sur-somme"
[17] "Saigneville"
[18] "Arrest"
[19] "Quesnoy le montant"
[20] "Le Treport"
[21] "Treport"
[22] "Treport depuis 2 ans"
[23] "Le treport"
[24] "Abeville"
[25] "Feuquieres - en - vimeu"
[26] "Feuquieres en vimeu"
[27] "Belgique"
[28] "Amiens"
[29] "Le Crotoy"
[30] "Cayeux"
[31] "Cayeux-sur-mer"
[32] "Saint-Riquier"
[33] "Saint-riquier"
[34] "Eu"
[35] "Pau"
[36] "Miramont-sensacq"
[37] "Saint-Valery-sur-Somme"
[38] "Criel-sur-mer"
[39] "Boulogne-sur-mer"
[40] "Outreau"
[41] "Dieppe"
[42] "Saint valery sur somme"
[43] "Arras"
[44] "Île de France"
[45] "Lancher"
[46] "Hourdel"
[47] "Cayeux sur mer"
[48] "Arlay a 5km du crotoy"
[49] "Saint Valéry"
[50] "Noyelles sur mer"
[51] "Lanchere"
[52] "Aisne"
[53] "Pende"
[54] "Noyelle sur mer"
[55] "Quesnois"
[56] "Pendé"
[57] "Boismont"
[58] "Saint Raphaël"
[59] "St VALERY"
[60] "Routhiauville"
[61] "Abbevilel"
[62] "La Molière"
[63] "Lille"
[64] "Saimt valery"
[65] "Mons-Boubert"
[66] "Lancheres"
[67] "Fressennville"
[68] "St Valery"
[69] "Braine-l’Alleup"
[70] "VILLERS COTTERETS (02600)"
[71] "Abbville"
[72] "Quend"
[73] "Amiens / Berck"
[74] "Berck"
[75] "Grofflier"
[76] "Conchil-le-temple"
[77] "Bouches du rhone"
[78] "Fort Mahon"
[79] "Fauquembergues (résidence secondaire)"
[80] "Merlimont"
[81] "ARRAS"
[82] "Saint Étienne au- Mont"
[83] "Berck-sur-mer"
[84] "Roye"
[85] "Maubeuge"
[86] "Rang du fliers"
[87] "Stella"
[88] "Estreboeuf"
[89] "Friville" [1] "Hourdel" NA "Pointe"
[4] "Saint Valéry sur Somme" "Le Crotoy" "Amiens"
[7] "Le Tréport" "Trépot" "Le Treport"
[10] "Tréport" "Treport" "Le treport"
[13] "Le tréport" "treport" "Abbeville"
[16] "Abeville" "L'Oise" "Cayeux-sur-mer"
[19] "Cayeux" "POINTE DU HOURDEL" "Berck"
[22] "Berck sur mer" "Berck-sur-mer" Saint Valéry, St Valery, Saint Valery sur Somme etc
stringdist)Q1 : Complétez pour St Valery
remplacement_lieux = function(x_){
#' Standardisation des noms de lieux
#'
#' Cette fonction normalise les noms de lieux en les mettant en minuscules,
#' en supprimant les accents et les articles, puis en les remplaçant par des
#' noms standardisés selon une liste prédéfinie.
#'
#' @param x_ Une chaîne de caractères représentant un nom de lieu (potentiellement mal orthographié ou mal formaté).
#' @return Une chaîne de caractères avec le nom de lieu standardisé. Si aucun correspondance n'est trouvée, la fonction retourne l'entrée originale.
x = str_to_lower(x_) # On met tout en minuscule
x = x %>%
gsub("\\ble\\b", "", .)%>% # On enlève "le" à l'aide d'une expression régulière (regex)
gsub("é", "e", .) # On enlève également les accents aigus et graves
# Après inspection, on fait ce qu'on peut pour remplacer ensemble les zones géographiques
if(x %in% c(' treport', 'trepot', 'treport', "treport depuis 2 ans")){
return('Le Tréport')
}else if(x %in% c('abbeville', 'abeville', "abbevilel", "abbville")){
return('Abbeville')
}else if(x %in% c(' crotoy', 'le crotoy', 'crotoy')){
return('Le Crotoy')
}else if(x %in% c("berck-sur-mer", "berck sur mer", "berck")){
return('Berck-sur-mer')
}else if(x %in% c('cayeux-sur-mer', 'cayeux', "cayeux sur mer")){
return('Cayeux-sur-mer')
}else if(x %in% c('saint valery sur somme',"saimt valery","saint-valery-sur-somme",
"saint valéry", "saint valery", "st valery", "vers saint valery" ,
"saint-valerie-sur-somme")){
return('Saint-Valery-sur-Somme')
}else if(x %in% c('hourdel', 'pointe', 'pointe du hourdel')){
return("Pointe du Hourdel")
}else if(x %in% c("feuquieres en vimeu", "feuquieres - en - vimeu" )){
return('Feuquières-en-Vimeu')
}else if(x %in% c('noyelles sur mer', 'noyelle sur mer')){
return('Noyelles-sur-mer')
}else if(x %in% c("amiens", "amiens / berck" )){
return("Amiens")
}else if(x %in% c('lancheres', 'lanchere', 'lancher', "lanchéres")){
return('Lanchéres')
}else if(x %in% c('arlay a 5km du crotoy')){
return('Arlay')
}else if(x %in% c("fauquembergues (résidence secondaire)")){
return('Fauquembergues')
}else if(x %in% c("villers cotterets(02600)" )){
return('Villers Cotterets')
}else if( x %in% c("franciere (somme)" )){
return('Francières')
}else if( x %in% c("hauts de seine(92)")){
return('Hauts de Seine')
}else if( x %in% c("Saint-Riquier", "Saint-riquier", "saint-riquier")){
return('Saint-Riquier')
}else if( x %in% c("pendé", "pende")){
return('Pendé')
}else if( x %in% c("arras")){
return('Arras')
}else if( x %in% c("dunkersue")){
return('Dunkerque')
}
else{
return(x_)
}
}data_ = data_ %>%
mutate(clean_lieu = sapply(lieu, remplacement_lieux)) # On applique la fonction remplacement à chaque lieu
# et sapply renvoie un vecteur qui est assigné à
# une nouvelle variable
unique(data_$clean_lieux)NULLQ2 : enregistrez la nouvelle data avec dplyr, sapply
[1] "Hauts de Seine"
[2] "Abbeville"
[3] NA
[4] "Nancy"
[5] "Beauvais"
[6] "Essonne"
[7] "Drancourt"
[8] "Pas d'ici"
[9] "Le Crotoy"
[10] "Saint-Valery-sur-Somme"
[11] "Dunkerque"
[12] "Francières"
[13] "Saigneville"
[14] "Arrest"
[15] "Quesnoy le montant"
[16] "Le Tréport"
[17] "Feuquières-en-Vimeu"
[18] "Belgique"
[19] "Amiens"
[20] "Cayeux-sur-mer"
[21] "Saint-Riquier"
[22] "Eu"
[23] "Pau"
[24] "Miramont-sensacq"
[25] "Criel-sur-mer"
[26] "Boulogne-sur-mer"
[27] "Outreau"
[28] "Dieppe"
[29] "Arras"
[30] "Île de France"
[31] "Lanchéres"
[32] "Pointe du Hourdel"
[33] "Arlay"
[34] "Noyelles-sur-mer"
[35] "Aisne"
[36] "Pendé"
[37] "Quesnois"
[38] "Boismont"
[39] "Saint Raphaël"
[40] "Routhiauville"
[41] "La Molière"
[42] "Lille"
[43] "Mons-Boubert"
[44] "Fressennville"
[45] "Braine-l’Alleup"
[46] "VILLERS COTTERETS (02600)"
[47] "Quend"
[48] "Berck-sur-mer"
[49] "Grofflier"
[50] "Conchil-le-temple"
[51] "Bouches du rhone"
[52] "Fort Mahon"
[53] "Fauquembergues (résidence secondaire)"
[54] "Merlimont"
[55] "Saint Étienne au- Mont"
[56] "Roye"
[57] "Maubeuge"
[58] "Rang du fliers"
[59] "Stella"
[60] "Estreboeuf"
[61] "Friville" On a classé la population par groupes d’âge. L’usage de variables factor permet d’avoir des variables catégorielles ordonnées, que l’on peut représenter sur un axe ordonné en précisant les niveaux (levels)
Q3: transformez l’âge en variable facteur
Si vous ne savez pas comment vous y prendre, utilisez ?nom_de_la_fonction pour trouver de l’aide
Challenges techniques :
chr en variable intQ4 : Tabulez la population des phoques!
100 - 200 100.0
1 5
1000.0 120.0
4 1
1300.0 1500-3000
1 1
20.0 200-300
1 1
200 gris et 400 veau marin 200.0
1 2
2000.0 20000.0
2 1
300.0 3000.0
4 1
400.0 450.0
3 2
50 000- 100 000 500.0
1 5
50000.0 600.0
1 2
600/700 800 environ
1 1
800.0 Bcp
1 2
Beaucoup Beaucoup trop
1 1
Entre 500 et 800 Nln
1 1
Nn No
2 1
Nô non
1 1
Non Non - 50
112 1
Non (100) Non (20)
2 1
Non (200) Non (2000)
2 1
Non (30) Non (300)
1 1
Non (450) Non (500)
1 2
Non (650) Non (800)
1 1
Non (8000) Non 100
1 1
Non 1000 Non beaucoup
1 1
Oui Oui - 100
16 1
Oui - 100000 Oui - 200
1 1
Oui - 300-400 Oui - 50
1 1
Oui (3000) Oui (800)
1 1
Oui 1000 Oui(1000)
1 1
OUI, 500 et 200 Pas du tout (beaucoup)
1 1
Pas mal Plus de 1500
1 1
Quelques centaines Quelques milliers
1 1
Quelques uns, 25 Une centaine
1 1 On a beaucoup de réponses mixtes, il faudrait extraire les données chiffrées, les ordres de grandeur, et les réponses comme Non et Oui
remplacement_phoques_1 = function(x_){
#' Cette fonction donne une indication sur la connaissance (oui ou non) de la population de phoque
#' @param x_ une chaine de caractères
return(grepl("non", str_to_lower(x_)))
}
remplacement_phoques_population = function(x_, option = "max"){
#' Extraction et classification des nombres liés aux populations de phoques
#'
#' Cette fonction analyse une chaîne de caractères pour extraire des nombres
#' (représentant des populations de phoques) et les classifier en différentes catégories
#' (`Beaucoup`, `Centaines`, `Milliers`, `Quelques uns`, etc.).
#'
#' @param x_ Une chaîne de caractères contenant une estimation de population (peut inclure des chiffres, des mots ou des expressions variées).
#' @param option Une option définissant si l'on souhaite récupérer la valeur minimale ou maximale
#' dans le cas de plages numériques (`"min"` ou `"max"`). Par défaut `"max"`.
#' @return Une valeur numérique si un chiffre est détecté, ou une catégorie (`"Beaucoup"`, `"Centaines"`, `"Milliers"`, `"Quelques uns"`, `"Non"`, etc.).
# Approche par regex :
potential_number = x_ %>%
gsub(" ", "", .)%>%
str_extract_all(.,"\\d+\\.?\\d*")%>%
unlist()%>%
as.numeric()
# On repère les chiffres :
# \\d+ repère un chiffre ou plusieurs
# \\.? repère un point décimal
# \\d* prent les 0
# Ensuite on vérifie s'il y a des "-" ou des "/"
tiret_barre = grepl("[-/]", x_)
# Message d'erreur si l'option n'est pas bien spécifiée
if(!(str_to_lower(option) %in% c("min", "max"))){
stop("Error : option is ill picked")
}
# Enfin, on prend les "beaucoup" en compte :
if(x_ %in% c(startsWith(str_to_lower(x_), "beauco"),
'Bcp', 'Non beaucoup', 'Pas du tout (beaucoup)')){
return("Beaucoup")
}else if(is_empty(potential_number)){
if(startsWith(str_to_lower(x_), 'oui')){
return('Oui')
}else if(grepl("centai", str_to_lower(x_))){
return('Centaines')
}else if(grepl('milli', str_to_lower(x_))){
return('Milliers')
}else if(grepl('un', str_to_lower(x_))){
return('Quelques uns')
}else{
return('Non')
}
}else{
if(tiret_barre){
if(length(potential_number)>1){
if(option=='min'){
return(min(potential_number))
}else if(option=="max"){
return(max(potential_number))
}
}else{
return(as.numeric(potential_number))
}
}else{
return(sum(as.numeric(potential_number)))
}
}
}< table of extent 0 >data_ = data_ %>%
mutate(clean_pop_yes_no = sapply(q2_pop_phoques, remplacement_phoques_1),
clean_pop_max = sapply(q2_pop_phoques, remplacement_phoques_population))
# On récupère également la distinction entre chiffrée et ordre de grandeur
chiffre_ou_non = data_%>%
select(clean_pop_max)%>%
pull()%>%
as.numeric()
data_ = data_ %>%
mutate(
# Créer la variable numérique en convertissant les valeurs en numérique
chiffre_num = as.numeric(clean_pop_max),
# Remplacer les valeurs non numériques par NA
clean_pop_phoque_chiffre = if_else(is.na(chiffre_num), NA_real_, chiffre_num),
# Créer la variable non numérique pour les réponses textuelles
clean_pop_phoque_non_chiffrée = if_else(is.na(clean_pop_phoque_chiffre), clean_pop_max, NA_character_)
)
Agence immobilier Agent public Agriculteur (à préciser) Aide à domicile
[1,] 1 20 3 1
Aide soignante Archéologue Assistante à domicile Cadre Cadre supérieur
[1,] 1 1 1 1 3
Chômage Collégien Commerçant (préciser) Cuisine
[1,] 1 1 13 1
Dessinateur en bureau d'étude Élève Élèves Employé Employee medical
[1,] 1 1 2 26 1
Enseignante Entrepreneur indépendant Entreprise/tourisme (à préciser)
[1,] 1 1 1
Etudiant Étudiant Étudiant college Etudiante Étudiante Étudiantes
[1,] 1 5 1 2 2 1
Famille d'accueil Femme au foyer Foyer d’enfants Gérant de restaurant
[1,] 1 1 1 1
Infirmiere Infirmière
[1,] 1 1
Intermittente du spectacle + boutique d'ésortérisme Mairie
[1,] 1 1
Maîtresse d'école Mécanicien Medical Non Ouvrier Ouvrier agricole
[1,] 1 1 1 1 6 1
Pas demandé Pêcheur (préciser) Photographe Prof Professeur
[1,] 1 2 1 4 1
Réceptionniste en hôtellerie Recruteur de donateurs pour association
[1,] 1 1
Restauration/hôtellerie Retraite Retraité Retraité militaire
[1,] 12 37 32 1
Retraité pêcheurs Retraité/ avant aide soignante Retraitée Retraites
[1,] 1 1 1 1
Rien Sans Sans emploi Tabac Traducteur
[1,] 1 1 1 1 1
Travail avec des enfants handicapés Usine
[1,] 1 2On a encore des problèmes d’encodage : je vous laisse y penser
remplacement()On peut utiliser un prétraitement des données et la fonction startsWith(x, prefix) pour rassembler tout ce qui commencerait par la même racine
Q5 : utilisez startsWith() pour compléter la fonction suivante et rédigez la documentation
csp_questionnaire = c("Entreprise/tourisme", "Restauration/hôtellerie" , "Agriculteur (à préciser)",
"Pêcheur (préciser)","Commerçant (préciser)", "Agent public",
"Cadre supérieur", "Employé", "Ouvrier")
remplacement_professions = function(x_){
#' Classification des professions à partir d'un questionnaire
#'
x = x_%>%
str_to_lower()%>%
gsub("é", "e", .)%>%
gsub("è", "e", .)
if(x %in% c('agriculteur (à preciser)')){
return("Agriculteur exploitant")
}else if(startsWith(x, "employ") | x %in% c('aide à domicile',
'aide soignante', 'assistante à domicile',
"famille d'accueil", "tabac", "medical",
"recruteur de donateurs pour association")){
return("Employé.e")
}else if(x %in% c('sans', 'rien', 'sans emploi', 'chômeur','chômage', 'non', "femme au foyer")){
# COMPLETER L'EXPRESSION
return('Sans activité professionelle (hors retraite)')
}else if(startsWith(x, 'retrait')){
return('Retraité.e')
}else if(startsWith(x, 'ouvrier') | x %in% c('mecanicien', 'usine')){
return("Ouvrier")
}else if(startsWith(x, 'foyer') | x %in% c("infirmiere", "maîtresse d'ecole", 'enseignante', 'professeur', 'prof', "foyer d'enfants", "travail avec des enfants handicapes")){
return('Professions intermédiaires')
}else if(startsWith(x, 'cadr') | startsWith(x, 'intermittente') | x %in% c('traducteur', "archeologue", "dessinateur en bureau d'etude", 'photographe', "agence immobilier") ){
return("Cadres et professions intellectuelles supérieures")
# Catégories du questionnaire
}else if(x %in% c('gerant de restaurant', 'receptionniste en hôtellerie', 'restauration/hôtellerie', "cuisine")){
return("Restauration/hôtellerie")
}else if(startsWith(x, "entrepr") | startsWith(x, "commerçant")){
return("Artisans, commerçants, chefs d'entreprise")
}else if(x %in% c('agent public', 'mairie')){
return('Agent public')
}else{
return(x_)
}
}csp_questionnaire = c("Entreprise/tourisme", "Restauration/hôtellerie" , "Agriculteur (à préciser)", "Pêcheur (préciser)","Commerçant (préciser)", "Agent public",
"Cadre supérieur", "Employé", "Ouvrier")
remplacement_professions = function(x_){
#' Classification des professions à partir d'un questionnaire
#'
#' Cette fonction standardise les réponses d'un questionnaire concernant la profession des répondants
#' en les classant dans des catégories socio-professionnelles.
#'
#' @param x_ Une chaîne de caractères représentant une profession, telle qu'indiquée par un répondant.
#' @return Une chaîne de caractères correspondant à une catégorie professionnelle standardisée.
x = x_%>%
str_to_lower()%>%
gsub("é", "e", .)%>%
gsub("è", "e", .)
if(x %in% c('agriculteur (à preciser)')){
return("Agriculteur exploitant")
}else if(startsWith(x, "employ") | x %in% c('aide à domicile',
'aide soignante', 'assistante à domicile',
"famille d'accueil", "tabac", "medical",
"recruteur de donateurs pour association")){
return("Employé.e")
}else if((startsWith(x, "etudian") | startsWith(x, "eleve") | startsWith(x, "colleg") | x %in% c('sans', 'rien',
'sans emploi', 'chômeur',
'chômage', 'non', "femme au foyer"))){
return('Sans activité professionelle (hors retraite)')
}else if(startsWith(x, 'retrait')){
return('Retraité.e')
}else if(startsWith(x, 'ouvrier') | x %in% c('mecanicien', 'usine')){
return("Ouvrier")
}else if(startsWith(x, 'foyer') | x %in% c("infirmiere", "maîtresse d'ecole", 'enseignante', 'professeur', 'prof', "foyer d'enfants", "travail avec des enfants handicapes")){
return('Professions intermédiaires')
}else if(startsWith(x, 'cadr') | startsWith(x, 'intermittente') | x %in% c('traducteur', "archeologue", "dessinateur en bureau d'etude", 'photographe', "agence immobilier") ){
return("Cadres et professions intellectuelles supérieures")
# Catégories du questionnaire
}else if(x %in% c('gerant de restaurant', 'receptionniste en hôtellerie', 'restauration/hôtellerie', "cuisine")){
return("Restauration/hôtellerie")
}else if(startsWith(x, "entrepr") | startsWith(x, "commerçant")){
return("Artisans, commerçants, chefs d'entreprise")
}else if(x %in% c('agent public', 'mairie')){
return('Agent public')
}else{
return(x_)
}
}Ici, on va adopter la même approche par fonction de remplacement()
Gris Gris et veau marin
1 1
Gris et veaux marins Les deux
1 1
Nln Nn
1 2
Nob non
1 1
Non Oui
136 47
Oui (manque les phoques gris) Oui les deux
1 2
Oui phoque gris OUI phoque gris et phoque veau-marin
1 1
Oui plus ou moins Oui veau-marin
1 1
Pas de tout Phoque gris
1 1
Phoque gris et blanc Phoque veau-marin oui
1 1
Phoques gris Touriste
1 1
Vaumarin Veau-marin
1 2
Veau-marin et phoque commun Veau marin
1 5
Veau marin , phoque gris Veau marin et phoque
1 1
Veaux-marins et phoques gris
1 On va prendre comme réponses possible : oui, non, Partiel: veau marin et Partiel: phoque gris
Q6 - Faites une fonction de remplacement pour les phoques
remplacement_phoques_noms = function(x){
#' Standardisation des réponses sur les espèces de phoques observées
#'
#' Cette fonction catégorise les réponses concernant la présence des espèces de phoques
#' (veau-marin et phoque gris) en les regroupant dans des classes standardisées.
#'
#' @param x Une chaîne de caractères correspondant à une réponse du questionnaire sur les phoques observés.
#' @return Une chaîne de caractères standardisée : `"Oui"`, `"Non"`, `"Partiel : Veau-marin"`, `"Partiel : Phoque gris"`, ou la réponse initiale si elle ne correspond à aucune catégorie.
if(x %in% c('Veaux-marins et phoques gris', 'Veau marin , phoque gris', 'OUI phoque gris et phoque veau-marin',
'Gris et veaux marins', 'Veau marin et phoque', 'Les deux', 'Oui', 'Gris et veau marin',
'Gris et veaux marins', "Les deux ", 'Oui les deux')){
return('Oui')
}else if(x %in% c('Non', 'nn', 'Nob', 'Nln', 'Non', 'Nn',
'non', 'Pas de tout', 'Touriste', 'Oui plus ou moins')){
return('Non')
}else if(x %in% c('Oui (manque les phoques gris)', 'Veau-marin',
'Phoque veau-marin oui', 'Vaumarin', 'Veau marin',
'Veau-marin et phoque commun', 'Veau-marin', 'Oui veau-marin')){
return("partiel : Veau-marin")
}else if(x %in% c('Gris', 'Oui phoque gris', 'Phoque gris et blanc', 'Phoques gris', 'Phoque gris')){
return('Partiel : phoque gris')
}else{
return(x)
}
}
data_ = data_ %>%
mutate(clean_noms_phoques = sapply(q1_nom_phoques, remplacement_phoques_noms))La différence ici, c’est que plusieurs choix sont possibles
# Trouver toutes les phrases possibles
phrases_ = c() # Initier un stock de phrases vide
for(row_ in 1:nrow(data_)){ # Pour chaque individu
candidate_ = unlist(# On enlève la structure de liste
strsplit(as.character(data_[row_, "q6_avis"]), # qui résulte de la séparation de chaque réponse
", ") # autour de la virgule
)
for(element_ in candidate_){ # On regarde pour chaque phrase cnadidate
if(!(element_ %in% phrases_)){ # Si elle a déja été dite
phrases_ = c(phrases_, element_) # Sinon, on l'ajoute
}
}
}
# Imprimer les 15 premières phrases
phrases_[1:15] [1] "Il faut laisser la nature évoluer librement"
[2] "La surfréquentation peut générer des dérangements pour la nature"
[3] "Les conflits entre les humains et les phoques augmentent"
[4] "Les phoques font partie du patrimoine du territoire"
[5] "Il y a trop de phoques veau-marin"
[6] "Il y a trop de phoques gris"
[7] "Il ne faut pas que le nombre de phoque augmente plus"
[8] "Les phoques mangent trop de poissons"
[9] "Les phoques représentent une opportunité économique pour le territoire"
[10] "Les phoques représentent une menace économique pour le territoire"
[11] "Il faudrait un groupe de travail local sur les interactions avec les phoques"
[12] "Il faudrait plus de panneaux d’informations sur les phoques"
[13] "Il faudrait des barrières pour empêcher de déranger les phoques"
[14] "Il faudrait un centre d’information sur les phoques"
[15] "Visites guide nature m" On a des problèmes de remplissage du questionnaire!
On va récupérer les choix du questionnaire
data_ = data_ %>%
mutate(ID = seq(1:nrow(data_))) # On donne un identifiant à chaque individu statistique
# On crée une table d'occurence vide
table_occurrences <- matrix(0,
nrow = nrow(data_),
ncol = length(phrases_possibles),
dimnames = list(seq(1:nrow(data_)),
phrases_possibles)) # Nomme les dimensions
# Remplir le tableau avec les occurrences
for (i in 1:nrow(data_)) {
phrases_ = unlist( # On enlève la structure de liste
strsplit(as.character(data_[i, "q6_avis"]), # qui résulte de la séparation de chaque réponse
", ") # autour de la virgule
)
for (phrase in phrases_) { # Pour chaque phrase exprimée,
if (phrase %in% phrases_possibles) { # si elle est dite,
table_occurrences[i, phrase] <- table_occurrences[i, phrase] + 1 # on encode
}
}
}Q7 : Convertir la matrice en dataframe pour une meilleure lisibilité
# Convertir la matrice en dataframe pour une meilleure lisibilité
table_occurrences_df <- as.data.frame(table_occurrences)
colnames(table_occurrences_df) = paste0("q_clean_", c('nature_libre','surfréquentation', 'conflits',
'patrimoine','trop_veau', 'trop_gris','pas_plus_phoques',
'trop_poisson','opportunité_économique', 'menace_économique',
'groupe_travail', 'panneaux',
'barrières', 'centre_information', 'menace_tradition'))
table_occurrences_df = table_occurrences_df%>%
mutate('ID' = seq(1, nrow(table_occurrences_df)))On fait la même chose pour la question sur les phoques
phrases_ = c() # Initier un stock de phrases vide
for(row_ in 1:nrow(data_)){ # Pour chaque individu
candidate_ = unlist(# On enlève la structure de liste
strsplit(as.character(data_[row_, "q5_classe_phoque"]), # qui résulte de la séparation de chaque réponse
", ") # autour de la virgule
)
for(element_ in candidate_){ # On regarde pour chaque phrase cnadidate
if(!(element_ %in% phrases_)){ # Si elle a déja été dite
phrases_ = c(phrases_, element_) # Sinon, on l'ajoute
}
}
}
phrases_possibles = c("Un animal sympathique et paisible", "Une espèce invasive et nuisible",
"Un concurrent pour les activités humaines", "Une espèce menacée",
"Un prédateur supérieur"
)
data_ = data_ %>%
mutate(identifier = seq(1:nrow(data_))) # On donne un identifiant à chaque individu statistique
# On crée une table d'occurence vide
table_occurrences <- matrix(0,
nrow = nrow(data_),
ncol = length(phrases_possibles),
dimnames = list(seq(1:nrow(data_)),
phrases_possibles)) # Pour stocker un identifiant
# Remplir le tableau avec les occurrences
for (i in 1:nrow(data_)) {
phrases_ = unlist(# On enlève la structure de liste
strsplit(as.character(data_[i, "q5_classe_phoque"]), # qui résulte de la séparation de chaque réponse
", ") # autour de la virgule
)
for (phrase in phrases_) {
if (phrase %in% phrases_possibles) { # si elle est dite,
table_occurrences[i, phrase] <- table_occurrences[i, phrase] + 1
}
}
}# I. On doit cleaner les données pour bien pouvoir les isoler : on supprime ce qu'il se passe entre parenthèse pour pouvoir séparer les entités par l'usage de la virgule
data_loc = data_ %>%
select(loisir)
data_loc= data_loc %>%
mutate(loisir_easy = gsub("\\s*\\(.*?\\)", '', loisir))%>%
mutate(loisir_easy = gsub(" ", "", loisir_easy))%>%
mutate(loisir_easy = str_to_lower(loisir_easy))
phrases_possibles = c("Pêche):", "Chasse", "Voile", "vélo", "natation",
"Planceàvoile", "Paddle", "Kayak/canoë", "Kitesurf", "Equitation", "Wingfoil",
"Promenade", "Marche", "Naturaliste")
phrases_possibles = str_to_lower(phrases_possibles)
# II. On crée une table d'occurence vide
table_occurrences <- matrix(0,
nrow = nrow(data_),
ncol = length(phrases_possibles) +1, # On ajoute une case pour prendre en compte les cas "Autres"
dimnames = list(seq(1:nrow(data_)),
c(phrases_possibles, "Autre"))) # Pour stocker un identifiant
#III. Remplir le tableau avec les occurrences
for (i in 1:nrow(data_)) {
phrases_ =
unlist(# On enlève la structure de liste
strsplit(as.character(data_loc[i, "loisir_easy"]), # qui résulte de la séparation de chaque réponse
",") # autour de la virgule
)
for (phrase in phrases_) {
if (phrase %in% phrases_possibles) { # si elle est dite,
table_occurrences[i, phrase] <- table_occurrences[i, phrase] + 1
}else{
table_occurrences[i, "Autre"] = table_occurrences[i, "Autre"] +1
}
}
}On merge tout et on sélectionne les données propres :
Q8 : utilisez le pipe operator (%>%) pour sélectionner les colonnes de la full_data et récupérer les colonnes qui ont le nom clean avec grepl
On sauvegarde les données en .xlsx mais les formats de référence sont plutot:
.csv.json.parquetdata.tables pour les format de matrices avec beaucoup de 0 suivant le one hot encoding de larges données (accélère également leur écriture et leur ouverture)data_clean = full_data %>%
select(c('date', 'genre', 'classe_age', # Les données déja propres
colnames(full_data)[full_data %>% # Les colonnes que l'on a nommé clean
colnames() %>% # car nettoyées!
grepl("clean", .)]
)
)
colnames(data_clean) = gsub("clean_", "", colnames(data_clean))
write.xlsx(data_clean, here("data", "processed", "data_cleaned.xlsx")).txt ou .md qui détaille les données brutes et enregistrez le dans /docs/README_rawdata.txt.txt ou .md qui détaille les transformations appliquées aux données et les fonctions utilisées, et enregistrez le dans /docs/README_datacleaning.txt
ClaudeAI l’a fait à ma place)
fonctions.R avec les fonctions que l’on a utilisées : elles ne sont pas encore très modulaires ou beaucoup réutilisables, mais c’est un premier pas.fonctions.R avec source(here("scripts", "fonctions.R")) en début de script et utilisez les fonctions- The lockfile is already up to date.Pour cela, on va utiliser la bibliothèque ggplot2 (Grammar of Graphics) qui prend les éléments suivants :
data)aes()) : comment représenter les variables, qui est en abscisse (x=), en ordonnée (y=), en couleur (color=)geom()): le type de graphiquescale_color_, scale_fill pour les couleurstheme() pour les axes, polices, tailles, couleur de fondfacet_tidy: une variable par colonne, une observation par ligne
pivot_longer() pour transformer des données “larges” en “longues”, pour tout représenter d’un coupcustom_theme = function(){
theme_minimal() + # Base theme
theme(
axis.text.x = element_text(angle = 45, hjust = 1), # Rotate x-axis labels by 45 degrees
legend.position = "bottom"
)
}
p = data_ %>%
select(c('genre', 'classe_age','date', 'professions', 'lieu')) %>%
pivot_longer( - date,
values_to = 'values',
names_to = 'names')%>%
ggplot(aes(x=values))+
geom_histogram(stat="count")+
facet_grid(~names, scales = "free")+
custom_theme()
Q1 : Ecrivez le code pour plotter la variable classe_age avec ggplot
Ce n’est pas très joli, ni modulaire : on va écrire une fonction
On cherche la répartition de notre échantillon entre classes d’âge et différente caractéristiques :
Q2 : plottez la correlation entre phoque_paisible et q_nature_libre
Q3 : plottez la correlation entre phoque_paisible et pop_yes_no
correlation_matrix = cor(data_ %>%
select(to_factor_vect)%>%
select(- c('wingfoil'))%>%
mutate(across(everything(), as.numeric)),
method = 'pearson')
# On efface la diagonale (corrélation de 1) et on garde seulement un triangle pour éviter la redondance
diag(correlation_matrix) = NA
# Convert matrix to long format for ggplot
cor_long = reshape2::melt(correlation_matrix)
p = ggplot(cor_long, aes(Var1, Var2, fill = value)) +
geom_tile() +
scale_fill_gradient2(low = "blue", mid = "white", high = "red", midpoint = 0) +
labs(title = "Correlation Heatmap of One-Hot Encoded Variables",
x = " ",
y = " ",
fill = "Correlation") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
On va essayer de restreindre un peu l’analyse : Q4 : prenez un sous ensemble de variables, comme les caractéristiques des phoques et les réponses aux questions et faites une heatmap
Technique d’analyse multivariées pour identifier la structure d’un espace de grande dimension
FactoMineR et factoextraMCA() va :
q_trop_gris q_trop_veau
"q_trop_gris - q_trop_veau" "q_trop_veau - q_trop_gris"
q_trop_poisson q_pas_plus_phoques
"q_trop_poisson - q_pas_plus_phoques" "q_pas_plus_phoques - q_trop_poisson" On va visualiser le scree plot qui montre la part de variance expliquée par chaque axe factoriel
palette_5 <- c("#E41A1C", "#377EB8", "#4DAF4A", "#FF7F00", "#984EA3")
fviz_mca_ind(res.mca,
label = "none", # masquer le texte des individus
ggtheme = theme_minimal (),
palette = palette_5,
habillage = data_for_analysis$classe_age,
title=" ")
Comment rendre la recherche reproductible?
.lockavec les collaborateurs