Skip to content
Snippets Groups Projects
Commit 2d9c3926 authored by Juliette Engelaere-Lefebvre's avatar Juliette Engelaere-Lefebvre
Browse files

Merge branch '13-mettre-a-jour-les-consommations-de-gaz' into 'dev'

Resolve "Mettre à jour les consommations de gaz"

Closes #13

See merge request dreal-datalab/enr_reseaux_teo!5
parents 38c997ce f9403a21
Branches
Tags
2 merge requests!31fin Dev mise à jour 2020,!5Resolve "Mettre à jour les consommations de gaz"
......@@ -94,7 +94,7 @@ compil <- map_dfr(.x=as.list(fich2008a2017$Name),
# Nettoyage des fichiers dézippés
file.remove(fich2008a2017 %>% pull(Name))
rm(fich2008a2017, url_ante)
rm(fich_2008a2017, url_ante)
compil = mutate(compil, id_row=row_number())
nb_enr <- nrow(compil)
......@@ -1142,7 +1142,7 @@ compil2018_iris_4 <- compil2018_iris_4.4 %>%
mutate(epci_reg = (grepl(reg, REGIONS_DE_L_EPCI)))
```
La table compil2018_iris_4 contient toutes les consommations 2018 grâce à la reventilation des agrégats epci et région. Elle est au format large des millésimes précédents et des lignes correspondant aux iris absents du jeu de données initial ont été ajoutés (consommation a zéro). Elle contient `r length(iris_inconnus_2018_3)` enregistrements au code IRIS fictif qui seront utiles pour l'agrégation des données à la maille communale.
La table compil2018_iris_4 contient toutes les consommations 2018 grâce à la reventilation des agrégats epci et région. Elle est au format large des millésimes précédents et des lignes correspondant aux iris absents du jeu de données initial ont été ajoutés (consommation a zéro). Elle contient `r lentgh(iris_inconnus_2018_3)` enregistrements au code IRIS fictif qui seront utiles pour l'agrégation des données à la maille communale.
# Ajout des données 2018 aux compilations iris, communes, epci, dep, reg 2008-2017
......@@ -1315,10 +1315,9 @@ save(compil_tot, file=paste0("collecte/sgbd/conso_gaz_2008-", mill, "_Frce_entie
save(compil_tot, file=paste0("collecte/conso_gaz/conso_gaz_2008-", mill, "_Frce_entiere.RData"))
# load(paste0("collecte/sgbd/conso_gaz_2008-", mill, "_Frce_entiere.RData"))
rm(compil, compil_com, compil_iris, compil_epci, compil_dep, compil_reg, com,
compil_iris_20082017, compil_com_20082017, compil_epci_20082017, compil_dep_20082017, compil_reg_20082017,
compil2018_iris_4, compil2018_com, compil2018_epci, compil2018_dep, compil2018_reg,
fich2018, url_2018)
rm(compil, compil_com, compil_iris, compil_epci, compil_dep, compil_reg, com, compil_iris_20082017,
compil_com_20082017, compil_epci_20082017, compil_dep_20082017, compil_reg_20082017,
compil2018_iris_4, compil2018_com, compil2018_epci, compil2018_dep, compil2018_reg, fich2018)
```
......@@ -1339,8 +1338,8 @@ library(sqldf)
compil_tot_sgbd <- compil_tot %>%
# suppression du type list pour le sgbd
mutate(Sources = as.factor(paste(Sources, collapse=", ")),
sce_estim = as.factor(paste(sce_estim))) %>%
mutate(Sources = paste(Sources, collapse=", "),
sce_estim = paste(sce_estim)) %>%
as.data.frame()
......@@ -1404,9 +1403,10 @@ ggplot(graph1, aes(as.character(ANNEE), CONSO_GWH, fill=id_ter)) +
## Evolution de la consommation régionale annuelle par secteur
```{r evol secteur}
graph2 <- filter(compil_tot, Echelle=="département", sel_reg)%>%
graph2 <- filter(compil_tot, Echelle=="département", sel_reg) %>%
rename(agriculture=CONSOA, industrie=CONSOI, tertiaire=CONSOT, 'résidentiel'=CONSOR, 'non affecté'= CONSONA) %>%
gather(key = "secteur", value = "conso_MWh", agriculture, industrie, tertiaire, 'résidentiel', 'non affecté')
ggplot(graph2, aes(as.character(ANNEE), conso_MWh, fill=secteur)) +
geom_bar(stat="identity", position="stack") +
labs(caption=paste0("Données consommation gaz art 179 SDES ", mill, "\n basées sur les déclarations des opérateurs : ", paste(unique(unlist(graph2$Sources)), collapse=", ")))
......@@ -1418,13 +1418,15 @@ ggplot(graph2, aes(as.character(ANNEE), conso_MWh, fill=secteur)) +
## Cartographie de Nantes-métropole
```{r carto Nantes metropole}
nantes_metro <- filter(conso_tot_epci_mil_reg, str_detect(nepci, "Nantes")) %>%
left_join(epci_geo,by=c("id_epci"="EPCI")) %>%
nantes_metro <- conso_tot_iris_mil_reg %>%
mutate(DEPCOM=substr(id_iris, 1, 5)) %>%
left_join(communes %>% select(DEPCOM, NOM_EPCI)) %>%
filter(str_detect(NOM_EPCI, "Nantes")) %>%
st_as_sf
ggplot(nantes_metro, aes(fill=CONSO_GWH)) +
geom_sf()+
labs(caption=paste0("Données consommation gaz art 179 SDES ", mill, "\n basées sur les déclarations des opérateurs : ", paste(as.list(unique(combine(nantes_metro$Sources))), collapse=", "))) +
labs(caption=paste0("Données consommation gaz art 179 SDES ", mill, "\n basées sur les déclarations des opérateurs : ", paste(as.list(unique(vctrs::vec_c(nantes_metro$Sources))), collapse=", "))) +
theme(axis.text = element_blank(), panel.background = element_blank(), axis.ticks=element_blank())
```
......
0% Loading or .
You are about to add 0 people to the discussion. Proceed with caution.
Please register or to comment