script de controle pour detecter les erreurs dans la base

controle_ptz.R

+# script de controle et d'analyse de la fiabilité des codes insee
+# décompte du nombre de fois ou code insee = code commune
+
+library(readr)
+library(tidyr)
+library(dplyr)
+library(COGiter)
+library(stringr)
+library(lubridate)
+library(sf)
+library(forcats)
+
+# paramêtres
+millesime = 2023 #millesime du fichier
+annee_conservee = 2013 # on supprime les années antérieures
+
+
+BASE_PTZ_DHUP<- read_delim(paste0("/nfs/data/partage-PTZ-EPTZ/PTZ-EPTZ/BASE_PTZ_DHUP_",millesime,"_DREAL.csv"),
+                           delim = ";", escape_double = FALSE, trim_ws = TRUE)
+
+# suppression des années anciennes
+base_intermediaire <- BASE_PTZ_DHUP %>%
+  filter (an >= annee_conservee)
+
+base_intermediaire2 <- base_intermediaire %>%
+  select (an,cins,cpfl, cdco,lcom, dept) %>%
+  mutate(cins_egal_cpfl = case_when(
+    cins == cpfl ~ "1",
+    TRUE ~ "0"
+  ),
+  decompte=1)
+
+# FRANCE ENTIERE
+#decompte du nombre de lignes par année
+nb_lignes_tot <- base_intermediaire2 %>%
+  group_by(an) %>%
+  count() %>%
+  rename(nb_de_lignes = n)
+
+nb_lignes_erreur <- base_intermediaire2 %>%
+  group_by(an,cins_egal_cpfl) %>%
+  summarise(nombre = n()) %>%
+  mutate(pourcentage = round(nombre / sum(nombre)*100,2)) %>%
+  filter(cins_egal_cpfl == "1") %>%
+  rename(nb_erreur = nombre)
+
+erreur_france <- nb_lignes_tot %>%
+  left_join(nb_lignes_erreur) %>%
+  select(-cins_egal_cpfl)
+
+#  filtre sur region 52
+base_intermediaire3 <-  base_intermediaire2 %>%
+  filter(dept %in% c("44","49","53","72","85"))
+
+nb_lignes_tot <- base_intermediaire3 %>%
+  group_by(an) %>%
+  count() %>%
+  rename(nb_de_lignes = n)
+
+nb_lignes_erreur <- base_intermediaire3 %>%
+  group_by(an,cins_egal_cpfl) %>%
+  summarise(nombre = n()) %>%
+  mutate(pourcentage = round(nombre / sum(nombre)*100,2)) %>%
+  filter(cins_egal_cpfl == "1") %>%
+  rename(nb_erreur = nombre)
+
+erreur_region <- nb_lignes_tot %>%
+  left_join(nb_lignes_erreur) %>%
+  select(-cins_egal_cpfl)
+
+# table des erreurs region
+base_erreur_region <- base_intermediaire3 %>%
+  filter(cins_egal_cpfl == "1") %>%
+  select(-cins_egal_cpfl,decompte)
+
+