/
12_presentation_donnees_temperature.qmd
300 lines (256 loc) · 7.95 KB
/
12_presentation_donnees_temperature.qmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
---
title: "Analyse de données sur les températures par départements"
author: "Marie VAUGOYEAU"
date: "2024/02/19"
format:
revealjs:
incremental: true
footer: "A tout chemin"
toc: true
scrollable: true
code-fold: true
message: false
warning: false
pdf:
toc: true
lof: true
message: false
warning: false
echo: false
number-sections: true
editor: visual
---
```{r}
library(tidyverse)
library(sf)
donnees_temperature <- read_csv(
"data/donnees_temperature_corrigees.csv",
col_types = c("fDfnnnfffnffnnn")
)
# réordonne les modalités des variables département, region et code_insee_departement
donnees_temperature <- donnees_temperature |>
mutate(
departement = fct_relevel(donnees_temperature$departement, sort),
region = fct_relevel(donnees_temperature$region, sort),
code_insee_departement = fct_inseq(donnees_temperature$code_insee_departement)
)
```
## Présentation des données
Le jeu de données est composé de `r nrow(donnees_temperature)` lignes et `r ncol(donnees_temperature)` colonnes.
Voici un aperçu de la table.
```{r}
glimpse(donnees_temperature)
```
## Modification du jeu de données
- Il a été nécessaire de transformer la colonne `densite_humaine_par_km_carre` pour ne plus avoir un millier d'habitants.
- La colonne `densite_pop` a été créée à partir de la colonne `densite_humaine_par_km_carre` avec les règles suivantes :
- `sur-peuplé` pour une densité supérieure à 20 000 000 habitants au km²
- `très peuplé` pour une densité entre 20 000 000 et 5 000 000 habitants au km²
- `peuplé` pour une densité entre 5 000 000 et 50 000 habitants au km²
- `peu peuplé` pour une densité en dessous de 50 000 habitants par km²
- Création des colonnes `mois` et `annee` à partir de la `date_obs`
```{r}
donnees_temperature |>
count(mois, annee) |>
ggplot() +
aes(x = mois, y = annee, fill = n) +
geom_tile() +
theme_classic()
```
- Les données de **température manquantes** ont été remplacées par les moyennes des températures de la veille et du lendemain pour le même département et le même type de données.
- Les **données manquantes** de la **longitude** ont été remplacés par la **valeur exacte**. Les **données de longitude et latitude erronées** ont été corrigées grâce à internet.
## Statistiques descriptive univariée
### Variables quantitatives
```{r}
donnees_temperature |>
select(tmin:tmoy, densite_humaine_par_km_carre) |>
summary()
donnees_temperature |>
select(tmin:tmoy, densite_humaine_par_km_carre) |>
pivot_longer(
everything(),
names_to = "mesure",
values_to = "valeur"
) |>
ggplot() +
aes(x = valeur) +
geom_histogram() +
facet_wrap(~ mesure, scales = "free") +
theme_bw()
```
La **densité humaine** a clairement un **distribution asymétrique** avec beaucoup de petites données et quelques grandes valeurs (médiane <<< moyenne).
Les données de **températures** ont globalement une **distribution symétrique en cloche** représentatif d'une loi normale.
La température moyenne semble avoir deux courbes en cloches croisées, possiblement dû aux saisons.
```{r}
donnees_temperature |>
arrange(date_obs) |>
ggplot() +
aes(x = tmoy, color = fct_inorder(mois)) +
geom_density() +
labs(color = "mois") +
theme_classic()
```
### Variables quantitatives
La plus part des variables quantitatives sont liées. En effet, un département à toujours le même `code_insee_departement`, le même nom `departement`, le même `chef_lieu`, fait partie de la même `region` et appartient ou non au `continent`.
Il y a `r nrow(count(donnees_temperature, departement))` départements -> pas de département hors de la France métropole excepté la Corse.
```{r}
departement <- st_read(
dsn = "data/departement",
layer = "DEPARTEMENT",
quiet = TRUE
) |>
st_transform()
chef_lieu_coord_geo <- donnees_temperature |>
distinct(chef_lieu, longitude, latitude) |>
st_as_sf(
coords = c("longitude", "latitude"),
crs = 'EPSG:4326'
)
ggplot(departement) +
aes(fill = INSEE_REG) +
geom_sf() +
geom_sf(data = chef_lieu_coord_geo, fill = "black", color = "black") +
coord_sf(crs = 4326) +
theme(legend.position = "none") +
theme_void()
```
Il y a `r nrow(count(donnees_temperature, region))` régions qui n'ont pas le même nombre de départements.
```{r}
ggplot(donnees_temperature) +
aes(x = fct_infreq(region)) +
geom_bar() +
theme_classic() +
theme(axis.text.x = element_text(angle = 90))
```
La variable `continent` n'est pas très intéressante :
```{r}
donnees_temperature |>
count(continent) |>
ggplot() +
aes(x = "", y = n, fill = continent) +
geom_bar(stat = "identity") +
coord_polar("y") +
scale_fill_manual(values = c("oui" = "blue", "non" = "yellow")) +
theme_void()
```
## Sorties demandées
### Chloroplèthe fixe avec la température moyenne par mois
```{r}
departement_quanti <-
st_read(
dsn = "data/departement",
layer = "DEPARTEMENT"
) |>
inner_join(
donnees_temperature |>
group_by(
departement,
mois) |>
summarise(
temperature_moyenne = mean(tmoy)
),
by = c("NOM" = "departement")
) |>
st_transform(crs = '+proj=longlat +datum=WGS84')
ggplot(departement_quanti) +
aes(fill = temperature_moyenne) +
geom_sf() +
coord_sf(crs = 4326) +
facet_wrap(~ mois) +
theme_void()
```
### Courbe des températures moyennes du mois en cours encadré par min et max extrême
Exemple pour le `Maine et Loire` au mois de `mai`
```{r}
temperature_dpt_moi <- donnees_temperature |>
group_by(departement, mois, jour = date_obs |> day()) |>
summarise(
temperature_moyenne = mean(tmoy),
temperature_minimale = min(tmin),
temperature_maximale = max(tmax)
)
temperature_dpt_moi |>
filter(
departement == "Maine-et-Loire",
mois == "mai"
) |>
ggplot() +
aes(x = jour, y = temperature_moyenne) +
geom_smooth(color = "black", se = FALSE) +
geom_smooth(aes(y = temperature_minimale), color = "blue", se = FALSE) +
geom_smooth(aes(y = temperature_maximale), color = "red", se = FALSE) +
ggtitle("Maine et Loire (mai)") +
ylab("Température") +
theme_bw()
```
### Evolution historique des températures de proximité
Exemple pour le `Maine et Loire`
```{r}
donnees_temperature |>
filter(departement == "Maine-et-Loire") |>
ggplot() +
aes(x = date_obs, y = tmoy) +
geom_smooth(color = "black") +
geom_smooth(aes(y = tmin), color = "blue") +
geom_smooth(aes(y = tmax), color = "red") +
ggtitle("Maine et Loire") +
ylab("Température") +
xlab("année") +
theme_bw()
```
### Lien entre les températures et les densités de populations
```{r}
donnees_temperature |>
ggplot() +
aes(x = densite_pop, y = tmin, color = densite_pop) +
geom_boxplot() +
geom_text(
aes(
y = 30,
label = label),
data = tibble(
densite_pop = donnees_temperature$densite_pop |> fct_unique(),
label = c("a", "b", "b", "c")
)
) +
theme_classic()
donnees_temperature |>
ggplot() +
aes(x = densite_pop, y = tmoy, color = densite_pop) +
geom_boxplot() +
geom_text(
aes(
y = 35,
label = label),
data = tibble(
densite_pop = donnees_temperature$densite_pop |> fct_unique(),
label = c("a", "b", "a", "b")
)
) +
theme_classic()
donnees_temperature |>
ggplot() +
aes(x = densite_pop, y = tmax, color = densite_pop) +
geom_boxplot() +
geom_text(
aes(
y = 45,
label = label),
data = tibble(
densite_pop = donnees_temperature$densite_pop |> fct_unique(),
label = c("c", "b", "a", "ab")
)
) +
theme_classic()
```
### La densité de la population en fonction des régions
```{r}
donnees_temperature |>
count(region, densite_pop) |>
ggplot() +
aes(x = densite_pop, y = region, fill = n) +
geom_tile() +
theme_classic()
```
## La suite ?
C'est à vous de voir !