jour5
LF
2023-06-27
library(lme4)## Le chargement a nécessité le package : Matrixlibrary(multilevelTools)
library(lmerTest)##
## Attachement du package : 'lmerTest'## L'objet suivant est masqué depuis 'package:lme4':
##
## lmer## L'objet suivant est masqué depuis 'package:stats':
##
## steplibrary(sf) #si cela fonctionne pas télécharger libgdal-dev dans synaptic## Linking to GEOS 3.8.0, GDAL 3.0.4, PROJ 6.3.1; sf_use_s2() is TRUElibrary(tidyverse)## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.2 ✔ readr 2.1.4
## ✔ forcats 1.0.0 ✔ stringr 1.5.0
## ✔ ggplot2 3.4.2 ✔ tibble 3.2.1
## ✔ lubridate 1.9.2 ✔ tidyr 1.3.0
## ✔ purrr 1.0.1## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ tidyr::expand() masks Matrix::expand()
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ✖ tidyr::pack() masks Matrix::pack()
## ✖ tidyr::unpack() masks Matrix::unpack()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorslibrary(readxl)
library(ggrepel)vignobles <- st_read("/home/lf/Nextcloud/Sauvegarde PC/Doctorat/Formations/QuantiLille_2023/Donnees_spat/geo/Vignobles_prix.shp") %>%
st_transform(crs="EPSG:2154")## Reading layer `Vignobles_prix' from data source
## `/home/lf/Nextcloud/Sauvegarde PC/Doctorat/Formations/QuantiLille_2023/Donnees_spat/geo/Vignobles_prix.shp'
## using driver `ESRI Shapefile'
## Simple feature collection with 2391 features and 8 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY
## Bounding box: xmin: 826631.6 ymin: 6645988 xmax: 851465.7 ymax: 6690810
## Projected CRS: RGF93 / Lambert-93head(vignobles)## Simple feature collection with 6 features and 8 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY
## Bounding box: xmin: 829391.8 ymin: 6653883 xmax: 831448.4 ymax: 6655864
## Projected CRS: RGF93 / Lambert-93
## Concat LIBCOM NOM NIVEAU
## 1 1AUXEY-DURESSESCORLOIN AUXEY-DURESSES CORLOIN Coteaux b.
## 2 1AUXEY-DURESSESDERRIERE LE BOIS AUXEY-DURESSES DERRIERE LE BOIS Coteaux b.
## 3 1AUXEY-DURESSESEN CHAIGNUT AUXEY-DURESSES EN CHAIGNUT Coteaux b.
## 4 1AUXEY-DURESSESEN FRIVOLE AUXEY-DURESSES EN FRIVOLE Coteaux b.
## 5 1AUXEY-DURESSESEN MORVIN AUXEY-DURESSES EN MORVIN Coteaux b.
## 6 1AUXEY-DURESSESEN POCHENOT AUXEY-DURESSES EN POCHENOT Coteaux b.
## SURFACE SCORE_b Source PrixMoy geometry
## 1 0.22 67.66 interpolation 27 MULTIPOLYGON (((831448.4 66...
## 2 0.55 44.41 interpolation 36 MULTIPOLYGON (((831201.1 66...
## 3 0.96 56.02 interpolation 45 MULTIPOLYGON (((829782.7 66...
## 4 0.61 50.18 interpolation 48 MULTIPOLYGON (((829491.5 66...
## 5 0.18 55.29 interpolation 38 MULTIPOLYGON (((830567.3 66...
## 6 0.28 59.73 interpolation 43 MULTIPOLYGON (((830017.7 66...summary(vignobles)## Concat LIBCOM NOM NIVEAU
## Length:2391 Length:2391 Length:2391 Length:2391
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## SURFACE SCORE_b Source PrixMoy
## Min. :0.0000 Min. :18.40 Length:2391 Min. : 5.0
## 1st Qu.:0.1300 1st Qu.:67.90 Class :character 1st Qu.: 23.0
## Median :0.3100 Median :73.20 Mode :character Median : 36.0
## Mean :0.4773 Mean :71.89 Mean : 154.4
## 3rd Qu.:0.6100 3rd Qu.:76.60 3rd Qu.: 87.0
## Max. :7.2000 Max. :94.22 Max. :25960.0
## NA's :4
## geometry
## MULTIPOLYGON :2391
## epsg:2154 : 0
## +proj=lcc ...: 0
##
##
##
## communes <- st_read("/home/lf/Nextcloud/Sauvegarde PC/Doctorat/Formations/QuantiLille_2023/Donnees_spat/geo/Communes.shp") %>%
st_transform(crs="EPSG:2154")## Reading layer `Communes' from data source
## `/home/lf/Nextcloud/Sauvegarde PC/Doctorat/Formations/QuantiLille_2023/Donnees_spat/geo/Communes.shp'
## using driver `ESRI Shapefile'
## Simple feature collection with 31 features and 20 fields
## Geometry type: POLYGON
## Dimension: XY
## Bounding box: xmin: 826428 ymin: 6645899 xmax: 855115 ymax: 6691133
## Projected CRS: RGF93 / Lambert-93head(communes)## Simple feature collection with 6 features and 20 fields
## Geometry type: POLYGON
## Dimension: XY
## Bounding box: xmin: 831753 ymin: 6649806 xmax: 855115 ymax: 6688354
## Projected CRS: RGF93 / Lambert-93
## gid id_geofla code_comm insee_com nom_comm statut
## 1 563 563 054 21054 BEAUNE Sous-préfecture
## 2 573 573 267 21267 FLAGEY-ECHEZEAUX Commune simple
## 3 2196 2196 295 21295 GEVREY-CHAMBERTIN Chef-lieu canton
## 4 2219 2219 464 21464 NUITS-SAINT-GEORGES Chef-lieu canton
## 5 2228 2228 512 21512 PULIGNY-MONTRACHET Commune simple
## 6 6127 6127 200 21200 COUCHEY Commune simple
## x_chf_lieu y_chf_lieu x_centroid y_centroid z_moyen superficie population
## 1 8396 66598 8395 66599 252 3110 21.9
## 2 8500 66758 8501 66751 230 799 0.5
## 3 8488 66825 8500 66818 300 2503 3.3
## 4 8478 66726 8468 66735 320 2038 5.6
## 5 8334 66509 8338 66510 241 730 0.5
## 6 8498 66863 8482 66864 396 1258 1.2
## code_cant code_arr code_dept nom_dept code_reg nom_region Cote
## 1 98 1 21 COTE-D'OR 26 BOURGOGNE Côte de Beane
## 2 24 1 21 COTE-D'OR 26 BOURGOGNE Côte de Nuit
## 3 15 2 21 COTE-D'OR 26 BOURGOGNE Côte de Nuit
## 4 24 1 21 COTE-D'OR 26 BOURGOGNE Côte de Nuit
## 5 23 1 21 COTE-D'OR 26 BOURGOGNE Côte de Beane
## 6 15 2 21 COTE-D'OR 26 BOURGOGNE Côte D'or
## geometry
## 1 POLYGON ((843586 6656790, 8...
## 2 POLYGON ((852627 6673525, 8...
## 3 POLYGON ((851046 6679694, 8...
## 4 POLYGON ((847977 6670152, 8...
## 5 POLYGON ((835887 6649806, 8...
## 6 POLYGON ((852913 6684159, 8...Ici, on va faire la carte des vignobles.
ggplot(data = vignobles) +
geom_sf(aes(fill = log(PrixMoy)),#aes = esthétique du graph
lwd=0.01, colour = "white")+
scale_fill_viridis_c(option = "viridis")+
labs(title = "Niveaux de prix des vignobles")
ggplot(data = vignobles)+
geom_sf(aes(fill=SCORE_b),
lwd=0.01, colour = "white")+
scale_fill_viridis_c(option = "viridis")+
labs(title = "niveaux de qualite")
ggplot(data = communes)+
geom_sf()
vignobles_par_commune <- as_tibble(vignobles) %>%
group_by(LIBCOM)%>%
summarise(aire_vignobles = sum(SURFACE),
MoyPond_b = sum(SCORE_b * SURFACE) / sum(SURFACE),
N_vignobles = n(),
Prix_moyen = mean(PrixMoy, na.rm=T))
vignobles_par_commune_par_AOC <- as_tibble(vignobles) %>%
count(LIBCOM, NIVEAU) %>%
pivot_wider(names_from = NIVEAU, values_from = n) %>%
mutate_if(is.numeric,replace_na,0)