scripts/irve_bornes_recharge/index.py

# url = "https://www.data.gouv.fr/fr/datasets/r/7eee8f09-5d1b-4f48-a304-5e99e8da1e26"
import pandas_geojson as pdg
from pandas import DataFrame
from pandas_geojson import GeoJSON
import re

def load_small_dataset():
    geojson: GeoJSON = pdg.read_geojson('irve.geojson')
    df: DataFrame = geojson.to_dataframe()
    # df = clean_geojson_properties(df)
    return df


def clean_geojson_properties(gdf):
    """Convertit en True et False les valeurs de propriétés qui valent des string "True" ou "False" avec une case mixte.
       Applique la conversion uniquement aux colonnes textuelles."""

    PROPERTY_NAMES = (
        "prise_type_ef",
        "prise_type_2",
        "prise_type_combo_ccs",
        "prise_type_chademo",
        "prise_type_autre",
        "gratuit",
        "paiement_acte",
        "paiement_cb",
        "paiement_autre",
        "station_deux_roues",
        "consolidated_is_lon_lat_correct",
        "consolidated_is_code_insee_verified",
    )

    for col_name in PROPERTY_NAMES:
        pattern = r"^(?:true|false)$", re.IGNORECASE
        gdf[col_name] = gdf[col_name].str.match(pattern).replace({True: True, False: False}).astype(bool)

    return gdf

###
# les propriétés de chaque point de charge sont:
# ['nom_amenageur', 'iren_amenageur', 'contact_amenageur', 'properties.nom_operateur', 'contact_operateur', 'telephone_operateur', 'nom_enseigne', 'id_station_itinerance', 'id_station_local', 'nom_station', 'implantation_station', 'adresse_station', 'code_insee_commune', 'coordonneesXY', 'nbre_pdc', 'id_pdc_itinerance', 'id_pdc_local', 'puissance_nominale', 'prise_type_ef', 'prise_type_2', 'prise_type_combo_ccs', 'prise_type_chademo', 'prise_type_autre', 'gratuit', 'paiement_acte', 'paiement_cb', 'paiement_autre', 'tarification', 'condition_acces', 'eservation', 'horaires', 'accessibilite_pmr', 'estriction_gabarit', 'tation_deux_roues', 'raccordement', 'num_pdl', 'date_mise_en_service', 'observations', 'date_maj', 'cable_t2_attache', 'last_modified', 'datagouv_dataset_id', 'datagouv_resource_id', 'datagouv_organization_or_owner', 'created_at', 'consolidated_longitude', 'consolidated_latitude', 'consolidated_code_postal', 'consolidated_commune', 'consolidated_is_lon_lat_correct', 'consolidated_is_code_insee_verified']
#
###
def evaluate_score_of_operators(df):
    operateurs: int = df['properties.nom_amenageur'].value_counts()
    print('score de chaque opérateur:')
    for operateur, count in operateurs.items():
        print(f'- {operateur}: {count} points')


properties_quality_check = [
    'missing__phone',
    'missing__id_pdc_itinerance',
    'bad_format__telephone_operateur',
    'duplicate__coordinates',
    'missing__puissance_nominale',
    'missing__cable_attached',
    'bad__lon_lat'
]


# on crée des colonnes supplémentaires pour stocker les erreurs de chaque type,
# puis on utilise la fonction groupby pour stocker les erreurs par opérateur.
# Le résultat est un DataFrame errors_by_operator qui contient
# le nombre d'erreurs de chaque type pour chaque opérateur.
def calculate_bad_quality(df):
    df['bad_quality'] = 0

    # Une ligne n'ayant rien dans une des colonnes "id_pdc_itinerance", "telephone_operateur" fait gagner 1 point.
    df['missing__phone'] = df['properties.telephone_operateur'].isnull().astype(int)
    df['missing__id_pdc_itinerance'] = df['properties.id_pdc_itinerance'].isnull().astype(int)
    df['missing__puissance_nominale'] = df['properties.puissance_nominale'].isnull().astype(int)
    df['missing__cable_attached'] = df['properties.cable_t2_attache'].isnull().astype(int)
    # print(df['properties.consolidated_is_lon_lat_correct'])
    df['bad__lon_lat'] = df['properties.consolidated_is_lon_lat_correct'] == False

    # Un texte dans "telephone_operateur" fait gagner 2 points.
    df['bad_format__telephone_operateur'] = df['properties.telephone_operateur'].apply(
        lambda x: isinstance(x, str)).astype(int)

    # Si une ligne a les mêmes coordonnées géographiques qu'une autre, on gagne 3 points pour l'opérateur.
    df['coordinates'] = df['geometry.coordinates'].apply(lambda x: tuple(x))
    duplicate_coordinates = df[df.duplicated(subset='coordinates', keep=False)]
    df['duplicate__coordinates'] = df['coordinates'].isin(duplicate_coordinates['coordinates']).astype(int)

    # Calcul du score de mauvaise qualité
    df['bad_quality'] = df['missing__phone'] + df['missing__id_pdc_itinerance'] + 2 * df[
        'bad_format__telephone_operateur'] + 3 * df['duplicate__coordinates']

    # Stockage des erreurs par opérateur
    errors_by_operator = df.groupby('properties.nom_amenageur')[
        properties_quality_check
    ].sum()

    return df, errors_by_operator


def render_champions_of_bad_data(df):
    df, errors_by_operator = calculate_bad_quality(df)

    print('* Nombre d\'opérateurs: ', len(df.groupby('properties.nom_amenageur')))
    operateurs = df.groupby('properties.nom_amenageur')['bad_quality'].sum().sort_values(ascending=False)
    champions = operateurs.nlargest(3)
    print('\n* Les champions des bras cassés de l\'open data:')
    for i, (operateur, score) in enumerate(champions.items()):
        if i == 0:
            print(f'** Médaille d\'or: {operateur} avec {score} points de mauvaise qualité')
        elif i == 1:
            print(f'** Médaille d\'argent: {operateur} avec {score} points de mauvaise qualité')
        elif i == 2:
            print(f'** Médaille de bronze: {operateur} avec {score} points de mauvaise qualité')


def render_all_operator(df):
    df, errors_by_operator = calculate_bad_quality(df)
    operateurs = df.groupby('properties.nom_amenageur')['bad_quality'].sum().sort_values(ascending=False)
    champions = operateurs.nlargest(500)

    print(errors_by_operator)
    print('\n* Les opérateurs:')
    for i, (operateur, score) in enumerate(champions.items()):
        print('\n** ', operateur, ', ', score, ' points')

        search_bad_property_for_operator(df, errors_by_operator, 'bad_format__telephone_operateur',
                                         'mauvais numéros de téléphone', operateur)
        search_bad_property_for_operator(df, errors_by_operator, 'duplicate__coordinates', 'coordonnées GPS dupliquées',
                                         operateur)
        search_bad_property_for_operator(df, errors_by_operator, 'missing__id_pdc_itinerance',
                                         'Identifiant en itinérance manquant', operateur)
        search_bad_property_for_operator(df, errors_by_operator, 'missing__phone', 'numéro de téléphone manquant',
                                         operateur)
        search_bad_property_for_operator(df, errors_by_operator, 'missing__puissance_nominale',
                                         'puissance nominale manquante', operateur)
        search_bad_property_for_operator(df, errors_by_operator, 'bad__lon_lat',
                                         'coordonnées éronnées', operateur)


def search_bad_property_for_operator(gdf, errors_by_operator, property_name, error_description, operator_name):
    """Recherche les occurrences de la mauvaise propriété pour un opérateur donné
    :type operator_name: str
    """

    counter_bad_lines = errors_by_operator.loc[operator_name, property_name]
    if counter_bad_lines:

        total_lines = len(gdf.loc[gdf['properties.nom_amenageur'] == operator_name])

        if total_lines != 0:
            proportion = (counter_bad_lines / total_lines) * 100
        else:
            proportion = 0

        print(f'- {error_description}:\t{counter_bad_lines}/{total_lines}\t ({proportion:.2f}%)')


if __name__ == '__main__':
    df = load_small_dataset()
    # evaluate_score_of_operators(df)
    render_champions_of_bad_data(df)
    render_all_operator(df)