# 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('small.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)