Exemple : Etude Consomation en eau pour les contrats Domestiques en 2021 • EvalConso

Dans cette vignette d’exemple nous allons effectuer différents type de représentation pour le suivis de la consomation en eaux sur un enssemble de commune de l’Herault.

Création d’une représentation Cartographique de l’Hérault.

Importation et Chargement des données :

Cette première étape consiste à lire deux fichiers.

Le premier fichier est un exemple de base de données type, utilisé pour les régies des eaux, et regroupant des informations sur la consommation, le type d’abonnement ou encore les effectifs Test.xlsx.
Le second fichier est un ShapeFile de la région de l’Hérault, contenant de l’information sur l’ensemble des communes du département georef2-herault.shp.

Pour simplifier cette tâche, nous utiliserons la fonction readData() qui permet de combiner aux informations présentent dans le fichier de la régie, les informations géographiques associé aux communes. La fonction nécessite en entrée plusieurs éléments :

varL correspond au nom de colonne des deux fichiers, contenant la même information (ici, les codes INSEE des communes)
path correspond à l’environnement de travail (ici ../inst/extada, est le chemin relatif vers les ressources propres au pkg)
data et shp correspondent au sous-répertoire dans laquelle les deux fichiers utilisent en entrée sont.

dfSpatial <- readData(varL = list(data = "Code_INSEE_PDD", shp ="insee_com"),
                      path = "../inst/extdata", 
                      data = "/data/Test.xlsx", 
                      shp = "shp/georef2-herault.shp")

Création de la carte :

Afin d’évaluer la consommation sur les communes représenté dans le fichier d’entrée Test.xlsx, nous utilisons ici une seconde fonction plotMapVars() dont le but est de filtrer et d’afficher les informations souhaitées. Elle prend en arguments :

df la dataframe geospatialisé précédemment
var la variable d’intérêt à affiché (ici, nous regardons la consommation moyenne en 2021.)
filters le choix des catégories à afficher (par exemple, ici, nous filtrons la consommation moyenne en 2021, mais pour les abonnements “Domestique”, et dont l’évolution est “Croissante.”)
main le titre souhaiter pour la carte (en relation avec les filtres et variables sélectionnées)

plotMapVars(df = dfSpatial, 
            var = "2021_Moy",
            filters = c("Domestique", "Croissante"),
            add = c("2020_Effectif"),
            main = "Consomation en eaux pour les contrats domestiques pour l'année 2021"
          )

Étude de l’évolution des consommations dans l’Hérault

Pour évaluer l’évolution des consommations sur l’ensemble des années présentent de le fichier, nous utilisons la fonction plotEvolConsu(). Cette fonction a pour objectif d’afficher pour les différents type d’abonnement, l’évolution des consommations pour l’ensemble des communes représenté. Elle prend en entrée :

df la dataframe (geospatialisé ou non) précédemment
filters un vecteur contenant les catégories de tendance présente dans Test.xlsx
agg.by le nom de la colonne qui va servir a agréger les informations (ici CAT_ABO_DET0, qui contient les différentes catégories d’abonnement)
agg.meth la méthode qui servira a agréger les informations (moyenne, médiane ou cumul)

plotEvolConsu(df = dfSpatial, 
              filters = c("Croissante", "Decroissante",
                          "Pas de tendance", "Stationnaire"), 
              aggr.by = "CAT_ABO_DET0",
              aggr.meth = "mean")

Cette vignette est donc un exemple d’utilisation de quelques fonctions construite pour évaluer l’évolution des consommations en eaux sous différentes approches, spatiale ou temporelle.