TP R-Shiny

Shapefile

Le shapefile, ou “fichier de formes” est un format de fichier pour les systèmes d’informations géographiques (SIG). Il contient toute l’information liée à la géométrie des objets décrits, qui peuvent être :

• des points
• des lignes
• des polygones

Son extension est classiquement SHP, et il est toujours accompagné de deux autres fichiers de même nom, et d’extensions :

• un fichier DBF, qui contient les données attributaires relatives aux objets contenus dans le shapefile
• un fichier SHX, qui stocke l’index de la géométrie

Placer le dossier BM_IRIS dans le dossier data/raw présent à la racine du Rprojet TD_shiny. Ce dossier est un shapefile, il dessine des contours de zone du territoire bordelais à l’echelle de l’iris.

Afin d’utiliser ce fichier sur des fonds de cartes nous allons le charger et le transformer en objet SpatialPolygonsDataFrame utilisable par R.

# ----- Convert shape coordinate to Web Mercator
# ----- charge les fichiers shape en un objet SpatialPolygonsDataFrame
dat_IRIS<-readOGR(dsn="data/rawData/BM_IRIS", layer="BM_IRIS",verbose = FALSE)
# ----- Définit la méthode de conversion des coordonnées GPS : Lambert93 => Web Mercator (WGS84)
projIris <- sp::CRS('+proj=longlat +datum=WGS84 +ellps=WGS84 +towgs84=0,0,0')
# ----- Transforme les coordonnées de tous les objets présents dans le fichier shape
contourIris <- sp::spTransform(dat_IRIS,projIris)
rm(list = c("dat_IRIS","projIris"))
# ----- Sauvegarde le fichier shape traité
save(contourIris,file = "data/processedData/contourIris.Rdata")

L’objet contourIris est une liste composée de :

• @data : un data frame avec des informations sur chacun des polygones (voir tableau ci-après)
• @polygons : une liste de polygones représentant les formes des iris et leurs coordonnées

La première ligne de contourIris@data correspond au premier element de la liste contourIris@polygons.

Données temporelles format xts

xts ou Extencible Time Series est un package R qui fournit une classe de séries chronologiques extensibles, permettant une gestion uniforme de nombreuses classes de séries temporelles.

Créer un objet xts

library(xts)
xts1 <- xts(x=1:10, order.by=Sys.Date()-1:10)
data <- rnorm(5)
dates <- seq(as.Date("2017-05-01"), length=5, by="days")
xts2 <- xts(x=data, order.by=dates)
xts3 <- xts(x=rnorm(10), order.by=as.POSIXct(Sys.Date()+1:10), born=as.POSIXct("1899-05-08"))
xts4 <- xts(x=1:10, order.by=Sys.Date()+1:10)

# ----- Série temporelle multivariée
xts5 <- cbind(xts1,xts4)

# ----- à partir d'un objet ts
data(AirPassengers)
xts6 <- as.xts(AirPassengers)

Les objets xts ont deux composants principaux :

• coredata : une matrice pour les objets xts
• index: vecteur de n’importe quelle Date, classes POSIXct, DateTime

head(coredata(xts6))

##      [,1]
## [1,]  112
## [2,]  118
## [3,]  132
## [4,]  129
## [5,]  121
## [6,]  135

head(index(xts6))

## [1] "janv. 1949" "févr. 1949" "mars 1949"  "avr. 1949"  "mai 1949"  
## [6] "juin 1949"

dygraph(xts6)

Cas d’application : Consommation moyenne journalière métropole Bordelaise

# ----- calcul CMJ par iris et ajout au fichier shape
TLRV_bdx$DCOMIRIS <- Base_client$DCOMIRIS[match(TLRV_bdx$ID, Base_client$ID)]
CMJ_iris <- TLRV_bdx %>% group_by(DCOMIRIS) %>% dplyr::summarise(CMJ=mean(vol, na.rm = T))
contourIris@data$CMJ <- CMJ_iris$CMJ[match(contourIris@data$DCOMIRIS, CMJ_iris$DCOMIRIS)]

# ----- Ajout variables INSEE dans le fichier shape 
INSEE <- read.csv2("data/raw/INSEE.csv", stringsAsFactors = F)
contourIris@data$nb_menage <- INSEE$Ménages.en.2014..compl.[match(contourIris@data$DCOMIRIS, INSEE$IRIS)]
contourIris@data$nb_personne_menage <- INSEE$Pop.Ménages.en.2014..compl.[match(contourIris@data$DCOMIRIS, INSEE$IRIS)]

Afficher une carte

library(leaflet)
m <- leaflet(width = "100%") %>%
  addTiles() %>%  # ajoute un fond de carte par défaut (OpenStreetMap)
  addMarkers(lng=174.768, lat=-36.852, popup="The birthplace of R") # ajoute un marqueur
m  # Affiche la map

Cas d’application : Consommation moyenne journalère à l’échelle de l’iris

library(leaflet)
load("~/TD/TP_Rshiny/data/processed/contourIris.RData")

labels <- sprintf(
  "<strong>%s</strong><br/>%g m<sup>3</sup>/j",
  contourIris$NOM_IRIS, round(contourIris$CMJ,2)
) %>% lapply(htmltools::HTML)

labelsInsee <- sprintf(
  "<strong>%s</strong><br/>%g m&eacute;nages",
  contourIris$NOM_IRIS,contourIris$nb_menage
) %>% lapply(htmltools::HTML)

bins <- c(0, 1, 2, 3, 4, 5, 50, Inf)
pal <- colorBin("Blues", domain = contourIris$CMJ, bins = bins)

binsInsee <- c(0,500,1000,1500,2000,2500,Inf)
pal2 <- colorBin("YlOrRd", domain = contourIris$nb_menage, bins = binsInsee)

leaflet(contourIris,width = "100%") %>%
  addTiles() %>%
  addPolygons(
    group = "conso",
    weight = 2,
    opacity = 1,
    color = "white",
    fillColor = ~pal(CMJ),
    dashArray = "3",
    fillOpacity = 0.7,
    highlight = highlightOptions(
      weight = 5,
      color = "#666",
      dashArray = "",
      fillOpacity = 0.7,
      bringToFront = TRUE),
    label = labels,
    labelOptions = labelOptions(
      style = list("font-weight" = "normal", padding = "3px 8px"),
      textsize = "15px",
      direction = "auto")
  )%>%
    addPolygons(
    group = "nb_menage",
    weight = 2,
    opacity = 1,
    color = "white",
    fillColor = ~pal2(nb_menage),
    dashArray = "3",
    fillOpacity = 0.7,
    highlight = highlightOptions(
      weight = 5,
      color = "#666",
      dashArray = "",
      fillOpacity = 0.7,
      bringToFront = TRUE),
    label = labelsInsee,
    labelOptions = labelOptions(
      style = list("font-weight" = "normal", padding = "3px 8px"),
      textsize = "15px",
      direction = "auto")
  )%>%
  addLegend(pal = pal, values = ~CMJ, opacity = 0.7, title = "CMJ",group = "conso",
                  position = "bottomright")%>%
  addLegend(pal = pal2, values = ~nb_menage, opacity = 0.7, title = "Nb ménages",group = "nb_menage",
                  position = "bottomright")%>%
  addLayersControl(position="topright",overlayGroups  = c("nb_menage","conso"))%>%
  hideGroup(c("nb_menage"))