Atelier Quarto - Exercice 1

Python : tableau, graphe, carte, inline code

Chargement des librairies

Un premier bloc de code (chunk en anglais) est utilisé pour charger les librairies python qui seront utilisées dans les blocs de code suivant.

import geopandas as gpd
import pandas as pd
import plotly.express as px
from IPython.display import display, HTML
import folium
from folium.features import GeoJsonTooltip

Chargement d’un json et sélection de colonnes

Python peut lire tous les formats, le geojson est un classique. La librairie pandas permet ensuite de manipuler ce fichier geojson, par exemple, sélectionner quelques colonnes et supprimer la colonne géométrie.

# Fonction pour lire un geojson
communes_mrn = gpd.read_file("data/communes_mrn.geojson")

# Utilisation du vocabulaire de pandas pour sélectionner quelques colonnes 
communes_mrn_qqs_colonnes = communes_mrn.drop(columns='geometry')[['nom', 'population', 'surface_ha']]

Affichage d’un tableau

Et voici un affichage sous forme de tableau HTML.

# Affichage du tableau de donnée, oui c'est juste une ligne...
display(HTML(communes_mrn_qqs_colonnes.to_html()))

	nom	population	surface_ha
0	Elbeuf	16087	1632
1	Yainville	1037	331
2	Hénouville	1366	1069
3	Canteleu	13807	1761
4	Saint-Étienne-du-Rouvray	28331	1825
5	Petit-Couronne	8732	1280
6	Isneauville	3601	820
7	Jumièges	1693	1875
8	Saint-Jacques-sur-Darnétal	3108	1671
9	Fontaine-sous-Préaux	558	352
10	Maromme	10845	401
11	Freneuse	960	318
12	Bihorel	8197	251
13	Le Houlme	4149	297
14	Darnétal	9780	493
15	Orival	881	955
16	Tourville-la-Rivière	2562	800
17	Grand-Couronne	9731	1691
18	Les Authieux-sur-le-Port-Saint-Ouen	1254	453
19	Le Petit-Quevilly	21997	435
20	Bonsecours	6466	376
21	Caudebec-lès-Elbeuf	9996	368
22	Moulineaux	922	349
23	Notre-Dame-de-Bondeville	6966	628
24	Saint-Martin-du-Vivier	1675	500
25	Yville-sur-Seine	437	825
26	Cléon	4919	647
27	Saint-Léger-du-Bourg-Denis	3617	281
28	Épinay-sur-Duclair	510	661
29	Le Mesnil-sous-Jumièges	617	684
30	Berville-sur-Seine	544	701
31	Saint-Paër	1307	1836
32	Quévreville-la-Poterie	1029	468
33	Le Mesnil-Esnard	7925	507
34	Hautot-sur-Seine	396	216
35	Rouen	114187	2138
36	Malaunay	6160	925
37	La Londe	2351	3098
38	Ymare	1182	403
39	Saint-Pierre-de-Manneville	885	1021
40	Anneville-Ambourville	1176	2033
41	Sotteville-sous-le-Val	749	527
42	Déville-lès-Rouen	10644	316
43	Val-de-la-Haye	718	1016
44	Mont-Saint-Aignan	19686	794
45	Sotteville-lès-Rouen	29071	744
46	Belbeuf	2242	651
47	Saint-Aubin-lès-Elbeuf	8428	579
48	Roncherolles-sur-le-Vivier	1212	535
49	Bardouville	622	861
50	Saint-Pierre-lès-Elbeuf	8251	636
51	Franqueville-Saint-Pierre	6099	856
52	Gouy	898	497
53	Quevillon	593	1123
54	Houppeville	2918	2080
55	La Bouille	707	127
56	Saint-Aubin-Épinay	1020	983
57	Sahurs	1212	1123
58	Le Trait	4831	1752
59	Amfreville-la-Mi-Voie	3299	394
60	Montmain	1397	604
61	Saint-Aubin-Celloville	1180	672
62	Le Grand-Quevilly	26034	1111
63	Bois-Guillaume	14378	885
64	Saint-Pierre-de-Varengeville	2290	1318
65	Boos	3990	1403
66	Sainte-Marguerite-sur-Duclair	2027	726
67	La Neuville-Chant-d'Oisel	2378	2183
68	Oissel	12266	2219
69	Duclair	4010	1002
70	Saint-Martin-de-Boscherville	1536	1291

Un premier graphe

Ensuite, il est assez simple de faire un graphe avec la grammaire de base de la librairie plotly.

fig = px.bar(
    communes_mrn.sort_values(by='population', ascending=True),
    y='nom',  # Utiliser y pour les noms des communes
    x='population',  # Utiliser x pour les populations
    title='Population des Communes de la MRN',
    labels={'nom': 'Commune', 'population': 'Population'},
    text='population',
    orientation='h',  # Graphique en barres horizontales
    height=1200
)

fig

Une première carte pour vérifier les géométries

# Ajout d'une carte leaflet
communes_mrn.explore()

Make this Notebook Trusted to load map: File -> Trust Notebook

Une carte en aplat de couleurs

communes_mrn = communes_mrn.to_crs(epsg=4326)

# Créer une carte centrée sur le centroïde
m = folium.Map()

# se caler sur les limites de la couche
bbox = communes_mrn.total_bounds
minx, miny, maxx, maxy = bbox
bounds = [[miny, minx], [maxy, maxx]]
m.fit_bounds(bounds)



# Choroplèthe
chloropeth = folium.Choropleth(
    geo_data=communes_mrn,
    data=communes_mrn,
    columns=["nom", "population"],
    key_on="feature.properties.nom",
    fill_color="Reds",
    bins=10,
    fill_opacity=0.7,
    line_opacity=0.2,
    legend_name="Population / commune",
    highlight=True,
)

# Define the tooltips
tooltip = GeoJsonTooltip(
    fields=['nom', 'population', "insee_com"],
    aliases=['Commune: ', 'Population: ', "Code INSEE:"],
    localize=True,
    sticky=False,
    smooth_factor=0,
    labels=True,
    style="""
        background-color: #F0EFEF;
        border: 2px solid black;
        border-radius: 3px;
        box-shadow: 3px;
        font-size: 12px;
    """,
    max_width=750,
)

chloropeth.geojson.add_child(tooltip)
chloropeth.add_to(m)

# Ajouter un contrôle de couches
folium.LayerControl().add_to(m)

# Afficher la carte
m

Make this Notebook Trusted to load map: File -> Trust Notebook

Mélanger texte et résultats avec du inline

# Filtre
pop_rouen_df = communes_mrn[communes_mrn['insee_com'] == '76540'][['population']]

# et pour passer d'un dataframe à une simple valeur
pop_rouen_value = f"{pop_rouen_df.iloc[0, 0]:,}".replace(',', ' ')

Rouen compte 114 187 habitants.
Dans cette phrase, le nombre d’habitants est issus directement du code grace à la syntaxe inline code.