Cartographies

Ajout 8/1/22 : Contours départements, mise à jour des espaces France Services, mise à jour CNFS

import geopandas as gpd
import pandas as pd
import folium
import os

# Lecture des données de score
dfS = pd.read_csv('./scores_bonus.csv', sep='\t')
print(len(dfS), "données d'indice de fragilité numérique")
display(dfS.head(5))

#Lecture contours de départements
filename = '../data/Contourgeocode/departements.geojson'
geodfDep = gpd.read_file(filename)
geodfDep = geodfDep[geodfDep["code"].isin(["44","72","49", "53", "85"])]

# Lecture des contours de communes
filename = '../data/Contourgeocode/a_com2020_PDL_geojson.json'
geodf = gpd.read_file(filename)
geodf['codgeo'] = geodf['codgeo'].astype('int')
print(len(geodf), "données géographiques de communes")
display(geodf.head(5))

cols = [['p_75+', '+', 'Score +75 ans', 3],
['p_60_74', '+', 'Score 60-74 ans', 2], 
['p_15_29', '+', 'Score 15-29ans', 2], 
['p_0dipl', '+', 'Score aucun diplome', 3], 
['p_faibldipl', '+', 'Score faible dipl', 2], 
['MED17', '-', 'Score revenus median faible', 1], 
['p_foyer1pers', '+', 'Score familles monoparentales & foyer 1 pers', 2], 
['p_ind', '+', "Score d'independants", 1], 
['p_empl', '+', "Score d'employés", 1],
['p_ouv', '+', "Score d'ouvriers", 3]]

1238 données d'indice de fragilité numérique

	CODGEO	Commune	Département	Environnement Démographique	score	France Services	score_FS	Lieu Mediation	score_LieuMed	score_DoubleBonus	score_60_74	score_75+	score_15_29	score_0dipl	score_faibldipl	score_revmed	score_foyer1	score_ind	score_empl	score_ouv
0	44001	Abbaretz	44	Bassin Résidentiel	59.6	False	59.6	True	54.6	54.6	28.0	30.5	29.5	40.8	37.0	78.9	46.1	13.8	34.2	38.5
1	44002	Aigrefeuille-sur-Maine	44	Bassin Urbain	28.4	False	28.4	False	28.4	28.4	25.6	17.9	27.6	24.7	30.4	44.8	38.0	13.0	42.5	29.3
2	44003	Ancenis-Saint-Géréon	44	Bassin Industriel	57.9	True	47.9	True	52.9	42.9	35.4	32.9	29.2	38.9	28.5	59.5	70.1	18.7	29.5	26.4
3	44005	Chaumes-en-Retz	44	Bassin Résidentiel	51.9	False	51.9	False	51.9	51.9	26.7	24.3	30.4	27.7	41.3	62.5	48.8	28.7	34.9	39.0
4	44006	Assérac	44	Bassin Résidentiel	52.3	False	52.3	True	47.3	47.3	41.8	25.2	17.1	26.9	42.3	70.2	55.0	49.9	35.6	24.0

1238 données géographiques de communes

	codgeo	libgeo	dep	reg	xcl3857	ycl3857	xcl4326	ycl4326	geometry
0	44001	Abbaretz	44	52	-170515.0	6032915	-1.531762	47.553639	POLYGON ((-1.50351 47.51883, -1.49456 47.51889...
1	44002	Aigrefeuille-sur-Maine	44	52	-155646.0	5954467	-1.398192	47.075871	POLYGON ((-1.40422 47.09380, -1.40457 47.09521...
2	44003	Ancenis-Saint-Géréon	44	52	-131057.0	6001943	-1.177305	47.365528	POLYGON ((-1.11412 47.36757, -1.10563 47.36987...
3	44005	Chaumes-en-Retz	44	52	-216209.0	5961041	-1.942238	47.116074	POLYGON ((-1.99700 47.19757, -1.99383 47.19840...
4	44006	Assérac	44	52	-266309.0	6012106	-2.392294	47.427328	POLYGON ((-2.43437 47.41111, -2.42936 47.40980...

dfS['France Services'].sum()

66

#Réalise carto score global
# Réalise la carte du score de précarité numérique
def choroplethScore():
    # Réalise une carte pour une variable
    folium.Choropleth(
        geo_data=geodf,
        name='Score précarité numérique',
        data=dfS,
        columns=['CODGEO', 'score'],
        key_on='feature.properties.codgeo',
        fill_color='RdYlBu_r',
        fill_opacity=0.8,
        line_opacity=0.2,
        legend_name='Score précarité numérique',
        smooth_factor=0
    ).add_to(m)
    
    style = {'fillColor': '#00000000', 'color': '#696969', 'weight':1.4}
    folium.GeoJson(geodfDep, name="Départements",style_function=lambda x:style).add_to(m)

    dfT=dfS[['CODGEO', 'score']]
    geodfT=geodf.merge(dfT, left_on='codgeo', right_on='CODGEO')

    style_function = lambda x: {'fillColor': '#ffffff', 'color':'#000000', 'fillOpacity': 0.1, 'weight': 0.1}
    highlight_function = lambda x: {'fillColor': '#000000', 'color':'#000000', 'fillOpacity': 0.50, 'weight': 0.1}
    tooltips = folium.features.GeoJson(
        geodfT,
        style_function=style_function, 
        control=False,
        highlight_function=highlight_function, 
        tooltip=folium.features.GeoJsonTooltip(
            fields=['libgeo', 'score'],
            aliases=['','score' + ":"],
            style=("background-color: white; color: #333333; font-family: arial; font-size: 12px; padding: 10px;") 
        )
    )
    m.add_child(tooltips)
    m.keep_in_front(tooltips)
    #folium.LayerControl().add_to(m)

    return(m)
m = folium.Map(location=[47.4791129516, -0.814151724722], zoom_start=8, tiles='OpenStreetMap', max_bounds=True)
ms = choroplethScore()
ms.save('./maps/score.html')
ms

def choropleth1var(m, variable, legend):
    # Réalise une carte pour une variable
    folium.Choropleth(
        geo_data=geodf,
        name=legend,
        data=dfS,
        columns=['CODGEO', variable],
        key_on='feature.properties.codgeo',
        fill_color='RdYlBu_r',
        fill_opacity=0.8,
        line_opacity=0.2,
        legend_name=legend,
        smooth_factor=0
    ).add_to(m)
    
    style = {'fillColor': '#00000000', 'color': '#696969', 'weight':1.4}
    folium.GeoJson(geodfDep, name="Départements",style_function=lambda x:style).add_to(m)

    dfT=dfS[['CODGEO', variable]]
    geodfT=geodf.merge(dfT, left_on='codgeo', right_on='CODGEO')

    style_function = lambda x: {'fillColor': '#ffffff', 'color':'#000000', 'fillOpacity': 0.1, 'weight': 0.1}
    highlight_function = lambda x: {'fillColor': '#000000', 'color':'#000000', 'fillOpacity': 0.50, 'weight': 0.1}
    tooltips = folium.features.GeoJson(
        geodfT,
        style_function=style_function, 
        control=False,
        highlight_function=highlight_function, 
        tooltip=folium.features.GeoJsonTooltip(
            fields=['libgeo', variable],
            aliases=['',variable + ":"],
            style=("background-color: white; color: #333333; font-family: arial; font-size: 12px; padding: 10px;") 
        )
    )
    m.add_child(tooltips)
    m.keep_in_front(tooltips)
    #folium.LayerControl().add_to(m)

    return(m)
m = folium.Map(location=[47.4791129516, -0.814151724722], zoom_start=8, tiles='OpenStreetMap', max_bounds=True)
ms = choropleth1var(m, 'score_ouv', 'Score ')
#ms

# Réalise une carte pour chacun des facteurs
for col in cols:
    variable = col[0].replace('p_', 'score_')
    if variable == 'MED17':
        variable = 'score_revmed'
    if variable == 'score_foyer1pers':
        variable = 'score_foyer1'
    m = folium.Map(location=[47.4791129516, -0.814151724722], zoom_start=8, tiles='OpenStreetMap', max_bounds=True)
    ms = choropleth1var(m, variable, col[2].replace("d'", ""))

    print(variable, col[2])
    ms.save('./maps/map_' + variable.replace('score_', '') + '.html')

score_75+ Score +75 ans
score_60_74 Score 60-74 ans
score_15_29 Score 15-29ans
score_0dipl Score aucun diplome
score_faibldipl Score faible dipl
score_revmed Score revenus median faible
score_foyer1 Score familles monoparentales & foyer 1 pers
score_ind Score d'independants
score_empl Score d'employés
score_ouv Score d'ouvriers

filename = "../data/FranceServices/france_services_add21.07.geojson"
#filename = "../data/FranceServices/france_services.geojson"
geodfFS = gpd.read_file(filename)
len(geodfFS)
#geodfFS

68

Cartographie du score de précarité numérique et du score avec bonus pour espace France Services

from folium.plugins import MarkerCluster
from folium import FeatureGroup, LayerControl, Map, Marker
def addFS(m):
    #Ajoute à une carte les clusters de lieu France service
    #WARNING: toujours mettre un e 
    # ajouter les données de carto du hub sur une carte préexistante

    filename = "../data/FranceServices/france_services_add21.07.geojson"
    geodfFS = gpd.read_file(filename)
    feature_group = FeatureGroup(name="Espaces France Services", show=True)
    def escape(x):
        # Pour affichage du popup
        raw = str(x.encode('raw_unicode_escape'))[2:-1]
        return raw
    icon = folium.features.CustomIcon(icon_image='./template/maisonFS.png',icon_size=(14, 14))
    #geodfFS.apply(lambda row:folium.Marker(location=[row["LATITUDE"], row["LONGITUDE"]],  icon=folium.Icon( icon_size=(204, 240),color='cadetblue', icon='home', prefix='fa') ,popup=escape(row['lib_france_services'])).add_to(feature_group), axis=1)
    
    #geodfFS.apply(lambda row:folium.Marker(location=[row["LATITUDE"], row["LONGITUDE"]],  icon=icon ,popup=escape(row['lib_france_services'])).add_to(feature_group), axis=1)
    #Parcours les maison FS
    for index, row in geodfFS.iterrows():
        icon = folium.features.CustomIcon(icon_image='./template/maisonFS.png',icon_size=(14, 14))
        folium.Marker(location=[row["LATITUDE"], row["LONGITUDE"]],  icon=icon ,popup=escape(row['lib_france_services'])).add_to(feature_group)
    feature_group.add_to(m)
    
    return(m)

# Calcule une carte de score avec les points france service indiqués
m = folium.Map(location=[47.4791129516, -0.814151724722], zoom_start=8, tiles='OpenStreetMap', max_bounds=True)
ms = choropleth1var(m, 'score', u'score precarité numérique')
t = ms
mss = addFS(t)
folium.LayerControl(collapse=False).add_to(mss)
mss.save('./maps/score_fs.html')
mss

#Calcule une carte de score avec bonus france service
m = folium.Map(location=[47.4791129516, -0.814151724722], zoom_start=8, tiles='OpenStreetMap', max_bounds=True)
ms = choropleth1var(m, 'score_FS', u'score precarité numérique bonus France Services')
t = ms
mss = addFS(t)
folium.LayerControl(collapse=False).add_to(mss)
mss.save('./maps/score_bonus_fs.html')
mss

Cartographie du score de précarité et des espaces de médiation numérique

from folium.plugins import MarkerCluster
def addClusterMed(m):
    #Ajoute à une carte les clusters de lieu de médiation numérique
    #WARNING: toujours mettre un e 
    # ajouter les données de carto du hub sur une carte préexistante
    dfHub = pd.read_csv("../data/CartoHub/Carto HUB-V2.geocoded - export_solidata-210114b.csv")
    dfHub = dfHub.dropna(subset=['latitude','longitude'])
    #filtrage des coordonnées hors région
    #dfHub = dfHub[(dfHub["lat"]<48.5) & (dfHub["lat"]>46.3) & (dfHub['lon']<0.76) & (dfHub['lon']>-2.5)]
    
    marker_cluster = folium.plugins.MarkerCluster(name='Lieux avec médiation numérique').add_to(m)
    def escape(x):
        # Pour affichage du popup
        raw = str(x.encode('raw_unicode_escape'))[2:-1]
        return raw
    dfHub.apply(lambda row:folium.Marker(location=[row["latitude"], row["longitude"]],  popup=escape(row['Nom lieu'])).add_to(marker_cluster), axis=1)
    return(m)
m = folium.Map(location=[47.4791129516, -0.814151724722], zoom_start=8, tiles='OpenStreetMap', max_bounds=True)


ms = choropleth1var(m, 'score', u'score precarité numérique')
t = ms
mss = addClusterMed(t)
folium.LayerControl(collapse=False).add_to(mss)
mss.save('./maps/score_lieumed.html')
mss

ms = choropleth1var(m, 'score_LieuMed', u'score precarité numérique bonus Lieu Médiation')
t = ms
mss = addClusterMed(t)
folium.LayerControl(collapse=False).add_to(mss)
mss.save('./maps/score_bonus_lieumed.html')
mss

Cartographie du score de précarité et des espaces de médiation numérique 1 FS

m = folium.Map(location=[47.4791129516, -0.814151724722], zoom_start=8, tiles='OpenStreetMap', max_bounds=True)
ms = choropleth1var(m, 'score', u'score precarite numerique')
t = ms
mss = addClusterMed(t)
mss = addFS(mss)
folium.LayerControl(collapse=False).add_to(mss)
mss.save('./maps/score_FS_LieuMed.html')

m = folium.Map(location=[47.4791129516, -0.814151724722], zoom_start=8, tiles='OpenStreetMap', max_bounds=True)
ms = choropleth1var(m, 'score_DoubleBonus', u'score precarite numerique bonus Lieu Mediation & France Services')
t = ms
mss = addClusterMed(t)
mss = addFS(mss)
folium.LayerControl(collapse=False).add_to(mss)
mss.save('./maps/score_doublebonus.html')

Cartographie des conseillers numériques

Fichier donné par le Hub, ce fichier a été modifié manuellement pour ajouter les code communes qui n'étaient pas renseignés https://public.opendatasoft.com/explore/dataset/correspondance-code-insee-code-postal/table/?flg=fr&q=49170

# NoOuvelle version mise à jour en décembre 2021 fichier 20211206_CNFS validés par le coselec.ods" extraction de la première feuille au format csv utf8
dfCNFS = pd.read_csv("../data/FranceServices/20211206_CNFS.csv")
dfCNFS = dfCNFS.groupby('Code commune')['Nombre de conseillers validés par le COSELEC'].sum().to_frame()
dfCNFS= dfCNFS[dfCNFS['Nombre de conseillers validés par le COSELEC'] != 0]
dfCNFS.columns = ['Nombre de Conseillers numérique France Service']

# création d'un geodf avec les centroid des codegeo
tmp = geodf.copy()
tmp.geometry = tmp.geometry.centroid
geodfCNFS = dfCNFS.merge(tmp, left_on='Code commune', right_on='codgeo')
geodfCNFS

m = folium.Map(location=[47.4791129516, -0.814151724722], zoom_start=8, tiles='OpenStreetMap', max_bounds=True)
ms = choropleth1var(m, 'score', u'score precarite numerique')
t = ms
for _, r in geodfCNFS.iterrows():
    lat = r['geometry'].y
    lon = r['geometry'].x
    folium.CircleMarker(location=[lat, lon], radius=12, color='grey', opacity=0.5).add_to(t)
    
    dizaine = r['Nombre de Conseillers numérique France Service']/10.0
    if dizaine < 1:
        folium.Marker(location=[lat, lon],icon=folium.DivIcon( icon_anchor=(5,12),html='<div style="font-size: 12pt; color : black">{}</div>'.format(r['Nombre de Conseillers numérique France Service']))).add_to(t)
    else:
        folium.Marker(location=[lat, lon],icon=folium.DivIcon( icon_anchor=(10,12),html='<div style="font-size: 12pt; color : black">{}</div>'.format(r['Nombre de Conseillers numérique France Service']))).add_to(t)
t.save('./maps/score_CNFS.html')
t

Sandbox