.. DO NOT EDIT.
.. THIS FILE WAS AUTOMATICALLY GENERATED BY SPHINX-GALLERY.
.. TO MAKE CHANGES, EDIT THE SOURCE PYTHON FILE:
.. "gallery/plot_readWrite.py"
.. LINE NUMBERS ARE GIVEN BELOW.

.. only:: html

    .. note::
        :class: sphx-glr-download-link-note

        Click :ref:`here <sphx_glr_download_gallery_plot_readWrite.py>`
        to download the full example code

.. rst-class:: sphx-glr-example-title

.. _sphx_glr_gallery_plot_readWrite.py:


Premières manipulations de données spatiales
----------------------------------------------------------------
Dans ce notebook, nous allons apprendre à lire, écrire, merger et aggréger des données spatiales.

.. GENERATED FROM PYTHON SOURCE LINES 6-12

.. code-block:: default

    # sphinx_gallery_thumbnail_number = 1
    import os
    import pandas as pd
    import geopandas as gpd
    import config








.. GENERATED FROM PYTHON SOURCE LINES 13-17

Ouverture des données
================================

Les données attributaires proviennent du recensement de la population de 2017. La base commune contient la population communale, PTOT (et par arrondissement pour Paris, Lyon et Marseille). Attention, les données sont en géographie 2019.

.. GENERATED FROM PYTHON SOURCE LINES 17-21

.. code-block:: default


    population = pd.read_csv(os.getenv("URL_DATA_COMMUNES"), sep=";", dtype={'DEPCOM':str})
    population.head(2)






.. raw:: html

    <div class="output_subarea output_html rendered_html output_result">
    <div>
    <style scoped>
        .dataframe tbody tr th:only-of-type {
            vertical-align: middle;
        }

        .dataframe tbody tr th {
            vertical-align: top;
        }

        .dataframe thead th {
            text-align: right;
        }
    </style>
    <table border="1" class="dataframe">
      <thead>
        <tr style="text-align: right;">
          <th></th>
          <th>DEPCOM</th>
          <th>COM</th>
          <th>PMUN</th>
          <th>PCAP</th>
          <th>PTOT</th>
        </tr>
      </thead>
      <tbody>
        <tr>
          <th>0</th>
          <td>01001</td>
          <td>L' Abergement-Clémenciat</td>
          <td>776</td>
          <td>18</td>
          <td>794</td>
        </tr>
        <tr>
          <th>1</th>
          <td>01002</td>
          <td>L' Abergement-de-Varey</td>
          <td>248</td>
          <td>1</td>
          <td>249</td>
        </tr>
      </tbody>
    </table>
    </div>
    </div>
    <br />
    <br />

.. GENERATED FROM PYTHON SOURCE LINES 22-23

On ouvre le fond des communes et on lui rajoute les arrondissements.

.. GENERATED FROM PYTHON SOURCE LINES 23-29

.. code-block:: default


    commune = gpd.read_file(os.getenv("URL_GEOJSON_COMMUNES"))
    armf = gpd.read_file(os.getenv("URL_GEOJSON_ARMF"))
    armf['dep'] = armf.code.str.slice(0,3) # il manque le numèro de département dans le fond armf
    commune = commune.append(armf, sort=False)








.. GENERATED FROM PYTHON SOURCE LINES 30-34

Jointure des données
================================

La jointure entre les deux tables s'opère simplement à l'aide de la fonction ``gpd.merge()``.

.. GENERATED FROM PYTHON SOURCE LINES 34-37

.. code-block:: default


    pop_com = commune.merge(population, left_on='code', right_on='DEPCOM')








.. GENERATED FROM PYTHON SOURCE LINES 38-39

On peut afficher une carte de densité en quelques lignes de code en recourant à la fonction ``gpd.plot()``. 

.. GENERATED FROM PYTHON SOURCE LINES 39-43

.. code-block:: default


    pop_com['densite'] = pop_com.PTOT / pop_com.geometry.area * 1000000 
    ax = pop_com.plot('densite',legend=True, scheme='quantiles', cmap='OrRd', figsize=(10,10))




.. image:: /gallery/images/sphx_glr_plot_readWrite_001.png
    :alt: plot readWrite
    :class: sphx-glr-single-img





.. GENERATED FROM PYTHON SOURCE LINES 44-48

Aggregation des données pour produire des données départementales et régionales
====================================================================================

L'aggrégation des données spatiales s'effectue à l'aide de la fonction ``gpd.dissolve()`` qui repose sur la méthode **groupby** de pandas. **aggfunc** définit la fonction a appliqué aux données attributaires.

.. GENERATED FROM PYTHON SOURCE LINES 50-52

Carte au niveau départemental
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

.. GENERATED FROM PYTHON SOURCE LINES 52-57

.. code-block:: default


    pop_dep = pop_com.dissolve(by='dep', aggfunc='sum', as_index=False)
    pop_dep['densite'] = pop_dep.PTOT / pop_dep.geometry.area * 1000000
    ax = pop_dep.plot('densite',legend=True, scheme='quantiles', figsize=(10,10),cmap='OrRd')




.. image:: /gallery/images/sphx_glr_plot_readWrite_002.png
    :alt: plot readWrite
    :class: sphx-glr-single-img





.. GENERATED FROM PYTHON SOURCE LINES 58-60

Carte au niveau régional
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

.. GENERATED FROM PYTHON SOURCE LINES 60-64

.. code-block:: default


    pop_reg = pop_com.dissolve(by='reg', aggfunc='sum', as_index=False)
    pop_reg['densite'] = pop_reg.PTOT / pop_reg.geometry.area * 1000000
    ax = pop_reg.plot('densite',legend=True, scheme='quantiles', figsize=(10,10),cmap='OrRd')



.. image:: /gallery/images/sphx_glr_plot_readWrite_003.png
    :alt: plot readWrite
    :class: sphx-glr-single-img






.. rst-class:: sphx-glr-timing

   **Total running time of the script:** ( 0 minutes  38.887 seconds)


.. _sphx_glr_download_gallery_plot_readWrite.py:


.. only :: html

 .. container:: sphx-glr-footer
    :class: sphx-glr-footer-example



  .. container:: sphx-glr-download sphx-glr-download-python

     :download:`Download Python source code: plot_readWrite.py <plot_readWrite.py>`



  .. container:: sphx-glr-download sphx-glr-download-jupyter

     :download:`Download Jupyter notebook: plot_readWrite.ipynb <plot_readWrite.ipynb>`


.. only:: html

 .. rst-class:: sphx-glr-signature

    `Gallery generated by Sphinx-Gallery <https://sphinx-gallery.github.io>`_