Données carroyées
Links: notebook
, html, PDF
, python
, slides, GitHub
Les données
carroyées
sont des données économiques agrégées sur tout le territoire français
sur des carrés de 200m de côté.
from jyquickhelper import add_notebook_menu
add_notebook_menu()
Le code suivant utilise les données de la réunion disponible sur le site
de l’INSEE : Données carroyées à 200
mètres. Voir aussi la
fonction
load_carreau_from_zip
et aussi la fonction
from_file
du module geopandas.
from papierstat.datasets import load_carreau_from_zip
dfcar, shpcar, dfrect, shprect = load_carreau_from_zip()
|
id |
idINSPIRE |
idk |
ind_c |
nbcar |
0 |
UTM40S200M_N38171E01797 |
CRS2975RES200mN7634200E0359400 |
N38171E01797-N38172E01797 |
16.0 |
2.0 |
1 |
UTM40S200M_N38172E01779 |
CRS2975RES200mN7634400E0355800 |
N38172E01779-N38172E01779 |
40.0 |
1.0 |
2 |
UTM40S200M_N38172E01780 |
CRS2975RES200mN7634400E0356000 |
N38172E01780-N38172E01780 |
64.0 |
1.0 |
3 |
UTM40S200M_N38172E01781 |
CRS2975RES200mN7634400E0356200 |
N38172E01781-N38172E01782 |
106.0 |
2.0 |
4 |
UTM40S200M_N38172E01782 |
CRS2975RES200mN7634400E0356400 |
N38172E01781-N38172E01782 |
6.0 |
2.0 |
|
idINSPIRE |
id |
geometry |
0 |
CRS2975RES200mN7634200E0359400 |
UTM40S200M_N38171E01797 |
POLYGON ((359400.000 7634200.000, 359600.000 7... |
1 |
CRS2975RES200mN7634400E0355800 |
UTM40S200M_N38172E01779 |
POLYGON ((355800.000 7634400.000, 356000.000 7... |
2 |
CRS2975RES200mN7634400E0356000 |
UTM40S200M_N38172E01780 |
POLYGON ((356000.000 7634400.000, 356200.000 7... |
3 |
CRS2975RES200mN7634400E0356200 |
UTM40S200M_N38172E01781 |
POLYGON ((356200.000 7634400.000, 356400.000 7... |
4 |
CRS2975RES200mN7634400E0356400 |
UTM40S200M_N38172E01782 |
POLYGON ((356400.000 7634400.000, 356600.000 7... |
|
0 |
1 |
2 |
3 |
4 |
idk |
N38171E01797-N38172E01797 |
N38172E01779-N38172E01779 |
N38172E01780-N38172E01780 |
N38172E01781-N38172E01782 |
N38172E01798-N38173E01798 |
men |
32 |
15 |
39 |
44 |
14 |
men_surf |
2263 |
1202 |
2605 |
3103 |
1379 |
men_occ5 |
17 |
8 |
3 |
21 |
14 |
men_coll |
12 |
0 |
0 |
1 |
0 |
men_5ind |
7 |
2 |
2 |
6 |
1 |
men_1ind |
7 |
3 |
22 |
14 |
1 |
i_1ind |
0 |
0 |
0 |
0 |
0 |
men_prop |
17 |
10 |
8 |
22 |
11 |
i_prop |
0 |
0 |
2 |
0 |
1 |
men_basr |
15 |
4 |
20 |
16 |
0 |
i_basr |
0 |
0 |
0 |
0 |
0 |
ind_r |
101 |
40 |
64 |
112 |
38 |
ind_age1 |
7 |
3 |
4 |
7 |
1 |
ind_age2 |
2 |
1 |
1 |
3 |
0 |
ind_age3 |
6 |
5 |
0 |
12 |
2 |
ind_age4 |
5 |
2 |
2 |
5 |
3 |
ind_age5 |
8 |
0 |
0 |
4 |
3 |
ind_age6 |
62 |
26 |
55 |
69 |
26 |
ind_age7 |
3 |
7 |
34 |
14 |
4 |
i_age7 |
0 |
0 |
0 |
0 |
0 |
ind_age8 |
1 |
2 |
12 |
9 |
1 |
i_age8 |
0 |
0 |
0 |
0 |
0 |
ind_srf |
1.01807e+06 |
459078 |
536160 |
1.09746e+06 |
687108 |
nbcar |
2 |
1 |
1 |
2 |
2 |
|
idk |
geometry |
0 |
N38171E01797-N38172E01797 |
POLYGON ((359400.000 7634200.000, 359600.000 7... |
1 |
N38172E01779-N38172E01779 |
POLYGON ((355800.000 7634400.000, 356000.000 7... |
2 |
N38172E01780-N38172E01780 |
POLYGON ((356000.000 7634400.000, 356200.000 7... |
3 |
N38172E01781-N38172E01782 |
POLYGON ((356200.000 7634400.000, 356600.000 7... |
4 |
N38172E01798-N38173E01798 |
POLYGON ((359600.000 7634400.000, 359800.000 7... |
Il faut lire la page Données carroyées à 200
mètres
pour découvrir le système de coordonnées utilisée sur la Réunion et plus
précisément Saint-Denis (-20.887090, 55.451716).
import warnings
warnings.simplefilter("ignore", (FutureWarning, DeprecationWarning))
from pyproj import Proj, transform
p1 = Proj(init='epsg:4326') # longitude / latidude
p2 = Proj(init='epsg:2975') #
coor = transform(p1, p2, 55.451716, -20.887090)
coor
(338953.2627389685, 7689572.419008633)
from shapely.geometry import Point
sd = Point(coor)
jardin = shprect[shprect.geometry.contains(sd)]
jardin
|
idk |
geometry |
7217 |
N38447E01694-N38447E01694 |
POLYGON ((338800.000 7689400.000, 339000.000 7... |
jardinll = jardin.to_crs({'init':'epsg:4326'})
jardinll
|
idk |
geometry |
7217 |
N38447E01694-N38447E01694 |
POLYGON ((55.45023 -20.88863, 55.45215 -20.888... |
La carte suivante le carreau sur la carte
d’OpenStreetMap.
import folium
map_osm = folium.Map(location=[-20.887090, 55.451716], zoom_start=16)
folium.GeoJson(jardinll).add_to(map_osm)
map_osm