In JMPivette/evavelo: Automatic Treatment on EVA-VELO Method

knitr::opts_chunk$set(
  collapse = TRUE,
  comment = "#>"
)

library(evavelo)
library(openxlsx)
library(dplyr)
library(ggplot2)
library(factoextra)

Introduction

L'objectif de ce document de travail est d'ouvrir et de lire le contenu d'un fichier xlsx contenant des données dans l'onglet comptages_automatiques et de réaliser une classification hierarchiques des sites

Ouverture du fichier

La fonction read_compt_auto() permet de lire les comptages automatiques et de calculer les indicateurs utilisés pour la classification hierarchique

pred_wd_wp (Working Day proportion on Working period): La proportion de donnée en jours ouvrés dans la données en excluant les vacances
pred_wd_ho (Working Day proportion on Holiday): La proportion de donnée en jours ouvrés pendant les vacances
pred_jul_aug (July-August proportion): La proportion de donnée en Juillet-Août par rapport au total.
pred_pont_jul_aug: La proportion de données pendant les ponts de Juillet-Août par rapport à toute la période Juillet-Août
pred_wp_17_9 :La proportion de données avant 9h et après 17h pour les jours ouvrés de la semaine
pred_we_09_11: La proportion de données entre 9h et 11h pendant les week-end

xlsx_path <- system.file("example-data/02_simplified.xlsx", package = "evavelo")

predictors <- evavelo::read_compt_auto(xlsx_path)

predictors

Classification hierarchique

pred_df <- predictors %>% 
  select(starts_with("pred")) %>% 
  as.data.frame() 
rownames(pred_df) <- paste0(predictors$name,"(",predictors$id_site, ")")


clust <- pred_df %>% 
  dist() %>% 
  hclust(method = "ward.D2") 

fviz_dend(clust, cex = 0.6,k = 5, rect = TRUE, horiz = TRUE)