In MTES-MCT/didoscalim: Charger des données dans DiDo

knitr::opts_chunk$set(
  collapse = TRUE,
  comment = "#>",
  fig.path = "man/figures/README-",
  out.width = "100%",
  warning = FALSE,
  message = FALSE
)

{target='_blank'}

Un package R pour :

• générer des fichiers CSV au format DiDo (CSV augmenté)
• automatiser l'alimentation l'outil de diffusion de données DiDo du CGDD/SDES.

Ce package est en cours de développement.

Installation

Vous pouvez installer ce package depuis GitHub :

# Install from GitHub
library(devtools)
devtools::install_github("mtes-mct/didoscalim")

library(didoscalim)

Exemple

Générer un fichier CSV augmenté à partir d'un fichier CSV normal et le charger dans un dataset.

library(didoscalim)

params = list(
  OPERATEUR = list(description = "Nom de l'opérateur"),
  FILIERE = list(description = "Filière"),
  CODE_CATEGORIE_CONSOMMATION = list(description = "Catégorie de la consommation"),
  CODE_SECTEUR_NAF2 = list(description = "Code NAF à 2 positions du secteur (NAF rev2 2008)", type = "naf_division"),
  CONSO = list(description = "Consommation (en MWh)", unit = "MWh")
)

temp_file <- tempfile(fileext = ".csv")
dido_read_delim(dido_example("exemple.csv")) %>%
  dido_csv(params = params, cog_year = "2019") %>%
  dido_write_csv(temp_file)

L'intégrer dans DiDo :

dataset <- add_or_update_dataset(
  title = "Un jeu de données fictif",
  description = "Un jeu de données énergie fictif",
  topic = "Transports",
  temporal_coverage_start = "2020-01-01",
  temporal_coverage_end = "2020-12-31",
  frequency = "annual",
  frequency_date = "2021-10-10"
)

add_or_update_datafile(
  dataset = dataset,
  file_name = temp_file,
  title = "Données de consommation fictive – gaz – année 2020",
  description = "Consommations annuelles et nombre de points de livraison de chaleur et froid, par secteur d'activité",
  temporal_coverage_start = "2020-01-01",
  temporal_coverage_end = "2020-12-31",
  millesime = "2021-10"
)

Configuration

La configuration de didoscalim se fait dans votre .Renviron. Vous trouverez la documentation nécessaire dans la vignette utiliser les environnements

Documentation

Vous pouvez trouver l'ensemble de la documentation sur la page du projet et en particulier :

• comment générer un fichier augmenté
• comment charger et/ou mettre à jour des données dans DiDo
• utiliser les environnements

Pour les développeurs

Avant de publier une version assurez-vous que check() fonctionne

source("populate.R")
check()

Pour gagner du temps vous pouvez lancer séparément les tests unitaires et de couverture :

library(devtools)
test()
library(covr)
report()

Ainsi que les exemples :

run_examples()

Tester sous d'anciennes versions :

```{bash, eval = FALSE} docker run -it -e TZ=Europe/Paris -v $HOME/.Renviron:/root/.Renviron -v /etc/hosts:/etc/hosts -v $(pwd):/root/didoscalim rocker/tidyverse:4.1 Rscript /root/didoscalim/rocker_test.R

### Les tests

Les tests de ce package nécessitent pour le moment un environnement de
développement DiDo configuré pour tester les interactions avec l'API.

### Documentation en ligne

La documentation ne peut pas (encore ?) être généré par les github actions, il
faut donc pour le moment générer le site statiquement à partir d'un poste qui a
accès à un environnement DiDo de développement.

Si vous avez modifié la documentation, avant de pousser une nouvelle vous devez
la valider en local :

```r
source('populate.R')
devtools::build_readme()
devtools::document()
devtools::build_vignettes()
devtools::build_site()

Évidemment lancer un R CMD check()

Et quand vous êtes satisfait, videz la base de test, chargez les données de base en lançant populate.R puis la commande qui publiera le site sur les github pages :

source('populate.R')
library(pkgdown)
deploy_to_branch()

MTES-MCT/didoscalim documentation built on June 14, 2025, 12:21 a.m.