Grégoire Mureau
fb22464aa3
Public READMEs now expose a single git.gregoiremureau.com clone URL. The Tailscale SSH form only works on the homelab network and leaked the NAS address. The language switcher sits right under the title so an English speaker landing on the French page can leave without reading French.
231 lines
10 KiB
Markdown
231 lines
10 KiB
Markdown
# Projet d'Analyse des Arbres Parisiens
|
|
|
|
📘 This project is also available in [English 🇬🇧](./README.md)
|
|
|
|
**Source de vérité** : https://git.gregoiremureau.com/openclassroom-ai/oc-p02-paris-trees
|
|
|
|
```bash
|
|
git clone https://git.gregoiremureau.com/openclassroom-ai/oc-p02-paris-trees.git
|
|
```
|
|
|
|
Dataset : voir `fetch-data.sh` (hors git si volumineux).
|
|
|
|
## 📋 Contexte du projet
|
|
|
|
Ce projet a été réalisé dans le cadre d'une mission d'analyse de données pour la **Ville de Paris**. L'objectif est d'explorer et d'analyser le patrimoine arboré parisien à partir d'un jeu de données public recensant les arbres présents sur le territoire de la capitale.
|
|
|
|
Le projet met l'accent sur les fondamentaux de la data science : le nettoyage des données, la gestion des anomalies, l'analyse exploratoire et la visualisation statistique pour préparer le dataset à des analyses ultérieures ou à des applications métier (gestion urbaine, biodiversité, aménagement).
|
|
|
|
## 🎯 Objectifs
|
|
|
|
Les objectifs principaux du projet sont :
|
|
|
|
1. **Explorer le dataset** : Comprendre la structure, les types de variables et les caractéristiques des arbres parisiens
|
|
2. **Nettoyer les données** : Identifier et traiter les valeurs manquantes, aberrantes et incohérentes
|
|
3. **Analyser les distributions** : Réaliser des analyses univariées et bivariées pour comprendre les variables
|
|
4. **Visualiser les données** : Créer des graphiques et des cartes interactives pour faciliter la compréhension
|
|
5. **Préparer les données** : Fournir un dataset propre et exploitable pour des analyses futures
|
|
|
|
## 📊 Données
|
|
|
|
Les données proviennent de l'**Open Data de la Ville de Paris** et contiennent des informations détaillées sur les arbres :
|
|
- Localisation géographique (coordonnées GPS, arrondissement, adresse)
|
|
- Caractéristiques botaniques (genre, espèce, variété)
|
|
- Dimensions (hauteur, circonférence)
|
|
- Statut (arbre remarquable, domanialité)
|
|
- Date de plantation
|
|
|
|
Le dataset est inclus dans le projet sous le nom `p2-trees-fr.csv`.
|
|
|
|
**Source** : [Open Data Ville de Paris - Les arbres](https://opendata.paris.fr/explore/dataset/les-arbres/)
|
|
|
|
## 📁 Structure du projet
|
|
|
|
```
|
|
├── Paris_trees_analysis.ipynb
|
|
├── soutenance_projet2.pptx
|
|
├── data_analysis_functions.py
|
|
├── map_arrondissement.html
|
|
├── map_lieu.html
|
|
└── p2-trees-fr.csv
|
|
```
|
|
|
|
### 1. `Paris_trees_analysis.ipynb`
|
|
|
|
**Notebook Principal d'Analyse des Arbres Parisiens**
|
|
|
|
Ce notebook constitue le cœur du projet et couvre l'ensemble du processus d'analyse exploratoire :
|
|
|
|
**Chargement et aperçu des données** :
|
|
- Import du fichier CSV contenant les données des arbres
|
|
- Affichage des premières lignes pour une compréhension rapide
|
|
- Inspection de la structure du DataFrame (types, dimensions)
|
|
|
|
**Analyse exploratoire initiale** :
|
|
- Utilisation des méthodes pandas (`info()`, `head()`, `describe()`, `value_counts()`)
|
|
- Identification de la taille du dataset
|
|
- Analyse des types de colonnes et des valeurs manquantes
|
|
- Statistiques descriptives pour les variables numériques
|
|
|
|
**Identification et nettoyage des anomalies** :
|
|
- **Valeurs aberrantes** :
|
|
- Détection pour la circonférence et la hauteur des arbres
|
|
- Utilisation de méthodes statistiques (IQR, z-score)
|
|
- Correction ou remplacement des valeurs extrêmes par `NaN`
|
|
- **Valeurs manquantes** :
|
|
- Analyse approfondie des colonnes avec NaN
|
|
- Imputation intelligente pour certaines variables (`domanialite`, `libelle_francais`)
|
|
- Utilisation de colonnes corrélées (`genre`, `espece`, `variete`) pour l'imputation
|
|
|
|
**Analyse univariée** :
|
|
- **Variables quantitatives** : distribution de la hauteur, circonférence, année de plantation
|
|
- **Variables catégorielles** : répartition par genre, espèce, arrondissement, statut remarquable
|
|
- Visualisations : histogrammes, boxplots, diagrammes circulaires, barplots
|
|
|
|
**Analyse bivariée** :
|
|
- Relations entre le statut `remarquable` et les variables quantitatives (`hauteur_m`, `circonference_cm`)
|
|
- Relations entre `remarquable` et variables catégorielles (`espece`, `genre`)
|
|
- Corrélations entre variables numériques
|
|
- Tests statistiques pour valider les observations
|
|
|
|
**Analyse géographique** :
|
|
- Distribution des arbres par arrondissement
|
|
- Cartographie interactive des arbres parisiens
|
|
- Identification des zones à forte densité arborée
|
|
|
|
**Export des données nettoyées** :
|
|
- Sauvegarde du DataFrame préparé pour analyses ultérieures
|
|
|
|
### 2. `soutenance_projet2.pptx`
|
|
|
|
**Présentation de Soutenance**
|
|
|
|
Cette présentation synthétise :
|
|
- Le contexte et les objectifs du projet
|
|
- La méthodologie d'exploration et de nettoyage des données
|
|
- Les principales découvertes sur le patrimoine arboré parisien
|
|
- Les analyses statistiques et visualisations clés
|
|
- Les insights métier (arbres remarquables, distribution par arrondissement, espèces dominantes)
|
|
- Les recommandations pour la gestion du patrimoine arboré
|
|
- Les perspectives d'amélioration et d'exploitation des données
|
|
|
|
### 3. `data_analysis_functions.py`
|
|
|
|
**Module de Fonctions Utilitaires d'Analyse**
|
|
|
|
Ce module Python contient des fonctions réutilisables pour :
|
|
- Le nettoyage des données (suppression de doublons, gestion des NaN)
|
|
- L'identification des valeurs aberrantes (méthodes IQR, z-score, percentiles)
|
|
- Le traitement des outliers (remplacement, suppression, cap)
|
|
- La transformation des variables (normalisation, encodage)
|
|
- La génération de rapports de qualité des données
|
|
- Des fonctions de visualisation standardisées
|
|
|
|
Ces fonctions ont été développées pour être réutilisables sur d'autres projets d'analyse de données.
|
|
|
|
### 4. `map_arrondissement.html`
|
|
|
|
**Carte Interactive des Arbres par Arrondissement**
|
|
|
|
Fichier HTML contenant une carte interactive (probablement Folium ou Plotly) qui visualise :
|
|
- La distribution des arbres par arrondissement de Paris
|
|
- Des statistiques agrégées par zone géographique
|
|
- Des visualisations interactives permettant de zoomer et d'explorer les données
|
|
- Potentiellement des indicateurs sur la densité arborée, les espèces dominantes par arrondissement
|
|
|
|
### 5. `map_lieu.html`
|
|
|
|
**Carte Interactive des Arbres par Lieu**
|
|
|
|
Fichier HTML contenant une carte interactive détaillée qui présente :
|
|
- La localisation précise des arbres individuels sur le territoire parisien
|
|
- Des marqueurs interactifs avec informations détaillées (espèce, hauteur, circonférence)
|
|
- Des filtres pour explorer les arbres par caractéristiques
|
|
- Des clusters pour améliorer la lisibilité dans les zones à forte densité
|
|
|
|
### 6. `p2-trees-fr.csv`
|
|
|
|
**Dataset des Arbres Parisiens**
|
|
|
|
Fichier CSV contenant les données brutes ou légèrement prétraitées sur les arbres de Paris, incluant :
|
|
- Identifiants et références
|
|
- Localisation (coordonnées GPS, arrondissement, adresse)
|
|
- Caractéristiques botaniques (genre, espèce, variété, nom français)
|
|
- Dimensions (hauteur en mètres, circonférence en cm)
|
|
- Statut (remarquable ou non, domanialité)
|
|
- Date de plantation
|
|
|
|
## 🛠️ Technologies utilisées
|
|
|
|
- **Python** : Langage principal pour l'analyse de données
|
|
- pandas, numpy : manipulation et analyse de données
|
|
- matplotlib, seaborn : visualisation de données
|
|
- folium ou plotly : cartographie interactive
|
|
- scipy : tests statistiques
|
|
- scikit-learn : détection d'outliers
|
|
- **Jupyter Notebook** : développement et documentation
|
|
- **HTML/JavaScript** : cartes interactives
|
|
|
|
## 📈 Méthodologie
|
|
|
|
1. **Exploration initiale** : Compréhension de la structure et du contenu du dataset
|
|
2. **Nettoyage** : Identification et traitement des valeurs manquantes et aberrantes
|
|
3. **Analyses univariées** : Étude de la distribution de chaque variable
|
|
4. **Analyses bivariées** : Exploration des relations entre variables
|
|
5. **Visualisation géographique** : Cartographie interactive des arbres
|
|
6. **Documentation** : Présentation des résultats et insights
|
|
|
|
## 🎯 Résultats attendus
|
|
|
|
- ✅ Compréhension approfondie du patrimoine arboré parisien
|
|
- ✅ Dataset nettoyé et prêt pour des analyses avancées
|
|
- ✅ Identification des arbres remarquables et de leurs caractéristiques
|
|
- ✅ Insights sur la répartition géographique des arbres
|
|
- ✅ Cartes interactives pour explorer les données visuellement
|
|
- ✅ Module Python réutilisable pour des analyses similaires
|
|
|
|
## 💡 Points clés du projet
|
|
|
|
### Qualité des données
|
|
Comme tout jeu de données réel, le dataset présente des défis :
|
|
- **Valeurs manquantes** : certaines caractéristiques botaniques incomplètes
|
|
- **Valeurs aberrantes** : erreurs de saisie dans les mesures (hauteurs et circonférences impossibles)
|
|
- **Incohérences** : variations dans les formats et les appellations
|
|
|
|
### Arbres remarquables
|
|
Une attention particulière a été portée aux arbres remarquables :
|
|
- Caractéristiques différenciant les arbres remarquables des autres
|
|
- Relations entre dimensions (hauteur, circonférence) et statut remarquable
|
|
- Répartition géographique des arbres remarquables
|
|
|
|
### Analyse géographique
|
|
Le projet intègre une dimension spatiale importante :
|
|
- Distribution des arbres par arrondissement
|
|
- Identification des zones à forte densité arborée
|
|
- Cartes interactives pour une exploration intuitive
|
|
- Possibilité d'identifier des patterns géographiques
|
|
|
|
### Biodiversité urbaine
|
|
Les analyses révèlent des informations sur la biodiversité :
|
|
- Espèces d'arbres les plus fréquentes à Paris
|
|
- Diversité botanique par arrondissement
|
|
- Âge moyen des arbres (via les dates de plantation)
|
|
|
|
## 🎓 Compétences développées
|
|
|
|
- Chargement et exploration de données tabulaires
|
|
- Nettoyage de données réelles avec anomalies
|
|
- Gestion des valeurs manquantes avec stratégies d'imputation
|
|
- Détection et traitement des valeurs aberrantes
|
|
- Analyses statistiques univariées et bivariées
|
|
- Visualisation de données (graphiques et cartes)
|
|
- Développement de fonctions Python réutilisables
|
|
- Communication de résultats d'analyse de données
|
|
|
|
## 👤 Auteur
|
|
|
|
**Grégoire Mureau**
|
|
|
|
---
|
|
|
|
*Ce projet illustre les fondamentaux de l'analyse exploratoire de données : exploration, nettoyage, visualisation et communication d'insights, appliqués à un cas concret d'open data urbain.*
|