-
Notifications
You must be signed in to change notification settings - Fork 0
/
Queries_bestPlaces.py
310 lines (257 loc) · 12.5 KB
/
Queries_bestPlaces.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Tue Jan 30 09:10:59 2018
@author: alka
"""
###Import necessary packages
import pymongo
from pymongo import MongoClient
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
mpl.style.use(["ggplot"])
###Connecting Pymongo client to MongoDB and creating the database
clientMongoDB = MongoClient('mongodb://localhost:27017/')
db = clientMongoDB["OpendataNY"]
##Retrieve collection of requests from MongoDB
requestsCollection = db["Requests"]
##Retrieve collection of police complaints from MongoDB
complaintsCollection = db["policeComplaints"]
##Retrieve collection of water quality from MongoDB
WaterQualityCollection = db["WaterQuality"]
###loading Housing data from MongoDB
housingCollection = db["Housing"]
############################################################################
#***I. Statistiques sur les plaintes 311 dans la ville de New York*********#
############################################################################
#-----1... Quel Borough a enregistré le plus de plaintes
complaints = requestsCollection.aggregate([
{"$match":{"borough":{"$exists":True, "$ne":"Unspecified"}}},
{"$group":{"_id":"$borough",
"nb_plaintes":{"$sum":1} } },
{"$sort":{"nb_plaintes":-1}},
{"$project":{"nb_plaintes":1, "Borough":"$_id", "_id":0}}
])
df_complaints = pd.DataFrame(list( complaints))
df_complaints.set_index("Borough", drop=False, inplace=True)
df_complaints.index.name = None
print("Le Borough qui a enregistré le ***PLUS*** de plaintes au niveau du service 311 est : \"{}\"".format(
df_complaints["Borough"].iloc[0]))
print("Le Borough qui a enregistré le ***MOINS*** de plaintes au niveau du service 311 est : \"{}\"".format(
df_complaints["Borough"].iloc[4]))
####Graphiques sur le nombre de plaintes par Borough
fig = plt.figure()
plt.title("Frequence des plaintes reçues par le service 311 pour les 5 Borough de NYC")
plt.xlabel("Nombre de plaintes")
plt.ylabel("Borough")
for index, value in enumerate(df_complaints.nb_plaintes):
label = format(int(value), ',') # format int with commas
# place text at the end of bar (subtracting 47000 from x, and 0.1 from y to make it fit within the bar)
plt.annotate(label, xy=(value - 6000, index - 0.10), color='white', size="x-large")
df_complaints["nb_plaintes"].plot(kind="barh", figsize=(10, 10))
fig.savefig('plaintes_par_borough.png')
#-----2... Taux de plaintes pour bruits parmi
##########les plaintes reçues par le service 311 : dont la descritpion contient les termes:
########## noisy, noise, nois
complaints_bis = requestsCollection.aggregate([
{"$match":{"borough":{"$exists":True, "$ne":"Unspecified"},
"descriptor":{"$regex":"(.*noise.*|.*noisy.*|.*nois.*)", "$options":"i"}}},
{"$group":{"_id":"$borough",
"nb_plaintes_bis":{"$sum":1} } },
{"$sort":{"nb_plaintes_bis":-1}},
{"$project":{"nb_plaintes_bis":1, "Borough":"$_id", "_id":0}}
])
df_complaints_bis = pd.DataFrame(list( complaints_bis ))
df_complaints_bis.set_index("Borough", drop=False, inplace=True)
df_complaints_bis.index.name = None
df_complaints = df_complaints.merge(df_complaints_bis).set_index("Borough")
df_complaints["taux_bruit"] = round(100*(df_complaints["nb_plaintes_bis"]/df_complaints["nb_plaintes"]), 2)
df_complaints.sort_values("taux_bruit", inplace=True, ascending=False)
df_complaints["Borough"] = df_complaints.index.values
print("Le Borough qui a ***La plus grande part de plaintes pour bruit*** est : \"{}\"".format(
df_complaints["Borough"].iloc[0]))
print("Le Borough qui a ***La plus faible part de plaintes pour bruit*** est : \"{}\"".format(
df_complaints["Borough"].iloc[4]))
####Graphiques sur le nombre de plaintes par Borough
fig = plt.figure()
plt.title("Taux des plaintes pour bruit reçues par le service 311 pour les 5 Borough de NYC")
plt.xlabel("% plaintes pour bruit")
plt.ylabel("Borough")
for index, value in enumerate(df_complaints.taux_bruit):
# place text at the end of bar (subtracting 47000 from x, and 0.1 from y to make it fit within the bar)
plt.annotate(value, xy=(value - 0.4, index - 0.10), color='white', size="x-large")
df_complaints["taux_bruit"].plot(kind="barh", figsize=(10, 10))
fig.savefig('./plaintes_taux_bruit.png')
############################################################################
#***II. Statistiques sur les plaintes reçues par la police ***********#
############################################################################
#-----1... Quel Borough a enregistré le plus de plaintes déposées auprès de la police de NYC
policeComplaints = complaintsCollection.aggregate([
{"$match":{"boro_nm":{"$exists":True, "$ne":"Unspecified"}}},
{"$group":{"_id":"$boro_nm",
"nb_plaintes":{"$sum":1} } },
{"$sort":{"nb_plaintes":-1}},
{"$project":{"nb_plaintes":1, "Borough":"$_id", "_id":0}}
])
df_police = pd.DataFrame(list( policeComplaints))
df_police.set_index("Borough", drop=False, inplace=True)
df_police.index.name = None
print("Le Borough qui a enregistré le ***PLUS*** de plaintes au niveau de la police est : \"{}\"".format(
df_police["Borough"].iloc[0]))
print("Le Borough qui a enregistré le ***MOINS*** de plaintes au niveau de la police est : \"{}\"".format(
df_police["Borough"].iloc[4]))
####Graphiques sur le nombre de plaintes auprès de la police par Borough
fig = plt.figure()
plt.title("Frequence des plaintes reçues par la Police pour les 5 Borough de NYC")
plt.xlabel("Nombre de plaintes")
plt.ylabel("Borough")
for index, value in enumerate(df_police.nb_plaintes):
label = format(int(value), ',') # format int with commas
# place text at the end of bar (subtracting 47000 from x, and 0.1 from y to make it fit within the bar)
plt.annotate(label, xy=(value - 6000, index - 0.10), color='white', size="x-large")
df_police["nb_plaintes"].plot(kind="barh", figsize=(10, 10))
fig.savefig('./police_plaintes.png')
#-----2... Repartition des plaintes dont la description contient l'un des termes:
#"crim", "drug", "sex", "alcoh", "murder", "kidnap"
policeComplaints_bis = complaintsCollection.aggregate([
{"$match":{"boro_nm":{"$exists":True, "$ne":"Unspecified"},
"ofns_desc":{"$regex":"(.*crim.*|.*drug.*|.*sex.*|.*alcoh.*|.*murder.*|.*kidnap.*)", "$options": "i"}}},
{"$group":{"_id":"$boro_nm",
"nb_plaintes_bis":{"$sum":1} } },
{"$sort":{"nb_plaintes_bis":-1}},
{"$project":{"nb_plaintes_bis":1, "Borough":"$_id", "_id":0}}
])
df_police_bis = pd.DataFrame(list( policeComplaints_bis ))
df_police_bis.set_index("Borough", drop=False, inplace=True)
df_police_bis.index.name = None
df_police = df_police.merge(df_police_bis).set_index("Borough")
df_police["taux_crime"] = round(100*(df_police["nb_plaintes_bis"]/df_police["nb_plaintes"]), 2)
df_police.sort_values("taux_crime", inplace=True, ascending=False)
df_police["Borough"] = df_police.index.values
print("Le Borough qui a ***La plus grande part*** part de plaintes sérieuses enregistrées par la police est : \"{}\"".format(
df_police["Borough"].iloc[0]))
print("Le Borough qui a ***La plus faible part*** part de plaintes sérieuses enregistrées par la police est : \"{}\"".format(
df_police["Borough"].iloc[4]))
####Graphiques sur le nombre de plaintes auprès de la police par Borough
fig = plt.figure()
plt.title("Taux de plaintes sérieuses reçues par la Police pour les 5 Borough de NYC")
plt.xlabel("% de plaintes \"sérieuses\" ")
plt.ylabel("Borough")
for index, value in enumerate(df_police.taux_crime):
plt.annotate(value, xy=(value - 2, index - 0.10), color='white', size="x-large")
df_police["taux_crime"].plot(kind="barh", figsize=(10, 10))
fig.savefig('./taux_plaintes_serieuses_police.png')
print("""***************************************************************************\n
****Borough retenu: QUEENS (plus faible taux de crimes graves) ***********\n
***************************************************************************\n""")
#####################################################################################################
#*** III. recupérer les documents correspondant à QUEENS et chercher la résidence idéale **********#
#####################################################################################################
####Convertir les longitudes et latitude en numérique
db.eval("""db.Housing.find( ).forEach( function (x) { x.latitude = parseFloat(x.latitude);
x.longitude = parseFloat(x.longitude);
db.Housing.save(x);})""")
###Supprimer les valeurs non valides pour les coordonnées géographiques
db.Housing.delete_many(
{
"$or":[{"latitude":float('nan')},
{"longitude":float('nan')}]
}
)
####Créer un champ borough à partir du code "boro" dans la collection housing
db.eval("""
db.Housing.find( ).forEach( function (x) {
switch (x.boro) {
case '1':
x.borough = "MANHATTAN";
break;
case '2':
x.borough = "BRONX";
break;
case '3':
x.borough = "BROOKLYN";
break;
case '4':
x.borough = "QUEENS";
break;
case '5':
x.borough = "STATEN ISLAND";
break;
default:
x.borough = null;
}
db.Housing.save(x);
})
"""
)
####Supprimer les données qui ne sont pas du Borough QUEENS
db.Housing.delete_many(
{
"borough":{"$ne":"QUEENS"}
}
)
####Création du champ coord (long, lat) puis d'un index géographique
db.Housing.aggregate(
[
{"$match":{"longitude":{"$exists":True}, "latitude":{"$exists":True}} },
{ "$addFields": {
"coord": ["$longitude", "$latitude"]
}},
{ "$out": "Housing" }
]
)
db.Housing.create_index([("coord", pymongo.GEO2D)])
####Quelques traitements sur la base des plaintes pour qualité de l'eau
####Convertir les longitudes et latitude en numérique
db.eval("""db.WaterQuality.find( ).forEach( function (x) { x.latitude = parseFloat(x.latitude);
x.longitude = parseFloat(x.longitude);
db.WaterQuality.save(x);})""")
###Supprimer les documents qui n'ont pas de champ longitude ou latitude
db.WaterQuality.delete_many(
{
"$or":[{"latitude":float('nan')},
{"longitude":float('nan')}]
}
)
###Créer le champ coord dans la collection waterquality et créer un index géographique basé sur ce champ
db.WaterQuality.aggregate(
[
{"$match":{"longitude":{"$exists":True}, "latitude":{"$exists":True}} },
{ "$addFields": {
"coord": ["$longitude", "$latitude"]
}},
{ "$out": "WaterQuality" }
]
)
db.WaterQuality.create_index([("coord", pymongo.GEO2D)])
#####Pour chaque résidence chercher le nombre de plaintes pour mauvaise qualité d'eau dans un rayon de 5 Km
##diviser par 6378.1 pour convertir de Km en radians
db.eval("""
db.Housing.find( ).forEach( function (x) {
var point = x.coord;
var dist = 5/6378.1;
var result = db.Housing.find( { "coord": { "$geoWithin": { "$centerSphere": [point ,dist ] } } } );
var compt = result.count();
x.nombre_plaintes_eau = compt;
db.Housing.save(x);
}
)
"""
)
#########################################################################################################
#*** Finalement quelles sont les 5 résidenceS avec le moins de plaintes dans un rayon de 5Km ***********#
#########################################################################################################
residences_Ideales = pd.DataFrame( list(
db.Housing.find(
limit=5,
projection={"borough":1, "lot":1, "coord":1, "parcel_address":1, "postcode":1, "nombre_plaintes_eau":1}
).sort("nombre_plaintes_eau", pymongo.ASCENDING)
)
)
print("""***************************************************************\n
** Les 5 meilleures résidences avec le moins de plaintes ******\n
** pour la qualité de l'eau dans un rayon de 5 kilomètres sont:\n
***************************************************************\n
""")
print(residences_Ideales)