-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathR_api_exemple
281 lines (189 loc) · 10.1 KB
/
R_api_exemple
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
# https://www.rstudio.com/resources/videos/using-web-apis-from-r/
# video montrant l utilite
# TEST de script pointant vers un api
# ==== 10 Chargement des librairies ====
# https://www.rstudio.com/resources/videos/using-web-apis-from-r/
library(plyr)
library(httr)
library(jsonlite)
library(magrittr)
library(dplyr)
library(data.tree)
library(tidyr)
library(dplyr)
library(XML)
library(plyr)
library(xmlparsedata)
library(data.table)
library(dtplyr)
library(WriteXLS)
library(xlsx)
library(XML2R)
library(xml2)
# options(encoding = "UTF-8")
library(readr)
library(dplyr)
library(magrittr)
library(purrr)
library(stringr)
library(stringi)
library(purrr)
# === 20 GET sur l'API pour requeter les infos ====
# doc API utilise
# https://www.data.gouv.fr/fr/reuses/annuaire-des-etablissements-publics-de-ladministration/
mairie21 <-GET('http://etablissements-publics.api.gouv.fr/v1/organismes/21/mairie')
mairie25 <-GET('http://etablissements-publics.api.gouv.fr/v1/organismes/25/mairie')
mairie39 <-GET('http://etablissements-publics.api.gouv.fr/v1/organismes/39/mairie')
mairie58 <-GET('http://etablissements-publics.api.gouv.fr/v1/organismes/58/mairie')
mairie70 <-GET('http://etablissements-publics.api.gouv.fr/v1/organismes/70/mairie')
mairie71 <-GET('http://etablissements-publics.api.gouv.fr/v1/organismes/71/mairie')
mairie89 <-GET('http://etablissements-publics.api.gouv.fr/v1/organismes/89/mairie')
mairie90 <-GET('http://etablissements-publics.api.gouv.fr/v1/organismes/90/mairie')
epci70 <-GET('http://etablissements-publics.api.gouv.fr/v1/organismes/70/epci')
# https://stackoverflow.com/questions/36454638/how-can-i-convert-json-to-data-frame-in-r?rq=1
# content(tesi, as='parsed', encoding = 'UTF-8')
# === 30 Creation fonction parse ====
json_parse <- function(req) {
text <- content(req, as='text', encoding="UTF-8")
if(identical(text, "")) warn("No output to parse")
fromJSON(text, simplifyDataFrame = TRUE, flatten = TRUE)
}
# ==== 40 applatissement de json ====
df_mairie21 <- jsonlite::flatten( as.data.frame(json_parse(mairie21)))
df_mairie25 <- jsonlite::flatten( as.data.frame(json_parse(mairie25)))
df_mairie39 <- jsonlite::flatten( as.data.frame(json_parse(mairie39)))
df_mairie58 <- jsonlite::flatten( as.data.frame(json_parse(mairie58)))
df_mairie70 <- jsonlite::flatten( as.data.frame(json_parse(mairie70)))
df_mairie71 <- jsonlite::flatten( as.data.frame(json_parse(mairie71)))
df_mairie89 <- jsonlite::flatten( as.data.frame(json_parse(mairie89)))
df_mairie90 <- jsonlite::flatten( as.data.frame(json_parse(mairie90)))
# tesa_json <- json_parse(tesa)
# df_mairie_bfc <- bind_rows(df_mairie21, df_mairie25, df_mairie39, df_mairie58, df_mairie70, df_mairie71, df_mairie89, df_mairie90)
# Error in bind_rows_(x, .id) :
# Column `features.properties.CoordonnéesNum.Téléphone` can't be converted from character to list
# soluce
# https://stackoverflow.com/questions/46789010/error-in-bind-rows-x-id-column-cant-be-converted-from-factor-to-numeric/
# ==== 41 compilation pour obtenir un df regional ====
df_mairie_bfc <- rbind.fill(df_mairie21, df_mairie25, df_mairie39, df_mairie58, df_mairie70, df_mairie71, df_mairie89, df_mairie90)
df_mairie_bfc <- as_data_frame(df_mairie_bfc)
# https://github.com/tidyverse/purrr/issues/265
# ==== 50 export de fichier table pour info CD21 ====
# on convertit la liste adresse en character
df_mairie21$features.properties.Adresse.Ligne <- as.character(df_mairie21$features.properties.Adresse.Ligne)
df_mairie_bfc$features.properties.Adresse.Ligne <- as.character(df_mairie_bfc$features.properties.Adresse.Ligne)
# on repere la colonne des plages pour enlever
grep("features.properties.Ouverture.PlageJ", colnames(df_mairie21))
grep("features.properties.Ouverture.PlageJ", colnames(df_mairie_bfc))
myvars <- names(df_mairie21) %in% c("type", "features.properties.Ouverture.PlageJ", "features.geometry.coordinates")
df_cd21 <- as_data_frame(df_mairie21[!myvars])
# df_cd21 <- df_mairie21[,-25]
# df_cd21 <- df_cd21[,-1]
# ==== 51 renommage des champs pour faciliter la lisibilite ====
# df_cd21 <- df_cd21 %>% rename_all(~sub('features.geometry.','',.x))
df_cd21 <- df_cd21 %>% rename_all(~sub('features.properties.','',.x))
names(df_cd21)
# ==== 52 on customise pour avoir les liens url de l annuaire ====
# creation du lien internet pointant vers l annuaire
# df1[c("lien_annuaire")] <- NA
df_mairie21[c("lien_annuaire")] <- NA
df_cd21 <- transform(df_cd21, "lien_annuaire" = ifelse (substr(df_cd21$codeInsee,1,2)=='25' , paste('https://lannuaire.service-public.fr/bourgogne-franche-comte/doubs/', df_mairie21$id , sep="") , lien_annuaire))
df_cd21 <- transform(df_cd21, "lien_annuaire" = ifelse (substr(df_cd21$codeInsee,1,2)=='70' , paste('https://lannuaire.service-public.fr/bourgogne-franche-comte/haute-saone/', df_mairie21$id , sep="") , lien_annuaire))
df_cd21 <- transform(df_cd21, "lien_annuaire" = ifelse (substr(df_cd21$codeInsee,1,2)=='90' , paste('https://lannuaire.service-public.fr/bourgogne-franche-comte/territoire-de-belfort/', df_mairie21$id , sep="") , lien_annuaire))
names(df_mairie21)
str(df_mairie21)
setwd("C:/COPY_data_local/adm_premier_min/annuaire_service_public/")
write.csv(df_cd21, "annuaire_communes_18_04_2018.csv", row.names=FALSE)
# ==== 60 TO DO restructurer les nested list des jour et heures d ouvertures ====
# toujours des nested listes dans le df, veille sur purr ====
# https://jennybc.github.io/purrr-tutorial/ls01_map-name-position-shortcuts.html
# https://stackoverflow.com/questions/30270946/arguments-imply-differing-number-of-rows-2-4-3-5
# data.frame(word = do.call(c,df_mairie_bfc$features.properties.Ouverture.PlageJ),
# group = rep(1:length(df_mairie_bfc$features.properties.Ouverture.PlageJ),
# sapply(df_mairie_bfc$features.properties.Ouverture.PlageJ, length)))
tidyr::unnest(df_mairie_bfc$features.properties.Ouverture.PlageJ)
# on unnest les listes pour en obtenir un df presl exploitable
df2 <- unnest(df_mairie_bfc, id=df_mairie_bfc$features.properties.id)
# FAIL A FAIRE un vrai df
# https://stackoverflow.com/questions/27930883/converting-elements-in-a-nested-list-to-dataframe?utm_medium=organic&utm_source=google_rich_qa&utm_campaign=google_rich_qa
tos <- data.frame(stri_list2matrix(df_mairie_bfc$features.properties.Ouverture.PlageJ, byrow=TRUE), stringsAsFactors=FALSE)
# CA MARCHE ! WIP
# http://bioinfoblog.it/2015/02/the-most-useful-r-command-unnest-from-tidyr/
# df2 %>% mutate()
# ==== 67 reconstruire la structure de la table d ouverture =====
df2[c("lundi","mardi","mercredi","jeudi","vendredi", 'samedi')] <- NA
#☺ df2 <- transform(df2,"vendredi"= ifelse(features.properties.Ouverture.PlageJ =="lundi", paste(lundi, heur4_o, heur4_f, sep=" - "), lundi))
gregexpr("vendredi" , df2$features.properties.Ouverture.PlageJ)
str_locate_all("vendredi" , df2$features.properties.Ouverture.PlageJ)
View(head(df2))
# on recherche les vendredi en sortie en matrix
cbind(df2$features.properties.id , stringr::str_extract_all(df2$features.properties.Ouverture.PlageJ, "vendredi", simplify="TRUE"))
stringr::str_extract_all(df2$features.properties.Ouverture.PlageJ, '(début = c("', simplify="TRUE")
stringr::str_extract_all(df2$features.properties.Ouverture.PlageJ, "vendredi", simplify="TRUE")
stringr::str_extract_all(df2$features.properties.Ouverture.PlageJ, simplify="TRUE")
grep("vendredi",df2$features.properties.Ouverture.PlageJ)
getwd()
write.xlsx(df2, 'testou.xlsx')
# df3 <- flatten_df(df2)
# teso <- map_df(map_chr(df_mairie_bfc$features.properties.Ouverture.PlageJ), extract , c("num", "voie", "cp", "ville"))
# https://jennybc.github.io/purrr-tutorial/ls01_map-name-position-shortcuts.html
# pour voir les listes
# map(df_mairie_bfc$features.properties.Ouverture.PlageJ, "début")
map_df(df_mairie_bfc$features.properties.Ouverture.PlageJ, extract, c("début", "fin" , "PlageH.début" , "PlageH.fin"), .id=df_mairie_bfc$features.properties.id)
map_chr(df_mairie_bfc$features.properties.Ouverture.PlageJ, "début")
str(df_mairie_bfc)
tail(df_mairie_bfc$features.properties.Adresse.Ligne)
# https://stackoverflow.com/questions/46818672/convert-nested-list-into-data-frame-with-different-column-length
tesi_df <- flattenList(unlist(tesi_json$features))
lists <- sapply('http://etablissements-publics.api.gouv.fr/v1/organismes/70/epci', jsonlite::fromJSON)
df_list <- as_data_frame(lists)
str(lists$features)
tib_tesi <- as_data_frame(tesa_json$features)
teso <- do.call(rbind, lapply(tesi_json, data.frame, stringsAsFactors=FALSE))
# https://stackoverflow.com/questions/45452015/how-to-convert-list-of-list-into-a-tibble-dataframe
tibble(
pair = map(tesi_json$features, "properties.id"),
genes_vec = map_chr(tesi_json$features, "properties.Ouverture.PlageJ")
) %>%
mutate(
pair1 = map_chr(pair, 1),
pair2 = map_chr(pair, 2)
) %>%
select(pair1, pair2, genes_vec)
getwd()
deparse(tesa_json$features)
write_csv(tib_tesi, "C:/COPY_data_local/adm_premier_min/annuaire_service_public/all_20180217/organismes/70/test_sortie/test_out_tib.csv")
# https://github.com/tidyverse/readr/issues/303
tesi_json2 <- json_parse(tesi_json$features$properties.Ouverture.PlageJ)
names(tesi_json)
length(tesi_json$features)
length(tesi_json$type)
tesi_json$type
tesi_json$features
typeof(tesi_json)
# https://stackoverflow.com/questions/37996827/convert-json-file-to-a-csv-file-using-r
flatten(tesi_json$properties)
flatten(tesi_json)
tesi_json <- lapply(tesi_json, function(x) {
x[sapply(x, is.null)] <- NA
unlist(x)
})
dfout <- do.call("rbind", tesi_json)
tesi_json[2:8]
busi <- as.data.frame(t(sapply(tesi_json, fromJSON)))
busi <- as_data_frame(t(sapply(tesi_json, fromJSON)))
# https://stackoverflow.com/questions/16947643/getting-imported-json-data-into-a-data-frame
df3 <-as.data.frame(tesi_json$features)
tail(tesi_json)
dfout2 <- dplyr::bind_rows(t(tesi_json))
df_tesi <- as_data_frame(tesi_json$features$properties)
str(content(tesi))
df_tesi <- as_data_frame(tesi_json$type)
headers(tesi)
write.csv(df_tesi, 'tesi_json.csv')
write.csv(df3, 'df3.csv')
getwd()
# ==== 999 brouillon ====
# test pour applatir le json
# df_tesi <- flatten( as.data.frame(tesi_json))
# recursive = TRUE)
# df_palage <- flatten( as.data.frame(df_mairie_bfc$features.properties.Ouverture.PlageJ))