Aventure 3 - Infractions dans les restaurants de Montréal

STT-1100 Introduction à la science des données

Mise en situation : devenez journaliste de données

Vous êtes engagés comme journaliste de données par Le Courrier Gourmand, un média local fictif qui publie des enquêtes interactives sur l’alimentation à Montréal. Votre rédactrice en chef souhaite un article éclairant le public sur les infractions alimentaires commises dans les établissements alimentaires montréalais. Elle vous donne quelques pistes de réflexion :

  • Quelle est la proportion des constats qui concernent des établissements situés à Montréal ?

  • Quelles sont les infractions les plus courantes ?

  • Quels types d’établissements sont touchés ?

  • Quel montant d’amendes a été imposé en moyenne ? Ce montant dépend-il du type d’infraction ?

À la fin de l’aventure, vous devrez remettre un article Quarto (HTML) répondant à ces questions et illustré de graphiques construits dans R.

Note

Votre allié municipal
Voici Alexandre, conseiller municipal chargé de l’hygiène alimentaire à la Ville de Montréal. Il suit votre enquête pas à pas et vous posera, à des moments clés, des questions pour aiguiller vos analyses. C’est un allié précieux pour la rédaction de votre article, mais il a aussi ses exigences. Il attend de vous que vous lui fournissiez des réponses claires et précises, accompagnées de graphiques pertinents.

Carte de visite

Votre rôle Journaliste de données

Interlocuteurs Rédaction du Courrier Gourmand et Alexandre, conseiller municipal

Organisation et contexte Média local fictif et Ville de Montréal

Mission Produire un article clair sur les infractions alimentaires montréalaises

Données UlavalSSD::listecondamnation

Livrable Article Quarto HTML illustré

Objectifs de l’aventure

  • Importer et nettoyer un jeu de données catégorielles réelles (infractions alimentaires).
  • Construire des tableaux de fréquence, des statistiques descriptives et des visualisations.
  • Rédiger un court billet journalistique reproductible dans Quarto.

Note pour le rapport
Tout au long de l’analyse, vous devrez garder en tête ces questions et y répondre de manière argumentée dans votre rapport Quarto.

Dans ce module, vous explorerez un jeu de données qui décrit diverses infractions, leurs amendes et le type d’établissements concernés. Votre mission : analyser les constats d’infraction afin de produire un article clair sur les établissements alimentaires à Montréal.

Comment réussir l’aventure

  1. Charger les données : chargez le package UlavalSSD. Le jeu listecondamnation sera alors disponible dans R.
  2. Suivre les sections : Chaque section contient des explications, une démonstration, des expérimentations à réaliser, puis des exercices.
  3. Documenter vos trouvailles : Comme dans les aventures précédentes, commentez votre code, expliquez vos choix et validez vos analyses. Vos trouvailles vont vous aider à rédiger votre article.

Travail sur GitHub

Avant de commencer l’analyse des données, vous devez récupérer le dépôt GitHub contenant les fichiers nécessaires.

  1. Clonez votre dépôt aventure-3-IDENTIFIANT_GITHUB. Pour cela, créez un nouveau projet RStudio et collez le lien de votre dépôt GitHub selon la méthode indiquée dans la feuille aide-mémoire.

Astuce : Si vous souhaitez revenir plus tard sur ce projet, vous pouvez ouvrir directement le projet en double-cliquant sur le fichier .Rproj dans votre explorateur de fichiers.

  1. Ajustez le fichier Quarto : le modèle de l’article de journal est présent dans le dépôt sous le nom template_article.qmd. Inscrivez votre nom et enregistrez.

  2. Faites un premier commit et un premier push vers GitHub. Une fois votre fichier .qmd ajusté et enregistré, commitez et poussez vos modifications sur GitHub.

Attention : les messages de commit doivent être parlants. Par exemple : “Ajout de mon nom dans l’article”.

Félicitations ! Vous êtes maintenant prêt à débuter l’analyse !

Variables catégoriques : les bases en R avec stringr

Explications

En R, une variable catégorique est souvent représentée par :

  • Un facteur (factor) qui contient un ensemble de niveaux définis.

  • Ou un simple character pour les chaînes de caractères.

Dans le tidyverse, on manipule souvent des chaînes de caractères avec le package stringr ; pour la conversion en facteur, on peut utiliser as.factor() ou le package forcats.

Pour le module 3, nous nous concentrerons sur les variables catégoriques de type character. Dans le module 4, nous verrons plus en détail les facteurs.

Voici des exemples montrant comment utiliser stringr pour manipuler des variables de type character dans un jeu de données comme listecondamnation. Les exemples ci-dessous ciblent des cas fréquents : détection de motifs, extraction, remplacement et nettoyage de chaînes.

Démonstration

On va utiliser le jeu de données listecondamnation de la librairie UlavalSSD, qui contient des constats de condamnation liés à des établissements alimentaires au Québec.

library(UlavalSSD)
library(tidyverse)
glimpse(listecondamnation)
Rows: 1,712
Columns: 10
$ Nom_exploitant          <chr> "9390-5172 QUEBEC INC.", "9255-2124 QUEBEC INC…
$ Raison_sociale          <chr> "DELI 365", "RESTAURANT TCHANG KIANG", "DEVI",…
$ Description_infraction  <chr> "NUL NE PEUT, SANS ETRE TITULAIRE D'UN PERMIS …
$ Adresse_lieu_infraction <chr> "365 RUE BERNARD OUEST MONTREAL, (QC) H2V1T6",…
$ Type_etablissement      <chr> "RESTAURANT METS A EMPORTER", "RESTAURANT", "R…
$ Date_infraction         <dttm> 2021-11-09, 2021-11-09, 2021-11-10, 2021-11-1…
$ Date_jugement           <dttm> 2023-03-13, 2023-04-17, 2023-02-16, 2023-03-1…
$ Date_publication        <dttm> 2023-03-13, 2023-04-17, 2023-02-16, 2023-03-1…
$ Amende                  <chr> "5 000 $", "800 $", "2 300 $", "1 100 $", "2 2…
$ SOC_NOM_ARTCL_INFRC     <chr> NA, "INSALUBRITE", NA, "INSALUBRITE", "INSALUB…

Remarque : Lancer glimpse() sur vos données vous permettra de repérer quelles colonnes sont en chr (character) et lesquelles sont en factor ou encore en numeric.

Remarque 2 : Trois colonnes sont au format date, pour l’instant, nous n’en tiendrons pas compte, nous reviendrons dans un module plus tard sur le format date.

AstuceExercice

Quel est le type de la variable Amende? Est-ce que cela vous semble problématique?

Cette information sera pertinente pour le nettoyage de la variable Amende dans la section suivante. Vous pourrez ainsi documenter ce choix dans la section Méthodologie de l’article.

ImportantQuestion d’Alexandre

« Combien de constats d’infraction apparaissent dans le fichier brut ? »

Réponse possible : Utilisez nrow(listecondamnation) après le chargement des données. On obtient 1 712 lignes.

Alexandre vous rappelle que ?listecondamnation vous donne la documentation du jeu de données.

Détection de motifs (str_detect())

Pour vérifier si l’adresse mentionne "MONTREAL", on peut faire :

# Créer une colonne booléenne à partir du texte de l'adresse
condamnations_demo <- listecondamnation %>%
  mutate(adresse_mentionne_montreal = str_detect(Adresse_lieu_infraction, "MONTREAL"))

# Aperçu
condamnations_demo %>%
  select(Adresse_lieu_infraction, adresse_mentionne_montreal) %>%
  head(10)
# A tibble: 10 × 2
   Adresse_lieu_infraction                                adresse_mentionne_mo…¹
   <chr>                                                  <lgl>
 1 365 RUE BERNARD OUEST MONTREAL, (QC) H2V1T6            TRUE
 2 6066 RUE SHERBROOKE OUEST MONTREAL, (QC) H4A1Y1        TRUE
 3 1450 RUE CRESCENT MONTREAL, (QC) H3G2B6                TRUE
 4 751 BOULEVARD DE LA COTE-VERTU MONTREAL, (QC) H4L1Y6   TRUE
 5 2127 RUE SAINTE-CATHERINE OUEST MONTREAL, (QC) H3H1M6  TRUE
 6 4024B RUE SAINTE-CATHERINE OUEST WESTMOUNT, (QC) H3Z1… FALSE
 7 1235 AVENUE DU MONT-ROYAL EST MONTREAL, (QC) H2J1Y2    TRUE
 8 1500 AVENUE MCGILL COLLEGE A-027 MONTREAL, (QC) H3A3J5 TRUE
 9 5176 CHEMIN QUEEN-MARY MONTREAL, (QC) H3W1X5           TRUE
10 5176 CHEMIN QUEEN-MARY MONTREAL, (QC) H3W1X5           TRUE
# ℹ abbreviated name: ¹​adresse_mentionne_montreal

Vous obtenez TRUE/FALSE selon la présence du mot MONTREAL dans la chaîne. Cette méthode est utile pour illustrer str_detect(), mais elle ne sera pas notre critère principal pour filtrer Montréal dans le reste de l’aventure. Nous utiliserons plutôt les codes postaux.

AstuceExercice

Quelle est la proportion d’adresses contenant le mot MONTREAL ?

ImportantMessage d’Alexandre

Message d’Alexandre : « C’est un fait très intéressant à mettre dans ton article!»

Remplacement (str_replace() et str_replace_all())

La colonne Amende est une chaîne de caractères. Elle contient des montants comme "5 000 $", avec des espaces et le symbole $. Pour l’utiliser dans des calculs, il faut créer une variable numérique.

# parse_number() extrait la valeur numérique et ignore le symbole $
condamnations_demo <- condamnations_demo %>%
  mutate(
    amende_num = parse_number(
      Amende,
      locale = locale(grouping_mark = " ", decimal_mark = ",")
    )
  )

# Vérifions
condamnations_demo %>%
  select(Amende, amende_num) %>%
  head(10)
# A tibble: 10 × 2
   Amende  amende_num
   <chr>        <dbl>
 1 5 000 $       5000
 2 800 $          800
 3 2 300 $       2300
 4 1 100 $       1100
 5 2 200 $       2200
 6 1 200 $       1200
 7 3 000 $       3000
 8 3 000 $       3000
 9 1 000 $       1000
10 1 000 $       1000

Ici, parse_number() vient du package readr, inclus dans le tidyverse. Le paramètre grouping_mark = " " indique que l’espace sert à grouper les milliers.

AstuceExercice

Quel est le type de la variable amende_num ? Est-ce encore un problème ?

ImportantMessage d’Alexandre

« Pas si simple d’avoir la colonne Amende en numérique!»

Extraction de motifs (str_extract())

Pour extraire un élément précis. Par exemple, si Adresse_lieu_infraction contient un code postal de la forme H2X 3E4, on peut tenter :

condamnations_demo <- condamnations_demo %>%
  mutate(
    code_postal = str_extract(Adresse_lieu_infraction, "[A-Z][0-9][A-Z]\\s*[0-9][A-Z][0-9]"),
    code_postal = str_to_upper(code_postal),
    code_postal = str_replace(code_postal, "^([A-Z][0-9][A-Z])\\s*([0-9][A-Z][0-9])$", "\\1 \\2")
  )

condamnations_demo %>%
  select(Adresse_lieu_infraction, code_postal) %>%
  head(10)
# A tibble: 10 × 2
   Adresse_lieu_infraction                                 code_postal
   <chr>                                                   <chr>
 1 365 RUE BERNARD OUEST MONTREAL, (QC) H2V1T6             H2V 1T6
 2 6066 RUE SHERBROOKE OUEST MONTREAL, (QC) H4A1Y1         H4A 1Y1
 3 1450 RUE CRESCENT MONTREAL, (QC) H3G2B6                 H3G 2B6
 4 751 BOULEVARD DE LA COTE-VERTU MONTREAL, (QC) H4L1Y6    H4L 1Y6
 5 2127 RUE SAINTE-CATHERINE OUEST MONTREAL, (QC) H3H1M6   H3H 1M6
 6 4024B RUE SAINTE-CATHERINE OUEST WESTMOUNT, (QC) H3Z1P2 H3Z 1P2
 7 1235 AVENUE DU MONT-ROYAL EST MONTREAL, (QC) H2J1Y2     H2J 1Y2
 8 1500 AVENUE MCGILL COLLEGE A-027 MONTREAL, (QC) H3A3J5  H3A 3J5
 9 5176 CHEMIN QUEEN-MARY MONTREAL, (QC) H3W1X5            H3W 1X5
10 5176 CHEMIN QUEEN-MARY MONTREAL, (QC) H3W1X5            H3W 1X5

Le motif [A-Z][0-9][A-Z]\\s*[0-9][A-Z][0-9] est une forme simplifiée d’un code postal canadien.

AstuceExercice

Dans ce jeu de données, isolez les constats dont le code postal commence par H2X. Ne concluez pas que cela représente tout un quartier sans source géographique externe.

Combien de constats d’infraction ont un code postal qui commence par H2X ?

ImportantMessage d’Alexandre

« Nous avons souvent parlé des constats associés au secteur H2X. Est-ce qu’ils représentent une grande part des constats montréalais ? »

Un bel ajout à ton article!

Mise en forme (str_to_lower(), str_to_upper(), etc.)

Parfois, il est utile d’harmoniser la casse (MONTREAL, Montréal, etc.) :

condamnations_demo <- condamnations_demo %>%
  mutate(
    Adresse_lower = str_to_lower(Adresse_lieu_infraction),
    Adresse_trim = str_trim(Adresse_lieu_infraction)
  )

Suppression d’espaces multiples (str_squish())

Si les données contiennent des espaces superflus :

condamnations_demo <- condamnations_demo %>%
  mutate(
    Adresse_squish = str_squish(Adresse_lieu_infraction)
  )

str_squish() réduit tous les espaces répétés à un seul et supprime ceux en début/fin de chaîne.

Nous allons maintenant créer une version nettoyée du jeu de données qui servira pour la suite de l’aventure.

condamnations <- listecondamnation %>%
  mutate(
    adresse = str_squish(Adresse_lieu_infraction),
    code_postal = str_extract(adresse, "[A-Z][0-9][A-Z]\\s*[0-9][A-Z][0-9]"),
    code_postal = str_to_upper(code_postal),
    code_postal = str_replace(code_postal, "^([A-Z][0-9][A-Z])\\s*([0-9][A-Z][0-9])$", "\\1 \\2"),
    est_montreal = str_sub(code_postal, 1, 1) == "H",
    est_temp = coalesce(str_detect(SOC_NOM_ARTCL_INFRC, "TEMPERATURE"), FALSE),
    amende_num = parse_number(
      Amende,
      locale = locale(grouping_mark = " ", decimal_mark = ",")
    ),
    type_etablissement = str_replace(
      Type_etablissement,
      "^REST\\. SERVICE RAPIDE$",
      "RESTAURANT SERVICE RAPIDE"
    )
  )

condamnations_mtl <- condamnations %>%
  filter(est_montreal)
AstuceExercice
  1. Filtrer Montréal : Vérifiez que condamnations_mtl ne contient que des constats dont le code postal commence par H.

Indication : Vous pouvez utiliser str_sub() pour extraire la première lettre d’une chaîne de caractères.

  1. Recherche de mots-clés :

  • Détectez le mot-clé (“TEMPERATURE”) dans SOC_NOM_ARTCL_INFRC. Créez une variable booléenne est_temp. Cela va nous permettre de voir quelles infractions sont reliées à la température.

  • Quelle est la proportion d’infractions reliées à la température dans le sous-ensemble de Montréal ?

  1. Nettoyage de la colonne Amende :

  • Vérifiez que amende_num est bien numérique.

  • Vérifiez combien de valeurs manquantes contient amende_num.

  • Quel est le montant moyen d’amende pour les infractions reliées à la température dans le sous-ensemble de Montréal ?

ImportantQuestion d’Alexandre

« La colonne SOC_NOM_ARTCL_INFRC donne la classification de l’infraction. Combien de types d’infractions différentes avons-nous en lien avec la température dans le sous-ensemble de Montréal ? »

  • 1

  • 2

  • 3

  • 4

  • 5

  • 6

Réponse possible : Utilisez distinct() pour compter les types d’infractions.

Dans le sous-ensemble de Montréal, on en compte 4 :

# A tibble: 4 × 1
  SOC_NOM_ARTCL_INFRC
  <chr>
1 TEMPERATURE DE CONSERVATION
2 TEMPERATURE CONSERVATION REFRIGERE / VENTE AU DETAIL
3 TEMPERATURE ALIMENTS ALTERABLES
4 TEMPERATURE ALIMENTS PERISSABLES

Pensez à générer votre rapport, committer vos modifications et pousser sur GitHub pour garder une trace de votre travail !

ImportantRemarque d’Alexandre

On a travaillé sur les infractions reliées à la température, mais il y a d’autres types d’infraction. Est-ce que vous pouvez en trouver une qui vous inquiète ? Par exemple, les insectes, les rongeurs ou l’insalubrité.

Je crois que cela peut faire un bon résultat clé à mettre dans ton article.

Statistiques descriptives pour variables catégoriques

Dans cette section, nous allons découvrir comment résumer l’information contenue dans les variables qualitatives, appelées aussi catégorielles. Nous verrons comment compter les occurrences de chaque catégorie (tableaux de fréquences), calculer des proportions (ou pourcentages) afin de mieux visualiser la répartition, et associer plusieurs variables pour mieux comprendre leurs interactions (tableaux de contingence). L’objectif est de disposer d’un portrait clair de la distribution des catégories pour en tirer des conclusions rapides sur les tendances ou anomalies présentes dans les données.

Explications

Les tableaux de fréquences et les mesures de tendance (nombre d’observations, pourcentages) sont un bon point de départ pour résumer des variables catégoriques.

Démonstration

# Nombre d'infractions par type d’établissement

condamnations %>%
  count(type_etablissement, sort = TRUE)
# A tibble: 3 × 2
  type_etablissement             n
  <chr>                      <int>
1 RESTAURANT                  1353
2 RESTAURANT SERVICE RAPIDE    324
3 RESTAURANT METS A EMPORTER    35

Astuce : count() + arrange(desc(n)) vous permet de classer les catégories par ordre d’occurrence.

AstuceExercice

  1. Proportions : Calculez la proportion de chaque type d’établissement, par exemple avec count(type_etablissement) %>% mutate(prop = n / sum(n)).

  2. Amende moyenne : Regroupez par type_etablissement et calculez la moyenne de l’amende avec mean(amende_num, na.rm = TRUE).

  3. Montréal et reste du Québec : Comparez la distribution entre les constats montréalais (est_montreal == TRUE) et les autres constats. Quelle catégorie d’établissements semble la plus concernée ?

ImportantRemarque d’Alexandre

On a toujours pensé que Montréal n’était pas le pire endroit pour les infractions alimentaires, peu importe le type de restaurant. Est-ce que vos résultats appuient cette idée ?

Un tableau de contingence (ou tableau croisé) est un tableau qui présente simultanément la répartition de deux (ou plusieurs) variables catégoriques, permettant ainsi de repérer des liens ou des tendances entre elles. Par exemple, pour croiser le type d’établissement et la nature de l’infraction dans votre jeu de données :

table(
  condamnations$type_etablissement,
  condamnations$SOC_NOM_ARTCL_INFRC
)
ImportantQuestion d’Alexandre

Y a-t-il plus de restaurants qui ont eu une amende pour INSECTES RONGEURS EXCREMENTS ou plus de restaurants de service rapide qui ont eu une amende pour INSALUBRITE ?

On peut trouver l’information directement dans le tableau croisé :

tab <- table(
  condamnations$type_etablissement,
  condamnations$SOC_NOM_ARTCL_INFRC
)

tab["RESTAURANT SERVICE RAPIDE", "INSALUBRITE"]
[1] 108
tab["RESTAURANT", "INSECTES RONGEURS EXCREMENTS"]
[1] 73

On va terminer cette section avec un exercice qui vous permettra de vous familiariser avec les tableaux de contingence et les statistiques descriptives, mais aussi de vérifier si la codification des infractions est facile à exploiter.

AstuceExercice

  1. Tableau de contingence : Construisez un tableau croisé entre type_etablissement et la nature de l’infraction (SOC_NOM_ARTCL_INFRC), dans votre sous-ensemble de Montréal.

  2. Résumé descriptif : Dressez un petit tableau récapitulatif (type d’établissement, nombre total, amende moyenne).

  3. Catégories rares : Déterminez si l’une des variables catégoriques (SOC_NOM_ARTCL_INFRC et type_etablissement) a des catégories rares ou quasi inexploitées. Devrait-on les regrouper ?

Pensez à générer votre rapport, committer vos modifications et pousser sur GitHub pour garder une trace de votre travail !

Visualisation de données catégoriques

Explications

Pour représenter visuellement des variables catégoriques, on utilise souvent :

  • Diagrammes en barres (geom_bar() ou geom_col()),

  • Diagramme en tarte (Pie chart) (moins recommandé, sauf usage très simple),

  • Diagrammes à bandes groupées ou empilées standardisées si on veut comparer plusieurs catégories croisées.

Démonstration

library(ggplot2)

# Exemple : nombre d’infractions à Montréal par type d’établissement
condamnations_mtl %>%
  ggplot(aes(x = type_etablissement)) +
  geom_bar(fill = "steelblue") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) + # permet de rotationner les noms des labels sur l'axe des x
  labs(
    title = "Infractions par type d’établissement à Montréal",
    x = "Type d’établissement",
    y = "Nombre d'infractions"
  )

Diagramme à barres montrant le nombre d'infractions à Montréal par type d'établissement.

Idée : Appliquez un coord_flip() si les noms sont trop longs!

Interrogeons‑nous sur la nature même des infractions. Connaître les catégories dominantes et leur distribution dans les différents types d’établissements aidera à formuler un message clair pour le grand public.

AstuceExercice
  1. Top 5 : Concentrez-vous sur les 5 catégories les plus fréquentes de SOC_NOM_ARTCL_INFRC (via un tri ou fct_lump()).
  2. Diagramme à barres : faites un diagramme à barres selon SOC_NOM_ARTCL_INFRC et le type d’établissement type_etablissement.
  3. Bonnes pratiques de visualisation : Ajoutez un titre, des couleurs, modifiez le thème ou l’orientation de l’axe pour un rendu plus clair.
ImportantRemarque d’Alexandre

« Ce graphique doit parler au lecteur en un clin d’œil. Assure‑toi d’indiquer que 5 catégories couvrent déjà X % des infractions ; c’est un message fort pour l’introduction de ton article. »

Le montant des amendes est un indicateur concret qui attire souvent l’attention du public et des médias. Comparer ces montants entre Montréal et le reste du Québec, et entre types d’établissements, permettra d’appuyer votre conclusion.

AstuceExercice
  1. Boîtes à moustaches : Représentez la répartition du montant de l’amende au sein de chaque type_etablissement.
  2. Comparaison : Comparez Montréal versus hors Montréal avec des boîtes à moustaches côte à côte, par type d’établissement. Que remarquez-vous ?
  3. Traitement de données manquantes : Que faites-vous si Amende est manquante dans un sous-ensemble ? Explorez quelques pistes.
ImportantRemarque d’Alexandre

« Pense à citer un ou deux chiffres marquants dans ton texte : par exemple, la médiane des amendes montréalaises versus hors Montréal. Ça rendra tes conclusions plus percutantes. »

Aller plus loin : cartographier les amendes (optionnel)

Pour clore l’enquête, Alexandre a mis la main sur un bout de code R rédigé par une collègue de la Ville. Ce script géocode automatiquement les codes postaux et fournit une latitude/longitude pour chaque établissement. Cette activité est optionnelle, car elle dépend du package tidygeocoder et d’un service web externe.

# ────────────────────────────────────────────────────────────
# Fonction utilitaire : de code postal (ex. "H2X 3X2") vers lon/lat
# Utilise tidygeocoder + l’API de géocodage Nominatim (OpenStreetMap)
geocode_pc <- function(df, pc_col = "code_postal") {
  df %>%
     # 1) Nettoyer les codes postaux : enlever espaces, majuscules
    mutate(
      postal_tmp = str_remove_all(.data[[pc_col]], "\\s"),
      postal_tmp = str_to_upper(postal_tmp),
      # 2) Ré-insérer l’espace si la chaîne fait précisément 6 caractères
      postal_std = if_else(
        nchar(postal_tmp) == 6,
        str_replace(postal_tmp, "^(.{3})(.{3})$", "\\1 \\2"),
        postal_tmp
      )
    ) %>%
    tidygeocoder::geocode(address = postal_std, method = "osm",
                          lat = latitude, long = longitude,
                          timeout = 5) %>%
    select(-postal_tmp, -postal_std)   # on nettoie les colonnes temporaires
}

# ────────────────────────────────────────────────────────────

Remarque : Vous devez installer le package tidygeocoder pour utiliser cette fonction. Vous pouvez le faire avec install.packages("tidygeocoder").

AstuceExercice optionnel - Carte des amendes
  1. Géocodage : appliquez geocode_pc() à votre jeu de données, en vous assurant de conserver Amende.
  2. Agrégation : calculez le montant total d’amendes par point géocodé (p. ex. par restaurant ou par coordonnées arrondies au 4ᵉ décimal).
  3. Carte statique : utilisez ggplot2 + geom_point() sur un fond simple (coord_sf()) ; la taille ou la couleur du point peut refléter le montant cumulé.
Important

Conseil d’Alexandre : « Un visuel vaut mille mots. Si tu réussis la carte optionnelle, choisis un secteur où les amendes sont concentrées et cite un chiffre que tu as calculé toi-même. Ton article gagnera en impact. »

Trace portfolio

Conservez les éléments qui montrent la transformation d’un tableau en article.

  • vos choix de nettoyage des catégories et montants;
  • deux figures prêtes pour l’article;
  • deux nombres clés expliqués en phrases complètes;
  • une nuance importante à communiquer au public.

Conclusion de l’aventure

Cette troisième aventure vous a permis de passer du rôle d’analyste à celui de journaliste de données : vous avez nettoyé un jeu réel d’inspections alimentaires, quantifié les infractions majeures, comparé les profils d’établissements et préparé des visualisations utiles pour un article.

Vous disposez maintenant :

  • d’un ensemble de résultats chiffrés (top 5 infractions, montants moyens, proportion Montréal vs hors Montréal, etc.) ;
  • de graphiques percutants (diagrammes en barres, boîtes à moustaches ou visualisation optionnelle) pour étayer vos arguments ;
  • d’observations qualitatives fournies par Alexandre, qui orientent le récit vers les enjeux d’hygiène et de transparence citoyenne.

Prochaine étape : rédigez votre article

  1. Structurez votre article Quarto : chapeau accrocheur -> contexte -> méthodologie -> résultats clés -> recommandations.
  2. Intégrez au moins deux visuels parmi ceux produits, dont au moins un graphique de catégories.
  3. Citez deux chiffres narratifs pour captiver le lecteur, par exemple une proportion d’infractions ou une médiane d’amendes.
  4. Ajoutez une citation synthétique d’Alexandre pour humaniser votre conclusion.

Livrable attendu : un fichier .qmd et un fichier HTML rendus depuis Quarto, commités sur votre dépôt GitHub avant la date limite.

Bonne rédaction ! Faites parler les données et mettez-vous dans la peau du journaliste qui informe, nuance et propose.

Félicitations ! Vous avez mis en pratique les concepts de variables catégoriques, de statistiques descriptives et de visualisation pour des données catégoriques réelles. Continuez ainsi, le prochain module vous attend.

GPT STT-1100