SIGMAG - N°34 - Octobre 2022 - 37

PAS À PAS
BIEN PRÉPARER SES DONNÉES
L'analyse de données est au cœur du système ArcGIS. Cela veut dire qu'il offre une large palette d'outils
d'analyse, mais aussi tout l'outillage permettant l'intégration, le nettoyage et la mise en forme de ces
données en amont de ces analyses. Ainsi, depuis ArcGIS Pro 2.7, Esri a ajouté une interface dédiée à
l'ingénierie de la donnée (Data Engineering) pour rassembler les outils indispensables à la préparation de
données, quelles soient spatiales ou non. Dans ce pas-à-pas, nous vous proposons, à travers un exemple
concret, de découvrir quelques-unes des fonctionnalités proposées par les outils de Data Engineering
d'ArcGIS Pro. Gaëtan Lavenu
1
En partenariat avec
La première étape consiste tout d'abord à ouvrir l'application
ArcGIS Pro avec les données souhaitées. Ici, nous utilisons un
jeu de données issu de l'ADEME concernant les Diagnostics
de Performance Énergétiques (DPE) de logements pour le
département du Calvados. Vous faites apparaitre les outils de
Data Engineering à partir du menu contextuel sur la table ou
en utilisant le raccourci clavier Ctrl+Maj+D.
L'interface de Data Engineering s'affiche alors. Elle
est constituée d'un ruban spécifique avec différents
outils de nettoyage, de création, d'intégration et de
mise en forme de données. Dans la partie inférieure,
un panneau présente la liste des champs. Vous pouvez
glisser-déposer les champs dont vous voulez découvrir
le contenu, puis cliquer sur le bouton « Calculer » pour
générer les statistiques. Le panneau affiche alors, pour
chaque champ, des informations comme le type de
champ, le pourcentage de valeurs nulles, le diagramme
de distribution des valeurs, les valeurs min/max/
moyenne, le nombre de valeurs uniques, etc.
3
Ces informations vont vous permettre de repérer un
certain nombre de points relatifs à la qualité des données.
Par exemple, on constate ici que la date minimum du
champ « date_visite_diagnostique » est le 23/07/1013.
Cette erreur est manifestement une erreur de saisie sur
l'année qui peut être rapidement corrigée en sélectionnant
la ligne correspondant à ce minimum, puis dans la table
en modifiant la valeur de la date en 23/07/2013. Une fois
la mise à jour enregistrée, désélectionnez la ligne, puis
recalculez les statistiques dans le panneau Data Engineering.
Le diagramme de distribution des valeurs est maintenant
cohérent.
Un autre problème peut ici être identifié sur le champ
« consommation_energie » qui présente des valeurs
négatives et des valeurs anormalement élevées. De
la même manière que précédemment vous pouvez
rapidement les corriger dans la table, par exemple ici en
supprimant les lignes suspectes. Pour sélectionner les
lignes correspondant à une plage de valeurs précises,
vous pouvez demander à ouvrir le diagramme de
distribution. Après correction, le fait de recalculer les
statistiques (dans l'interface de Data Engineering) vous
permet d'actualiser ce diagramme de distribution.
37

SIGMAG
4
2

https://www.arcorama.fr/

SIGMAG - N°34 - Octobre 2022

Table des matières de la publication SIGMAG - N°34 - Octobre 2022