Fix titulaires manquants pour données AWS et codes département#166
Open
imanuch wants to merge 2 commits intoColinMaudry:mainfrom
Open
Fix titulaires manquants pour données AWS et codes département#166imanuch wants to merge 2 commits intoColinMaudry:mainfrom
imanuch wants to merge 2 commits intoColinMaudry:mainfrom
Conversation
…rmatés - Normalisation des titulaires vers le format cible (2019 ou 2022) lors du parsing - Les données AWS utilisent une enveloppe format 2022 mais des titulaires format 2019 - Détection dynamique du format des titulaires dans clean_titulaires() - Correction des codes département sur 3 chiffres (ex: "006" -> "06") - Préservation des codes DOM-TOM légitimes (971, 972, etc.)
Owner
|
Pour les titulaires, travaille plutôt à partir de cette fonction : https://github.com/ColinMaudry/decp-processing/blob/main/src/tasks/clean.py#L201-L257 |
…clean_titulaires() La détection dynamique du format dans clean_titulaires() suffit à gérer le format hybride AWS, pas besoin de normaliser en amont dans get.py.
ColinMaudry
requested changes
Feb 17, 2026
Owner
ColinMaudry
left a comment
ColinMaudry
left a comment
There was a problem hiding this comment.
J'ai laissé quelques commentaires. Je veux bien aussi que tu enrichisses test_clean_decp() dans tests/test_clean.py en rajoutant les champs de lieu d'exécution avec des valeurs à corriger, et les assert qui vérifient que tout s'est bien passé.
| lf = lf.with_columns( | ||
| pl.when( | ||
| (pl.col("lieuExecution_typeCode") == "Code département") | ||
| & (pl.col("lieuExecution_code").str.len_chars() == 3) |
Owner
There was a problem hiding this comment.
Cette condition est redondante avec la condition \d{3} plus bas.
| # Traitement en parrallèle avec 8 threads | ||
| lfs = [] | ||
| with concurrent.futures.ThreadPoolExecutor(max_workers=8) as executor: | ||
| with concurrent.futures.ThreadPoolExecutor(max_workers=15) as executor: |
github-project-automation
bot
moved this from Backlog
to In progress
in decp-processing
This file contains hidden or bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
2 participants
Add this suggestion to a batch that can be applied as a single commit.This suggestion is invalid because no changes were made to the code.Suggestions cannot be applied while the pull request is closed.Suggestions cannot be applied while viewing a subset of changes.Only one suggestion per line can be applied in a batch.Add this suggestion to a batch that can be applied as a single commit.Applying suggestions on deleted lines is not supported.You must change the existing code in this line in order to create a valid suggestion.Outdated suggestions cannot be applied.This suggestion has been applied or marked resolved.Suggestions cannot be applied from pending reviews.Suggestions cannot be applied on multi-line comments.Suggestions cannot be applied while the pull request is queued to merge.Suggestion cannot be applied right now. Please check back later.
Summary
Détails
Problème 1 : Titulaires manquants (AWS)
Les données AWS utilisent un format hybride :
marches.marche)titulaireimbriquée)Le code détectait le format 2022 et cherchait
titulaires[].titulaire.id, mais les données avaient directementtitulaires[].id.Solution :
norm_titulaire()normalise maintenant vers le format cible (2019 ou 2022)clean_titulaires()détecte dynamiquement le format des titulaires dans le schémaProblème 2 : Codes département mal formatés
Certains codes département sont sur 3 chiffres avec un zéro devant (ex: "006" au lieu de "06").
Solution :
clean_lieu_execution_code()qui supprime le zéro initialTest plan
norm_titulaire()avec données AWS réellesclean_lieu_execution_code()avec différents cas (006, 972, 69M, 2A)