Merge branch 'main' of https://github.com/ipeaGIT/geocodebr

R/download_cnefe.R

@@ -13,7 +13,7 @@
 #'   Defaults to `TRUE`.
 #' @template cache
 #'
-#' @return A directory path where the data was saved.
+#' @return Invisibly returns the path to the file where the data was saved.
 #'
 #' @family Support
 #'
@@ -62,7 +62,7 @@ download_cnefe <- function(state = "all", progress = TRUE, cache = TRUE) {
     grepl(glue::glue("estado=({paste(state, collapse = '|')})"), parquet_files)
   ]
 
-  return(state_parquet_files)
+  return(invisible(state_parquet_files))
 }
 
 assert_and_assign_state <- function(state) {

R/geocode2.R

@@ -48,14 +48,12 @@ geocode2 <- function(addresses_table,
   # include only the municipalities present in the input table, reducing the
   # search scope and consequently reducing processing time and memory usage
 
+  download_cnefe(present_states, progress = progress, cache = cache)
+
   present_states <- unique(standard_locations$estado_padr)
 
-  cnefe_path <- download_cnefe(
-    present_states,
-    progress = progress,
-    cache = cache
-  )
-  cnefe <- arrow::open_dataset(cnefe_path)
+  cnefe <- arrow::open_dataset(get_cache_dir())
+  cnefe <- dplyr::filter(cnefe, estado %in% present_states)
 
   # creating a temporary db and registering both the input table and the cnefe
   # data
@@ -97,7 +95,7 @@ geocode2 <- function(addresses_table,
     "cep_padr",          "cep",
     "bairro_padr",       "localidade",
     "municipio_padr",    "municipio",
-    "estado_padr",       "estado"         # INCLUDE, NOT IN CNEFE YET
+    "estado_padr",       "estado"
   )
 
   lookup_vector <- equivalent_colnames$cnefe
@@ -106,18 +104,18 @@ geocode2 <- function(addresses_table,
   # when merging the data, we have several different cases with different confidence
   # levels. from best to worst, they are:
   #
-  # - case 01: match municipio, logradouro, numero, cep, localidade
-  # - case 02: match municipio, logradouro, numero, cep
-  # - case 03: match municipio, logradouro, numero, localidade
-  # - case 04: match municipio, logradouro, cep, localidade
-  # - case 05: match municipio, logradouro, numero
-  # - case 06: match municipio, logradouro, cep
-  # - case 07: match municipio, logradouro, localidade
-  # - case 08: match municipio, logradouro
-  # - case 09: match municipio, cep, localidade
-  # - case 10: match municipio, cep
-  # - case 11: match municipio, localidade
-  # - case 12: match municipio
+  # - case 01: match estado, municipio, logradouro, numero, cep, localidade
+  # - case 02: match estado, municipio, logradouro, numero, cep
+  # - case 03: match estado, municipio, logradouro, numero, localidade
+  # - case 04: match estado, municipio, logradouro, cep, localidade
+  # - case 05: match estado, municipio, logradouro, numero
+  # - case 06: match estado, municipio, logradouro, cep
+  # - case 07: match estado, municipio, logradouro, localidade
+  # - case 08: match estado, municipio, logradouro
+  # - case 09: match estado, municipio, cep, localidade
+  # - case 10: match estado, municipio, cep
+  # - case 11: match estado, municipio, localidade
+  # - case 12: match estado, municipio
 
   DBI::dbExecute(con, "ALTER TABLE standard_locations ADD COLUMN match_type VARCHAR DEFAULT NULL")
   DBI::dbExecute(con, "ALTER TABLE standard_locations ADD COLUMN lon DOUBLE DEFAULT NULL")
@@ -128,8 +126,7 @@ geocode2 <- function(addresses_table,
     n_rows_affected <- 0
   }
 
-
-  for (case in 1:12) {
+  for (case in c(1, 2, 4:11)) {
     relevant_cols <- get_relevant_cols(case)
     formatted_case <- formatC(case, width = 2, flag = "0")
 
@@ -202,29 +199,29 @@ assert_address_fields <- function(address_fields, addresses_table) {
 
 get_relevant_cols <- function(case) {
   relevant_cols <- if (case == 1) {
-    c("municipio_padr", "logradouro_padr", "numero_padr", "cep_padr", "bairro_padr")
+    c("estado_padr", "municipio_padr", "logradouro_padr", "numero_padr", "cep_padr", "bairro_padr")
   } else if (case == 2) {
-    c("municipio_padr", "logradouro_padr", "numero_padr", "cep_padr")
+    c("estado_padr", "municipio_padr", "logradouro_padr", "numero_padr", "cep_padr")
   } else if (case == 3) {
-    c("municipio_padr", "logradouro_padr", "numero_padr", "bairro_padr")
+    c("estado_padr", "municipio_padr", "logradouro_padr", "numero_padr", "bairro_padr")
   } else if (case == 4) {
-    c("municipio_padr", "logradouro_padr", "cep_padr", "bairro_padr")
+    c("estado_padr", "municipio_padr", "logradouro_padr", "cep_padr", "bairro_padr")
   } else if (case == 5) {
-    c("municipio_padr", "logradouro_padr", "numero_padr")
+    c("estado_padr", "municipio_padr", "logradouro_padr", "numero_padr")
   } else if (case == 6) {
-    c("municipio_padr", "logradouro_padr", "cep_padr")
+    c("estado_padr", "municipio_padr", "logradouro_padr", "cep_padr")
   } else if (case == 7) {
-    c("municipio_padr", "logradouro_padr", "bairro_padr")
+    c("estado_padr", "municipio_padr", "logradouro_padr", "bairro_padr")
   } else if (case == 8) {
-    c("municipio_padr", "logradouro_padr")
+    c("estado_padr", "municipio_padr", "logradouro_padr")
   } else if (case == 9) {
-    c("municipio_padr", "cep_padr", "bairro_padr")
+    c("estado_padr", "municipio_padr", "cep_padr", "bairro_padr")
   } else if (case == 10) {
-    c("municipio_padr", "cep_padr")
+    c("estado_padr", "municipio_padr", "cep_padr")
   } else if (case == 11) {
-    c("municipio_padr", "bairro_padr")
+    c("estado_padr", "municipio_padr", "bairro_padr")
   } else if (case == 12) {
-    c("municipio_padr")
+    c("estado_padr", "municipio_padr")
   }
 
   return(relevant_cols)

R/geocodebr.R

@@ -23,6 +23,6 @@ cache_config_file <- fs::path(
 utils::globalVariables(
   c(
     "year", "temp_local_file", "lon_min", "lon_max", "lat_min", "lat_max", ".",
-    "lon_diff", "lat_diff", "lon", "lat"
+    "lon_diff", "lat_diff", "lon", "lat", "estado"
   )
 )