diff --git a/R/creer_graphe_5_2.R b/R/creer_graphe_5_2.R index a6f084645b62b6172935e9f1e9dcd0e56b21bb7e..e4a64c34bef58fe737c033feb5f3d36db3125bea 100644 --- a/R/creer_graphe_5_2.R +++ b/R/creer_graphe_5_2.R @@ -5,8 +5,8 @@ #' #' @return une liste de deux graphiques ggplot #' @importFrom COGiter filtrer_cog -#' @importFrom dplyr filter select arrange mutate group_by summarise ungroup row_number lead bind_rows -#' @importFrom ggplot2 ggplot geom_line aes labs scale_y_continuous coord_cartesian theme +#' @importFrom dplyr filter select arrange mutate group_by summarise ungroup row_number lead bind_rows case_when pull +#' @importFrom ggplot2 ggplot geom_line aes labs scale_y_continuous coord_cartesian theme unit #' @importFrom ggtext geom_textbox #' @importFrom glue glue #' @importFrom gouvdown scale_color_gouv_discrete scale_fill_gouv_discrete @@ -61,7 +61,7 @@ creer_graphe_5_2 <- function(millesime_obs_artif,code_reg) { data <- data %>% dplyr::group_by(.data$TypeZone,.data$Zone) %>% - dplyr::mutate(simul_ou_dernier_mesure = case_when( + dplyr::mutate(simul_ou_dernier_mesure = dplyr::case_when( simul ~ TRUE, !simul & dplyr::lead(simul) ~ TRUE, TRUE ~ FALSE @@ -102,13 +102,13 @@ creer_graphe_5_2 <- function(millesime_obs_artif,code_reg) { note_de_lecture_zone_departements <- as.character(data_segment_departements[1,]$Zone) note_de_lecture_date_departements <- lubridate::year(data_segment_departements[1,]$date) - note_de_lecture_valeur_en_date_departements <- max(data_departements %>% dplyr::filter(.data$Zone==note_de_lecture_zone_departements) %>% pull(valeur),na.rm=TRUE) + note_de_lecture_valeur_en_date_departements <- max(data_departements %>% dplyr::filter(.data$Zone==note_de_lecture_zone_departements) %>% dplyr::pull(valeur),na.rm=TRUE) note_de_lecture_valeur_tendance_departements <- data_segment_departements[1,]$valeur_tendance note_de_lecture_valeur_objectif_departements <- data_segment_departements[1,]$valeur_objectif note_de_lecture_zone_region <- as.character(data_segment_region[1,]$Zone) note_de_lecture_date_region <- lubridate::year(data_segment_region[1,]$date) - note_de_lecture_valeur_en_date_region <- max(data_region %>% dplyr::filter(.data$Zone==note_de_lecture_zone_region) %>% pull(valeur),na.rm=TRUE) + note_de_lecture_valeur_en_date_region <- max(data_region %>% dplyr::filter(.data$Zone==note_de_lecture_zone_region) %>% dplyr::pull(valeur),na.rm=TRUE) note_de_lecture_valeur_tendance_region <- data_segment_region[1,]$valeur_tendance note_de_lecture_valeur_objectif_region <- data_segment_region[1,]$valeur_objectif @@ -174,7 +174,7 @@ creer_graphe_5_2 <- function(millesime_obs_artif,code_reg) { ggplot2::coord_cartesian(clip = "off",expand = FALSE) + ggplot2::theme( legend.position = "none", - plot.margin = unit(c(1, 8, 1, 1), "lines") + plot.margin = ggplot2::unit(c(1, 8, 1, 1), "lines") ) + gouvdown::scale_color_gouv_discrete(palette = "pal_gouv_qual1") + gouvdown::scale_fill_gouv_discrete(palette = "pal_gouv_qual1") diff --git a/inst/rmarkdown/templates/publication/skeleton/skeleton.Rmd b/inst/rmarkdown/templates/publication/skeleton/skeleton.Rmd index c8bbc79c3597a4299b9874b9fd34c6d7000cf248..878b9481c8ca21083a9c401a0104ad4496883c73 100644 --- a/inst/rmarkdown/templates/publication/skeleton/skeleton.Rmd +++ b/inst/rmarkdown/templates/publication/skeleton/skeleton.Rmd @@ -7,10 +7,10 @@ output: # logo: "prefecture_r52" params: millesime_ocsge: 2016 - millesime_obs_artif: 2020 + millesime_obs_artif: 2021 millesime_etalement_urbain: 2020 millesime_population: 2019 - millesime_stock_artif: 2020 + millesime_stock_artif: 2021 code_reg: 52 title: "La consommation d'espace en `r mapfactory::get_nom_reg(params$code_reg)` en `r params$millesime_obs_artif`" ---