R/creer_graphe_5_2.R

@@ -35,7 +35,7 @@ creer_graphe_5_2 <- function(millesime_obs_artif,code_reg) {
   data <- observatoire_artificialisation %>%
     COGiter::filtrer_cog(reg = code_reg) %>%
     dplyr::filter(.data$TypeZone %in% c("R\u00e9gions","D\u00e9partements")) %>%
-    dplyr::select(.data$TypeZone,.data$Zone,.data$date,.data$flux_naf_artificialisation_total) %>%
+    dplyr::select( "TypeZone", "Zone", "date", "flux_naf_artificialisation_total") %>%
     dplyr::arrange(.data$TypeZone,.data$Zone,.data$date) %>%
     dplyr::mutate(simul=FALSE,
                   flux_naf_artificialisation_total = .data$flux_naf_artificialisation_total / 10000) %>%
@@ -82,7 +82,7 @@ creer_graphe_5_2 <- function(millesime_obs_artif,code_reg) {
 
   data_segment_departements = data_departements %>%
     dplyr::filter(.data$date ==max(date)) %>%
-    dplyr::select(.data$TypeZone,.data$Zone,.data$date,.data$valeur_objectif,.data$valeur_tendance) %>%
+    dplyr::select( "TypeZone", "Zone", "date", "valeur_objectif", "valeur_tendance") %>%
     dplyr::mutate(y = .data$valeur_objectif+0.5*(.data$valeur_tendance-.data$valeur_objectif),
                   rank = rank(.data$y),
                   nrow = max(dplyr::row_number()),
@@ -92,7 +92,7 @@ creer_graphe_5_2 <- function(millesime_obs_artif,code_reg) {
                                    {mapfactory::format_fr_nb(valeur_tendance-valeur_objectif,0)} ha en moins \u00e0 r\u00e9aliser"))
   data_segment_region = data_region %>%
     dplyr::filter(.data$date ==max(date)) %>%
-    dplyr::select(.data$TypeZone,.data$Zone,.data$date,.data$valeur_objectif,.data$valeur_tendance) %>%
+    dplyr::select( "TypeZone", "Zone", "date", "valeur_objectif", "valeur_tendance") %>%
     dplyr::mutate(y = .data$valeur_objectif+0.5*(.data$valeur_tendance-.data$valeur_objectif),
                   position = .data$y,
                   label = glue::glue("**{Zone}** :

R/creer_tableau_1_6.R

@@ -63,11 +63,11 @@ creer_tableau_1_6 <- function(millesime_ocsge = NULL, millesime_population = NUL
         TRUE ~ "")
         ) %>%
       dplyr::rename ("population_n"="population_municipale") %>%
-      dplyr::select (-.data$date)
+      dplyr::select(-"date")
 
     # table des seuils
     seuil_population <- population %>%
-      dplyr::select (.data$CodeZone,.data$seuil_pop)
+      dplyr::select("CodeZone", "seuil_pop")
 
 
     # preparation des donnees
@@ -80,8 +80,8 @@ creer_tableau_1_6 <- function(millesime_ocsge = NULL, millesime_population = NUL
       dplyr::mutate(date=lubridate::year(lubridate::as_date(.data$date)),
                     espace_naturel= .data$autre_surface_naturelle + .data$surface_en_eau + .data$surface_naturelle_boisee) %>%
       COGiter::filtrer_cog(reg = code_reg) %>%
-      dplyr::select (.data$TypeZone,.data$Zone,.data$CodeZone,
-                     .data$espace_naturel,.data$espace_agricole,.data$espace_artificialise)  %>%
+      dplyr::select ("TypeZone", "Zone", "CodeZone",
+                    "espace_naturel", "espace_agricole", "espace_artificialise")  %>%
       dplyr::filter(.data$TypeZone == "Communes")
 
     ocsge3 <- ocsge2 %>%
@@ -104,14 +104,14 @@ creer_tableau_1_6 <- function(millesime_ocsge = NULL, millesime_population = NUL
 
     # donnees du tableau
     data2 <- data1 %>%
-      dplyr::select (.data$seuil_pop,.data$dep,.data$variable,.data$taux) %>%
+      dplyr::select("seuil_pop", "dep", "variable", "taux") %>%
       tidyr::pivot_wider(names_from = "variable", values_from = "taux", values_fill = 0) %>%
       dplyr::left_join(COGiter::departements %>%
-                         dplyr::filter (.data$REG == code_reg) %>%
-                         dplyr::select(.data$DEP, .data$NOM_DEP),
+                         dplyr::filter(.data$REG == code_reg) %>%
+                         dplyr::select("DEP", "NOM_DEP"),
                        by=c("dep"= "DEP")) %>%
       dplyr::rename("Departement" = "NOM_DEP") %>%
-      dplyr::select (.data$seuil_pop, .data$Departement, .data$espace_artificialise, .data$espace_agricole, .data$espace_naturel)
+      dplyr::select("seuil_pop",  "Departement",  "espace_artificialise",  "espace_agricole",  "espace_naturel")
 
     data <- data2 %>%
       dplyr::group_by(.data$seuil_pop) %>%
@@ -125,12 +125,7 @@ creer_tableau_1_6 <- function(millesime_ocsge = NULL, millesime_population = NUL
       dplyr::arrange(.data$seuil_pop) %>%
       dplyr::mutate(seuil_pop = as.character(.data$seuil_pop)) %>%
       dplyr::mutate(seuil_pop = ifelse(.data$n == 1, .data$seuil_pop, "")) %>%
-      dplyr::select(.data$seuil_pop,
-                    .data$Departement,
-                    .data$espace_artificialise,
-                    .data$espace_agricole,
-                    .data$espace_naturel,
-                    .data$nmax)
+      dplyr::select("seuil_pop", "Departement", "espace_artificialise", "espace_agricole", "espace_naturel", "nmax")
 
 
     # Render a bar chart with a label on the left
@@ -141,7 +136,7 @@ creer_tableau_1_6 <- function(millesime_ocsge = NULL, millesime_population = NUL
     }
 
     tableau_1_6 <- reactable::reactable(
-      data %>% dplyr::select(-.data$nmax),
+      data %>% dplyr::select(-"nmax"),
       defaultPageSize = 100,
       sortable = FALSE,
       rowStyle = function(index) {

R/creer_tableau_6_1.R

@@ -33,6 +33,10 @@ creer_tableau_6_1 <- function(millesime_stock_artif = NULL, millesime_population
 
   millesime_debut <- 2016
   millesime_population_debut <- millesime_population - (millesime_stock_artif - millesime_debut)
+  dep_reg <- COGiter::departements %>%
+    dplyr::filter (.data$REG == code_reg) %>%
+    dplyr::select("DEP", "NOM_DEP")
+
   if (is.numeric(code_reg)) {
     code_reg = as.character(code_reg)
   }
@@ -68,11 +72,11 @@ creer_tableau_6_1 <- function(millesime_stock_artif = NULL, millesime_population
       TRUE ~ "")
     ) %>%
     dplyr::rename ("population_n"="population_municipale") %>%
-    dplyr::select (-.data$date)
+    dplyr::select(-"date")
 
   # table des seuils
   seuil_population <- population %>%
-    dplyr::select (.data$CodeZone, .data$seuil_pop)
+    dplyr::select("CodeZone", "seuil_pop")
 
 
   # preparation des donnees evolution_artificialisation
@@ -92,15 +96,11 @@ creer_tableau_6_1 <- function(millesime_stock_artif = NULL, millesime_population
     dplyr::filter (.data$date == millesime_stock_artif) %>%
     dplyr::group_by(.data$dep, .data$seuil_pop, .data$date) %>%
     dplyr::summarise(surface_artificialisee = sum(.data$surface_artificialisee, na.rm = T),
-                     surf_cadastree = sum(.data$surf_cadastree, na.rm = T)
-                     ) %>%
+                     surf_cadastree = sum(.data$surf_cadastree, na.rm = T)) %>%
     dplyr::ungroup() %>%
-    dplyr::left_join(COGiter::departements %>%
-                       dplyr::filter (.data$REG == code_reg) %>%
-                       dplyr::select(.data$DEP, .data$NOM_DEP),
-                     by=c("dep"= "DEP")) %>%
+    dplyr::left_join(dep_reg, by = c("dep"= "DEP")) %>%
     dplyr::rename("Zone" = "NOM_DEP") %>%
-    dplyr::select(-.data$dep)
+    dplyr::select(-"dep")
 
   evol_artif1_2 <- evol_artif1 %>%
     dplyr::group_by(.data$seuil_pop, .data$date) %>%
@@ -110,11 +110,11 @@ creer_tableau_6_1 <- function(millesime_stock_artif = NULL, millesime_population
     dplyr::ungroup() %>%
     dplyr::mutate(Zone = COGiter::regions %>%
                     dplyr::filter (.data$REG == code_reg) %>%
-                    dplyr::pull(.data$NOM_REG))
+                    dplyr::pull("NOM_REG"))
 
 
-  evol_artif1 <-dplyr::bind_rows(evol_artif1,evol_artif1_2) %>%
-    dplyr::select(.data$seuil_pop, .data$Zone, .data$date, .data$surface_artificialisee, .data$surf_cadastree) %>%
+  evol_artif1 <- dplyr::bind_rows(evol_artif1, evol_artif1_2) %>%
+    dplyr::select("seuil_pop", "Zone", "date", "surface_artificialisee", "surf_cadastree") %>%
     dplyr::mutate (part_artificialisee_du_territoire_cadastre = paste0( round((.data$surface_artificialisee / .data$surf_cadastree)*100 , 1), " %"))
 
   evol_artif2 <- evol_artif %>%
@@ -124,12 +124,9 @@ creer_tableau_6_1 <- function(millesime_stock_artif = NULL, millesime_population
     dplyr::group_by(.data$dep, .data$seuil_pop, .data$date) %>%
     dplyr::summarise(surface_artificialisee_ancienne = sum(.data$surface_artificialisee, na.rm = T)) %>%
     dplyr::ungroup() %>%
-    dplyr::left_join(COGiter::departements %>%
-                       dplyr::filter (.data$REG == code_reg) %>%
-                       dplyr::select(.data$DEP, .data$NOM_DEP),
-                     by=c("dep"= "DEP")) %>%
+    dplyr::left_join(dep_reg, by=c("dep"= "DEP")) %>%
     dplyr::rename("Zone" = "NOM_DEP") %>%
-    dplyr::select(-.data$dep)
+    dplyr::select(-"dep")
 
   evol_artif2_2 <- evol_artif2 %>%
     dplyr::group_by(.data$seuil_pop, .data$date) %>%
@@ -139,8 +136,8 @@ creer_tableau_6_1 <- function(millesime_stock_artif = NULL, millesime_population
                     dplyr::filter (.data$REG == code_reg) %>%
                     dplyr::pull(.data$NOM_REG))
 
-  evol_artif2 <-dplyr::bind_rows(evol_artif2,evol_artif2_2) %>%
-    dplyr::select(.data$seuil_pop, .data$Zone, .data$surface_artificialisee_ancienne)
+  evol_artif2 <- dplyr::bind_rows(evol_artif2,evol_artif2_2) %>%
+    dplyr::select("seuil_pop", "Zone", "surface_artificialisee_ancienne")
 
 
   # preparation des donnees evol_population
@@ -158,12 +155,9 @@ creer_tableau_6_1 <- function(millesime_stock_artif = NULL, millesime_population
     dplyr::group_by(.data$dep, .data$seuil_pop, .data$date) %>%
     dplyr::summarise(population_municipale = sum(.data$population_municipale, na.rm = T)) %>%
     dplyr::ungroup() %>%
-    dplyr::left_join(COGiter::departements %>%
-                       dplyr::filter (.data$REG == code_reg) %>%
-                       dplyr::select(.data$DEP, .data$NOM_DEP),
-                     by=c("dep"= "DEP")) %>%
+    dplyr::left_join(dep_reg, by = c("dep" = "DEP")) %>%
     dplyr::rename("Zone" = "NOM_DEP") %>%
-    dplyr::select(-.data$dep)
+    dplyr::select(-"dep")
 
   evol_popul1_2 <- evol_popul1 %>%
     dplyr::group_by(.data$seuil_pop, .data$date) %>%
@@ -171,10 +165,10 @@ creer_tableau_6_1 <- function(millesime_stock_artif = NULL, millesime_population
     dplyr::ungroup() %>%
     dplyr::mutate(Zone = COGiter::regions %>%
                     dplyr::filter (.data$REG == code_reg) %>%
-                    dplyr::pull(.data$NOM_REG))
+                    dplyr::pull("NOM_REG"))
 
   evol_popul1 <-dplyr::bind_rows(evol_popul1, evol_popul1_2) %>%
-    dplyr::select(.data$seuil_pop, .data$Zone, .data$population_municipale)
+    dplyr::select("seuil_pop", "Zone", "population_municipale")
 
 
   evol_popul2 <- evol_popul %>%
@@ -184,12 +178,9 @@ creer_tableau_6_1 <- function(millesime_stock_artif = NULL, millesime_population
     dplyr::group_by(.data$dep, .data$seuil_pop, .data$date) %>%
     dplyr::summarise(population_municipale_ancienne = sum(.data$population_municipale, na.rm = T)) %>%
     dplyr::ungroup() %>%
-    dplyr::left_join(COGiter::departements %>%
-                       dplyr::filter (.data$REG == code_reg) %>%
-                       dplyr::select(.data$DEP, .data$NOM_DEP),
-                     by=c("dep"= "DEP")) %>%
+    dplyr::left_join(dep_reg, by=c("dep"= "DEP")) %>%
     dplyr::rename("Zone" = "NOM_DEP") %>%
-    dplyr::select(-.data$dep)
+    dplyr::select(-"dep")
 
   evol_popul2_2 <- evol_popul2 %>%
     dplyr::group_by(.data$seuil_pop, .data$date) %>%
@@ -197,10 +188,10 @@ creer_tableau_6_1 <- function(millesime_stock_artif = NULL, millesime_population
     dplyr::ungroup() %>%
     dplyr::mutate(Zone = COGiter::regions %>%
                     dplyr::filter (.data$REG == code_reg) %>%
-                    dplyr::pull(.data$NOM_REG))
+                    dplyr::pull("NOM_REG"))
 
-  evol_popul2 <-dplyr::bind_rows(evol_popul2, evol_popul2_2) %>%
-    dplyr::select(.data$seuil_pop, .data$Zone, .data$population_municipale_ancienne)
+  evol_popul2 <- dplyr::bind_rows(evol_popul2, evol_popul2_2) %>%
+    dplyr::select("seuil_pop", "Zone", "population_municipale_ancienne")
 
 
 # regroupement des donnees
@@ -222,18 +213,18 @@ creer_tableau_6_1 <- function(millesime_stock_artif = NULL, millesime_population
                                                            glue::glue("communes entre\n",pop_2," et ",pop_3, " habitants"),
                                                            glue::glue("communes de plus\nde ",pop_3," habitants")))) %>%
     dplyr::arrange(.data$seuil_pop) %>%
-    dplyr::select (.data$seuil_pop,
-                   .data$Zone,
-                   .data$surf_cadastree,
-                   .data$surface_artificialisee,
-                   .data$population_municipale,
-                   .data$evolution_surf_artificialisee,
-                   .data$part_artificialisee_du_territoire_cadastre,
-                   .data$tc_surfaces_artificialisees,
-                   .data$tc_population,
-                   .data$nb_annees_pour_doubler,
-                   .data$surf_artif_par_hab_an_x,
-                   .data$surf_artif_par_nouv_hab_entre_x_y)
+    dplyr::select("seuil_pop",
+                   "Zone",
+                   "surf_cadastree",
+                   "surface_artificialisee",
+                   "population_municipale",
+                   "evolution_surf_artificialisee",
+                   "part_artificialisee_du_territoire_cadastre",
+                   "tc_surfaces_artificialisees",
+                   "tc_population",
+                   "nb_annees_pour_doubler",
+                   "surf_artif_par_hab_an_x",
+                   "surf_artif_par_nouv_hab_entre_x_y")
 
 # separation des tableaux
 
@@ -257,7 +248,7 @@ creer_tableau_6_1 <- function(millesime_stock_artif = NULL, millesime_population
 
 
 tableau_6_1 <- data_regroupe %>%
-  dplyr::select(-.data$seuil_pop) %>%
+  dplyr::select(-"seuil_pop") %>%
   knitr::kable("html", caption = "Tableau de synth\u00e8se",
                digits= c(0,0,0,0,0,1,1,1,0,1,1),
                align = "c",

R/globals.R

-utils::globalVariables(
+globalVariables(
   c("teruti","observatoire_artificialisation",".data","variable",".",
-    "valeur","etalement_urbain","observatoire_artificialisation_gk3",
+    "valeur", "valeur_ind", "etalement_urbain","observatoire_artificialisation_gk3",
     "stock_artificialise","population_legale","ocsge","regions")
 )

README.Rmd

@@ -30,7 +30,8 @@ propre.artificialisation permet de produire une publication régionale sur l'art
 Pour l'installer :
 
 ```{r, eval=FALSE}
-remotes::install_gitlab("dreal-datalab/propre.artificialisation")
+remotes::install_gitlab(repo = "dreal-pdl/csd/propre.artificialisation", 
+                        host = "gitlab-forge.din.developpement-durable.gouv.fr")
 ```
 
 Pour l'utiliser : 

README.md

@@ -20,7 +20,8 @@ sur l’artificialisation des sols.
 Pour l’installer :
 
 ``` r
-remotes::install_gitlab("dreal-datalab/propre.artificialisation")
+remotes::install_gitlab(repo = "dreal-pdl/csd/propre.artificialisation", 
+                        host = "gitlab-forge.din.developpement-durable.gouv.fr")
 ```
 
 Pour l’utiliser :

data-raw/data_tableurs.R

@@ -15,7 +15,7 @@ millesime_ocsge <- millesimes  %>% dplyr::filter (donnee == "ocsge") %>% pull ()
 millesime_obs_artif <- millesimes  %>% dplyr::filter (donnee == "observatoire_artificialisation") %>% pull ()
 millesime_population <- millesimes  %>% dplyr::filter (donnee == "population_legale") %>% pull ()
 millesime_stock_artif <- millesimes  %>% dplyr::filter (donnee == "stock_artificialise") %>% pull ()
-millesime_debut <- 2016  #millesime debut stock artificialisation (fixe)
+millesime_debut <- 2016  # millesime debut stock artificialisation (fixe)
 
 
 # carte 1_3 (source OCSGE) ---------------