From 2ab8c320d6fb290ab3b7cad821e9d40f57b75d80 Mon Sep 17 00:00:00 2001
From: Daniel Kalioudjoglou
<daniel.kalioudjoglou@developpement-durable.gouv.fr>
Date: Fri, 28 May 2021 08:44:14 +0200
Subject: [PATCH 1/3] realisation du graphique 2_5 ticket 37
---
DESCRIPTION | 3 +-
NAMESPACE | 2 +
R/creer_graphe_2_5.R | 61 ++++
R/globals.R | 2 +-
devstuff_history.R | 5 +
.../publication/skeleton/skeleton.Rmd | 6 +
man/creer_graphe_2_5.Rd | 20 ++
tests/testthat/test-creer_graphe_2_5.R | 7 +
vignettes/be-ch2-5.Rmd | 30 ++
vignettes/test.R | 282 ++++++------------
10 files changed, 216 insertions(+), 202 deletions(-)
create mode 100644 R/creer_graphe_2_5.R
create mode 100644 man/creer_graphe_2_5.Rd
create mode 100644 tests/testthat/test-creer_graphe_2_5.R
create mode 100644 vignettes/be-ch2-5.Rmd
diff --git a/DESCRIPTION b/DESCRIPTION
index 6c4c1d7..53da080 100644
--- a/DESCRIPTION
+++ b/DESCRIPTION
@@ -38,8 +38,7 @@ Imports:
stringr,
tidyr,
tricky,
- utils,
- sf
+ utils
Suggests:
knitr,
rmarkdown,
diff --git a/NAMESPACE b/NAMESPACE
index 624b64a..81095c9 100644
--- a/NAMESPACE
+++ b/NAMESPACE
@@ -9,6 +9,7 @@ export(creer_graphe_1_1)
export(creer_graphe_1_4)
export(creer_graphe_1_5)
export(creer_graphe_2_4)
+export(creer_graphe_2_5)
export(format_fr_pct)
importFrom(attempt,stop_if_not)
importFrom(dplyr,arrange)
@@ -44,6 +45,7 @@ importFrom(ggplot2,geom_sf)
importFrom(ggplot2,geom_text)
importFrom(ggplot2,ggplot)
importFrom(ggplot2,labs)
+importFrom(ggplot2,position_dodge)
importFrom(ggplot2,scale_fill_manual)
importFrom(ggplot2,scale_size_area)
importFrom(ggplot2,scale_x_discrete)
diff --git a/R/creer_graphe_2_5.R b/R/creer_graphe_2_5.R
new file mode 100644
index 0000000..f133868
--- /dev/null
+++ b/R/creer_graphe_2_5.R
@@ -0,0 +1,61 @@
+#' Creation du graphique de l artificialisation par destination en ha sur 10 ans
+#' @description Graphique de l artificialisation par destination en ha sur 10 ans
+#'
+#' @param millesime_obs_artif une année parmi les millesimes sélectionnables par l'utilisateur, au format numerique.
+#'
+#' @return cinq diagrammes en barres
+#'
+#' @importFrom gouvdown scale_fill_gouv_discrete
+#' @importFrom dplyr filter select mutate arrange
+#' @importFrom forcats fct_drop fct_relevel
+#' @importFrom ggplot2 ggplot geom_bar aes position_dodge labs facet_wrap theme
+#' @importFrom glue glue
+#' @importFrom lubridate year
+#' @importFrom tidyr gather
+#'
+#' @export
+#'
+#' @examples
+#' creer_graphe_2_5(millesime_obs_artif = 2019)
+
+creer_graphe_2_5 <- function(millesime_obs_artif) {
+
+ # calcul des millesimes extremes du graphique
+ millesime_debut <- millesime_obs_artif - 10
+ millesime_fin <- millesime_obs_artif - 1
+
+ # Creation de la table utile a la production du graphique
+ data <- observatoire_artificialisation %>%
+ dplyr::filter(.data$TypeZone == "D\u00e9partements", .data$CodeZone %in% c("44","49","53","72","85")) %>%
+ dplyr::select(.data$Zone, .data$date, .data$flux_naf_artificialisation_activite, .data$flux_naf_artificialisation_habitation, .data$flux_naf_artificialisation_mixte) %>%
+ dplyr::mutate(
+ Zone = forcats::fct_drop(.data$Zone) %>%
+ forcats::fct_relevel(c("Loire-Atlantique", "Maine-et-Loire", "Mayenne", "Sarthe", "Vend\u00e9e"))
+ ) %>%
+ dplyr::arrange(.data$Zone) %>%
+ dplyr::mutate(date = as.character(lubridate::year(.data$date - 1))) %>%
+ dplyr::filter(.data$date < millesime_obs_artif, .data$date > millesime_obs_artif - 11) %>% # conserve les 10 derniers millesimes
+ tidyr::gather(variable,valeur,.data$flux_naf_artificialisation_activite : .data$flux_naf_artificialisation_mixte) %>%
+ dplyr::mutate(valeur = .data$valeur / 10000) %>%
+
+ dplyr::mutate(variable = replace(.data$variable, .data$variable=="flux_naf_artificialisation_activite","activit\u00e9"),
+ variable = replace(.data$variable, .data$variable=="flux_naf_artificialisation_habitation","habitation"),
+ variable = replace(.data$variable, .data$variable=="flux_naf_artificialisation_mixte","mixte"))
+
+ # creation du graphique
+ graph_2_5 <- data %>%
+ ggplot2::ggplot() +
+ ggplot2::geom_bar(ggplot2::aes(x = .data$date, y = .data$valeur, fill = .data$variable),
+ width = 0.6, stat = "identity", position=ggplot2::position_dodge()
+ ) +
+ ggplot2::labs(
+ title = glue::glue("Artificialisation par destination, par d\u00e9partement de {millesime_debut} \u00e0 {millesime_fin}", width = 60),
+ x = "", y = "",
+ fill = "",
+ caption = glue::glue("Source : DGFip/Cerema {millesime_obs_artif}")
+ ) +
+ ggplot2::facet_wrap(Zone ~ ., ncol = 1) +
+ ggplot2::theme(legend.position = "right")
+
+ return(graph_2_5)
+}
diff --git a/R/globals.R b/R/globals.R
index 4fe0d75..d0aa799 100644
--- a/R/globals.R
+++ b/R/globals.R
@@ -1,4 +1,4 @@
utils::globalVariables(
- c("teruti","result","observatoire_artificialisation",".data","variable",
+ c("teruti","result","observatoire_artificialisation",".data","variable",".",
"valeur","etalement_urbain")
)
diff --git a/devstuff_history.R b/devstuff_history.R
index bb1d14d..27ef9ae 100644
--- a/devstuff_history.R
+++ b/devstuff_history.R
@@ -65,6 +65,11 @@ usethis::use_vignette("bd-ch2-4","bd- Chapitre 2 Graphe 4")
usethis::use_r("creer_graphe_2_4")
usethis::use_test("creer_graphe_2_4")
+##creer_graphe_2_5
+usethis::use_vignette("be-ch2-5","bd- Chapitre 2 Graphe 5")
+usethis::use_r("creer_graphe_2_5")
+usethis::use_test("creer_graphe_2_5")
+
##creer_carte_3_2
usethis::use_vignette("cb-ch3-2","cb- Chapitre 3 Carte 2")
usethis::use_r("creer_carte_3_2")
diff --git a/inst/rmarkdown/templates/publication/skeleton/skeleton.Rmd b/inst/rmarkdown/templates/publication/skeleton/skeleton.Rmd
index 6d18f1b..ca3554b 100644
--- a/inst/rmarkdown/templates/publication/skeleton/skeleton.Rmd
+++ b/inst/rmarkdown/templates/publication/skeleton/skeleton.Rmd
@@ -77,6 +77,12 @@ creer_carte_2_2( params$millesime_obs_artif)
```{r graph conso espace departements 10 ans,fig.width=5,fig.height=7}
creer_graphe_2_4( params$millesime_obs_artif)
```
+
+```{r graph artificialisation par destination departements 10 ans,fig.width=9,fig.height=7}
+creer_graphe_2_5( params$millesime_obs_artif)
+```
+
+
## Chapitre 3
```{r carte communale de l etalement urbain,fig.width=9,fig.height=7}
diff --git a/man/creer_graphe_2_5.Rd b/man/creer_graphe_2_5.Rd
new file mode 100644
index 0000000..f51f9b8
--- /dev/null
+++ b/man/creer_graphe_2_5.Rd
@@ -0,0 +1,20 @@
+% Generated by roxygen2: do not edit by hand
+% Please edit documentation in R/creer_graphe_2_5.R
+\name{creer_graphe_2_5}
+\alias{creer_graphe_2_5}
+\title{Creation du graphique de l artificialisation par destination en ha sur 10 ans}
+\usage{
+creer_graphe_2_5(millesime_obs_artif)
+}
+\arguments{
+\item{millesime_obs_artif}{une année parmi les millesimes sélectionnables par l'utilisateur, au format numerique.}
+}
+\value{
+cinq diagrammes en barres
+}
+\description{
+Graphique de l artificialisation par destination en ha sur 10 ans
+}
+\examples{
+creer_graphe_2_5(millesime_obs_artif = 2019)
+}
diff --git a/tests/testthat/test-creer_graphe_2_5.R b/tests/testthat/test-creer_graphe_2_5.R
new file mode 100644
index 0000000..20d04c8
--- /dev/null
+++ b/tests/testthat/test-creer_graphe_2_5.R
@@ -0,0 +1,7 @@
+test_that("creer_graphe_2_5 fonctionne", {
+
+ # Test que le graphe est un ggplot
+ objet <- creer_graphe_2_5(millesime_obs_artif=2019)
+ testthat::expect_equal(attr(objet, "class"), c("gg","ggplot"))
+
+})
diff --git a/vignettes/be-ch2-5.Rmd b/vignettes/be-ch2-5.Rmd
new file mode 100644
index 0000000..7ac7cea
--- /dev/null
+++ b/vignettes/be-ch2-5.Rmd
@@ -0,0 +1,30 @@
+---
+title: "bd- Chapitre 2 Graphe 5"
+output: rmarkdown::html_vignette
+vignette: >
+ %\VignetteIndexEntry{bd- Chapitre 2 Graphe 5}
+ %\VignetteEngine{knitr::rmarkdown}
+ %\VignetteEncoding{UTF-8}
+---
+
+```{r, include = FALSE}
+knitr::opts_chunk$set(
+ collapse = TRUE,
+ echo = FALSE,
+ message = FALSE,
+ warning = FALSE,
+ error = FALSE,
+ comment = "#>"
+)
+
+```
+
+# Descriptif
+La fonction `creer_graphe_2_5()` produit le graphique de l artificialisation par destination en ha sur 10 ans
+
+```{r viz, fig.height=10,fig.width=5}
+library(propre.artificialisation)
+library(gouvdown)
+ggplot2::theme_set(gouvdown::theme_gouv(plot_title_size = 14, subtitle_size = 12, base_size = 10, caption_size = 10,strip_text_size = 10))
+creer_graphe_2_5(millesime_obs_artif=2019)
+```
diff --git a/vignettes/test.R b/vignettes/test.R
index 76da186..e4e7ad5 100644
--- a/vignettes/test.R
+++ b/vignettes/test.R
@@ -1,66 +1,27 @@
-#' Creation de la carte de l evolution de l artificialisation sur 10 ans en ha par departement
-#' @description Carte de l evolution de l artificialisation sur 10 ans en ha par departement
+#' Creation du graphique de l artificialisation par destination en ha sur 10 ans
+#' @description Graphique de l artificialisation par destination en ha sur 10 ans
#'
#' @param millesime_obs_artif une année parmi les millesimes sélectionnables par l'utilisateur, au format numerique.
#'
-#' @return Une carte
+#' @return cinq diagrammes en barres
#'
+#' @importFrom gouvdown scale_fill_gouv_discrete
#' @importFrom dplyr filter select mutate arrange
#' @importFrom forcats fct_drop fct_relevel
-#' @importFrom ggplot2 ggplot geom_bar aes geom_text labs facet_wrap theme element_text scale_y_continuous
-#' @importFrom gouvdown scale_fill_gouv_discrete
+#' @importFrom ggplot2 ggplot geom_bar aes position_dodge labs facet_wrap theme
#' @importFrom glue glue
#' @importFrom lubridate year
-#' @importFrom stringr str_wrap
-#' @importFrom mapfactory format_fr
+#' @importFrom tidyr gather
#'
#' @export
#'
#' @examples
-#' creer_carte_2_2(millesime_obs_artif = 2019)
-
-millesime_etalement_urbain=2018
-
- data <- etalement_urbain %>%
- dplyr::filter(.data$TypeZone == "Communes",
- .data$date == lubridate::make_date(millesime_etalement_urbain,"01","01"))%>%
- dplyr::mutate(indicateur_etalement_urbain = forcats::fct_rev(.data$indicateur_etalement_urbain))
-
- fond_carte <- mapfactory::fond_carto(nom_reg = "Pays de la Loire")
-
- localisation_classe6 <- fond_carte$communes %>%
- dplyr::filter(DEPCOM=="53125") %>%
- sf::st_centroid() %>%
- sf::st_geometry() %>%
- sf::st_coordinates()
-
- localisation_classe2a <- fond_carte$communes %>%
- dplyr::filter(DEPCOM=="44072") %>%
- sf::st_point_on_surface() %>%
- sf::st_geometry() %>%
- sf::st_coordinates()
-
- # # reflexions sur automatisation du choix communes de référence
- # ideal_class3_x <- 390000 #coordonnées du point ideal
- # ideal_class3_y <- 6630000
- # choix_class3 <- data %>%
- # dplyr::filter(indicateur_etalement_urbain == "classe 3") #on ne conserve que les class 3
- # # ajouter dans cette table une colonne avec les coordonnéesdu centre de la commune
- # #et une autre avec celles du point ideal
- # # creer une colonne avec une fonction qui calcule la distance entre les 2 colonnes précedentes
- # # prendre la valeur la plus faible de cette colonne et extraire le code commune
- # # utiliser ce code dans localisation_class_3
-
- localisation_classe3 <- fond_carte$communes %>%
- dplyr::filter(DEPCOM=="85289") %>%
- sf::st_point_on_surface() %>%
- sf::st_geometry() %>%
- sf::st_coordinates()
-
-millesime_obs_artif=2019
-library(COGiter)
-
-creer_graphe_2_2 <- function(millesime_obs_artif) {
+#' creer_graphe_2_5(millesime_obs_artif = 2019)
+
+creer_graphe_2_5 <- function(millesime_obs_artif) {
+
+
+
# calcul des millesimes extremes du graphique
millesime_debut <- millesime_obs_artif - 10
@@ -68,156 +29,79 @@ creer_graphe_2_2 <- function(millesime_obs_artif) {
# Creation de la table utile a la production du graphique
data <- observatoire_artificialisation %>%
- dplyr::filter(.data$TypeZone == "D\u00e9partements") %>%
- dplyr::filter( !(.data$CodeZone %in% c("971","972","973","974","975","976") )) %>%
- dplyr::select(.data$CodeZone,.data$TypeZone, .data$Zone, .data$date, .data$flux_naf_artificialisation_total) %>%
- dplyr::mutate(flux_naf_artificialisation_total = .data$flux_naf_artificialisation_total / 10000) %>%
+ dplyr::filter(.data$TypeZone == "D\u00e9partements", .data$CodeZone %in% c("44","49","53","72","85")) %>%
+ dplyr::select(.data$Zone, .data$date, .data$flux_naf_artificialisation_activite, .data$flux_naf_artificialisation_habitation, .data$flux_naf_artificialisation_mixte) %>%
+ dplyr::mutate(
+ Zone = forcats::fct_drop(.data$Zone) %>%
+ forcats::fct_relevel(c("Loire-Atlantique", "Maine-et-Loire", "Mayenne", "Sarthe", "Vend\u00e9e"))
+ ) %>%
+ dplyr::arrange(.data$Zone) %>%
dplyr::mutate(date = as.character(lubridate::year(.data$date - 1))) %>%
dplyr::filter(.data$date < millesime_obs_artif, .data$date > millesime_obs_artif - 11) %>% # conserve les 10 derniers millesimes
- dplyr::arrange(.data$Zone) %>%
- dplyr::group_by(.data$CodeZone,.data$TypeZone, .data$Zone) %>%
- dplyr::summarise(`total en hectares`= sum(.data$flux_naf_artificialisation_total,na.rm=T)) %>%
- dplyr::left_join(COGiter::departements_geo,by=c("CodeZone"="DEP"))
- data <- sf::st_as_sf(data)
-
- # creation de la carte
- monde_file <- system.file("maps","countries_voisins-10m.gpkg",package = "mapfactory")
- monde <- sf::read_sf(monde_file) %>%
- dplyr::select(.data$name)
-
- bbox_reg <- sf::st_bbox(sf::st_buffer(data,50000))
-
- y_min = bbox_reg$ymin
- y_max = bbox_reg$ymax
- x_min = bbox_reg$xmin
- x_max = bbox_reg$xmax
-
- carte_2_2 <- ggplot2::ggplot(data)+
- ggplot2::geom_sf(data = monde,fill="light grey")+
- ggplot2::geom_sf(fill="white")+
- ggplot2::stat_sf_coordinates(ggplot2::aes(size=.data$`total en hectares`,
- fill=.data$`total en hectares`),
- color="black",
- shape=21,
- alpha = 0.8)+
- ggplot2::coord_sf(
- xlim = c(x_min, x_max),
- ylim = c(y_min, y_max),
- expand = FALSE,
- crs = sf::st_crs(data),
- datum = NA
- )+
- ggplot2::theme(
- panel.background = ggplot2::element_rect(fill = "light blue"))+
- gouvdown::scale_fill_gouv_continuous(palette = "pal_gouv_o", reverse = TRUE, name="")+
- # ggplot2::scale_size_area(name="")+
- # ggplot2::scale_size(range = c(0,15))
- ggplot2::scale_size_continuous(range = c(0,20))+
- ggplot2::labs(title=glue::glue("Surfaces artificialis\u00e9es de {millesime_debut} \u00e0 {millesime_fin}"),
- subtitle="",
- y="",
- x="",
- caption = glue::glue("Source : DGFip/Cerema {millesime_obs_artif}"))
-
-
-
-
-
-
-
-
-
- return(carte_2_2)
-}
-
- localisation_classe5 <- fond_carte$communes %>%
- dplyr::filter(DEPCOM=="49224") %>%
- sf::st_point_on_surface() %>%
- sf::st_geometry() %>%
- sf::st_coordinates()
-
- carte_3_2 <- mapfactory::creer_carte_categorie_communes(data = data,
- code_region=52,
- carto = fond_carte,
- palette = "pal_gouv_o",
- inverse = FALSE,
- indicateur = .data$indicateur_etalement_urbain,
- titre = glue::glue("Etalement urbain en Pays de la Loire par commune \n au 1er janvier {millesime_etalement_urbain}"),
- bas_de_page = glue::glue("Source : {millesime_etalement_urbain}"),
- suffixe = NULL
- ) +
- ggplot2::annotate("curve",
- x = 350000,
- y=6818000,
- xend = localisation_classe6[1],
- yend = localisation_classe6[2],
- color = "#D66C58",
- arrow = ggplot2::arrow(length = ggplot2::unit(0.05, "inches"))
+ tidyr::gather(variable,valeur,.data$flux_naf_artificialisation_activite : .data$flux_naf_artificialisation_mixte) %>%
+ dplyr::mutate(valeur = .data$valeur / 10000) %>%
+
+ dplyr::mutate(variable = replace(.data$variable, .data$variable=="flux_naf_artificialisation_activite","activit\u00e9"),
+ variable = replace(.data$variable, .data$variable=="flux_naf_artificialisation_habitation","habitation"),
+ variable = replace(.data$variable, .data$variable=="flux_naf_artificialisation_mixte","mixte"))
+
+ # creation du graphique
+ graph_2_5 <- data %>%
+ ggplot2::ggplot() +
+ ggplot2::geom_bar(ggplot2::aes(x = .data$date, y = .data$valeur, fill = .data$variable),
+ width = 0.6, stat = "identity", position=ggplot2::position_dodge()
) +
- ggplot2::annotate("label",
- x = 350000,
- y=6818000,
- label="classe 6 :\nTerritoires pour lesquels \nla population décroit et \nl'artificialisation progresse",
- label.r = ggplot2::unit(0,"lines"),
- size = 3,
- family = "Marianne",
- fill = "#D66C58",
- color = "white") +
- ggplot2::annotate("curve",
- x = 320000,
- y=6760000,
- xend = localisation_classe2a[1],
- yend = localisation_classe2a[2],
- color = "black",
- arrow = ggplot2::arrow(length = ggplot2::unit(0.05, "inches"))
+ # ggplot2::geom_text(ggplot2::aes(x = .data$date, y = .data$variable - 120, label = mapfactory::format_fr(.data$variable, 0), group = .data$Zone), color = "white", size = 3) +
+ ggplot2::labs(
+ title = glue::glue("Artificialisation par destination, par d\u00e9partement de {millesime_debut} \u00e0 {millesime_fin}", width = 60),
+ x = "", y = "",
+ fill = "",
+ caption = glue::glue("Source : DGFip/Cerema {millesime_obs_artif}")
) +
- ggplot2::annotate("label",
- x = 320000,
- y=6760000,
- label="classe 2a :\nTerritoires pour lesquels \nla population croit moins vite \nque l'artificialisation",
- label.r = ggplot2::unit(0,"lines"),
- size = 3,
- family = "Marianne",
- fill = "#FFF2F1",
- color = "black") +
-
- ggplot2::annotate("curve",
- x = 470000,
- y=6603000,
- xend = localisation_classe3[1],
- yend = localisation_classe3[2],
- color = "black",
- arrow = ggplot2::arrow(length = ggplot2::unit(0.05, "inches"))
- ) +
- ggplot2::annotate("label",
- x = 470000,
- y=6603000,
- label="classe 3 :\nTerritoires pour lesquels \nla population croit moins vite \nque l'artificialisation",
- label.r = ggplot2::unit(0,"lines"),
- size = 3,
- family = "Marianne",
- fill = "#FFC9C2",
- color = "black") +
- ggplot2::annotate("curve",
- x = 500000,
- y=6643000,
- xend = localisation_classe5[1],
- yend = localisation_classe5[2],
- color = "black",
- arrow = ggplot2::arrow(length = ggplot2::unit(0.05, "inches"))
- ) +
- ggplot2::annotate("label",
- x = 500000,
- y=6643000,
- label="classe 5 :\nTerritoires pour lesquels \nla population croit moins vite \nque l'artificialisation",
- label.r = ggplot2::unit(0,"lines"),
- size = 3,
- family = "Marianne",
- fill = "#F66E4E",
- color = "black")
-
-
-
- return(carte_3_2)
-
+ ggplot2::facet_wrap(Zone ~ ., ncol = 1) +
+ # gouvdown::scale_fill_gouv_discrete(palette = "pal_gouv_qual2") +
+ ggplot2::theme(legend.position = "right")
+
+
+
+
+
+
+ # data %>%
+ # ggplot2::ggplot() +
+ # ggplot2::geom_bar(ggplot2::aes(x = .data$date, y = .data$valeur, fill = .data$variable),
+ # width = 0.6, stat = "identity", position=ggplot2::position_dodge()
+ # ) +
+ # # ggplot2::geom_text(ggplot2::aes(x = .data$date, y = .data$variable - 120, label = mapfactory::format_fr(.data$variable, 0), group = .data$Zone), color = "white", size = 3) +
+ # ggplot2::labs(
+ # title = glue::glue("Artificialisation par destination, par d\u00e9partement de {millesime_debut} \u00e0 {millesime_fin}", width = 60),
+ # x = "", y = "",
+ # fill = "",
+ # caption = glue::glue("Source : DGFip/Cerema {millesime_obs_artif}")
+ # ) +
+ # ggplot2::facet_wrap(Zone ~ ., ncol = 3) +
+ # # gouvdown::scale_fill_gouv_discrete(palette = "pal_gouv_qual2") +
+ # ggplot2::theme(legend.position = "bottom")
+
+
+ # data %>%
+ # ggplot2::ggplot() +
+ # ggplot2::geom_bar(ggplot2::aes(x = .data$date, y = .data$valeur, fill = .data$variable),
+ # width = 0.6, stat = "identity", position=ggplot2::position_dodge()
+ # ) +
+ # # ggplot2::geom_text(ggplot2::aes(x = .data$date, y = .data$variable - 120, label = mapfactory::format_fr(.data$variable, 0), group = .data$Zone), color = "white", size = 3) +
+ # ggplot2::labs(
+ # title = glue::glue("Artificialisation par destination, par d\u00e9partement de {millesime_debut} \u00e0 {millesime_fin}", width = 60),
+ # x = "", y = "",
+ # fill = "",
+ # caption = glue::glue("Source : DGFip/Cerema {millesime_obs_artif}")
+ # ) +
+ # ggplot2::facet_grid( Zone ~ .)+
+ # # ggplot2::facet_wrap(Zone ~ ., ncol = 1) +
+ # # gouvdown::scale_fill_gouv_discrete(palette = "pal_gouv_qual2") +
+ # ggplot2::theme(legend.position = "right")
+
+
+ return(graph_2_5)
}
+
--
GitLab
From 96ac0450ddb4cdc96897463aa2135e7be14708e4 Mon Sep 17 00:00:00 2001
From: Daniel Kalioudjoglou
<daniel.kalioudjoglou@developpement-durable.gouv.fr>
Date: Fri, 28 May 2021 17:06:58 +0200
Subject: [PATCH 2/3] modification des couleurs
---
R/creer_graphe_2_5.R | 26 ++++++++++++++++++++++++--
1 file changed, 24 insertions(+), 2 deletions(-)
diff --git a/R/creer_graphe_2_5.R b/R/creer_graphe_2_5.R
index f133868..1fe5cf8 100644
--- a/R/creer_graphe_2_5.R
+++ b/R/creer_graphe_2_5.R
@@ -43,19 +43,41 @@ creer_graphe_2_5 <- function(millesime_obs_artif) {
variable = replace(.data$variable, .data$variable=="flux_naf_artificialisation_mixte","mixte"))
# creation du graphique
+
+ # graph_2_5 <- data %>%
+ # ggplot2::ggplot() +
+ # ggplot2::geom_bar(ggplot2::aes(x = .data$date, y = .data$valeur, fill = .data$variable),
+ # width = 0.6, stat = "identity", position=ggplot2::position_dodge()
+ # ) +
+ # ggplot2::labs(
+ # title = glue::glue("Artificialisation par destination, par d\u00e9partement de {millesime_debut} \u00e0 {millesime_fin}", width = 60),
+ # subtitle="<span style = 'color:#F8766D'> activit\u00e9</span>,<span style = 'color:#00BA38'> habitation</span> et <span style = 'color:#619CFF'> mixte</span>",
+ # x = "", y = "",
+ # fill = "",
+ # caption = glue::glue("Source : DGFip/Cerema {millesime_obs_artif}")
+ # ) +
+ # ggplot2::facet_wrap(Zone ~ ., ncol = 1) +
+ # ggplot2::theme(legend.position = "none",
+ # plot.subtitle = ggtext::element_markdown(size = 12, lineheight = 1.2))
+
graph_2_5 <- data %>%
ggplot2::ggplot() +
ggplot2::geom_bar(ggplot2::aes(x = .data$date, y = .data$valeur, fill = .data$variable),
width = 0.6, stat = "identity", position=ggplot2::position_dodge()
) +
+ # ggplot2::geom_text(ggplot2::aes(x = .data$date, y = .data$variable - 120, label = mapfactory::format_fr(.data$variable, 0), group = .data$Zone), color = "white", size = 3) +
ggplot2::labs(
title = glue::glue("Artificialisation par destination, par d\u00e9partement de {millesime_debut} \u00e0 {millesime_fin}", width = 60),
+ subtitle="<span style = 'color:#169B62'> activit\u00e9</span>,<span style = 'color:#FF8D7E'> habitation</span> et <span style = 'color:#7D4E5B'> mixte</span>",
x = "", y = "",
fill = "",
caption = glue::glue("Source : DGFip/Cerema {millesime_obs_artif}")
) +
- ggplot2::facet_wrap(Zone ~ ., ncol = 1) +
- ggplot2::theme(legend.position = "right")
+ ggplot2::facet_grid( Zone ~ .)+
+ # ggplot2::facet_wrap(Zone ~ ., ncol = 1) +
+ gouvdown::scale_fill_gouv_discrete(palette = "pal_gouv_qual2") +
+ ggplot2::theme(legend.position = "none",
+ plot.subtitle = ggtext::element_markdown(size = 12, lineheight = 1.2))
return(graph_2_5)
}
--
GitLab
From 11ea61da05f07ef641ed9176f84ff6121215d414 Mon Sep 17 00:00:00 2001
From: =?UTF-8?q?Ma=C3=ABl=20Theuliere?=
<mael.theuliere@developpement-durable.gouv.fr>
Date: Mon, 31 May 2021 11:19:45 +0200
Subject: [PATCH 3/3] toilettage typo
---
R/creer_graphe_2_5.R | 49 +++++++++++++++-----------------------------
1 file changed, 17 insertions(+), 32 deletions(-)
diff --git a/R/creer_graphe_2_5.R b/R/creer_graphe_2_5.R
index 1fe5cf8..6b0c192 100644
--- a/R/creer_graphe_2_5.R
+++ b/R/creer_graphe_2_5.R
@@ -1,7 +1,7 @@
#' Creation du graphique de l artificialisation par destination en ha sur 10 ans
#' @description Graphique de l artificialisation par destination en ha sur 10 ans
#'
-#' @param millesime_obs_artif une année parmi les millesimes sélectionnables par l'utilisateur, au format numerique.
+#' @param millesime_obs_artif une année parmi les millésimes sélectionnables par l'utilisateur, au format numerique.
#'
#' @return cinq diagrammes en barres
#'
@@ -17,7 +17,6 @@
#'
#' @examples
#' creer_graphe_2_5(millesime_obs_artif = 2019)
-
creer_graphe_2_5 <- function(millesime_obs_artif) {
# calcul des millesimes extremes du graphique
@@ -26,7 +25,7 @@ creer_graphe_2_5 <- function(millesime_obs_artif) {
# Creation de la table utile a la production du graphique
data <- observatoire_artificialisation %>%
- dplyr::filter(.data$TypeZone == "D\u00e9partements", .data$CodeZone %in% c("44","49","53","72","85")) %>%
+ dplyr::filter(.data$TypeZone == "D\u00e9partements", .data$CodeZone %in% c("44", "49", "53", "72", "85")) %>%
dplyr::select(.data$Zone, .data$date, .data$flux_naf_artificialisation_activite, .data$flux_naf_artificialisation_habitation, .data$flux_naf_artificialisation_mixte) %>%
dplyr::mutate(
Zone = forcats::fct_drop(.data$Zone) %>%
@@ -34,50 +33,36 @@ creer_graphe_2_5 <- function(millesime_obs_artif) {
) %>%
dplyr::arrange(.data$Zone) %>%
dplyr::mutate(date = as.character(lubridate::year(.data$date - 1))) %>%
- dplyr::filter(.data$date < millesime_obs_artif, .data$date > millesime_obs_artif - 11) %>% # conserve les 10 derniers millesimes
- tidyr::gather(variable,valeur,.data$flux_naf_artificialisation_activite : .data$flux_naf_artificialisation_mixte) %>%
+ dplyr::filter(.data$date < millesime_obs_artif, .data$date > millesime_obs_artif - 11) %>%
+ # conserve les 10 derniers millesimes
+ tidyr::gather(variable, valeur, .data$flux_naf_artificialisation_activite:.data$flux_naf_artificialisation_mixte) %>%
dplyr::mutate(valeur = .data$valeur / 10000) %>%
-
- dplyr::mutate(variable = replace(.data$variable, .data$variable=="flux_naf_artificialisation_activite","activit\u00e9"),
- variable = replace(.data$variable, .data$variable=="flux_naf_artificialisation_habitation","habitation"),
- variable = replace(.data$variable, .data$variable=="flux_naf_artificialisation_mixte","mixte"))
+ dplyr::mutate(
+ variable = replace(.data$variable, .data$variable == "flux_naf_artificialisation_activite", "activit\u00e9"),
+ variable = replace(.data$variable, .data$variable == "flux_naf_artificialisation_habitation", "habitation"),
+ variable = replace(.data$variable, .data$variable == "flux_naf_artificialisation_mixte", "mixte")
+ )
# creation du graphique
- # graph_2_5 <- data %>%
- # ggplot2::ggplot() +
- # ggplot2::geom_bar(ggplot2::aes(x = .data$date, y = .data$valeur, fill = .data$variable),
- # width = 0.6, stat = "identity", position=ggplot2::position_dodge()
- # ) +
- # ggplot2::labs(
- # title = glue::glue("Artificialisation par destination, par d\u00e9partement de {millesime_debut} \u00e0 {millesime_fin}", width = 60),
- # subtitle="<span style = 'color:#F8766D'> activit\u00e9</span>,<span style = 'color:#00BA38'> habitation</span> et <span style = 'color:#619CFF'> mixte</span>",
- # x = "", y = "",
- # fill = "",
- # caption = glue::glue("Source : DGFip/Cerema {millesime_obs_artif}")
- # ) +
- # ggplot2::facet_wrap(Zone ~ ., ncol = 1) +
- # ggplot2::theme(legend.position = "none",
- # plot.subtitle = ggtext::element_markdown(size = 12, lineheight = 1.2))
-
graph_2_5 <- data %>%
ggplot2::ggplot() +
ggplot2::geom_bar(ggplot2::aes(x = .data$date, y = .data$valeur, fill = .data$variable),
- width = 0.6, stat = "identity", position=ggplot2::position_dodge()
+ width = 0.6, stat = "identity", position = ggplot2::position_dodge()
) +
- # ggplot2::geom_text(ggplot2::aes(x = .data$date, y = .data$variable - 120, label = mapfactory::format_fr(.data$variable, 0), group = .data$Zone), color = "white", size = 3) +
ggplot2::labs(
title = glue::glue("Artificialisation par destination, par d\u00e9partement de {millesime_debut} \u00e0 {millesime_fin}", width = 60),
- subtitle="<span style = 'color:#169B62'> activit\u00e9</span>,<span style = 'color:#FF8D7E'> habitation</span> et <span style = 'color:#7D4E5B'> mixte</span>",
+ subtitle = "<span style = 'color:#169B62'> activit\u00e9</span>,<span style = 'color:#FF8D7E'> habitation</span> et <span style = 'color:#7D4E5B'> mixte</span>",
x = "", y = "",
fill = "",
caption = glue::glue("Source : DGFip/Cerema {millesime_obs_artif}")
) +
- ggplot2::facet_grid( Zone ~ .)+
- # ggplot2::facet_wrap(Zone ~ ., ncol = 1) +
+ ggplot2::facet_grid(Zone ~ .) +
gouvdown::scale_fill_gouv_discrete(palette = "pal_gouv_qual2") +
- ggplot2::theme(legend.position = "none",
- plot.subtitle = ggtext::element_markdown(size = 12, lineheight = 1.2))
+ ggplot2::theme(
+ legend.position = "none",
+ plot.subtitle = ggtext::element_markdown(size = 12, lineheight = 1.2)
+ )
return(graph_2_5)
}
--
GitLab