diff --git a/DESCRIPTION b/DESCRIPTION
index 53da080c34058e4156ac775d094f40ea8b699080..abcbb44797bf1582033df00eb6a2f8fc80d22fbd 100644
--- a/DESCRIPTION
+++ b/DESCRIPTION
@@ -26,6 +26,7 @@ Imports:
forcats,
ggiraph,
ggplot2,
+ ggradar,
ggtext,
glue,
gouvdown (>= 0.0.0.9000),
@@ -49,6 +50,7 @@ Remotes:
gitlab::dreal-datalab/mapfactory,
maeltheuliere/COGiter,
pachevalier/tricky,
+ github::ricardo-bion/ggradar,
spyrales/gouvdown
Config/testthat/edition: 3
Encoding: UTF-8
diff --git a/NAMESPACE b/NAMESPACE
index 48786492799f0a1684080fe90fb933856477cc99..267e93be1842ad9087e6d062a90d8d13fc6669a4 100644
--- a/NAMESPACE
+++ b/NAMESPACE
@@ -12,6 +12,7 @@ export(creer_graphe_1_5)
export(creer_graphe_2_3)
export(creer_graphe_2_4)
export(creer_graphe_2_5)
+export(creer_graphe_3_1)
export(format_fr_pct)
importFrom(attempt,stop_if_not)
importFrom(dplyr,arrange)
@@ -19,7 +20,9 @@ importFrom(dplyr,case_when)
importFrom(dplyr,desc)
importFrom(dplyr,filter)
importFrom(dplyr,first)
+importFrom(dplyr,full_join)
importFrom(dplyr,group_by)
+importFrom(dplyr,lag)
importFrom(dplyr,left_join)
importFrom(dplyr,mutate)
importFrom(dplyr,pull)
@@ -38,16 +41,21 @@ importFrom(ggplot2,annotate)
importFrom(ggplot2,arrow)
importFrom(ggplot2,coord_flip)
importFrom(ggplot2,coord_sf)
+importFrom(ggplot2,element_blank)
importFrom(ggplot2,element_rect)
importFrom(ggplot2,element_text)
importFrom(ggplot2,facet_wrap)
importFrom(ggplot2,geom_bar)
importFrom(ggplot2,geom_col)
+importFrom(ggplot2,geom_label)
+importFrom(ggplot2,geom_linerange)
+importFrom(ggplot2,geom_point)
importFrom(ggplot2,geom_sf)
importFrom(ggplot2,geom_text)
importFrom(ggplot2,ggplot)
importFrom(ggplot2,labs)
importFrom(ggplot2,position_dodge)
+importFrom(ggplot2,scale_color_manual)
importFrom(ggplot2,scale_fill_manual)
importFrom(ggplot2,scale_size_area)
importFrom(ggplot2,scale_x_discrete)
@@ -67,6 +75,8 @@ importFrom(mapfactory,creer_carte_communes)
importFrom(mapfactory,creer_carte_communes_prop)
importFrom(mapfactory,fond_carto)
importFrom(mapfactory,format_fr)
+importFrom(mapfactory,format_fr_pct)
+importFrom(scales,label_number)
importFrom(scales,number_format)
importFrom(sf,read_sf)
importFrom(sf,st_bbox)
@@ -79,5 +89,6 @@ importFrom(sf,st_point_on_surface)
importFrom(stats,quantile)
importFrom(stringr,str_wrap)
importFrom(tidyr,gather)
+importFrom(tidyr,pivot_longer)
importFrom(tidyr,spread)
importFrom(tricky,set_standard_names)
diff --git a/NEWS.md b/NEWS.md
index 3f86cc79621c02d8c69b8931eb2385306ecd9c5f..ddc6934c3aa66d5df125e84cb86a339c88750a13 100644
--- a/NEWS.md
+++ b/NEWS.md
@@ -1,6 +1,6 @@
# propre.artificialisation 0.0.0.9000
* Création site pkgdown
-* Ajout fonctions d'illustration `creer_carte_1_3()`,`creer_carte_1_7()`, `creer_graphe_1_1()`, `creer_graphe_1_4()`, `creer_graphe_1_5()` et leurs test
+* Ajout fonctions d'illustration `creer_carte_1_3()`,`creer_carte_1_7()`,`creer_carte_2_2()`,`creer_carte_2_7()`,`creer_carte_3_2()`, `creer_graphe_1_1()`, `creer_graphe_1_4()`, `creer_graphe_1_5()`, `creer_graphe_2_3()`, `creer_graphe_2_4()`, `creer_graphe_2_5()`, `creer_graphe_3_1()` et leurs test
* Ajout template de publication
* Ajout fichier `NEWS.md` pour tracer les changements dans le package.
diff --git a/R/creer_graphe_3_1.R b/R/creer_graphe_3_1.R
new file mode 100644
index 0000000000000000000000000000000000000000..2dcf67c4e89623ef227e6a187a27662a43701b8d
--- /dev/null
+++ b/R/creer_graphe_3_1.R
@@ -0,0 +1,97 @@
+#' Création du graphique lollipop de l'étalement urbain pour la région et le départements sur 10 ans.
+#' @description Graphique lollipop de l'étalement urbain pour la région et les départements sur 10 ans.
+#'
+#' @param millesime_obs_artif_gk3 une année parmi les millésimes sélectionnables par l'utilisateur, au format numerique.
+#' @param millesime_population une année parmi les millésimes sélectionnables par l'utilisateur, au format numerique.
+#' @param code_reg code insee de la région sur laquelle construire le graphique
+#' @param police police des titres et sous titre
+#'
+#' @return Un graphique lollipop
+#'
+#' @importFrom dplyr mutate filter select arrange group_by ungroup full_join lag
+#' @importFrom forcats fct_drop fct_inorder
+#' @importFrom ggplot2 ggplot aes geom_point position_dodge geom_linerange geom_label coord_flip scale_y_continuous labs theme element_blank element_text scale_color_manual
+#' @importFrom ggtext element_markdown
+#' @importFrom glue glue
+#' @importFrom lubridate year
+#' @importFrom mapfactory format_fr_pct
+#' @importFrom scales label_number
+#' @importFrom tidyr pivot_longer
+#' @export
+#'
+#' @examples
+#' creer_graphe_3_1(millesime_obs_artif_gk3 = 2019, millesime_population = 2018, code_reg = '52')
+creer_graphe_3_1 <- function(millesime_obs_artif_gk3 = NULL, millesime_population = NULL, code_reg = NULL, police = "sans") {
+ millesime_debut <- millesime_obs_artif_gk3 - 9
+ if (is.numeric(code_reg)) {
+ code_reg = as.character(code_reg)
+ }
+ # Creation de la table utile a la production du graphique
+ evol_artif <- observatoire_artificialisation_gk3 %>%
+ dplyr::mutate(date = lubridate::year(.data$date)) %>%
+ COGiter::filtrer_cog(reg = code_reg) %>%
+ dplyr::filter(.data$TypeZone %in% c("France","R\u00e9gions", "D\u00e9partements"),
+ .data$date == millesime_obs_artif_gk3 | .data$date == millesime_obs_artif_gk3 - 9) %>%
+ dplyr::select(-.data$surface_naf) %>%
+ dplyr::arrange(.data$TypeZone, .data$Zone, .data$CodeZone, .data$date) %>%
+ dplyr::group_by(.data$TypeZone, .data$Zone, .data$CodeZone) %>%
+ dplyr::mutate(evolution_artificialisation = round(.data$surface_artificialisee * 100 / dplyr::lag(.data$surface_artificialisee) - 100, 1)) %>%
+ dplyr::ungroup() %>%
+ dplyr::filter(.data$date == millesime_obs_artif_gk3) %>%
+ dplyr::select(.data$TypeZone, .data$CodeZone, .data$Zone, .data$evolution_artificialisation)
+
+
+ evol_popul <- population_legale %>%
+ dplyr::mutate(date = lubridate::year(.data$date)) %>%
+ COGiter::filtrer_cog(reg = code_reg) %>%
+ dplyr::filter(.data$TypeZone %in% c("R\u00e9gions", "D\u00e9partements"),
+ .data$date == millesime_population | .data$date == millesime_population - 9) %>%
+ dplyr::arrange(.data$TypeZone, .data$Zone, .data$CodeZone, .data$date) %>%
+ dplyr::group_by(.data$TypeZone, .data$Zone, .data$CodeZone) %>%
+ dplyr::mutate(evolution_population = round(.data$population_municipale * 100 / dplyr::lag(.data$population_municipale) - 100, 1)) %>%
+ dplyr::ungroup() %>%
+ dplyr::filter(.data$date == millesime_population) %>%
+ dplyr::select(.data$TypeZone, .data$CodeZone, .data$Zone, .data$evolution_population)
+
+
+ data <- dplyr::full_join(evol_artif, evol_popul) %>%
+ tidyr::pivot_longer(cols = .data$evolution_artificialisation:.data$evolution_population, names_to = "indicateur", values_to = "valeur")
+ gg <- data %>%
+ dplyr::arrange(.data$TypeZone, desc(.data$Zone)) %>%
+ dplyr::mutate(Zone = forcats::fct_drop(.data$Zone) %>%
+ forcats::fct_inorder()) %>%
+ ggplot2::ggplot() +
+ ggplot2::aes(x = .data$Zone, y = .data$valeur, group = .data$indicateur, color = .data$indicateur) +
+ ggplot2::geom_point(size = 2, position = ggplot2::position_dodge(width = 0.5)) +
+ ggplot2::aes(x = .data$Zone, ymin = 0, ymax = .data$valeur, group = .data$indicateur, color = .data$indicateur) +
+ ggplot2::geom_linerange(size = 1.2, position = ggplot2::position_dodge(width = 0.5)) +
+ ggplot2::aes(label = mapfactory::format_fr_pct(.data$valeur, dec = 1)) +
+ ggplot2::geom_label(
+ position = ggplot2::position_dodge(width = 0.5),
+ vjust = 0.5, hjust = -0.5
+ ) +
+ ggplot2::coord_flip() +
+ ggplot2::scale_y_continuous(
+ breaks = seq(0, max(data$valeur) * 1.1, by = 2.5),
+ minor_breaks = NULL,
+ limits = c(0, max(data$valeur) * 1.1),
+ labels = scales::label_number(big.mark = " ", decimal.mark = ",", suffix = " %"),
+ expand = c(0,0)
+ ) +
+ ggplot2::labs(
+ title = "Taux de croissance compar\u00e9s des <span style = 'color:#FF9940'>surfaces artificialis\u00e9es</span> et de la <span style = 'color:#5770BE'>population municipale</span>",
+ subtitle = glue::glue("Entre {millesime_debut} et {millesime_obs_artif_gk3}, en %"),
+ caption = glue::glue("Source : Observatoire artificialisation {millesime_obs_artif_gk3} / Insee, calculs DREAL
+ Surfaces artificialis\u00e9es hors routes"),
+ x = NULL, y = NULL
+ ) +
+ ggplot2::theme(
+ panel.grid.major.y = ggplot2::element_blank(),
+ legend.position = "none",
+ plot.title = ggtext::element_markdown(size = 14, lineheight = 1.8, hjust = 0, family = police),
+ plot.subtitle = ggplot2::element_text(size = 12, family = police),
+ plot.caption = ggplot2::element_text(size = 10, family = police),
+ ) +
+ ggplot2::scale_color_manual(values = c("#FF9940", "#5770BE"))
+ return(gg)
+}
diff --git a/R/data.R b/R/data.R
index 577f68ab51cadf805babc307449fd2fa47086d5a..226b1233f8eb280776e0e26b01ca9d3c3920031f 100644
--- a/R/data.R
+++ b/R/data.R
@@ -88,3 +88,17 @@
#' }
#' @source \url{https://agreste.agriculture.gouv.fr/agreste-web/disaron/W0020/detail/}
"observatoire_artificialisation_gk3"
+
+#' Table contenant les différents indicateurs de la source population_legale utiles pour la publication.
+#'
+#' @encoding UTF-8
+#' @format Table de 25704 lignes et 5 colonnes:
+#' \describe{
+#' \item{TypeZone}{Type de territoire}
+#' \item{CodeZone}{Code du territoire}
+#' \item{Zone}{Libellé du territoire}
+#' \item{date}{Millésime de la source}
+#' \item{population_municipale}{population minicipale}
+#' }
+#' @source \url{https://agreste.agriculture.gouv.fr/agreste-web/disaron/W0020/detail/}
+"population_legale"
diff --git a/R/globals.R b/R/globals.R
index 714b0a4642fd247478c8673972fb75d8bfb62780..cb9335c66f5873059aaab4648a3df09347de1283 100644
--- a/R/globals.R
+++ b/R/globals.R
@@ -1,4 +1,4 @@
utils::globalVariables(
c("teruti","result","observatoire_artificialisation",".data","variable",".",
- "valeur","etalement_urbain","observatoire_artificialisation_gk3")
+ "valeur","etalement_urbain","observatoire_artificialisation_gk3","population_legale")
)
diff --git a/data-raw/dataprep.R b/data-raw/dataprep.R
index e142ca8bdd0fa8dd1a84439e6638bb7ff56bf93e..510d2204d038b51172c6958797612541abf236cc 100644
--- a/data-raw/dataprep.R
+++ b/data-raw/dataprep.R
@@ -68,6 +68,11 @@ etalement_urbain<-dbReadTable(con_datamart,
observatoire_artificialisation_gk3<-dbReadTable(con_datamart,
c("portrait_territoires","indicateur_observatoire_artificialisation_geokit3"))
+# chargement donnees population legale depuis SGBD
+population_legale<-dbReadTable(con_datamart,
+ c("portrait_territoires","cogifiee_population_legale"))
+
+
# chargement des tables cogifiées d'indicateurs territoriaux
load("extdata/cogifiee_chargement_ocsge.RData")
ocsge <- data_cogifiee %>%
@@ -76,8 +81,7 @@ load("extdata/cogifiee_chargement_pci.RData")
pci <- data_cogifiee
load("extdata/cogifiee_chargement_pop_rgp_insee.RData")
pop_rgp_insee <- data_cogifiee
-load("extdata/cogifiee_chargement_population_legale.RData")
-population_legale <- data_cogifiee
+
load("extdata/indicateur_observatoire_artificialisation_geokit3.RData")
load("extdata/indicateur_observatoire_artificialisation_population_legale_cogiter.RData")
@@ -87,7 +91,6 @@ load("extdata/indicateur_pci_population_legale.RData")
result <- bind_rows(
ocsge, pci,
pop_rgp_insee,
- population_legale,
indicateur_observatoire_artificialisation_geokit3,
indicateur_observatoire_artificialisation_population_legale_cogiter,
indicateur_pci_lgt_rgp_insee,
@@ -96,7 +99,6 @@ result <- bind_rows(
rm(
data_cogifiee, ocsge, pci,
pop_rgp_insee,
- population_legale,
indicateur_observatoire_artificialisation_population_legale_cogiter,
indicateur_observatoire_artificialisation_geokit3,
indicateur_pci_lgt_rgp_insee,
@@ -136,6 +138,17 @@ observatoire_artificialisation_gk3 <- observatoire_artificialisation_gk3 %>%
TypeZone = iconv(TypeZone,to = "UTF-8")) %>%
mutate(across(where(is.character),as.factor))
+population_legale<- population_legale %>%
+ filter(CodeZone %in% liste_52 | TypeZone == "Régions"| TypeZone == "D\u00e9partements") %>%
+ mutate(Zone = iconv(Zone,to = "UTF-8"),
+ TypeZone = iconv(TypeZone,to = "UTF-8")) %>%
+ mutate(across(where(is.character),as.factor))
+
+
+
+
+
+
rm(liste_52)
usethis::use_data(result, overwrite = TRUE, internal = FALSE)
@@ -143,4 +156,5 @@ usethis::use_data(teruti, overwrite = TRUE, internal = FALSE)
usethis::use_data(observatoire_artificialisation, overwrite = TRUE, internal = FALSE)
usethis::use_data(observatoire_artificialisation_gk3, overwrite = TRUE, internal = FALSE)
usethis::use_data(etalement_urbain, overwrite = TRUE, internal = FALSE)
+usethis::use_data(population_legale, overwrite = TRUE, internal = FALSE)
usethis::use_data(metadata_donnee, overwrite = TRUE, internal = FALSE)
diff --git a/data/population_legale.rda b/data/population_legale.rda
new file mode 100644
index 0000000000000000000000000000000000000000..2fff93e5b317b65f1d700b9cb4d8fe260696d227
Binary files /dev/null and b/data/population_legale.rda differ
diff --git a/data/result.rda b/data/result.rda
index 69076b8413f0c5a32f292fde8db52ab677290742..ee6507087219ae9adb475f7249a4038cbce5c0dc 100644
Binary files a/data/result.rda and b/data/result.rda differ
diff --git a/devstuff_history.R b/devstuff_history.R
index b1de1e725d2488e9804d6ea04bc5589e9122f9ef..68b4e01eb430931b8b25529baabbef62037f2b1f 100644
--- a/devstuff_history.R
+++ b/devstuff_history.R
@@ -18,6 +18,7 @@ usethis::use_package("glue")
usethis::use_package("lubridate")
usethis::use_package("mapfactory")
usethis::use_package("sf")
+usethis::use_package("ggradar")
usethis::use_dev_package("COGiter",remote = "maeltheuliere/COGiter")
usethis::use_dev_package("gouvdown",remote = "spyrales/gouvdown")
usethis::use_dev_package("mapfactory",remote = "gitlab::dreal-datalab/mapfactory")
@@ -81,6 +82,11 @@ 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_graphe_3_1
+usethis::use_vignette("ca-ch3-1","ca- Chapitre 3 Graphe 1")
+usethis::use_r("creer_graphe_3_1")
+usethis::use_test("creer_graphe_3_1")
+
##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 8a1aaa2f489225317b1ee9874caaf9f0330f572d..123cd89ea4875ac67658f5fa52bebccd3f86d7fa 100644
--- a/inst/rmarkdown/templates/publication/skeleton/skeleton.Rmd
+++ b/inst/rmarkdown/templates/publication/skeleton/skeleton.Rmd
@@ -11,6 +11,7 @@ params:
millesime_obs_artif: 2019
millesime_etalement_urbain: 2018
millesime_obs_artif_gk3: 2019
+ millesime_population: 2018
title: "L'artificialisation des sols en Pays de la loire en `r params$millesime_observatoire_artificialisation`"
---
@@ -93,6 +94,11 @@ creer_graphe_2_5( params$millesime_obs_artif)
## Chapitre 3
+```{r graph araignee etalement urbain par departements 10 ans,fig.width=9,fig.height=7}
+creer_graphe_3_1( params$millesime_obs_artif, params$millesime_population)
+```
+
+
```{r carte communale de l etalement urbain,fig.width=9,fig.height=7}
creer_carte_3_2( params$millesime_etalement_urbain,
police_annotation = "Marianne")
diff --git a/man/creer_graphe_2_5.Rd b/man/creer_graphe_2_5.Rd
index f51f9b82f32c9edc2c4065a26babc89a5219ccdb..61d50236563e87de56ad8a965ba353b521e346f7 100644
--- a/man/creer_graphe_2_5.Rd
+++ b/man/creer_graphe_2_5.Rd
@@ -7,7 +7,7 @@
creer_graphe_2_5(millesime_obs_artif)
}
\arguments{
-\item{millesime_obs_artif}{une année parmi les millesimes sélectionnables par l'utilisateur, au format numerique.}
+\item{millesime_obs_artif}{une année parmi les millésimes sélectionnables par l'utilisateur, au format numerique.}
}
\value{
cinq diagrammes en barres
diff --git a/man/creer_graphe_3_1.Rd b/man/creer_graphe_3_1.Rd
new file mode 100644
index 0000000000000000000000000000000000000000..229b201b4b762aa04013edc2fe66bdc2e7b08081
--- /dev/null
+++ b/man/creer_graphe_3_1.Rd
@@ -0,0 +1,31 @@
+% Generated by roxygen2: do not edit by hand
+% Please edit documentation in R/creer_graphe_3_1.R
+\name{creer_graphe_3_1}
+\alias{creer_graphe_3_1}
+\title{Création du graphique lollipop de l'étalement urbain pour la région et le départements sur 10 ans.}
+\usage{
+creer_graphe_3_1(
+ millesime_obs_artif_gk3,
+ millesime_population,
+ code_reg,
+ police = "sans"
+)
+}
+\arguments{
+\item{millesime_obs_artif_gk3}{une année parmi les millésimes sélectionnables par l'utilisateur, au format numerique.}
+
+\item{millesime_population}{une année parmi les millésimes sélectionnables par l'utilisateur, au format numerique.}
+
+\item{code_reg}{code insee de la région sur laquelle construire le graphique}
+
+\item{police}{police des titres et sous titre}
+}
+\value{
+Un graphique lollipop
+}
+\description{
+Graphique lollipop de l'étalement urbain pour la région et les départements sur 10 ans.
+}
+\examples{
+creer_graphe_3_1(millesime_obs_artif_gk3 = 2019, millesime_population = 2018)
+}
diff --git a/man/population_legale.Rd b/man/population_legale.Rd
new file mode 100644
index 0000000000000000000000000000000000000000..0b066fcd00a82fe605f1838cfbd00bdbc7346481
--- /dev/null
+++ b/man/population_legale.Rd
@@ -0,0 +1,27 @@
+% Generated by roxygen2: do not edit by hand
+% Please edit documentation in R/data.R
+\docType{data}
+\encoding{UTF-8}
+\name{population_legale}
+\alias{population_legale}
+\title{Table contenant les différents indicateurs de la source population_legale utiles pour la publication.}
+\format{
+Table de 25704 lignes et 5 colonnes:
+\describe{
+\item{TypeZone}{Type de territoire}
+\item{CodeZone}{Code du territoire}
+\item{Zone}{Libellé du territoire}
+\item{date}{Millésime de la source}
+\item{population_municipale}{population minicipale}
+}
+}
+\source{
+\url{https://agreste.agriculture.gouv.fr/agreste-web/disaron/W0020/detail/}
+}
+\usage{
+population_legale
+}
+\description{
+Table contenant les différents indicateurs de la source population_legale utiles pour la publication.
+}
+\keyword{datasets}
diff --git a/tests/testthat/test-creer_graphe_3_1.R b/tests/testthat/test-creer_graphe_3_1.R
new file mode 100644
index 0000000000000000000000000000000000000000..68b5baac4ba85602060cc18585afe676fa05525f
--- /dev/null
+++ b/tests/testthat/test-creer_graphe_3_1.R
@@ -0,0 +1,7 @@
+test_that("creer_graphe_3_1 fonctionne", {
+
+ # Test que le graphe est un ggplot
+ objet <- creer_graphe_3_1(millesime_obs_artif_gk3 = 2019,millesime_population = 2018, code_reg = '52')
+ testthat::expect_equal(attr(objet, "class"), c("gg","ggplot"))
+
+})
diff --git a/vignettes/ca-ch3-1.Rmd b/vignettes/ca-ch3-1.Rmd
new file mode 100644
index 0000000000000000000000000000000000000000..818e1d20a0b9b8e105da0df557f3d69e1ce77ba5
--- /dev/null
+++ b/vignettes/ca-ch3-1.Rmd
@@ -0,0 +1,33 @@
+---
+title: "ca- Chapitre 3 Graphe 1"
+output: rmarkdown::html_vignette
+vignette: >
+ %\VignetteIndexEntry{ca- Chapitre 3 Graphe 1}
+ %\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_3_1()` produit le graphique de de l etalement urbain pour la région et les département sur 10 ans
+
+
+```{r viz, fig.height=10,fig.width=10}
+library(propre.artificialisation)
+library(gouvdown)
+creer_graphe_3_1(millesime_obs_artif_gk3 = 2019,
+ millesime_population = 2018,
+ code_reg = '52',
+ police = "Marianne")
+```
diff --git a/vignettes/test.R b/vignettes/test.R
index 94481ce394b84992697dabff20c3bccdc80ef56f..6d4e0101ea8b9072d9ee0f5950f4e3dadf3e45d8 100644
--- a/vignettes/test.R
+++ b/vignettes/test.R
@@ -1,56 +1,93 @@
-#' Creation de la carte regionale de l evolution des surfaces cadastrees
-#' @description carte regionale de l evolution des surfaces cadastrees
+#' Creation du graphique araignee de l etalement urbain par departement sur 10 ans.
+#' @description Graphique araignee de l etalement urbain par departement sur 10 ans.
#'
-#' @param millesime_obs_artif une année parmi les millesimes sélectionnables par l'utilisateur, au format numerique.
+#' @param millesime_obs_artif_gk3 une année parmi les millesimes sélectionnables par l'utilisateur, au format numerique.
+#' @param millesime_population une année parmi les millesimes sélectionnables par l'utilisateur, au format numerique.
#'
-#' @return une carte regionale
+#' @return Un graphique araignee
#'
-#' @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 dplyr mutate filter select group_by ungroup
+#' @importFrom ggplot2 labs theme
+#' @importFrom ggtext element_markdown
#' @importFrom glue glue
-#' @importFrom lubridate year
-#' @importFrom stringr str_wrap
-#' @importFrom mapfactory format_fr
+#' @importFrom tidyr spread
#'
#' @export
#'
#' @examples
-#' creer_carte_2_7(millesime_obs_artif = 2019)
-creer_carte_2_7 <- function(millesime_obs_artif) {
+#' creer_graphe_3_1(millesime_obs_artif_gk3 = 2019,millesime_population = 2018)
+
+
+creer_graphe_3_1 <- function(millesime_obs_artif_gk3,millesime_population){
+
+
+
+ millesime_debut <- millesime_obs_artif_gk3 - 9
- # calcul des millesimes de la carte
- 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::mutate(date = as.numeric(lubridate::year(.data$date))) %>%
- dplyr::filter(.data$TypeZone == "Communes",
- .data$date <= millesime_obs_artif,
- .data$date >= millesime_obs_artif - 9) %>%
- dplyr::mutate(flux_naf_artificialisation_total = .data$flux_naf_artificialisation_total / 10000) %>%
- dplyr::group_by(.data$CodeZone, .data$TypeZone, .data$Zone) %>%
- dplyr::summarise(valeur = sum(.data$flux_naf_artificialisation_total, na.rm = T))
-
-
- fond_carto <- mapfactory::fond_carto(nom_reg = "Pays de la Loire")
- bins <- stats::quantile(data$valeur,probs = c(0,0.1, 0.25, 0.5,0.75,0.9,1),na.rm=TRUE)
-
- carte_2_7 <- mapfactory::creer_carte_communes(data = data,
- code_region=52,
- carto = fond_carto,
- indicateur = valeur,
- bornes = bins,
- decimales = 0,
- titre = glue::glue("Evolution des surfaces cadastr\u00e9es\n entre {millesime_debut} et {millesime_fin}"),
- sous_titre = NULL,
- bas_de_page = glue::glue("Source : DGFip/Cerema {millesime_obs_artif}"),
- suffixe = "ha"
- )
-
-
- return(carte_2_7)
-}
+ evol_artif <- observatoire_artificialisation_gk3 %>%
+ dplyr::mutate(date=year(.data$date)) %>%
+ dplyr::filter((.data$TypeZone == "D\u00e9partements" & .data$CodeZone %in% c("44","49","53","72","85")) |
+ (.data$TypeZone == "R\u00e9gions" & .data$CodeZone =="52"),
+ .data$date == millesime_obs_artif_gk3 | .data$date == millesime_obs_artif_gk3 - 9) %>%
+ dplyr::select (-.data$surface_naf) %>%
+ dplyr::group_by(.data$TypeZone,.data$Zone,.data$CodeZone) %>%
+ summarise(evolution_artificialisation=round(((sum(.data$surface_artificialisee[which(date==millesime_obs_artif_gk3)],na.rm=T) / sum(.data$surface_artificialisee[which(date==millesime_obs_artif_gk3-9)],na.rm=T))-1)*100,2)) %>%
+ dplyr::ungroup() %>%
+ dplyr::mutate(CodeZone= as.character(CodeZone),
+ CodeZone = replace(CodeZone, CodeZone=="52","Région")) %>%
+ dplyr::select (CodeZone,evolution_artificialisation)
+
+ evol_artif <- evol_artif %>%
+ tidyr::spread(key=CodeZone,value=evolution_artificialisation,fill=0)
+ cat <- data.frame(x = "surfaces artificialisees (hors routes)")
+ evol_artif <- cbind(cat,evol_artif)
+ evol_popul <- population_legale %>%
+ dplyr::mutate(date=year(.data$date)) %>%
+ dplyr::filter((.data$TypeZone == "D\u00e9partements" & .data$CodeZone %in% c("44","49","53","72","85")) |
+ (.data$TypeZone == "R\u00e9gions" & .data$CodeZone =="52"),
+ .data$date == millesime_population | .data$date == millesime_population - 9) %>%
+ dplyr::group_by(.data$TypeZone,.data$Zone,.data$CodeZone) %>%
+ summarise(evolution_population=round(((sum(.data$population_municipale[which(date==millesime_population)],na.rm=T) / sum(.data$population_municipale[which(date==millesime_population-9)],na.rm=T))-1)*100,2)) %>%
+ dplyr::ungroup() %>%
+ dplyr::mutate(CodeZone= as.character(CodeZone),
+ CodeZone = replace(CodeZone, CodeZone=="52","Région")) %>%
+ dplyr::select (CodeZone,evolution_population)
+
+ evol_popul <- evol_popul %>%
+ tidyr::spread(key=CodeZone,value=evolution_population,fill=0)
+ cat <- data.frame(x = "population municipale")
+ evol_popul <- cbind(cat,evol_popul)
+
+ data <- bind_rows(evol_artif,evol_popul)
+
+ graph_3_1<-ggradar::ggradar(
+ data,
+ base.size = 1,
+ values.radar = c("0%", "10%", "20%"),
+ grid.min = 0, grid.mid = 10, grid.max = 20,
+ group.line.width = 1,
+ group.point.size = 5,
+ background.circle.colour = "blue",
+ background.circle.transparency = 0.1,
+ group.colours = c("#00AFBB", "#E7B800"),
+ axis.line.colour = "gray60",
+ gridline.min.colour = "gray60",
+ gridline.mid.colour = "gray60",
+ gridline.max.colour = "gray60",
+ legend.position = "top"
+)+
+ ggplot2::labs(
+ title = glue::glue("Taux de croissance compar\u00e9s\n{millesime_debut}/{millesime_obs_artif_gk3} (%)"),
+ subtitle = "<span style = 'color:#00AFBB'>surfaces artificialis\u00e9es (hors routes)</span> et <span style = 'color:#E7B800'>population municipale</span>",
+ caption = glue::glue("Source : Observatoire artificialisation {millesime_obs_artif_gk3} / Insee"))+
+ ggplot2::theme(
+ legend.position = "none",
+ plot.subtitle = ggtext::element_markdown(size = 16, lineheight = 1.8),
+ plot.caption = ggtext::element_markdown(size = 12, lineheight = 1.8))
+
+ return(graph_3_1)
+
+}