In MTES-MCT/parcours_r_exercices: Exercices for mtes-mctrct r course modules

Nous travaillons toujours sur la même table des indicateurs au territoire, "extdata/Base_synth_territoires.csv".

A- En utilisant la fonction mutate(), créer une nouvelle variable correspondant à la densité de population (rapport de la population P14_POP à la superficie de la commune SUPERF), ainsi que les taux de natalité et de mortalité (en pour mille)

B- A l’aide de la fonction select(), créer une nouvelle table en ne conservant que le code commune, le type de commune (ZAU), la région, le département et les variables que vous venez de créer.

C-Enfin, ne conserver les communes correspondant à votre département de naissance et stocker ce dataframe. Attention au type de la variable département !

D- Avec les opérateurs logiques, faire des essais pour sélectionner des échantillons différents.

df <- read.csv(file = system.file("extdata", "Base_synth_territoires.csv", package = "savoirfR"),
               header = TRUE, sep = ";", dec = ",", fileEncoding = "latin1",
               colClasses = c(rep("character", 2), rep("factor", 4) , rep(NA, 32)))

Résultat attendu :

df <- read.csv(file = "extdata/Base_synth_territoires.csv", header = TRUE, sep = ";", dec = ",",
               colClasses = c(rep("character", 2), rep("factor", 4) , rep(NA, 32)))

library(dplyr)

# A
df <- df %>% 
  mutate(densite = P14_POP / SUPERF,
         tx_natal = 1000 * NAISD15 / P14_POP,
         tx_mort = 1000 * DECESD15 / P14_POP)

# B
selection <- df %>% 
  select(CODGEO, ZAU, REG, DEP, densite, tx_natal, tx_mort)

# C
S0 <- filter(selection, DEP == "62")

# D
S1 <- filter(selection, DEP != "62") # tout sauf le 62 :(
S2 <- filter(selection, DEP %in% c("59", "62")) # L'ancien NPdC :)
S3 <- filter(selection, !(DEP %in% c("59", "62"))) # Le "sud" de la France
S4 <- filter(selection, densite > 100) # l'urbain
S5 <- filter(selection, DEP == "62" & densite > 100) # le PdC urbain
S6 <- filter(selection, DEP == "62" | densite > 100) # le PdC et l'urbain