In patrickaubert/asdep: Package R pour l'analyse de l'aide sociale départementale, à partir des données statistiques de la DREES et de l'Insee

knitr::opts_chunk$set(echo = TRUE)

library(tidyverse)
library(plotly)
library(openxlsx)
library(asdep)

fichier <- "C:/Users/PA/Documents/R/Projets/asdep/data-raw/Les bénéficiaires de laide sociale départementale - séries longues (1996-2019).xlsx"

sheets <- getSheetNames(fichier)
ongletdonneesnat <- sheets[grepl("nation",sheets)][1]

Ce fichier présente une synthèse des résultats d'un fichier Excel data.drees sur l'aide sociale départementale. Les données sont extraites et traitées en utilisant notamment le package adsep.

Données nationales

Les données présentées dans les graphiques ci-après correspondent aux totaux nationaux. Elles sont lues dans l'onglet "r ongletdonneesnat" du fichier téléchargés sur data.drees "r fichier".

tabsnat <- asdep::readSheetDrees(fich=fichier, 
                                 sheet=ongletdonneesnat , 
                                 options = "", 
                                 nlignetitre=1)

# extraction du tableau de données nationales
tabnat <- tabsnat$tab %>%
  mutate(position=case_when(!is.na(X1) ~ 1,
                            !is.na(X2) ~ 2,
                            !is.na(X3) ~ 3,
                            !is.na(X4) ~ 4,
                            TRUE ~ 999),
         intitule = case_when(!is.na(X1) ~ X1,
                            !is.na(X2) ~ X2,
                            !is.na(X3) ~ X3,
                            !is.na(X4) ~ X4,
                            TRUE ~ "")) %>%
  filter(position != 999) %>%
  select(-c(X1,X2,X3,X4)) %>%
  mutate_at(vars(-c("position","intitule")),as.numeric)

Métadonnées lues dans le fichier pour le tableau des données nationales

# extraction et affichage des métadonnées
meta <- names(tabsnat)
meta <- meta[!(meta %in% c("fichiersource","ongletsource","containstablong","tablong","tabnum","containstab","tab" ))]

for (j in 1:NROW(meta)) {
  cat(meta[j]," :\n")
  cat(tabsnat[[meta[j]]])
  cat("\n\n")
}

htmltools::tagList(plot_ly())
# RQ : cette instruction est nécessaire pour permettre d'afficher des ggplotly dans la boucle for ensuite
# cf. commentaire du 13 sep 2019 sur https://github.com/ropensci/plotly/issues/273

# on lit l'une après l'autre toutes les lignes du tableau, et on affiche un graphique par ligne

for (i in 1:nrow(tabnat)) {
cat("\n")
cat(paste(paste(rep("#",tabnat$position[i]+1),collapse=""),tabnat$intitule[i]))
cat("\n")
print(
  htmltools::tagList(ggplotly(
    ggplotAsdep(tabnat[i,] %>% 
                  pivot_longer(cols=-c("position","intitule"),
                               names_to="annee",values_to="valeur") ) +
      geom_line( aes(y=valeur,x=annee,group=intitule,colour=intitule))
  ))
)
cat("\n")
}

Données par département

On extrait maintenant les données départementales dans chacun des onglets. On présente dans les graphiques ci-après la distribution des taux d'évolution annuels, afin de détecter d'éventuelles variations aberrantes.

Les onglets de données contiennents également des valeurs agrégées par région, mais on utilise ici uniquement les valeurs départementales.

# lecture de l'ensemble des onglets (contenant des données départementales) dans le fichier Excel
tabsdep <- asdep::readExcelDrees(fich=fichier, 
                                 options = "ASDEPslbenef")

# métadonnées 
metadonneesdep <- tabsdep$metadonnees

# données (forme "longue" : une ligne par année*variable)
tabdep <- tabsdep$tablong %>%
  filter(TypeTerritoire == "Département") %>%
  select(annee,Territoire,valeur,sheet)
tabdepevol <- tabdep %>%
  left_join(tabdep %>%
              rename(lagvaleur = valeur) %>%
              mutate(annee = annee+1),
            by = c("annee","Territoire","sheet")) %>%
  filter(valeur>0 & lagvaleur>0) %>%
  mutate(txEvolutionPct = round(100*(valeur/lagvaleur-1),1))

categ <- unique(str_extract(unique(tabdep$sheet),"[^\\-]+$"))

```r

tabfichier <- unique(tabdepevol$sheet)

quantilesaffich <- c(0,5,10,25,50,75,90,95,100)

quantilesaffich <- c(5,10,25,50,75,90,95) anneesaffichmin <- 2005

htmltools::tagList(plot_ly())

RQ : cette instruction est nécessaire pour permettre d'afficher des ggplotly dans la boucle for ensuite

cf. commentaire du 13 sep 2019 sur https://github.com/ropensci/plotly/issues/273

for (i in 1:NROW(categ)) { cat("\n") cat(paste("## Onglets de type '-",categ[i],"'",sep="")) cat("\n") tabcateg <- tabfichier[grepl(paste0(categ[i],"$"),tabfichier)] for (j in 1:NROW(tabcateg)) { cat("\n") cat(paste("### Tableau '", tabcateg[j], "' : ", metadonneesdep[metadonneesdep$ongletsource == tabcateg[j],"intitule"],sep="")) cat("\n") note <- metadonneesdep[metadonneesdep$ongletsource == tabcateg[j],"note"] if (!is.na(note)) { cat(paste("Note :",note)) cat("\n") }

tabloc <- tabdepevol %>% filter(sheet == tabcateg[j])
    tabquant <- asdep::quantileIndic(donneesQV = data.frame(tabloc),
                                 var = "txEvolutionPct",
                                 groupe = "annee",
                                 liste.quantiles = quantilesaffich/100) %>%
  mutate_all(as.numeric) %>%
  select(annee,paste0("p",quantilesaffich)) %>%
  pivot_longer(cols=-c("annee"),
               names_to="quantile.evolution.pct",
               values_to="txEvolutionpct")
print(
  htmltools::tagList(ggplotly(
   ggplotAsdep(tabquant %>% filter(annee>=min(max(annee)-5,anneesaffichmin))) +
     geom_line( aes(y=txEvolutionpct,x=annee,
                    group=quantile.evolution.pct,colour=quantile.evolution.pct))

))
)
cat("\n")

} }

patrickaubert/asdep documentation built on March 4, 2024, 11:08 p.m.