Rien ne garantit que l'URL reste toujours valable, ni que les données seront toujours les mêmes. Pour palier à ce problème et garantir la reproductibilité, nous allons d'abord faire une copie locale des données, puis utiliser ces données pour l'analyse.
```{r}
# Nom du data en local
local_data <- "incidence-PAY-3.csv"
# On teste si le data en local existe ou non, et si non, on le télécharge
if (!file.exists(local_data)) {
download.file(data_url, local_data, mode = "wb")
}
```
Voici l'explication des colonnes donnée sur le [sur le site d'origine](https://ns.sentiweb.fr/incidence/csv-schema-v1.json):
Voici l'explication des colonnes donnée sur le [sur le site d'origine](https://ns.sentiweb.fr/incidence/csv-schema-v1.json):
| Nom de colonne | Libellé de colonne |
| Nom de colonne | Libellé de colonne |
...
@@ -44,7 +60,10 @@ Voici l'explication des colonnes donnée sur le [sur le site d'origine](https://
...
@@ -44,7 +60,10 @@ Voici l'explication des colonnes donnée sur le [sur le site d'origine](https://
La première ligne du fichier CSV est un commentaire, que nous ignorons en précisant `skip=1`.
La première ligne du fichier CSV est un commentaire, que nous ignorons en précisant `skip=1`.