From 87c8dc39083085e9fc26ee222221cce8dc1d88a7 Mon Sep 17 00:00:00 2001 From: bergaent Date: Sun, 25 Feb 2024 15:32:45 +0100 Subject: [PATCH] nouveau fichier --- module3/exoR/Wheat.csv | 54 +++++++++ module3/exoR/pouvoir d'achat.Rmd | 181 +++++++++++++++++++++++++++++++ 2 files changed, 235 insertions(+) create mode 100644 module3/exoR/Wheat.csv create mode 100644 module3/exoR/pouvoir d'achat.Rmd diff --git a/module3/exoR/Wheat.csv b/module3/exoR/Wheat.csv new file mode 100644 index 0000000..b3eb3be --- /dev/null +++ b/module3/exoR/Wheat.csv @@ -0,0 +1,54 @@ +rownames,Year,Wheat,Wages +1,1565,41,5 +2,1570,45,5.05 +3,1575,42,5.08 +4,1580,49,5.12 +5,1585,41.5,5.15 +6,1590,47,5.25 +7,1595,64,5.54 +8,1600,27,5.61 +9,1605,33,5.69 +10,1610,32,5.78 +11,1615,33,5.94 +12,1620,35,6.01 +13,1625,33,6.12 +14,1630,45,6.22 +15,1635,33,6.3 +16,1640,39,6.37 +17,1645,53,6.45 +18,1650,42,6.5 +19,1655,40.5,6.6 +20,1660,46.5,6.75 +21,1665,32,6.8 +22,1670,37,6.9 +23,1675,43,7 +24,1680,35,7.3 +25,1685,27,7.6 +26,1690,40,8 +27,1695,50,8.5 +28,1700,30,9 +29,1705,32,10 +30,1710,44,11 +31,1715,33,11.75 +32,1720,29,12.5 +33,1725,39,13 +34,1730,26,13.3 +35,1735,32,13.6 +36,1740,27,14 +37,1745,27.5,14.5 +38,1750,31,15 +39,1755,35.5,15.7 +40,1760,31,16.5 +41,1765,43,17.6 +42,1770,47,18.5 +43,1775,44,19.5 +44,1780,46,21 +45,1785,42,23 +46,1790,47.5,25.5 +47,1795,76,27.5 +48,1800,79,28.5 +49,1805,81,29.5 +50,1810,99,30 +51,1815,78, +52,1820,54, +53,1821,54, diff --git a/module3/exoR/pouvoir d'achat.Rmd b/module3/exoR/pouvoir d'achat.Rmd new file mode 100644 index 0000000..2beffff --- /dev/null +++ b/module3/exoR/pouvoir d'achat.Rmd @@ -0,0 +1,181 @@ +--- +title: "Analyse du pouvoir d'achat des ouvriers anglais du XVIe au XIXe siècle" +author: "Berg Tine" +output: + pdf_document: + toc: true + html_document: + toc: true + theme: journal +documentclass: article +classoption: a4paper +header-includes: +- \usepackage[french]{babel} +- \usepackage[upright]{fourier} +- \hypersetup{colorlinks=true,pagebackref=true} +--- + +```{r setup, include=FALSE} +knitr::opts_chunk$set(echo = TRUE) + +``` + +## Préparation des données + +Les données du pouvoir d'achat des ouvriers anglais du XVIe au XIXe siècle obtenues à partir du graphique de William Playfair sont disponibles à cette adresse: "https://raw.githubusercontent.com/vincentarelbundock/Rdatasets/master/csv/HistData/Wheat.csv" +Nous les récupérons sous forme d'un fichier en format CSV Nous téléchargeons toujours le jeu de données complet, qui commence en 1984 et se termine avec une semaine récente. L'URL est: +```{r} +data_url = "https://raw.githubusercontent.com/vincentarelbundock/Rdatasets/master/csv/HistData/Wheat.csv" +``` + +Copie locale du fichier faite dans le répertoire module 3 exo1 +le téléchargement sur le site ne se fera que si la sauvergarde locale n'existe pas. +Je suis obligée de faire un setwd car il ne se met pas automatiquement dans le bon répertoire (à revoir dans la configuration du r setup au départ je pense + + + + +```{r} +data_file = "Wheat.csv" +setwd("C:/Users/berga/Seafile/MOOC/mooc-rr/module3/exoR") + + +if (!file.exists(data_file)) { + download.file(data_url, data_file, method="auto") +} +data = read.csv(data_file) +``` + +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 | +|----------------+-----------------------------------------------------------------------------------------------------------------------------------| +| `week` | Semaine calendaire (ISO 8601) | +| `indicator` | Code de l'indicateur de surveillance | +| `inc` | Estimation de l'incidence de consultations en nombre de cas | +| `inc_low` | Estimation de la borne inférieure de l'IC95% du nombre de cas de consultation | +| `inc_up` | Estimation de la borne supérieure de l'IC95% du nombre de cas de consultation | +| `inc100` | Estimation du taux d'incidence du nombre de cas de consultation (en cas pour 100,000 habitants) | +| `inc100_low` | Estimation de la borne inférieure de l'IC95% du taux d'incidence du nombre de cas de consultation (en cas pour 100,000 habitants) | +| `inc100_up` | Estimation de la borne supérieure de l'IC95% du taux d'incidence du nombre de cas de consultation (en cas pour 100,000 habitants) | +| `geo_insee` | Code de la zone géographique concernée (Code INSEE) http://www.insee.fr/fr/methodes/nomenclatures/cog/ | +| `geo_name` | Libellé de la zone géographique (ce libellé peut être modifié sans préavis) | + +La première ligne du fichier CSV est un commentaire, que nous ignorons en précisant `skip=1`. +### Téléchargement + + +Regardons ce que nous avons obtenu: +```{r} +head(data) +tail(data) +``` + +Y a-t-il des points manquants dans nos données ? +```{r} +na_records = apply(data, 1, function (x) any(is.na(x))) +data[na_records,] +``` + +Les deux colonnes qui nous intéressent sont `week` et `inc`. Vérifions leurs classes: +```{r} +class(data$week) +class(data$inc) +``` +Ce sont des entiers, tout va bien ! + +### Conversion des numéros de semaine + +La gestion des dates est toujours un sujet délicat. Il y a un grand nombre de conventions différentes qu'il ne faut pas confondre. Notre jeux de données utilise un format que peu de logiciels savent traiter: les semaines en format [ISO-8601](https://en.wikipedia.org/wiki/ISO_8601). En `R`, il est géré par la bibliothèque [parsedate](https://cran.r-project.org/package=parsedate): + +```{r} +library(parsedate) +``` + +Pour faciliter le traitement suivant, nous remplaçons ces semaines par les dates qui correspondent aux lundis. Voici une petite fonction qui fait la conversion pour une seule valeur: + +```{r} +convert_week = function(w) { + ws = paste(w) + iso = paste0(substring(ws, 1, 4), "-W", substring(ws, 5, 6)) + as.character(parse_iso_8601(iso)) +} +``` + +Nous appliquons cette fonction à tous les points, créant une nouvelle colonne `date` dans notre jeu de données: +```{r} +data$date = as.Date(convert_week(data$week)) +``` + +Vérifions qu'elle est de classe `Date`: +```{r} +class(data$date) +``` + +Les points sont dans l'ordre chronologique inverse, il est donc utile de les trier: +```{r} +data = data[order(data$date),] +``` + +C'est l'occasion pour faire une vérification: nos dates doivent être séparées d'exactement sept jours: +```{r} +all(diff(data$date) == 7) +``` + +### Inspection + +Regardons enfin à quoi ressemblent nos données ! +```{r} +plot(data$date, data$inc, type="l", xlab="Date", ylab="Incidence hebdomadaire") +``` + +Un zoom sur les dernières années montre mieux la localisation des pics en hiver. Le creux des incidences se trouve en été. +```{r} +with(tail(data, 200), plot(date, inc, type="l", xlab="Date", ylab="Incidence hebdomadaire")) +``` + +## L'incidence annuelle + +### Calcul + +Étant donné que le pic de l'épidémie se situe en hiver, à cheval entre deux années civiles, nous définissons la période de référence entre deux minima de l'incidence, du 1er août de l'année $N$ au 1er août de l'année $N+1$. Nous mettons l'année $N+1$ comme étiquette sur cette année décalée, car le pic de l'épidémie est toujours au début de l'année $N+1$. Comme l'incidence de syndrome grippal est très faible en été, cette modification ne risque pas de fausser nos conclusions. +L'argument `na.rm=True` dans la sommation précise qu'il faut supprimer les points manquants. Ce choix est raisonnable car il n'y a qu'un seul point manquant, dont l'impact ne peut pas être très fort. +```{r} +pic_annuel = function(annee) { + debut = paste0(annee-1,"-09-01") + fin = paste0(annee,"-09-01") + semaines = data$date > debut & data$date <= fin + sum(data$inc[semaines], na.rm=TRUE) + } +``` + +Nous devons aussi faire attention aux premières et dernières années de notre jeux de données. Les données commencent en octobre 1984, ce qui ne permet pas de quantifier complètement le pic attribué à 1985. Nous l'enlevons donc de notre analyse. Par contre, pour une exécution en octobre 2018, les données se terminent après le 1er août 2018, ce qui nous permet d'inclure cette année. +```{r} +annees = 1986:2023 +``` + +Nous créons un nouveau jeu de données pour l'incidence annuelle, en applicant la fonction `pic_annuel` à chaque année: +```{r} +inc_annuelle = data.frame(annee = annees, + incidence = sapply(annees, pic_annuel)) +head(inc_annuelle) +``` + +### Inspection + +Voici les incidences annuelles en graphique: +```{r} +plot(inc_annuelle, type="p", xlab="Année", ylab="Incidence annuelle") +``` + +### Identification des épidémies les plus fortes + +Une liste triée par ordre décroissant d'incidence annuelle permet de plus facilement repérer les valeurs les plus élevées: +```{r} +head(inc_annuelle[order(-inc_annuelle$incidence),]) +``` + +Enfin, un histogramme montre bien que les épidémies fortes, qui touchent environ 10% de la population française, sont assez rares: il y en eu trois au cours des 35 dernières années. +```{r} +hist(inc_annuelle$incidence, breaks=10, xlab="Incidence annuelle", ylab="Nb d'observations", main="") +``` -- 2.18.1