ab- Preparation des donnees • propre.rpls

library(propre.rpls)
#> Error in get(paste0(generic, ".", class), envir = get_method_env()) : 
#>   object 'type_sum.accel' not found

Les premières fonctions du projet de publication bookdown sont dédiées à la création de l’environnement de travail. Voici comment elles fonctionnent.

1- fonction de récupération du code région

La publication est paramétrée selon le nom d’une région. La fonction get_id_reg() permet de récupérer le code région associé.

get_id_reg(nom_reg = "52 Bretagne")
#> [1] "52"

La fonction get_nom_reg() permet de récupérer le libellée région propre.

get_nom_reg(code_reg = "52 Bretagne")
#> [1] "Pays de la Loire"

2- Création des fonds de carte

La fonction fond_carto() de mapfactory prépare les fonds cartographiques spécifiques à la publication. Le fond de carte EPCI rassemble tous les EPCI ayant au moins une commune dans la région + les EPCI voisins qui entrent dans le cadre de la carte de la région.

library(mapfactory)
carte_bretagne <- fond_carto("Bretagne")
plot(carte_bretagne$epci)

plot(carte_bretagne$departements)

La fonction get_fond_carto() enrobe la fonction fond_carto() pour exporter son résultat lors d’une première exécution, et le recharger lors d’une ré-exécution, au lieu de télécharger à nouveau les fonds de cartes et de ré-exécuter les calculs.
Il est nécessaire de ré-exécuter la fonction avec le paramètre maj = TRUE (mise à jour), en cas de dysfonctionnement, par exemple suite à une mise à jour de {propre.rpls} ou de COGiter.

La fonction get_fond_carto() accepte un paramètre ombre pour contrôler l’écartement (en mètres) de l’ombre vis à vis du contour régional, par exemple get_fond_carto(maj = TRUE, par_util = list(nom_region = "Bretagne"), ext_dir = ".", ombre = 3000)

3- selection des EPCI pour lesquels on aura un détail dans les tableaux et graphiques

A partir de la saisie utilisateur, la fonction select_epci crée la liste de tous les EPCI de la région si choix 1, ou vérifie que les epci saisis en paramètres sont bien dans la région si choix 2. Un EPCI est considéré comme appartenant à la région si au moins une commune de l’EPCI est présente dans la région.


select_epci(nom_reg = "Bretagne", choix_epci = "1- Tous les EPCI de la zone", epci_list = NULL)
#>  [1] "242900314" "243500139" "242900769" "244400610" "200068989" "242900801"
#>  [7] "243500782" "200072452" "200067932" "200067981" "200069391" "200065928"
#> [13] "200042174" "242900835" "200068120" "242900694" "243500741" "200069409"
#> [19] "200039022" "200027027" "200043123" "200096675" "245600440" "200070662"
#> [25] "243500733" "243500618" "242900629" "200096683" "242900793" "243500725"
#> [31] "200070688" "245600465" "242900561" "200066785" "200038990" "242900645"
#> [37] "242900710" "242200715" "242900702" "242900074" "200070670" "242900751"
#> [43] "242900553" "242900660" "200067072" "200069086" "243500774" "200067460"
#> [49] "243500550" "200067197" "243500659" "200067247" "200066777" "242900744"
#> [55] "245614433" "200066868" "245614383" "243500634" "245614417" "243500667"
#> [61] "200043990"
select_epci(
  nom_reg = "Pays de la Loire", choix_epci = "2- Liste d EPCI à saisir",
  epci_list = c("244400404", "244400644")
)
#> [1] "244400404" "244400644"

4- Consolidation des indicateurs aux différentes échelles

Le jeu de données communal mis à disposition dans {propre.rpls} provient de l’enquête RPLS (millésimes 2014 à 2024 et du recensement de la population pour le nombre de résidences principales. Les données du RP correspondent aux millésimes 2021 et 2015.

Les communes absentes de la source RPLS (c’est à dire qui ne comprennent pas de logements sociaux) sont présentes dans le jeu de données uniquement pour l’année 2024. Pour ces communes, seul le nombre de résidences principales est différent de zéro.

Les territoires à mettre en avant dans les illustrations sont repérables par le booléen Zone_ref.

indicateurs_rpls <- dataprep(nom_reg = "52 Pays de la Loire", 
                             annee = 2023,
                             choix_epci = "2- Liste d EPCI à saisir",
                             epci_list = c("244400404", "244400644"))

indicateurs_rpls_illustrations <- indicateurs_rpls %>%
  dplyr::filter(Zone_ref)

Ces territoires à mettre en avant comprennent les epcis choisis par l’utilisateur, les EPT de la Métropole du Grand Paris pour l’Ile de France, les départements de la région choisie (si elle en comporte plusieurs), la région choisie et deux totaux France qui diffèrent selon la localisation de la région choisie :

pour les régions de France métropolitaine : le total France métropolitaine et le total France hors IdF,
pour les DOM : le total de l’ensemble des DOM et le total France entière.

La fonction get_dataprep() enrobe la fonction dataprep() pour exporter son résultat lors d’une première exécution, et le recharger lors d’une ré-exécution, au lieu de ré-exécuter les calculs qui peuvent prendre plus de 5 min.
Il est nécessaire de ré-exécuter la fonction avec le paramètre maj = TRUE (mise à jour) en cas de de mise à jour de {propre.rpls} (Correction des données de l’enquête, amélioration de la fonction dataprep()…) ou en cas de modifications des paramètres utilisateurs comme la liste des EPCI de détail, la région ou le millésime).

5- Création d’un dataset national d’indicateurs RPLS

Si vous souhaitez éviter de filtrer le jeu d’indicateurs selon votre région, des sous-fonctions ont été ajoutées à la fonction de dataprep() pour isoler certaines étapes.

La fonction dataprep() accepte désormais un nom de région vide (nom_reg = "") pour produire le jeu d’indicateurs RPLS portant sur tous les territoires.

indicateurs_rpls_national <- dataprep(nom_reg = "", annee = 2023,
                             choix_epci = "1- Tous les EPCI de la zone")

La fonction centrer_dataset_reg() ré-appliquée à ce jeu d’indicateurs complet fournit le résultat utile pour une publication régionale : elle retire les territoires inutiles pour la région et recrée l’indicatrice booléenne Zone_ref nécessaire au fonctionnement des publications régionales.

indic_rpls_bretagne <- indicateurs_rpls_national %>%
  centrer_dataset_reg(id_reg = "53", epci_choisis = "1- Tous les EPCI de la zone")