Aujourd’hui un petit post un peu plus “pratique”. On va réaliser le graphique du taux de chômage en France depuis 1975 en utilisant R. Les données sont disponibles sur le site de l’INSEE. En suivant ce lien on va pouvoir les télécharger au format csv. Mais il est beaucoup plus sympathique d’utiliser une méthode un peu plus automatique pour récupérer ces données. Ainsi, dès que l’INSEE les mettra à jour (le trimestre prochain par exemple), il suffira de relancer le script R et le graphe se mettra automatiquement à jour.
Pour ce faire, on va utiliser la compatibilité du nouveau site de l’Insee avec la norme SDMX. Le package R rsdmx va nous permettre de récupérer facilement les données en utilisant cette fonctionnalité :
install.packages("rsdmx")
library(rsdmx)
Sur la page correspondant aux données sur le site de l’Insee, on récupère l’identifiant associé : 001688526. Cela permet de construire l’adresse à laquelle on va pouvoir demander à rsdmx de récupérer les données : http://www.bdm.insee.fr/series/sdmx/data/SERIES_BDM/001688526. On peut également ajouter des paramètres supplémentaires en les ajoutant à la suite de l’url (en les séparant par un “?”). On utilise ensuite cette adresse avec la fonction readSDMX:
url_chomage_insee <- "http://www.bdm.insee.fr/series/sdmx/data/SERIES_BDM/001688526?periodeDebut=1&anneeDebut=1975&periodeFin=3&anneeFin=2016&recherche=criteres&codeGroupe=1533" donnees_chomage_sdmx <- readSDMX(url_chomage_insee) donnees_chomage <- as.data.frame(donnees_chomage_sdmx)
On peut regarder la structure des données que l’on a à ce stade :
> str(donnees_chomage) 'data.frame': 167 obs. of 12 variables: $ IDBANK : Factor w/ 1 level "001688526": 1 1 1 1 1 1 1 1 1 1 ... $ FREQ : Factor w/ 1 level "T": 1 1 1 1 1 1 1 1 1 1 ... $ TITLE : Factor w/ 1 level "Taux de chômage au sens du BIT - Ensemble - France métropolitaine - Données CVS": 1 1 1 1 1 1 1 1 1 1 ... $ LAST_UPDATE : Factor w/ 1 level "2016-11-17": 1 1 1 1 1 1 1 1 1 1 ... $ UNIT_MEASURE : Factor w/ 1 level "PCT": 1 1 1 1 1 1 1 1 1 1 ... $ UNIT_MULT : Factor w/ 1 level "0": 1 1 1 1 1 1 1 1 1 1 ... $ REF_AREA : Factor w/ 1 level "FM": 1 1 1 1 1 1 1 1 1 1 ... $ DECIMALS : Factor w/ 1 level "1": 1 1 1 1 1 1 1 1 1 1 ... $ TIME_PER_COLLECT: Factor w/ 1 level "PERIODE": 1 1 1 1 1 1 1 1 1 1 ... $ TIME_PERIOD : chr "2016-Q3" "2016-Q2" "2016-Q1" "2015-Q4" ... $ OBS_VALUE : chr "9.7" "9.6" "9.9" "9.9" ... $ OBS_STATUS : chr "P" "A" "A" "A" ...
Les deux colonnes qui vont nous intéresser sont “TIME_PERIOD” (date de la mesure) et “OBS_VALUE” (taux de chômage estimé). Pour le moment, ces données sont au format “caractère”. On va les transformer respectivement en “date” et en “numérique”. Notez que l’intégration du trimestre nécessite de passer par le package “zoo” (pour la fonction as.yearqtr) :
library(zoo) donnees_chomage$OBS_VALUE <- as.numeric(donnees_chomage$OBS_VALUE) donnees_chomage$TIME_PERIOD <- as.yearqtr(donnees_chomage$TIME_PERIOD, format = "%Y-Q%q")
Il ne reste plus qu’à utiliser l’excellent package ggplot2 pour créer le graphe. On en profite pour ajouter des lignes verticales en 1993 et 2008 (dates des deux dernières crises économiques majeures) :
library(ggplot2)
plot_chomage <- ggplot(donnees_chomage, aes(x=TIME_PERIOD, y=OBS_VALUE)) +
geom_line(colour="red") +
xlab("Annee") +
ylab("Taux de chomage") +
geom_vline(xintercept = c(1993,2008), color="grey", linetype="dashed") +
annotate("text", c(1993,2008), c(0.15), label=c("1993","2008"),
color="grey")
print(plot_chomage)
Rendez-vous demain pour un article où on s’amusera à faire ressembler ce graphe à ceux du comic xkcd.