Delete README.md

README.md

-#####import data 
-pop_insee = read.csv2("data/BTT_TD_POP1B_2017.csv", sep = ";")
-deces_insee = read.csv2("data/deces-2017.csv", sep = ";")
-immig_insee = readxl::read_xlsx("data/BTX_TD_IMG1A_2017.xlsx")
-profes_insee  = readxl::read_xlsx("data/TCRD_005.xlsx",  sheet = 'DEP', skip = 3)
-
-################################################################################
-### Changements dans DF 1 : renommer colonnes,
-#                           suppr les arrondissements, 
-#                           extraire le département,
-#                           nouvelles variables : nombre d'habitants/vivants par unité stat, nb vivants par sexe, age moyen
-#                           calcul indicateurs : taux hommes vivants, age moyen des vivants
-
-########################### colonnes 
-colnames(pop_insee) = tolower(colnames(pop_insee))
-str(pop_insee)
-pop_insee$nb = as.numeric(as.character(pop_insee$nb)) 
-str(pop_insee)
-
-library(readxl)
-library(dplyr)
-library(lubridate)
-
-########################## arrondissement
-pop_comm_insee = pop_insee %>% 
-  filter(nivgeo == "COM") # ou filter(!nivgeo == "ARM")
-print(unique(pop_comm_insee$nivgeo))
-
-
-########################## departement
-pop_depart_insee = pop_comm_insee %>%
-  mutate(departement_code = substr(codgeo, 1, 2))
-str(pop_depart_insee)
-
-# autre code
-# pop_comm_insee$departement_code = substr(pop_comm_insee$codgeo, 1, 2)
-
-########################## nouvelles variables
-pop_gp_deprt_insee = pop_depart_insee %>%
-  group_by(departement_code) %>%
-  summarise(nb_habitants = round(sum(nb,na.rm=TRUE)),
-            nb_hommes = round(sum(nb[sexe == 1], na.rm = TRUE)), # nombre d'hommes
-            nb_femmes = round(sum(nb[sexe == 2], na.rm = TRUE)),# nombre de femmes
-            sum_age = round(sum(nb * aged100, na.rm = TRUE))) # total de tous les ages
-
-View(pop_gp_deprt_insee)
-
-########################## indicateurs
-pop_indic_deprt_insee = pop_gp_deprt_insee %>%
-  mutate(taux_hommes_vivants = round((nb_hommes/(nb_hommes + nb_femmes)) * 100, 2), # taux hommes vivants # taux en pourcentage
-         age_moyen_vivants = round((sum_age / nb_habitants), 2)) # age moyen vivants
-
-View(pop_indic_deprt_insee)
-
-################################################################################
-### Changements dans DF DECES : renommer colonnes,
-#                           extraire le département,
-#                           nouvelles variables : age deces par unité stat
-#                           calcul indicateurs : âge moyen des personnes décédés, taux de décès
-
-#renommer colonnes : 
-
-colnames(deces_insee) = tolower(colnames(deces_insee))
-str(deces_insee)
-
-#extraire le département
-deces_departement_insee = deces_insee %>%
-  mutate(deces_insee, departement_code = substr(lieudeces, 1, 2))
-str(deces_departement_insee)
-
-##Str les dates
-as.Date(deces_departement_insee$datenaiss, "%y, %m, %d")
-deces_departement_insee$datenaiss = ymd(deces_departement_insee$datenaiss)
-deces_departement_insee$datedeces = ymd(deces_departement_insee$datedeces)
-
-##Age deces
-age_deces_departement_insee = deces_departement_insee  %>%
-  mutate( age_deces = time_length(difftime(datedeces, datenaiss), "years"))
-###nb_deces 
-nb_deces <- nrow(age_deces_departement_insee)
-##Indicateurs
-group_by(age_deces_departement_insee) %>%
-  mutate(age_moyen_deces = mean(age_deces, na.rm = TRUE),
-         taux_deces = round(sum(nb_deces/nb_habitants)*100, 2))
-##Merge
-tableau_final <- merge(deces_departement_insee, pop_depart_insee, by = 'departement_code')
-
-