diff --git a/suite_td2_deces.rproj b/suite_td2_deces.rproj
new file mode 100644
index 0000000000000000000000000000000000000000..f957e8e7ccbb63bcfbb767d4ebb6baa96317c98c
--- /dev/null
+++ b/suite_td2_deces.rproj
@@ -0,0 +1,88 @@
+#####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')
+
+