From 41c2ced48fb7547d2e7f92244e30f8b7ca648585 Mon Sep 17 00:00:00 2001
From: =?UTF-8?q?Fran=C3=A7ois=20Pelletier?= <francois@francoispelletier.org>
Date: Sun, 9 Oct 2016 01:27:38 -0400
Subject: [PATCH] ajout plotly

---
 leaflet.Rmd | 82 +++++++++++++++++++++++++++++++++++++++++++++++++++++
 1 file changed, 82 insertions(+)

diff --git a/leaflet.Rmd b/leaflet.Rmd
index 5c4bdea..1efac26 100644
--- a/leaflet.Rmd
+++ b/leaflet.Rmd
@@ -133,3 +133,85 @@ palette_arrondissement <- colorFactor(rainbow(levels(ARROND$NOM) %>% length()),
 l1 %>% addPolygons(data=ARROND, color = ~palette_arrondissement(NOM))
 ```
 
+# Plotly
+
+## Introduction
+
+Plotly est une bliblothèque de graphiques interactifs en JavaScript. Tout comme Leaflet, on peut l'utiliser via des interfaces dans plusieurs langages de programmation, dont R.
+
+```{r, echo=TRUE}
+library(plotly)
+```
+
+
+## Données sélectionnées
+Nous utiliserons les données suivantes:
+
+[Enquête sur les dépenses des ménages (EDM), dépenses des ménages, selon le mode d'occupation du logement](http://ouvert.canada.ca/data/fr/dataset/ffd02f84-1b13-479f-83a9-35f6d17296c7)
+
+```{r, echo=TRUE}
+emd_2016 <- read.table("DATA/02030024-fra.csv",sep=";", header=TRUE, dec = ",", na.strings = c("..","F"), stringsAsFactors = FALSE)
+```
+
+## Sélection
+
+On identifie les 8 catégories avec le plus de dépenses, peu importe le mode d'occupation du logement, en excluant les sommaires.
+```{r, echo=TRUE}
+Top20Summary <- emd_2016 %>% group_by(SUMMARY) %>% 
+  summarise(Valeur_totale = sum(Valeur)) %>% 
+  arrange(Valeur_totale %>% desc) %>%
+  filter(!(SUMMARY %in% list("Dépenses totales","Consommation courante totale"))) %>% 
+  head(8) %>%
+  select(SUMMARY)
+```
+
+## Aggrégation
+
+On sélectionne les valeurs correspondant aux catégories identifiées précédemment, on supprime les sommaires
+```{r, echo=TRUE}
+agg_emd_2016 <- emd_2016 %>% 
+  merge(Top20Summary, all=FALSE) %>% 
+  select(Date_Ref, TENURE, SUMMARY, Valeur) %>%
+  filter(!(TENURE %in% list("Toutes les classes","Propriétaire"))) %>%
+  group_by(TENURE,SUMMARY) %>%
+  summarise(m_valeur = mean(Valeur))
+```
+
+## Préparation des données
+```{r, echo=TRUE}
+library(reshape2)
+cast_agg_emd_2016 <- agg_emd_2016 %>% dcast(SUMMARY ~ TENURE, value.var = "m_valeur")
+names_col <- names(cast_agg_emd_2016)
+names(cast_agg_emd_2016) <- c("SUMMARY","loc","pah","psh")
+top_labels <- names_col[-1]
+```
+
+## Affichage du graphique
+On crée une [graphique à barres groupées](https://plot.ly/r/bar-charts/#grouped-bar-chart), qui permetta de comparer la dépense pour le même sommaire par mode d'occupation du logement.
+
+```{r, echo=TRUE}
+plot_ly(data = cast_agg_emd_2016, 
+        y = ~loc, 
+        x = ~SUMMARY, 
+        type = 'bar', 
+        orientation = 'v', 
+        marker = list(color = 'rgba(38, 24, 74, 0.8)',
+                      line = list(color = 'rgb(248, 248, 249)',
+                                  width = 1.5)),
+        name=top_labels[1]) %>%
+  add_trace(y = ~pah,
+            marker = list(color = 'rgba(71, 58, 131, 0.8)'),
+            name=top_labels[2]) %>%
+  add_trace(y = ~psh,
+            marker = list(color = 'rgba(71, 58, 131, 0.8)'),
+            name=top_labels[3]) %>%
+  layout(barmode = 'grouped',
+         xaxis = list(title = "",
+                      tickangle = -45),
+         yaxis = list(title = "Montant en $"),
+         margin = list(l = 100, b = 100))
+```
+
+
+
+# ggplot2