Le package “oceanis” permet de réaliser des cartes d'études et d'analyses à partir de données monolocalisées ou bilocalisées.
Plusieurs types de représentations cartographiques sont possibles :
Monolocalisées
ronds proportionnels pour représenter des données en volume (par exemple des effectifs) ;
analyse en classes (ou choroplète) pour représenter des données en ratio (par exemple une évolution) ;
association des ronds proportionnels et d'une analyse en classes : l'analyse dans les ronds ou les ronds sur l'analyse ;
typologie pour représenter des données catégorisées (par exemple la typologie des aires urbaines).
Bilocalisées
oursins pour représenter des flux entre deux territoires (par exemple les flux domicile-travail) ;
flèches joignantes pour représenter des flux entre deux territoires, leurs volumes et leurs directions ;
flèches saphirs pour représenter des flux d'entrées et de sorties d'un territoire par rapport à d'autres.
Ce document présente quelques exemples d'utilisation du package “oceanis” en mettant l'accent sur les différents enchaînements possibles entre les fonctions du package.
Pour charger des données, le package propose une fonction lecture_fichier(file) qui permet d'importer des fichiers de divers formats :
.dbf (foreign::read.dbf) ;
.xls (xlsx::read.xlsx) ;
.ods (readODS::read_ods) ;
.csv (utils::read.table) ;
.rds (readRDS) ;
.rda ou .rdata (load).
library(oceanis)
## Loading required package: shiny
## Loading required package: shinyBS
donnees_monoloc <- lecture_fichier(file = system.file("data/donnees_monoloc.rda", package = "oceanis"))
Pour information, la table donnees_monoloc est un data.frame contenant 6 variables, le code des départements, les libellés, la population en 2010, en 2015, la variation annuelle moyenne de la population entre 2010 et 2015 et le code région d'appartenance. Son champ est la France métropolitaine.
Pour calculer une variable de classes à partir de variables en volume présentes dans le tableau de données, vous pouvez passer par l'une des fonctions suivantes :
calcul_ratio(data, var1, var2) pour calculer un ratio entre 2 variables en volume ;
calcul_tx_evol_global(data, var1, var2) pour calculer le taux d'évolution global entre deux périodes ;
calcul_tx_evol_ann_moy(data, var1, var2, nbAnnees) pour calculer le taux d'évolution annuel moyen entre deux périodes ;
calcul_part_ens(data, var) pour calculer la part dans l'ensemble ;
calculette(data, formule = NULL) pour entrer manuellement votre propre formule de calcul ;
Ces fonctions ajoutent au tableau de données la colonne de variable de classes.
Vous pouvez également visualiser la distribution d'une variable de classes :
library(oceanis)
print(system.file("data/donnees_monoloc.rda", package = "oceanis"))
## [1] "C:/Users/zz0srj/AppData/Local/Temp/RtmpCYwp95/Rinst21c8192e4ac0/oceanis/data/donnees_monoloc.rda"
# chargement des données
donnees_monoloc <- lecture_fichier(file = system.file("data/donnees_monoloc.rda", package = "oceanis"))
# visualisation de la distribution de la variable VAR_AN_MOY
distrib_variable(data = donnees_monoloc ,varRatio = "VAR_AN_MOY", nbClasses = 4)
Les objets géométriques utilisés dans les fonctions du package “oceanis” sont des objets sf issus du package sf (Simple Features for R).
En plus de la géométrie, les objets sf peuvent contenir des données de type data.frame ou tibble.
Pour charger un fond de carte de format ShapeFile (.shp) en un objet R de format sf, il suffit d'appeler la fonction sf::read_sf ou sf::st_read.
library(sf)
## Linking to GEOS 3.6.1, GDAL 2.2.3, proj.4 4.9.3
# chemin du fond de carte .shp
path_to_shp <- system.file("extdata","dep_francemetro_2018.shp", package = "oceanis")
# import de l'objet sf
depm <- st_read(dsn = path_to_shp, quiet = TRUE)
# visualisation de la géométrie
# modification des marges
par(mai = c(0,0,0,0))
# contour des départements de France métropolitaine
plot(st_geometry(depm))
Vous n'avez pas à votre disposition de fond de carte .shp correspondant à votre zonage d'études. Vous pouvez le générer à partir d'autres fonds de carte disponibles. Par exemple, à partir de zonages administratifs (communes, départements, régions…) ou d'études (intercommunalités, aires urbaines, zones d'emploi…).
La fonction zonage_a_facon permet de créer son propre zonage à façon.
L'exemple ci-dessous permet de resconstituer les zones d'emploi des Bouches-du-Rhône à partir d'un fond communal.
library(oceanis)
library(sf)
# chargement des données :
# données à façon avec variable de regroupement (ZE2010)
donnees_a_facon <- lecture_fichier(file = system.file("data/donnees_a_facon.rda", package = "oceanis"))
# fond communal des départements 13, 30, 83 et 84
com_dep_13_30_83_84 <- lecture_fichier(file = system.file("data/com_dep_13_30_83_84.rda", package = "oceanis"))
# chemin du fond de carte .shp
path_to_shp <- system.file("extdata","dep_francemetro_2018.shp", package = "oceanis")
# import en objet sf
depm <- st_read(dsn = path_to_shp, quiet = TRUE, stringsAsFactors = FALSE)
# création du zonage des zones d'emploi des Bouches-du-Rhône (partie entière des ze)
ze13etplus <- zonage_a_facon(fondMaille = com_dep_13_30_83_84, groupe = donnees_a_facon,
idMaille = "DEPCOM", idGroupe = "ZE2010", libGroupe = "LIB_ZE2010",
fondContour = NULL, dom = "0")
# création du zonage des zones d'emploi des Bouches-du-Rhône (partie tronquée des ze au contour du département)
ze13 <- zonage_a_facon(fondMaille = com_dep_13_30_83_84, groupe = donnees_a_facon, idMaille = "DEPCOM",
idGroupe = "ZE2010", libGroupe = "LIB_ZE2010",
fondContour = depm[depm$code=="13",], dom = "0")
# visualisation de la géométrie
# modification des marges
par(mai = c(0,0,0,0))
# fond des ze des Bouches-du-Rhône en 1er pour fixer le niveau de zoom, en bleu
plot(st_geometry(ze13etplus), col = "powderblue", border = "transparent")
# fond de la partie tronquée des ze des Bouches-du-Rhône, en rouge
plot(st_geometry(ze13), col = "lightsalmon", border = "transparent", add = TRUE)
# contour des communes
plot(st_geometry(com_dep_13_30_83_84), col = "transparent", border = "lavender", add = TRUE)
# contour de la partie tronquée des ze des Bouches-du-Rhône, en rouge
plot(st_geometry(ze13), col = "transparent", border = "indianred", lwd = 3, add = TRUE)
# contour des ze des Bouches-du-Rhône, en bleu
plot(st_geometry(ze13etplus), col = "transparent", border = "steelblue", lwd = 3, add = TRUE)
Les fonctions shiny_() permettent de visualiser les cartes dans un environnement web utilisant la technologie R-Shiny (package shiny Web Application Framework for R). Cet environnement permet de modifier à la volée le paramétrage de la carte (nombre de classes, méthode de calcul des classes, taille des ronds, des flèches, filtres sur les données etc…). La carte est alors actualisée à chaque modification de paramètres.
Les cartes sont interactives car elles sont dans le format leaflet (package leaflet Leaflet for R). Il est possible de se déplacer, de zoomer sur la carte et de cliquer sur les territoires pour faire apparaître des informations sous forme d'info-bulles (ou pop-up).
Voici deux exemples de cartes réalisées avec les fonctions shiny_classes_ronds() pour une représentation de données monolocalisées avec des ronds propotionnels sur une analyse en classes et shiny_joignantes() pour une représentation de données bilocalisées avec visualisation de la direction et du volume du flux.
library(oceanis)
library(sf)
# chargement des données
donnees_monoloc <- lecture_fichier(file = system.file("data/donnees_monoloc.rda", package = "oceanis"))
# import du fond des départements
depm <- st_read(dsn = system.file("extdata","dep_francemetro_2018.shp", package = "oceanis"), quiet = TRUE, stringsAsFactors = FALSE)
# import du fond des régions
regm <- st_read(dsn = system.file("extdata","reg_francemetro_2018.shp", package = "oceanis"), quiet = TRUE, stringsAsFactors = FALSE)
# import du fond de France métropolitaine
fram <- st_read(dsn = system.file("extdata","francemetro_2018.shp", package = "oceanis"), quiet = TRUE, stringsAsFactors = FALSE)
shiny_classes_ronds(data = donnees_monoloc, fondMaille = depm[depm$reg %in% c("93","94"),], fondMailleElargi = depm, fondContour = fram, fondSuppl = regm, idData = "COD_DEP",varVolume = "POP_2015", varRatio = "VAR_AN_MOY")
library(oceanis)
library(sf)
library(shiny)
# chargement des données
donnees_biloc <- lecture_fichier(file = system.file("data/donnees_biloc.rda", package = "oceanis"))
# import du fond des régions
regm <- st_read(dsn = system.file("extdata","reg_francemetro_2018.shp", package = "oceanis"), quiet = TRUE, stringsAsFactors = FALSE)
# import du fond des départements
depm <- st_read(dsn = system.file("extdata","dep_francemetro_2018.shp", package = "oceanis"), quiet = TRUE, stringsAsFactors = FALSE)
# import du fond de France métropolitaine
fram <- st_read(dsn = system.file("extdata","francemetro_2018.shp", package = "oceanis"), quiet = TRUE, stringsAsFactors = FALSE)
shiny_joignantes(data = donnees_biloc, fondMaille = regm, typeMaille = "REG", fondContour = fram, fondSuppl = depm, idDataDepart = "REG_DEPART", idDataArrivee = "REG_ARRIVEE", varFlux = "MIGR", decalageAllerRetour = 10, decalageCentroid = 20)
Les fonctions leaflet_() proposent des cartes en sorties utilisant la technologie leaflet (package leaflet Leaflet for R) comme pour les fonctions shiny. Ces fonctions sont davantage paramétrables et la modification des cartes (ajout d'une légende, modification de couleurs, etc…) est possible par d'autres fonctions dédiées.
Ci-dessous, un exemple de cheminement possible pour réaliser une carte complète avec leaflet. Cette carte utilise des données monolocalisées avec une analyse en classes dans les ronds.
library(oceanis)
library(sf)
library(leaflet)
# chargement des données
donnees_monoloc <- lecture_fichier(file = system.file("data/donnees_monoloc.rda", package = "oceanis"))
# import du fond des départements
depm <- st_read(dsn = system.file("extdata","dep_francemetro_2018.shp", package = "oceanis"), quiet = TRUE, stringsAsFactors = FALSE)
# import du fond des régions
regm <- st_read(dsn = system.file("extdata","reg_francemetro_2018.shp", package = "oceanis"), quiet = TRUE, stringsAsFactors = FALSE)
# affichage de la carte
map <- leaflet_ronds_classes(data = donnees_monoloc, fondMaille = depm[depm$reg=="93",], fondMailleElargi = depm, fondSuppl = regm, idData = "COD_DEP", varVolume = "POP_2015", varRatio = "VAR_AN_MOY")
map
# affichage du rayon du rond le plus grand en mètres
rayon_ronds(map)
## [1] 23668.46
# affichage de la carte avec des rayons de ronds plus grands
map <- leaflet_ronds_classes(data = donnees_monoloc, fondMaille = depm[depm$reg == "93",], fondMailleElargi = depm, fondSuppl = regm, idData = "COD_DEP", varVolume = "POP_2015", varRatio = "VAR_AN_MOY", rayonRond = 29000, rapportRond = NULL)
# affichage du rapport du rond le plus grand, à récupérer pour permettre la comparaison de plusieurs cartes
rapport_ronds(map)
## [1] 1310165
map
# ajout de la légende des ronds (position par défaut)
map <- add_legende_ronds(map = map, titre = "Population en 2015", zoom = 6)
## [INFO] Les coordonnées de la légende des ronds sont : longitude (x) =
## 7.71612696800038 degré ; latitude (y) = 45.1268480101767 degré
# ajout de la légende des classes (position par défaut)
map <- add_legende_classes(map = map, titre = "Variation ann.moy. 2010-2015", zoom = 6)
## [INFO] Les coordonnées de la légende des classes sont : longitude (x) =
## 7.71612696800038 degré ; latitude (y) = 42.9820332433454 degré
map
# modification de la position de la légende des ronds et du niveau de zoom
map <- add_legende_ronds(map = map, titre = "Population en 2015", lng = 8, lat = 44, zoom = 8)
## [INFO] Les coordonnées de la légende des ronds sont : longitude (x) = 8
## degré ; latitude (y) = 44 degré
# modification de la position de la légende des classes et du niveau de zoom
map <- add_legende_classes(map = map, titre = "Variation ann.moy. 2010-2015", lng = 7.5, lat = 43.5, zoom = 8)
## [INFO] Les coordonnées de la légende des classes sont : longitude (x) = 7.5
## degré ; latitude (y) = 43.5 degré
map
# ajout d'une source à la carte
map <- add_source(map = map, source = "Source : INSEE - RP2016")
# ajout d'un titre à la carte
map <- add_titre(map = map, titre = "Population des départements de la région Provence-Alpes-Côte d'Azur en 2015 et son évolution depuis 2010")
map
# affichage de la palette par défaut
recup_palette(stylePalette = "defaut")
## [[1]]
## [1] "#5A0A14" "#82141B" "#9B231C" "#B24B1D" "#D47130" "#E4A75A" "#F2CE93"
##
## [[2]]
## [1] "#C9DAF0" "#95BAE2" "#5182B6" "#005289" "#003269" "#001E5A" "#000050"
# affichage de la palette InseePremiere
recup_palette(stylePalette = "InseePremiere")
## [[1]]
## [1] "#7F0029" "#CC1543" "#DE635B" "#F79C85" "#FDE3DE"
##
## [[2]]
## [1] "#ECF4D8" "#CDD78C" "#91B778" "#549534" "#005941"
# modification de la couleur de bordure des ronds
map <- set_couleur_ronds(map = map, colBorder = "grey")
# modification du style de la palette
map <- set_couleur_classes(map = map, stylePalette = "InseePremiere")
map
# modification de l'opacité de la représentation élargie
map <- set_opacite_elargi(map, opacite = 0.3)
map
# ajout d'un fond OpenStreetMap
map <- add_fond_osm(map)
map
Les fonctions plot_() sont hautement paramétrables. Les cartes en sortie ne sont pas interactives mais leur plus-value réside dans la possibilité d'ajouter des étiquettes. Il est possible également d'ajouter autant de fonds que l'on souhaite sous ou sur la couche d'analyse.
Le style des fonds ajoutés et des étiquettes est paramétrable. Les fonctions plot_() retournent le fond brut de l'analyse (ronds, maille ou flèches).
L'exemple suivant montre comment construire une carte avec des flèches saphirs en utilisant la fonction plot_saphirs().
library(oceanis)
library(sf)
# chargement des données
donnees_biloc_saphirs <- lecture_fichier(file = system.file("data/donnees_biloc_saphirs.rda", package = "oceanis"))
# import du fond des régions
regm <- st_read(dsn = system.file("extdata","reg_francemetro_2018.shp", package = "oceanis"), quiet = TRUE, stringsAsFactors = FALSE)
# import du fond de France métropolitaine
fram <- st_read(dsn = system.file("extdata","francemetro_2018.shp", package = "oceanis"), quiet = TRUE, stringsAsFactors = FALSE)
# import du fond des pays
paysm <- st_read(dsn = system.file("extdata","paysf_2018.shp", package = "oceanis"), quiet = TRUE, stringsAsFactors = FALSE)
# import du fond de mer
merm <- st_read(dsn = system.file("extdata","merf_2018.shp", package = "oceanis"), quiet = TRUE, stringsAsFactors = FALSE)
# affichage de la carte
fond_saphirs <- plot_saphirs(data = donnees_biloc_saphirs, fondMaille = regm, typeMaille = "REG", idDataDepart = "REG_DEPART", idDataArrivee = "REG_ARRIVEE", varFlux = "MIGR", direction = "Ent", titreLeg = "Entrées", xLeg = 1100000, yLeg = 6470000, titreCarte = "Migrations résidentielles vers l'Île-de-France", sourceCarte = "Source : INSEE - RP2016", colEntree = "#D2691E", colBorder = "transparent", colBorderMaille = "grey")
## [INFO] La largeur maximale des fleches = 100[INFO] Les coordonnees de la
## legende sont x = 1100000 metres ; y = 6470000 metres
# construction de la table des étiquettes
etiquettes <- coordonnees_etiquettes(fondMaille = regm, listeCode = as.character(regm$code))
# modification des valeurs (latitude Y, longitude X, taille, couleur et style de police)
etiquettes[etiquettes$CODE=="24","Y"] <- 6680000
etiquettes[etiquettes$CODE=="27","Y"] <- 6660000
etiquettes[etiquettes$CODE=="28","X"] <- 410000
etiquettes[etiquettes$CODE=="32","Y"] <- 7015000
etiquettes[etiquettes$CODE=="44","X"] <- 955000
etiquettes[etiquettes$CODE=="52","X"] <- 330000
etiquettes[etiquettes$CODE=="52","Y"] <- 6700000
etiquettes[etiquettes$CODE=="53","X"] <- 215000
etiquettes[etiquettes$CODE=="75","Y"] <- 6420000
etiquettes[etiquettes$CODE=="76","Y"] <- 6270000
etiquettes[etiquettes$CODE=="84","Y"] <- 6455000
etiquettes[etiquettes$CODE=="93","Y"] <- 6290000
etiquettes[etiquettes$CODE=="94","Y"] <- 6120000
etiquettes[etiquettes$CODE!="11","TAILLE"] <- 0.6
etiquettes[etiquettes$CODE=="11","COL"] <- "#002D7F"
etiquettes[etiquettes$CODE!="11","FONT"] <- 1
# affichage de la carte
fond_saphirs <- plot_saphirs(data = donnees_biloc_saphirs, fondMaille = regm, typeMaille = "REG", idDataDepart = "REG_DEPART", idDataArrivee = "REG_ARRIVEE", varFlux = "MIGR", direction = "Ent", titreLeg = "Entrées", xLeg = 1150000, yLeg = 6470000, titreCarte = "Migrations résidentielles vers l'Île-de-France", sourceCarte = "Source : INSEE - RP2016", etiquettes = etiquettes, colEntree = "#D2691E", colBorder = "transparent", colBorderMaille = "grey")
## [INFO] La table d'étiquettes fournie contient au moins 4 colonnes.
## Elles doivent être : l'identifiant de la maille ('CODE'), le libellé de
## l'étiquette ('LIBELLE') et les coordonnées 'X' et 'Y' de l'étiquette. Peut
## etre ajoutées éventuellement les colonnes 'TAILLE', 'FONT' et 'COL'.[INFO]
## La largeur maximale des fleches = 100[INFO] Les coordonnees de la legende
## sont x = 1150000 metres ; y = 6470000 metres
# ajout de colonnes dans les fonds pour modifier leur apparence
# couleur de remplissage : COL
# couleur des contours : BORDER
# épaisseur des contours : EPAISEEUR
merm$COL <- "lightsteelblue"
merm$BORDER <- "lightsteelblue"
paysm$COL <- "gray"
paysm$BORDER <- "white"
fram$BORDER <- "darkgray"
fram$EPAISSEUR <- 2
# création des listes des fonds d'habillage, en-dessous et au-dessus de l'analyse
fondSousAnalyse <- list(merm,paysm)
fondSurAnalyse <- list(fram)
# affichage de la carte
fond_saphirs <- plot_saphirs(data = donnees_biloc_saphirs, fondMaille = regm, fondSousAnalyse = fondSousAnalyse, fondSurAnalyse = fondSurAnalyse,typeMaille = "REG", idDataDepart = "REG_DEPART", idDataArrivee = "REG_ARRIVEE", varFlux = "MIGR", direction = "Ent", titreLeg = "Entrées", xLeg = 1150000, yLeg = 6470000, titreCarte = "Migrations résidentielles vers l'Île-de-France", sourceCarte = "Source : INSEE - RP2016", etiquettes = etiquettes, colEntree = "#D2691E", colBorder = "transparent", colBorderMaille = "grey")
## [INFO] La table d'étiquettes fournie contient au moins 4 colonnes.
## Elles doivent être : l'identifiant de la maille ('CODE'), le libellé de
## l'étiquette ('LIBELLE') et les coordonnées 'X' et 'Y' de l'étiquette. Peut
## etre ajoutées éventuellement les colonnes 'TAILLE', 'FONT' et 'COL'.[INFO]
## La largeur maximale des fleches = 100[INFO] Les coordonnees de la legende
## sont x = 1150000 metres ; y = 6470000 metres
Il n'est pas possible d'exporter automatiquement la carte dans un format image ou en pdf.
Manuellement, il faut procéder à une capture d'écran de la carte puis l'enregistrer dans le format souhaité.
Il existe 3 fonctions d'export de carte :
export_jpeg(map, chemin, nomFichier) : pour exporter la carte leaflet en format image .jpg
export_png(map, chemin, nomFichier) : pour exporter la carte leaflet en format image .png
export_pdf(map, chemin, nomFichier) : pour exporter la carte leaflet en format .pdf
Manuellement, on peut soit effectuer une capture d'écran, soit utiliser la fonctionnalité “export” de RStudio de l'onglet Plots.
Pour automatiser l'export d'une carte réalisée avec une fonction plot_(), il est possible de rediriger la sortie de la fonction dans un dossier spécifique. Le package grDevices propose plusieurs sorties (.bmp, .jpeg, .png ou .tiff)
library(grDevices)
jpeg(filename = "sortie.jpg", quality = 100, width = 16, height = 18, units = "cm", res = 120)
# affichage de la carte
fond_saphirs <- plot_saphirs(data = donnees_biloc_saphirs, fondMaille = regm, fondSousAnalyse = fondSousAnalyse, fondSurAnalyse = fondSurAnalyse,typeMaille = "REG", idDataDepart = "REG_DEPART", idDataArrivee = "REG_ARRIVEE", varFlux = "MIGR", direction = "Ent", titreLeg = "Entrées", xLeg = 1150000, yLeg = 6470000, titreCarte = "Migrations résidentielles vers l'Île-de-France", sourceCarte = "Source : INSEE - RP2016", etiquettes = etiquettes, colEntree = "#D2691E", colBorder = "transparent", colBorderMaille = "grey")
dev.off()
pdf(file = "sortie.pdf", width = 10, height = 10)
# affichage de la carte
fond_saphirs <- plot_saphirs(data = donnees_biloc_saphirs, fondMaille = regm, fondSousAnalyse = fondSousAnalyse, fondSurAnalyse = fondSurAnalyse,typeMaille = "REG", idDataDepart = "REG_DEPART", idDataArrivee = "REG_ARRIVEE", varFlux = "MIGR", direction = "Ent", titreLeg = "Entrées", xLeg = 1150000, yLeg = 6470000, titreCarte = "Migrations résidentielles vers l'Île-de-France", sourceCarte = "Source : INSEE - RP2016", etiquettes = etiquettes, colEntree = "#D2691E", colBorder = "transparent", colBorderMaille = "grey")
dev.off()
Pour exporter la carte en projet Qgis (.qgs), dans le panneau de gauche il faut cliquer sur le bouton “Exporter en projet Qgis” puis spécifier le nom du projet. Un titre descriptif et informatif peuvent être donnés. La source peut être aussi personnalisée. Le choix du dossier en sortie se fait après avoir cliqué sur “Exporter”.
Il existe une fonction d'export Qgis pour chacune des huit représentations cartographiques.
Avant d'exporter la carte, il faut avoir poser la légende.
library(oceanis)
library(sf)
library(leaflet)
# chargement des données
donnees_monoloc <- lecture_fichier(file = system.file("data/donnees_monoloc.rda", package = "oceanis"))
# import du fond des départements
depm <- st_read(dsn = system.file("extdata","dep_francemetro_2018.shp", package = "oceanis"), quiet = TRUE, stringsAsFactors = FALSE)
# import du fond des régions
regm <- st_read(dsn = system.file("extdata","reg_francemetro_2018.shp", package = "oceanis"), quiet = TRUE, stringsAsFactors = FALSE)
# affichage de la carte avec des rayons de ronds plus grands
map <- leaflet_ronds_classes(data = donnees_monoloc, fondMaille = depm[depm$reg == "93",], fondMailleElargi = depm, fondSuppl = regm, idData = "COD_DEP", varVolume = "POP_2015", varRatio = "VAR_AN_MOY", rayonRond = 29000, rapportRond = NULL)
# modification de la position de la légende des ronds et du niveau de zoom
map <- add_legende_ronds(map = map, titre = "Population en 2015", lng = 8.5, lat = 45, zoom = 8)
# modification de la position de la légende des classes et du niveau de zoom
map <- add_legende_classes(map = map, titre = "Variation ann.moy. 2010-2015", lng = 8, lat = 44.5, zoom = 8)
# ajout d'une source à la carte
map <- add_source(map = map, source = "Source : INSEE - RP2016")
# ajout d'un titre à la carte
map <- add_titre(map = map, titre = "Population des départements de la région Provence-Alpes-Côte d'Azur en 2015 et son évolution depuis 2010")
# modification de la couleur de bordure des ronds
map <- set_couleur_ronds(map = map, colBorder = "grey")
# modification du style de la palette
map <- set_couleur_classes(map = map, stylePalette = "InseePremiere")
# modification de l'opacité de la représentation élargie
map <- set_opacite_elargi(map, opacite = 0.3)
export_qgis_ronds_classes(map, cheminDossier = getwd(), nomFichier = "export_carte_rp_ac", titre1 = "Population des départements de la région Provence-Alpes-Côte d'Azur en 2015 et son évolution depuis 2010", titre2 = "", source = "Source : INSEE - RP2016")
Dans Qgis, ouvrez le projet .qgs précédemment créé. Tous les fonds utilisés s'affichent dans le canevas et une mise en page brute (par défaut) est également proposée.
