Commerce extérieur de la France - COM-EXT

Data - INSEE

Auteur

François Geerolf


Info

LAST_UPDATE

Code 
`COM-EXT` %>%
  group_by(LAST_UPDATE) %>%
  summarise(Nobs = n()) %>%
  arrange(desc(LAST_UPDATE)) %>%
  print_table_conditional()
LAST_UPDATE Nobs
2025-12-05 182266
2022-07-11 342256
2019-07-05 1398

LAST_DOWNLOAD

LAST_DOWNLOAD
2025-12-27

INDICATEUR

Code 
`COM-EXT` %>%
  left_join(INDICATEUR, by = "INDICATEUR") %>%
  group_by(INDICATEUR, Indicateur) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()
INDICATEUR Indicateur Nobs
E Exportations de la France 253884
I Importations de la France 210918
SCF Solde CAF-FAB 60882
SFF Solde FAB-FAB 236

NATURE

Code 
`COM-EXT` %>%
  left_join(NATURE, by = "NATURE") %>%
  group_by(NATURE, Nature) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()
NATURE Nature Nobs
VALEUR_ABSOLUE Valeur absolue 183664
INDICE_VOL Indice en volume 177866
INDICE_PRIX Indice de prix 164390

UNIT_MEASURE

Code 
`COM-EXT` %>%
  group_by(UNIT_MEASURE) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()
UNIT_MEASURE Nobs
SO 342256
EUROS 183664

COM_EXT_NAF2

All

Code 
`COM-EXT` %>%
  left_join(COM_EXT_NAF2, by = "COM_EXT_NAF2") %>%
  group_by(COM_EXT_NAF2, Com_ext_naf2) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()

2-digit

Code 
`COM-EXT` %>%
  left_join(COM_EXT_NAF2, by = "COM_EXT_NAF2") %>%
  group_by(COM_EXT_NAF2, Com_ext_naf2) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  filter(COM_EXT_NAF2 %in% str_pad(seq(1, 99, 1), pad = "0", 2)) %>%
  print_table_conditional()
COM_EXT_NAF2 Com_ext_naf2 Nobs
01 01 - Produits de l'agriculture et de la chasse et services annexes 3372
02 02 - Produits sylvicoles et services annexes 3372
03 03 - Produits de la pêche et de l'aquaculture ; services de soutien à la pêche 3372
10 10 - Produits des industries alimentaires 3372
13 13 - Produits de l'industrie textile 3372
14 14 - Articles d'habillement 3372
15 15 - Cuir et articles en cuir 3372
16 16 - Bois, articles en bois et en liège, à l'exclusion des meubles ; articles de vannerie et de sparterie 3372
17 17 - Papier et carton 3372
22 22 - Produits en caoutchouc et en plastique 3372
24 24 - Produits métallurgiques 3372
25 25 - Produits métalliques, à l'exclusion des machines et équipements 3372
19 19 - Produits de la cokéfaction et du raffinage 3276
20 20 - Produits chimiques 3276
26 26 - Produits informatiques, électroniques et optiques 3276
27 27 - Équipements électriques 3276
28 28 - Machines et équipements n.c.a. 3276
29 29 - Véhicules automobiles, remorques et semi-remorques 3276
31 31 - Meubles 3276
21 21 - Produits pharmaceutiques de base et préparations pharmaceutiques 2796
11 11 - Boissons 1686
12 12 - Produits à base de tabac 1686
23 23 - Autres produits minéraux non métalliques 1686
32 32 - Autres produits manufacturés 1590

BASIND

Code 
`COM-EXT` %>%
  left_join(BASIND, by = "BASIND") %>%
  group_by(BASIND, Basind) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()
BASIND Basind Nobs
2005 2005 342256
SO Sans objet 181186
2009 2009 2478

ZONE_ECO

Code 
`COM-EXT` %>%
  left_join(ZONE_ECO, by = "ZONE_ECO") %>%
  group_by(ZONE_ECO, Zone_eco) %>%
  summarise(Nobs = n()) %>%
  arrange(-Nobs) %>%
  print_table_conditional()

TIME_PERIOD

Code 
`COM-EXT` %>%
  group_by(TIME_PERIOD) %>%
  summarise(Nobs = n()) %>%
  print_table_conditional()

Solde FAB-FAB

Code 
`COM-EXT` %>%
  filter(INDICATEUR == "SFF")
# # A tibble: 236 × 22
#    FREQ  SERIE_ARRETEE CORRECTION REF_AREA BASIND COM_EXT_NAF2 NATURE   ZONE_ECO
#    <chr> <chr>         <chr>      <chr>    <chr>  <chr>        <chr>    <chr>   
#  1 M     FALSE         CVS-CJO    FE       SO     R1001        VALEUR_… SO      
#  2 M     FALSE         CVS-CJO    FE       SO     R1001        VALEUR_… SO      
#  3 M     FALSE         CVS-CJO    FE       SO     R1001        VALEUR_… SO      
#  4 M     FALSE         CVS-CJO    FE       SO     R1001        VALEUR_… SO      
#  5 M     FALSE         CVS-CJO    FE       SO     R1001        VALEUR_… SO      
#  6 M     FALSE         CVS-CJO    FE       SO     R1001        VALEUR_… SO      
#  7 M     FALSE         CVS-CJO    FE       SO     R1001        VALEUR_… SO      
#  8 M     FALSE         CVS-CJO    FE       SO     R1001        VALEUR_… SO      
#  9 M     FALSE         CVS-CJO    FE       SO     R1001        VALEUR_… SO      
# 10 M     FALSE         CVS-CJO    FE       SO     R1001        VALEUR_… SO      
# # ℹ 226 more rows
# # ℹ 14 more variables: UNIT_MULT <chr>, UNIT_MEASURE <chr>, INDICATEUR <chr>,
# #   IDBANK <chr>, TITLE_FR <chr>, TITLE_EN <chr>, LAST_UPDATE <chr>,
# #   DECIMALS <chr>, TIME_PERIOD <chr>, OBS_VALUE <dbl>, OBS_STATUS <chr>,
# #   OBS_QUAL <chr>, OBS_TYPE <chr>, OBS_REV <chr>

Automobiles

Graph

Code 
`COM-EXT` %>%
  left_join(ZONE_ECO, by = "ZONE_ECO") %>%
  filter(COM_EXT_NAF2 == "29-1") %>%
  month_to_date() %>%
  arrange(date) %>%
  mutate(OBS_VALUE = OBS_VALUE %>% as.numeric) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Zone_eco)) + 
  theme_minimal() + xlab("") + ylab("Indice de Volume des Exportations Automobiles") +
  scale_x_date(breaks = seq(1960, 2020, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%y")) +
  scale_y_log10(breaks = seq(0, 200, 10),
                     labels = dollar_format(accuracy = 1, prefix = "")) +
  scale_color_manual(values = viridis(5)[1:4]) +
  theme(legend.position = c(0.7, 0.9),
        legend.title = element_blank())

Table

Code 
`COM-EXT` %>%
  left_join(ZONE_ECO, by = "ZONE_ECO") %>%
  filter(COM_EXT_NAF2 == "29-1") %>%
  month_to_date() %>%
  arrange(date) %>%
  mutate(OBS_VALUE = OBS_VALUE %>% as.numeric) %>%
  arrange(desc(date)) %>%
  head(30) %>%
  select(date, ZONE_ECO, Zone_eco, OBS_VALUE) %>%
  {if (is_html_output()) datatable(., filter = 'top', rownames = F) else .}

Exportations Monde Entier

Table

Code 
`COM-EXT` %>%
  filter(INDICATEUR == "E",
         ZONE_ECO == "190",
         TIME_PERIOD == "2020-07") %>%
  left_join(COM_EXT_NAF2, by = "COM_EXT_NAF2") %>%
  select(COM_EXT_NAF2, Com_ext_naf2, TITLE_FR, OBS_VALUE) %>%
  {if (is_html_output()) datatable(., filter = 'top', rownames = F) else .}

Cuir, Meubles

Code 
`COM-EXT` %>%
  filter(COM_EXT_NAF2 %in% c("15", "16"),
         ZONE_ECO == "190",
         NATURE == "INDICE_VOL") %>%
  left_join(COM_EXT_NAF2, by = "COM_EXT_NAF2") %>%
  left_join(INDICATEUR, by = "INDICATEUR") %>%
  month_to_date() %>%
  select(COM_EXT_NAF2, Com_ext_naf2, INDICATEUR, Indicateur, date, OBS_VALUE) %>%
  arrange(date) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Com_ext_naf2, linetype = Indicateur)) + 
  theme_minimal() + xlab("") + ylab("Indice de Volume") +
  scale_x_date(breaks = seq(1960, 2020, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%y")) +
  scale_y_log10(breaks = seq(0, 500, 20),
                labels = dollar_format(accuracy = 1, prefix = ""),
                limits = c(40, 350)) +
  scale_color_manual(values = viridis(5)[1:4]) +
  theme(legend.position = c(0.5, 0.8),
        legend.title = element_blank())

Textile, Habillement

Code 
`COM-EXT` %>%
  filter(COM_EXT_NAF2 %in% c("13", "14"),
         ZONE_ECO == "190",
         NATURE == "INDICE_VOL") %>%
  left_join(COM_EXT_NAF2, by = "COM_EXT_NAF2") %>%
  left_join(INDICATEUR, by = "INDICATEUR") %>%
  month_to_date() %>%
  select(COM_EXT_NAF2, Com_ext_naf2, INDICATEUR, Indicateur, date, OBS_VALUE) %>%
  arrange(date) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Com_ext_naf2, linetype = Indicateur)) + 
  theme_minimal() + xlab("") + ylab("Indice de Volume") +
  scale_x_date(breaks = seq(1960, 2020, 2) %>% paste0("-01-01") %>% as.Date,
               labels = date_format("%y")) +
  scale_y_log10(breaks = seq(0, 500, 20),
                labels = dollar_format(accuracy = 1, prefix = ""),
                limits = c(40, 350)) +
  scale_color_manual(values = viridis(5)[1:4]) +
  theme(legend.position = c(0.5, 0.8),
        legend.title = element_blank())

Table

Code 
`COM-EXT` %>%
  filter(ZONE_ECO == "190") %>%
  left_join(COM_EXT_NAF2, by = "COM_EXT_NAF2") %>%
  mutate(series = paste0(INDICATEUR, "-", NATURE)) %>%
  group_by(COM_EXT_NAF2, Com_ext_naf2, series) %>%
  summarise(change =  round(100*(OBS_VALUE[TIME_PERIOD == "2020-01"]/OBS_VALUE[TIME_PERIOD == "2019-01"]-1), 1)) %>%
  spread(series, change) %>%
  print_table_conditional()