source | dataset | .html | .RData |
---|---|---|---|
insee | CONSO-MENAGES-2014 | 2024-11-15 | 2024-11-17 |
Consommation des ménages en biens
Data - Insee
Info
Données sur la macroéconomie en France
source | dataset | .html | .RData |
---|---|---|---|
bdf | CFT | 2024-11-15 | 2024-07-01 |
insee | CNA-2014-CONSO-MEN | 2024-11-09 | 2024-11-09 |
insee | CNA-2014-CONSO-SI | 2024-11-09 | 2024-11-09 |
insee | CNA-2014-CSI | 2024-11-09 | 2024-11-09 |
insee | CNA-2014-FBCF-BRANCHE | 2024-11-16 | 2024-11-16 |
insee | CNA-2014-FBCF-SI | 2024-06-07 | 2024-11-15 |
insee | CNA-2014-PIB | 2024-11-09 | 2024-11-09 |
insee | CNA-2014-RDB | 2024-11-16 | 2024-11-16 |
insee | CNT-2014-CB | 2024-11-16 | 2024-11-16 |
insee | CNT-2014-CSI | 2024-11-15 | 2024-11-15 |
insee | CNT-2014-OPERATIONS | 2024-11-15 | 2024-11-15 |
insee | CNT-2014-PIB-EQB-RF | 2024-11-15 | 2024-11-15 |
insee | CONSO-MENAGES-2014 | 2024-11-15 | 2024-11-17 |
insee | conso-mensuelle | 2024-06-07 | 2023-07-04 |
insee | ICA-2015-IND-CONS | 2024-11-17 | 2024-11-16 |
insee | t_1101 | 2024-11-09 | 2022-01-02 |
insee | t_1102 | 2024-11-09 | 2020-10-30 |
insee | t_1105 | 2024-11-09 | 2020-10-30 |
LAST_UPDATE
Code
`CONSO-MENAGES-2014` %>%
group_by(LAST_UPDATE) %>%
summarise(Nobs = n()) %>%
print_table_conditional()
LAST_UPDATE | Nobs |
---|---|
2024-04-30 | 8496 |
Source
- s1036 - Consommation des ménages (base 2014). html
PRODUIT_CONSO_MENAGES
Code
`CONSO-MENAGES-2014` %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
group_by(PRODUIT_CONSO_MENAGES, Produit_conso_menages) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
print_table_conditional()
PRODUIT_CONSO_MENAGES | Produit_conso_menages | Nobs |
---|---|---|
ALIMENTAIRE | Alimentaire | 531 |
ALIMENTAIRE-HORS-TABAC | Alimentation hors tabac | 531 |
BIENS | Biens | 531 |
BIENS-DURABLES | Biens durables | 531 |
BIENS-DURABLES-EQUIPEMENT | Biens durables d'équipement personnel | 531 |
BIENS-FABRIQUES | Biens fabriqués | 531 |
BIENS-FABRIQUES-AUTRES | Autres biens fabriqués | 531 |
BIENS-MANUFACTURES | Biens manufacturés | 531 |
ENERGIE_C2 | Cokéfaction et raffinage (C2) | 531 |
ENERGIE_DE | Énergie, eau et déchets (DE) | 531 |
ENERGIE_DEC2 | Énergie, eau, déchets, cokéfaction et raffinage (DE, C2) | 531 |
ENERGIE_PETROLE | Énergie hors produits pétroliers | 531 |
EQUIPEMENT-LOGEMENT | Équipement du logement | 531 |
MATERIELS-TRANSPORT | Matériels de transport | 531 |
PRODUITS-PETROLIERS | Produits pétroliers | 531 |
TEXTILE | Textile-cuir | 531 |
TITLE_FR
Code
`CONSO-MENAGES-2014` %>%
group_by(IDBANK, TITLE_FR) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
print_table_conditional()
IDBANK | TITLE_FR | Nobs |
---|---|---|
010565748 | Consommation mensuelle des ménages en biens - Alimentaire hors tabac - Volumes aux prix de l'année précédente, chaînés depuis 2014 - Série CVS-CJO - Série arrêtée | 531 |
010565749 | Consommation mensuelle des ménages en biens - Cokéfaction et raffinage - Volumes aux prix de l'année précédente, chaînés depuis 2014 - Série CVS-CJO - Série arrêtée | 531 |
010565750 | Consommation mensuelle des ménages en biens - Matériels de transport - Volumes aux prix de l'année précédente, chaînés depuis 2014 - Série CVS-CJO - Série arrêtée | 531 |
010565751 | Consommation mensuelle des ménages en biens - Énergie, eau et déchets - Volumes aux prix de l'année précédente, chaînés depuis 2014 - Série CVS-CJO - Série arrêtée | 531 |
010565752 | Consommation mensuelle des ménages en biens - Alimentaire - Volumes aux prix de l'année précédente, chaînés depuis 2014 - Série CVS-CJO - Série arrêtée | 531 |
010565753 | Consommation mensuelle des ménages en biens - Biens - Volumes aux prix de l'année précédente, chaînés depuis 2014 - Série CVS-CJO - Série arrêtée | 531 |
010565754 | Consommation mensuelle des ménages en biens - Produits pétroliers - Volumes aux prix de l'année précédente, chaînés depuis 2014 - Série CVS-CJO - Série arrêtée | 531 |
010565755 | Consommation mensuelle des ménages en biens - Biens manufacturés - Volumes aux prix de l'année précédente, chaînés depuis 2014 - Série CVS-CJO - Série arrêtée | 531 |
010565756 | Consommation mensuelle des ménages en biens - Énergie hors produits pétroliers - Volumes aux prix de l'année précédente, chaînés depuis 2014 - Série CVS-CJO - Série arrêtée | 531 |
010565757 | Consommation mensuelle des ménages en biens - Énergie, eau, déchets, cokéfaction et raffinage - Volumes aux prix de l'année précédente, chaînés depuis 2014 - Série CVS-CJO - Série arrêtée | 531 |
010565758 | Consommation mensuelle des ménages en biens - Autres biens durables - Volumes aux prix de l'année précédente, chaînés depuis 2014 - Série CVS-CJO - Série arrêtée | 531 |
010565759 | Consommation mensuelle des ménages en biens - Biens durables - Volumes aux prix de l'année précédente, chaînés depuis 2014 - Série CVS-CJO - Série arrêtée | 531 |
010565760 | Consommation mensuelle des ménages en biens - Textile-cuir - Volumes aux prix de l'année précédente, chaînés depuis 2014 - Série CVS-CJO - Série arrêtée | 531 |
010565761 | Consommation mensuelle des ménages en biens - Autres biens fabriqués - Volumes aux prix de l'année précédente, chaînés depuis 2014 - Série CVS-CJO - Série arrêtée | 531 |
010565762 | Consommation mensuelle des ménages en biens - Biens fabriqués - Volumes aux prix de l'année précédente, chaînés depuis 2014 - Série CVS-CJO - Série arrêtée | 531 |
010565763 | Consommation mensuelle des ménages en biens - Équipement du logement - Volumes aux prix de l'année précédente, chaînés depuis 2014 - Série CVS-CJO - Série arrêtée | 531 |
TIME_PERIOD
Code
`CONSO-MENAGES-2014` %>%
group_by(TIME_PERIOD) %>%
summarise(Nobs = n()) %>%
arrange(desc(TIME_PERIOD)) %>%
print_table_conditional()
Table
Exemple
Code
`CONSO-MENAGES-2014` %>%
filter(TIME_PERIOD %in% c("1980-01", "2000-01", "2020-01")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
select_if(function(col) length(unique(col)) > 1) %>%
select(-IDBANK, -TITLE_FR, -TITLE_EN, -OBS_REV) %>%
spread(TIME_PERIOD, OBS_VALUE) %>%
arrange(-`2020-01`) %>%
print_table_conditional()
PRODUIT_CONSO_MENAGES | Produit_conso_menages | 1980-01 | 2000-01 | 2020-01 |
---|---|---|---|---|
BIENS | Biens | 27.688 | 38.549 | 47.578 |
BIENS-MANUFACTURES | Biens manufacturés | 23.478 | 32.237 | 40.729 |
BIENS-FABRIQUES | Biens fabriqués | 10.056 | 14.908 | 22.151 |
ALIMENTAIRE | Alimentaire | 11.882 | 15.629 | 17.253 |
ALIMENTAIRE-HORS-TABAC | Alimentation hors tabac | 9.917 | 13.300 | 15.835 |
BIENS-DURABLES | Biens durables | 3.434 | 6.372 | 11.120 |
ENERGIE_DEC2 | Énergie, eau, déchets, cokéfaction et raffinage (DE, C2) | 6.772 | 8.823 | 8.186 |
BIENS-FABRIQUES-AUTRES | Autres biens fabriqués | 3.142 | 4.761 | 6.705 |
MATERIELS-TRANSPORT | Matériels de transport | 3.281 | 5.213 | 5.784 |
PRODUITS-PETROLIERS | Produits pétroliers | 5.535 | 6.193 | 5.048 |
TEXTILE | Textile-cuir | 4.025 | 3.952 | 4.329 |
ENERGIE_DE | Énergie, eau et déchets (DE) | 2.209 | 3.950 | 4.201 |
EQUIPEMENT-LOGEMENT | Équipement du logement | 0.413 | 1.076 | 4.061 |
ENERGIE_C2 | Cokéfaction et raffinage (C2) | 4.818 | 4.877 | 3.993 |
ENERGIE_PETROLE | Énergie hors produits pétroliers | 1.463 | 2.680 | 3.139 |
BIENS-DURABLES-EQUIPEMENT | Biens durables d'équipement personnel | 0.631 | 0.946 | 1.306 |
Total, Alimentaire, Alimentaire XTabac
All
Indice
Nouvelle version
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date group_by(Produit_conso_menages) %>%
arrange(date) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
ggplot theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.9)) +
scale_x_date(breaks = seq(1950, 2030, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(100, 300, 10))
Comparer version
Code
`CONSO-MENAGES-2014` %>%
mutate(methode = "Méthode octobre 2023") %>%
bind_rows(`CONSO-MENAGES-2014-vieux` %>%
mutate(methode = "Méthode septembre 2023")) %>%
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE-HORS-TABAC")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date group_by(Produit_conso_menages, methode) %>%
arrange(date) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages, linetype = methode)) +
ggplot theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.8)) +
scale_x_date(breaks = seq(1950, 2030, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(100, 300, 10))
Baisse sur 6 mois
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")
# [1] "fr_CA.UTF-8"
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date arrange((date)) %>%
group_by(Produit_conso_menages) %>%
mutate(OBS_VALUE2 = OBS_VALUE/lag(OBS_VALUE, 6)-1) %>%
+ geom_line(aes(x = date, y = OBS_VALUE2, color = Produit_conso_menages)) +
ggplot theme_minimal() + ylab("Evolution de la consommation sur 6 mois (%)") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = seq(1950, 2030, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, 2),
labels = percent_format(accuracy = 1))
Baisse sur 12 mois
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")
# [1] "fr_CA.UTF-8"
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date arrange((date)) %>%
group_by(Produit_conso_menages) %>%
mutate(OBS_VALUE2 = OBS_VALUE/lag(OBS_VALUE, 12)-1) %>%
+ geom_line(aes(x = date, y = OBS_VALUE2, color = Produit_conso_menages)) +
ggplot theme_minimal() + ylab("Evolution de la consommation sur 12 mois (%)") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = seq(1950, 2030, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, 2),
labels = percent_format(accuracy = 1))
Baisse sur 18 mois
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")
# [1] "fr_CA.UTF-8"
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date arrange((date)) %>%
group_by(Produit_conso_menages) %>%
mutate(OBS_VALUE2 = OBS_VALUE/lag(OBS_VALUE, 18)-1) %>%
arrange(desc(date)) %>%
+ geom_line(aes(x = date, y = OBS_VALUE2, color = Produit_conso_menages)) +
ggplot theme_minimal() + ylab("Evolution de la consommation sur 18 mois (%)") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = seq(1950, 2030, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, 2),
labels = percent_format(accuracy = 1))
Baisse sur 24 mois
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")
# [1] "fr_CA.UTF-8"
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date arrange((date)) %>%
group_by(Produit_conso_menages) %>%
mutate(OBS_VALUE2 = OBS_VALUE/lag(OBS_VALUE, 24)-1) %>%
+ geom_line(aes(x = date, y = OBS_VALUE2, color = Produit_conso_menages)) +
ggplot theme_minimal() + ylab("Evolution de la consommation sur 24 mois (%)") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = seq(1950, 2030, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, 2),
labels = percent_format(accuracy = 1))
Baisse sur 36 mois
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")
# [1] "fr_CA.UTF-8"
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date arrange((date)) %>%
group_by(Produit_conso_menages) %>%
mutate(OBS_VALUE2 = OBS_VALUE/lag(OBS_VALUE, 36)-1) %>%
+ geom_line(aes(x = date, y = OBS_VALUE2, color = Produit_conso_menages)) +
ggplot theme_minimal() + ylab("Evolution de la consommation sur 36 mois (%)") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = seq(1950, 2030, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, 2),
labels = percent_format(accuracy = 1))
Baisse sur 48 mois
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")
# [1] "fr_CA.UTF-8"
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date arrange((date)) %>%
group_by(Produit_conso_menages) %>%
mutate(OBS_VALUE2 = OBS_VALUE/lag(OBS_VALUE, 48)-1) %>%
+ geom_line(aes(x = date, y = OBS_VALUE2, color = Produit_conso_menages)) +
ggplot theme_minimal() + ylab("Evolution de la consommation sur 4 ans (%)") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = seq(1950, 2030, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 500, 2),
labels = percent_format(accuracy = 1))
1996-
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date filter(date >= as.Date("1996-01-01")) %>%
group_by(Produit_conso_menages) %>%
arrange(date) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
ggplot theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.8)) +
scale_x_date(breaks = seq(1950, 2030, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(10, 300, 10))
2002-
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date filter(date >= as.Date("2002-01-01")) %>%
group_by(Produit_conso_menages) %>%
arrange(date) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
ggplot theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.9)) +
scale_x_date(breaks = seq(1950, 2030, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(10, 300, 10))
2005-
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date filter(date >= as.Date("2005-01-01")) %>%
group_by(Produit_conso_menages) %>%
arrange(date) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
ggplot theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = seq(1950, 2030, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(10, 300, 10))
2010-
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date filter(date >= as.Date("2010-01-01")) %>%
group_by(Produit_conso_menages) %>%
arrange(date) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
ggplot theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = seq(1950, 2030, 1) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(10, 300, 5))
2017-
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date filter(date >= as.Date("2017-01-01")) %>%
group_by(Produit_conso_menages) %>%
arrange(date) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
ggplot theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = seq(1950, 2030, 1) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(10, 300, 5))
2010
Comparer version
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")
# [1] "fr_CA.UTF-8"
Code
`CONSO-MENAGES-2014` %>%
mutate(methode = "Méthode octobre 2023") %>%
bind_rows(`CONSO-MENAGES-2014-vieux` %>%
mutate(methode = "Méthode septembre 2023")) %>%
filter(PRODUIT_CONSO_MENAGES %in% c("ALIMENTAIRE","ALIMENTAIRE-HORS-TABAC")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date filter(date >= as.Date("2010-01-01")) %>%
group_by(Produit_conso_menages, methode) %>%
arrange(date) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
select(date, OBS_VALUE, Produit_conso_menages, methode) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages, linetype = methode)) +
ggplot theme_minimal() + ylab("Consommation mensuelle (vs Janvier 2010)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.8)) +
scale_x_date(breaks = "6 months",
labels = date_format("%B %Y")) +
scale_y_log10(breaks = seq(10, 300, 1),
labels = percent(seq(10, 300, 1)/100-1, acc = 1)) +
geom_hline(yintercept = 100, linetype = "dashed")
Janvier 2018-
Comparer version
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")
# [1] "fr_CA.UTF-8"
Code
`CONSO-MENAGES-2014` %>%
mutate(methode = "Nouvelle méthode (données de caisse)") %>%
bind_rows(`CONSO-MENAGES-2014-vieux` %>%
mutate(methode = "Ancienne méthode")) %>%
filter(PRODUIT_CONSO_MENAGES %in% c("ALIMENTAIRE","ALIMENTAIRE-HORS-TABAC")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date filter(date >= as.Date("2018-01-01")) %>%
group_by(Produit_conso_menages, methode) %>%
arrange(date) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
select(date, OBS_VALUE, Produit_conso_menages, methode) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages, linetype = methode)) +
ggplot theme_minimal() + ylab("Consommation mensuelle (vs. Janvier 2018)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = "3 months",
labels = date_format("%B %Y")) +
scale_y_log10(breaks = seq(10, 300, 1),
labels = percent(seq(10, 300, 1)/100-1, acc = 1)) +
geom_hline(yintercept = 100, linetype = "dashed")
Mai 2020-
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")
# [1] "fr_CA.UTF-8"
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date filter(date >= as.Date("2020-05-01")) %>%
group_by(Produit_conso_menages) %>%
arrange(date) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
ggplot theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.15)) +
scale_x_date(breaks = "3 months",
labels = date_format("%b %Y")) +
scale_y_log10(breaks = seq(10, 300, 5))
Janvier 2019-
Comparer version
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")
# [1] "fr_CA.UTF-8"
Code
`CONSO-MENAGES-2014` %>%
mutate(methode = "Méthode octobre 2023") %>%
bind_rows(`CONSO-MENAGES-2014-vieux` %>%
mutate(methode = "Méthode septembre 2023")) %>%
filter(PRODUIT_CONSO_MENAGES %in% c("ALIMENTAIRE","ALIMENTAIRE-HORS-TABAC")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date filter(date >= as.Date("2019-01-01")) %>%
group_by(Produit_conso_menages, methode) %>%
arrange(date) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
select(date, OBS_VALUE, Produit_conso_menages, methode) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages, linetype = methode)) +
ggplot theme_minimal() + ylab("Consommation mensuelle (Base 100 = Janvier 2019)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = "3 months",
labels = date_format("%B %Y")) +
scale_y_log10(breaks = seq(10, 300, 1),
labels = percent(seq(10, 300, 1)/100-1, acc = 1))
Janvier 2020-
Comparer version
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")
# [1] "fr_CA.UTF-8"
Code
`CONSO-MENAGES-2014` %>%
mutate(methode = "Méthode octobre 2023") %>%
bind_rows(`CONSO-MENAGES-2014-vieux` %>%
mutate(methode = "Méthode septembre 2023")) %>%
filter(PRODUIT_CONSO_MENAGES %in% c("ALIMENTAIRE","ALIMENTAIRE-HORS-TABAC")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date filter(date >= as.Date("2020-01-01")) %>%
group_by(Produit_conso_menages, methode) %>%
arrange(date) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
select(date, OBS_VALUE, Produit_conso_menages, methode) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages, linetype = methode)) +
ggplot theme_minimal() + ylab("Consommation mensuelle (Base 100 = Janvier 2020)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = "3 months",
labels = date_format("%B %Y")) +
scale_y_log10(breaks = seq(10, 300, 1),
labels = percent(seq(10, 300, 1)/100-1, acc = 1))
Juillet 2021-
Comparer version
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")
# [1] "fr_CA.UTF-8"
Code
`CONSO-MENAGES-2014` %>%
mutate(methode = "Méthode octobre 2023") %>%
bind_rows(`CONSO-MENAGES-2014-vieux` %>%
mutate(methode = "Méthode septembre 2023")) %>%
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS","ALIMENTAIRE-HORS-TABAC")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date filter(date >= as.Date("2021-07-01")) %>%
group_by(Produit_conso_menages, methode) %>%
arrange(date) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
select(date, OBS_VALUE, Produit_conso_menages, methode) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages, linetype = methode)) +
ggplot theme_minimal() + ylab("Consommation mensuelle (Base 100 = Février 2021)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = "1 month",
labels = date_format("%B %Y")) +
scale_y_log10(breaks = seq(10, 300, 1))
Dec 2021-
Nouvelle version
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")
# [1] "fr_CA.UTF-8"
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date filter(date >= as.Date("2021-12-01")) %>%
group_by(Produit_conso_menages) %>%
arrange(date) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
ggplot theme_minimal() + ylab("Consommation mensuelle (Base 100 = Déc. 2021)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.2)) +
scale_x_date(breaks = "1 month",
labels = date_format("%B %Y")) +
scale_y_log10(breaks = seq(10, 300, 1))
Comparer version
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")
# [1] "fr_CA.UTF-8"
Code
`CONSO-MENAGES-2014` %>%
mutate(methode = "Méthode octobre 2023") %>%
bind_rows(`CONSO-MENAGES-2014-vieux` %>%
mutate(methode = "Méthode septembre 2023")) %>%
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS","ALIMENTAIRE-HORS-TABAC")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date filter(date >= as.Date("2021-12-01")) %>%
group_by(Produit_conso_menages, methode) %>%
arrange(date) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages, linetype = methode)) +
ggplot theme_minimal() + ylab("Consommation mensuelle (Base 100 = Déc. 2021)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = "1 month",
labels = date_format("%B %Y")) +
scale_y_log10(breaks = seq(10, 300, 1))
Février 2022-
Comparer version
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")
# [1] "fr_CA.UTF-8"
Code
`CONSO-MENAGES-2014` %>%
mutate(methode = "Méthode octobre 2023") %>%
bind_rows(`CONSO-MENAGES-2014-vieux` %>%
mutate(methode = "Méthode septembre 2023")) %>%
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS","ALIMENTAIRE-HORS-TABAC")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date filter(date >= as.Date("2022-02-01")) %>%
group_by(Produit_conso_menages, methode) %>%
arrange(date) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
select(date, OBS_VALUE, Produit_conso_menages, methode) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages, linetype = methode)) +
ggplot theme_minimal() + ylab("Consommation mensuelle (Base 100 = Février 2021)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = "1 month",
labels = date_format("%B %Y")) +
scale_y_log10(breaks = seq(10, 300, 1))
Total, Alimentaire
All
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date group_by(Produit_conso_menages) %>%
arrange(date) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
ggplot theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.9)) +
scale_x_date(breaks = seq(1950, 2030, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(100, 300, 10))
1996-
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date filter(date >= as.Date("1996-01-01")) %>%
group_by(Produit_conso_menages) %>%
arrange(date) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
ggplot theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.9)) +
scale_x_date(breaks = seq(1950, 2030, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(10, 300, 10))
2005-
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date filter(date >= as.Date("2005-01-01")) %>%
group_by(Produit_conso_menages) %>%
arrange(date) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
ggplot theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.9)) +
scale_x_date(breaks = seq(1950, 2030, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(10, 300, 10))
2017-
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date filter(date >= as.Date("2017-01-01")) %>%
group_by(Produit_conso_menages) %>%
arrange(date) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
ggplot theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
legend.position = c(0.2, 0.3)) +
scale_x_date(breaks = seq(1950, 2030, 1) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(10, 300, 5))
Mai 2020-
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")
# [1] "fr_CA.UTF-8"
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date filter(date >= as.Date("2020-05-01")) %>%
group_by(Produit_conso_menages) %>%
arrange(date) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
ggplot theme_minimal() + ylab("Consommation mensuelle") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.1)) +
scale_x_date(breaks = "3 months",
labels = date_format("%b %Y")) +
scale_y_log10(breaks = seq(10, 300, 5))
Dec 2021-
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")
# [1] "fr_CA.UTF-8"
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date filter(date >= as.Date("2022-01-01")) %>%
group_by(Produit_conso_menages) %>%
arrange(date) %>%
mutate(OBS_VALUE = OBS_VALUE/OBS_VALUE[1]-1) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
ggplot theme_minimal() + ylab("Consommation mensuelle (par rapport à Janvier 2022)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.2)) +
scale_x_date(breaks = "1 month",
labels = date_format("%B %Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 300, 1),
labels = percent_format(acc = 1))
Feb 2022
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")
# [1] "fr_CA.UTF-8"
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date filter(date >= as.Date("2022-02-01")) %>%
group_by(Produit_conso_menages) %>%
arrange(date) %>%
mutate(OBS_VALUE = OBS_VALUE/OBS_VALUE[1]-1) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
ggplot theme_minimal() + ylab("Consommation mensuelle (vs. Fév. 2022)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.2)) +
scale_x_date(breaks = "1 month",
labels = date_format("%B %Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 300, 1),
labels = percent_format(acc = 1))
24 months
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")
# [1] "fr_CA.UTF-8"
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date filter(date >= Sys.Date() - months(24)) %>%
group_by(Produit_conso_menages) %>%
arrange(date) %>%
mutate(OBS_VALUE = OBS_VALUE/OBS_VALUE[1]-1) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
ggplot theme_minimal() + ylab("Consommation mensuelle (par rapport à Janvier 2022)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.2)) +
scale_x_date(breaks = "1 month",
labels = date_format("%B %Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 300, 1),
labels = percent_format(acc = 1))
18 months
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")
# [1] "fr_CA.UTF-8"
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date filter(date >= Sys.Date() - months(18)) %>%
group_by(Produit_conso_menages) %>%
arrange(date) %>%
mutate(OBS_VALUE = OBS_VALUE/OBS_VALUE[1]-1) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
ggplot theme_minimal() + ylab("Consommation mensuelle (par rapport à Janvier 2022)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.2)) +
scale_x_date(breaks = "1 month",
labels = date_format("%B %Y")) +
scale_y_continuous(breaks = 0.01*seq(-100, 300, 1),
labels = percent_format(acc = 1))
Biens, Biens Manufacturés, Biens Fabriqués
All
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "BIENS-MANUFACTURES", "BIENS-FABRIQUES")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
ggplot xlab("") + ylab("") + theme_minimal() +
scale_x_date(breaks = "5 years",
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(0, 120, 5)) +
theme(legend.position = c(0.8, 0.2),
legend.title = element_blank())
1996-
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("BIENS", "BIENS-MANUFACTURES", "BIENS-FABRIQUES")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date filter(date >= as.Date("1996-01-01")) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
ggplot xlab("") + ylab("") + theme_minimal() +
scale_x_date(breaks = seq(1920, 2025, 2) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(0, 120, 5)) +
theme(legend.position = c(0.8, 0.2),
legend.title = element_blank())
Alimentaire, Alimentaire hors Tabac, Biens durables
All
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("ALIMENTAIRE", "ALIMENTAIRE-HORS-TABAC", "BIENS-DURABLES")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
ggplot xlab("") + ylab("") + theme_minimal() +
scale_x_date(breaks = seq(1920, 2025, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(0, 120, 1)) +
theme(legend.position = c(0.8, 0.2),
legend.title = element_blank())
Equipement du logement, Matériels de Transport
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("MATERIELS-TRANSPORT", "EQUIPEMENT-LOGEMENT")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
ggplot xlab("") + ylab("") + theme_minimal() +
scale_x_date(breaks = seq(1920, 2025, 5) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%Y")) +
scale_y_log10(breaks = seq(0, 120, 1)) +
scale_color_manual(values = viridis(3)[1:2]) +
theme(legend.position = c(0.8, 0.2),
legend.title = element_blank())
Dec 2021
Table
Code
`CONSO-MENAGES-2014` %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
filter(TIME_PERIOD %in% c("2021-12", "2023-05")) %>%
select(TIME_PERIOD, PRODUIT_CONSO_MENAGES, Produit_conso_menages, OBS_VALUE) %>%
spread(TIME_PERIOD, OBS_VALUE) %>%
mutate(croissance = round(100*(`2023-05`/`2021-12`-1), 1)) %>%
arrange(croissance) %>%
print_table_conditional()
PRODUIT_CONSO_MENAGES | Produit_conso_menages | 2021-12 | 2023-05 | croissance |
---|---|---|---|---|
ALIMENTAIRE | Alimentaire | 17.400 | 16.041 | -7.8 |
ALIMENTAIRE-HORS-TABAC | Alimentation hors tabac | 16.183 | 14.970 | -7.5 |
BIENS-DURABLES-EQUIPEMENT | Biens durables d'équipement personnel | 1.552 | 1.474 | -5.0 |
BIENS-MANUFACTURES | Biens manufacturés | 40.752 | 39.149 | -3.9 |
EQUIPEMENT-LOGEMENT | Équipement du logement | 4.177 | 4.015 | -3.9 |
BIENS | Biens | 47.450 | 45.707 | -3.7 |
TEXTILE | Textile-cuir | 4.272 | 4.129 | -3.3 |
BIENS-FABRIQUES-AUTRES | Autres biens fabriqués | 6.830 | 6.655 | -2.6 |
ENERGIE_C2 | Cokéfaction et raffinage (C2) | 3.705 | 3.646 | -1.6 |
PRODUITS-PETROLIERS | Produits pétroliers | 4.757 | 4.694 | -1.3 |
BIENS-FABRIQUES | Biens fabriqués | 22.174 | 21.925 | -1.1 |
ENERGIE_DEC2 | Énergie, eau, déchets, cokéfaction et raffinage (DE, C2) | 7.919 | 7.871 | -0.6 |
ENERGIE_DE | Énergie, eau et déchets (DE) | 4.251 | 4.242 | -0.2 |
ENERGIE_PETROLE | Énergie hors produits pétroliers | 3.187 | 3.193 | 0.2 |
BIENS-DURABLES | Biens durables | 11.077 | 11.149 | 0.6 |
MATERIELS-TRANSPORT | Matériels de transport | 5.392 | 5.668 | 5.1 |
Graph
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")
# [1] "fr_CA.UTF-8"
Code
`CONSO-MENAGES-2014` %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date filter(date >= as.Date("2022-01-01")) %>%
group_by(Produit_conso_menages) %>%
arrange(date) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
ggplot theme_minimal() + ylab("Consommation mensuelle (Base 100 = Déc. 2021)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.5, 0.3)) +
scale_x_date(breaks = "1 month",
labels = date_format("%B %Y")) +
scale_y_log10(breaks = seq(10, 300, 1)) +
guides(color=guide_legend(ncol=2))
Produits pétroliers
Code
Sys.setlocale("LC_TIME", "fr_CA.UTF-8")
# [1] "fr_CA.UTF-8"
Code
`CONSO-MENAGES-2014` %>%
filter(PRODUIT_CONSO_MENAGES %in% c("PRODUITS-PETROLIERS", "ENERGIE_PETROLE")) %>%
left_join(PRODUIT_CONSO_MENAGES, by = "PRODUIT_CONSO_MENAGES") %>%
%>%
month_to_date filter(date >= as.Date("2021-12-01")) %>%
group_by(Produit_conso_menages) %>%
arrange(date) %>%
mutate(OBS_VALUE = 100*OBS_VALUE/OBS_VALUE[1]) %>%
+ geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
ggplot theme_minimal() + ylab("Consommation mensuelle (Base 100 = Déc. 2021)") + xlab("") +
theme(legend.title = element_blank(),
axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1),
legend.position = c(0.2, 0.2)) +
scale_x_date(breaks = "1 month",
labels = date_format("%B %Y")) +
scale_y_log10(breaks = seq(10, 300, 1))