Consommation des ménages en biens

Data - Insee

Author

François Geerolf

Info

source dataset .html .RData
insee CONSO-MENAGES-2014 2024-11-15 2024-11-17

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]) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
  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]) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages, linetype = methode)) +
  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) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE2, color = Produit_conso_menages)) +
  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) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE2, color = Produit_conso_menages)) +
  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)) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE2, color = Produit_conso_menages)) +
  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) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE2, color = Produit_conso_menages)) +
  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) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE2, color = Produit_conso_menages)) +
  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) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE2, color = Produit_conso_menages)) +
  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]) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
  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]) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
  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]) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
  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]) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
  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]) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
  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) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages, linetype = methode)) +
  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) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages, linetype = methode)) +
  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]) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
  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) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages, linetype = methode)) +
  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) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages, linetype = methode)) +
  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) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages, linetype = methode)) +
  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]) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
  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]) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages, linetype = methode)) +
  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) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages, linetype = methode)) +
  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]) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
  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]) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
  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]) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
  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]) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
  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]) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
  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) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
  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) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
  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) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
  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) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
  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 %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
  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")) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
  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 %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
  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 %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
  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]) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
  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]) %>%
  ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = Produit_conso_menages)) +
  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))