Code
`TCRED-SALAIRES-REVENUS-RET-BEN` %>%
group_by(LAST_UPDATE) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
print_table_conditional()| LAST_UPDATE | Nobs |
|---|---|
| 2025-02-24 | 6496 |
| 2021-09-22 | 3480 |
Data - INSEE
`TCRED-SALAIRES-REVENUS-RET-BEN` %>%
group_by(LAST_UPDATE) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
print_table_conditional()| LAST_UPDATE | Nobs |
|---|---|
| 2025-02-24 | 6496 |
| 2021-09-22 | 3480 |
| LAST_DOWNLOAD |
|---|
| 2025-12-27 |
| LAST_COMPILE |
|---|
| 2025-12-27 |
1989-2019. T201.html
A38
Départements
`TCRED-SALAIRES-REVENUS-RET-BEN` %>%
group_by(IDBANK, TITLE_FR) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
print_table_conditional()`TCRED-SALAIRES-REVENUS-RET-BEN` %>%
left_join(INDICATEUR, by = "INDICATEUR") %>%
group_by(INDICATEUR, Indicateur) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
print_table_conditional()| INDICATEUR | Indicateur | Nobs |
|---|---|---|
| NOMBRE_MINIMUM_VIEILLESSE | Nombre de bénéficiaires du minimum vieillesse | 1624 |
| NOMBRE_RETRAITES_REGIME_GENERAL | Nombre de retraités du régime général | 1624 |
| PART_RETRAITES_POPULATION_ACTIVE | Part des retraités dans la population totale | 1624 |
| TAUX_MINIMUM_VIEILLESSE_60_ANS | Taux de bénéficiaires du minimum vieillesse parmi les personnes de 60 ans ou plus | 1624 |
| PART_FEMMES_ISOLEES_MINIMUM_VIEILLESSE | Part des femmes isolées parmi les bénéficiaires du minimum vieillesse | 1160 |
| PART_FEMMES_MINIMUM_VIEILLESSE | Part des femmes parmi les bénéficiaires du minimum vieillesse | 1160 |
| PART_PERSONNES_ISOLEES_MINIMUM_VIEILLESSE | Part des personnes isolées parmi les bénéficiaires du minimum vieillesse | 1160 |
`TCRED-SALAIRES-REVENUS-RET-BEN` %>%
group_by(REF_AREA) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
print_table_conditional()`TCRED-SALAIRES-REVENUS-RET-BEN` %>%
left_join(NATURE, by = "NATURE") %>%
group_by(NATURE, Nature) %>%
summarise(Nobs = n()) %>%
arrange(-Nobs) %>%
print_table_conditional()| NATURE | Nature | Nobs |
|---|---|---|
| PROPORTION_POURCENTAGE | Proportion en % | 5104 |
| VALEUR_ABSOLUE | Valeur absolue | 3248 |
| RATIO | Ratio | 1624 |
`TCRED-SALAIRES-REVENUS-RET-BEN` %>%
group_by(TIME_PERIOD) %>%
summarise(Nobs = n()) %>%
arrange(desc(TIME_PERIOD)) %>%
print_table_conditional()| TIME_PERIOD | Nobs |
|---|---|
| 2023 | 464 |
| 2022 | 464 |
| 2021 | 464 |
| 2020 | 464 |
| 2019 | 812 |
| 2018 | 812 |
| 2017 | 812 |
| 2016 | 812 |
| 2015 | 812 |
| 2014 | 812 |
| 2013 | 812 |
| 2012 | 812 |
| 2011 | 812 |
| 2010 | 812 |
`TCRED-SALAIRES-REVENUS-RET-BEN` %>%
filter(INDICATEUR == "PART_RETRAITES_POPULATION_ACTIVE",
REF_AREA %in% c("D92", "D93", "D94")) %>%
year_to_date %>%
ggplot + geom_line(aes(x = date, y = OBS_VALUE, color = REF_AREA, linetype = REF_AREA)) +
xlab("") + ylab("") + theme_minimal() +
scale_x_date(breaks = seq(1960, 2020, 1) %>% paste0("-01-01") %>% as.Date,
labels = date_format("%y")) +
scale_y_continuous(breaks = 0.01*seq(0, 120, 1),
labels = percent_format(accuracy = 1)) +
scale_color_manual(values = viridis(5)[1:4]) +
theme(legend.position = c(0.8, 0.9),
legend.title = element_blank())