Températures journalières par rapport à la moyenne annuelle

# Températures journalières par rapport à la moyenne annuelle
## avec flipbookr et xaringan
### Ludovic Vigneron

---

<font size="8"><b>L'objectif:</b><br>
<br></font>

<font size="6">A partir des données du <b>Hadley center</b>, il s'agit d'établir une représentation des températures relevées chaque jours pendant une année sur une zone géographique (ici le centre de l'Angleterre) permettant de mettre en relief leur différence avec la moyenne calculée sur cette même année. 
</font>

---

<font size="8"><b>Les étapes:</b></font>

* <font size="6">Charger et mettre en forme les données </font>

* <font size="6">Créer un graphe de type nuage de point</font>

* <font size="6">intégrer les saisons</font>
    
    * <font size="6">intégrer la moyenne annuelle</font>

* <font size="6">Créer un graphe des distances à la moyenne</font>

* <font size="6">un Lolipop chart</font>
    
    * <font size="6">intégrer les saisons</font>

---
class: inverse, center, middle

# Mise en forme de données

---

```r
*ad<-"https://hadleyserver.metoffice.gov.uk/hadcet/cetdl1772on.dat"
*dat<-read.table(ad)
*colnames(dat)<-c('year','day',paste0('month_',1:12))
```
]
 
.panel2-test_-user[

]

---
count: false
 
### Chargeons les données
.panel1-test_-user[

```r
ad<-"https://hadleyserver.metoffice.gov.uk/hadcet/cetdl1772on.dat"
dat<-read.table(ad)
colnames(dat)<-c('year','day',paste0('month_',1:12))
*dat %>% slice_head(n=10)
```
]
 
.panel2-test_-user[

```
   year day month_1 month_2 month_3 month_4 month_5 month_6 month_7 month_8
1  1772   1      32     -15      18      25      87     128     187     177
2  1772   2      20       7      28      38      77     138     154     158
3  1772   3      27      15      36      33      84     170     139     153
4  1772   4      27     -25      61      58      96      90     151     160
5  1772   5      15      -5      68      69     133     146     179     170
6  1772   6      22     -45      51      77     113     105     175     198
7  1772   7      25      12      58      87     106     162     146     194
8  1772   8       0      47      46     104      84     181     163     177
9  1772   9       0      56      21      87      67     155     179     155
10 1772  10      45      28      13      67      59     148     177     153
   month_9 month_10 month_11 month_12
1      105      111       78      112
2      143      150       85       62
3      113      124       83       60
4      173      114       60       47
5      173      116       83       50
6      160      134      134       42
7      158      114      134       32
8      135       94       95       55
9      143      106       70       62
10     120      119      122      100
```
]

---
class: middle

<p><font size="6">Réorganiser les données pour avoir en colonne les années, les jours, les mois et les températures et en ligne les observations réalisées.</p>

<p>Agréger les éléments de date (années, jours, mois) pour créer une variable date.</p>

<p>Limiter la base à la date et au relevé de température.</p>

<p>Mettre la base dans l'ordre des dates.</p>

<p>Mettre en forme la variable de température en éliminant les valeur manquante et en convertissant les valeurs en °C.</p>

<p>Supprimer les valeurs manquantes.</p></font>

---

```r
*dat%>%pivot_longer(cols=starts_with('month_'),
*                    names_to="month",
*                    names_prefix='month_',
*                    values_to='d_t')
```
]
 
.panel2-pivot-auto[

```
# A tibble: 93,000 x 4
    year   day month   d_t
   <int> <int> <chr> <int>
 1  1772     1 1        32
 2  1772     1 2       -15
 3  1772     1 3        18
 4  1772     1 4        25
 5  1772     1 5        87
 6  1772     1 6       128
 7  1772     1 7       187
 8  1772     1 8       177
 9  1772     1 9       105
10  1772     1 10      111
# ... with 92,990 more rows
```
]

---
count: false
 
### Faisons pivoter l'ensemble
.panel1-pivot-auto[

```r
dat%>%pivot_longer(cols=starts_with('month_'),
                     names_to="month",
                     names_prefix='month_',
                     values_to='d_t') %>%
*       mutate(date=as.Date(paste0(day,'/',month,'/',year),
*                   format='%d/%m/%Y',
*                   origin='1/1/1990'))
```
]
 
.panel2-pivot-auto[

```
# A tibble: 93,000 x 5
    year   day month   d_t date      
   <int> <int> <chr> <int> <date>    
 1  1772     1 1        32 1772-01-01
 2  1772     1 2       -15 1772-02-01
 3  1772     1 3        18 1772-03-01
 4  1772     1 4        25 1772-04-01
 5  1772     1 5        87 1772-05-01
 6  1772     1 6       128 1772-06-01
 7  1772     1 7       187 1772-07-01
 8  1772     1 8       177 1772-08-01
 9  1772     1 9       105 1772-09-01
10  1772     1 10      111 1772-10-01
# ... with 92,990 more rows
```
]

---
count: false
 
### Faisons pivoter l'ensemble
.panel1-pivot-auto[

```
# A tibble: 93,000 x 2
   date         d_t
   <date>     <int>
 1 1772-01-01    32
 2 1772-02-01   -15
 3 1772-03-01    18
 4 1772-04-01    25
 5 1772-05-01    87
 6 1772-06-01   128
 7 1772-07-01   187
 8 1772-08-01   177
 9 1772-09-01   105
10 1772-10-01   111
# ... with 92,990 more rows
```
]

---
count: false
 
### Faisons pivoter l'ensemble
.panel1-pivot-auto[

```r
dat%>%pivot_longer(cols=starts_with('month_'),
                     names_to="month",
                     names_prefix='month_',
                     values_to='d_t') %>%
        mutate(date=as.Date(paste0(day,'/',month,'/',year),
                    format='%d/%m/%Y',
                    origin='1/1/1990')) %>%
        select(date,d_t)%>%
*       arrange(date)
```
]
 
.panel2-pivot-auto[

```
# A tibble: 93,000 x 2
   date         d_t
   <date>     <int>
 1 1772-01-01    32
 2 1772-01-02    20
 3 1772-01-03    27
 4 1772-01-04    27
 5 1772-01-05    15
 6 1772-01-06    22
 7 1772-01-07    25
 8 1772-01-08     0
 9 1772-01-09     0
10 1772-01-10    45
# ... with 92,990 more rows
```
]

---
count: false
 
### Faisons pivoter l'ensemble
.panel1-pivot-auto[

```
# A tibble: 93,000 x 3
   date         d_t degre_C
   <date>     <int>   <dbl>
 1 1772-01-01    32     3.2
 2 1772-01-02    20     2  
 3 1772-01-03    27     2.7
 4 1772-01-04    27     2.7
 5 1772-01-05    15     1.5
 6 1772-01-06    22     2.2
 7 1772-01-07    25     2.5
 8 1772-01-08     0     0  
 9 1772-01-09     0     0  
10 1772-01-10    45     4.5
# ... with 92,990 more rows
```
]

---
count: false
 
### Faisons pivoter l'ensemble
.panel1-pivot-auto[

```
# A tibble: 91,250 x 3
   date         d_t degre_C
   <date>     <int>   <dbl>
 1 1772-01-01    32     3.2
 2 1772-01-02    20     2  
 3 1772-01-03    27     2.7
 4 1772-01-04    27     2.7
 5 1772-01-05    15     1.5
 6 1772-01-06    22     2.2
 7 1772-01-07    25     2.5
 8 1772-01-08     0     0  
 9 1772-01-09     0     0  
10 1772-01-10    45     4.5
# ... with 91,240 more rows
```
]

---
count: false
 
### Faisons pivoter l'ensemble
.panel1-pivot-auto[

]

---
count: false
 
### Faisons pivoter l'ensemble
.panel1-pivot-auto[

```
# A tibble: 91,250 x 2
   date       degre_C
   <date>       <dbl>
 1 1772-01-01     3.2
 2 1772-01-02     2  
 3 1772-01-03     2.7
 4 1772-01-04     2.7
 5 1772-01-05     1.5
 6 1772-01-06     2.2
 7 1772-01-07     2.5
 8 1772-01-08     0  
 9 1772-01-09     0  
10 1772-01-10     4.5
# ... with 91,240 more rows
```
]

---

<p><font size="6">On a maintenant une série chronologique dates/températures journalières allant du 1er janvier 1772 au 31 octobre 2021.</p>

<p>Notez que, dans la mesure où le <b>Hadley Center</b> met régulièrement à jour la base, il est probable que, si vous essayez de répliquer le code, vous n'ayez pas la même date finale. </font></p>

---
count: false
 
### Choisissons une année (1975?)
.panel1-dat_lim-user[

```r
*dat_ %>% mutate(annee=lubridate::year(date)) %>%
*           filter(annee==1975) -> dat_75
```
]
 
.panel2-dat_lim-user[

]

---
count: false
 
### Choisissons une année (1975?)
.panel1-dat_lim-user[

```r
dat_ %>% mutate(annee=lubridate::year(date)) %>%
            filter(annee==1975) -> dat_75
*dat_75
```
]
 
.panel2-dat_lim-user[

```
# A tibble: 365 x 3
   date       degre_C annee
   <date>       <dbl> <dbl>
 1 1975-01-01     7.5  1975
 2 1975-01-02     8.1  1975
 3 1975-01-03     8    1975
 4 1975-01-04     6.4  1975
 5 1975-01-05     7.5  1975
 6 1975-01-06     9.4  1975
 7 1975-01-07     7.2  1975
 8 1975-01-08     7.6  1975
 9 1975-01-09     7.9  1975
10 1975-01-10     8.9  1975
# ... with 355 more rows
```
]

---
class: inverse, center, middle

# Elaboration du graphe : nuage de points

---

```r
*ggplot(dat=dat_75)+aes(x=date,y=degre_C)
```
]
 
.panel2-graph_b-auto[
![](test_1_files/figure-html/graph_b_auto_01_output-1.png)
]

---
count: false
 
### Le graphe de base
.panel1-graph_b-auto[

```r
ggplot(dat=dat_75)+aes(x=date,y=degre_C)+
* geom_point()
```
]
 
.panel2-graph_b-auto[
![](test_1_files/figure-html/graph_b_auto_02_output-1.png)
]

---
count: false
 
### Le graphe de base
.panel1-graph_b-auto[

```r
ggplot(dat=dat_75)+aes(x=date,y=degre_C)+
  geom_point()+
* labs(title="Températures moyennes journalières en *1975*",
*      subtitle = "centre de l'Angleterre (en dégrés Celsius)",
*      caption='Données: **centre Hadley** [Parker, Legg et Folland *(1992)*]')
```
]
 
.panel2-graph_b-auto[
![](test_1_files/figure-html/graph_b_auto_03_output-1.png)
]

---
count: false
 
### Le graphe de base
.panel1-graph_b-auto[

```r
ggplot(dat=dat_75)+aes(x=date,y=degre_C)+
  geom_point()+
  labs(title="Températures moyennes journalières en *1975*",
       subtitle = "centre de l'Angleterre (en dégrés Celsius)",
       caption='Données: **centre Hadley** [Parker, Legg et Folland *(1992)*]')+
  coord_cartesian(ylim=c(-1,25),expand = FALSE)+
  scale_y_continuous(breaks=seq(0,25,5))+
  scale_x_date(date_breaks = "1 month", date_labels = "%b")+
  theme_minimal()+
* theme(axis.title = element_blank(),
*       axis.line = element_line(colour='grey'),
*       panel.grid.major = element_blank(),
*       panel.grid.major.y = element_line(colour='Gainsboro'),
*       panel.grid.minor = element_blank(),
*       plot.title = element_markdown(hjust=0.5,face='bold'),
*       plot.subtitle = element_markdown(hjust=0.5,face='italic'),
*       plot.caption = element_markdown(margin=margin(t=15))) -> plot1
```
]
 
.panel2-graph_b-auto[

]

---
count: false
 
### Le graphe de base
.panel1-graph_b-auto[

```r
ggplot(dat=dat_75)+aes(x=date,y=degre_C)+
  geom_point()+
  labs(title="Températures moyennes journalières en *1975*",
       subtitle = "centre de l'Angleterre (en dégrés Celsius)",
       caption='Données: **centre Hadley** [Parker, Legg et Folland *(1992)*]')+
  coord_cartesian(ylim=c(-1,25),expand = FALSE)+
  scale_y_continuous(breaks=seq(0,25,5))+
  scale_x_date(date_breaks = "1 month", date_labels = "%b")+
  theme_minimal()+
  theme(axis.title = element_blank(),
        axis.line = element_line(colour='grey'),
        panel.grid.major = element_blank(),
        panel.grid.major.y = element_line(colour='Gainsboro'),
        panel.grid.minor = element_blank(),
        plot.title = element_markdown(hjust=0.5,face='bold'),
        plot.subtitle = element_markdown(hjust=0.5,face='italic'),
        plot.caption = element_markdown(margin=margin(t=15))) -> plot1
*plot1
```
]
 
.panel2-graph_b-auto[
![](test_1_files/figure-html/graph_b_auto_09_output-1.png)
]

---
class: inverse, center, middle

## Les saisons

---

<font size="6"><b>Date des saisons:</b></font>

* <font size="6">L'<b> hivers</b> : du 21 décembre au 19 mars -> couleur MintCream</font>

* <font size="6">Le <b>printemps</b> : du 20 mars au 20 juin -> couleur PaleGreen</font>

* <font size="6">L'<b>été</b> : du 21 juin au 22 septembre -> couleur LightYellow </font>

* <font size="6">L'<b>automne</b> : de 23 septembre au 20 décembre -> couleur BurlyWood</font>

---
count: false
 
### Marquons la position des saisons
.panel1-graph_bs-user[

```r
*plot1
```
]
 
.panel2-graph_bs-user[
![](test_1_files/figure-html/graph_bs_user_01_output-1.png)
]

---
count: false
 
### Marquons la position des saisons
.panel1-graph_bs-user[

```r
plot1+
* geom_rect(mapping=aes(xmin=as.Date('1-1-1975',format="%d-%m-%Y"),
*                   xmax=as.Date('20-3-1975',format="%d-%m-%Y"),
*                   ymin=-1,ymax=25),alpha=0.1,fill='MintCream')+
* geom_rect(mapping=aes(xmin=as.Date('21-12-1975',format="%d-%m-%Y"),
*                   xmax=as.Date('31-12-1975',format="%d-%m-%Y"),
*                   ymin=-1,ymax=25), alpha=0.1,fill='MintCream')
```
]
 
.panel2-graph_bs-user[
![](test_1_files/figure-html/graph_bs_user_02_output-1.png)
]

---
count: false
 
### Marquons la position des saisons
.panel1-graph_bs-user[

```r
plot1+
  geom_rect(mapping=aes(xmin=as.Date('1-1-1975',format="%d-%m-%Y"),
                    xmax=as.Date('20-3-1975',format="%d-%m-%Y"),
                    ymin=-1,ymax=25),alpha=0.1,fill='MintCream')+
  geom_rect(mapping=aes(xmin=as.Date('21-12-1975',format="%d-%m-%Y"),
                    xmax=as.Date('31-12-1975',format="%d-%m-%Y"),
                    ymin=-1,ymax=25), alpha=0.1,fill='MintCream')+
  geom_rect(mapping=aes(xmin=as.Date('21-3-1975',format="%d-%m-%Y"),
                      xmax=as.Date('21-6-1975',format="%d-%m-%Y"),
                      ymin=-1,ymax=25), alpha=0.01,fill='PaleGreen')+
* geom_rect(mapping=aes(xmin=as.Date('22-6-1975',format="%d-%m-%Y"),
*                     xmax=as.Date('23-9-1975',format="%d-%m-%Y"),
*                     ymin=-1,ymax=25), alpha=0.1,fill='LightYellow')
```
]
 
.panel2-graph_bs-user[
![](test_1_files/figure-html/graph_bs_user_04_output-1.png)
]

---
count: false
 
### Marquons la position des saisons
.panel1-graph_bs-user[

```r
plot1+
  geom_rect(mapping=aes(xmin=as.Date('1-1-1975',format="%d-%m-%Y"),
                    xmax=as.Date('20-3-1975',format="%d-%m-%Y"),
                    ymin=-1,ymax=25),alpha=0.1,fill='MintCream')+
  geom_rect(mapping=aes(xmin=as.Date('21-12-1975',format="%d-%m-%Y"),
                    xmax=as.Date('31-12-1975',format="%d-%m-%Y"),
                    ymin=-1,ymax=25), alpha=0.1,fill='MintCream')+
  geom_rect(mapping=aes(xmin=as.Date('21-3-1975',format="%d-%m-%Y"),
                      xmax=as.Date('21-6-1975',format="%d-%m-%Y"),
                      ymin=-1,ymax=25), alpha=0.01,fill='PaleGreen')+
  geom_rect(mapping=aes(xmin=as.Date('22-6-1975',format="%d-%m-%Y"),
                      xmax=as.Date('23-9-1975',format="%d-%m-%Y"),
                      ymin=-1,ymax=25), alpha=0.1,fill='LightYellow')+
* geom_rect(mapping=aes(xmin=as.Date('24-9-1975',format="%d-%m-%Y"),
*                   xmax=as.Date('20-12-1975',format="%d-%m-%Y"),
*                   ymin=-1,ymax=25), alpha=0.01,fill='BurlyWood')
```
]
 
.panel2-graph_bs-user[
![](test_1_files/figure-html/graph_bs_user_05_output-1.png)
]

---
count: false
 
### Marquons la position des saisons
.panel1-graph_bs-user[

```r
plot1+
  geom_rect(mapping=aes(xmin=as.Date('1-1-1975',format="%d-%m-%Y"),
                    xmax=as.Date('20-3-1975',format="%d-%m-%Y"),
                    ymin=-1,ymax=25),alpha=0.1,fill='MintCream')+
  geom_rect(mapping=aes(xmin=as.Date('21-12-1975',format="%d-%m-%Y"),
                    xmax=as.Date('31-12-1975',format="%d-%m-%Y"),
                    ymin=-1,ymax=25), alpha=0.1,fill='MintCream')+
  geom_rect(mapping=aes(xmin=as.Date('21-3-1975',format="%d-%m-%Y"),
                      xmax=as.Date('21-6-1975',format="%d-%m-%Y"),
                      ymin=-1,ymax=25), alpha=0.01,fill='PaleGreen')+
  geom_rect(mapping=aes(xmin=as.Date('22-6-1975',format="%d-%m-%Y"),
                      xmax=as.Date('23-9-1975',format="%d-%m-%Y"),
                      ymin=-1,ymax=25), alpha=0.1,fill='LightYellow')+
  geom_rect(mapping=aes(xmin=as.Date('24-9-1975',format="%d-%m-%Y"),
                    xmax=as.Date('20-12-1975',format="%d-%m-%Y"),
                    ymin=-1,ymax=25), alpha=0.01,fill='BurlyWood')+
* geom_point()->
* plot2
*plot2
```
]
 
.panel2-graph_bs-user[
![](test_1_files/figure-html/graph_bs_user_06_output-1.png)
]

---
class: inverse, center, middle

## La moyenne

---
count: false
 
### Indiquons la moyenne
.panel1-graph_bm-auto[

```r
*plot2
```
]
 
.panel2-graph_bm-auto[
![](test_1_files/figure-html/graph_bm_auto_01_output-1.png)
]

---
count: false
 
### Indiquons la moyenne
.panel1-graph_bm-auto[

```r
plot2+
* geom_hline(yintercept = mean(dat_75$degre_C),color='red')
```
]
 
.panel2-graph_bm-auto[
![](test_1_files/figure-html/graph_bm_auto_02_output-1.png)
]

---
count: false
 
### Indiquons la moyenne
.panel1-graph_bm-auto[

```r
plot2+
  geom_hline(yintercept = mean(dat_75$degre_C),color='red')+
* geom_text(aes(x=as.Date('10-2-1975',format="%d-%m-%Y"),y=10.5),
*           label='Moy.an. 10.03°C',color='red')
```
]
 
.panel2-graph_bm-auto[
![](test_1_files/figure-html/graph_bm_auto_03_output-1.png)
]

---
count: false
 
### Indiquons la moyenne
.panel1-graph_bm-auto[

```r
plot2+
  geom_hline(yintercept = mean(dat_75$degre_C),color='red')+
  geom_text(aes(x=as.Date('10-2-1975',format="%d-%m-%Y"),y=10.5),
            label='Moy.an. 10.03°C',color='red') ->
* plot3
```
]
 
.panel2-graph_bm-auto[

]

---
count: false
 
### Indiquons la moyenne
.panel1-graph_bm-auto[

---
class: inverse, center, middle

# Elaboration du graphe des distances à la moyenne

---
class: inverse, center, middle

## Préparation des données

---
class: middle

<font size=6> Calcul de la distance à la moyenne et codage d'une variable indiquant si on est au-dessus ou en dessous de celle-ci.</font>

---

```r
*dat_75_d<-dat_75 %>% mutate(dist=degre_C-mean(dat_75$degre_C),
*                           pos=as.factor(ifelse(dist<0,'froid','chaud')))
```
]
 
.panel2-dist-auto[

]

---
count: false
 
### Distance à la moyenne
.panel1-dist-auto[

```r
dat_75_d<-dat_75 %>% mutate(dist=degre_C-mean(dat_75$degre_C),
                            pos=as.factor(ifelse(dist<0,'froid','chaud')))
*dat_75_d
```
]
 
.panel2-dist-auto[

```
# A tibble: 365 x 5
   date       degre_C annee   dist pos  
   <date>       <dbl> <dbl>  <dbl> <fct>
 1 1975-01-01     7.5  1975 -2.54  froid
 2 1975-01-02     8.1  1975 -1.94  froid
 3 1975-01-03     8    1975 -2.04  froid
 4 1975-01-04     6.4  1975 -3.64  froid
 5 1975-01-05     7.5  1975 -2.54  froid
 6 1975-01-06     9.4  1975 -0.637 froid
 7 1975-01-07     7.2  1975 -2.84  froid
 8 1975-01-08     7.6  1975 -2.44  froid
 9 1975-01-09     7.9  1975 -2.14  froid
10 1975-01-10     8.9  1975 -1.14  froid
# ... with 355 more rows
```
]

---
class: inverse, center, middle

## Elaboration du graphe : Lolipop chart