-
Notifications
You must be signed in to change notification settings - Fork 0
/
Computations-for-the-defence
401 lines (322 loc) · 13.5 KB
/
Computations-for-the-defence
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
# ---------------------- Data analysis LDCs -----------------
# Annick Eudes Jean-Baptiste
# "2018-08-01"
# Data available at :
# http://unctad.org/en/Pages/statistics.aspx
# http://databank.banquemondiale.org/data/reports.aspx?source=2&series=NY.GDP.PCAP.PP.KD&country=#
# Taux de croissance des PMA
# Premiere graph avec ggplot2
library(ggplot2)
library(readxl)
library(reshape2)
setwd("~/OneDrive/Documents/3. Thesis Data/2017_Data_sets")
# Analyse revenu PIB per Capita
df <- read_excel("GDP_per_Capita_cleaned.xlsx")
View(df)
str(df)
df <- read_excel("GDP_per_Capita_cleaned.xlsx",
col_types = c("numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric"))
View(df)
# cleaning the rows that we will not use :
# For missing values, we can delete the variable if it has to many missing values.
# Let's remove the data for Somalia row 23 in the dataset :
#df <- df[-23, ] # Don't forget the - sign
# Let's remove the columns that we will not be using :
df[c("Eritrea", "Somalia", "Zimbabwe", "Sri Lanka")] <- NULL
df_copy[c("Date", "Least developed countries: UN classification")] <- NULL
# Renaming a column :
colnames(df)[2] <- "PMA"
# Boxplot
# Let's remove the date column :
df_copy <- df
df_copy[c("Date")] <- NULL
# Horizontal boxplot
boxplot(df_copy, las = 2, horizontal = TRUE, frame = TRUE,
#xlab = "PIB per Capita",
ifelse(levels(df$Haiti), "blue"),
main = "PIB par habitant, (PPA USD internationaux constants de 2011) PMA de 2008 à 2016")
#abline(v=mean(df_copy$PMA), col = "blue")
# Vertical boxplot
boxplot(df_copy, las = 2, frame = TRUE,
#ylab = "PIB per Capita",
main = "PIB par habitant, (PPA USD internationaux constants de 2011) Pays Moins Avancés (2008-2016)")
abline(h=max(df_copy$PMA), col = "red")
#abline(h = 1980, col = "red")
# -------- PMA GDP ---------
# US Dollars at constant prices (2010) in millions
# Data available at : http://unctadstat.unctad.org/wds/TableViewer/tableView.aspx
library(readxl)
data.gdp <- read_excel("us_gdptotal_clean.xlsx",
col_types = c("numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric"))
View(data.gdp)
# Removing certain columns related to contries that changed territories or where divided:
# Because of the amought of NAs
data.gdp[c("Eritrea", "Ethiopia", "Ethiopia (...1991)", "Sudan",
"Sudan (...2011)", "Timor-Leste", "Yemen", "Yemen, Arab Republic",
"Yemen, Democratic", "South Sudan")] <- NULL
gdp.copy <- data.gdp
gdp.copy["Date"] <- NULL
boxplot(gdp.copy, las = 2, frame = FALSE,
#ylab = "PIB prix constant PPP",
main = "Produit intérieur brut prix constants (2010), 1970-2016")
# --------- PMA Produit intérieur brut : total et par habitant, prix courants et constants (2010), annuel, 1970-2016
# Data available at : http://unctadstat.unctad.org/wds/TableViewer/tableView.aspx
# Produit intérieur brut : total et par habitant, prix courants et constants (2010), annuel, 1970-2016
df <- read_excel("us_pib_par_hab_const_clean.xlsx",
col_types = c("numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric"))
View(df)
str(df)
# Creating a copy and removing the date column :
df_copy <- df
df_copy[c("Date")] <- NULL
# Horizontal boxplot (note (las=2) makes label text perpendicular to axis)
boxplot(df_copy, las = 2, horizontal = TRUE, frame = FALSE,
#xlab = "Produit intérieur brut",
main = "Produit Intérieur Brut prix constants (2010), annuel, 1971-2016")
# Removing the variable with too much variations
df2 <- df
df2[c("Date", "Guinée équatoriale")] <- NULL
# Horizontal boxplot
boxplot(df2, las = 2, horizontal = TRUE, frame = FALSE,
#xlab = "Produit intérieur brut par habitant",
main = "Produit intérieur brut par habitant à prix constants PPP (2010), annuel, 1971-2016")
# 1er chose à faire, elever la colonne "date" et "reshape" les variables pour les
# mettre dans le format adéquat :
df2.pma <- df2
# Load le packet qui permet de faire le reshaping et le melt:
library(reshape2)
# Shaping the data
melted_data = melt(df2.pma)
View(melted_data)
# Change the names to make it less confusing if necessary
colnames(melted_data) = c("Pays", "PIB")
# ploting with ggplot, x = variable and y = value (one can add cathegories)
ggplot(melted_data) + geom_boxplot(aes(x = Pays, y = PIB))
# Ajouter des valeurs sur les axes x et y
ggplot(melted_data) +
geom_boxplot(aes(x = Pays, y = PIB)) +
xlab("Pays Moins Avancés") +
ylab("") +
theme(axis.text.x = element_text(face="bold", color="black",
size=10, angle=90),
axis.text.y = element_text(color="black",
size=10)) #+
#ggtitle("PIB par habitant 1971-2016 (USD constants de 2010)")
# Vertical boxplot
boxplot(df2, las = 2, frame = FALSE,
#ylab = "Produit intérieur brut par habitant",
main = "Produit Intérieur Brut par habitant à prix constants PPA (2010), annuel, 1971-2016")
# ------ Produit intérieur brut : total et par habitant, prix courants et constants (2010), annuel, 1970-2016 ----
# Ggplot version :
# Produit intérieur brut par habitant, prix constants (2010), annuel, 1970-2016
# Par groupe : PMA Afrique et Haiti, PMA Asie, PMA Îles
library(readxl)
df.pib <- read_excel("PIB_const_par_hab_groupe_PMA.xlsx",
col_types = c("numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric"))
View(df.pib)
str(df.pib)
# Cleaning
df.pib$Annee <- NULL
# Shaping the data
melted_data <- melt(df.pib)
View(melted_data)
# Change the names to make it less confusing if necessary
colnames(melted_data) = c("Pays", "PIB")
# ploting with ggplot, x = variable and y = value (one can add cathegories)
ggplot(melted_data) +
geom_boxplot(aes(x = Pays, y = PIB))
ggplot(melted_data) +
geom_boxplot(aes(x = Pays, y = PIB)) +
#geom_hline(yintercept = mean(df.pib$PMA), show.legend = TRUE) +
theme(axis.text.x = element_text(face="bold", color="black",
size=10, angle=90),
axis.text.y = element_text(color="black",
size=10)) +
xlab("Groupe de pays") +
ylab("")
# ggtitle("PIB par habitant 1971-2016 (USD constants de 2010) - par groupe de pays")
# ------ Produit intérieur brut : total et par habitant, prix courants et constants (2010), annuel, 1970-2016
# Base R version :
# Produit intérieur brut par habitant, prix constants (2010), annuel, 1970-2016
# Par groupe : PMA Afrique et Haiti, PMA Asie, PMA Îles
pma.groupe <- read_excel("Produit intérieur brut par habitant à prix constants (2010) clean.xlsx",
col_types = c("numeric", "numeric", "numeric",
"numeric"))
str(pma.groupe)
# Changing the names to make it cleaner
colnames(pma.groupe) = c("année","PMA Afrique et Haiti", "PMA d'Asie","PMA Îles")
df_groupe <- pma.groupe
df_groupe$année <- NULL
# Vertical boxplot
boxplot(df_groupe, frame = FALSE,
horizontal = FALSE,
col = "gray",
#las = 2,
ylab = "PIB par habitant en USD",
main = "Produit intérieur brut par habitant à prix constants PPP (2010), de 1971-2016
par groupe de PMA"
)
# -------- PMA GDP ---------
# US Dollars at constant prices (2010) in millions
# Data available at : http://unctadstat.unctad.org/wds/TableViewer/tableView.aspx
library(readxl)
data.gdp <- read_excel("us_gdptotal_clean.xlsx",
col_types = c("numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric"))
View(data.gdp)
# Removing certain columns related to contries that changed territories or where divided:
# Because of the amought of NAs
data.gdp[c("Eritrea", "Ethiopia", "Ethiopia (...1991)", "Sudan",
"Sudan (...2011)", "Timor-Leste", "Yemen", "Yemen, Arab Republic",
"Yemen, Democratic", "South Sudan")] <- NULL
gdp.copy <- data.gdp
gdp.copy["Date"] <- NULL
boxplot(gdp.copy, las = 2, frame = FALSE,
#ylab = "PIB prix constant PPP",
main = "Produit intérieur brut prix courants et constants (2010), 1970-2016")
# --------- PMA Produit intérieur brut : total et par habitant, prix courants et constants (2010), annuel, 1970-2016
# Data available at : http://unctadstat.unctad.org/wds/TableViewer/tableView.aspx
# Produit intérieur brut : total et par habitant, prix courants et constants (2010), annuel, 1970-2016
df <- read_excel("us_pib_par_hab_const_clean.xlsx",
col_types = c("numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric"))
View(df)
# Creating a copy and removing the date column :
df_copy <- df
df_copy[c("Date")] <- NULL
# Horizontal boxplot
boxplot(df_copy, las = 2, horizontal = TRUE, frame = FALSE,
xlab = "Produit intérieur brut",
main = "Produit intérieur brut : total et par habitant, prix courants et constants (2010), annuel, 1971-2016")
# Removing the variable with too much variations
df2 <- df
df2[c("Date", "Guinée équatoriale")] <- NULL
# Horizontal boxplot
boxplot(df2, las = 2, horizontal = TRUE, frame = FALSE,
xlab = "Produit intérieur brut par habitant",
main = "Produit intérieur brut par habitant à prix constants PPP (2010), annuel, 1971-2016")
# Vertical boxplot
boxplot(df2, las = 2, frame = FALSE,
ylab = "Produit intérieur brut par habitant",
main = "Produit intérieur brut par habitant à constants PPP (2010), annuel, 1971-2016")
# ------ Produit intérieur brut : total et par habitant, prix courants et constants (2010), annuel, 1970-2016
# Produit intérieur brut par habitant, prix constants (2010), annuel, 1970-2016
# Par groupe : PMA Afrique et Haiti, PMA Asie, PMA Îles
pma.groupe <- read_excel("Produit intérieur brut par habitant à prix constants (2010) clean.xlsx",
col_types = c("numeric", "numeric", "numeric",
"numeric"))
str(pma.groupe)
# Changing the names to make it clean
colnames(pma.groupe) = c("année","PMA Afrique et Haiti", "PMA d'Asie","PMA Îles")
df_groupe <- pma.groupe
df_groupe$année <- NULL
# Vertical boxplot
boxplot(df_groupe, frame = FALSE,
horizontal = FALSE,
col = "gray",
#las = 2,
ylab = "PIB par habitant en USD",
main = "Produit intérieur brut par habitant à prix constants PPP (2010), de 1971-2016
par groupe de PMA"
)
# ------------------- Publications scientifiques dans les PMA
df <- read.csv2("Publications-scientifiques.csv", sep = ",")
str(df)
df2 <- df
df2$Date <- NULL
# ------------------- Projets et montants investis ----
df <- read.csv2("Cartographie DEL Haiti.csv", sep = ",")
View(df)
df2 <- dfc[-c(1, 2), ]
hist(df2$Budgets, nclass = 28)
barplot(df2$Budgets, xlab = "Projets de DEL à financements 'mixtes'", ylab = "Montant en USD")
# -------- PMA GDP - par groupes ---------
# Produit intérieur brut : total et par habitant, prix courants et constants (2010), annuel, 1970-2016
# Données disponibles http://unctadstat.unctad.org/wds/TableViewer/tableView.aspx
df <- read_excel("PIB_const_par_hab_groupe_PMA.xlsx",
col_types = c("numeric", "numeric", "numeric",
"numeric", "numeric", "numeric",
"numeric", "numeric"))
str(df)
df_copy <- df
df_copy[c("Annee", "PMA : Afrique et Haiti", "Afrique subsaharienne")] <- NULL
str(df_copy)
boxplot(df_copy, main = "Produit intérieur brut : total et par habitant, prix constants PPP (2010), annuel, 1970-2016", frame = FALSE)