Tranformation des données

Manipulation des données de vaccinations, PIB et espérance de vie.

Dans cette section, nous allons manipuler nos différents jeux de données présentés précédemment dans le but de rendre plus efficace l’analyse et/ou de mieux visualiser le tout.

Variable date de l’ensemble de données de vaccinations

La colonne date des données de vaccinations de la Covid-19 est divisée en jours depuis Décembre 2020, cela résulte en plus de 300 observations pour chaque pays. Pour une meilleure visualisation des données, on a décidé de regrouper cette variable par mois et année en utilisant format pour chaque pays. On passe alors de plus de 60,000 observations à 2500.

Données de la vaccinations de la Covid-19 - par mois et année

Show code

covid_data %<>%  mutate(date = format(date, format = "%Y-%m"))
covid_data %<>% mutate_if(is.numeric, ~replace(., is.na(.), 0)) 
covid_data %<>% group_by(country, date) %>% summarise(across(where(is.numeric),sum))
show_tb_paged(covid_data)

Nouvelle variable continents pour les 3 ensembles de données

On aimerait également être capable de regrouper les différents pays selon leur continent respectif, alors nous allons ajouter une variable continents aux jeux de données covid_data. Pour ce faire, nous allons utilisé la liste fournie par Our world in data (Data 2015), puis le package Dplyr (agramma?) pour ajouter une variable pour les continents et l’associée au pays correspondant.

Données de vaccinations de la Covid-19 - avec variable Continent

Show code

#Créer une table avec la liste des continents et pays
continent_data <- as.tibble(read.csv("data/processed/continents-according-to-our-world-in-data.csv"))
continent_data %<>% select(1,4) %>% rename(country = Entity)

# Joindre les covid_data et continents par la variable "country"
covid_data %<>%  left_join(continent_data, covid_data, by = c("country" = "country")) 
covid_data %<>% relocate(13, .after = country) 

show_tb_dt(covid_data)

Données du PIB- avec variable Continent

Show code

# Joindre les pib_data et continents par la variable "country"
pib_data %<>%  left_join(continent_data, pib_data, by = c("country" = "country")) 
pib_data %<>% relocate(Continent, .after = country) 

show_tb_dt(pib_data)

Données de l’espérance de vie - avec variable Continent

Show code

# Joindre les lifeexp_data et continents par la variable "country"
lifeexp_data %<>%  left_join(continent_data, lifeexp_data, by = c("country" = "country")) 
lifeexp_data %<>% relocate(Continent, .after = country) 

show_tb_dt(lifeexp_data)

Show code

rm(continent_data)

Validation de la variable total_vaccinations_per_hundred

La table covid_data contient une variable total_vaccinations_per_hundred, mais nous voulons ici valider les résultats obtenus avec les données de population mondiale de 2021 \[@gapminder2021\] .

Show code

#On va garder que les données de populations pour 2021
pop_data %<>% filter(time == 2021)  %>% rename(country = name) %>% select(2,4) 

pop_data$Population <- format_num(pop_data$Population)

covid_data_test <-  left_join(covid_data, pop_data, by = c("country" = "country"))
covid_data_test$Population <- as.factor(covid_data_test$Population)
covid_data_test %<>% select(1:4, 8, 14)


# covid_data_test %<>% filter(!(is.na(total_vaccinations_per_hundred))) %>% mutate(verified_total_vax_per_hundred = ((total_vaccinations_per_hundred /Population)*100))