Mon premier package, prenoms, vient tout juste d’arriver sur CRAN. Le package est en fait une base de données de tous les prénoms donnés aux enfants du Québec entre 1980 et 2020.

Pour l’installer, rien de plus facile:

install.packages("prenoms")

Vous pouvez ensuite l’utiliser comme ceci:

library(prenoms)

Nous allons utiliser le package tidyverse pour visualiser les données:

# install.packages("tidyverse") si le package n'est pas encore installé
library(tidyverse)

## -- Attaching packages --------------------------------------- tidyverse 1.3.1 --

## v ggplot2 3.3.3     v purrr   0.3.4
## v tibble  3.1.1     v dplyr   1.0.5
## v tidyr   1.1.3     v stringr 1.4.0
## v readr   1.4.0     v forcats 0.5.1

## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()

Une base de données sous la forme d’un tibble sera maintenant accessible sous le noms de prenoms.

glimpse(prenoms)

## Rows: 769,890
## Columns: 4
## $ year <int> 1980, 1980, 1980, 1980, 1980, 1980, 1980, 1980, 1980, 1980, 1980,~
## $ sex  <chr> "F", "F", "F", "F", "F", "F", "F", "F", "F", "F", "F", "F", "F", ~
## $ name <chr> "A-Catherine", "A-Christiane", "A-Fernanda", "A-Genevieve", "A Ch~
## $ n    <int> 2, 1, 1, 1, 1, 1, 2, 1, 1, 1, 1, 1, 2, 1, 1, 1, 1, 1, 2, 1, 1, 1,~

prenoms

## # A tibble: 769,890 x 4
##     year sex   name             n
##    <int> <chr> <chr>        <int>
##  1  1980 F     A-Catherine      2
##  2  1980 F     A-Christiane     1
##  3  1980 F     A-Fernanda       1
##  4  1980 F     A-Genevieve      1
##  5  1980 F     A Charlotte      1
##  6  1980 F     A Dominique      1
##  7  1980 F     A Elisabeth      2
##  8  1980 F     A Francoise      1
##  9  1980 F     A Icha           1
## 10  1980 F     A Maria          1
## # ... with 769,880 more rows

prenoms %>% 
  filter(year == 2020 & sex == "M") %>% 
  arrange(desc(n)) %>% 
  head(5)

## # A tibble: 5 x 4
##    year sex   name        n
##   <int> <chr> <chr>   <int>
## 1  2020 M     Liam      661
## 2  2020 M     William   644
## 3  2020 M     Noah      639
## 4  2020 M     Thomas    594
## 5  2020 M     Leo       572

prenoms %>% 
  filter(year == 2020 & sex == "F") %>% 
  arrange(desc(n)) %>% 
  head(5)

## # A tibble: 5 x 4
##    year sex   name          n
##   <int> <chr> <chr>     <int>
## 1  2020 F     Olivia      543
## 2  2020 F     Alice       491
## 3  2020 F     Emma        491
## 4  2020 F     Charlie     488
## 5  2020 F     Charlotte   449

family <- prenoms %>%
  filter(
    name == "Marc-Andre" & sex == "M" |
    name == "Laurent" & sex == "M" |
    name == "Melanie" & sex == "F" |
    name == "Anna" & sex == "F"
  ) %>%
  group_by(name, year, sex) %>%
  summarise(n = sum(n)) %>%
  arrange(year)

## `summarise()` has grouped output by 'name', 'year'. You can override using the `.groups` argument.

ggplot(data = family, aes(x = year, y = n, color = name))+
  geom_line()+
  scale_x_continuous( breaks = seq(1980, 2020, by = 5))