Mémoire - Test avec et sans suppression des 0

data <- read_excel("C:/Users/rosin/OneDrive/Bureau/Celine_memoire2/bdd_2.xlsx", sheet = "bdd")
data2 <- read_excel("C:/Users/rosin/OneDrive/Bureau/Celine_memoire2/bdd_2.xlsx", sheet = "bdd_ne_0")
data2$`Chiffre d'affaire` <- as.numeric(gsub("[^0-9.]", "", as.character(data2$`Chiffre d'affaire`)))
data$Département <- as.factor(data$Département)
data2$Département <- as.factor(data2$Département)

data$`Chiffre d'affaire` <- as.numeric(gsub("n/c", NA, data$`Chiffre d'affaire`))
data <- na.omit(data)

data2$`Chiffre d'affaire` <- gsub(",", ".", as.character(data2$`Chiffre d'affaire`)) 
data2$`Chiffre d'affaire` <- gsub(" ", "", data2$`Chiffre d'affaire`) 
data2$`Chiffre d'affaire` <- as.numeric(data2$`Chiffre d'affaire`)

departments1 <- data %>%
  group_by(Département) %>%
  summarise(Entreprises = n()) %>%
  arrange(desc(Entreprises)) %>%
  slice_head(n = 10)

plot1 <- ggplot(departments1, aes(x = reorder(Département, Entreprises), y = Entreprises, fill = Entreprises)) +
  geom_bar(stat = "identity") +
  coord_flip() +
  scale_fill_gradient(low = "lightblue", high = "darkblue") +
  labs(title = "Top 10 des départements avec le plus d'entreprises",
       x = "Nombre d'entreprises",
       y = "Département") +
  theme_minimal() +
  theme(legend.position = "none")

departments2 <- data2 %>%
  group_by(Département) %>%
  summarise(Entreprises = n()) %>%
  arrange(desc(Entreprises)) %>%
  slice_head(n = 10)

plot2 <- ggplot(departments2, aes(x = reorder(Département, Entreprises), y = Entreprises, fill = Entreprises)) +
  geom_bar(stat = "identity") +
  coord_flip() +  
  scale_fill_gradient(low = "lightblue", high = "darkblue") +
  labs(title = "Top 10 des départements avec le plus d'entreprises après suppression des 0",
       x = "Nombre d'entreprises",
       y = "Département") +
  theme_minimal() +
  theme(legend.position = "none")

plot1 + plot2

# Process and plot for the first dataset
top_sectors <- data %>%
  group_by(Secteur) %>%
  summarise(Average_Revenue = mean(`Chiffre d'affaire`, na.rm = TRUE) / 1e6) %>%
  top_n(10, Average_Revenue)

plot1 <- ggplot(top_sectors, aes(x = Average_Revenue, y = reorder(Secteur, Average_Revenue), fill = Average_Revenue)) +
  geom_col() +
  scale_x_continuous(labels = scales::label_number(suffix = "M")) +
  labs(title = "Top 10 des secteurs avec le plus grand chiffre d'affaires moyen", 
       x = "Chiffre d'affaires (en millions d'euros)", 
       y = "Secteur") +
  theme_minimal()

# Process and plot for the second dataset
top_sectors2 <- data2 %>%
  group_by(Secteur) %>%
  summarise(Average_Revenue = mean(`Chiffre d'affaire`, na.rm = TRUE) / 1e6) %>%
  top_n(10, Average_Revenue)

plot2 <- ggplot(top_sectors2, aes(x = Average_Revenue, y = reorder(Secteur, Average_Revenue), fill = Average_Revenue)) +
  geom_col() +
  scale_x_continuous(labels = scales::label_number(suffix = "M")) +
  labs(title = "Top 10 des secteurs avec le plus grand chiffre d'affaires moyen après suppression des 0", 
       x = "Chiffre d'affaires (en millions d'euros)", 
       y = "Secteur") +
  theme_minimal()

# Combine the plots side by side using patchwork
plot1 / plot2

bottom_sectors <- data %>%
  group_by(Secteur) %>%
  summarise(Average_Revenue = mean(`Chiffre d'affaire`, na.rm = TRUE) / 1e6) %>%
  arrange(Average_Revenue) %>%
  slice_head(n = 10)

plot1 <- ggplot(bottom_sectors, aes(x = reorder(Secteur, Average_Revenue), y = Average_Revenue)) +
  geom_segment(aes(xend = Secteur, yend = 0), color = "skyblue", size = 3) +
  geom_point(size = 5, color = "blue") +
  coord_flip() +  
  labs(title = "Top 10 des secteurs avec le chiffre d'affaires moyen le plus bas",
       x = "Secteur",
       y = "Chiffre d'affaires moyen (en millions d'euros)") +
  theme_minimal()

## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.

bottom_sectors2 <- data2 %>%
  group_by(Secteur) %>%
  summarise(Average_Revenue = mean(`Chiffre d'affaire`, na.rm = TRUE) / 1e6) %>%
  arrange(Average_Revenue) %>%
  slice_head(n = 10)

plot2 <- ggplot(bottom_sectors2, aes(x = reorder(Secteur, Average_Revenue), y = Average_Revenue)) +
  geom_segment(aes(xend = Secteur, yend = 0), color = "skyblue", size = 3) +
  geom_point(size = 5, color = "blue") +
  coord_flip() +  
  labs(title = "Top 10 des secteurs avec le chiffre d'affaires moyen le plus bas après suppression des 0",
       x = "Secteur",
       y = "Chiffre d'affaires moyen (en millions d'euros)") +
  theme_minimal()

plot1 / plot2

top_sectors_by_companies <- data %>%
  group_by(Secteur) %>%
  summarise(Entreprises = n()) %>%
  arrange(desc(Entreprises)) %>%
  slice_max(order_by = Entreprises, n = 5)

plot1 <- ggplot(top_sectors_by_companies, aes(x = factor(1), y = Entreprises, fill = factor(Secteur))) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar(theta = "y") +
  scale_fill_manual(values = colorRampPalette(c("lightblue", "darkblue"))(5)) +
  labs(title = "Top 5 des secteurs avec le plus d'entreprises",
       x = NULL,
       y = NULL) +
  theme_void() +
  geom_text(aes(label = Entreprises), position = position_stack(vjust = 0.5))

# Process and plot for the second dataset
top_sectors_by_companies2 <- data2 %>%
  group_by(Secteur) %>%
  summarise(Entreprises = n()) %>%
  arrange(desc(Entreprises)) %>%
  slice_max(order_by = Entreprises, n = 5)

plot2 <- ggplot(top_sectors_by_companies2, aes(x = factor(1), y = Entreprises, fill = factor(Secteur))) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar(theta = "y") +
  scale_fill_manual(values = colorRampPalette(c("lightblue", "darkblue"))(5)) +
  labs(title = "Top 5 des secteurs avec le plus d'entreprises après suppression des 0",
       x = NULL,
       y = NULL) +
  theme_void() +
  geom_text(aes(label = Entreprises), position = position_stack(vjust = 0.5))

# Combine the plots vertically and adjust the legend
combined_plot <- plot1 / plot2 + plot_layout(guides = "collect")
combined_plot