Data_final_project.R

print('Welcome to the final project of data schedule')

# Patch encoding Mac.
Sys.setlocale(category = "LC_ALL", locale = "fr_FR.UTF-8")
setwd("D:/Desktop/Data-final-project")


Packages <- c("dplyr", "tidyverse", "plotly", "ggplot2", "data.table", "readr", "questionr", "gridExtra", "cowplot")

# Set uninstalled package.
packagesToInstall <- Packages[!(Packages %in% installed.packages()[,"Package"])]

# Install uninstalled package if true.
if(length(packagesToInstall)) install.packages(packagesToInstall)

# Add dependency to packages.
lapply(Packages, library, character.only = TRUE)


# Load original Data csv.
#csv <- read_delim("data_DC.csv", ";",
#                      escape_double = FALSE, locale = locale(encoding = "WINDOWS-1252"),
#                      trim_ws = TRUE)


# Load renamed Data csv.
csv <- read_delim("renamedData.csv", ",",
                      escape_double = FALSE, locale = locale(encoding = "WINDOWS-1252"),
                      trim_ws = TRUE)

# get column names
colnames(csv)

# Remove duplicated column by index.
#csv[,32] <- NULL
#colnames(csv)[32] <- "specialisation_pro_1"


# Rename columns with Dplyr package.
#csv <- csv %>% rename(
#  annee_naissance = "Quelle est votre ann?e de naissance ?",
#  genre = "Vous ?tes ?",
#  nationalite = "Quel est votre nationalit? ?",
#  departement_travail = "Dans quel d?partement travaillez-vous ?",
#  situation_pro = "Quelle est votre situation professionnelle ?",
#  specialisation_pro = "Quelle est votre sp?cialisation professionnelle ?",
#  diplome_actuel =  "Quelle est votre niveau de dipl?me actuel ?",
#  tranche_salaire = "Quelle est votre tranche de salaire ?",
#  type_bac = "Quel type de Bac avez-vous obtenu ?",
#  annee_dernier_diplome_avant_DC = "En quelle ann?e avez-vous obtenu votre dernier dipl?me avant Digital Campus ?",
#  dernier_diplome_avant_dc = "Quel est votre dernier niveau d'?tude obtenu ?",
#  formation_DC = "Quelle formation avez-vous suivi ? Digital Campus ?",
#  ville_formation_DC = "Dans quelle ville avez-vous fait votre formation Digital Campus ?",
#  annee_debut_DC = "En quelle ann?e avez-vous rejoint Digital Campus ?",
#  annee_fin_DC = "En quelle ann?e avez-vous quitt? Digital Campus ?",
#  niveau_avt_dc_crea = "Comment ?valuez-vous votre niveau avant Digital Campus dans les domaines suivants? [Cr?atif]",
#  niveau_avt_dc_mkt_com = "Comment ?valuez-vous votre niveau avant Digital Campus dans les domaines suivants? [Marketing et communication]",
#  niveau_avt_dc_dev = "Comment ?valuez-vous votre niveau avant Digital Campus dans les domaines suivants? [Developpement]",
#  niveau_avt_dc_gest = "Comment ?valuez-vous votre niveau avant Digital Campus dans les domaines suivants? [Gestion de projet]",
#  niveau_apr_dc_crea = "Comment ?valuez-vous votre niveau apr?s Digital Campus dans les domaines suivants? [Cr?atif]",
#  niveau_apr_dc_mkt_com = "Comment ?valuez-vous votre niveau apr?s Digital Campus dans les domaines suivants? [Marketing et communication]",
#  niveau_apr_dc_dev = "Comment ?valuez-vous votre niveau apr?s Digital Campus dans les domaines suivants? [Developpement]",
#  niveau_apr_dc_gest = "Comment ?valuez-vous votre niveau apr?s Digital Campus dans les domaines suivants? [Gestion de projet]",
#  spe = "Quelle sp?cialit? avez-vous choisi ?",
#  spe_ok = "Votre sp?cialit? a-t-elle r?pondu ? vos attentes ?",
#  tps_trouve_alt = "En combien de temps avez-vous trouv? votre alternance ?",
#  sourcing_alt = "Comment avez-vous trouv? votre alternance ?",
#  reco_dc = "Recommanderiez-vous Digital Campus ? d'autres personnes sur une ?chelle de 0 ? 5 ?",
#  recherche_emploi_apr_dc = "Avez-vous cherch? un emploi ? la fin de vos ?tudes ?",
#  non_pq = "Non, pourquoi ?",
#  tps_recherche_emploi = "Combien de temps a dur? votre recherche d'emploi ?",
#  spe_pro = "Quelle est votre sp?cialisation professionnelle ?",
#  type_contrat_apr_dc = "Quel ?tait le type de contrat ?",
#  tps_plein_partiel = "?tait-ce ? temps plein ou ? temps partiel ?",
#  salaire_embauche_apr_dc = "Quel ?tait votre salaire ? l'embauche ?",
#  emploi_priv_pub = "Votre emploi ?tait-il dans le priv? ou dans le public ?",
#  csp_apr_dc = "A quelle cat?gorie socio-professionnelle apparteniez-vous ?",
#  type_entreprise = "Dans quel type d'entreprise ?tiez-vous?",
#  dept_premier_emploi = "Dans quel d?partement avez-vous trouv? votre premier emploi ?",
#  milieu = "Dans quel milieu ?",
#  change_ville_pr_emploi = "Aviez-vous chang? de ville pour d?crocher cet emploi ?",
#  cmt_trouve_emploi_apr_dc = "Comment aviez-vous trouv? votre travail ?",
#  perception_recherche_emploi_apr_dc = "Comment aviez-vous per?u votre recherche d'emploi ?",
#  satisfaction_premier_emploi = "Aviez-vous ?t? satisfait de ce premier emploi?",
#  place_travail_vie = "Quelle place occupe votre travail dans votre vie?",
#  estimation_importance_dc_recrutement = "A combien estimez vous l'importance de digital campus dans votre recrutement?"
#)

# Export data to a CSV file to avoid unexcepted error on rename sentence.
#write.csv(csv, "D:/Desktop/Data-final-project/renamedData.csv", row.names = FALSE)


##### DATA TRAITMENT #####


# Convert data to factor if necessary.
col_departements_is_factor = c("dept_premier_emploi", "departement_travail")
for (col in colnames(csv)){
  if ( class(csv[[col]]) == "character" || col %in% col_departements_is_factor){
    csv[[col]] = as.factor(csv[[col]])
  }
}


# Change 996 to 1996 due to an error of user.
csv <- csv %>% mutate(annee_naissance = ifelse(annee_naissance == 996, 1996, annee_naissance))

# Change value of nationalite for multiple cases (ifelse imbriqued).
csv <- csv %>% mutate(nationalite = ifelse(nationalite == "ALLEMAND", "DE",
                                           ifelse(nationalite == "FRANCAISE" | nationalite == "France", "FR", as.character(nationalite))))

# Change gender corrupted data.
csv <- csv %>% mutate(genre = ifelse(genre == "femme", "f",
                                     ifelse(genre == "homme", "h", as.character(genre))))

# Change gender corrupted data.
csv <- csv %>% mutate(genre = ifelse(genre == "femme", "f",
                                     ifelse(genre == "homme", "h", as.character(genre))))

# Change formation_DC corrupted data.
csv <- csv %>% mutate(formation_DC = ifelse(formation_DC == "Bacelor", "Bachelor", as.character(formation_DC)))


# Change gender corrupted data.
csv <- csv %>% mutate(ville_formation_DC = ifelse(ville_formation_DC == "lyon", "Lyon",
                                                  ifelse(ville_formation_DC == "paris", "Paris", as.character(ville_formation_DC))))

# Change formation_DC corrupted data.
csv <- csv %>% mutate(formation_DC = ifelse(formation_DC == "Mastere", "Mast?re", as.character(formation_DC)))

# Change annee_debut_DC corrupted data.
csv <- csv %>% mutate(annee_debut_DC = ifelse(annee_debut_DC == "2111", "2011", as.character(annee_debut_DC)))

# Change annee_fin_DC corrupted data.
csv <- csv %>% mutate(annee_fin_DC = ifelse(annee_fin_DC == "2113", "2013", as.character(annee_debut_DC)))

# Delete annee_naissance = 1904
temp_csv <- with(csv, (annee_naissance == "1904"))
csv <- csv[!temp_csv, ]
rm(temp_csv)

# Set data as factor.
csv$nationalite <- as.factor(csv$nationalite)
csv$genre <- as.factor(csv$genre)
csv$formation_DC <- as.factor(csv$formation_DC)
csv$ville_formation_DC <- as.factor(csv$ville_formation_DC)

# Remove NA from annee naissance.
csv <- csv %>% filter(!is.na(annee_naissance))
summary(csv)
head(csv)


# init color theme.
colors <- c("#2AA4AC", "#8ED1D6", "#69AFBD", "#317279", "#44959B",
            "#2AA4AD", "#8ED2D6", "#68AFBD", "#337279", "#48959B",
            "#2AA4BC", "#8ED2D6", "#69CFBD")

# Get current year from the system date and convert it to integer.
currentYear <- strtoi(format(Sys.Date(), "%Y"))

####### PROFIL DES REPONDANTS #######

## AGE

# Calcul de l'age reel et stockage du resultat dans une nouvelle colonne
csv$age <- currentYear - csv$annee_naissance

#Regroupe les ages en un dataframe
data_age <- data.frame(csv[,47])

#compte le nombre de chaque age
data_age <- data_age %>%
  group_by(age)%>%
  count() %>%
  arrange(desc(age)) %>%
  mutate(lab.ypos = cumsum(n) - 0.5*n)

# Creer une variable de position
age_data <- csv %>%
  filter(!is.na(age)) %>%
  group_by(age) %>%
  summarise(nb = n()) %>%
  mutate(pct = round(nb / sum(nb) * 100)) %>%
  arrange(desc(age)) %>%
  mutate(lab_ypos = cumsum(pct) - 0.5 * pct)

# Camembert avec genre et labels en pourcentages
ggplot(age_data, aes(x="", y=nb, fill=age))+
  geom_bar(width = 1, stat = "identity", color = "white")+
  coord_polar("y", start=0) +
  geom_text(aes(y = lab_ypos, label = paste0(pct,'%')), color = "white") +
  labs(fill = "Age") + labs(x = "") + labs(y = "")

# Histogramme repartition age
plot_ly(data = age_data, x=~age,y=~nb,type="bar")

## SEXE
plot_ly(data = csv, x=~genre,type="histogram")

# Creer une variable de position
genre_data <- csv %>%
  filter(!is.na(genre)) %>%
  group_by(genre) %>%
  summarise(nb = n()) %>%
  mutate(pct = round(nb / sum(nb) * 100)) %>%
  arrange(desc(genre)) %>%
  mutate(lab_ypos = cumsum(pct) - 0.5 * pct)

# Graphe avec genre et labels en pourcentages
ggplot(genre_data, aes(x="", y=nb, fill=genre))+
  geom_bar(width = 1, stat = "identity", color = "white")+
  coord_polar("y", start=0) +
  geom_text(aes(y = lab_ypos, label = paste0(pct,'%')), color = "white") +
  labs(fill = "Sexe") + labs(x = "") + labs(y = "") +
  scale_fill_manual(values = colors) +
  theme_void()


## NATIONALITE
plot_ly(data = csv, x=~nationalite,type="histogram")

## FREE PART
## AGE VS TYPE DE FORMATION SUIVIE
ggplot(csv)+
geom_bar(aes(x = age, fill = type_bac))+
scale_fill_manual(values = colors)+
theme_void()


## GENRE VS TYPE DE FORMATION SUIVIE
ggplot(csv) + 
geom_bar(aes(x = genre, fill = type_bac))+
scale_fill_manual(values = colors) +
theme_void()

########## ANALYSE EXPERIENCE SCOLAIRE ##########

# Analyse du niveau creatif avant/apres.

ComparerNiveauCreatifAvantApres <- function() {
  niveauCreatifAvantDC <- csv%>%
    filter(!is.na(niveau_avt_dc_crea)) %>%
    group_by(niveau_avt_dc_crea) %>%
    summarise(nb = n()) %>%
    mutate(pct = round(nb/sum(nb)*100)) %>%
    arrange(desc(niveau_avt_dc_crea)) %>%
    mutate(lab_ypos = cumsum(pct) - 0.5 * pct)

  plot1 <- ggplot(niveauCreatifAvantDC, aes(x = "", y = pct, fill = niveau_avt_dc_crea)) +
    geom_bar(width = 1, stat = "identity", color = "white") +
    coord_polar("y", start = 0) +
    geom_text(aes(y = lab_ypos, label = pct), color = "white") +
    scale_fill_manual(values = colors) +
    theme_void()

  niveauCreatifApresDC <- csv%>%
    filter(!is.na(niveau_apr_dc_crea)) %>%
    group_by(niveau_apr_dc_crea) %>%
    summarise(nb = n()) %>%
    mutate(pct = round(nb/sum(nb)*100)) %>%
    arrange(desc(niveau_apr_dc_crea)) %>%
    mutate(lab_ypos = cumsum(pct) - 0.5 * pct)

  plot2 <- ggplot(niveauCreatifApresDC, aes(x = "", y = pct, fill = niveau_apr_dc_crea)) +
    geom_bar(width = 1, stat = "identity", color = "white") +
    coord_polar("y", start = 0) +
    geom_text(aes(y = lab_ypos, label = pct), color = "white") +
    scale_fill_manual(values = colors) +
    theme_void()

  return(plot_grid(plot1, plot2, labels=c("Niveau cr?atif avant", "Niveau cr?atif apr?s"), ncol = 2, nrow = 1))
}

# Analyse du niveau Marketing et communication avant/après.

ComparerNiveauMarketingAvantApres <- function() {
  niveauMarketingAvantDC <- csv%>%
    filter(!is.na(niveau_avt_dc_mkt_com)) %>%
    group_by(niveau_avt_dc_mkt_com) %>%
    summarise(nb = n()) %>%
    mutate(pct = round(nb/sum(nb)*100)) %>%
    arrange(desc(niveau_avt_dc_mkt_com)) %>%
    mutate(lab_ypos = cumsum(pct) - 0.5 * pct)

  plot1 <- ggplot(niveauMarketingAvantDC, aes(x = "", y = pct, fill = niveau_avt_dc_mkt_com)) +
    geom_bar(width = 1, stat = "identity", color = "white") +
    coord_polar("y", start = 0) +
    geom_text(aes(y = lab_ypos, label = pct), color = "white") +
    scale_fill_manual(values = colors) +
    theme_void()

  niveauMarketingApresDC <- csv%>%
    filter(!is.na(niveau_apr_dc_mkt_com)) %>%
    group_by(niveau_apr_dc_mkt_com) %>%
    summarise(nb = n()) %>%
    mutate(pct = round(nb/sum(nb)*100)) %>%
    arrange(desc(niveau_apr_dc_mkt_com)) %>%
    mutate(lab_ypos = cumsum(pct) - 0.5 * pct)

  plot2 <- ggplot(niveauMarketingApresDC, aes(x = "", y = pct, fill = niveau_apr_dc_mkt_com)) +
    geom_bar(width = 1, stat = "identity", color = "white") +
    coord_polar("y", start = 0) +
    geom_text(aes(y = lab_ypos, label = pct), color = "white") +
    scale_fill_manual(values = colors) +
    theme_void()

  return(plot_grid(plot1, plot2, labels=c("Niveau Marketing avant", "Niveau Marketing apr?s"), ncol = 2, nrow = 1))
}

# Analyse du niveau developpement avant/apres.

ComparerNiveauDeveloppementAvantApres <- function() {
  niveauDeveloppementAvantDC <- csv%>%
    filter(!is.na(niveau_avt_dc_dev)) %>%
    group_by(niveau_avt_dc_dev) %>%
    summarise(nb = n()) %>%
    mutate(pct = round(nb/sum(nb)*100)) %>%
    arrange(desc(niveau_avt_dc_dev)) %>%
    mutate(lab_ypos = cumsum(pct) - 0.5 * pct)

  plot1 <- ggplot(niveauDeveloppementAvantDC, aes(x = "", y = pct, fill = niveau_avt_dc_dev)) +
    geom_bar(width = 1, stat = "identity", color = "white") +
    coord_polar("y", start = 0) +
    geom_text(aes(y = lab_ypos, label = pct), color = "white") +
    scale_fill_manual(values = colors) +
    theme_void()

  niveauDeveloppementApresDC <- csv%>%
    filter(!is.na(niveau_apr_dc_dev)) %>%
    group_by(niveau_apr_dc_dev) %>%
    summarise(nb = n()) %>%
    mutate(pct = round(nb/sum(nb)*100)) %>%
    arrange(desc(niveau_apr_dc_dev)) %>%
    mutate(lab_ypos = cumsum(pct) - 0.5 * pct)

  plot2 <- ggplot(niveauDeveloppementApresDC, aes(x = "", y = pct, fill = niveau_apr_dc_dev)) +
    geom_bar(width = 1, stat = "identity", color = "white") +
    coord_polar("y", start = 0) +
    geom_text(aes(y = lab_ypos, label = pct), color = "white") +
    scale_fill_manual(values = colors) +
    theme_void()

  return(plot_grid(plot1, plot2, labels=c("Niveau Developpement avant", "Niveau Developpement apr?s"), ncol = 2, nrow = 1))
}

# Analyse du niveau developpement avant/apres.

ComparerNiveauGestionProjetAvantApres <- function() {
  niveauGestionProjetAvantDC <- csv%>%
    filter(!is.na(niveau_avt_dc_gest)) %>%
    group_by(niveau_avt_dc_gest) %>%
    summarise(nb = n()) %>%
    mutate(pct = round(nb/sum(nb)*100)) %>%
    arrange(desc(niveau_avt_dc_gest)) %>%
    mutate(lab_ypos = cumsum(pct) - 0.5 * pct)

  plot1 <- ggplot(niveauGestionProjetAvantDC, aes(x = "", y = pct, fill = niveau_avt_dc_gest)) +
    geom_bar(width = 1, stat = "identity", color = "white") +
    coord_polar("y", start = 0) +
    geom_text(aes(y = lab_ypos, label = pct), color = "white") +
    scale_fill_manual(values = colors) +
    theme_void()

  niveauGestionProjetApresDC <- csv%>%
    filter(!is.na(niveau_apr_dc_gest)) %>%
    group_by(niveau_apr_dc_gest) %>%
    summarise(nb = n()) %>%
    mutate(pct = round(nb/sum(nb)*100)) %>%
    arrange(desc(niveau_apr_dc_gest)) %>%
    mutate(lab_ypos = cumsum(pct) - 0.5 * pct)

  plot2 <- ggplot(niveauGestionProjetApresDC, aes(x = "", y = pct, fill = niveau_apr_dc_gest)) +
    geom_bar(width = 1, stat = "identity", color = "white") +
    coord_polar("y", start = 0) +
    geom_text(aes(y = lab_ypos, label = pct), color = "white") +
    scale_fill_manual(values = colors) +
    theme_void()

  return(plot_grid(plot1, plot2, labels=c("Niveau Gestion de Projet avant", "Niveau Gestion de Projet apr?s"), ncol = 2, nrow = 1))
}

# Call functions
ComparerNiveauCreatifAvantApres()
ComparerNiveauMarketingAvantApres()
ComparerNiveauDeveloppementAvantApres()
ComparerNiveauGestionProjetAvantApres()

############## PARCOURS PROFESSIONNEL ##############
# Regroupe les types de bac en un dataframe
typeBac <- data.frame(csv[,9])

# Compte le nombre de chaque type de bac
typeBac <- csv %>%
  group_by(type_bac)%>%
  summarise(nb = n())%>%
  mutate(pct = round(nb/sum(nb)*100)) %>%
  arrange(desc(type_bac))%>%
  mutate(lab_ypos = cumsum(pct) - 0.5*pct)

# Graphe avec type de bac
tb <- ggplot(typeBac, aes(x="", y=nb, fill=type_bac))+
geom_bar(width = 1, stat = "identity", color = "white")

# Affichage en camembert pour que ce soit plus parlant
# On peut considerer les resultats comme des pourcentages
# Comme le total est egal a 100

tb + coord_polar("y", start=0) +
  geom_text(aes(y = lab_ypos, label = paste0(pct,'%')), color = "white") +
  labs(fill = "Types de bac") + labs(x = "") + labs(y = "") +
  scale_fill_manual(values = colors) +
  theme_void(
  )

# Annee d'obtention du BAC
# Impossible de savoir precisemment quand ils ont eu leur bac
# Alors on va considerer qu'ils l'ont eu a 18 ans
AnneeObtentionBac <-  data.frame(csv$annee_naissance + 18)

names(AnneeObtentionBac)[1] <- "annee_obtention"

# Calcul du nombre de personne ayant obtenu le bac la meme annee
AnneeObtentionBac <- AnneeObtentionBac %>%
  group_by(annee_obtention)%>%
  count()

#affichage goem bar annee obtention
ggplot(data = AnneeObtentionBac, aes(x=annee_obtention, y=n)) +
  geom_bar(stat = 'identity', width = 1, fill = "#2AA4AC", color = '#ffffff') +
  theme(axis.title.x = element_blank(),
  axis.title.y = element_blank()) +
  ggtitle("Nombre d'?tudiants en fonction de l'ann?e d'obtention du bac") +
  theme(plot.title = element_text(size = 15, face = "bold"))

# Parcours DC, type de formation suivie

# Calcul du nombre de personnes en fonction du type de formation
typeFormation <- csv %>%
  group_by(formation_DC)%>%
  count()
# Affichage goem bar type formation
ggplot(data = typeFormation, aes(x=formation_DC, y=n)) +
  geom_bar(stat = 'identity', width = 1, fill = "#2AA4AC", color = '#ffffff') +
  theme(axis.title.x = element_blank(),
        axis.title.y = element_blank()) +
  ggtitle("Nombre d'?tudiants en fonction du type de formation suivie ? Digital Campus") +
  theme(plot.title = element_text(size = 12, face = "bold"))

# Ville de formation

# Calcul du nombre de personnes en fonction du type de formation
villeFormation <- csv %>%
  group_by(ville_formation_DC)%>%
  count()

# Affichage goem bar type formation
ggplot(data = villeFormation, aes(x=ville_formation, y=n)) +
  geom_bar(stat = 'identity', width = 1, fill = "#2AA4AC", color = '#ffffff') +
  theme(axis.title.x = element_blank(),
        axis.title.y = element_blank()) +
  ggtitle("Nombre d'?tudiants en fonction de la ville de formation DC") +
  theme(plot.title = element_text(size = 12, face = "bold"))

# Annee de debut de formation

# Calcul du nombre de personnes en fonction du type de formation
anneeDebut <- csv %>%
  group_by(annee_debut_DC)%>%
  count()
# Affichage goem bar type formation
ggplot(data = anneeDebut, aes(x=annee_debut_DC, y=n)) +
  geom_bar(stat = 'identity', width = 1, fill = "#2AA4AC", color = '#ffffff') +
  theme(axis.title.x = element_blank(),
        axis.title.y = element_blank()) +
  ggtitle("Nombre d'?tudiants en fonction de l'ann?e de d?but de formation") +
  theme(plot.title = element_text(size = 12, face = "bold"))

# Annee de fin de formation

# Calcul du nombre de personnes en fonction du type de formation.
anneeFin <- csv %>%
  group_by(annee_fin_DC)%>%
  count()
# Affichage goem bar type formation.
ggplot(data = anneeFin, aes(x=annee_fin_DC, y=n)) +
  geom_bar(stat = 'identity', width = 1, fill = "#2AA4AC", color = '#ffffff') +
  theme(axis.title.x = element_blank(),
        axis.title.y = element_blank()) +
  ggtitle("Nombre d'?tudiants en fonction de l'ann?e de fin de formation") +
  theme(plot.title = element_text(size = 12, face = "bold"))

############## POST SCOLAIRE ##############
# Salaire
salaires <- csv %>%
  group_by(tranche_salaire)%>%
  summarise(nb = n())%>%
  mutate(pct = round(nb/sum(nb)*100)) %>%
  arrange(desc(tranche_salaire))%>%
  mutate(lab_ypos = cumsum(pct) - 0.5*pct)

ggplot(salaires, aes(x="", y=nb, fill=tranche_salaire)) +
  geom_bar(width = 1, stat = "identity", color = "white") +
  coord_polar("y", start=0)+
  scale_fill_manual(values = colors)


# Situation pro

situationPro <- csv %>%
  group_by(situation_pro)%>%
  summarise(nb = n())%>%
  mutate(pct = round(nb/sum(nb)*100)) %>%
  arrange(desc(situation_pro))%>%
  mutate(lab_ypos = cumsum(pct) - 0.5*pct)

SP <- ggplot(situationPro, aes(x="", y=nb, fill=situation_pro))+
  geom_bar(width = 1, stat = "identity", color = "white")

SP + coord_polar("y", start=0) +
  geom_text(aes(y = lab_ypos, label = paste0(pct,'%')), color = "white") +
  labs(fill = "Situations professionelles") + labs(x = "") + labs(y = "") +
  scale_fill_manual(values = colors) +
  theme_void()

# Departement travail
situation <- csv %>%
  group_by(departement_travail)%>%
  summarise(nb = n())%>%
  mutate(pct = round(nb/sum(nb)*100)) %>%
  arrange(desc(departement_travail))%>%
  mutate(lab_ypos = cumsum(pct) - 0.5*pct)

ggplot(situation, aes(x="", y=nb, fill=departement_travail)) +
  geom_bar(width = 1, stat = "identity", color = "white") +
  scale_fill_manual(values = colors) + 
  coord_polar("y", start=0)

############## ANALYSES STATISTIQUES ##############

# Tests de Khi 2
chisq.test(csv$genre,csv$type_bac) # p-value = 0.8903
chisq.test(csv$type_bac,csv$spe) # p-value = 0.6932
chisq.test(csv$annee_dernier_diplome_avant_DC,csv$dernier_diplome_avant_dc) # p-value = 0.7241
chisq.test(csv$annee_naissance,csv$salaire_embauche_apr_dc) # p-value = 0.07115
chisq.test(csv$annee_naissance,csv$departement_travail) # p-value = 0.7926
chisq.test(csv$annee_naissance,csv$annee_dernier_diplome_avant_DC) # p-value = 0.1434

# Tests de Student
t.test(csv$age ~ csv$genre) # p-value = 0.8035
t.test(csv$age ~ csv$recherche_emploi_apr_dc) # p-value = 0.4518
t.test(csv$age ~ csv$emploi_priv_pub) # p-value = 0.8471
t.test(csv$age ~ csv$change_ville_pr_emploi) # p-value = 0.3162
t.test(csv$age ~ csv$spe_ok) # p-value = 0.7572