Commit 71f0d51e authored by Helmer Belbo's avatar Helmer Belbo
Browse files

A lot of improvements

parent 76a77c3b
......@@ -3,6 +3,7 @@
export(ld.fylke.mnd)
export(ld.kommune)
export(regnavn.at.ref.yr)
export(regnavn.at.ref.yr2)
export(t03794)
export(t03895)
export(t06216)
......
#' Regioninndeling kommunevis siden 1994
#'
#' En tabell som viser endringer i kommunenes navn og nummer fra utgangspunkt
#' januar 1994 fram til nå. Tabellen kan benyttes sammen med
#' SSB regional statistikk (på kommunenivå) for å koble observasjoner fra
#' tidligere år til dagens kommunestruktur.
#' SSB info: \url{https://www.ssb.no/klass/klassifikasjoner/131}
#'
#'
#'
#' @format En tibble med 436 rader (436 kommuner i '94) og 26 variabler:
#' \describe{
#' \item{reg_code_199401}{Regionkode januar 1994; chr "0101" "0104"...}
#' \item{reg_name_199401}{Regionnavn januar 1994; chr "Halden" "Moss" ...}
#' \item{reg_code_200201}{Regionkode januar 2002; chr "0101" "0104"...}
#' \item{reg_name_200201}{Regionnavn januar 2002; chr "Halden" "Moss" ...}
#' \item{...code...}{fortsetter på samme vis til 2020}
#' \item{...name...}{fortsetter på samme vis til 2020}
#' }
"regref_kommune"
#' Regioninndeling fylkesvis siden 1994
#'
#' En tabell som viser endringer i kommunenes navn og nummer fra utgangspunkt
#' januar 1994 fram til nå. Tabellen kan benyttes sammen med
#' SSB regional statistikk (på kommunenivå) for å koble observasjoner fra
#' tidligere år til dagens kommunestruktur.
#' Fylkesinndelingen og endringer er hentet her: \url {https://www.ssb.no/klass/klassifikasjoner/104}
#'
#' @format En tibble med 20 rader (20 fylker i '94) og 8 variabler:
#' \describe{
#' \item{reg_code_199401}{Regionkode januar 1994; chr "01" "02"...}
#' \item{reg_name_199401}{Regionnavn januar 1994; chr "Østfold" "Akershus" ...}
#' \item{reg_code_200607}{Regionkode juli 2006; chr "01" "02"...}
#' \item{reg_name_200607}{Regionnavn juli 2006; chr "Østfold" "Akershus" ...}
#' \item{...code...}{fortsetter på samme vis til 2020}
#' \item{...name...}{fortsetter på samme vis til 2020}
#' }
"regref_fylke"
#' Hogstvolum fordelt på kommune, sortiment, år fra 1996
#'
#' Data fra SSB: \url {https://www.ssb.no/statbank/table/03014}
#'
#' @format data.frame med om lag 172k obs og 11 variabler:
#' \describe{
#' \item{region}{Navn på kommunen (på hogsttidspunkt); chr "Hele landet" "Halden" ...}
#' \item{kategoritekst}{Sortimentnavn; chr "Gran spesialtømmer" "Furu sekunda sagtømmer" ...}
#' \item{statistikkvariabel}{ ; chr "Kvantum rundvirke avvirket for salg" "Kvantum rundvirke avvirket for salg"...}
#' \item{ar}{Årstall; int "1996" "1997" ...}
#' \item{volum_m3pris}{Volum (avregningsvolum, 1000 m3): int 12 36 85 125 }
#' \item{region_kode}{Kommunenummer på registreringstidspkt: chr "0" "0101" "0102"}
#' \item{virkeskategori}{virkeskategori chr "1110" "1141" "1143" "1148" "1160" "1410" "1490" "2110" "2141" "2143" "2148" "2160" "2410" "2490" "3120" "3400" "3800" "1800"}
#' \item{sortimentgruppe}{sortimentgruppe chr "tømmer" "sams" "massevirke" "annet"}
#' \item{reg_n2020}{Regionnavn (kommunenavn) pr 2020 chr "Hele landet" "Halden" "Moss" "Sarpsborg" "Fredrikstad"}
#' \item{reg_k2020}{Regionkode (kommunekode) pr 2020}
#' }
"m3_sortiment_kmn"
#' Virkesverdi fordelt på kommune, sortiment, år fra 1996
#'
#' Data fra SSB: \url {https://www.ssb.no/statbank/table/03794}
#'
#' @format data.frame med om lag 9542 obs og 7 variabler:
#' \describe{
#' \item{region}{Navn på kommunen (på hogsttidspunkt); chr "Hele landet" "Halden" ...}
#' \item{kategoritekst}{Sortimentnavn; chr "Gran spesialtømmer" "Furu sekunda sagtømmer" ...}
#' \item{statistikkvariabel}{ ; chr "Bruttoverdi" "Bruttoverdi"}
#' \item{ar}{Årstall; int "1996" "1997" ...}
#' \item{bruttoverdi}{Brutto verdi av solgt industrivirke NOK: int 2709220 2877766 2608427 ... }
#' \item{reg_n2020}{Regionnavn (kommunenavn) pr 2020 chr "Hele landet" "Halden" "Moss" "Sarpsborg" "Fredrikstad"}
#' \item{reg_k2020}{Regionkode (kommunekode) pr 2020}
#' }
"virkesverdi_kmn"
......@@ -16,25 +16,28 @@
#' @export
#'
#' @examples regnavn.at.ref.yr(regionstat = t12750(), ref.yr = 2020 ) %>% glimpse()
regnavn.at.ref.yr<- function(regionstat, ref.yr = year(now()), reg_level = "fylke"){
regnavn.at.ref.yr <- function(regionstat, ref.yr = year(now()), reg_level = "fylke"){
# regionstat = t12750() #for testing
# Fetch the relevant region reference table regref
if (reg_level == "fylke"){ regref <- regref_fylke
} else { regref <- regref_kommune}
if (reg_level == "fylke") { regref <- regref_fylke
} else {regref <- regref_kommune}
# harmonizing
ref.yr = as.integer(ref.yr)
print("")
print("Regref:")
glimpse(regref)
# Fetching from regref
regref = as.data.frame(regref, stringsAsFactors = F)
regref <- as.data.frame(regref, stringsAsFactors = F)
regref_n <- names(regref) #their column names
regref_yr <- as.integer(stringr::str_extract(names(regref), "\\d{4}")) #year
regref_typ <- stringr::str_sub(regref_n, 5, 8) # type (code / name)
print("regref_yr and regref_typ wrapped in tibble:")
glimpse(tibble(regref_yr = regref_yr, regref_typ = regref_typ))
print("Samples from regionstat before adding regref_ref.yr_col_code:")
glimpse(regionstat[seq.int(1, dim(regionstat)[1], length.out = 10), ])
regionstat <-
......@@ -48,10 +51,9 @@ glimpse(regionstat[seq.int(1, dim(regionstat)[1], length.out = 10), ])
regref_ref.yr_col_name =
max( which(regref_yr <= ref.yr & regref_typ == "name") ))
print("Samples from regionstat after adding regref_ref.yr_col_code:")
glimpse(regionstat[seq.int(1, dim(regionstat)[1], length.out = 10), ])
print(paste0("regionstat$ar: ", str(regionstat$ar)))
print(paste0("regref_yr : ", str(regref_yr)))
regionstat <-
regionstat %>%
dplyr::mutate(.,
......@@ -65,6 +67,7 @@ glimpse(regionstat[seq.int(1, dim(regionstat)[1], length.out = 10), ])
yr_regref_col_rname = purrr::pmap_int(., .f = function(ar, ...){
max( which( regref_yr <= ar & regref_typ == "name") )
}))
print("Samples from regionstat after adding yr_regref_col_rcode:")
glimpse(regionstat[seq.int(1, dim(regionstat)[1], length.out = 10), ])
regionstat <-
regionstat %>%
......@@ -95,7 +98,8 @@ glimpse(regionstat[seq.int(1, dim(regionstat)[1], length.out = 10), ])
regcode_in_regrefcol | region_kode == "0" ~ T,
TRUE ~ F))
glimpse(regionstat)
print("Samples from regionstat after adding valid_reg:")
glimpse(regionstat[seq.int(1, dim(regionstat)[1], length.out = 10), ])
regionstat <- regionstat %>%
......@@ -118,6 +122,68 @@ glimpse(regionstat[seq.int(1, dim(regionstat)[1], length.out = 10), ])
#' Region navn og region kode for gitt år v2
#'
#' Denne funksjonen tar regionkoder og regionnavn fra en regional statistikk,
#' tar inn tabell som viser historiske endringer i regional inndeling av Norge
#' og gjør om til riktige koder og navn for et gitt referanseår (ref.yr)
#' Funksjonen fungerer for fylkesnivå inkludert landet ELLER for kommunenivå.
#'
#' @param regionstat is the regional statistics, where each obs represent one yar
#' and one region (fylke eller kommune)
#' @param ref.yr is the reference year to which geographic name and code is to be used
#'
#' @return tibble having the regional statistics including the regional
#' names and codes for the reference year in question
#' @export
#'
#' @examples regnavn.at.ref.yr2(regionstat = t12750()) %>% glimpse()
regnavn.at.ref.yr2 <- function(regionstat){
# regionstat = t12750() #for testing
# Fetch the relevant region reference table regref
if (nchar(regionstat$region_kode[1]) == 2) {
regref <- regref_fylke_l
} else {regref <- regref_kommune_l }
# harmonizing
ref.yr <- as.integer(year(now()))
regionstat <-
regionstat %>%
dplyr::mutate(.,
# which row in regref the region_code and observation year belongs to:
regrefrow = purrr::pmap_int(., .f = function(region_kode, ar, ...){
# 1: check if exists a part of regref where "region_code_from" == region_kode AND yfrom <= ar
tmprr <-
regref %>%
filter(., reg_code_from == region_kode, yfrom <= ar)
if (nrow(tmprr) > 0 ) {
rrr <- max( which(regref$reg_code_from == region_kode & regref$yfrom <= ar))
} else {
rrr <- NA_integer_
}
return(rrr)
})) %>%
dplyr::filter(., !is.na(regrefrow)) %>%
# Then we have index needed to pick the right row
# to populate both reg_k@ref.yr and reg_n@ref.yr
dplyr::mutate(.,
!!sym(paste0("reg_n", ref.yr)) := coalesce(regref$reg_name_to[(regrefrow)], region),
!!sym(paste0("reg_k", ref.yr)) := coalesce(regref$reg_code_to[(regrefrow)], region_kode)
)
return(regionstat)
}
......@@ -7,34 +7,34 @@
#' Litt usikker om energivirkesortimenter og ved er med.
#' https://www.ssb.no/statbank/list/skogav
#'
#' @param geolevel Select type oneof: "fylke", "kommune", "landet"
#' @param region_level Select type oneof: "fylke", "kommune"
#'
#' @return en tibble med hele datasetet.
#' @export
#'
#' @examples
#' t03794()
t03794 <- function(geolevel = 'fylke'){
t03794 <- function(region_level = 'fylke'){
if (!(geolevel %in% c("fylke", "kommune", "landet"))) {stop("warning: to get result, ret should be one of 'fylker', 'kommuner', 'landet'" )}
if (!(region_level %in% c("fylke", "kommune"))) {stop("warning: to get result, ret should be one of 'fylker', 'kommuner'" )}
metadt <- PxWebApiData::ApiData("http://data.ssb.no/api/v0/no/table/03794", returnMetaData = TRUE)
regs <- unlist(purrr::flatten(metadt[[1]][3]))
kommuner <- regs[stringr::str_length(regs) == 4]
fylker <- regs[stringr::str_length(regs) == 2]
landet <- regs[stringr::str_length(regs) == 1]
geolevels <- list(kommune = kommuner, fylke = fylker, landet = landet)
geoselector <- which(names(geolevels) == geolevel)
region_levels <- list(kommune = kommuner, fylke = fylker)
regionlevelselector <- which(names(region_levels) == region_level)
pxdt <- PxWebApiData::ApiData("http://data.ssb.no/api/v0/no/table/03794",
#Region = T, #c(landet, geolevels[[geoselector]]),
Region = c(landet, geolevels[[geoselector]]),
#Region = T, #c(landet, region_levels[[regionlevelselector]]),
Region = region_levels[[regionlevelselector]],
Tid = T, #c("2010", "2016", "2017"),
ContentsCode = T # 10i)
)
regioner_utvalg <-
regioner_utvalg <- # identify regions havreing volumes
dplyr::as.tbl(pxdt[[1]]) %>%
dplyr::rename(., bruttoverdi = value) %>%
dplyr::group_by(region) %>%
......@@ -50,8 +50,8 @@ t03794 <- function(geolevel = 'fylke'){
dplyr::rename(., ar = år, bruttoverdi = value) %>%
dplyr::bind_cols(., (ds %>% dplyr::select(., region_kode))) %>%
dplyr::filter(., region %in% regioner_utvalg) %>%
dplyr::mutate(., ar = as.integer(ar)
)
dplyr::mutate(., ar = as.integer(ar))
return(bruttov)
}
......@@ -70,13 +70,15 @@ t03794 <- function(geolevel = 'fylke'){
#' @examples
#' t12750()
t12750 <- function(){
#metadt = ApiData("http://data.ssb.no/api/v0/no/table/12750", returnMetaData = TRUE)
metadt <- PxWebApiData::ApiData("http://data.ssb.no/api/v0/no/table/12750", returnMetaData = TRUE)
regs <- unlist(purrr::flatten(metadt[[1]][3]))
fylker <- regs[stringr::str_length(regs) == 2]
pxdt <- PxWebApiData::ApiData("http://data.ssb.no/api/v0/no/table/12750" , #returnMetaFrames = T)
# Gjennomsnittspris, etter sortiment (kr per m3) (F)
# tidsserie 2006 - 2018
# NB: 0 betyr NULL
Region = T, ContentsCode = T,
Region = fylker, ContentsCode = T,
Tid = T,
Treslag = T
)
......@@ -129,10 +131,14 @@ t12750 <- function(){
#' t06216()
t06216 <- function(){ # NB: avslutta, tidsserie 1996 - 2017
# Gjennomsnittspris, etter sortiment (kr per m?) (F)
# ApiData("http://data.ssb.no/api/v0/no/table/06216", returnMetaData = TRUE)
# Gjennomsnittspris, etter sortiment (kr per m3) (F)
metadt <- PxWebApiData::ApiData("http://data.ssb.no/api/v0/no/table/06216", returnMetaData = TRUE)
regs <- unlist(purrr::flatten(metadt[[1]][3]))
fylker <- regs[stringr::str_length(regs) == 2]
pxdt <- PxWebApiData::ApiData("http://data.ssb.no/api/v0/no/table/06216",
Region = T,
Region = fylker,
Tid = T,
Treslag = T )
regioner_utvalg <- dplyr::as.tbl(pxdt[[2]]) %>%
......@@ -166,12 +172,10 @@ t06216 <- function(){ # NB: avslutta, tidsserie 1996 - 2017
),
ar = as.numeric(ar)
)
return(priser)
}
####### t03794
####### t03895
#' Skogsavvirkning volum t03895
#' Hogststatistikk for tømmer SSB tabell 03895
#' 1996 - 2018
......@@ -179,16 +183,16 @@ t06216 <- function(){ # NB: avslutta, tidsserie 1996 - 2017
#' Tabellen gir avvirkning for salg, etter sortiment, volum, kommune.
#' Volum e avregningsvolum, m3pris
#'
#' @param geolevel geografic resolution of the data; landet, fylke or kommune
#' @param region_level geografic resolution of the data; landet, fylke or kommune
#'
#' @return en tibble
#' @export
#'
#' @examples
#' t03895()
t03895 <- function(geolevel = 'fylke'){ # 1996 - 2018
t03895 <- function(region_level = 'fylke'){ # 1996 - 2018
if ( !(geolevel %in% c("fylke", "kommune", "landet"))) { stop("warning: to get result, ret should be one of 'fylker', 'kommuner', 'landet'" )}
if ( !(region_level %in% c("fylke", "kommune"))) { stop("warning: to get result, region_level should be one of 'fylker', 'kommune'" )}
metadt <- PxWebApiData::ApiData("http://data.ssb.no/api/v0/no/table/03895", returnMetaData = TRUE)
regs <- unlist(purrr::flatten(metadt[[1]][3]))
......@@ -196,12 +200,11 @@ t03895 <- function(geolevel = 'fylke'){ # 1996 - 2018
fylker <- regs[stringr::str_length(regs) == 2]
landet <- regs[stringr::str_length(regs) == 1]
geolevels <- list(kommune = kommuner, fylke = fylker, landet = landet)
geoselector <- which(names(geolevels) == geolevel)
s <- list(kommune = kommuner, fylke = fylker, landet = landet)
regionlevelselector <- which(names(s) == region_level)
pxdt <- PxWebApiData::ApiData("http://data.ssb.no/api/v0/no/table/03895",
#Region = T, #c(landet, geolevels[[geoselector]]),
Region = c(landet, geolevels[[geoselector]]),
Region = s[[regionlevelselector]],
Tid = T, #c("2010", "2016", "2017"),
Treslag = T # 10i)
)
......
# vsop - rpkg for organizing roundwood logging data from vsop and derived sources
Landbruksdirektoratet is providing statistics for annual industrial cut at municipality level
in excel sheets, one excel document for each year.
Landbruksdirektoratet is providing statistics for annual industrial roundwood at municipality level in excel sheets, one excel document for each year.
https://www.landbruksdirektoratet.no/no/statistikk/skogbruk/tommeravvirkning
SSB provide similar statistics, but some of it only at county level, annual resolution and
......@@ -16,15 +15,21 @@ Load dependent packages:
```r
invisible(
lapply( c("magrittr","stringr","dplyr","tibble","lubridate","readxl","PxWebApiData"),
library,character.only =T))
library, character.only = T))
```
Install package in R:
```r
devtools::install_git('https://gitlab.nibio.no/hbel/vsop.git')
```
Demo of readymade datasets within the package:
```r
glimpse(m3_sortiment_kmn) # annual total volume by assortment and minicipality.
glimpse(virkesverdi_kmn) # annual roundwood total value by municipality
```
Demo:
Demo of some functions:
```r
vsop::regnavn.at.ref.yr(regionstat = vsop::t12750(), ref.yr = 2020 ) -> fylke_priser
vsop::regnavn.at.ref.yr(regionstat = vsop::t03895(geolevel = "fylke"), ref.yr = 2020 ) -> fylke_volum
......
......@@ -127,7 +127,6 @@ regupdated = function(files){
no.regiontabell.flk = function(){
#Fylker: https://www.ssb.no/en/klass/klassifikasjoner/104/versjon/1158/koder
files <- list.files( path = "./data-raw", pattern = ".txt", full.names = T) %>%
.[which(!stringr::str_detect(., "~"))] %>%
.[which(stringr::str_detect(., "Regindeling_Fylker"))]
......@@ -137,10 +136,11 @@ no.regiontabell.flk = function(){
no.regiontabell.kmn = function(){
#Kommuner: https://www.ssb.no/en/klass/klassifikasjoner/131
#Kommuner: https://www.ssb.no/klass/klassifikasjoner/131
files <- list.files(path = "./data-raw", pattern = ".txt", full.names = T) %>%
.[which(!stringr::str_detect(., "~"))] %>%
.[which(stringr::str_detect(., "Regindeling_Kommuner"))]
print(files)
inndeling <- regupdated(files = files)
return(inndeling)
......@@ -149,11 +149,59 @@ no.regiontabell.kmn = function(){
regref_fylke <- no.regiontabell.flk()
regref_kommune <- no.regiontabell.kmn()
## KPI
#metadt <- PxWebApiData::ApiData("http://data.ssb.no/api/v0/no/table/08981", returnMetaData = TRUE)
# creating a "long" mapping table between present region codes and current region codes.
prolong_region_mapping_table <- function(wide_region_mapping_table) {
regref_codes <- wide_region_mapping_table %>% select(., starts_with("reg_code"))
regref_names <- wide_region_mapping_table %>% select(., starts_with("reg_name"))
start_states <- data.frame()
for (i in sequence(ncol(regref_codes) )) {
one_state_c = regref_codes[,i] %>%
tidyr::pivot_longer(., cols = everything(), names_to = "time_from", values_to = "region_code" ) %>%
mutate(., ymfrom = stringr::str_extract(time_from, "\\d{6}"),
yfrom = stringr::str_extract(ymfrom, "\\d{4}")) %>%
select(., ymfrom, yfrom, reg_code_from = region_code)
one_state_n = regref_names[,i] %>%
tidyr::pivot_longer(., cols = everything(), names_to = "time_from", values_to = "region_name" ) %>%
mutate(., ymfrom = stringr::str_extract(time_from, "\\d{6}"),
yfrom = stringr::str_extract(ymfrom, "\\d{4}")) %>%
select(., reg_name_from = region_name)
one_state <- dplyr::bind_cols(one_state_c, one_state_n)
start_states <- dplyr::bind_rows(start_states, one_state)
}
end_states <- data.frame()
for (i in sequence(ncol(regref_codes) )) {
one_state_c = regref_codes[,ncol(regref_codes)] %>%
tidyr::pivot_longer(., cols = everything(), names_to = "end_time", values_to = "region_code" ) %>%
mutate(., ymto = stringr::str_extract(end_time, "\\d{6}"),
yto = stringr::str_extract(ymto, "\\d{4}")) %>%
select(., ymto, yto, reg_code_to = region_code )
one_state_n = regref_names[,ncol(regref_names)] %>%
tidyr::pivot_longer(., cols = everything(), names_to = "end_year", values_to = "region_name" ) %>%
mutate(., ymto = stringr::str_extract(end_year, "\\d{6}"),
yto = stringr::str_extract(ymto, "\\d{4}")) %>%
select(., reg_name_to = region_name)
one_state <- dplyr::bind_cols(one_state_c, one_state_n)
end_states <- dplyr::bind_rows(end_states, one_state)
}
region_mapping_l <- dplyr::bind_cols(start_states, end_states)
return(region_mapping_l)
}
regref_kommune_l = prolong_region_mapping_table(wide_region_mapping_table = regref_kommune)
regref_fylke_l = prolong_region_mapping_table(wide_region_mapping_table = regref_fylke)
## KPI
# https://www.ssb.no/statbank/table/03014
#metadt <- PxWebApiData::ApiData("http://data.ssb.no/api/v0/no/table/03014", returnMetaData = TRUE)
pxdt_t03014 <- PxWebApiData::ApiData("http://data.ssb.no/api/v0/no/table/03014",
Konsumgrp = "TOTAL",
......@@ -166,4 +214,53 @@ kpi_t03014 <-
usethis::use_data(regref_kommune, regref_fylke, kpi_t03014, overwrite = T)
m3_sortiment_kmn <-
regnavn.at.ref.yr(
regionstat = t03895(region_level = "kommune"),
reg_level = "kommune", ref.yr = 2020 ) %>%
dplyr::select(.,
-tidyselect::starts_with("regref_"),
-tidyselect::starts_with("regcode_"),
-tidyselect::starts_with("yr_"),
-tidyselect::starts_with("valid"))
m3_sortiment_flk <-
regnavn.at.ref.yr2( regionstat = t03895(region_level = "fylke") ) %>%
dplyr::select(., -regrefrow)
virkesverdi_kmn <-
regnavn.at.ref.yr(
regionstat = t03794( region_level = "kommune"),
reg_level = "kommune") %>%
dplyr::select(.,
-tidyselect::starts_with("regref_"),
-tidyselect::starts_with("regcode_"),
-tidyselect::starts_with("yr_"),
-tidyselect::starts_with("valid"))
virkesverdi_kmn2 <-
regnavn.at.ref.yr2(
regionstat = t03794( region_level = "kommune")) %>%
dplyr::select(.,
-regrefrow)
virkesverdi_flk <-
regnavn.at.ref.yr2(
regionstat = t03794( region_level = "fylke")) %>%
dplyr::select(.,
-regrefrow)
usethis::use_data(
m3_sortiment_kmn,
m3_sortiment_flk,
virkesverdi_kmn,
virkesverdi_flk,
regref_kommune,
regref_fylke,
regref_kommune_l,
regref_fylke_l,
kpi_t03014,
overwrite = T)
% Generated by roxygen2: do not edit by hand
% Please edit documentation in R/data.R
\docType{data}
\name{m3_sortiment_kmn}
\alias{m3_sortiment_kmn}
\title{Hogstvolum fordelt på kommune, sortiment, år fra 1996}
\format{data.frame med om lag 172k obs og 11 variabler:
\describe{
\item{region}{Navn på kommunen (på hogsttidspunkt); chr "Hele landet" "Halden" ...}
\item{kategoritekst}{Sortimentnavn; chr "Gran spesialtømmer" "Furu sekunda sagtømmer" ...}
\item{statistikkvariabel}{ ; chr "Kvantum rundvirke avvirket for salg" "Kvantum rundvirke avvirket for salg"...}
\item{ar}{Årstall; int "1996" "1997" ...}
\item{volum_m3pris}{Volum (avregningsvolum, 1000 m3): int 12 36 85 125 }
\item{region_kode}{Kommunenummer på registreringstidspkt: chr "0" "0101" "0102"}
\item{virkeskategori}{virkeskategori chr "1110" "1141" "1143" "1148" "1160" "1410" "1490" "2110" "2141" "2143" "2148" "2160" "2410" "2490" "3120" "3400" "3800" "1800"}
\item{sortimentgruppe}{sortimentgruppe chr "tømmer" "sams" "massevirke" "annet"}
\item{reg_n2020}{Regionnavn (kommunenavn) pr 2020 chr "Hele landet" "Halden" "Moss" "Sarpsborg" "Fredrikstad"}
\item{reg_k2020}{Regionkode (kommunekode) pr 2020}
}}
\usage{
m3_sortiment_kmn
}
\description{
Data fra SSB: \url {https://www.ssb.no/statbank/table/03014}
}
\keyword{datasets}
% Generated by roxygen2: do not edit by hand
% Please edit documentation in R/no_regioninndeling.R
\name{regnavn.at.ref.yr2}
\alias{regnavn.at.ref.yr2}
\title{Region navn og region kode for gitt år v2}
\usage{
regnavn.at.ref.yr2(regionstat)
}
\arguments{
\item{regionstat}{is the regional statistics, where each obs represent one yar
and one region (fylke eller kommune)}
\item{ref.yr}{is the reference year to which geographic name and code is to be used}
}
\value{
tibble having the regional statistics including the regional
names and codes for the reference year in question
}
\description{
Denne funksjonen tar regionkoder og regionnavn fra en regional statistikk,
tar inn tabell som viser historiske endringer i regional inndeling av Norge
og gjør om til riktige koder og navn for et gitt referanseår (ref.yr)
Funksjonen fungerer for fylkesnivå inkludert landet ELLER for kommunenivå.
}
\examples{
regnavn.at.ref.yr2(regionstat = t12750()) \%>\% glimpse()
}
......@@ -4,10 +4,10 @@
\alias{t03794}
\title{Skogsavvirkning bruttoverdi t03794}
\usage{
t03794(geolevel = "fylke")
t03794(region_level = "fylke")
}
\arguments{
\item{geolevel}{Select type oneof: "fylke", "kommune", "landet"}
\item{region_level}{Select type oneof: "fylke", "kommune"}
}
\value{
en tibble med hele datasetet.
......
......@@ -6,10 +6,10 @@
Hogststatistikk for tømmer SSB tabell 03895
1996 - 2018}
\usage{
t03895(geolevel = "fylke")
t03895(region_level = "fylke")
}
\arguments{
\item{geolevel}{geografic resolution of the data; landet, fylke or kommune}