Tilbage


Delmål 11: Bæredygtige byer og lokalsamfund

Urbanisering


GS Urbanisering
# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("lubridate")
library("scales")

# Import
BEXSTA_raw <- statgl_url("BEXSTA", lang = "da") %>% 
  statgl_fetch(`residence type` = c("A", "B", "C", "D", "E", "F", "G"), .col_code = TRUE) %>% 
  as_tibble() 

# Transform
BEXSTA <- BEXSTA_raw %>% 
  mutate(`residence type` = fct_inorder(`residence type`) %>% fct_rev, 
         time = as.numeric(time))


BEDST4_plot <- BEXSTA %>% 
  ggplot(aes(x = time, y = value, fill = `residence type`)) +
  geom_area(position = "fill") +
  scale_y_continuous(labels = percent) +
  scale_fill_statgl(reverse = TRUE, guide = guide_legend(reverse = TRUE)) +
  theme_statgl() +
  labs(
    title = "Urbanisering",
    subtitle = "Fordeling af lokaliteter efter bostedstype",
    x = " ",
    y = " ",
    fill = "Botedstype",
    caption = "Kilde: https://bank.stat.gl/BEDST4"
  )

BEDST4_plot

Statistikbanken


# Loads
library("pxweb")
library("tidyverse")
library("statgl")
library("lubridate")
library("scales")

# Import
BEXSTA_raw <- statgl_url("BEXSTA", lang = "da") %>% 
  statgl_fetch(`residence type` = c("A", "B", "C", "D", "E", "F", "G"), .col_code = TRUE) %>% 
  as_tibble() 

# Transform
BEXSTA <- BEXSTA_raw %>% 
  mutate(`residence type` = fct_inorder(`residence type`) %>% fct_rev, 
         time = as.numeric(time))


# Table
BEXSTA %>% spread(`residence type`, value) %>% 
  rename(Tid = time) %>% 
  statgl_table(year_col = Tid)
Tid Andre lokaliteter Mindste bosteder Mindre bosteder Bosteder Større bosteder Hovedbosteder Hovedstad
1977 721 516 4.655 7.759 16.862 10.659 8.545
1978 677 471 4.849 6.784 17.375 10.465 8.527
1979 596 448 4.850 6.711 17.296 10.610 8.827
1980 544 554 5.255 6.708 13.807 13.828 9.077
1981 498 525 4.508 7.623 14.040 14.026 9.423
1982 481 513 4.103 8.025 14.358 14.238 9.717
1983 537 587 4.771 7.262 14.453 14.445 9.848
1984 472 466 4.626 7.468 14.665 14.653 9.997
1985 500 377 4.645 7.384 14.655 14.820 10.559
1986 458 354 4.723 7.227 14.791 14.881 10.972
1987 458 379 5.037 6.637 11.828 18.185 11.209
1988 438 423 4.905 6.864 11.776 18.503 11.615
1989 408 311 5.175 6.848 11.910 18.562 11.957
1990 346 347 4.771 7.290 11.953 18.634 12.217
1991 319 409 4.612 7.274 12.058 18.696 12.252
1992 255 388 5.015 6.885 11.997 18.612 12.233
1993 273 333 4.468 7.416 12.096 18.350 12.181
1994 288 315 4.629 7.242 12.114 18.348 12.483
1995 254 314 4.781 6.998 12.235 18.427 12.723
1996 272 252 4.167 7.632 12.232 18.426 12.882
1997 280 289 3.910 7.931 12.139 18.513 12.909
1998 275 235 3.699 8.188 11.992 18.663 13.024
1999 297 218 4.103 7.777 14.827 15.696 13.169
2000 283 233 4.315 7.393 14.776 15.679 13.445
2001 262 216 4.438 7.216 14.798 15.666 13.649
2002 266 151 4.052 7.575 14.818 15.767 13.884
2003 249 164 4.443 7.070 14.802 16.064 13.884
2004 269 186 4.156 7.201 14.650 16.019 14.345
2005 253 259 4.228 6.954 14.644 16.130 14.501
2006 226 290 3.936 7.238 14.421 16.207 14.583
2007 200 226 3.918 7.153 17.332 13.100 14.719
2008 215 262 3.915 6.752 16.988 13.246 15.084
2009 244 272 3.978 6.414 16.845 13.336 15.105
2010 205 254 4.156 6.069 13.982 16.317 15.469
2011 189 255 3.840 6.161 13.855 16.453 15.862
2012 194 266 4.235 5.492 13.739 16.642 16.181
2013 233 244 3.764 5.628 13.530 16.517 16.454
2014 231 266 4.012 5.188 13.356 16.411 16.818
2015 132 370 4.030 4.818 13.308 16.333 16.992
2016 125 395 3.512 5.206 13.081 16.212 17.316
2017 109 352 3.707 4.961 12.958 16.173 17.600
2018 103 388 3.280 5.144 12.891 16.275 17.796
2019 86 392 3.387 4.924 12.924 16.295 17.984
2020 75 365 3.124 5.029 12.782 16.380 18.326
2021 68 353 3.171 5.002 12.623 16.404 18.800