removing geofi-examples and geofi dependency

vignettes/read_data.Rmd

@@ -130,48 +130,3 @@ ggplot(d_plot, aes(x = vuosi, y = saaja_lkm, fill = ikaryhma)) +
 ```
 
 
-
-
-```{r}
-d_opintotuki <- kelaopendata::get_data(
-  data_id = d_id,
-  sql = "WHERE etuus = 'Opintolainan valtiontakaus' AND
-                            aikatyyppi = 'Vuosi' AND
-                            vuosi = '2023' AND
-                            etuus = 'Opintolainan valtiontakaus' AND
-                            oppilaitos_peruste = 'Viimeisin oppilaitos'
-                           "
-)
-d_opintotuki
-
-library(geofi)
-muni <- get_municipalities()
-```
-
-Next, let's filter the data locally in R a bit more.
-
-```{r}
-d_plot <- d_opintotuki %>%
-  # Exclude
-  filter(sukupuoli != "Tuntematon",!oppilaitosaste %in% c("Tieto puuttuu", "Yhteensä")) %>%
-  filter(oppilaitosaste == "Yliopistot",
-         !is.na(sukupuoli)) %>% 
-  group_by(kunta_nro,sukupuoli) %>% 
-  summarise(saaja_lkm = sum(saaja_lkm)) %>% 
-  ungroup() %>% 
-  mutate(municipality_code = as.integer(kunta_nro))
-d_plot_sf <- left_join(muni,d_plot)
-```
-
-
-Finally, let's draw a plot on recipients by gender and type of institution
-
-
-```{r, fig.width=8, fig.height=12}
-library(ggplot2)
-ggplot(d_plot_sf, aes(fill = saaja_lkm)) +
-  geom_sf() +
-  facet_wrap(~ sukupuoli) +
-  theme_light()
-```
-

vignettes/read_data_csv.Rmd

@@ -132,45 +132,3 @@ ggplot(d_plot, aes(x = vuosi, y = saaja_lkm, fill = ikaryhma)) +
 ```
 
 
-
-
-```{r}
-d_opintotuki <- d_raw %>% 
-  filter(etuus == 'Opintolainan valtiontakaus',
-         aikatyyppi == 'Vuosi',
-         vuosi == 2023,
-         etuus == 'Opintolainan valtiontakaus',
-         oppilaitos_peruste == 'Viimeisin oppilaitos')
-d_opintotuki
-
-library(geofi)
-muni <- get_municipalities()
-```
-
-Next, let's filter the data locally in R a bit more.
-
-```{r}
-d_plot <- d_opintotuki %>% #count(sukupuoli)
-  # Exclude
-  filter(sukupuoli != "Tuntematon",!oppilaitosaste %in% c("Tieto puuttuu", "Yhteensä")) %>%
-  filter(oppilaitosaste == "Yliopistot",
-         !is.na(sukupuoli)) %>% 
-  group_by(kunta_nro,sukupuoli) %>% 
-  summarise(saaja_lkm = sum(saaja_lkm)) %>% 
-  ungroup() %>% 
-  mutate(municipality_code = as.integer(kunta_nro))
-d_plot_sf <- left_join(muni,d_plot)
-```
-
-
-Finally, let's draw a plot on recipients by gender and type of institution
-
-
-```{r, fig.width=8, fig.height=12}
-library(ggplot2)
-ggplot(d_plot_sf, aes(fill = saaja_lkm)) +
-  geom_sf() +
-  facet_wrap(~ sukupuoli) +
-  theme_light()
-```
-