Dev rlabel

internal/create_table.R

@@ -22,25 +22,31 @@ source("internal/add_funcs.R")
 
 
 # Kontrollere funksjoner
-add_func('validator', 'validate', keyword = "r kontrollere regelbasert")
-add_func('confront', 'validate', keyword = "r kontrollere regelbasert")
-add_func('ThError', 'Kostra', keyword = "r kontrollere statistisk")
-add_func('Hb', 'Kostra', keyword = "r kontrollere statistisk")
-add_func('Quartile', 'Kostra', keyword = "r kontrollere statistisk")
-add_func('OutlierRegressionMicro', 'Kostra', keyword = "r kontrollere statistisk")
-add_func('Rank2NumVar', 'Kostra', keyword = "r kontrollere statistisk" )
-add_func("Diff2NumVar", "Kostra", keyword = "r kontrollere statistisk" )
-add_func("AggrSml2NumVar", "Kostra", keyword = "r kontrollere statistisk" )
-add_func("get_extremes", "struktuR", keyword = "r kontrollere statistisk" )
+add_func('validator', 'validate', keyword = "rfunc kontrollere regelbasert")
+add_func('confront', 'validate', keyword = "rfunc kontrollere regelbasert")
+add_func('ThError', 'Kostra', keyword = "rfunc kontrollere statistisk")
+add_func('Hb', 'Kostra', keyword = "rfunc kontrollere statistisk")
+add_func('Quartile', 'Kostra', keyword = "rfunc kontrollere statistisk")
+add_func('OutlierRegressionMicro', 'Kostra', keyword = "rfunc kontrollere statistisk")
+add_func('Rank2NumVar', 'Kostra', keyword = "rfunc kontrollere statistisk" )
+add_func("Diff2NumVar", "Kostra", keyword = "rfunc kontrollere statistisk" )
+add_func("AggrSml2NumVar", "Kostra", keyword = "rfunc kontrollere statistisk" )
+add_func("get_extremes", "struktuR", keyword = "rfunc kontrollere statistisk" )
 
 # Imputere
-add_func('modifier', 'dcmodify', keyword = "r imputere regelbasert")
-add_func('impute_proxy', 'simputation', keyword = "r imputere donor")
-add_func('impute_knn', 'simputation', keyword = "r imputere donor")
-add_func('lm', 'stats', keyword = "r imputere analyse modellbasert")
-add_func('impute_pmm', 'simputation', keyword = "r imputere donor")
-add_func('impute_rhd', 'simputation', keyword = "r imputere donor")
-add_func('LmImpute', 'Kostra', keyword = "r imputere modellbasert kontrollere statistisk")
+add_func('modifier', 'dcmodify', keyword = "rfunc imputere regelbasert")
+add_func('impute_proxy', 'simputation', keyword = "rfunc imputere donor")
+add_func('impute_knn', 'simputation', keyword = "rfunc imputere donor")
+add_func('lm', 'stats', keyword = "rfunc imputere analyse modellbasert",
+         name = 'Fitting Linear Models', 
+         descrip = "'lm' is used to fit linear models. It can be used to carry out regression, single stratum analysis of variance and analysis of covariance (although aov may provide a more convenient interface for these).",
+         url = "https://search.r-project.org/R/refmans/stats/html/lm.html",
+         pack_url="https://search.r-project.org/R/refmans/stats/html/00Index.html"
+
+         )
+#add_func('impute_pmm', 'simputation', keyword = "rfunc imputere donor") # bugs in function
+add_func('impute_rhd', 'simputation', keyword = "rfunc imputere donor")
+add_func('LmImpute', 'Kostra', keyword = "rfunc imputere modellbasert kontrollere statistisk")
 add_func('SVC', 'sklearn.svm', keyword='python imputere maskinlaering',
          name="C-Support Vector Classification.",
          descrip = 'The implementation is based on libsvm. The fit time scales at least quadratically with the number of samples and may be impractical beyond tens of thousands of samples.',
@@ -62,73 +68,73 @@ add_func('OLS', 'statsmodels.regression.linear_model', keyword='python imputere
 
 
 # Strukturere
-add_func("HierarchyCompute", "SSBtools", keyword = "r strukturere")
-add_func("model_aggregate", "SSBtools", keyword = "r strukturere 6.2")
+add_func("HierarchyCompute", "SSBtools", keyword = "rfunc strukturere")
+add_func("model_aggregate", "SSBtools", keyword = "rfunc strukturere 6.2")
 
 # Konfidensialitet
-add_func("PLSroundingPublish", "SmallCountRounding", keyword = "r konfidensialitet avrunding 6.4")
-add_func("ProtectKostra", "Kostra", keyword = "r konfidensialitet undertrykking 6.4" )
-add_func("ProtectTableData", "easySdcTable", keyword = "r konfidensialitet undertrykking 6.4" )
-add_func("SdcForetakPerson", "SdcForetakPerson", keyword = "r konfidensialitet undertrykking avrunding 6.4" )
-
-add_func("SuppressSmallCounts", "GaussSuppression", keyword = "r konfidensialitet undertrykking 6.4")
-add_func("SuppressDominantCells", "GaussSuppression", keyword = "r konfidensialitet undertrykking 6.4")
-add_func("SuppressFewContributors", "GaussSuppression", keyword = "r konfidensialitet undertrykking 6.4")
-add_func("SuppressKDisclosure", "GaussSuppression", keyword = "r konfidensialitet undertrykking 6.4")
-add_func("GaussSuppressionFromData", "GaussSuppression", keyword = "r konfidensialitet undertrykking 6.4")
-add_func("GaussSuppressDec", "GaussSuppression", keyword = "r konfidensialitet undertrykking 6.4")
-add_func("SuppressionFromDecimals", "GaussSuppression", keyword = "r konfidensialitet undertrykking 6.4")
+add_func("PLSroundingPublish", "SmallCountRounding", keyword = "rfunc konfidensialitet avrunding 6.4")
+add_func("ProtectKostra", "Kostra", keyword = "rfunc konfidensialitet undertrykking 6.4" )
+add_func("ProtectTableData", "easySdcTable", keyword = "rfunc konfidensialitet undertrykking 6.4" )
+add_func("SdcForetakPerson", "SdcForetakPerson", keyword = "rfunc konfidensialitet undertrykking avrunding 6.4" )
+
+add_func("SuppressSmallCounts", "GaussSuppression", keyword = "rfunc konfidensialitet undertrykking 6.4")
+add_func("SuppressDominantCells", "GaussSuppression", keyword = "rfunc konfidensialitet undertrykking 6.4")
+add_func("SuppressFewContributors", "GaussSuppression", keyword = "rfunc konfidensialitet undertrykking 6.4")
+add_func("SuppressKDisclosure", "GaussSuppression", keyword = "rfunc konfidensialitet undertrykking 6.4")
+add_func("GaussSuppressionFromData", "GaussSuppression", keyword = "rfunc konfidensialitet undertrykking 6.4")
+add_func("GaussSuppressDec", "GaussSuppression", keyword = "rfunc konfidensialitet undertrykking 6.4")
+add_func("SuppressionFromDecimals", "GaussSuppression", keyword = "rfunc konfidensialitet undertrykking 6.4")
 
 # Sesongjustering - missing html for functions in pickmdl. Can't install with Java so use manual
 # eexport = False for all due to difficulties in installing in Admin sone
-add_func("x13", "RJDemetra", keyword = "r sesongjustering 6.1",
+add_func("x13", "RJDemetra", keyword = "rfunc sesongjustering 6.1",
          name = "Seasonal Adjustment with X13-ARIMA",
          descrip = "Functions to estimate the seasonally adjusted series (sa) with the X13-ARIMA method. This is achieved by decomposing the time series (y) into the trend-cycle (t), the seasonal component (s) and the irregular component (i). The final seasonally adjusted series shall be free of seasonal and calendar-related movements. x13 returns a preformatted result while jx13 returns the Java objects resulting from the seasonal adjustment.",
          export = FALSE) # Currently not included in tests and imports in package. (problems)
-add_func("x13_spec", "RJDemetra", keyword = "r sesongjustering 6.1", 
+add_func("x13_spec", "RJDemetra", keyword = "rfunc sesongjustering 6.1", 
         name = "X-13ARIMA model specification, SA/X13",
         descrip = 'Function to create (and/or modify) a c("SA_spec", "X13") class object with the SA model specification for the X13 method. It can be done from a pre-defined "JDemetra+" model specification (a character), a previous specification (c("SA_spec", "X13") object) or a seasonal adjustment model (c("SA", "X13") object).',
         export = FALSE) # Currently not included in tests and imports in package. (problems)
-add_func("x13_pickmdl", "pickmdl", keyword = "r sesongjustering 6.1" , url="https://github.com/statisticsnorway/pickmdl/blob/main/man/x13_pickmdl.Rd",
+add_func("x13_pickmdl", "pickmdl", keyword = "rfunc sesongjustering 6.1" , url="https://github.com/statisticsnorway/pickmdl/blob/main/man/x13_pickmdl.Rd",
     name = "x13 with PICKMDL and partial concurrent possibilities",
     descrip="x13 can be run as usual (automdl) or with a PICKMDL specification. The ARIMA model, outliers and filters can be identified at a certain date and then held fixed (with a new outlier-span).",
     export = FALSE)
-add_func("x13_automdl", "pickmdl", keyword = "r sesongjustering 6.1", url="https://github.com/statisticsnorway/pickmdl/blob/main/man/x13_pickmdl.Rd",
+add_func("x13_automdl", "pickmdl", keyword = "rfunc sesongjustering 6.1", url="https://github.com/statisticsnorway/pickmdl/blob/main/man/x13_pickmdl.Rd",
     name = "x13 with PICKMDL and partial concurrent possibilities",
     descrip = "x13 can be run as usual (automdl) or with a PICKMDL specification. The ARIMA model, outliers and filters can be identified at a certain date and then held fixed (with a new outlier-span).",
     export = FALSE)
-add_func("x13_both", "pickmdl", keyword = "r sesongjustering 6.1", url="https://github.com/statisticsnorway/pickmdl/blob/main/man/x13_both.Rd",
+add_func("x13_both", "pickmdl", keyword = "rfunc sesongjustering 6.1", url="https://github.com/statisticsnorway/pickmdl/blob/main/man/x13_both.Rd",
     name = "x13_spec and x13_pickmdl wrapped as a single function",
     descrip = "Output is determined by the parameter: both_output.",
     export = FALSE)
 
-add_func("x13_text_frame", "pickmdl", keyword = "r sesongjustering 6.1", url="https://github.com/statisticsnorway/pickmdl/blob/main/man/x13_text_frame.Rd",
+add_func("x13_text_frame", "pickmdl", keyword = "rfunc sesongjustering 6.1", url="https://github.com/statisticsnorway/pickmdl/blob/main/man/x13_text_frame.Rd",
          pack_url="https://github.com/statisticsnorway/pickmdl/",
          name = "Multiple x13_both runs with code input from a data frame",
          descrip = "Gjør det mulig med sesongjustering av mange serier basert på parametere i en data.frame (f.eks lest inn fra en excel-fil).",
          export = FALSE)
-add_func("konstruksjon", "pickmdl", keyword = "r sesongjustering 6.1", url="https://github.com/statisticsnorway/pickmdl/blob/main/man/konstruksjon.Rd",
+add_func("konstruksjon", "pickmdl", keyword = "rfunc sesongjustering 6.1", url="https://github.com/statisticsnorway/pickmdl/blob/main/man/konstruksjon.Rd",
          pack_url="https://github.com/statisticsnorway/pickmdl/",
          name = "Lage faktorer for kalendereffekter",
          descrip = "Fleksibel funksjon som lager ulike kalendervariable, som f.eks. TD-, WD- og påskevariable, tilpasset norske forhold.",
          export = FALSE)
 
 
 # Analyse
-add_func("shortest_path_igraph", "GISSB", keyword = "r analyse romlig")
-add_func("shortest_path_cppRouting", "GISSB", keyword = "r analyse romlig")
+add_func("shortest_path_igraph", "GISSB", keyword = "rfunc analyse romlig")
+add_func("shortest_path_cppRouting", "GISSB", keyword = "rfunc analyse romlig")
 
 # Indeksberegning
-add_func("CalcInd", "SSBpris", keyword = "r indeksberegning")
-add_func("CalcIndS2", "SSBpris", keyword = "r indeksberegning usikkerhetsberegning")
+add_func("CalcInd", "SSBpris", keyword = "rfunc indeksberegning")
+add_func("CalcIndS2", "SSBpris", keyword = "rfunc indeksberegning usikkerhetsberegning")
 
 # Vektberegning
-add_func("struktur_model", "struktuR", keyword = "r vektberegning modellbasert", 
+add_func("struktur_model", "struktuR", keyword = "rfunc vektberegning modellbasert", 
          url = "https://statisticsnorway.github.io/struktuR/reference/struktur_model.html")
-add_func("quantile_weighted", "SSBtools", keyword = "r analyse vektberegning")
+add_func("quantile_weighted", "SSBtools", keyword = "rfunc analyse vektberegning")
 
 # Usikkerhetsberegning
-add_func("CalibrateSSB", "CalibrateSSB", keyword = "r vektberegning usikkerhetsberegning designbasert")
-add_func("PanelEstimation", "CalibrateSSB", keyword = "r vektberegning usikkerhetsberegning designbasert")
+add_func("CalibrateSSB", "CalibrateSSB", keyword = "rfunc vektberegning usikkerhetsberegning designbasert")
+add_func("PanelEstimation", "CalibrateSSB", keyword = "rfunc vektberegning usikkerhetsberegning designbasert")
 
 

website/catalog.qmd

@@ -35,8 +35,8 @@ testdata = JSON.parse(my_ojs_data)
 //| panel: input
 
 
-viewof lang = Inputs.radio(new Map([["R", "r"], ["python", "python"]]),
-  {label: "Språk: ", value: "r"}
+viewof lang = Inputs.radio(new Map([["R", "rfunc"], ["python", "python"]]),
+  {label: "Språk: ", value: "rfunc"}
 )
 
 

website/catalogue_conf.qmd

@@ -26,6 +26,7 @@ dt <- dt[grepl("konfidensialitet", dt$keyword), ]
 
 # Add column for language
 dt["språk"] <- stringr::word(dt$keyword)[1]
+dt["språk"] <- ifelse(dt["språk"] == "rfunc", "R", "Python")
 
 # Add column for combination of function name and link
 dt["func_link"] <- str_trim(do.call(paste, c(dt[c("func", "url")], sep = ";")))

website/catalogue_edit.qmd

@@ -25,6 +25,7 @@ dt <- dt[grepl("impute", dt$keyword) | grepl("kontrollere", dt$keyword), ]
 
 # Add column for language
 dt["språk"] <- stringr::word(dt$keyword)[1]
+dt["språk"] <- ifelse(dt["språk"] == "rfunc", "R", "Python")
 
 # Add column for combination of function name and link
 dt["func_link"] <- str_trim(do.call(paste, c(dt[c("func", "url")], sep = ";")))

website/catalogue_sesong.qmd

@@ -6,5 +6,8 @@ format:
     page-layout: full
 sidebar: false
 ---
+<br>
 
-Sesongjustering er å bruke statistiske metoder for å fjerne systematiske sesongvariasjoner fra en månedlig eller kvartalsvis tidsserie, slik at tidsserien i størst mulig grad uttrykker den reelle utviklingen over tid. I tillegg forsøker man å fjerne kalendereffektene som varierer fra år til år, slik som påske. I sesongjusteringsprosessen spaltes den prekorrigerte (kalenderjusterte) tidsserien opp i tre komponenter: sesong, en irregulær og trend-syklus. Når dataene er korrigert for de sesongrelaterte forholdene, vil man stå igjen med et klarere bilde av den underliggende utviklingen i tidsserien som består av trend-syklus og irregulær komponent. Sesongjusterte data brukes ofte som utgangspunkt for opprettelse eller revidering av økonomisk politikk og økonomisk forskning på høyt nivå. Trend-syklus-komponenten er glattere enn sesongjusterte tall, og kan evt. formidles til brukerne i tillegg. I tidsserieanalyse kan en også justere tidsseriene for evt. brudd. Du kan finne mer informasjon om Sesongjustering og tidsserieanalyse på [Byrånettet](https://ssbno.sharepoint.com/sites/Metodikkistatistikkproduksjonen/SitePages/Sesongjustering.aspx).
+Sesongjustering er å bruke statistiske metoder for å fjerne systematiske sesongvariasjoner fra en månedlig eller kvartalsvis tidsserie, slik at tidsserien i størst mulig grad uttrykker den reelle utviklingen over tid. I tillegg forsøker man å fjerne kalendereffektene som varierer fra år til år, slik som påske. I sesongjusteringsprosessen spaltes den prekorrigerte (kalenderjusterte) tidsserien opp i tre komponenter: sesong, en irregulær og trend-syklus. Når dataene er korrigert for de sesongrelaterte forholdene, vil man stå igjen med et klarere bilde av den underliggende utviklingen i tidsserien som består av trend-syklus og irregulær komponent. Sesongjusterte data brukes ofte som utgangspunkt for opprettelse eller revidering av økonomisk politikk og økonomisk forskning på høyt nivå. Trend-syklus-komponenten er glattere enn sesongjusterte tall, og kan evt. formidles til brukerne i tillegg. I tidsserieanalyse kan en også justere tidsseriene for evt. brudd. 
+
+Du kan finne mer informasjon om Sesongjustering og tidsserieanalyse på [Byrånettet](https://ssbno.sharepoint.com/sites/Metodikkistatistikkproduksjonen/SitePages/Sesongjustering.aspx).

website/prosess.qmd

@@ -22,6 +22,8 @@ dt <- read.csv("../data/katalogdata.csv")
 
 # Add columns for language and new names
 dt["Språk"] <- stringr::word(dt$keyword)[1]
+dt["Språk"] <- ifelse(dt["Språk"] == "rfunc", "R", "Python")
+
 dt$Funksjon = kableExtra::cell_spec(dt$func, link = dt$url, new_tab = T)
 dt$Pakke <- dt$pack
 dt$Navn <- dt$navn