Bij de achtergrondkenmerken is opgevallen dat de percentages van geslacht niet overeenkomen met de grafiek. Zie hieronder
Na enig onderzoek blijkt dat er in de functie "maak_grafiek_cbs_bevolking" niet wordt gefiltreerd op jaar. Dus de resulterende percentages per geslacht zijn die van zowel 2024 als 2022 samen.
Check misschien even de aanmaak van objecten aantallen_gemeente en aantallen_regio.
bij filter kan je misschien het jaar nog erbij zetten, zoiets
aantallen_gemeente <- data %>%
filter(Gemeentecode == gem_code & AGOJB401 == 2024) %>%
group_by(!!sym(crossing_monitor)) %>%
summarise(aantal = n()) %>%
rename(crossing = 1) %>%
mutate(regio = val_label(data$Gemeentecode,gem_code),
crossing = replace(crossing, is.na(crossing),missing_label),
type = "Deelnemers"
)
Bij de achtergrondkenmerken is opgevallen dat de percentages van geslacht niet overeenkomen met de grafiek. Zie hieronder
Na enig onderzoek blijkt dat er in de functie "maak_grafiek_cbs_bevolking" niet wordt gefiltreerd op jaar. Dus de resulterende percentages per geslacht zijn die van zowel 2024 als 2022 samen.
Check misschien even de aanmaak van objecten aantallen_gemeente en aantallen_regio. bij filter kan je misschien het jaar nog erbij zetten, zoiets aantallen_gemeente <- data %>% filter(Gemeentecode == gem_code & AGOJB401 == 2024) %>% group_by(!!sym(crossing_monitor)) %>% summarise(aantal = n()) %>% rename(crossing = 1) %>% mutate(regio = val_label(data$Gemeentecode,gem_code), crossing = replace(crossing, is.na(crossing),missing_label), type = "Deelnemers" )