Datos ordenados

Estadística

Author

Edimer David Jaramillo

Bibliotecas

Code 
library(tidyverse)
library(janitor)
library(readxl)

tidyr

Formatos ancho y largo: pivot_longer() y pivot_wider()

Manejo de datos con dplyr

Ejemplo 1: costos de Fedearroz

Code 
df_costos <- 
  read_excel(
    "datos-ejemplos/datos-desordenados/COSTOS POR HECTÁREA DE ARROZ, SISTEMA RIEGO, NACIONAL, I SEMESTRE.xlsx",
    skip = 1
  )

df_costos
Code 
df_costos_ordenado <-
  df_costos |>
  slice(-c(9, 10)) |>
  pivot_longer(cols = -RUBRO,
               names_to = "year_es",
               values_to = "costo") |>
  rename(rubro = RUBRO) |>
  mutate(rubro = str_to_sentence(rubro))

df_costos_ordenado
  • ¿Cómo obtengo los totales desde esta tabla?
  • El resumen lo ejecutamos con la función “reframe”
Code 
df_costos_ordenado |> 
  group_by(year_es) |> 
  reframe(total_costo = sum(costo))
Code 
df_costos_ordenado |> 
  pivot_wider(names_from = year_es,
              values_from = costo)

Ejemplo 2: Hortalizas en el Valle del Cauca

Code 
df_hortalizas <- 
  read_csv("datos-ejemplos/datos-desordenados/PRODUCCI_N_EN_TONELADAS_DE_CULTIVOS_DE_HORTALIZAS__EN_EL_VALLE_DEL_CAUCA_20240312.csv")

df_hortalizas
  • El igual en R se establece con doble símbolo igual –> “==”
  • La diferencia en R se establece con símbolo de admiración de cierre y el símbolo igual —> “!=”
Code 
df_hortalizas_ordenada <-
  df_hortalizas |>
  pivot_longer(
    cols = -c(Municipios, Año),
    names_to = "cultivo",
    values_to = "produccion"
  ) |>
  mutate(cultivo = str_replace_all(cultivo, " [aA|bB]", "")) |> 
  filter(Municipios != "TOTAL")

df_hortalizas_ordenada |> head()

Ejemplo 3: Inventario ganado bovino Valle del Cauca

Code 
df_bovinos_desordenada <-
  read_csv(
    "datos-ejemplos/datos-desordenados/Inventario_Poblacional_Del_Ganado_Bovino_Valle_del_Cauca_20240312.csv"
  )

df_bovinos_desordenada |> head()
Code 
df_bovinos_ordenada <-
  df_bovinos_desordenada |>
  pivot_longer(
    cols = -c(Municipio, Año, `Unidades Productoras`),
    names_to = "variable",
    values_to = "bovinos"
  ) |>
  separate(
    variable,
    into = c("sexo", "edad", "otra"),
    sep = " ",
    remove = TRUE
  ) |>
  select(-otra) |>
  filter(sexo != "Total") |>
  mutate(edad = str_replace_all(edad, ">", ">36"),
         edad = if_else(edad == "", "0-12", edad))

df_bovinos_ordenada |> head()

Ejemplo 4: Raíces Bulbos y Tubérculos en el departamento del Valle del Cauca

Code 
df_area_sembrada_desord <-
  read_csv(
    "datos-ejemplos/datos-desordenados/Superficie_Sembrada_con_Ra_ces_Bulbos_y_Tub_rculos_en_el_departamento_del_Valle_del_Cauca_20240312.csv"
  )

df_area_cosechada_desord <-
  read_csv(
    "datos-ejemplos/datos-desordenados/Superficie_Cosechada_con_Ra_ces_Bulbos_y_Tub_rculos__en_el_Departamento_del_Valle_del_Cauca_20240312.csv"
)

df_produccion_desord <-
  read_csv(
    "datos-ejemplos/datos-desordenados/Producci_n_en_Toneladas_por_Hect_reas_de_Ra_ces_Bulbos_y_Tub_rculos_en_el_Departamento_del_Valle_del_Cauca_20240312.csv"
  )

df_rto_desord <-
  read_csv(
    "datos-ejemplos/datos-desordenados/Rendimiento_en_toneladas_por_hect_reas_en_Cultivos_de__Ra_ces_Bulbos_y_Tub_rculos_en_el_departamento_del_Valle_del_Cauca_20240312.csv"
  )
Code 
df_area_sembrada_ordenada <-
  df_area_sembrada_desord |>
  filter(Municipios != "TOTAL") |>
  pivot_longer(
    cols = -c(Municipios, año),
    names_to = "cultivo",
    values_to = "area_sembrada"
  ) |>
  mutate(area_sembrada = as.numeric(area_sembrada))

df_area_cosechada_ordenada <-
  df_area_cosechada_desord |>
  filter(Municipios != "TOTAL") |>
  pivot_longer(
    cols = -c(Municipios, año),
    names_to = "cultivo",
    values_to = "area_cosechada"
  ) |>
  mutate(area_cosechada = as.numeric(area_cosechada))

df_produccion_ordenada <-
  df_produccion_desord |>
  filter(Municipios != "TOTAL") |>
  pivot_longer(
    cols = -c(Municipios, año),
    names_to = "cultivo",
    values_to = "produccion"
  ) |>
  mutate(produccion = as.numeric(produccion))


df_rto_ordenada <-
  df_rto_desord |>
  filter(Municipios != "TOTAL") |>
  pivot_longer(
    cols = -c(Municipios, año),
    names_to = "cultivo",
    values_to = "rendimiento"
  ) |>
  mutate(rendimiento = as.numeric(rendimiento))
  • ¿Cómo unimos las cuatro bases de datos? ¿Qué variables tienen en común?
Code 
df_total_odenada <-
  left_join(
    x = df_area_sembrada_ordenada,
    y = df_area_cosechada_ordenada,
    by = c("Municipios", "año", "cultivo")
  ) |>
  left_join(y = df_produccion_ordenada,
            by = c("Municipios", "año", "cultivo")) |>
  left_join(y = df_rto_ordenada,
            by = c("Municipios", "año", "cultivo")) |> 
  distinct(Municipios, año, cultivo, .keep_all = TRUE)

df_total_odenada |> head()

Exportar archivos (.csv)

Code 
write_csv(df_total_odenada, "ejemplo_exportar.csv")