Como llevar a cabo el graficado de una pirámide de población en R
Manuel Rial Costa
20-05-2023
Pirámide de población de Cambados (2023)
En este documento, vamos a ver cómo llevar a cabo el graficado de una pirámide de población empleando para ello:
Un fichero en formato CSV (valores separados por comas) que contenga los datos relativos a los habitantes de un lugar (edad, género, parroquia, ….)
La carga de una serie de paquetes que nos permitirán manejar dichos datos y que en nuestro caso es “pyramid”.
Comencemos pues, para ello precisaremos el fichero de datos “actual.csv” que podremos descargar directamente pulsando sobre el nombre del fichero.
datos<-read.csv2("actual.csv")Primeros pasos
Determinar la carpeta que contiene el fichero de datos “actual.csv” para lo que llevaremos a cabo los siguientes procedimientos:
getwd() #determinamos cuál es el directorio inicial de trabajo## [1] "/Users/manurial/Desktop"setwd("/Users/manurial/Desktop") #cambiamos de directorio, para ello echamos mano de la terminal para determinar el directorio de trabajo que en nuestro caso es el Escritorio. No te olvides que esta ruta varía con el ordenador con el que trabajemos y el usuario activo.Carga del fichero de datos
Ahora procedemos a cargar el fichero de datos, por lo que, es fundamental llevar a cabo el procedemiento previo
datos<-read.csv2("actual.csv") #leemos el fichero csv que contiene los datos y lo almacenamos en la variable datosPara una vez hecho, determinar el tipo de datos que manejamos con la función “str”
str(datos) #comprobamos la estructura de datos## 'data.frame': 14360 obs. of 11 variables:
## $ fechanac : chr "19/12/2000" "27/08/2015" "14/06/2016" "01/02/2012" ...
## $ edad : int 22 7 6 11 13 4 21 35 83 40 ...
## $ fechalta : chr "26/09/2022" "27/08/2015" "14/06/2016" "01/02/2012" ...
## $ genero : int 6 6 1 6 1 6 1 6 6 6 ...
## $ pais_nac : int 410 108 108 108 108 108 351 108 108 108 ...
## $ nacionalidad: int 410 108 108 108 108 108 108 108 108 108 ...
## $ europeo : chr "N" "S" "S" "S" ...
## $ distrito : int 2 2 1 1 1 1 2 3 2 1 ...
## $ seccion : int 1 4 1 1 1 1 1 1 1 1 ...
## $ parroquia : int 100000 100000 100000 100000 100000 100000 100000 100000 100000 100000 ...
## $ estudios : int 46 0 0 0 0 0 31 32 30 20 ...Ahora llevamos a cabo el conocer cómo se llaman las columnas del fichero csv que contiene los datos.
## [1] "fechanac" "edad" "fechalta" "genero" "pais_nac"
## [6] "nacionalidad" "europeo" "distrito" "seccion" "parroquia"
## [11] "estudios"Para, determinar la tabla de frecuencia de los mismos mediante la función “table”
frecuencias<-table(datos$genero , datos$edad) #creamos una tabla de frecuencias a partir de las columnas género y edad
frecuencias##
## 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
## 1 42 43 50 42 54 50 59 50 63 46 77 65 66 77 80 73 99 75 71
## 6 36 46 51 38 47 50 35 70 55 59 55 70 64 89 71 66 68 80 64
##
## 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37
## 1 80 73 85 76 73 62 64 60 67 70 70 71 64 88 79 93 82 84 82
## 6 65 72 84 64 76 72 77 82 71 59 56 70 89 62 84 70 80 68 86
##
## 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56
## 1 83 85 94 107 121 147 129 107 117 106 135 132 127 131 128 118 109 110 102
## 6 99 91 113 99 126 123 123 138 126 140 142 137 124 138 105 128 116 117 110
##
## 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75
## 1 118 112 97 100 99 95 72 86 77 75 75 84 82 63 65 58 57 88 57
## 6 95 105 96 85 110 98 93 98 91 94 69 79 80 70 78 67 73 99 79
##
## 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94
## 1 52 81 51 56 48 34 44 17 31 21 31 29 23 20 12 13 6 10 4
## 6 65 96 72 66 68 60 47 64 34 46 52 42 37 50 28 20 22 17 11
##
## 95 96 97 98 99 100 101 102 103 104 105 106 107 108 110 114 123
## 1 6 5 1 1 2 1 1 0 1 0 0 1 0 1 0 0 1
## 6 10 5 5 7 3 2 2 3 2 2 2 3 1 1 1 1 0Ahora vamos a determinar, en función del género, la distribución de frecuencias, observa cómo:
xgeneros<-table(datos$edad, datos$genero==1) #elaboramos una tabla de frecuencias que contenga los datos de edad y género ordenados por género
xgeneros #mostramos la tabla##
## FALSE TRUE
## 0 36 42
## 1 46 43
## 2 51 50
## 3 38 42
## 4 47 54
## 5 50 50
## 6 35 59
## 7 70 50
## 8 55 63
## 9 59 46
## 10 55 77
## 11 70 65
## 12 64 66
## 13 89 77
## 14 71 80
## 15 66 73
## 16 68 99
## 17 80 75
## 18 64 71
## 19 65 80
## 20 72 73
## 21 84 85
## 22 64 76
## 23 76 73
## 24 72 62
## 25 77 64
## 26 82 60
## 27 71 67
## 28 59 70
## 29 56 70
## 30 70 71
## 31 89 64
## 32 62 88
## 33 84 79
## 34 70 93
## 35 80 82
## 36 68 84
## 37 86 82
## 38 99 83
## 39 91 85
## 40 113 94
## 41 99 107
## 42 126 121
## 43 123 147
## 44 123 129
## 45 138 107
## 46 126 117
## 47 140 106
## 48 142 135
## 49 137 132
## 50 124 127
## 51 138 131
## 52 105 128
## 53 128 118
## 54 116 109
## 55 117 110
## 56 110 102
## 57 95 118
## 58 105 112
## 59 96 97
## 60 85 100
## 61 110 99
## 62 98 95
## 63 93 72
## 64 98 86
## 65 91 77
## 66 94 75
## 67 69 75
## 68 79 84
## 69 80 82
## 70 70 63
## 71 78 65
## 72 67 58
## 73 73 57
## 74 99 88
## 75 79 57
## 76 65 52
## 77 96 81
## 78 72 51
## 79 66 56
## 80 68 48
## 81 60 34
## 82 47 44
## 83 64 17
## 84 34 31
## 85 46 21
## 86 52 31
## 87 42 29
## 88 37 23
## 89 50 20
## 90 28 12
## 91 20 13
## 92 22 6
## 93 17 10
## 94 11 4
## 95 10 6
## 96 5 5
## 97 5 1
## 98 7 1
## 99 3 2
## 100 2 1
## 101 2 1
## 102 3 0
## 103 2 1
## 104 2 0
## 105 2 0
## 106 3 1
## 107 1 0
## 108 1 1
## 110 1 0
## 114 1 0
## 123 0 1xgeneros<-matrix(xgeneros,ncol=2,byrow = FALSE) #creamos ahora una tabla con los datos previos
xgeneros #y los mostramos## [,1] [,2]
## [1,] 36 42
## [2,] 46 43
## [3,] 51 50
## [4,] 38 42
## [5,] 47 54
## [6,] 50 50
## [7,] 35 59
## [8,] 70 50
## [9,] 55 63
## [10,] 59 46
## [11,] 55 77
## [12,] 70 65
## [13,] 64 66
## [14,] 89 77
## [15,] 71 80
## [16,] 66 73
## [17,] 68 99
## [18,] 80 75
## [19,] 64 71
## [20,] 65 80
## [21,] 72 73
## [22,] 84 85
## [23,] 64 76
## [24,] 76 73
## [25,] 72 62
## [26,] 77 64
## [27,] 82 60
## [28,] 71 67
## [29,] 59 70
## [30,] 56 70
## [31,] 70 71
## [32,] 89 64
## [33,] 62 88
## [34,] 84 79
## [35,] 70 93
## [36,] 80 82
## [37,] 68 84
## [38,] 86 82
## [39,] 99 83
## [40,] 91 85
## [41,] 113 94
## [42,] 99 107
## [43,] 126 121
## [44,] 123 147
## [45,] 123 129
## [46,] 138 107
## [47,] 126 117
## [48,] 140 106
## [49,] 142 135
## [50,] 137 132
## [51,] 124 127
## [52,] 138 131
## [53,] 105 128
## [54,] 128 118
## [55,] 116 109
## [56,] 117 110
## [57,] 110 102
## [58,] 95 118
## [59,] 105 112
## [60,] 96 97
## [61,] 85 100
## [62,] 110 99
## [63,] 98 95
## [64,] 93 72
## [65,] 98 86
## [66,] 91 77
## [67,] 94 75
## [68,] 69 75
## [69,] 79 84
## [70,] 80 82
## [71,] 70 63
## [72,] 78 65
## [73,] 67 58
## [74,] 73 57
## [75,] 99 88
## [76,] 79 57
## [77,] 65 52
## [78,] 96 81
## [79,] 72 51
## [80,] 66 56
## [81,] 68 48
## [82,] 60 34
## [83,] 47 44
## [84,] 64 17
## [85,] 34 31
## [86,] 46 21
## [87,] 52 31
## [88,] 42 29
## [89,] 37 23
## [90,] 50 20
## [91,] 28 12
## [92,] 20 13
## [93,] 22 6
## [94,] 17 10
## [95,] 11 4
## [96,] 10 6
## [97,] 5 5
## [98,] 5 1
## [99,] 7 1
## [100,] 3 2
## [101,] 2 1
## [102,] 2 1
## [103,] 3 0
## [104,] 2 1
## [105,] 2 0
## [106,] 2 0
## [107,] 3 1
## [108,] 1 0
## [109,] 1 1
## [110,] 1 0
## [111,] 1 0
## [112,] 0 1Conviertiendo los datos a una matriz de 2 columnas
xgeneros<-matrix(xgeneros,ncol=2,byrow = FALSE) #creamos ahora una tabla con los datos previos
xgeneros #y los mostramos## [,1] [,2]
## [1,] 36 42
## [2,] 46 43
## [3,] 51 50
## [4,] 38 42
## [5,] 47 54
## [6,] 50 50
## [7,] 35 59
## [8,] 70 50
## [9,] 55 63
## [10,] 59 46
## [11,] 55 77
## [12,] 70 65
## [13,] 64 66
## [14,] 89 77
## [15,] 71 80
## [16,] 66 73
## [17,] 68 99
## [18,] 80 75
## [19,] 64 71
## [20,] 65 80
## [21,] 72 73
## [22,] 84 85
## [23,] 64 76
## [24,] 76 73
## [25,] 72 62
## [26,] 77 64
## [27,] 82 60
## [28,] 71 67
## [29,] 59 70
## [30,] 56 70
## [31,] 70 71
## [32,] 89 64
## [33,] 62 88
## [34,] 84 79
## [35,] 70 93
## [36,] 80 82
## [37,] 68 84
## [38,] 86 82
## [39,] 99 83
## [40,] 91 85
## [41,] 113 94
## [42,] 99 107
## [43,] 126 121
## [44,] 123 147
## [45,] 123 129
## [46,] 138 107
## [47,] 126 117
## [48,] 140 106
## [49,] 142 135
## [50,] 137 132
## [51,] 124 127
## [52,] 138 131
## [53,] 105 128
## [54,] 128 118
## [55,] 116 109
## [56,] 117 110
## [57,] 110 102
## [58,] 95 118
## [59,] 105 112
## [60,] 96 97
## [61,] 85 100
## [62,] 110 99
## [63,] 98 95
## [64,] 93 72
## [65,] 98 86
## [66,] 91 77
## [67,] 94 75
## [68,] 69 75
## [69,] 79 84
## [70,] 80 82
## [71,] 70 63
## [72,] 78 65
## [73,] 67 58
## [74,] 73 57
## [75,] 99 88
## [76,] 79 57
## [77,] 65 52
## [78,] 96 81
## [79,] 72 51
## [80,] 66 56
## [81,] 68 48
## [82,] 60 34
## [83,] 47 44
## [84,] 64 17
## [85,] 34 31
## [86,] 46 21
## [87,] 52 31
## [88,] 42 29
## [89,] 37 23
## [90,] 50 20
## [91,] 28 12
## [92,] 20 13
## [93,] 22 6
## [94,] 17 10
## [95,] 11 4
## [96,] 10 6
## [97,] 5 5
## [98,] 5 1
## [99,] 7 1
## [100,] 3 2
## [101,] 2 1
## [102,] 2 1
## [103,] 3 0
## [104,] 2 1
## [105,] 2 0
## [106,] 2 0
## [107,] 3 1
## [108,] 1 0
## [109,] 1 1
## [110,] 1 0
## [111,] 1 0
## [112,] 0 1Procediendo a separar los géneros en dos variables
HH<-xgeneros[1:112,1] #separamos los hombres en la variable HH
MM<-xgeneros[1:112,2] #separamos las mujeres en la variable MM
HH #mostramos los hombres## [1] 36 46 51 38 47 50 35 70 55 59 55 70 64 89 71 66 68 80
## [19] 64 65 72 84 64 76 72 77 82 71 59 56 70 89 62 84 70 80
## [37] 68 86 99 91 113 99 126 123 123 138 126 140 142 137 124 138 105 128
## [55] 116 117 110 95 105 96 85 110 98 93 98 91 94 69 79 80 70 78
## [73] 67 73 99 79 65 96 72 66 68 60 47 64 34 46 52 42 37 50
## [91] 28 20 22 17 11 10 5 5 7 3 2 2 3 2 2 2 3 1
## [109] 1 1 1 0MM #mostramos las mujeres## [1] 42 43 50 42 54 50 59 50 63 46 77 65 66 77 80 73 99 75
## [19] 71 80 73 85 76 73 62 64 60 67 70 70 71 64 88 79 93 82
## [37] 84 82 83 85 94 107 121 147 129 107 117 106 135 132 127 131 128 118
## [55] 109 110 102 118 112 97 100 99 95 72 86 77 75 75 84 82 63 65
## [73] 58 57 88 57 52 81 51 56 48 34 44 17 31 21 31 29 23 20
## [91] 12 13 6 10 4 6 5 1 1 2 1 1 0 1 0 0 1 0
## [109] 1 0 0 1Llegados a este punto, precisamos un dataset que contenga los rangos de edades….
Edades<-c("[0-1)","[1-2)","[2-3)","[3-4)","[4-5)","[5-6)","[6-7)","[7-8)","[8-9)","[9-10)","[10-11)","[11-12)","[12-13)","[13-14)","[14-15)","[15-16)","[16-17)","[17-18)","[18-19)","[19-20)","[20-21)","[21-22)","[22-23)","[23-24)","[24-25)","[25-26)","[26-27)","[27-28)","[28-29)","[29-30)","[30-31)","[31-32)","[32-33)","[33-34)","[34-35)","[35-36)","[36-37)","[37-38)","[38-39)","[39-40)","[40-41)","[41-42)","[42-43)","[43-44)","[44-45)","[45-46)","[46-47)","[47-48)","[48-49)","[49-50)","[50-51)","[51-52)","[52-53)","[53-54)","[54-55)","[55-56)","[56-57)","[57-58)","[58-59)","[59-60)","[60-61)","[61-62)","[62-63)","[63-64)","[64-65)","[65-66)","[66-67)","[67-68)","[68-69)","[69-70)","[70-71)","[71-72)","[72-73)","[73-74)","[74-75)","[75-76)","[76-77)","[77-78)","[78-79)","[79-80)","[80-81)","[81-82)","[82-83)","[83-84)","[84-85)","[85-86)","[86-87)","[87-88)","[88-89)","[89-90)","[90-91)","[91-92)","[92-93)","[93-94)","[94-95)","[95-96)","[96-97)","[97-98)","[98-99)","[99-100)","[100-101)","[101-102)","[102-103)","[103-104)","[104-105)","[105-106)","[106-107)","[107-108)","[108-109)","[109-110)","[110-111)","[111-112]")Y crear un dataframe que contenga los valores de Hombres, Mujeres y Edades
datos<-data.frame(HH,MM,Edades)Y mostar el gráfico correspondiente a la pirámide de población analizada
library(pyramid)
pyramid(datos,Llab="Homes",Rlab="Mulleres",Clab="Edad",main="Población Cambados \n 2023",Lcol="red", Rcol="blue", Cgap=0.5, Csize=0.8, Cstep=5)