Cargo librerías

library(tidyverse)
library(tidytext)
library(lubridate)
library(skimr)
library(sf)
library(leaflet)

Levanto data y exploro

barrios_populares<-read.csv("./data/2022-07-13_info_publica.csv", encoding = "UTF-8")

#veamos la composición del dataframe
glimpse(barrios_populares)

## Rows: 5,687
## Columns: 77
## $ id_renabap                                                      <int> 1, 2, ~
## $ geometry                                                        <chr> "MULTI~
## $ renabap_id                                                      <int> 1, 2, ~
## $ nombre_barrio                                                   <chr> "Monte~
## $ provincia                                                       <chr> "Bueno~
## $ departamento                                                    <chr> "Pilar~
## $ localidad                                                       <chr> "Presi~
## $ cantidad_viviendas_aproximadas                                  <dbl> 40, 29~
## $ cantidad_familias_aproximada                                    <dbl> 44, 31~
## $ decada_de_creacion                                              <chr> "Décad~
## $ anio_de_creacion                                                <dbl> NA, NA~
## $ energia_electrica                                               <chr> "Conex~
## $ efluentes_cloacales                                             <chr> "Desag~
## $ agua_corriente                                                  <chr> "Bomba~
## $ cocina                                                          <chr> "Gas e~
## $ calefaccion                                                     <chr> "Otro ~
## $ situacion_dominial                                              <chr> "Otro ~
## $ clasificacion_barrio                                            <chr> "Asent~
## $ superficie_m2                                                   <int> 11674,~
## $ personas_genero_masc                                            <int> 71, 42~
## $ personas_genero_fem                                             <int> 78, 45~
## $ personas_genero_otrx                                            <int> 0, 0, ~
## $ responsable_genero_masc                                         <int> 16, 79~
## $ responsable_genero_fem                                          <int> 24, 19~
## $ familia_monoparental_responsable_masculino                      <int> 0, 2, ~
## $ familia_monoparental_responsable_femenino                       <int> 0, 27,~
## $ cantidad_certificados_entregados                                <int> 13, 18~
## $ recibe_asignacion_universal_por_hijo                            <int> 40, 27~
## $ no_recibe_asignacion_universal_por_hijo                         <int> 26, 12~
## $ no_sabe_si_recibe_asignacion_universal_por_hijo                 <int> 0, 2, ~
## $ tipo_propiedad_de_quienes_vieven_en_ella                        <int> 37, 28~
## $ tipo_propiedad_alquilada                                        <int> 1, 5, ~
## $ tipo_propiedad_prestada                                         <int> 3, 18,~
## $ rango_edad_0_a_4_anios                                          <int> 0, 14,~
## $ rango_edad_5_a_9_anios                                          <int> 18, 11~
## $ rango_edad_10_a_14_anios                                        <int> 19, 12~
## $ rango_edad_15_a_19_anios                                        <int> 14, 11~
## $ rango_edad_20_a_24_anios                                        <int> 22, 81~
## $ rango_edad_25_a_29_anios                                        <int> 13, 73~
## $ rango_edad_30_a_34_anios                                        <int> 6, 75,~
## $ rango_edad_35_a_39_anios                                        <int> 7, 70,~
## $ rango_edad_40_a_44_anios                                        <int> 12, 91~
## $ rango_edad_45_a_49_anios                                        <int> 12, 38~
## $ rango_edad_50_a_54_anios                                        <int> 6, 22,~
## $ rango_edad_55_a_59_anios                                        <int> 5, 23,~
## $ rango_edad_60_a_64_anios                                        <int> 4, 10,~
## $ rango_edad_65_a_69_anios                                        <int> 5, 9, ~
## $ rango_edad_70_a_74_anios                                        <int> 3, 8, ~
## $ rango_edad_75_a_79_anios                                        <int> 3, 5, ~
## $ rango_edad_80_o_mas_anios                                       <int> 0, 4, ~
## $ situacion_laboral_ns_nc                                         <int> 12, 57~
## $ situacion_laboral_empleado_en_negro                             <int> 9, 112~
## $ situacion_laboral_trabajo_independiente_cooperativa_familiar_pr <int> 14, 10~
## $ situacion_laboral_realiza_trabajos_del_hogar_sin_sueldo         <int> 8, 103~
## $ situacion_laboral_empleado_en_blanco                            <int> 14, 65~
## $ situacion_laboral_no_trabaja                                    <int> 37, 82~
## $ situacion_laboral_jubilado_pensionado                           <int> 8, 13,~
## $ situacion_laboral_no_aplica                                     <int> 47, 33~
## $ motivo_no_trabaja_ns_nc                                         <int> 0, 0, ~
## $ motivo_no_trabaja_no_estudia_ni_busca_trabajo                   <int> 8, 11,~
## $ motivo_no_trabaja_busca_trabajo                                 <int> 13, 42~
## $ motivo_no_trabaja_solo_estudia                                  <int> 16, 27~
## $ motivo_no_trabaja_discapacidad                                  <int> 0, 2, ~
## $ oficio_actividad_programas_sociales                             <int> 1, 42,~
## $ oficio_actividad_comercio_barrial                               <int> 1, 16,~
## $ oficio_actividad_indumentaria_textil_afines                     <int> 2, 0, ~
## $ oficio_actividad_relacionada_con_la_pesca                       <int> 0, 0, ~
## $ oficio_actividad_construccion_afines                            <int> 6, 103~
## $ oficio_actividad_elaboracion_de_comidas                         <int> 1, 9, ~
## $ oficio_actividad_cartonero_carrero_afines                       <int> 4, 0, ~
## $ oficio_actividad_trabajos_domesticos_y_cuidado                  <int> 0, 5, ~
## $ oficio_actividad_comunitarias                                   <int> 0, 0, ~
## $ oficio_actividad_produccion_agropecuaria                        <int> 0, 0, ~
## $ oficio_actividad_via_publica_venta_de_productos_y_servicios     <int> 6, 15,~
## $ oficio_actividad_otros                                          <int> 1, 18,~
## $ oficio_actividad_ns_nc                                          <int> 1, 9, ~
## $ oficio_actividad_transportista                                  <int> 0, 1, ~

#podemos usar la funcion skim() del paquete skimr para "resumir" la info de las variables en un nuevo dataframe 
explore<-skim(barrios_populares)

#podemos ver los valores únicos de una variable con la función unique()
unique(barrios_populares$agua_corriente)

##  [1] "Bomba de agua de pozo domiciliaria"                  
##  [2] "Conexión irregular a la red de agua"                 
##  [3] "Conexión formal a la red de agua con factura"        
##  [4] "Bomba de agua de pozo comunitaria"                   
##  [5] "Camión cisterna"                                     
##  [6] "Conexión regular a la red de agua pero sin factura"  
##  [7] "Acarreo de baldes/recipientes desde fuera del barrio"
##  [8] "Canilla comunitaria dentro del barrio"               
##  [9] "Vertiente, arroyo, río o canal"                      
## [10] "Cosecha/recolección de agua de lluvia"

barrios_populares<-barrios_populares%>%
    filter(!is.na(cantidad_familias_aproximada))

Porcentajes

Podemos calcular las frecuencias absolutas de una variable con la función table():

table(barrios_populares$agua_corriente)

## 
## Acarreo de baldes/recipientes desde fuera del barrio 
##                                                   48 
##                    Bomba de agua de pozo comunitaria 
##                                                  333 
##                   Bomba de agua de pozo domiciliaria 
##                                                  930 
##                                      Camión cisterna 
##                                                  284 
##                Canilla comunitaria dentro del barrio 
##                                                   40 
##         Conexión formal a la red de agua con factura 
##                                                  524 
##                  Conexión irregular a la red de agua 
##                                                 3228 
##   Conexión regular a la red de agua pero sin factura 
##                                                  257 
##                Cosecha/recolección de agua de lluvia 
##                                                    2 
##                       Vertiente, arroyo, río o canal 
##                                                   40

Podemos calcular las frecuencias relativas de una variable agregando la función prop.table():

frecuencia_agua<-as.data.frame(round(prop.table(table(barrios_populares$agua_corriente))*100,digits = 2))%>%
  arrange(desc(Freq))
frecuencia_agua

##                                                    Var1  Freq
## 1                   Conexión irregular a la red de agua 56.77
## 2                    Bomba de agua de pozo domiciliaria 16.36
## 3          Conexión formal a la red de agua con factura  9.22
## 4                     Bomba de agua de pozo comunitaria  5.86
## 5                                       Camión cisterna  4.99
## 6    Conexión regular a la red de agua pero sin factura  4.52
## 7  Acarreo de baldes/recipientes desde fuera del barrio  0.84
## 8                 Canilla comunitaria dentro del barrio  0.70
## 9                        Vertiente, arroyo, río o canal  0.70
## 10                Cosecha/recolección de agua de lluvia  0.04

Medidas de tendencia central

Veamos el promedio de familias por barrio popular:

mean(barrios_populares$cantidad_familias_aproximada)

## [1] 205.5454

Calculemos la mediana de la variable familias de los barrios populares:

median(barrios_populares$cantidad_familias_aproximada)

## [1] 88

Veamos la cantidad de familias que más se repite en los barrios populares, es decir, la moda de la variable cantidad de familias:

moda_familias<-barrios_populares%>%
  count(cantidad_familias_aproximada)%>%
  slice_max(order_by = n)
moda_familias

##   cantidad_familias_aproximada   n
## 1                           55 262

Finalmente calculemos el total de familias que viven en barrios populares:

sum(barrios_populares$cantidad_familias_aproximada)

## [1] 1168731

Medidas de posición

Con la función summary() podemos ver los quartiles de una variable numérica:

summary(barrios_populares$cantidad_familias_aproximada)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##     2.0    37.0    88.0   205.5   207.0 15400.0

Con la función quantile() podemos ver quartiles, quintiles o percenetiles ajustando el argumento probs =:

quantile(barrios_populares$cantidad_familias_aproximada, probs = c(0.25, 0.75))

## 25% 75% 
##  37 207

quantile(barrios_populares$cantidad_familias_aproximada, probs = c(0.1, 0.9))

## 10% 90% 
##  19 440

Medidas de dispersion

La función range() nos indica el rango de una variable numérica, es decir, los valores mínimos y máximos que una variable tiene:

range(barrios_populares$cantidad_familias_aproximada)

## [1]     2 15400

La función var() nos indica la varianza de una variable:

var(barrios_populares$cantidad_familias_aproximada)

## [1] 271482.5

La función sd() nos muestra el desvío estándar de una variable:

sd(barrios_populares$cantidad_familias_aproximada)

## [1] 521.0399

Al barro

Veamos la evolución de barrios populares a través de las décadas, es decir la frecuencia acumulada

evolucion_barrios_populares<-barrios_populares%>%
  mutate(decada_de_creacion = str_replace_all(decada_de_creacion, "Década", ""),
         decada_de_creacion = ymd(decada_de_creacion, truncated = 2L))%>%
  group_by(decada_de_creacion)%>%
  summarise(cantidad = n())%>%
  mutate(acumulada=cumsum(cantidad))

plot_1_evolucion<-ggplot(evolucion_barrios_populares, 
                         aes(decada_de_creacion, acumulada))+
  geom_line(size = 1, color = "salmon")+
  scale_x_date(date_breaks = "10 years", date_labels = "%Y")+
  theme_minimal()+
  theme(axis.text.x = element_text(angle = 45, hjust = 1), 
        legend.position = "none")+
  labs(title = "Crecimiento de barrios populares", 
       caption = "Fuente: portal de datos abiertos del gobierno nacional",
       y = "",
       x = "Año de creación")
plot_1_evolucion

Veamos la distribucion del empleo para los habitantes de barrios populares de una selección de provincias.

#creamos un objeto para trabajar la ocupacion
ocupacion_barrios_populares<-barrios_populares%>%
  pivot_longer(cols = 51:58,names_to = "situacion_laboral", values_to = "cantidad")%>%
  select(id_renabap, nombre_barrio, provincia, departamento, localidad, situacion_laboral, cantidad)

#chequeamos las categorías de la variable
unique(ocupacion_barrios_populares$situacion_laboral)

## [1] "situacion_laboral_ns_nc"                                        
## [2] "situacion_laboral_empleado_en_negro"                            
## [3] "situacion_laboral_trabajo_independiente_cooperativa_familiar_pr"
## [4] "situacion_laboral_realiza_trabajos_del_hogar_sin_sueldo"        
## [5] "situacion_laboral_empleado_en_blanco"                           
## [6] "situacion_laboral_no_trabaja"                                   
## [7] "situacion_laboral_jubilado_pensionado"                          
## [8] "situacion_laboral_no_aplica"

#limpiamos un poco
ocupacion_barrios_populares<-ocupacion_barrios_populares%>%
  mutate(situacion_laboral = str_replace_all(situacion_laboral, "situacion_laboral_", ""),
         situacion_laboral = str_replace_all(situacion_laboral, "_", " "),
         situacion_laboral = str_to_title(situacion_laboral))

#rechequeamos
unique(ocupacion_barrios_populares$situacion_laboral)

## [1] "Ns Nc"                                        
## [2] "Empleado En Negro"                            
## [3] "Trabajo Independiente Cooperativa Familiar Pr"
## [4] "Realiza Trabajos Del Hogar Sin Sueldo"        
## [5] "Empleado En Blanco"                           
## [6] "No Trabaja"                                   
## [7] "Jubilado Pensionado"                          
## [8] "No Aplica"

#calculamos porcentajes
ocupacion_barrios_populares_2<-ocupacion_barrios_populares%>%
  group_by(provincia, situacion_laboral)%>%
  summarise(cantidad = sum(cantidad))%>%
  mutate(porcentaje = round(cantidad/sum(cantidad), digits = 2))
  
#ploteamos
plot_2_ocupacion<-ggplot(ocupacion_barrios_populares_2%>%
                          filter(provincia %in% c("Buenos Aires", "Córdoba", "Jujuy", "Mendoza")),
                        aes(provincia, cantidad, fill = situacion_laboral))+
  geom_bar(stat="identity", position = "fill")+
  theme_minimal()+
  scale_fill_brewer(palette = "Dark2")+
   labs(title = "Distribución de situación laboral",
       caption = "Fuente: portal de datos abiertos del gobierno nacional", 
       x="",
       y="", 
       fill="Situación Laboral")
plot_2_ocupacion

Si bien el gráfico nos muestra los porcentajes de cada categoría dentro de la variable situacion_laboral, se hace difícil comparar la misma entre difrentes provincias. Probemos filtrando estas categorías y visualizando de otra forma:

plot_2_ocupacion<-ggplot(ocupacion_barrios_populares_2%>%
                           filter(provincia %in% c("Buenos Aires", "Córdoba", "Jujuy", "Mendoza")),
                        aes(reorder_within(provincia, porcentaje, situacion_laboral),
                            porcentaje,
                            fill = situacion_laboral))+
  geom_bar(stat="identity", position = "dodge")+
  scale_fill_brewer(palette = "Dark2")+
  facet_wrap(~provincia, scales = "free_x")+
  scale_x_reordered()+
  scale_y_continuous(labels = scales::percent)+
  theme_minimal()+
  theme(axis.text.x = element_blank())+
  labs(title = "Distribución de situación laboral",
       caption = "Fuente: portal de datos abiertos del gobierno nacional", 
       x="",
       y="", 
       fill="Situación Laboral")
plot_2_ocupacion

Mucho mejor!

Habiendo visto las principales distribuciones de frecuencias de la variable cantidad de familias (aunque podríamos haber reemplazado por otras), ahora tratemos de jugar un poco relacionando variables. Veamos la densidad poblacional de familias en los barrios populares por provincia, es decir la media de familias por km2

densidad_poblacional <- barrios_populares%>%
  group_by(provincia)%>%
  summarise(densidad = sum(cantidad_familias_aproximada)/sum(superficie_m2 / 10000))

plot_2_densidad<-ggplot(densidad_poblacional, 
                        aes(reorder(provincia, densidad), densidad, fill = densidad))+
  geom_bar(stat = "identity")+
  theme_minimal()+
  theme(legend.position = "none")+
  scale_y_log10()+
  scale_fill_distiller(palette = "Reds", direction = 1)+
  coord_flip()+
  labs(title = "Densidad poblacional en barrios populares",
       caption = "Fuente: portal de datos abiertos del gobierno nacional",
       x= "",
       y= "Cantidad de personas por hm2")
plot_2_densidad

Podemos observar que la Ciudad de Buenos Aires es el distrito con mayor densidad poblacional en barrios populares. Veamos dónde se ubican estos barrios y cómo se distribuye la densidad poblacional por cuadra (hm2)

#cargamos data de barrios y comunas de CABA
df_barrios <- st_read("https://cdn.buenosaires.gob.ar/datosabiertos/datasets/ministerio-de-educacion/barrios/barrios.geojson")%>%st_transform(crs = 4326)

## Reading layer `barrios' from data source 
##   `https://cdn.buenosaires.gob.ar/datosabiertos/datasets/ministerio-de-educacion/barrios/barrios.geojson' 
##   using driver `GeoJSON'
## Simple feature collection with 48 features and 5 fields
## Geometry type: MULTIPOLYGON
## Dimension:     XY
## Bounding box:  xmin: -58.53152 ymin: -34.70529 xmax: -58.33515 ymax: -34.52649
## Geodetic CRS:  WGS 84

#creamos un objeto de tipo sf y joineamos ambos objetos
barrios_populares_caba_sf<-st_as_sf(barrios_populares, wkt = "geometry", crs = 4326)%>%
  filter(provincia == "Ciudad Autónoma de Buenos Aires")%>%
  group_by(nombre_barrio)%>%
  summarise(densidad_hm2 = sum(cantidad_familias_aproximada)/sum(superficie_m2 / 10000))%>%
  st_join(df_barrios)

#calculamos la cantidad de intervalos óptima para agrupar los valores de la densidad
cantidad_intervalos<-(max(barrios_populares_caba_sf$densidad_hm2)-min(barrios_populares_caba_sf$densidad_hm2))/16/5

#creamos una paleta con la cantidad de intervalos que calculamos
pal <- colorBin("YlOrRd", domain = barrios_populares_caba_sf$densidad_hm2, bins = 8)

#creamos una leyenda para el mapa
etiqueta <- paste(
  "Barrio: ", barrios_populares_caba_sf$nombre_barrio,"<br/>", 
  "Densidad por h2: ", round(barrios_populares_caba_sf$densidad_hm2, digits = 0), "<br/>", 
  "Comuna: ", barrios_populares_caba_sf$COMUNA, 
  sep="") %>%
  lapply(htmltools::HTML)

#creamos el mapa
mapa_bp_caba<-leaflet(data = barrios_populares_caba_sf)%>%
  addProviderTiles("CartoDB.Positron")%>%
  addPolygons(fillColor = ~pal(densidad_hm2),
              fillOpacity = 0.8,
              color= "white",
              label = etiqueta)%>%
  # addMarkers()%>%
  addLegend(pal = pal, values = ~densidad_hm2, opacity = 0.7, title = NULL,
            position = "bottomright")%>%
  setView(lng= -58.44572071865652, lat=-34.60758005005588, zoom = 12)
mapa_bp_caba