Dinamica de Cultivos Por medio de datos EVA en el Tolima
Santiago Andres Rodriguez Rueda
20/09/2023
1. Introduccion
En este cuaderno se mostrara cómo obtener estadísticas de varios años para un grupo determinado de cultivos en cualquier departamento. Utilizaremos como fuente principal de datos las Evaluaciones Agropecuarias Municipales (EVA), un conjunto de datos agrícolas 2007-2018 proporcionado por el Ministerio de Agricultura y Desarrollo Rural.
2. Configuracion
En esta configuracion, instalaremos y cargaremos las librerias R necesarias.
library(tidyverse)## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.3 ✔ readr 2.1.4
## ✔ forcats 1.0.0 ✔ stringr 1.5.0
## ✔ ggplot2 3.4.3 ✔ tibble 3.2.1
## ✔ lubridate 1.9.2 ✔ tidyr 1.3.0
## ✔ purrr 1.0.2
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorslibrary(dplyr)
library(readr)
library(ggplot2)3. Descargar el conjuntod de dato de EVA para su departamento
Vaya a https://www.datos.gov.co/Agricultura-y-Desarrollo-Rural/Evaluaciones-Agropecuarias-Municipales-EVA/2pnw-mmge/data para descargar el conjuntod de datos.
En el sitio web vinculado (es decir, datos.gov.co), visualice los datos y aplique un filtro para obtener solo los datos correspondientes a su departamento. Luego, exporte los datos en formato csv.
Ahora, vaya al directorio de descargas para averiguar el archivo Evaluaciones_Agropecuarias_Municipales_EVA.csv. Muévalo a su directorio de trabajo.
3.1 Leer el conjunto de datos EVA
list.files()## [1] "Cultivo-de-Caña.html" "Cultivo de Caña.nb.html"
## [3] "Cultivo de Caña.Rmd" "Cultivo_de_Arroz.nb.html"
## [5] "Cultivo_de_Arroz.Rmd" "EVA_TOLIMA.csv"
## [7] "EVA_TOLIMA.Rproj"Ahora, vamos a leer el conjunto de datos eva EVA 2007-2018:
(eva = read_csv("./EVA_TOLIMA.csv"))## Rows: 8595 Columns: 17
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (10): DEPARTAMENTO, MUNICIPIO, GRUPO
## DE CULTIVO, SUBGRUPO
## DE CULTIVO, ...
## dbl (2): CÓD.
## DEP., Rendimiento
## (t/ha)
## num (5): CÓD. MUN., AÑO, Área Sembrada
## (ha), Área Cosechada
## (ha), Producción
## (t)
##
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.En la tabla anterior se pueden ver diferentes datos estadisticos agricolas para diferentes años.
Es impotante saber cuales son los nombres que le da el software a las diferentes caracteristicas:
names(eva)## [1] "CÓD. \nDEP."
## [2] "DEPARTAMENTO"
## [3] "CÓD. MUN."
## [4] "MUNICIPIO"
## [5] "GRUPO \nDE CULTIVO"
## [6] "SUBGRUPO \nDE CULTIVO"
## [7] "CULTIVO"
## [8] "DESAGREGACIÓN REGIONAL Y/O SISTEMA PRODUCTIVO"
## [9] "AÑO"
## [10] "PERIODO"
## [11] "Área Sembrada\n(ha)"
## [12] "Área Cosechada\n(ha)"
## [13] "Producción\n(t)"
## [14] "Rendimiento\n(t/ha)"
## [15] "ESTADO FISICO PRODUCCION"
## [16] "NOMBRE \nCIENTIFICO"
## [17] "CICLO DE CULTIVO"4. Limpiar el conjunto de datos EVA
Vamos a selccionar algunos atributos para el limpiar el objeto eva
eva %>% dplyr::select('CÓD. MUN.':'ESTADO FISICO PRODUCCION') ->eva.tmpeva.tmpAhora vamos a comprobar la salida y verificar que solo se seleccionen las columnas relevantes.
Ahora, cambie los nombres de varias colmnas que contengan caracteres erroneos:
eva.tmp%>% dplyr::rename('Cod_Mun' = 'CÓD. MUN.',
'Grupo' = 'GRUPO \nDE CULTIVO',
'Year' = 'AÑO',
'AreaSembrada' = 'Área Sembrada\n(ha)',
'AreaCosechada' = 'Área Cosechada\n(ha)',
'Produccion' = 'Producción\n(t)',
'Rendimiento' = 'Rendimiento\n(t/ha)',
'Sistema' = 'DESAGREGACIÓN REGIONAL Y/O SISTEMA PRODUCTIVO',
'Estado' = 'ESTADO FISICO PRODUCCION') -> new_evaVerificamos el codigo:
new_evaRevisar que la tabla anterios y verificar que los atributos cuantitativos que contiene se almacenen como tipo de datos numéricos (no como tipo de datos de cadena).
5. Analisis de datos
Muchas tareas de análisis de datos se pueden abordar utilizando el paradigma dividir-aplicar-combinar: dividir los datos en grupos, aplicar algún análisis a cada grupo y luego combinar los resultados.
La biblioteca dplyr hace esto muy fácil mediante el uso de la función group_by(), que divide los datos en grupos. Cuando los datos se agrupan de esta manera, summarize() se puede usar para contraer cada grupo en un resumen de una sola fila. summarize() hace esto aplicando una función de agregación o resumen a cada grupo.
5.1 Los cultivos más importantes entre 2007 y 2018
Por ejemplo, si queremos saber la producción total por grupo de cultivos, utilizamos el siguiente codigo:
new_eva %>%
##filter(Produccion > 0) %>%
group_by(Grupo) %>%
summarize(produccion_total = sum(Produccion)) %>%
arrange(desc(produccion_total))En la tabla podemos observar con los datos obtenidos que los cultivos con mayor produccion son los cereales, seguido por los tuberculos y platanos. Y la menor producción se encuentran las Flores y Follajes.
Ahora, para guardar la producción total de un objeto:
new_eva %>%
group_by(Grupo) %>%
summarize(produccion_total = sum(Produccion)) -> PTAhora, filtrar los cultivos más importantes y con más producción:
PT %>%
filter(produccion_total > 500000) -> main.groupsVamos a conocer la producción total para los principales grupos de cultivos:
(value = sum(main.groups$produccion_total))## [1] 18856556Ahora, añadimos un nuevo atributo con el porcentaje de producción total:
main.groups$percent = main.groups$produccion_total/valuePara crear un fráfico circular de la producción total de main.groups:
-#Barplot
bp <- ggplot(main.groups, aes(x="", y=percent, fill=Grupo))+geom_bar(width = 1, stat = "identity")-#Piechart
pie <- bp + coord_polar("y", start=0)
pie
5.2 Municipios con mayor producción para cada grupo de cultivos
Para conocer los municipios que lideraron la producción de cada cultivo de 2007 a 2018:
new_eva %>%
group_by(Grupo, MUNICIPIO) %>%
summarize(prod_total = sum(Produccion, na.rm = TRUE)) %>%
slice(which.max(prod_total)) %>%
arrange(desc(prod_total))## `summarise()` has grouped output by 'Grupo'. You can override using the
## `.groups` argument.Para guardar el objeto:
new_eva %>%
group_by(Grupo, MUNICIPIO) %>%
summarize(prod_total = sum(Produccion, na.rm = TRUE)) %>%
slice(which.max(prod_total)) -> leaders ## `summarise()` has grouped output by 'Grupo'. You can override using the
## `.groups` argument.leadersPara filtrar los municipios más importantes desde el punto de vista agrícola:
leaders %>%
filter(prod_total > 100000) -> main.leadersGrafiquemos lo municipios lideres en producción:
-# Basic barplot
p<-ggplot(data = main.leaders, aes(x=MUNICIPIO, y=prod_total))+geom_bar(stat="identity")
p
5.3 Dinamica de un cultivo entre 2007 y 2018
new_eva %>%
filter(MUNICIPIO == "ESPINAL" & CULTIVO == "ARROZ") %>%
group_by(Year,CULTIVO) %>%
select(MUNICIPIO, CULTIVO, Produccion, Year) -> Espinal_arrozVerificar el codigo:
Espinal_arrozHagamos un gráfico rápido de la producción de arroz en el ESPINAL para todo el período de tiempo cubierto por el conjunto de datos de EVA:
g <- ggplot(aes(x=Year, y=Produccion/1000), data = Espinal_arroz) + geom_bar(stat="identity") + labs(y="Produccion de arroz [Ton x 1000]")Añade un titulo y visualizalo:
g + ggtitle("Evolucion de la produccion de cultivos de arroz en Espinal entre los años 2007 a 2018") + labs(caption = "basado en datos de EVA (Minagricultura, 2020")
6. Analisis y Graficos adicionales:
Para ver los municipios con mayor superficie cosechada para cada grupo de cultivo en 2018:
new_eva %>%
filter(Year==2018) %>%
group_by(Grupo, MUNICIPIO) %>%
summarize(max_area_cosecha = max(AreaCosechada, na.rm = TRUE)) %>%
slice(which.max(max_area_cosecha)) %>%
arrange(desc(max_area_cosecha)) -> area_cosecha_max## `summarise()` has grouped output by 'Grupo'. You can override using the
## `.groups` argument.area_cosecha_maxY por ultimo para ver el maximo de area sembrada para cada cultivo en 2018:
new_eva %>%
filter(Year==2018) %>%
group_by(Grupo, MUNICIPIO) %>%
summarize(max_area_sembrada = max(AreaSembrada, na.rm = TRUE)) %>%
slice(which.max(max_area_sembrada)) %>%
arrange(desc(max_area_sembrada)) -> area_sembrada_max## `summarise()` has grouped output by 'Grupo'. You can override using the
## `.groups` argument.area_sembrada_max7. Información
7.1 Bibliografia
-**Lizarazo, I., 2022 Comprender la productividad dinamica de los cultivos. Disponible en: https://rpubs.com/ials2un/production_dyn_v
sessionInfo()## R version 4.3.1 (2023-06-16 ucrt)
## Platform: x86_64-w64-mingw32/x64 (64-bit)
## Running under: Windows 10 x64 (build 19045)
##
## Matrix products: default
##
##
## locale:
## [1] LC_COLLATE=Spanish_Colombia.utf8 LC_CTYPE=Spanish_Colombia.utf8
## [3] LC_MONETARY=Spanish_Colombia.utf8 LC_NUMERIC=C
## [5] LC_TIME=Spanish_Colombia.utf8
##
## time zone: America/Bogota
## tzcode source: internal
##
## attached base packages:
## [1] stats graphics grDevices utils datasets methods base
##
## other attached packages:
## [1] lubridate_1.9.2 forcats_1.0.0 stringr_1.5.0 dplyr_1.1.3
## [5] purrr_1.0.2 readr_2.1.4 tidyr_1.3.0 tibble_3.2.1
## [9] ggplot2_3.4.3 tidyverse_2.0.0
##
## loaded via a namespace (and not attached):
## [1] sass_0.4.7 utf8_1.2.3 generics_0.1.3 stringi_1.7.12
## [5] hms_1.1.3 digest_0.6.33 magrittr_2.0.3 evaluate_0.21
## [9] grid_4.3.1 timechange_0.2.0 fastmap_1.1.1 jsonlite_1.8.7
## [13] fansi_1.0.4 scales_1.2.1 jquerylib_0.1.4 cli_3.6.1
## [17] rlang_1.1.1 crayon_1.5.2 bit64_4.0.5 munsell_0.5.0
## [21] withr_2.5.0 cachem_1.0.8 yaml_2.3.7 tools_4.3.1
## [25] parallel_4.3.1 tzdb_0.4.0 colorspace_2.1-0 vctrs_0.6.3
## [29] R6_2.5.1 lifecycle_1.0.3 bit_4.0.5 vroom_1.6.3
## [33] pkgconfig_2.0.3 pillar_1.9.0 bslib_0.5.1 gtable_0.3.4
## [37] glue_1.6.2 xfun_0.40 tidyselect_1.2.0 highr_0.10
## [41] rstudioapi_0.15.0 knitr_1.43 farver_2.1.1 htmltools_0.5.6
## [45] rmarkdown_2.24 labeling_0.4.3 compiler_4.3.1