TAREA 5: Base de datos de Comercio Exterior

Origen de datos

Base de datos de Comercio Exterior, Banco Central de Reserva de El Salvador. https://www.bcr.gob.sv/bcrsite/?cat=1012&lang=es

Literal 1

Compile la información disponible en la “Base de Datos de Comercio Exterior” del BCR, para los años 2018-2020. Y genera una tabla tal como se mostró en las clases (aún no incluya los nombres ISO de los países). Muestre un head de 10 casos.

1.1 Creación tabla de importaciones

library(dplyr)
library(readr)
library(kableExtra)
setwd("C:/Users/crist/OneDrive/Escritorio/TAREAS MAE118/MAE_IMPORT")

archivos_importar_1<-list.files()
lista_importacion_1<-lapply(archivos_importar_1,
                          FUN = read_delim,
                          delim= "|", 
                          col_names=c("pais", 
                                      "sac", 
                                      "anio", 
                                      "mes",
                                      "valor_cif", 
                                      "kilogramos"),
                          col_types=cols(
                            pais="c",
                            sac="c",
                            anio="d",
                            mes="d",
                            valor_cif="d",
                            kilogramos="d"
                            ),
                          skip=1
                          )
# Archivos en un solo dataframe
importaciones_mensuales<-bind_rows(lista_importacion_1)
# Mostar tabla html
importaciones_mensuales %>% head(10) %>% kable(caption = "El Salvador: Base de Importaciones 2018-2020",
                                             align="c") %>% 
  add_footnote(label = "Elaboración propia con base de datos del BCR", 
               notation="symbol") %>% kable_styling()
El Salvador: Base de Importaciones 2018-2020
pais sac anio mes valor_cif kilogramos
Canada 0404900000 2018 2 68040.00 18810.00
Canada 0404900000 2018 3 92725.74 25528.60
Canada 0404900000 2018 4 92546.45 25525.00
Canada 0404900000 2018 6 91531.00 25525.00
Canada 0405100000 2018 6 26.56 20.00
Canada 0511100000 2018 1 16365.04 23.65
Canada 0511100000 2018 3 17884.85 24.00
Canada 0706900000 2018 4 963.78 6500.00
Canada 0706900000 2018 6 116.45 1176.00
Canada 0709991000 2018 6 166.36 800.00
* Elaboración propia con base de datos del BCR

1.2 Creación tabla de Exportaciones

library(readr)
library(dplyr)
library(kableExtra)
setwd("C:/Users/crist/OneDrive/Escritorio/TAREAS MAE118/MAE_EXPORT")

archivos_importar<-list.files()
lista_exportacion<-lapply(archivos_importar,
                          FUN = read_delim,
                          delim= "|",
                          col_names=c("pais", 
                                      "sac", 
                                      "anio", 
                                      "mes",
                                      "valor_fob", 
                                      "kilogramos"),
                          col_types=cols(
                            pais="c",
                            sac="c",
                            anio="d",
                            mes="d",
                            valor_fob="d",
                            kilogramos="d"
                            ),
                          skip=1
                          )
# Archivos en un solo dataframe
exportaciones_mensuales<-bind_rows(lista_exportacion)
# Mostar tabla html
exportaciones_mensuales %>% head(10) %>% kable(caption = "El Salvador: Base de Exportaciones 2018-2020",
                                             align="c") %>% 
  add_footnote(label = "Elaboración propia con base de datos del BCR", 
               notation="symbol") %>% kable_styling()
El Salvador: Base de Exportaciones 2018-2020
pais sac anio mes valor_fob kilogramos
Canada 0106900000 2018 2 4667.20 15.00
Canada 0106900000 2018 3 4237.10 14.00
Canada 0106900000 2018 4 3918.00 13.50
Canada 0106900000 2018 5 3155.40 10.00
Canada 0106900000 2018 6 3097.40 9.00
Canada 0305720000 2018 2 2702.30 280.00
Canada 0602100000 2018 1 475519.57 7504.03
Canada 0602100000 2018 2 400232.82 6216.29
Canada 0602100000 2018 3 158138.42 2464.76
Canada 0602100000 2018 4 30370.08 510.83
* Elaboración propia con base de datos del BCR

1.3 Creacion tabla Comercio Exterior

library(tidyr)
library(kableExtra)

# Concatenar tablas de importaciones y exportaciones
importaciones_mensuales %>% full_join(
  exportaciones_mensuales,
  by= c("pais", "sac", "anio", "mes"),
  suffix= c("_importaciones", "_exportaciones")
  )-> data_comercio_exterior

# Sustituir valores "N/A"
data_comercio_exterior %>% replace_na(
  list(
    valor_cif = 0,
    valor_fob = 0,
    kilogramos_importaciones = 0,
    kilogramos_exportaciones = 0
    )
) %>%
  arrange(pais, anio, mes, sac)-> data_comercio_exterior

data_comercio_exterior %>% head(10) %>% 
  kable(caption = "Base de Comercio Exterior 2018-2020",
        align="c") %>% 
  add_footnote(label = "Elaboración propia con base de datos del BCR", 
               notation="symbol") %>% kable_styling()
Base de Comercio Exterior 2018-2020
pais sac anio mes valor_cif kilogramos_importaciones valor_fob kilogramos_exportaciones
Afganistan 0806200000 2018 6 6448.43 1463.92 0 0
Afganistan 6104220000 2018 10 3153.37 2407.61 0 0
Afganistan 6104620000 2018 10 946.01 722.28 0 0
Afganistan 6105100000 2018 10 9405.39 7181.03 0 0
Afganistan 6106100000 2018 10 1353.32 1725.55 0 0
Afganistan 6405900000 2018 10 2260.03 1725.55 0 0
Afganistan 8206000000 2018 10 6.56 5.02 0 0
Afganistan 6404110000 2019 2 7752.13 6748.03 0 0
Afganistan 6405100000 2019 2 508.03 442.24 0 0
Afganistan 6405900000 2019 2 12.45 10.85 0 0
* Elaboración propia con base de datos del BCR 
save(data_comercio_exterior, file= "C:/Users/crist/OneDrive/Escritorio/TAREAS MAE118/data_comercio_exterior.RData")

Literal 2

Realice la actualización de la tabla anterior con toda la información hasta 2023.

library(dplyr)
library(tidyr)
library(kableExtra)

# Update de las importaciones hasta 2023

setwd ("C:/Users/crist/OneDrive/Escritorio/TAREAS MAE118/Update/IMPORTACIONES")

archivos_importar_1<- list.files()
lista_importacion_1<-lapply(
  archivos_importar_1,
  FUN = read_delim, 
  delim= "|", 
  col_names=c("pais",
              "sac",
              "anio",
              "mes",
              "valor_cif",
              "kilogramos"),
  col_types=cols(
    pais="c",
    sac="c",
    anio="d",
    mes="d",
    valor_cif="d",
    kilogramos="d"
    ),
  skip=1
  )
# Archivos en un solo dataframe
importaciones_mensuales_update<-bind_rows(lista_importacion_1)

# Update de las exportaciones hasta 2023

setwd("C:/Users/crist/OneDrive/Escritorio/TAREAS MAE118/Update/EXPORTACIONES")

archivos_importar<- list.files()
lista_exportacion<-lapply(
  archivos_importar,
  FUN = read_delim, 
  delim="|",
  col_names=c("pais",
              "sac",
              "anio",
              "mes",
              "valor_fob",
              "kilogramos"),
  col_types=cols(
    pais="c",
    sac="c",
    anio="d",
    mes="d",
    valor_fob="d",
    kilogramos="d"
    ),
  skip=1
)
# Archivos en un solo dataframe
exportaciones_mensuales_update<-bind_rows(lista_exportacion)

# Concatenar las tablas
importaciones_mensuales_update %>% full_join(
  exportaciones_mensuales_update,
  by= c("pais", "sac", "anio", "mes"),
  suffix= c("_importaciones", "_exportaciones")
)-> data_comercio_exterior_update

# Sustituir valores "N/A"
data_comercio_exterior_update %>% replace_na(
  list(
    valor_cif = 0,
    valor_fob = 0,
    kilogramos_importaciones = 0,
    kilogramos_exportaciones = 0
    )
) %>% 
  arrange(pais, anio, mes, sac)-> data_comercio_exterior_update

# Unir tabla de comercio exterior y su actualizacion
data_comercio_exterior %>% bind_rows(data_comercio_exterior_update) %>% arrange(pais, anio, mes, sac) ->
  data_comercio_exterior_2018_2023

# Guardar 
save(data_comercio_exterior_2018_2023, file= "C:/Users/crist/OneDrive/Escritorio/TAREAS MAE118/data_comercio_exterior_2018_2023.RData")

#Mostrar tabla
data_comercio_exterior_2018_2023 %>% filter(anio == 2020, mes == 08) %>% head(10) %>% 
  kable(caption = "Base de Comercio Exterior 2018-2023 (Agosto)",
        aling="c") %>% 
  add_footnote(label = "Elaboracion propia con base de datos del BCR",
               notation = "symbol") %>% kable_styling()
Base de Comercio Exterior 2018-2023 (Agosto)
pais sac anio mes valor_cif kilogramos_importaciones valor_fob kilogramos_exportaciones
Afganistan 4202190000 2020 8 18.88 0.68 0 0
Afganistan 4202990000 2020 8 7.55 0.27 0 0
Afganistan 6103109000 2020 8 75.52 2.73 0 0
Afganistan 6110900000 2020 8 75.52 2.73 0 0
Afganistan 6117100000 2020 8 9.06 0.33 0 0
Afganistan 6204490000 2020 8 113.28 4.10 0 0
Afganistan 6211390000 2020 8 226.56 8.19 0 0
Afganistan 6403510000 2020 8 18.88 0.68 0 0
Afganistan 6405900000 2020 8 37.76 1.37 0 0
Afganistan 6504000000 2020 8 90.62 3.28 0 0
* Elaboracion propia con base de datos del BCR

Literal 3

Agregue la información estandarizada de los países (nombres iso de los países y regiones, etc, tal como se vio en clases). Muestre un head de 10 casos.

library(readxl)
library(kableExtra)

# Datos
load("C:/Users/crist/OneDrive/Escritorio/TAREAS MAE118/data_comercio_exterior_2018_2023.RData")

# Nombres paises
nombre_archivo <-("C:/Users/crist/Downloads/master_paises_iso_1.xlsx")
master_paises_iso_1 <- read_excel(nombre_archivo)

# Union de bases de datos 
data_comercio_exterior_2018_2023 %>% 
  left_join(master_paises_iso_1 ,
            by= c("pais" = "nom_pais_esp")) -> info_estandarizada

# Guardar 
save(info_estandarizada, file= "C:/Users/crist/OneDrive/Escritorio/TAREAS MAE118/info_estandarizada.RData")

# Mostrar tabla
info_estandarizada %>% head(10) %>% 
  kable(caption = "Base de Comercio Exterior con informacion estandarizada de los paises 2018-2023" ,
        aling="c") %>% 
  add_footnote(label = "Elaboracion propia con base de datos del BCR",
               notation = "symbol") %>% kable_styling()
Base de Comercio Exterior con informacion estandarizada de los paises 2018-2023
pais sac anio mes valor_cif kilogramos_importaciones valor_fob kilogramos_exportaciones nom_pais_ingles iso_2 iso_3 codigo_pais…5 codigo_pais…6 region cod_region sub_region cod_sub_region region_intermedia cod_region_intermedia …13
Afganistan 0806200000 2018 6 6448.43 1463.92 0 0 Afghanistan AF AFG 4 Asia 142 Asia Meridional 34 NA NA Asia 142
Afganistan 6104220000 2018 10 3153.37 2407.61 0 0 Afghanistan AF AFG 4 Asia 142 Asia Meridional 34 NA NA Asia 142
Afganistan 6104620000 2018 10 946.01 722.28 0 0 Afghanistan AF AFG 4 Asia 142 Asia Meridional 34 NA NA Asia 142
Afganistan 6105100000 2018 10 9405.39 7181.03 0 0 Afghanistan AF AFG 4 Asia 142 Asia Meridional 34 NA NA Asia 142
Afganistan 6106100000 2018 10 1353.32 1725.55 0 0 Afghanistan AF AFG 4 Asia 142 Asia Meridional 34 NA NA Asia 142
Afganistan 6405900000 2018 10 2260.03 1725.55 0 0 Afghanistan AF AFG 4 Asia 142 Asia Meridional 34 NA NA Asia 142
Afganistan 8206000000 2018 10 6.56 5.02 0 0 Afghanistan AF AFG 4 Asia 142 Asia Meridional 34 NA NA Asia 142
Afganistan 6404110000 2019 2 7752.13 6748.03 0 0 Afghanistan AF AFG 4 Asia 142 Asia Meridional 34 NA NA Asia 142
Afganistan 6405100000 2019 2 508.03 442.24 0 0 Afghanistan AF AFG 4 Asia 142 Asia Meridional 34 NA NA Asia 142
Afganistan 6405900000 2019 2 12.45 10.85 0 0 Afghanistan AF AFG 4 Asia 142 Asia Meridional 34 NA NA Asia 142
* Elaboracion propia con base de datos del BCR

Literal 4

4.1 Obtenga un ranking, anual, de los 5 principales socios comerciales de El Salvador, para el periodo 2018-2022.

# Filtrar años

anios_ranking<-2018:2022
info_estandarizada %>% 
  filter(anio %in% anios_ranking) -> data_ranking

# Cálculo del ranking 

data_ranking %>% 
  group_by(anio,iso_3) %>% 
  summarise(total=sum(valor_fob)) %>% mutate(percent=round(prop.table(total)*100,2)) %>% 
  slice_max(n = 5,order_by = total) %>% 
  as.data.frame() %>% 
  group_by(anio) %>% 
  mutate(rank = row_number(),
         data=paste(iso_3,"|",percent,sep = "")) %>% 
  select(anio,data,rank) %>% as.data.frame() -> insumo_reporte
print(insumo_reporte)
##    anio      data rank
## 1  2018 USA|44.07    1
## 2  2018 HND|15.34    2
## 3  2018 GTM|14.36    3
## 4  2018  NIC|6.87    4
## 5  2018  CRI|4.39    5
## 6  2019 USA|42.04    1
## 7  2019 GTM|15.92    2
## 8  2019  HND|15.9    3
## 9  2019  NIC|6.66    4
## 10 2019  CRI|4.46    5
## 11 2020 USA|40.65    1
## 12 2020 GTM|16.42    2
## 13 2020 HND|15.56    3
## 14 2020   NIC|7.1    4
## 15 2020  CRI|4.49    5
## 16 2021 USA|40.52    1
## 17 2021 GTM|16.78    2
## 18 2021 HND|16.49    3
## 19 2021   NIC|7.2    4
## 20 2021  CRI|4.11    5
## 21 2022 USA|38.78    1
## 22 2022 GTM|17.05    2
## 23 2022 HND|16.65    3
## 24 2022  NIC|6.98    4
## 25 2022  CRI|4.27    5

4.2 Tabla en formato “RAW”

library(tidyr)
insumo_reporte %>% 
pivot_wider(names_from = rank,values_from = data)->mi_tabla
print(mi_tabla)
## # A tibble: 5 × 6
##    anio `1`       `2`       `3`       `4`      `5`     
##   <dbl> <chr>     <chr>     <chr>     <chr>    <chr>   
## 1  2018 USA|44.07 HND|15.34 GTM|14.36 NIC|6.87 CRI|4.39
## 2  2019 USA|42.04 GTM|15.92 HND|15.9  NIC|6.66 CRI|4.46
## 3  2020 USA|40.65 GTM|16.42 HND|15.56 NIC|7.1  CRI|4.49
## 4  2021 USA|40.52 GTM|16.78 HND|16.49 NIC|7.2  CRI|4.11
## 5  2022 USA|38.78 GTM|17.05 HND|16.65 NIC|6.98 CRI|4.27

4.3 Tabla en formato requerido

library(kableExtra)
mi_tabla %>%
  kable(caption = paste("Top",5,"Socios Comerciales, periodo 2018-2022, datos en porcentajes",
    min(anios_ranking),"-",max(anios_ranking))) %>%
  add_footnote(label = "Elaboracion propia con base en datos del BCR")
Top 5 Socios Comerciales, periodo 2018-2022, datos en porcentajes 2018 - 2022
anio 1 2 3 4 5
2018 USA|44.07 HND|15.34 GTM|14.36 NIC|6.87 CRI|4.39
2019 USA|42.04 GTM|15.92 HND|15.9 NIC|6.66 CRI|4.46
2020 USA|40.65 GTM|16.42 HND|15.56 NIC|7.1 CRI|4.49
2021 USA|40.52 GTM|16.78 HND|16.49 NIC|7.2 CRI|4.11
2022 USA|38.78 GTM|17.05 HND|16.65 NIC|6.98 CRI|4.27
a Elaboracion propia con base en datos del BCR