Ejercicio 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.

Tabla de Importaciones

library(readr)
library(dplyr)
library(kableExtra) #para mostrar "bonitas" las tablas en el documento
#Establecer directorio de trabajo
setwd("~/metodos/importaciones")
#Nombres de los archivos en el directorio de trabajo (sólo deben estar los archivos a leer)
doc_importacion<-list.files()
#Leer los archivos del directorio de trabajo
lista_importacion<-lapply(doc_importacion ,
                          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)
#Emsamblar los archivos en un sólo dataframe
data_importaciones<-bind_rows(lista_importacion)
#Mostrar las tablas en formato html (es para esta publicación)
data_importaciones %>% head()%>% kable(caption="El Salvador: Base de Importaciones 2018-2020",
        align="c") %>% 
  add_footnote(label="Elaboración propia con base en 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
* Elaboración propia con base en datos del BCR

tabla de exportaciones

library(readr)
library(dplyr)
library(kableExtra) #para mostrar "bonitas" las tablas en el documento
#Establecer directorio de trabajo
setwd("~/metodos/exportaciones")
#Nombres de los archivos en el directorio de trabajo (sólo deben estar los archivos a leer)
archivos_exportacion <- list.files()
#Leer los archivos del directorio de trabajo
lista_exportacion <- lapply(
  archivos_exportacion,
  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_cif = "d",
    kilogramos = "d"
  ),
  skip = 1
)
#Emsamblar los archivos en un sólo dataframe
data_exportaciones <- bind_rows(lista_exportacion)
#Mostrar las tablas en formato html (es para esta publicación)
data_exportaciones %>% head() %>% kable(caption = "Base de Exportaciones 2018-2020", align = "c") %>%
  add_footnote(label = "Elaboración propia con base en datos del BCR",
               notation = "symbol") %>%  kable_styling()
Base de Exportaciones 2018-2020
pais sac anio mes valor_fob kilogramos
Canada 0106900000 2018 2 4667.2 15.0
Canada 0106900000 2018 3 4237.1 14.0
Canada 0106900000 2018 4 3918.0 13.5
Canada 0106900000 2018 5 3155.4 10.0
Canada 0106900000 2018 6 3097.4 9.0
Canada 0305720000 2018 2 2702.3 280.0
* Elaboración propia con base en datos del BCR

Creacion de la tabla

library(dplyr)
library(tidyr)
library(kableExtra)
#Concatenar las tablas de data_importaciones & data_exportaciones
data_importaciones %>% full_join(
  data_exportaciones,
  by = c("pais", "sac", "anio", "mes"),
  suffix = c("_importaciones", "_exportaciones")
) -> data_comercio_exterior

#Sustitur los Valores Nulos "NA" y guardar en el mismo objeto
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 #Se hizo la asignación al final de la instrucción.

#Mostrar Tabla (primeros 6 elementos)
data_comercio_exterior %>% head() %>%
  kable(caption = "Base de Comercio Exterior 2018-2020",
        align = "c") %>%
  add_footnote(label = "Elaboración propia con base en 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
* Elaboración propia con base en datos del BCR

Ejercicio 2

Realice la actualización de la tabla anterior con toda la información disponible para 2023.

library(readr)
library(dplyr)
library(kableExtra) #para mostrar "bonitas" las tablas en el documento
#Establecer directorio de trabajo
setwd("~/metodos/importaciones")
#Nombres de los archivos en el directorio de trabajo (sólo deben estar los archivos a leer)
doc_importacion<-list.files()
#Leer los archivos del directorio de trabajo
lista_importacion<-lapply(doc_importacion ,
                          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)

data_importaciones_update <- bind_rows(lista_importacion)
#Exportaciones
setwd("~/metodos/exportaciones")
#Nombres de los archivos en el directorio de trabajo (sólo deben estar los archivos a leer)
archivos_importar <- list.files()
#Leer los archivos del directorio de trabajo
lista_importacion <- 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_cif = "d",
    kilogramos = "d"
  ),
  skip = 1
)
#Ensamblar los archivos en un sólo dataframe
data_exportaciones_update <- bind_rows(lista_importacion)


#Concatenar las tablas de data_importaciones & data_exportaciones
data_importaciones_update %>% full_join(
  data_exportaciones_update,
  by = c("pais", "sac", "anio", "mes"),
  suffix = c("_importaciones", "_exportaciones")
) -> data_comercio_exterior_update
#Sustitur los Valores Nulos "NA" y guardar en el mismo objeto
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 la tabla de comercio exterior y su actualización
data_comercio_exterior %>% bind_rows(data_comercio_exterior_update) %>%  arrange(pais, anio, mes, sac) ->
  data_comercio_exterior


#Mostrar Tabla (primeros 6 elementos)
data_comercio_exterior %>% filter(anio == 2023, mes == 08) %>% head() %>%
  kable(caption = "Base de Comercio Exterior 2018-2023 (Agosto)",
        align = "c") %>%
  add_footnote(label = "Elaboración propia con base en 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
Albania 6109900000 2023 8 77.80 1.22 0 0
Albania 6109900000 2023 8 77.80 1.22 0 0
Albania 8484200000 2023 8 165.15 2.60 0 0
Albania 8484200000 2023 8 165.15 2.60 0 0
Albania 8544300000 2023 8 849.34 2.09 0 0
Albania 8544300000 2023 8 849.34 2.09 0 0
* Elaboración propia con base en datos del BCR

ejercicio 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.

carga de data frame de informacion estandarizada

library(readr)
informacion_paises <- read_csv("C:/Users/HP/Downloads/informacion_paises.csv")

union de la informacion

library(dplyr)
library(tidyr)
library(kableExtra)
#Concatenar las tablas de data_importaciones & data_exportaciones
data_comercio_exterior_update %>% left_join(
  informacion_paises,
  by = "pais",) -> data_ce

# mostra un head con 10 datos 
data_ce %>% head(n=10)
## # A tibble: 10 × 20
##    pais       sac         anio   mes valor_cif kilogramos_importacio…¹ valor_fob
##    <chr>      <chr>      <dbl> <dbl>     <dbl>                   <dbl>     <dbl>
##  1 Afganistan 0806200000  2018     6   6448.                   1464.           0
##  2 Afganistan 6104220000  2018    10   3153.                   2408.           0
##  3 Afganistan 6104620000  2018    10    946.                    722.           0
##  4 Afganistan 6105100000  2018    10   9405.                   7181.           0
##  5 Afganistan 6106100000  2018    10   1353.                   1726.           0
##  6 Afganistan 6405900000  2018    10   2260.                   1726.           0
##  7 Afganistan 8206000000  2018    10      6.56                    5.02         0
##  8 Afganistan 6404110000  2019     2   7752.                   6748.           0
##  9 Afganistan 6405100000  2019     2    508.                    442.           0
## 10 Afganistan 6405900000  2019     2     12.4                    10.8          0
## # ℹ abbreviated name: ¹​kilogramos_importaciones
## # ℹ 13 more variables: kilogramos_exportaciones <dbl>, nom_pais_ingles <chr>,
## #   iso_2 <chr>, iso_3 <chr>, codigo_pais...5 <dbl>, codigo_pais...6 <chr>,
## #   region <dbl>, cod_region <chr>, sub_region <dbl>, cod_sub_region <chr>,
## #   region_intermedia <dbl>, cod_region_intermedia <chr>, ...13 <dbl>

Ejercicio 4

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

#Seleccionar Años
anios_ranking<-2018:2022
data_ce %>% 
  filter(anio %in% anios_ranking) ->data_ranking

#calculo de 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  NA|47.09    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  NA|44.41    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  NA|43.91    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  NA|43.83    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  NA|41.17    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