Ejercicio 1
Compile la información disponible en la “Base de Datos de Comercio
Exterior” del BCR, para los años 2018-2022. 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.
library(readr)
library(dplyr)
library(kableExtra) #para mostrar "bonitas" las tablas en el documento
#Establecer directorio de trabajo
setwd("D:/UES/SEXTO CICLO/Metodos para el analisis economico/comercio/importaciones/")
#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_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="Base de Importaciones 2018-2022",
align="c") %>%
add_footnote(label="Elaboración propia con base en datos del BCR",
notation="symbol") %>% kable_styling()
Base de Importaciones 2018-2022
|
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
|
#Cargar Paquetes
library(readr)
library(dplyr)
library(kableExtra) #para mostrar "bonitas" las tablas en el documento
#Establecer directorio de trabajo
setwd("D:/UES/SEXTO CICLO/Metodos para el analisis economico/comercio/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_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_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 2018-2022", align = "c") %>%
add_footnote(label = "Elaboración propia con base en datos del BCR",
notation = "symbol") %>% kable_styling()
Base de Exportaciones 2018-2022
|
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
|
#Cargar paquetes
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(n = 10) %>%
kable(caption = "Base de Comercio Exterior 2018-2022",
align = "c") %>%
add_footnote(label = "Elaboración propia con base en datos del BCR",
notation = "symbol") %>% kable_styling()
Base de Comercio Exterior 2018-2022
|
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 en datos del BCR
|
Guardar los datos
save(data_comercio_exterior, file = "D:/UES/SEXTO CICLO/Metodos para el analisis economico/Portafolio/tarea5/data_comercio_exterior.RData")
Ejercicio 2
Realice la actualización de la tabla anterior con toda la información
disponible para 2023.
library(dplyr)
library(tidyr)
library(kableExtra)
setwd("D:/UES/SEXTO CICLO/Metodos para el analisis economico/comercio/importaciones/")
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_cif",
"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_importaciones_update <- bind_rows(lista_importacion)
#Exportaciones
setwd("D:/UES/SEXTO CICLO/Metodos para el analisis economico/comercio/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
#Volver a guardar!
# se Cambió el nombre para guardar la base anterior, por cualquier error que se pueda cometer al actualizar, o en caso de querer llevar un registro de versiones de la tabla.
save(data_comercio_exterior, file = "D:/UES/SEXTO CICLO/Metodos para el analisis economico/Portafolio/tarea5/data_comercio_exterior_actualizada.RData")
#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.
options (scipen = 999) #para mostrar todos los decimales :)
library(dplyr)
library(readxl)
library(kableExtra)
#Datos
load("D:/UES/SEXTO CICLO/Metodos para el analisis economico/Portafolio/tarea5/data_comercio_exterior_actualizada.RData")
#Pegar nombres paises
iso_paises <- read_excel("D:/UES/SEXTO CICLO/Metodos para el analisis economico/Portafolio/tarea5/master_paises_iso.xlsx")
data_comercio_exterior %>%
left_join(iso_paises,
by = c("pais" = "nom_pais_esp")) -> data_comercio_exterior
#Seleccionar Años
anios_ranking<-2018:2023
data_comercio_exterior %>%
filter(anio %in% anios_ranking) ->data_ranking
data_ranking %>%
select("pais","anio","iso_3","region") %>%
head(n=10) %>%
kable(caption = "Base de Comercio Exterior-ISO",
align = "c") %>%
add_footnote(label = "Elaboración propia",
notation = "symbol") %>% kable_styling()
Base de Comercio Exterior-ISO
|
pais
|
anio
|
iso_3
|
region
|
|
Afganistan
|
2018
|
AFG
|
142
|
|
Afganistan
|
2018
|
AFG
|
142
|
|
Afganistan
|
2018
|
AFG
|
142
|
|
Afganistan
|
2018
|
AFG
|
142
|
|
Afganistan
|
2018
|
AFG
|
142
|
|
Afganistan
|
2018
|
AFG
|
142
|
|
Afganistan
|
2018
|
AFG
|
142
|
|
Afganistan
|
2018
|
AFG
|
142
|
|
Afganistan
|
2018
|
AFG
|
142
|
|
Afganistan
|
2018
|
AFG
|
142
|
|
* Elaboración propia
|
Ejercicio 4
Obtenga un ranking, anual, de los 5 principales socios comerciales de
El Salvador, para el periodo 2018-2022. Presente sus resultados en el
siguiente formato:
library(dplyr)
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
## 26 2023 NA|38.49 1
## 27 2023 GTM|17.93 2
## 28 2023 HND|15.94 3
## 29 2023 NIC|7.39 4
## 30 2023 CRI|4.62 5
library(tidyr)
insumo_reporte %>%
pivot_wider(names_from = rank,values_from = data)->mi_tabla
print(mi_tabla)
## # A tibble: 6 × 6
## anio `1` `2` `3` `4` `5`
## <dbl> <chr> <chr> <chr> <chr> <chr>
## 1 2018 NA|47.09 HND|15.34 GTM|14.36 NIC|6.87 CRI|4.39
## 2 2019 NA|44.41 GTM|15.92 HND|15.9 NIC|6.66 CRI|4.46
## 3 2020 NA|43.91 GTM|16.42 HND|15.56 NIC|7.1 CRI|4.49
## 4 2021 NA|43.83 GTM|16.78 HND|16.49 NIC|7.2 CRI|4.11
## 5 2022 NA|41.17 GTM|17.05 HND|16.65 NIC|6.98 CRI|4.27
## 6 2023 NA|38.49 GTM|17.93 HND|15.94 NIC|7.39 CRI|4.62
library(kableExtra)
mi_tabla %>%
kable(caption = paste("Top",5,"Exportaciones totales",
min(anios_ranking),"-",max(anios_ranking))) %>%
add_footnote(label = "Elaboración propia con base en datos del BCR") %>%
kable_styling(bootstrap_options = "striped")
Top 5 Exportaciones totales 2018 - 2023
|
anio
|
1
|
2
|
3
|
4
|
5
|
|
2018
|
NA|47.09
|
HND|15.34
|
GTM|14.36
|
NIC|6.87
|
CRI|4.39
|
|
2019
|
NA|44.41
|
GTM|15.92
|
HND|15.9
|
NIC|6.66
|
CRI|4.46
|
|
2020
|
NA|43.91
|
GTM|16.42
|
HND|15.56
|
NIC|7.1
|
CRI|4.49
|
|
2021
|
NA|43.83
|
GTM|16.78
|
HND|16.49
|
NIC|7.2
|
CRI|4.11
|
|
2022
|
NA|41.17
|
GTM|17.05
|
HND|16.65
|
NIC|6.98
|
CRI|4.27
|
|
2023
|
NA|38.49
|
GTM|17.93
|
HND|15.94
|
NIC|7.39
|
CRI|4.62
|
|
a Elaboración propia con base en datos del BCR
|