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.

Crear tabla importaciones

library(readr)
library(dplyr)
library(data.table)
library(kableExtra)
setwd("C:/Users/USUARIO/Desktop/Metodos/importaciones")
nombres_archivos_importar<-list.files()
lista_importacion<-lapply(nombres_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)

data_importaciones<-bind_rows(lista_importacion)
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

Creacion de tabla expotaciones

library(readr)
library(dplyr)
library(data.table)
library(kableExtra)
setwd("C:/Users/USUARIO/Desktop/Metodos/exportaciones")
nombres_archivos_exportar<-list.files()
lista_exportacion<-lapply(nombres_archivos_exportar, 
                         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)

data_exportaciones<-bind_rows(lista_exportacion)
data_exportaciones %>% head()%>% kable(caption="El Salvador: Base de Exportaciones 2018-2020",
        align="c") %>% 
  add_footnote(label="Elaboración propia con base en 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	4667.2	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

Creación de la tabla de Comercio Exterior

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 


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

Para Guardar la Tabla de Comercio Exterior

save(data_comercio_exterior, file= "C:/Users/USUARIO/Desktop/Metodos/data_comercio_exterior.RData")

Cómo Cargar nuestra tabla en otro script de análisis

load("C:/Users/USUARIO/Desktop/Metodos/data_comercio_exterior.RData")

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

library(readr)
library(data.table)
library(dplyr)
library(tidyr)
library(kableExtra)
setwd("C:/Users/USUARIO/Desktop/Metodos/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
)
#Ensamblar los archivos en un sólo dataframe
data_importaciones_update <- bind_rows(lista_importacion)
#Exportaciones
setwd("C:/Users/USUARIO/Desktop/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
#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 = "C:/Users/USUARIO/Desktop/Metodos/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

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(dplyr)
library(readxl)
library(kableExtra)
library(readr)
options(scipen = 9999999)
load("C:/Users/USUARIO/Desktop/Metodos/data_comercio_exterior.RData")
nombre_archivos<- "C:/Users/USUARIO/Desktop/Metodos/master_paises_iso.xlsx"
nombres_iso_paises_1<- read_excel(nombre_archivos)

 data_comercio_exterior %>% 
  left_join(nombres_iso_paises_1,
            by=c("pais"="nom_pais_esp"))->base_comercio_std

base_comercio_std %>% head() %>% kable(caption = "Data comercio exterior estandarizada",align = "c") %>% 
                                       add_footnote(label = "Elaboración propia en base a datos del BCR",
                                                    notation = "symbol") %>% kable_styling()

Data comercio exterior estandarizada
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
^* Elaboración propia en base a datos del BCR

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:

options (scipen = 999) #para mostrar todos los decimales :)
library(dplyr)
library(readxl)
#Datos
#load("G:/Metodos/data_comercio_exterior_actualizada.RData")
load("C:/Users/USUARIO/Desktop/Metodos/data_comercio_exterior_actualizada.RData")

#Pegar nombres paises 
nombre_archivo <- "C:/Users/USUARIO/Desktop/Metodos/master_paises_iso.xlsx"
nombres_iso_paises <- read_excel(nombre_archivo)
data_comercio_exterior %>%
  left_join(nombres_iso_paises,
            by = c("pais" = "nom_pais_esp")) -> data_comercio_exterior

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

library(tidyr)
library(kableExtra)
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

library(dplyr)
library(kableExtra)
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 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

library(tidyr)
library(dplyr)
library(readr)
library(readxl)
library(kableExtra)
mi_tabla %>%
  kable(caption = paste("Top",5,"de Exportaciones periodo",
    min(anios_ranking),"-",max(anios_ranking))) %>%
  add_footnote(label = "Elaboración propia con base en datos del BCR")

Top 5 de Exportaciones periodo 2018 - 2022
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
^a Elaboración propia con base en datos del BCR

Tarea_5

ROCIO AZUCENA ARGUETA VELASCO CARNE: AV14026, GT:03

07 de octubre del 2023

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.

Crear tabla importaciones

Creacion de tabla expotaciones

Creación de la tabla de Comercio Exterior

Para Guardar la Tabla de Comercio Exterior

Cómo Cargar nuestra tabla en otro script de análisis

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

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.

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: