1. INTRODUCCIÓN

En este cuaderno se mostrará como obtener estadísticas multianuales para un grupo determinado de cultivos en el departamento del Tolima. Se utilizara como fuente principal de datos las Evaluaciones Agropecuarias Municipales (EVA), un conjunto de datos agrícolas de 2007-2018 proporcionado por el Ministerio de Agricultura y Desarrollo Rural.

2. CONFIGURACIÓN

Luego, se instalara y cargara las bibliotecas R necesarias que son: tidyverse, readr, ggplot2, dplyr.

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 1.9.3     ✔ 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 errors
library(readr)
library(ggplot2)
library(dplyr)

3. DESCARGAR EL CONJUNTO DE DATOS EVA PARA EL DEPARTAMENTO TOLIMA

Ingrese al siguiente link: https://www.datos.gov.co/Agricultura-y-Desarrollo-Rural/Evaluaciones-Agropecuarias-Municipales-EVA/2pnw-mmge/data para encontrar el conjunto de datos.

En el sitio web vinculado (datos.gov.co), visualice los datos y aplique un filtro para obtener solo los datos correspondientes del departamento del Tolima. Luego, exporte los datos en formato csv.

Ahora, diríjase al directorio de descargas para encontrar el archivo Evaluaciones_Agropecuarias_Municipales_EVA.csv. Muévalo a su directorio de trabajo.

3.1 Leer el conjunto de datos EVA

list.files()
##  [1] "ACTIVIDAD 5 - PRODUCTO.pdf"          "Audacity"                           
##  [3] "ColsescoJul.23.xlsx"                 "Croissant.docx"                     
##  [5] "CUADERNO-EVA-TOLIMA.html"            "CUADERNO-EVA-TOLIMA.Rmd"            
##  [7] "CUADERNO EVA TOLIMA.Rmd"             "desktop.ini"                        
##  [9] "Escritorio - Acceso directo.lnk"     "EVA_TOLIMA.csv"                     
## [11] "IMAGENES.docx"                       "LabVIEW Data"                       
## [13] "LTspiceXVII"                         "National Instruments"               
## [15] "NetBeansProjects"                    "NFS Most Wanted"                    
## [17] "Plantillas personalizadas de Office" "VirtualDJ"                          
## [19] "Zoom"
(eva = read_csv("EVA_TOLIMA.csv", col_names = TRUE,
show_col_types = TRUE))
## Rows: 8595 Columns: 17
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (10): DEPARTAMENTO, MUNICIPIO, GRUPO 
## DE CULTIVO, SUBGRUPO 
## DE CULTIVO, ...
## dbl  (7): CÓD. 
## DEP., CÓD. MUN., AÑO, Área Sembrada
## (ha), Área Cosechada
## (ha...
## 
## 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.
eva=as.data.frame(eva)

-Vea la tabla y confirme que contenga estadísticas agrícolas para diferentes años. ¿Puede decir cuál es el período de tiempo para estos datos? Es muy importante saber cuáles son los nombres que “ve” el software. Puede ser diferente de lo que vemos. Averigüemoslo:

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

-Seleccione algunos atributos para limpiar el objeto eva:

# comprobar la salida del objeto en el último fragmento y
# cambiar los nombres de los atributos según sus propios datos
eva %>% dplyr::select('DEPARTAMENTO':'ESTADO FISICO PRODUCCION') -> eva.tmp
eva.tmp

-Verifique el resultado y asegurese que solo se seleccionaron las columnas relevantes. Ahora, cambie los nombres de varias columnas que contengan caracteres vacíos o “ruidosos”:

# asegúrese de utilizar los nombres de las columnas que están en su objeto eva.tmp
eva.tmp %>% dplyr::rename('Departamento'= 'DEPARTAMENTO','Cod_Mun' = 'CÓD. MUN.',
'Municipio'='MUNICIPIO',
'Grupo' = 'GRUPO \nDE CULTIVO',
'Subgrupo' = 'SUBGRUPO \nDE CULTIVO',
'Cultivo'='CULTIVO',
'Year' = 'AÑO',
'Periodo'='PERIODO',
'AreaSembrada' = 'Área Sembrada\n(ha)',
'AreaCosechada' = 'Área Sembrada\n(ha)',
'Produccion' = 'Producción\n(t)',

'Rendimiento' = 'Rendimiento\n(t/ha)',
'Sistema' = 'DESAGREGACIÓN REGIONAL Y/O SISTEMA PRODUCTIVO',

'Estado' = 'ESTADO FISICO PRODUCCION') -> new_eva

-Compruebe el resultado:

new_eva

-Consulte la tabla anterior y verifique que los atributos cuantitativos se almacenen como tipos de datos numéricos (no como tipos de datos de cadena).

5. ANÁLISIS 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 que esto sea muy fácil mediante el uso de la función group_by(), que divide los datos en grupos. Cuando los datos se agrupan de esta manera, se puede utilizar resume() para colapsar cada grupo en un resumen de una sola fila. resume() hace esto aplicando una función de agregación o resumen a cada grupo.

5.1 Los cultivos más importantes entre 2007 y 2008

Por ejemplo, si se quiere saber la producción total por grupo de cultivos:

new_eva %>%
group_by (Grupo, Municipio,Departamento)%>%
summarize(total_produccion = sum(Produccion)) %>%
arrange(desc(total_produccion))
## `summarise()` has grouped output by 'Grupo', 'Municipio'. You can override
## using the `.groups` argument.

-Nótese que la producción total contiene la suma de la producción de cada grupo de cultivos entre 2007 y 2018. En el Tolima, el cultivo de mayor producción fue “Cereales”.

-Para guardar la producción total en un objeto:

new_eva %>%
group_by(Grupo) %>%
summarize(total_produccion = sum(Produccion)) -> PT

-Para filtrar los cultivos más importantes:

PT %>%
filter(total_produccion > 1000000) -> main.groups

-Para conocer la producción total de los principales grupos de cultivos:

(value = sum(main.groups$total_produccion))
## [1] 18856556

-Para agregar un nuevo atributo con porcentaje de la producción total:

main.groups$percent = main.groups$total_produccion/value

-Para crear un gráfico circular de la producción total de los grupos principales:

library(ggplot2)
# Barplot
bp<- ggplot(main.groups, aes(x="", y=percent, col="red", fill=Grupo))+
geom_bar(width = 1, stat = "identity", col="black")
# 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, Departamento) %>%
summarize(total_prod = sum(Produccion, na.rm = TRUE)) %>%
slice(which.max(total_prod)) %>%
arrange(desc(total_prod))
## `summarise()` has grouped output by 'Grupo', 'Municipio'. You can override
## using the `.groups` argument.

-Para guardar el objeto:

new_eva %>%
group_by(Grupo,Municipio, Departamento) %>%
summarize(total_prod = sum(Produccion, na.rm = TRUE)) %>%
slice(which.max(total_prod)) -> leaders
## `summarise()` has grouped output by 'Grupo', 'Municipio'. You can override
## using the `.groups` argument.
leaders

-Para filtrar los municipios más importantes desde el punto de vista agrícola:

leaders %>%
filter(total_prod > 1000000) -> main.leaders

-Dibujemos a los líderes filtrados:

# Diagrama de barras básico
p<-ggplot(data=main.leaders, aes(x=Municipio, y=total_prod,fill=Municipio), options(scipen=999)) +
geom_bar(stat="identity")
p

5.3 Dinámica de un cultivo importante entre 2007 y 2018

new_eva %>%
filter(Municipio=="ESPINAL" & Cultivo=="ALGODON") %>%
group_by(Year, Cultivo) %>%
select(Municipio, Cultivo, Produccion, Year) -> ESPINAL_ALGODON

-Compruebe el resultado:

ESPINAL_ALGODON

-Hagamos un gráfico rápido de la producción de algodón en el Espinal durante todo el período cubierto por el conjunto de datos de EVA:

g <- ggplot(aes(x=Year, y=Produccion/1000), data = ESPINAL_ALGODON) + geom_bar(stat='identity') + labs(y='Produccion de algodon [Ton x 1000]')

-Añada un título y visualice:

g + ggtitle("Evolución de la producción del cultivo de Algodón en el Espinal de 2007 a 2018") + labs(caption= "Basado en datos de EVA (Minagricultura, 2020)")

6. BIBLIOGRAFÍA

Lizarazo, I., 2022. Understanding dynamic productivity of crops. Available at https://rpubs.com/ials2un/production_dyn_v1.

sessionInfo() ## R version 4.1.0 (2021-05-18) ## Platform: x86_64-apple-darwin17.0 (64-bit) ## Running under: macOS Catalina 10.15.7 ## ## Matrix products: default ## BLAS: /Library/Frameworks/R.framework/Versions/4.1/Resources/lib/libRblas.dylib ## LAPACK: /Library/Frameworks/R.framework/Versions/4.1/Resources/lib/libRlapack.dylib ## ## locale: ## [1] en_US.UTF-8/en_US.UTF-8/en_US.UTF- 8/C/en_US.UTF-8/en_US.UTF-8 ## ## attached base packages: ## [1] stats graphics grDevices utils datasets methods base ## ## other attached packages: ## [1] forcats_0.5.1 stringr_1.4.0 dplyr_1.0.7 purrr_0.3.4 ## [5] readr_2.1.2 tidyr_1.2.0 tibble_3.1.3 ggplot2_3.3.5 ## [9] tidyverse_1.3.1 ## ## loaded via a namespace (and not attached): ## [1] Rcpp_1.0.7 lubridate_1.8.0 assertthat_0.2.1 digest_0.6.27 ## [5] utf8_1.2.2 R6_2.5.0 cellranger_1.1.0 backports_1.4.1 ## [9] reprex_2.0.1 evaluate_0.14 httr_1.4.2 highr_0.9 ## [13] pillar_1.6.2 rlang_0.4.11 readxl_1.3.1 rstudioapi_0.13 ## [17] jquerylib_0.1.4 rmarkdown_2.9 labeling_0.4.2 bit_4.0.4 ## [21] munsell_0.5.0 broom_0.7.12 compiler_4.1.0 modelr_0.1.8 ## [25] xfun_0.24 pkgconfig_2.0.3 htmltools_0.5.1.1 tidyselect_1.1.1 ## [29] fansi_0.5.0 crayon_1.4.1 tzdb_0.2.0 dbplyr_2.1.1 ## [33] withr_2.4.2 grid_4.1.0 jsonlite_1.7.2 gtable_0.3.0 ## [37] lifecycle_1.0.0 DBI_1.1.1 magrittr_2.0.1 scales_1.1.1 ## [41] cli_3.0.1 stringi_1.7.3 vroom_1.5.7 farver_2.1.0 ## [45] fs_1.5.0 xml2_1.3.2 bslib_0.2.5.1 ellipsis_0.3.2 ## [49] generics_0.1.0 vctrs_0.3.8 tools_4.1.0 bit64_4.0.5 ## [53] glue_1.4.2 hms_1.1.1 parallel_4.1.0 yaml_2.2.1 ## [57] colorspace_2.0-2 rvest_1.0.1 knitr_1.33 haven_2.4.3 ## [61] sass_0.4.0