Tarea05_mc19167

1. Compile la información disponible en la “Base de Datos de Comercio Exterior” del BCR, para los años 2018-2020.

#Cargar Paquetes
library(readr)
library(dplyr)

setwd("C:/Users/mende/OneDrive/Escritorio/MAE/Tareas02/Tarea05[Ind]/comercio_imp")
#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)

#Cargar Paquetes
library(readr)
library(dplyr)

setwd("C:/Users/mende/OneDrive/Escritorio/MAE/Tareas02/Tarea05[Ind]/comercio_exp")

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)

#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 


data_comercio_exterior %>% head(n = 10) %>%
  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
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

#Guardado del objeto data_comercio_exterior
save(data_comercio_exterior, file = "C:/Users/mende/OneDrive/Escritorio/MAE/Tareas02/Tarea05[Ind]/datos_comercio_exterior/data_comercio_exterior.RData")

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

#Cargar paquetes
library(dplyr)
library(tidyr)

#importaciones
setwd("C:/Users/mende/OneDrive/Escritorio/MAE/Tareas02/Tarea05[Ind]/n_comercio_imp")

archivos_importar <- list.files()
#Leer los archivos del directorio de trabajo
n_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_n <- bind_rows(n_lista_importacion)

#Cargar paquetes
library(dplyr)
library(tidyr)

#Exportaciones
setwd("C:/Users/mende/OneDrive/Escritorio/MAE/Tareas02/Tarea05[Ind]/n_comercio_exp")

archivos_importar <- list.files()
#Leer los archivos del directorio de trabajo
n_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
)
#Ensamblar los archivos en un sólo dataframe
data_exportaciones_n <- bind_rows(n_lista_exportacion)

#Concatenar las tablas de data_importaciones & data_exportaciones
data_importaciones_n %>% full_join(
  data_exportaciones_n,
  by = c("pais", "sac", "anio", "mes"),
  suffix = c("_importaciones", "_exportaciones")
) -> data_comercio_exterior_n

#Sustitur los Valores Nulos "NA" y guardar en el mismo objeto
data_comercio_exterior_n %>% replace_na(
  list(
    valor_cif = 0,
    valor_fob = 0,
    kilogramos_importaciones = 0,
    kilogramos_exportaciones = 0
  )
) %>%
  arrange(pais, anio, mes, sac) -> data_comercio_exterior_n

#Unir la tabla de comercio exterior y su actualización
data_comercio_exterior %>% 
  bind_rows(data_comercio_exterior_n) %>% 
  arrange(pais, anio, mes, sac) -> A_data_comercio_exterior

#Volver a guardar!
save(A_data_comercio_exterior, file = "C:/Users/mende/OneDrive/Escritorio/MAE/Tareas02/Tarea05[Ind]/datos_comercio_exterior/A_data_comercio_exterior.RData")

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)
library(readxl)

#Pegar nombres paises
nombre_archivo <- "C:/Users/mende/OneDrive/Escritorio/MAE/Tareas02/Tarea05[Ind]/master_paises_iso.xlsx"
nombres_iso_paises <- read_excel(nombre_archivo)

nombres_iso_paises[[67,1]]<-'Estados Unidos de America'

A_data_comercio_exterior %>%
  left_join(nombres_iso_paises,
            by = c("pais" = "nom_pais_esp")) -> iso_data_comercio_exterior 
head(iso_data_comercio_exterior,n = 10)

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

#Seleccionar Años
anios_ranking<-2018:2023
iso_data_comercio_exterior %>% 
  filter(anio %in% anios_ranking) ->data_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() -> reporte_ranking

library(tidyr)
reporte_ranking %>% 
pivot_wider(names_from = rank,values_from = data)->tabla_ranking
print(tabla_ranking)

## # A tibble: 6 × 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
## 6  2023 USA|36.16 GTM|17.93 HND|15.94 NIC|7.39 CRI|4.62

library(kableExtra)
tabla_ranking %>%
  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",
                notation = "symbol") %>%  kable_styling()

Top 5 de Exportaciones periodo 2018 - 2023
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
2023	USA\|36.16	GTM\|17.93	HND\|15.94	NIC\|7.39	CRI\|4.62
^* Elaboración propia con base en datos del BCR

Tarea05_mc19167

JAIRO RODRIGO MENDEZ CARRILLO

2023-10-04

1. Compile la información disponible en la “Base de Datos de Comercio Exterior” del BCR, para los años 2018-2020.

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.