library(dplyr)
library(tidyr)
library(kableExtra)

# Importaciones
setwd("C:/Users/MINEDUCYT/Documents/Metodos 2023/Importaciones_actualizadas")
archivos_importar <- list.files()
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
)

data_importaciones_update <- bind_rows(lista_importacion)

#Exportaciones
setwd("C:/Users/MINEDUCYT/Documents/Metodos 2023/Exportaciones_actualizadas")
archivos_importar <- list.files()
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
)


data_exportaciones_update <- bind_rows(lista_importacion)

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

save(data_comercio_exterior, file = "C:/Users/MINEDUCYT/Documents/Metodos 2023/data_comercio_exterior_actualizada.RData")

#Mostrar Tabla 
data_comercio_exterior %>% 
  filter(anio == 2023, mes == 08) %>% 
  head(10) %>%
  kable(caption = "Base de Comercio Exterior 2018-2023",
        align = "c") %>%
  add_footnote(label = "Elaboración propia con base en datos del BCR",
               notation = "symbol") %>%  
  kable_styling()

library(readxl)
master_paises_iso <- read_excel("~/Metodos 2023/master_paises_iso.xlsx")

data_comercio_exterior %>% 
  left_join(master_paises_iso,
            by=c("pais"="nom_pais_esp"))-> data_comercio_exterior_estandarizada

save(data_comercio_exterior_estandarizada, file = "C:/Users/MINEDUCYT/Documents/Metodos 2023/data_comercio_exterior_estandarizada.RData")

data_comercio_exterior_estandarizada %>% 
  head(10) %>%
  kable(caption = "Base de Comercio Exterior 2018-2023 Estandarizada",
        align = "c") %>%
  add_footnote(label = "Elaboración propia con base en datos del BCR",
               notation = "symbol") %>%  
  kable_styling()

#Seleccionar Años
anios_ranking<-2018:2023
data_comercio_exterior_estandarizada %>% 
  filter(anio %in% anios_ranking) ->data_ranking

#Cálculo de ranking & porcentajes

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)