Guía de trabajo sobre base de datos de Comercio Exterior

Metodos para el analisis economico

Docente: Carlos Ademir Perez Alas

Grupo teorico: “02”

Indicaciones

Indicaciones Generales: Presente en un reporte de Rmardown (use un tema de su preferencia) todas las operaciones que se indican en la tarea, debe incluir el archivo rmd, el pdf y el informe publicado en su cuenta de Rpubs

Ejercicio 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

***IMPORTACIONES

***Generando tablas de importaciones

importaciones 1 importaciones

library(dplyr)
library(readr)
library(kableExtra)
setwd("C:/Users/pc/Downloads/DATA_TAREA_5_MAE/IMPORTACIONES")

archivos_importar_1<-list.files()
lista_importacion_1<-lapply(archivos_importar_1,
                          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
                          )

importaciones_mensuales<-bind_rows(lista_importacion_1)

importaciones_mensuales %>% head(10) %>% kable(caption = "El Salvador: Base de Importaciones 2018-2020",
                                             align="c") %>% 
  add_footnote(label = "Elaboración propia con base de 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
Canada	0511100000	2018	3	17884.85	24.00
Canada	0706900000	2018	4	963.78	6500.00
Canada	0706900000	2018	6	116.45	1176.00
Canada	0709991000	2018	6	166.36	800.00
* Elaboración propia con base de datos del BCR

***Generando tabla de importaciones de la tabla 2018-2020

library(readr)
library(dplyr)
library(kableExtra)
setwd("C:/Users/pc/Downloads/DATA_TAREA_5_MAE/EXPORTACIONES")

archivos_importar<-list.files()
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
                          )

exportaciones_mensuales<-bind_rows(lista_exportacion)

exportaciones_mensuales %>% head(10) %>% kable(caption = "El Salvador: Base de Exportaciones 2018-2020",
                                             align="c") %>% 
  add_footnote(label = "Elaboración propia con base de 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	4667.20	15.00
Canada	0106900000	2018	3	4237.10	14.00
Canada	0106900000	2018	4	3918.00	13.50
Canada	0106900000	2018	5	3155.40	10.00
Canada	0106900000	2018	6	3097.40	9.00
Canada	0305720000	2018	2	2702.30	280.00
Canada	0602100000	2018	1	475519.57	7504.03
Canada	0602100000	2018	2	400232.82	6216.29
Canada	0602100000	2018	3	158138.42	2464.76
Canada	0602100000	2018	4	30370.08	510.83
* Elaboración propia con base de datos del BCR

Creación tabla Comercio Exterior

library(tidyr)
library(kableExtra)


importaciones_mensuales %>% full_join(
  exportaciones_mensuales,
  by= c("pais", "sac", "anio", "mes"),
  suffix= c("_importaciones", "_exportaciones")
  )-> data_comercio_exterior

# Sustituir los valores "N/A"
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(10) %>% 
  kable(caption = "Base de Comercio Exterior 2018-2020",
        align="c") %>% 
  add_footnote(label = "Elaboración propia con base de 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 de datos del BCR

Ejercicio 2:

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

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

# Importaciones hasta 2023

setwd ("C:/Users/pc/Downloads/DATA_TAREA_5_MAE/actualizacion/IMPORT_ACTUALIZACION")

archivos_importar_1<- list.files()
lista_importacion_1<-lapply(
  archivos_importar_1,
  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
  )
# Archivos en un solo dataframe
importaciones_mensuales_update<-bind_rows(lista_importacion_1)

# Exportaciones hasta 2023

setwd("C:/Users/pc/Downloads/DATA_TAREA_5_MAE/actualizacion/EXPORT_ACTUALIZACION")

archivos_importar<- list.files()
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
)
# Archivos en un solo dataframe
exportaciones_mensuales_update<-bind_rows(lista_exportacion)

# Concatenando las tablas con full join
importaciones_mensuales_update %>% full_join(
  exportaciones_mensuales_update,
  by= c("pais", "sac", "anio", "mes"),
  suffix= c("_importaciones", "_exportaciones")
)-> data_comercio_exterior_update

# Sustituyendo los valores cero por "N/A"
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 tabla de comercio exterior y su actualizacion
data_comercio_exterior %>% bind_rows(data_comercio_exterior_update) %>% arrange(pais, anio, mes, sac) ->
  data_comercio_exterior_2018_2023

# Guardar 
save(data_comercio_exterior_2018_2023, file= "C:/Users/pc/Downloads/data_comercio_exterior.RData")

#Mostrar tabla
data_comercio_exterior_2018_2023 %>% filter(anio == 2020, mes == 08) %>% head(10) %>% 
  kable(caption = "Base de Comercio Exterior 2018-2023 (Agosto)",
        aling="c") %>% 
  add_footnote(label = "Elaboracion propia con base de 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
Afganistan	4202190000	2020	8	18.88	0.68	0	0
Afganistan	4202990000	2020	8	7.55	0.27	0	0
Afganistan	6103109000	2020	8	75.52	2.73	0	0
Afganistan	6110900000	2020	8	75.52	2.73	0	0
Afganistan	6117100000	2020	8	9.06	0.33	0	0
Afganistan	6204490000	2020	8	113.28	4.10	0	0
Afganistan	6211390000	2020	8	226.56	8.19	0	0
Afganistan	6403510000	2020	8	18.88	0.68	0	0
Afganistan	6405900000	2020	8	37.76	1.37	0	0
Afganistan	6504000000	2020	8	90.62	3.28	0	0
* Elaboracion propia con base de 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.

library(readxl)
library(kableExtra)

# importacion de Datos
load("C:/Users/pc/Downloads/data_comercio_exterior_actualizada.RData")

# Nombres paises
nombre_archivo <-("C:/Users/pc/Downloads/nombres_iso_paises.xlsx")
master_paises_iso <- read_excel(nombre_archivo)

# Union de bases de datos 
data_comercio_exterior_2018_2023 %>% 
  left_join(master_paises_iso,
            by= c("pais" = "nom_pais_esp")) -> info_estandarizada

# Guardar 
save(info_estandarizada, file="C:/Users/pc/Downloads/data_comercio_exterior_actualizada.RData")

# Mostrar tabla
info_estandarizada %>% head(10) %>% 
  kable(caption = "Base de Comercio Exterior con informacion estandarizada de los paises 2018-2023" ,
        aling="c") %>% 
  add_footnote(label = "Elaboracion propia con base de datos del BCR",
               notation = "symbol") %>% kable_styling()

Base de Comercio Exterior con informacion estandarizada de los paises 2018-2023

pais	sac	anio	mes	valor_cif	kilogramos_importaciones	valor_fob	kilogramos_exportaciones	nom_pais_ingles	iso_2	iso_3	codigo_pais	region	cod_region	sub_region	cod_sub_region	region_intermedia	cod_region_intermedia
Afganistan	0806200000	2018	6	6448.43	1463.92	0	0	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA
Afganistan	6104220000	2018	10	3153.37	2407.61	0	0	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA
Afganistan	6104620000	2018	10	946.01	722.28	0	0	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA
Afganistan	6105100000	2018	10	9405.39	7181.03	0	0	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA
Afganistan	6106100000	2018	10	1353.32	1725.55	0	0	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA
Afganistan	6405900000	2018	10	2260.03	1725.55	0	0	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA
Afganistan	8206000000	2018	10	6.56	5.02	0	0	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA
Afganistan	6404110000	2019	2	7752.13	6748.03	0	0	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA
Afganistan	6405100000	2019	2	508.03	442.24	0	0	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA
Afganistan	6405900000	2019	2	12.45	10.85	0	0	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA
* Elaboracion propia con base de datos del BCR

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:

# Filtrar años

anios_ranking<-2018:2022
info_estandarizada %>% 
  filter(anio %in% anios_ranking) -> data_ranking

# Cálculo del 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() -> insumo_reporte
print(insumo_reporte)

##    anio      data rank
## 1  2018 USA|44.07    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 USA|42.04    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 USA|40.65    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 USA|40.52    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 USA|38.78    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

TABLA EN FORMATO “RAW”

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 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

TABLA EN FORMATO REQUERIDO

library(kableExtra)
mi_tabla %>%
  kable(caption = paste("Top",5,"Socios Comerciales, periodo 2018-2022, datos en porcentajes",
    min(anios_ranking),"-",max(anios_ranking))) %>%
  add_footnote(label = "Elaboracion propia con base en datos del BCR") 

Top 5 Socios Comerciales, periodo 2018-2022, datos en porcentajes 2018 - 2022

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
a Elaboracion propia con base en datos del BCR