Convertidor de archivos xlsx a Csv Para el departamento de Santander
Leidy Stefanny Contreras Gomez
10.09.2022
Introduccion
Este es un cuaderno muy simple que ilustra los subconjuntos de Datos agricolas EVA 2019 -2022 proporcionados por la UPRA en https://upra.gov.co/es-co/Evas_Documentos/BaseEVA_Agr%C3%ADcola20192022.xlsx.
Prerequisitos
Descargue el documento anterior y guardelo en el mismo directorio donde se encuentra este cuaderno Cuando se abre en Excel, las primeras filas del archivo BaseEVA_Agricola20192022.xlsx tienen este aspecto:
Es necesario limpiar el archivo original para eliminar los banners y cambiar el nombre de las columnas que no puedan ser leidos en R. No debe haber espacios en blanco ni caracteres extraños como tildes.
1. Configuraciones
Limpiar memoria
rm(list=ls())Instalar las librerias
library(readxl)
library(readr)
library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union2. Lea el conjunto de datos EVA 2019-2022
Comprobemos los nombres de los archivos que se encuentran en el mismo directorio que este cuaderno:
list.files()## [1] "aguacate.jpg" "BaseEVA_Agricola20192022.xlsx"
## [3] "Cuaderno_aguacate.html" "Cuaderno_aguacate.pdf"
## [5] "Cuaderno_aguacate.Rmd" "Cuaderno_aguacate.Santander.Rmd"
## [7] "Cuaderno_Join.html" "Cuaderno_Join.nb.html"
## [9] "Cuaderno_Join.Rmd" "Cuaderno_mapa.tematico.html"
## [11] "Cuaderno_mapa.tematico.nb.html" "Cuaderno_mapa.tematico.Rmd"
## [13] "datos" "imagen.upra.png"
## [15] "Librerias" "P6.GB2"
## [17] "Proyecto 6.qgz" "rsconnect"
## [19] "stder_frutales_2022.csv"En este caso el archivo fijo es BaseEVA_Agricola20192022.xlsx
Como se trata de un archivo excel, conviene saber cuántas hojas hay:
hojas <- excel_sheets("BaseEVA_Agricola20192022.xlsx")Veamos
hojas## [1] "DatosEVA2019-2022"Solo hay una hora, vamos a leerla.
EVA19_22 <- read_excel("BaseEVA_Agricola20192022.xlsx")EVA19_22## # A tibble: 91,777 × 13
## `\r\nCOD_DPTO` DPTO COD_MUN MUNICIPIO CULTIVO GRUPO Subgrupo YEAR PERIODO
## <chr> <chr> <chr> <chr> <chr> <chr> <chr> <dbl> <chr>
## 1 05 Antioq… 05001 MedellÃn Aguaca… Frut… Demas f… 2019 2019
## 2 05 Antioq… 05001 MedellÃn Brevo Frut… Demas f… 2019 2019
## 3 05 Antioq… 05001 MedellÃn Fresa Frut… Demas f… 2019 2019
## 4 05 Antioq… 05001 MedellÃn Guayaba Frut… Mirtáce… 2019 2019
## 5 05 Antioq… 05001 MedellÃn Lima Frut… CÃtricos 2019 2019
## 6 05 Antioq… 05001 MedellÃn Mandar… Frut… CÃtricos 2019 2019
## 7 05 Antioq… 05001 MedellÃn Mango Frut… Demas f… 2019 2019
## 8 05 Antioq… 05001 MedellÃn Mora Frut… Demas f… 2019 2019
## 9 05 Antioq… 05001 MedellÃn Naranja Frut… CÃtricos 2019 2019
## 10 05 Antioq… 05001 MedellÃn Plátano Frut… Demas f… 2019 2019
## # ℹ 91,767 more rows
## # ℹ 4 more variables: AREA_SEMBRADA <dbl>, AREA_COSECHADA <dbl>,
## # PRODUCCION <dbl>, RENDIMIENTO <dbl>Tenga en cuenta que la columna COD_MUN es un carácter. Este es el tipo de datos común para los identificadores.
3. Datos de subconjunto para su departamento
Como solo estamos interesados en un un departamento, es necesario filtrar EVA19_22:
(Santander19_22 = dplyr::filter(EVA19_22, DPTO == "Santander"))## # A tibble: 7,117 × 13
## `\r\nCOD_DPTO` DPTO COD_MUN MUNICIPIO CULTIVO GRUPO Subgrupo YEAR PERIODO
## <chr> <chr> <chr> <chr> <chr> <chr> <chr> <dbl> <chr>
## 1 68 Santan… 68001 Bucarama… Aguaca… Frut… Demas f… 2019 2019
## 2 68 Santan… 68001 Bucarama… Guanáb… Frut… Anonáce… 2019 2019
## 3 68 Santan… 68001 Bucarama… Limón Frut… CÃtricos 2019 2019
## 4 68 Santan… 68001 Bucarama… Naranja Frut… CÃtricos 2019 2019
## 5 68 Santan… 68001 Bucarama… Pitaha… Frut… Demas f… 2019 2019
## 6 68 Santan… 68001 Bucarama… Plátano Frut… Demas f… 2019 2019
## 7 68 Santan… 68001 Bucarama… Uva Frut… Demas f… 2019 2019
## 8 68 Santan… 68001 Bucarama… MaÃz Cere… Cereales 2019 2019A
## 9 68 Santan… 68001 Bucarama… Tomate Hort… Hortali… 2019 2019A
## 10 68 Santan… 68001 Bucarama… Habich… Legu… Legumin… 2019 2019A
## # ℹ 7,107 more rows
## # ℹ 4 more variables: AREA_SEMBRADA <dbl>, AREA_COSECHADA <dbl>,
## # PRODUCCION <dbl>, RENDIMIENTO <dbl>Ahora, seleccionaremos solo datos de 2022:
(Santander_22 = dplyr::filter(Santander19_22, YEAR == 2022))## # A tibble: 1,944 × 13
## `\r\nCOD_DPTO` DPTO COD_MUN MUNICIPIO CULTIVO GRUPO Subgrupo YEAR PERIODO
## <chr> <chr> <chr> <chr> <chr> <chr> <chr> <dbl> <chr>
## 1 68 Santan… 68001 Bucarama… Aguaca… Frut… Demas f… 2022 2022
## 2 68 Santan… 68001 Bucarama… Guanáb… Frut… Anonáce… 2022 2022
## 3 68 Santan… 68001 Bucarama… Limón Frut… CÃtricos 2022 2022
## 4 68 Santan… 68001 Bucarama… Naranja Frut… CÃtricos 2022 2022
## 5 68 Santan… 68001 Bucarama… Pitaha… Frut… Demas f… 2022 2022
## 6 68 Santan… 68001 Bucarama… Plátano Frut… Demas f… 2022 2022
## 7 68 Santan… 68001 Bucarama… Uva Frut… Demas f… 2022 2022
## 8 68 Santan… 68001 Bucarama… Tomate Hort… Hortali… 2022 2022A
## 9 68 Santan… 68001 Bucarama… Habich… Legu… Legumin… 2022 2022A
## 10 68 Santan… 68001 Bucarama… Yuca RaÃc… RaÃces … 2022 2022A
## # ℹ 1,934 more rows
## # ℹ 4 more variables: AREA_SEMBRADA <dbl>, AREA_COSECHADA <dbl>,
## # PRODUCCION <dbl>, RENDIMIENTO <dbl>4. Subconjunto del grupo de cultivos que estás analizando
Ahora seleccionemos solo el grupo de cultivos que nos interesa y resumamos la producción por municipio:
Santander_22 %>%
group_by(COD_MUN, MUNICIPIO, GRUPO) %>%
filter(GRUPO=='Frutales') %>%
summarize(max_prod = max(PRODUCCION, na.rm = TRUE)) %>%
arrange(desc(max_prod)) -> frutales2022## `summarise()` has grouped output by 'COD_MUN', 'MUNICIPIO'. You can override
## using the `.groups` argument.frutales2022## # A tibble: 86 × 4
## # Groups: COD_MUN, MUNICIPIO [86]
## COD_MUN MUNICIPIO GRUPO max_prod
## <chr> <chr> <chr> <dbl>
## 1 68406 Lebrija Frutales 257865
## 2 68307 Girón Frutales 130860
## 3 68615 Rionegro Frutales 36177
## 4 68755 Socorro Frutales 20640
## 5 68547 Piedecuesta Frutales 16590
## 6 68575 Puerto Wilches Frutales 12552
## 7 68861 Vélez Frutales 11880
## 8 68679 San Gil Frutales 10200
## 9 68524 Palmas del Socorro Frutales 10189
## 10 68689 San Vicente de Chucurà Frutales 9922.
## # ℹ 76 more rows5. Escribe los datos
Usaremos la biblioteca readr para guardar nuestros datos en formato csv:
write_csv(frutales2022, "stder_frutales_2022.csv")Let’s check that the file has been created:
list.files()## [1] "aguacate.jpg" "BaseEVA_Agricola20192022.xlsx"
## [3] "Cuaderno_aguacate.html" "Cuaderno_aguacate.pdf"
## [5] "Cuaderno_aguacate.Rmd" "Cuaderno_aguacate.Santander.Rmd"
## [7] "Cuaderno_Join.html" "Cuaderno_Join.nb.html"
## [9] "Cuaderno_Join.Rmd" "Cuaderno_mapa.tematico.html"
## [11] "Cuaderno_mapa.tematico.nb.html" "Cuaderno_mapa.tematico.Rmd"
## [13] "datos" "imagen.upra.png"
## [15] "Librerias" "P6.GB2"
## [17] "Proyecto 6.qgz" "rsconnect"
## [19] "stder_frutales_2022.csv"Leamos el archivo para comprobar que los datos son correctos:
los_datos22 <- read_csv("stder_frutales_2022.csv")## Rows: 86 Columns: 4
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (2): MUNICIPIO, GRUPO
## dbl (2): COD_MUN, max_prod
##
## 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.los_datos22## # A tibble: 86 × 4
## COD_MUN MUNICIPIO GRUPO max_prod
## <dbl> <chr> <chr> <dbl>
## 1 68406 Lebrija Frutales 257865
## 2 68307 Girón Frutales 130860
## 3 68615 Rionegro Frutales 36177
## 4 68755 Socorro Frutales 20640
## 5 68547 Piedecuesta Frutales 16590
## 6 68575 Puerto Wilches Frutales 12552
## 7 68861 Vélez Frutales 11880
## 8 68679 San Gil Frutales 10200
## 9 68524 Palmas del Socorro Frutales 10189
## 10 68689 San Vicente de Chucurà Frutales 9922.
## # ℹ 76 more rowsTenga en cuenta que la columna COD_MUN ahora es doble (es decir, numérica). Este no es el tipo de datos común para identificadores.
En caso de que necesitemos cambiar dicho tipo de datos, podemos usar mutate:
los_datos22 %>% mutate(COD_MUN = as.character(COD_MUN)) -> nuevos_datos22 head(nuevos_datos22)## # A tibble: 6 × 4
## COD_MUN MUNICIPIO GRUPO max_prod
## <chr> <chr> <chr> <dbl>
## 1 68406 Lebrija Frutales 257865
## 2 68307 Girón Frutales 130860
## 3 68615 Rionegro Frutales 36177
## 4 68755 Socorro Frutales 20640
## 5 68547 Piedecuesta Frutales 16590
## 6 68575 Puerto Wilches Frutales 12552¡Bien hecho! Ahora, se puede proceder a crear el cuaderno donde uniremos los datos de producción de 2022 a los polÃgonos que representan a los municipios de nuestro departamento.
6 Bibliografia
sessionInfo()## R version 4.3.1 (2023-06-16 ucrt)
## Platform: x86_64-w64-mingw32/x64 (64-bit)
## Running under: Windows 10 x64 (build 19045)
##
## Matrix products: default
##
##
## locale:
## [1] LC_COLLATE=Spanish_Colombia.utf8 LC_CTYPE=Spanish_Colombia.utf8
## [3] LC_MONETARY=Spanish_Colombia.utf8 LC_NUMERIC=C
## [5] LC_TIME=Spanish_Colombia.utf8
##
## time zone: America/Bogota
## tzcode source: internal
##
## attached base packages:
## [1] stats graphics grDevices utils datasets methods base
##
## other attached packages:
## [1] dplyr_1.1.3 readr_2.1.4 readxl_1.4.3
##
## loaded via a namespace (and not attached):
## [1] crayon_1.5.2 vctrs_0.6.3 cli_3.6.1 knitr_1.44
## [5] rlang_1.1.1 xfun_0.40 generics_0.1.3 jsonlite_1.8.7
## [9] bit_4.0.5 glue_1.6.2 htmltools_0.5.6 sass_0.4.7
## [13] hms_1.1.3 fansi_1.0.4 rmarkdown_2.24 cellranger_1.1.0
## [17] evaluate_0.21 jquerylib_0.1.4 tibble_3.2.1 tzdb_0.4.0
## [21] fastmap_1.1.1 yaml_2.3.7 lifecycle_1.0.3 compiler_4.3.1
## [25] pkgconfig_2.0.3 rstudioapi_0.15.0 digest_0.6.33 R6_2.5.1
## [29] tidyselect_1.2.0 utf8_1.2.3 parallel_4.3.1 vroom_1.6.3
## [33] pillar_1.9.0 magrittr_2.0.3 bslib_0.5.1 bit64_4.0.5
## [37] tools_4.3.1 cachem_1.0.8