# Cargar las librerías necesarias
library(readxl)
library(dplyr)
library(ggplot2)
# Leer el archivo Excel
file_path <- "TABLA 2 DE ACEROS_040545.xlsx"
data <- read_excel(file_path, sheet = "Hoja1")
# Limpiar los datos de país
data <- data %>%
mutate(PAIS = gsub("\\n", " ", PAIS))
# Distribución de la producción por país
production_by_country <- data %>%
group_by(PAIS) %>%
summarise(Total_Produccion = sum(BASE, na.rm = TRUE)) %>%
arrange(desc(Total_Produccion))
print(production_by_country)
## # A tibble: 16 × 2
## PAIS Total_Produccion
## <chr> <dbl>
## 1 "Reino\r Unido" 150.
## 2 "China" 66.2
## 3 "EE.UU." 59.6
## 4 "Japón" 59.6
## 5 "Rusia" 51.2
## 6 "India" 34.8
## 7 "Corea" 32.3
## 8 "Brasil" 27.4
## 9 "Japon" 25.8
## 10 "Italia" 25
## 11 "Alemania" 18.2
## 12 "Taiwán" 12.7
## 13 "Ucrania" 10.1
## 14 "España" 8.2
## 15 "México" 7.8
## 16 "Irán" 5.6
# Gráfico de barras de la producción por país
ggplot(production_by_country, aes(x = reorder(PAIS, Total_Produccion), y = Total_Produccion)) +
geom_bar(stat = "identity") +
geom_text(aes(label = round(Total_Produccion, 1)), vjust = -0.3) +
labs(title = "Distribución de la Producción de Acero por País",
x = "País", y = "Producción (BASE)") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Consolidar la capacidad de producción por empresa
consolidated_data <- data %>%
group_by(EMPRESA) %>%
summarise(CAPACIDAD = sum(`CAPACIDAD (%)`, na.rm = TRUE)) %>%
arrange(desc(CAPACIDAD))
# Identificar las principales empresas por capacidad de producción
top_companies <- consolidated_data %>%
head(10)
# Gráfico de barras de las principales empresas por capacidad de producción
ggplot(top_companies, aes(x = reorder(EMPRESA, CAPACIDAD), y = CAPACIDAD)) +
geom_bar(stat = "identity") +
geom_text(aes(label = round(CAPACIDAD, 2)), hjust = -0.3) +
coord_flip() +
scale_y_continuous(limits = c(0, 0.35)) +
labs(title = "Top 10 Empresas por Capacidad de Producción",
x = "Empresa", y = "Capacidad de Producción (%)") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Agrupar por tipo de acero y calcular la producción total para cada tipo
production_by_type <- data %>%
group_by(`TIPO DE ACERO`) %>%
summarise(Total_Produccion = sum(BASE, na.rm = TRUE)) %>%
arrange(desc(Total_Produccion))
# Ver los resultados
print(production_by_type)
## # A tibble: 2 × 2
## `TIPO DE ACERO` Total_Produccion
## <chr> <dbl>
## 1 ACEROS PLANOS 390.
## 2 ACEROS LARGOS 205.
# Gráfico de barras de la producción por tipo de acero
ggplot(production_by_type, aes(x = reorder(`TIPO DE ACERO`, Total_Produccion), y = Total_Produccion)) +
geom_bar(stat = "identity") +
geom_text(aes(label = round(Total_Produccion, 1)), vjust = -0.3) +
labs(title = "Producción Total por Tipo de Acero",
x = "Tipo de Acero", y = "Producción Total (BASE)") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# Agrupar por empresa y calcular la capacidad de producción total para cada empresa
capacity_by_company <- data %>%
group_by(EMPRESA) %>%
summarise(Total_Capacidad = sum(`CAPACIDAD (%)`, na.rm = TRUE)) %>%
arrange(desc(Total_Capacidad))
# Ver los resultados
print(capacity_by_company)
## # A tibble: 34 × 2
## EMPRESA Total_Capacidad
## <chr> <dbl>
## 1 Arcelor Mittal 0.25
## 2 JFE Steel Group 0.07
## 3 Nippon Steel 0.07
## 4 US Steel Group 0.05
## 5 Posco Group 0.04
## 6 Shanghai Baosteel 0.04
## 7 Gerdau Group 0.03
## 8 Nucor Group 0.03
## 9 Riva Group 0.03
## 10 Tata Corus Group 0.03
## # ℹ 24 more rows
# Gráfico de barras de la capacidad de producción por empresa
ggplot(capacity_by_company, aes(x = reorder(EMPRESA, Total_Capacidad), y = Total_Capacidad)) +
geom_bar(stat = "identity") +
geom_text(aes(label = round(Total_Capacidad, 2)), hjust = -0.3) +
coord_flip() +
scale_y_continuous(limits = c(0, 0.35)) +
labs(title = "Capacidad Total de Producción por Empresa",
x = "Empresa", y = "Capacidad de Producción (%)") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
