---
title: "Censo 2022"
output:
flexdashboard::flex_dashboard:
source_code: embed
orientation: columns
social: ["facebook", "instagram"]
vertical_layout: fill
---
```{r setup, include=FALSE}
library(flexdashboard)
library(sf)
library(leaflet)
library(dplyr)
library(RColorBrewer)
library(plotly)
library(leaflet.minicharts)
library(tidyverse)
library(DT)
# Cargo las bases que voy a usar
departamento <- st_read("./departamento.shp")
censo <- read.csv2("./pob_2010_2022.csv")
# Creo la base de Neuquén
neuquen <- departamento[grepl("^58", departamento$in1), ]
neuquen <- neuquen %>%
arrange(nam)
# Ubico el centro del departamento
neuquen_cent <- neuquen %>%
st_transform(32617)
nqn_cent <- st_centroid(neuquen_cent)
neuquen_cent <- nqn_cent %>%
st_transform(4326)
# Uno las bases
censo$codigo <- as.character(censo$codigo)
censo_nqn <- left_join(censo, neuquen_cent, by = c("codigo" = "in1"))
censo_nqn_sg <- st_drop_geometry(censo_nqn)
idp_nqn <- left_join(censo_nqn_sg, neuquen_cent, by = c("codigo" = "in1"))
idp_nqn <- idp_nqn %>%
dplyr::select(
codigo,
departamento,
indice_dependencia_potencial_2010,
indice_dependencia_potencial_2022,
geometry.x
)
```
Principales resultados
==================
## Column {data-width="200"}
### Poblacion
```{r}
valueBox(sum(censo_nqn_sg$pob_2022),
caption = "Población total",
icon = "fa-people-group",
color = "purple")
```
### Hogares
```{r}
valueBox(sum(censo_nqn_sg$viv_part),
caption = "Viviendas particulares",
icon = "fa-house-user",
color = "green")
```
### Porcentaje de variación
```{r}
var_censal <- round(
(sum(censo_nqn_sg$pob_2022)/sum(censo_nqn_sg$pob_2010) -1) * 100,
2)
valueBox(var_censal,
caption = "(%) Porcentaje de variación 2010 - 2022",
icon = "fa-circle-up",
color = "orange")
```
### Mujeres
```{r}
valueBox(sum(censo_nqn_sg$pob_2022_mujer),
caption = "Mujeres",
icon = "fa-venus",
color = "red")
```
### Hombres
```{r}
valueBox(sum(censo_nqn_sg$pob_2022_varon),
caption = "Hombres",
icon = "fa-mars",
color = "blue")
```
Column {.tabset}
-----------------------------------------------------------------------
### Población por departamento (2010-2022)
```{r}
poblacion_ic <- censo_nqn_sg %>%
dplyr::select(
departamento,
pob_2010,
pob_2022)
poblacion_ic_long <- poblacion_ic %>%
pivot_longer(cols = c(pob_2010, pob_2022),
names_to = "Año",
values_to = "Población")
poblacion_ic_long$Año <- factor(poblacion_ic_long$Año,
levels = c("pob_2010", "pob_2022"),
labels = c("2010", "2022"))
poblacion_2022 <- poblacion_ic_long %>%
filter(Año == 2022) %>%
group_by(departamento) %>%
summarise(Poblacion_2022 = sum(Población))
departamentos_ordenados <- poblacion_2022 %>%
arrange(Poblacion_2022) %>%
pull(departamento)
poblacion_ic_long <- poblacion_ic_long %>%
mutate(departamento = factor(departamento,
levels = departamentos_ordenados))
colors <- c("#6FBF8B", "#BF1304")
ggplot(poblacion_ic_long, aes(y = departamento,
x = Población,
fill = Año)) +
geom_bar(stat = "identity",
position = "dodge") +
geom_text(aes(label = Población),
position = position_dodge(width = 1),
vjust = 0.5,
hjust = 0,
size = 2.5) +
labs(title = "Poblacion por Departamentos según Censos 2010 y 2022",
x = "Población",
y = "Departamento",
fill = "Año") +
theme(axis.text.x = element_text(angle = 90,
hjust = 1)) +
theme_minimal() +
scale_x_continuous(labels = scales::number_format()) +
scale_fill_manual(values = colors)
```
### Combustible utilizado para cocinar (Censo 2022)
```{r}
total_viviendas = sum(censo_nqn_sg$Electricidad,
censo_nqn_sg$Gas.de.red,
censo_nqn_sg$Gas.en.tubo.o.a.granel..zeppelin.,
censo_nqn_sg$Gas.en.garrafa,
censo_nqn_sg$Leña.o.carbón)
# Hago la suma por tipo de combustible
combustibles <- censo_nqn_sg %>%
dplyr::select(Electricidad,
Gas.de.red,
Gas.en.tubo.o.a.granel..zeppelin.,
Gas.en.garrafa,
Leña.o.carbón)
suma_combustibles <- combustibles %>%
summarise(across(everything(), sum))
# Convertir a formato long para hacer el gráfico
suma_combustibles_largo <- suma_combustibles %>%
pivot_longer(cols = everything(),
names_to = "combustible",
values_to = "viviendas")
# Hacer el gráfico de torta
colores <- c("Electricidad" = "#485DD9",
"Gas.de.red" = "#F2A30F",
"Gas.en.tubo.o.a.granel..zeppelin." = "#13F28A",
"Gas.en.garrafa" = "#0CB1F2",
"Leña.o.carbón" = "#F25116")
suma_combustibles_largo <- suma_combustibles_largo %>%
mutate(porcentaje = viviendas / total_viviendas * 100)
ggplot(suma_combustibles_largo, aes(x= "",
y = viviendas,
fill = combustible)) +
geom_bar(width = 3, stat = "identity") +
coord_polar(theta = "y") +
scale_fill_manual(values = colores) +
theme_void() +
labs(fill = "Tipo de Combustible")
```
## Column {data-width="400"}
### Índice de Dependencia Potencial (Censo 2010 - Censo 2022). El Índice de Dependencia Potencial (IDP) es el cociente entre la población en edades dependientes (jóvenes y adultos/as mayores) respecto de la población económicamente activa. Expresa el número de personas inactivas que sostienen 100 personas activas.
```{r}
# Separo las coordenadas para preparar el histograma
library(purrr)
separated_coord <- idp_nqn %>%
mutate(long = unlist(map(idp_nqn$geometry,1)),
lat = unlist(map(idp_nqn$geometry,2)))
separated_coord <- st_drop_geometry(separated_coord)
# Armo el histograma
colors <- c("#F26430", "#03A696")
leaflet() %>%
addProviderTiles(providers$OpenStreetMap) %>%
addPolygons(data = neuquen) %>%
addMinicharts(
separated_coord$long,
separated_coord$lat,
type = "bar",
chartdata = separated_coord[, c("indice_dependencia_potencial_2010",
"indice_dependencia_potencial_2022")],
width = 30,
colorPalette = colors,
transitionTime = 0
)
```
Información desagregada
==================
## Column {data-width="500"}
### Tipo de combustible utilizado para cocinar, por departamento (en porcentaje)
```{r}
tabla_combustibles <- censo_nqn_sg %>%
group_by(departamento) %>%
summarize(
porcentaje_electricidad =
sum(Electricidad) / sum(viv_part) * 100,
porcentaje_gas_red =
sum(Gas.de.red) / sum(viv_part) * 100,
porcentaje_gas_garrafa =
sum(Gas.en.garrafa) / sum(viv_part) * 100,
porcentaje_lena_carbon =
sum(Leña.o.carbón) / sum(viv_part) * 100,
porcentaje_otro_combustible =
sum(Otro.combustible == "-") /
sum(viv_part) * 100) %>%
arrange(departamento)
tabla_combustibles <- tabla_combustibles %>%
mutate(across(where(is.numeric), ~ round(., 2)))
datatable(tabla_combustibles)
```
## Column {data-width="500"}
### Datos demográficos, por departamento
```{r}
datos_censo <- censo_nqn_sg %>%
dplyr::select(
departamento,
pob_2010,
pob_2022,
pob_2022_mujer,
pob_2022_varon,
viv_part,
densidad_pob.km2
)
datos_censo <- datos_censo %>%
mutate(var_ia = (pob_2022/pob_2010 - 1) * 100)
datos_censo <- datos_censo %>%
mutate(across(where(is.numeric), ~ round(., 2)))
datatable(datos_censo)
```
