1. Pregunta y Obyectivo

Considerando el indice Irradiación Global Horizontal - IGH, ¿Cuales son las capitales de los estados brasileños, más favorables para el aproveachamento de la energia renvable proveniente del sol?

La mayor favoabilidad conlleva a una invesion más temprana en terminos de investimiento en sistemas de generación fotovoltaica, calentamiento solar del agua y otros basados en la intensidad y/o las horas anuales de disponibilidad de esta fuente.

En el primer paso, se importó los datos, por medio del la función read.csv del paquete tidyverse

Para tal, se hizo uso de los datos disponibles en la página web de Laboratorio de Modelagen y Estudios de Recursos Renovables de Energía LABREN (https://labren.ccst.inpe.br/atlas_2017.html)

2.Importación de la base de datos

Para la importación de la base de datos se utilizó la función read.csv y el seteo del parámetro “sep” se hizo necesario, ya que en la base original las columnas estaban separadas por el caractere “;”.

library(tidyverse)
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.4     ✔ readr     2.1.5
## ✔ forcats   1.0.0     ✔ stringr   1.5.1
## ✔ ggplot2   3.5.1     ✔ tibble    3.2.1
## ✔ lubridate 1.9.3     ✔ tidyr     1.3.1
## ✔ purrr     1.0.2     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
  IGH <- read.csv("global_horizontal_means_sedes-munic.csv",sep = ";")

3. Tratamiento t tranformación de los datos

Como forma de reducir los datos a solo aquellos destacados en la propuesta de este proyecto, se utilizó el filter para borrar las filas donde la correspondencia “Sede Municipal” de la variable “STATE” sea TRUE. Con el comando select(), se redució el dataframe, quedando solamente las columnas “ID”, “NAME”, “STATE” y “ANNUAL”. Luego, para la mejor visualización futura en el gráfico, se aplicó el comando mutate() para crear una nueva columna com el acrónimo del estado. Finalmente, nuevamente com en comando mutate(), se creó una nueva columna con una concatenación de las columnas NAME y STATE_SIGLA separados por un guión bajo.

IGH_limpio <- IGH%>% 
  filter(CLASS != "Sede Municipal") %>%
  select(ID, NAME, STATE, ANNUAL)%>%
  mutate(STATE_SIGLA = case_when(STATE == "ACRE" ~ "AC",
                                 STATE == "ALAGOAS" ~ "AL",
                                 STATE == "AMAPA" ~ "AP",
                                 STATE == "AMAZONAS" ~ "AM",
                                 STATE == "BAHIA" ~ "BA",
                                 STATE == "CEARA" ~ "CE",
                                 STATE == "DISTRITO FEDERAL" ~ "DF",
                                 STATE == "ESPIRITO SANTO" ~ "ES",
                                 STATE == "GOIAS" ~ "GO",
                                 STATE == "MARANHAO" ~ "MA",
                                 STATE == "MATO GROSSO" ~ "MT",
                                 STATE == "MATO GROSSO DO SUL" ~ "MS",
                                 STATE == "MINAS GERAIS" ~ "MG",
                                 STATE == "PARA" ~ "PA",
                                 STATE == "PARAIBA" ~ "PB",
                                 STATE == "PARANA" ~ "PR",
                                 STATE == "PERNAMBUCO" ~ "PE",
                                 STATE == "PIAUI" ~ "PI",
                                 STATE == "RIO DE JANEIRO" ~ "RJ",
                                 STATE == "RIO GRANDE DO NORTE" ~ "RN",
                                 STATE == "RIO GRANDE DO SUL" ~ "RS",
                                 STATE == "RONDONIA" ~ "RO",
                                 STATE == "RORAIMA" ~ "RR",
                                 STATE == "SANTA CATARINA" ~ "SC",
                                 STATE == "SAO PAULO" ~ "SP",
                                 STATE == "SERGIPE" ~ "SE",
                                 STATE == "TOCANTINS" ~ "TO")) %>%
  mutate(CAPITAL = paste0(NAME,"_",STATE_SIGLA)) %>% 
  select(ID,CAPITAL,ANNUAL)

4. Gráfico

ggplot(data = IGH_limpio,
       mapping = aes(x = ANNUAL,
                     y = CAPITAL)) +
       geom_col(aes(fill = ANNUAL),
                colour = "black",
                alpha = 0.8) +
  geom_text(aes(x = ANNUAL , y = CAPITAL, label = ANNUAL),
                        vjust = 0.25, hjust = 1.2, size = 2.5) +
  scale_color_gradient(low = "blue", high = "red") +
    labs(title = "Irradiación Global Horizontal - IGH en las Capitales",
       x = "Promedio de IGH anual en Wh/m2.dia",
       y = "Capitales",
       fill = "Capitales")

5. Análisis

Promedia_nacional <- IGH_limpio %>% 
  summarise(ANNUAL = mean(ANNUAL) %>% 
              round(digits = 0))

Com la función summarise/mean se encotró la promedia nacional dentre la población de la variable ANNUAL (filtrada por las capitales)

Promedio Nacional Anual = 5024 Wh/m2.dia

Como esperado, las capitales con mayor favorabilidad para implantación de sistemas solares son las ubicadas em la región Noreste del país, conforme el cuado abajo:

IGH_limpio %>% 
  summarise(min = min(ANNUAL, na.rm = TRUE),
            max = max (ANNUAL, na.rm = TRUE),
            media = mean (ANNUAL, na.rm = TRUE),
            mediana = median (ANNUAL, na.rm = TRUE),
            desvio = sd(ANNUAL, na.rm = TRUE))
##    min  max    media mediana   desvio
## 1 4194 5776 5024.444    5106 465.2304
IGH_3rd_QU <- (5350)
IGH_limpio %>% 
  filter(ANNUAL > IGH_3rd_QU)
##      ID        CAPITAL ANNUAL
## 1 35287      Maceió_AL   5523
## 2 25493    Salvador_BA   5365
## 3 57652   Fortaleza_CE   5776
## 4 45304 João Pessoa_PB   5530
## 5 41780      Recife_PE   5462
## 6 52876    Teresina_PI   5572
## 7 50307       Natal_RN   5674
## 8 31267     Aracaju_SE   5496

6. Dudas que aun tengo:

6.1 Cómo hago para cambiar el color de las barras en el ggráfico hecho con ggplot?

Intenté hacerla con el código de la linea 81, pero no salió como quería,es decir, con la capitales que tengan valores más altos con grados de colores rojos y las capitales que tengam valores más bajos con grados de azul.

Respuesta acá, por favor:

## [1] "___"

6.2. Cómo creo un obyecto que tenga soo tiene el valor del 3rd cuartil de un summary?

Intenté hacerlo en la linea 112, pero no funcionó, entonces, desctivé el procesamiento de este código

Respuesta acá, por favor:

## [1] "___"