library(rio)
## Warning: package 'rio' was built under R version 4.3.3
data2 = import("dataOK_all.xlsx")
## New names:
## • `` -> `...1`
str(data2)
## 'data.frame':    196 obs. of  50 variables:
##  $ ...1                   : num  1 2 3 4 5 6 7 8 9 10 ...
##  $ key                    : chr  "AMAZONAS+BAGUA" "AMAZONAS+BONGARA" "AMAZONAS+CHACHAPOYAS" "AMAZONAS+CONDORCANQUI" ...
##  $ Código                 : num  102 103 101 104 105 106 107 202 203 204 ...
##  $ pared1_Ladrillo        : num  4633 1602 3782 291 430 ...
##  $ pared2_Piedra          : num  46 9 22 7 7 7 35 1 0 3 ...
##  $ pared3_Adobe           : num  6639 2729 5881 672 5217 ...
##  $ pared4_Tapia           : num  222 240 2476 8 6052 ...
##  $ pared5_Quincha         : num  2518 157 309 386 346 ...
##  $ pared6_Piedra          : num  127 36 168 7 54 28 518 65 7 6 ...
##  $ pared7_Madera          : num  4484 2505 1270 8145 606 ...
##  $ pared8_Triplay         : num  851 30 91 200 45 24 210 18 0 1 ...
##  $ pared9_Otro            : num  0 0 0 0 0 0 0 0 0 0 ...
##  $ pared10_Total          : num  19520 7308 13999 9716 12757 ...
##  $ techo1_Concreto        : num  2187 692 2262 56 187 ...
##  $ techo2_Madera          : num  294 75 160 188 43 48 340 57 12 8 ...
##  $ techo3_Tejas           : num  179 382 3393 177 3071 ...
##  $ techo4_Planchas        : num  13186 6084 8005 2036 9343 ...
##  $ techo5_Caña            : num  160 38 50 15 26 15 196 10 8 5 ...
##  $ techo6_Triplay         : num  106 5 14 10 12 5 62 17 4 3 ...
##  $ techo7_Paja            : num  3408 32 115 7234 75 ...
##  $ techo8_Otro            : num  0 0 0 0 0 0 0 0 0 0 ...
##  $ techo9_Total           : num  19520 7308 13999 9716 12757 ...
##  $ piso1_Parquet          : num  6 5 23 2 4 3 20 0 0 5 ...
##  $ piso2_Láminas          : num  19 2 36 0 0 4 32 0 0 1 ...
##  $ piso3_Losetas          : num  647 165 1077 20 46 ...
##  $ piso4_Madera           : num  157 132 240 1523 295 ...
##  $ piso5_Cemento          : num  7121 2917 6189 943 1911 ...
##  $ piso6_Tierra           : num  11569 4087 6434 7228 10501 ...
##  $ piso7_Otro             : num  1 0 0 0 0 0 0 0 0 0 ...
##  $ piso8_Total            : num  19520 7308 13999 9716 12757 ...
##  $ agua1_Red              : num  9429 4569 10647 1307 7172 ...
##  $ agua2_Red_fueraVivienda: num  4392 1497 1619 867 3097 ...
##  $ agua3_Pilón            : num  793 215 184 1003 1112 ...
##  $ agua4_Camión           : num  59 0 49 2 0 0 117 0 0 0 ...
##  $ agua5_Pozo             : num  1792 474 876 2564 819 ...
##  $ agua6_Manantial        : num  270 67 92 431 132 211 471 121 61 27 ...
##  $ agua7_Río              : num  2648 388 488 3428 369 ...
##  $ agua8_Otro             : num  56 61 24 80 9 29 104 2 1 6 ...
##  $ agua9_Vecino           : num  81 37 20 34 47 8 177 9 4 6 ...
##  $ agua10_Total           : num  19520 7308 13999 9716 12757 ...
##  $ elec1_Sí               : num  13204 6025 12248 1792 10886 ...
##  $ elec2_No               : num  6316 1283 1751 7924 1871 ...
##  $ elec3_Total            : num  19520 7308 13999 9716 12757 ...
##  $ departamento           : chr  "AMAZONAS" "AMAZONAS" "AMAZONAS" "AMAZONAS" ...
##  $ provincia              : chr  "BAGUA" "BONGARA" "CHACHAPOYAS" "CONDORCANQUI" ...
##  $ Castillo               : num  25629 8374 15671 13154 12606 ...
##  $ Keiko                  : num  10770 5209 10473 1446 7840 ...
##  $ ganaCastillo           : num  1 1 1 1 1 1 1 1 1 1 ...
##  $ countPositivos         : num  8126 389 2174 3481 456 ...
##  $ countFallecidos        : num  462 72 281 111 88 60 336 26 31 21 ...

#pregunta

Utilizando el porcentaje de viviendas que tiene agua de red publica dentro de la vivienda, la razón de votacion de keiko entre castillo, y la tasa fallecidos por cada 1000 contagiados, Ud se propone agrupar a las provincias del Peru (sin la provincia de Lima) siguiendo diversas estrategias (no corrija correlacion negativa si la hubiera, pero siempre normalice); y en ese proceso Ud. encuentra…

# Cargar el paquete dplyr
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, union
# Crear la nueva variable
data2 <- data2 %>%
  mutate(porcentaje_aguaRed = (agua1_Red / agua10_Total) * 100)
data2$razon_votacion <- data2$Castillo / data2$Keiko
data2$tasa_fallecidos_por_1000 <- (data2$countFallecidos / data2$countPositivos) * 1000

excluir a lima

# Excluir la provincia de Lima
dataC <- data2[data2$provincia != "LIMA", ]

#conglomerado

#creamos dataClus, idehdemo es nuestra data original y las columnas que QUEREMOS clusterizar, EN country ponemos la columna de los nombres de nuestra data original. 
dataClus=dataC[,c("porcentaje_aguaRed", "razon_votacion", "tasa_fallecidos_por_1000")]
row.names(dataClus)=dataC$provincia
library(cluster)
g.dist = daisy(dataClus, metric="gower")

#pam

## para PAM

library(factoextra)
## Warning: package 'factoextra' was built under R version 4.3.3
## Loading required package: ggplot2
## Warning: package 'ggplot2' was built under R version 4.3.3
## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa
fviz_nbclust(dataClus, pam,diss=g.dist,method = "gap_stat",k.max = 10,verbose = F)

#COLOCAMOS el numero que nos salio antes DONDE esta el 3
library(kableExtra)
## Warning: package 'kableExtra' was built under R version 4.3.3
## 
## Attaching package: 'kableExtra'
## The following object is masked from 'package:dplyr':
## 
##     group_rows
set.seed(123)
res.pam=pam(g.dist,5,cluster.only = F)

#nueva columna
dataClus$pam=res.pam$cluster

# ver

head(dataClus,15)%>%kbl()%>%kable_styling()
porcentaje_aguaRed razon_votacion tasa_fallecidos_por_1000 pam
BAGUA 48.30430 2.3796657 56.85454 1
BONGARA 62.52053 1.6076022 185.08997 1
CHACHAPOYAS 76.05543 1.4963239 129.25483 2
CONDORCANQUI 13.45204 9.0968188 31.88739 3
LUYA 56.22011 1.6079082 192.98246 1
RODRÍGUEZ DE MENDOZA 59.02965 1.4509197 545.45455 1
UTCUBAMBA 48.71039 1.9009468 89.62390 1
AIJA 74.75528 1.6454352 329.11392 2
ANTONIO RAYMONDI 85.28790 6.4162437 574.07407 2
ASUNCIÓN 71.32928 3.4582830 355.93220 2
BOLOGNESI 72.30859 1.9253881 396.69421 2
CARHUAZ 73.07544 2.1863795 295.28986 2
CARLOS FERMÍN FITZCARRALD 66.24904 3.8078963 607.14286 2
CASMA 60.43541 0.7286762 375.90862 1
CORONGO 75.16049 1.4890411 513.51351 2 
fviz_silhouette(res.pam,print.summary = F)

silPAM=data.frame(res.pam$silinfo$widths)
silPAM$country=row.names(silPAM)
poorPAM=silPAM[silPAM$sil_width<0,'country']%>%sort()
poorPAM
##  [1] "ACOMAYO"        "AMBO"           "ANDAHUAYLAS"    "ANTABAMBA"     
##  [5] "AYMARAES"       "BELLAVISTA"     "CAJATAMBO"      "CASTROVIRREYNA"
##  [9] "CONDORCANQUI"   "CUTERVO"        "HUACAYBAMBA"    "HUALGAYOC"     
## [13] "LAURICOCHA"     "SAN MIGUEL"     "SANTA CRUZ"     "SIHUAS"        
## [17] "SUCRE"          "SULLANA"        "TARATA"         "YAUYOS"

#agnes

## PARA JERARQUICO

fviz_nbclust(dataClus, hcut,diss=g.dist,method = "gap_stat",k.max = 10,verbose = F,hc_func = "agnes")

# en la K ponemos el numero que nos salio antes
set.seed(123)
library(factoextra)

res.agnes<- hcut(g.dist, k = 5,hc_func='agnes',hc_method = "ward.D")

dataClus$agnes=res.agnes$cluster

# ver

head(dataClus,15)%>%kbl()%>%kable_styling()
porcentaje_aguaRed razon_votacion tasa_fallecidos_por_1000 pam agnes
BAGUA 48.30430 2.3796657 56.85454 1 1
BONGARA 62.52053 1.6076022 185.08997 1 1
CHACHAPOYAS 76.05543 1.4963239 129.25483 2 2
CONDORCANQUI 13.45204 9.0968188 31.88739 3 3
LUYA 56.22011 1.6079082 192.98246 1 1
RODRÍGUEZ DE MENDOZA 59.02965 1.4509197 545.45455 1 1
UTCUBAMBA 48.71039 1.9009468 89.62390 1 1
AIJA 74.75528 1.6454352 329.11392 2 2
ANTONIO RAYMONDI 85.28790 6.4162437 574.07407 2 4
ASUNCIÓN 71.32928 3.4582830 355.93220 2 2
BOLOGNESI 72.30859 1.9253881 396.69421 2 2
CARHUAZ 73.07544 2.1863795 295.28986 2 2
CARLOS FERMÍN FITZCARRALD 66.24904 3.8078963 607.14286 2 4
CASMA 60.43541 0.7286762 375.90862 1 1
CORONGO 75.16049 1.4890411 513.51351 2 2 
fviz_silhouette(res.agnes,print.summary = F)

silAGNES=data.frame(res.agnes$silinfo$widths)
silAGNES$country=row.names(silAGNES)
poorAGNES=silAGNES[silAGNES$sil_width<0,'country']%>%sort()
poorAGNES
##  [1] "ANTONIO RAYMONDI"          "AYMARAES"                 
##  [3] "BONGARA"                   "CANCHIS"                  
##  [5] "CARLOS FERMÍN FITZCARRALD" "CHINCHEROS"               
##  [7] "CONTRALMIRANTE VILLAR"     "FERREÑAFE"                
##  [9] "HUANCA SANCOS"             "HUARI"                    
## [11] "HUARMEY"                   "LAMPA"                    
## [13] "MARISCAL LUZURIAGA"        "MOHO"                     
## [15] "OXAPAMPA"                  "PALLASCA"                 
## [17] "SECHURA"                   "TARATA"                   
## [19] "URUBAMBA"                  "YAUYOS"

#diana

## PARA JERARQUICO

fviz_nbclust(dataClus, hcut,diss=g.dist,method = "gap_stat",k.max = 10,verbose = F,hc_func = "diana")

# Poner el numero anterior en K
set.seed(123)
res.diana <- hcut(g.dist, k = 5,hc_func='diana')
dataClus$diana=res.diana$cluster
# veamos
head(dataClus,15)%>%kbl%>%kable_styling()
porcentaje_aguaRed razon_votacion tasa_fallecidos_por_1000 pam agnes diana
BAGUA 48.30430 2.3796657 56.85454 1 1 1
BONGARA 62.52053 1.6076022 185.08997 1 1 1
CHACHAPOYAS 76.05543 1.4963239 129.25483 2 2 1
CONDORCANQUI 13.45204 9.0968188 31.88739 3 3 2
LUYA 56.22011 1.6079082 192.98246 1 1 1
RODRÍGUEZ DE MENDOZA 59.02965 1.4509197 545.45455 1 1 1
UTCUBAMBA 48.71039 1.9009468 89.62390 1 1 1
AIJA 74.75528 1.6454352 329.11392 2 2 1
ANTONIO RAYMONDI 85.28790 6.4162437 574.07407 2 4 1
ASUNCIÓN 71.32928 3.4582830 355.93220 2 2 1
BOLOGNESI 72.30859 1.9253881 396.69421 2 2 1
CARHUAZ 73.07544 2.1863795 295.28986 2 2 1
CARLOS FERMÍN FITZCARRALD 66.24904 3.8078963 607.14286 2 4 1
CASMA 60.43541 0.7286762 375.90862 1 1 1
CORONGO 75.16049 1.4890411 513.51351 2 2 1 
fviz_silhouette(res.diana,print.summary = F)

silDIANA=data.frame(res.diana$silinfo$widths)
silDIANA$country=row.names(silDIANA)
poorDIANA=silDIANA[silDIANA$sil_width<0,'country']%>%sort()
poorDIANA
## [1] "ACOMAYO"    "BELLAVISTA" "CUTERVO"    "GRAN CHIMÚ" "OXAPAMPA"  
## [6] "SUCRE"      "YAROWILCA"