library(tidyverse)
df_puna <- read_csv("../Datos/puna_base_agregada (2).csv")
colnames(df_puna)
## [1] "indice_tiempo" "region"
## [3] "ruta_natural" "provincia_codigo"
## [5] "provincia_nombre" "departamento_partido"
## [7] "localidad" "clasificacion_minturdep"
## [9] "tipo" "establecimientos"
## [11] "unidades" "habitaciones"
## [13] "plazas"
table(df_puna$clasificacion_minturdep)
##
## Albergue / b&b / hostel Albergue municipal / complejo deportivo
## 763 81
## Apart hotel Camping
## 701 821
## Complejo turistico Conjunto de unidades turisticas
## 395 889
## Dormis Establecimiento rural
## 54 962
## Hospedaje Hosteria
## 881 1304
## Hotel 1 estrella Hotel 2 estrellas
## 751 675
## Hotel 3 estrellas Hotel 4 estrellas
## 617 345
## Hotel 5 estrellas Hotel boutique
## 104 253
## Hotel sin categorizar Hotel sindical / mutual
## 1296 266
## Lodge de pesca / caza/ en bodegas Motel
## 49 148
## Pension Posada
## 21 280
## Refugio Residencia universitaria
## 36 19
## Residencial Sin clasificar
## 919 477
## Caba\xf1as / bungalows
## 1610
calculo <- df_puna %>%
filter(indice_tiempo== 2022) %>%
summarise(cantidad_plazas=sum(plazas))
calculo
## # A tibble: 1 × 1
## cantidad_plazas
## <dbl>
## 1 780277
today()
## [1] "2024-06-26"
El resultado es el siguiente 7.80277^{5}
Ultima actualizacion: 2024-06-26