analisis mineros
Yhara
2024-06-03
¿por qué laborales?
library(rio)## Warning: package 'rio' was built under R version 4.3.3data= import("baseee.xlsx")table(data$Reclamo)##
## Ambientales Económicos Laborales Políticos Servicios
## 1109 2494 8955 10037 1473
## Territoriales
## 357¿por qué es periodo de tiempo?
str(data$Año)## num [1:24425] 1980 1980 1980 1980 1980 1980 1980 1980 1980 1980 ...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, unionlugar5 = data %>%
select(Año,Reclamo) %>%
group_by(Reclamo) %>%
filter(Reclamo == "Laborales")lugar5 %>%
group_by(Año) %>%
summarize(Freq=n())## # A tibble: 44 × 2
## Año Freq
## <dbl> <int>
## 1 1980 676
## 2 1981 554
## 3 1982 343
## 4 1983 853
## 5 1984 612
## 6 1985 176
## 7 1986 181
## 8 1987 395
## 9 1988 276
## 10 1989 471
## # ℹ 34 more rowslibrary(ggplot2)## Warning: package 'ggplot2' was built under R version 4.3.3lugar5 |>
ggplot(aes(x=`Año`))+
geom_histogram(fill = "red",
color = "black",
bins = 30,
alpha = 0.7)+
xlab("año") +
ylab("Frecuencia de las protestas")+
theme_minimal()
Filtrando data: Actores mineros
library(dplyr)
mineros = data %>%
select(Año, Región, Reclamo, Actor_1, Adversario, Presidente) %>%
group_by(Actor_1) %>%
filter(Actor_1 == "Mineros")mineros1 = data %>%
select(Año, Región, Reclamo, Actor_1, Adversario, Presidente, Sub_Reclamo) %>%
group_by(Año) %>%
filter(Año >= 1980 & Año <= 2000)mineros2 = mineros1 %>%
group_by(Reclamo) %>%
filter(Reclamo == "Laborales")mineros3 = mineros2 %>%
group_by(Actor_1) %>%
filter(Actor_1 == "Mineros")str(mineros3)## gropd_df [739 × 7] (S3: grouped_df/tbl_df/tbl/data.frame)
## $ Año : num [1:739] 1980 1980 1980 1980 1980 1980 1980 1980 1980 1980 ...
## $ Región : chr [1:739] "Lima" "Arequipa" "Pasco" "Huancavelica" ...
## $ Reclamo : chr [1:739] "Laborales" "Laborales" "Laborales" "Laborales" ...
## $ Actor_1 : chr [1:739] "Mineros" "Mineros" "Mineros" "Mineros" ...
## $ Adversario : chr [1:739] "Empresas Privadas" "Empresas Privadas" "Empresas Estatates" "Empresas Privadas" ...
## $ Presidente : chr [1:739] "Morales Bermúdez" "Morales Bermúdez" "Morales Bermúdez" "Morales Bermúdez" ...
## $ Sub_Reclamo: chr [1:739] "Aumentos salariales" "Aumentos salariales" "Aumentos salariales" "Aumentos salariales" ...
## - attr(*, "groups")= tibble [1 × 2] (S3: tbl_df/tbl/data.frame)
## ..$ Actor_1: chr "Mineros"
## ..$ .rows : list<int> [1:1]
## .. ..$ : int [1:739] 1 2 3 4 5 6 7 8 9 10 ...
## .. ..@ ptype: int(0)
## ..- attr(*, ".drop")= logi TRUEanalisis descriptivo
tabla1 = mineros3 |>
count(Región = Región, name="Frecuencia") |>
mutate(Porcentaje = round(Frecuencia / sum(Frecuencia)*100))
tabla1## # A tibble: 17 × 4
## # Groups: Actor_1 [1]
## Actor_1 Región Frecuencia Porcentaje
## <chr> <chr> <int> <dbl>
## 1 Mineros Arequipa 52 7
## 2 Mineros Ayacucho 21 3
## 3 Mineros Cajamarca 4 1
## 4 Mineros Callao 13 2
## 5 Mineros Cusco 12 2
## 6 Mineros Huancavelica 23 3
## 7 Mineros Huánuco 14 2
## 8 Mineros Ica 47 6
## 9 Mineros Junín 76 10
## 10 Mineros La Libertad 12 2
## 11 Mineros Lima 187 25
## 12 Mineros Loreto 3 0
## 13 Mineros Moquegua 148 20
## 14 Mineros Pasco 31 4
## 15 Mineros Piura 1 0
## 16 Mineros Tacna 71 10
## 17 Mineros Áncash 24 3library(ggplot2)
library(dplyr)
# Ordenar las regiones según la frecuencia de mayor a menor
tabla1 <- tabla1 %>%
arrange(desc(Frecuencia)) %>%
mutate(Región = factor(Región, levels = Región))
# Crear el gráfico
ggplot(tabla1, aes(x=Región, y=Frecuencia, fill=Región)) +
geom_bar(stat = "identity") +
ggtitle("N° de protestas por regiones- actores mineros") +
xlab("Regiones") +
ylab("Frecuencia") +
geom_text(aes(label=round(Frecuencia, 1)), vjust=-0.3, color="white", size=3) +
theme_minimal() +
theme(
axis.text.x = element_text(angle = 45, hjust = 1), # Ajusta el ángulo y el espaciado de los nombres en el eje X
plot.title = element_text(hjust = 0.5, size = 16, face = "bold"), # Centrar y ajustar tamaño del título
axis.title.x = element_text(size = 14), # Ajustar tamaño del título del eje X
axis.title.y = element_text(size = 14) # Ajustar tamaño del título del eje Y
) +
scale_fill_brewer(palette = "Set3") # Agrega colores usando una paleta predefinida## Warning in RColorBrewer::brewer.pal(n, pal): n too large, allowed maximum for palette Set3 is 12
## Returning the palette you asked for with that many colors
Tiempo
tabla2 = mineros3 |>
count(Año = Año, name="Frecuencia") |>
mutate(Porcentaje = round(Frecuencia / sum(Frecuencia)*100))
tabla2## # A tibble: 21 × 4
## # Groups: Actor_1 [1]
## Actor_1 Año Frecuencia Porcentaje
## <chr> <dbl> <int> <dbl>
## 1 Mineros 1980 26 4
## 2 Mineros 1981 185 25
## 3 Mineros 1982 54 7
## 4 Mineros 1983 182 25
## 5 Mineros 1984 66 9
## 6 Mineros 1985 29 4
## 7 Mineros 1986 31 4
## 8 Mineros 1987 21 3
## 9 Mineros 1988 21 3
## 10 Mineros 1989 14 2
## # ℹ 11 more rowslibrary(ggplot2)
library(dplyr)
# Contar la frecuencia de cada año y ordenarlas
mineros3_count <- mineros3 %>%
count(`Año`) %>%
arrange(desc(n))
# Crear el gráfico de barras ordenado de mayor a menor
ggplot(mineros3_count, aes(x = (`Año`), y = n)) +
geom_bar(stat = "identity", fill = "green", color = "black", alpha = 0.7) +
xlab("Año") +
ylab("Frecuencia de protestas") +
ggtitle("Frecuencia de Protestas actores mineros por Año") +
theme_minimal() +
theme(
)
filtara por mes, fuji shock
Análisis SOLO con mis varibles elegidas
names(data)## [1] "ID" "Periódico" "Periódico_id"
## [4] "Día" "Mes_id" "Mes"
## [7] "Año" "Fecha" "Presidente_id"
## [10] "Presidente" "Región_id" "Región"
## [13] "Provincia_id" "Provincia" "Distrito_id"
## [16] "Distrito" "Sector_1" "Sector_id_1"
## [19] "Actor_1" "Actor_1_id" "Sector_2"
## [22] "Sector_id_2" "Actor_2" "Actor_2_id"
## [25] "Actor_t" "Acción_1_id" "Acción_1"
## [28] "Acción_2_id" "Acción_2" "Acción_3_id"
## [31] "Acción_3" "Acción_4_id" "Acción_4"
## [34] "Acción_t" "Duración_Horas" "Número_Participantes"
## [37] "Número_Heridos" "Número_Muertos" "Número_Detenidos"
## [40] "Adversario" "Adversario_id" "Institución_1"
## [43] "Institución_2" "Institución_3" "Institución_id"
## [46] "Reclamo_t" "Reclamo" "Reclamo_id"
## [49] "Sub_Reclamo" "Sub_Reclamo_id" "Comentar_t"library(dplyr)
data <- data %>%
select(Año, Región, Actor_1, Reclamo, Sub_Reclamo, Adversario, Acción_1, Mes_id, Mes)str(data)## 'data.frame': 24425 obs. of 9 variables:
## $ Año : num 1980 1980 1980 1980 1980 1980 1980 1980 1980 1980 ...
## $ Región : chr "Lima" "Lima" "Lima" "Lima" ...
## $ Actor_1 : chr "Comerciantes" "Enfermeras" "Reos" "Periodistas" ...
## $ Reclamo : chr "Laborales" "Laborales" "Servicios" "Laborales" ...
## $ Sub_Reclamo: chr "Bonificaciones" "Aumentos salariales" "Alimentación" "Mejores condiciones laborales" ...
## $ Adversario : chr "Empresas Privadas" "Organismos Autónomos" "Poder Ejecutivo" "Empresas Privadas" ...
## $ Acción_1 : chr "Paro" "Huelga" "Motín" "Paro" ...
## $ Mes_id : num 1 1 1 1 1 1 1 1 1 1 ...
## $ Mes : chr "Enero" "Enero" "Enero" "Enero" ...Análisis de Moquegua
#por años
tabla3 = data %>%
select(Región, Actor_1, Reclamo, Año) %>%
group_by(Año) %>%
filter(Región == "Moquegua") %>%
filter(Actor_1== "Mineros") %>%
filter(Reclamo== "Laborales")filter(Año <= 2000) %>%
library(ggplot2)
library(dplyr)
# Contar la frecuencia de cada año y ordenarlas
tabla3_count <- tabla3 %>%
count(`Año`) %>%
arrange(desc(n))
# Crear el gráfico de barras ordenado de mayor a menor
ggplot(tabla3_count, aes(x = (`Año`), y = n)) +
geom_bar(stat = "identity", fill = "blue", color = "black", alpha = 0.7) +
xlab("Año") +
ylab("Frecuencia de protestas") +
ggtitle("Frecuencia de Protestas actores mineros por Año en Moquegua") +
theme_minimal() +
theme(
)
count(tabla3)## # A tibble: 13 × 2
## # Groups: Año [13]
## Año n
## <dbl> <int>
## 1 1980 4
## 2 1981 68
## 3 1983 44
## 4 1984 7
## 5 1985 3
## 6 1986 1
## 7 1987 3
## 8 1988 2
## 9 1989 1
## 10 1990 15
## 11 2007 12
## 12 2012 2
## 13 2017 2–> años con más protestas son 1981, 1983 y 1990
Mes 1981
tabla4 = data %>%
select(Región, Actor_1, Reclamo, Año, Mes, Mes_id) %>%
group_by(Año) %>%
filter(Región == "Moquegua") %>%
filter(Actor_1== "Mineros") %>%
filter(Reclamo== "Laborales")para_grafico3 = tabla4%>%
select(Región, Actor_1, Reclamo, Año, Mes, Mes_id) %>%
group_by(Año) %>%
filter(Año == "1981")# Contar la frecuencia de cada año y ordenarlas
para_grafico3_count <- para_grafico3%>%
count(`Mes_id`) %>%
arrange(desc(n))
# Crear el gráfico de barras ordenado de mayor a menor
ggplot(para_grafico3_count, aes(x = (`Mes_id`), y = n)) +
geom_bar(stat = "identity", fill = "darkblue", color = "black", alpha = 0.7) +
xlab("Mes_id") +
ylab("Frecuencia de protestas") +
ggtitle("Frecuencia de Protestas actores mineros por Mes (1981) en Moquegua") +
theme_minimal() +
theme(
)
# Contar la frecuencia de cada año y ordenarlas
para_grafico3_count <- para_grafico3%>%
count(Mes) %>%
arrange(desc(n))
# Crear el gráfico de barras ordenado de mayor a menor
ggplot(para_grafico3_count, aes(x = (Mes), y = n)) +
geom_bar(stat = "identity", fill = "darkblue", color = "black", alpha = 0.7) +
xlab("Mes_id") +
ylab("Frecuencia de protestas") +
ggtitle("Frecuencia de Protestas actores mineros por Mes (1981) en Moquegua") +
theme_minimal() +
theme(
)
Mes 1983
library(dplyr)
para_grafico4 = tabla4%>%
select(Región, Actor_1, Reclamo, Año, Mes, Mes_id) %>%
group_by(Año) %>%
filter(Año == "1983")# Contar la frecuencia de cada año y ordenarlas
para_grafico4_count <- para_grafico4 %>%
count(Mes) %>%
arrange(desc(n))
# Crear el gráfico de barras ordenado de mayor a menor
ggplot(para_grafico4_count, aes(x = (Mes), y = n)) +
geom_bar(stat = "identity", fill = "purple", color = "black", alpha = 0.7) +
xlab("Mes_id") +
ylab("Frecuencia de protestas") +
ggtitle("Frecuencia de Protestas actores mineros por Mes (1983) en Moquegua") +
theme_minimal() +
theme(
)
Mes 1984
para_grafico5 = tabla4%>%
select(Región, Actor_1, Reclamo, Año, Mes, Mes_id) %>%
group_by(Año) %>%
filter(Año == "1984")# Contar la frecuencia de cada año y ordenarlas
para_grafico5_count <- para_grafico5 %>%
count(Mes) %>%
arrange(desc(n))
# Crear el gráfico de barras ordenado de mayor a menor
ggplot(para_grafico5_count, aes(x = (Mes), y = n)) +
geom_bar(stat = "identity", fill = "darkgreen", color = "black", alpha = 0.7) +
xlab("Mes_id") +
ylab("Frecuencia de protestas") +
ggtitle("Frecuencia de Protestas actores mineros por Mes (1984) en Moquegua") +
theme_minimal() +
theme(
)
Mes 1990
para_grafico6 = tabla4%>%
select(Región, Actor_1, Reclamo, Año, Mes, Mes_id) %>%
group_by(Año) %>%
filter(Año == "1990")# Contar la frecuencia de cada año y ordenarlas
para_grafico6_count <- para_grafico6 %>%
count(Mes) %>%
arrange(desc(n))
# Crear el gráfico de barras ordenado de mayor a menor
ggplot(para_grafico6_count, aes(x = (Mes), y = n)) +
geom_bar(stat = "identity", fill = "orange", color = "black", alpha = 0.7) +
xlab("Mes_id") +
ylab("Frecuencia de protestas") +
ggtitle("Frecuencia de Protestas actores mineros por Mes (1990) en Moquegua") +
theme_minimal() +
theme(
)
tipo de reclamo
data_mineros = data%>%
filter(Actor_1=="Mineros")%>%
group_by(Región)para_grafico1=data_mineros %>%
filter(Región=="Moquegua")%>%
group_by(Reclamo) %>%
summarize(Freq=n()) %>%
mutate(Porcentaje = (Freq / sum(Freq))*100)library(ggplot2)
library(taylor) ## Warning: package 'taylor' was built under R version 4.3.3 ggplot(para_grafico1, aes(x=Reclamo, y=Porcentaje, fill=Reclamo)) +
ggtitle("Tipo de reclamo en protestas en Moquegua") +
xlab("Protestas por actores mineros\n en Moquegua") + ylab("Porcentaje")+
geom_bar(stat = "identity")
tipo de subReclamo
para_grafico2 = data_mineros%>%
filter(Región=="Moquegua")para_grafico2_summarized = para_grafico2 %>%
filter(Reclamo == "Laborales") %>%
group_by(Sub_Reclamo) %>%
summarize(Freq = n()) %>%
mutate(Porcentaje = (Freq / sum(Freq)) * 100) # Crear el gráfico
ggplot(para_grafico2_summarized, aes(x = Sub_Reclamo, y = Porcentaje, fill = Sub_Reclamo)) +
ggtitle("Tipo de Sub reclamo en protestas en Moquegua") +
xlab("Protestas por actores mineros\n en Moquegua") +
ylab("Porcentaje") +
geom_bar(stat = "identity")
Filtrar los datos para Moquegua
para_grafico2 = data_mineros %>% filter(Región == “Moquegua”)
Calcular frecuencias y porcentajes
para_grafico2_summarized = para_grafico2 %>% filter(Reclamo == “Laborales”) %>% group_by(Sub_Reclamo) %>% summarize(Freq = n()) %>% mutate(Porcentaje = (Freq / sum(Freq)) * 100)
Crear el gráfico
ggplot(para_grafico2_summarized, aes(x = Sub_Reclamo, y = Porcentaje, fill = Sub_Reclamo)) + ggtitle(“Tipo de Sub reclamo en protestas en Moquegua”) + xlab(“Protestas por actores minerosen Moquegua”) + ylab(“Porcentaje”) + geom_bar(stat = “identity”)
tipo de adversario grafico
# Calcular frecuencias y porcentajes
para_grafico_NOSE_summarized = para_grafico2 %>%
filter(Reclamo == "Laborales") %>%
group_by(Adversario) %>%
summarize(Freq = n()) %>%
mutate(Porcentaje = (Freq / sum(Freq)) * 100)# Crear el gráfico
ggplot(para_grafico_NOSE_summarized, aes(x = Adversario, y = Porcentaje, fill = Adversario)) +
ggtitle("Tipo de adversario en protestas en Moquegua") +
xlab("Protestas por actores mineros\n en Moquegua") +
ylab("Porcentaje") +
geom_bar(stat = "identity")