Entregable_1

Crear un nuevo dataframe que sea un subconjunto del dataframe original de dfFires. El subconjunto debe contener todos los incendios del Estado de Idaho y las columnas deben ser limitadas para que sólo estén presentes las columnas YEAR_, CAUSE y TOTALACRES. Cambie el nombre de las columnas. Agrupe los datos por CAUSE y YEAR_ y luego resuma por el total de acres quemados. Trazar los resultados.

library(readr)

## Warning: package 'readr' was built under R version 4.2.3

dfFires <- read_csv("StudyArea.csv", col_types = list(UNIT = col_character()), col_names = TRUE)
dfFires

## # A tibble: 439,362 × 14
##      FID ORGANIZATI UNIT  SUBUNIT SUBUNIT2       FIRENAME CAUSE YEAR_ STARTDATED
##    <dbl> <chr>      <chr> <chr>   <chr>          <chr>    <chr> <dbl> <chr>     
##  1     0 FWS        81682 USCADBR San Diego Bay… PUMP HO… Human  2001 1/1/01 0:…
##  2     1 FWS        81682 USCADBR San Diego Bay… I5       Human  2002 5/3/02 0:…
##  3     2 FWS        81682 USCADBR San Diego Bay… SOUTHBAY Human  2002 6/1/02 0:…
##  4     3 FWS        81682 USCADBR San Diego Bay… MARINA   Human  2001 7/12/01 0…
##  5     4 FWS        81682 USCADBR San Diego Bay… HILL     Human  1994 9/13/94 0…
##  6     5 FWS        81682 USCADBR San Diego Bay… IRRIGAT… Human  1994 4/22/94 0…
##  7     6 FWS        81682 USCADBR San Diego Bay… FIELD    Human  1999 12/6/99 0…
##  8    18 FWS        81682 USCADBR San Diego Bay… CALLA F… Human  2003 6/3/03 0:…
##  9    20 FWS        81682 USCADBR San Diego Bay… OVERPASS Human  2005 8/20/05 0…
## 10    21 FWS        81682 USCADBR San Diego Bay… TRAIN F… Human  2005 12/11/05 …
## # ℹ 439,352 more rows
## # ℹ 5 more variables: CONTRDATED <chr>, OUTDATED <chr>, STATE <chr>,
## #   STATE_FIPS <dbl>, TOTALACRES <dbl>

Primero leemos la base de datos correspondiente.

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

dfFires_subc<-dfFires %>% 
  filter(STATE == 'Idaho') %>% 
  select("Año" = "YEAR_", "Causa"  = "CAUSE","ACRES" = "TOTALACRES")
knitr::kable(head(dfFires_subc, 5))

Año	Causa	ACRES
1987	Human	5
1991	Natural	150
1991	Human	800
1990	Natural	2
1985	Human	38

Creamos un dataframe que sea el subconjunto de dfFires llamado dfFire_subc.Luego, filtramos por la columna estado a aquellos datos correspondiente a idaho y finalmente renombramos las columnas solicitadas usando select.

dfFires_summary<-dfFires_subc %>% 
  group_by(Causa,Año) %>% 
  summarise(Total_Acres_Quemados=sum(ACRES))

## `summarise()` has grouped output by 'Causa'. You can override using the
## `.groups` argument.

knitr::kable(head(dfFires_summary, 5))

Causa	Año	Total_Acres_Quemados
Human	1980	71974.7
Human	1981	219362.4
Human	1982	34016.2
Human	1983	48242.5
Human	1984	36837.8

Aca lo que hacemos es agrupar los datos en base a la causa y año, para luego resumir el total de acres quemados

library(ggplot2)

ggplot(dfFires_summary, aes(x = Año, y = Total_Acres_Quemados, fill = Causa)) +
  geom_col() +
  theme_minimal() +
  labs(title = 'Total acres quemados por causa y año en Idaho',
       x = 'Año',
       y = 'Total Acres Quemados') +
  theme(axis.text.x = element_text(angle = 90, hjust = 1))

Por ultimo, realizamos el grafico donde en el eje X tenemos la variable año, en Y total acres quemadas y tambien se muestra los datos en base a la causa. Podemos observar que el año en que hubo mayor total acres quemadas corresponde al año 2006 y la causa fue humana, por otro lado el menor valor de total acres quemadas por causas humanas fue en el año 1983.