Gasolina
Valeria Bustos
2024-08-26
Tarea #5 Punto 2
Item 1
Cargamos los paquetes que estaremos utilizando.
Item 1.1
Listamos los archivos que descargamos.
Item 1.2
Leemos los archivos.
Item 1.3
Fitramos los datos que se leyeron correctamente.
Item 1.4
Unimos todas las bases de datos y vemos el resultado.
# 1. Cargar los paquetes necesarios
library(dplyr)##
## Adjuntando el paquete: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(magrittr)
library(stringr)
# 1.1 Lista de archivos CSV
archivos_csv <- c("P_2018_T1.csv", "P_2018_T2.csv", "P_2018_T3.csv", "P_2018_T4.csv",
"P_2019_T1.csv", "P_2019_T2.csv", "P_2019_T3.csv", "P_2019_T4.csv",
"P_2020_T1.csv", "P_2020_T2.csv", "P_2020_T3.csv", "P_2020_T4.csv",
"P_2021_T1.csv", "P_2021_T2.csv", "P_2021_T3.csv", "P_2021_T4.csv",
"P_2022_T1.csv", "P_2022_T2.csv", "P_2022_T3.csv", "P_2022_T4.csv",
"P_2023_T1.csv", "P_2023_T2.csv", "P_2023_T3.csv", "P_2023_T4.csv",
"P_2024_T1.csv", "P_2024_T2.csv")
# 1.2 Leer todos los archivos CSV en una lista de dataframes
lista_bases_datos <- lapply(archivos_csv, function(archivo) {
df <- tryCatch(read.csv(archivo), error = function(e) NULL)
if (is.null(df)) {
message(paste("Error al leer el archivo:", archivo))
}
return(df)
})
# 1.3 Filtrar solo los dataframes que se leyeron correctamente
lista_bases_datos <- Filter(Negate(is.null), lista_bases_datos)
# 1.4 Unir todas las bases de datos usando bind_rows para conservar todas las columnas
base_unida <- bind_rows(lista_bases_datos)
# Ver el resultado
head(base_unida)## BANDERA NOMBRE.COMERCIAL PRODUCTO FECHA.REGISTRO
## 1 TERPEL ESTACION DE SERVICIO AVENIDA SEXTA GASOLINA MOTOR 01-Jan-2018
## 2 TERPEL ESTACION DE SERVICIO AVENIDA SEXTA DIESEL 01-Jan-2018
## 3 BIOMAX EDS ESSO BELLO MADERA EXTRA 01-Jan-2018
## 4 BIOMAX EDS ESSO BELLO MADERA DIESEL 01-Jan-2018
## 5 BIOMAX EDS ESSO BELLO MADERA GASOLINA MOTOR 01-Jan-2018
## 6 TERPEL ESTACION DE SERVICIO BOMBA VILLA LUZ DIESEL 01-Jan-2018
## DEPARTAMENTO MUNICIPIO VALOR.PRECIO
## 1 AMAZONAS LETICIA 9030
## 2 AMAZONAS LETICIA 8250
## 3 ANTIOQUIA BELLO 11390
## 4 ANTIOQUIA BELLO 8220
## 5 ANTIOQUIA BELLO 8320
## 6 ANTIOQUIA BETULIA 9050Item 2
Observamos las dimensiones de la base de datos.
# 2. Dimensiones de la base de datos
dim(base_unida)## [1] 1655022 7Item 3
Observamos los nombre de todas las columnas que se encuentran en la base de datos
# 3. Nombre de las columnas
nombres1<- names(base_unida); nombres1 #Nombres de las columnas## [1] "BANDERA" "NOMBRE.COMERCIAL" "PRODUCTO" "FECHA.REGISTRO"
## [5] "DEPARTAMENTO" "MUNICIPIO" "VALOR.PRECIO"Item 4
Pedimos que nos muestre el tipo de variable de cada una de las columnas.
# 4. Tipo de variables
base_unida %>% glimpse #Tipos de variables## Rows: 1,655,022
## Columns: 7
## $ BANDERA <chr> "TERPEL", "TERPEL", "BIOMAX", "BIOMAX", "BIOMAX", "TE…
## $ NOMBRE.COMERCIAL <chr> "ESTACION DE SERVICIO AVENIDA SEXTA", "ESTACION DE SE…
## $ PRODUCTO <chr> "GASOLINA MOTOR", "DIESEL", "EXTRA", "DIESEL", "GASOL…
## $ FECHA.REGISTRO <chr> "01-Jan-2018", "01-Jan-2018", "01-Jan-2018", "01-Jan-…
## $ DEPARTAMENTO <chr> "AMAZONAS", "AMAZONAS", "ANTIOQUIA", "ANTIOQUIA", "AN…
## $ MUNICIPIO <chr> "LETICIA", "LETICIA", "BELLO", "BELLO", "BELLO", "BET…
## $ VALOR.PRECIO <dbl> 9030, 8250, 11390, 8220, 8320, 9050, 9760, 8040, 9020…Observamos que en las colmunas no tenemos el mes, por lo tanto es un valor “NULL”
unique(base_unida$mes)## NULLItem 5
Reducimos el sombre de San Andrés Islas
# 5. Cambiamos de nombre a San Andrés
base_unida$DEPARTAMENTO[base_unida$DEPARTAMENTO
== "ARCHIPIELAGO DE SAN ANDRES, SANTA CATALINA Y PROVIDENCIA"] <- "SAN ANDRES ISLAS"Item 6
Nos muestra los departamentos
# 6. Departamentos
base_unida$DEPARTAMENTO %<>% str_replace_all("\\?","Ñ");unique(base_unida$DEPARTAMENTO)## [1] "AMAZONAS" "ANTIOQUIA" "ATLANTICO"
## [4] "BOGOTA D.C." "BOLIVAR" "BOYACA"
## [7] "CALDAS" "CAQUETA" "CASANARE"
## [10] "CAUCA" "CESAR" "CORDOBA"
## [13] "CUNDINAMARCA" "HUILA" "LA GUAJIRA"
## [16] "MAGDALENA" "META" "NARIÑO"
## [19] "NORTE DE SANTANDER" "PUTUMAYO" "QUINDIO"
## [22] "RISARALDA" "SANTANDER" "SUCRE"
## [25] "TOLIMA" "VALLE DEL CAUCA" "VICHADA"
## [28] "-" "ARAUCA" "SAN ANDRES ISLAS"
## [31] "CHOCO" "GUAINIA" "GUAVIARE"
## [34] "VAUPES"Item 7
Nos muestra el tipo de producto
# 7. Tipo de producto
base_unida$MUNICIPIO %<>% str_replace_all("\\?","Ñ")
unique(base_unida$PRODUCTO)## [1] "GASOLINA MOTOR" "DIESEL" "EXTRA"Item 8
Verificamos los valores “NA”
# 8. Verifiar los NA:
nas<-!complete.cases(base_unida) #Determinar filas con al menos un NA
Nas_tabla<-base_unida[nas,] #Tabla registros con NA, 3 datos faltantes en nombre comercial
"El nombre comercial es una variable categórica que posría ser reemplazada consultando con el dueño de la data"## [1] "El nombre comercial es una variable categórica que posría ser reemplazada consultando con el dueño de la data"Item 9
Observamos los datos atípicos y se realiza un boxplot de esos valores
# 9. Observar datos atípicos:
summary(base_unida)## BANDERA NOMBRE.COMERCIAL PRODUCTO FECHA.REGISTRO
## Length:1655022 Length:1655022 Length:1655022 Length:1655022
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## DEPARTAMENTO MUNICIPIO VALOR.PRECIO
## Length:1655022 Length:1655022 Min. : 0
## Class :character Class :character 1st Qu.: 8460
## Mode :character Mode :character Median : 9220
## Mean : 10256
## 3rd Qu.: 10920
## Max. :14750147
## NA's :20boxplot(base_unida$VALOR.PRECIO) #Existe un dato atípico en los precios, valor muy alto
Item 10
Se buscan los datos atípicos de los precios y se realiza un boxplot
# 10. Datos atípicos en los precios
require(dplyr)
atip<-filter(base_unida, VALOR.PRECIO>50000);atip #Detección de datos atípico en precios## BANDERA
## 1 COOMULPINORT
## 2 BIOMAX
## 3 TERPEL
## 4 TERPEL
## 5 TERPEL
## 6 PRIMAX
## 7 TEXACO
## 8 PRIMAX
## 9 PETROMIL
## 10 TERPEL
## 11 PETRDECOL
## 12 ECOS
## 13 PUMA
## 14 BIOMAX
## 15 TERPEL
## 16 TERPEL
## 17 BIOMAX
## 18 TERPEL
## 19 TERPEL
## 20 TERPEL
## 21 TERPEL
## 22 PETROMIL
## 23 TERPEL
## 24 PRIMAX
## 25 PUMA
## 26 PRIMAX
## 27 ECOS
## 28 BRIO
## 29 TERPEL
## 30 TERPEL
## 31 PETROMIL
## 32 PETROMIL
## 33 TERPEL
## 34 PETROMIL
## 35 PETROMIL
## 36 PETROMIL
## 37 TERPEL
## 38 TERPEL
## 39 TERPEL
## 40 TERPEL
## 41 TERPEL
## 42 TERPEL
## 43 TERPEL
## 44 TERPEL
## 45 TERPEL
## 46 TERPEL
## 47 TERPEL
## 48 TERPEL
## 49 PETROMIL
## 50 PETROMIL
## 51 PETROMIL
## 52 AYATAWACOOP
## 53 AYATAWACOOP
## 54 AYATAWACOOP
## 55 AYATAWACOOP
## 56 AYATAWACOOP
## 57 AYATAWACOOP
## 58 AYATAWACOOP
## 59 AYATAWACOOP
## 60 AYATAWACOOP
## 61 AYATAWACOOP
## 62 AYATAWACOOP
## 63 AYATAWACOOP
## 64 PETROMIL
## NOMBRE.COMERCIAL
## 1 ESTACION DE SERVICIO LOS ADIOSES
## 2 ESTACION DE SERVICIO SAN DIEGO GUACHUCAL
## 3 ESTACIÓN DE SERVICIO EL PASO COROZAL
## 4 EDS TERPEL AEROPUERTO COROZAL
## 5 EDS TERPEL AEROPUERTO COROZAL
## 6 EDS COESCO EL LIDO
## 7 ESTACION DE SERVICIO SAN NICOLAS DQ
## 8 ESTACION DE SERVICIO DISTRIBUIDORA SERVICENTRO LAS AVENIDAS S.A.S.
## 9 ESTACION DE SERVICIO AUTOMOTRIZ SANTA MONICA J M
## 10 ESTACION DE SERVICIO LUIS LOZANO
## 11 SERVICENTRO EL PORTAL
## 12 ESTACION DE SERVICIO SAN JOSE DN
## 13 ESTACION DE SERVICIO AUTOMOTRIZ EL GRAN WIPAMA
## 14 ESTACION DE SERVICIO LA SOFIA DANIELA
## 15 ESTACION DE SERVICIO EL CERRO
## 16 ESTACIÓN DE SERVICIO EL PASO COROZAL
## 17 EDS DOÑA DANIELA
## 18 ESTACION DE SERVICIO ESTACION DE LLENADO SAN MARCEL
## 19 ESTACION DE SERVICIO LA CRISTALINA CENTRAL
## 20 ESTACION DE SERVICIO AUTOMOTRIZ ROUND POINT
## 21 ESTACION DE SERVICIO AUTOMOTRIZ ROUND POINT
## 22 ESTACION DE SERVICIO GUANENTA
## 23 TERPEL JAIME ROOKE
## 24 ESTACION DE SERVICIO AUTOCENTRO SANTANA SAS
## 25 INVERSIONES Y ESTACIÓN DE SERVICIOS AUTOMOTRIZ DOÑA CORI SAS
## 26 ESTACION DE SERVICIO LA VORAGINE
## 27 ESTACION DE SERVICIO SAN JOSE CARTAGENA
## 28 BRIO PEAJE
## 29 ESTACION DE SERVICIO COROZAL JORGE SANCHEZ
## 30 LA PRIMAVERA EDS
## 31 ESTACION DE SERVICIO GUANENTA
## 32 ESTACION DE SERVICIO GUANENTA
## 33 ESTACION DE SERVICIO LA CABRERA
## 34 ESTACION DE SERVICIO GUANENTA
## 35 ESTACION DE SERVICIO GUANENTA
## 36 ESTACION DE SERVICIO GUANENTA
## 37 EDS AVENIDA SIERRA NEVADA
## 38 EDS AVENIDA SIERRA NEVADA
## 39 EDS AVENIDA SIERRA NEVADA
## 40 EDS AVENIDA SIERRA NEVADA
## 41 EDS AVENIDA SIERRA NEVADA
## 42 EDS AVENIDA SIERRA NEVADA
## 43 EDS AVENIDA SIERRA NEVADA
## 44 EDS AVENIDA SIERRA NEVADA
## 45 EDS AVENIDA SIERRA NEVADA
## 46 EDS AVENIDA SIERRA NEVADA
## 47 EDS AVENIDA SIERRA NEVADA
## 48 EDS AVENIDA SIERRA NEVADA
## 49 ESTACION DE SERVICIO GUANENTA
## 50 ESTACION DE SERVICIO GUANENTA
## 51 ESTACION DE SERVICIO GUANENTA
## 52 ESTACION DE SERVICIO EL BOSQUE
## 53 ESTACION DE SERVICIO EL BOSQUE
## 54 ESTACION DE SERVICIO EL BOSQUE
## 55 ESTACION DE SERVICIO EL BOSQUE
## 56 ESTACION DE SERVICIO EL BOSQUE
## 57 ESTACION DE SERVICIO EL BOSQUE
## 58 ESTACION DE SERVICIO EL BOSQUE
## 59 ESTACION DE SERVICIO EL BOSQUE
## 60 ESTACION DE SERVICIO EL BOSQUE
## 61 ESTACION DE SERVICIO EL BOSQUE
## 62 ESTACION DE SERVICIO EL BOSQUE
## 63 ESTACION DE SERVICIO EL BOSQUE
## 64 ESTACION DE SERVICIO GUANENTA
## PRODUCTO FECHA.REGISTRO DEPARTAMENTO MUNICIPIO
## 1 GASOLINA MOTOR 01-Dec-2021 NORTE DE SANTANDER PAMPLONA
## 2 GASOLINA MOTOR 01-Feb-2022 NARIÑO GUACHUCAL
## 3 GASOLINA MOTOR 01-Jul-2023 NORTE DE SANTANDER LOS PATIOS
## 4 GASOLINA MOTOR 01-Jul-2023 SUCRE COROZAL
## 5 DIESEL 01-Jul-2023 SUCRE COROZAL
## 6 DIESEL 01-Jul-2023 VALLE DEL CAUCA CALI
## 7 GASOLINA MOTOR 02-Jul-2023 RISARALDA DOSQUEBRADAS
## 8 GASOLINA MOTOR 03-Jul-2023 NARIÑO PASTO
## 9 GASOLINA MOTOR 05-Jul-2023 MAGDALENA SANTA MARTA
## 10 DIESEL 06-Jul-2023 ANTIOQUIA PUERTO TRIUNFO
## 11 GASOLINA MOTOR 06-Jul-2023 NARIÑO SANTA BÁRBARA
## 12 DIESEL 08-Jul-2023 BOLIVAR SAN JUAN NEPOMUCENO
## 13 DIESEL 08-Jul-2023 MAGDALENA ARIGUANÍ
## 14 DIESEL 09-Jul-2023 CAUCA GUACHENÉ
## 15 DIESEL 15-Jul-2023 CESAR AGUACHICA
## 16 DIESEL 15-Jul-2023 NORTE DE SANTANDER LOS PATIOS
## 17 GASOLINA MOTOR 01-Sep-2023 BOLIVAR MONTECRISTO
## 18 DIESEL 01-Sep-2023 CALDAS MANIZALES
## 19 DIESEL 01-Sep-2023 CESAR CURUMANÍ
## 20 DIESEL 01-Sep-2023 HUILA ALTAMIRA
## 21 GASOLINA MOTOR 01-Sep-2023 HUILA ALTAMIRA
## 22 EXTRA 01-Sep-2023 SANTANDER PINCHOTE
## 23 DIESEL 01-Sep-2023 TOLIMA IBAGUÉ
## 24 DIESEL 02-Sep-2023 BOGOTA D.C. BOGOTÁ, D.C.
## 25 GASOLINA MOTOR 02-Sep-2023 BOLIVAR ARROYOHONDO
## 26 DIESEL 02-Sep-2023 META VILLAVICENCIO
## 27 GASOLINA MOTOR 07-Sep-2023 BOLIVAR TURBACO
## 28 DIESEL 11-Sep-2023 CUNDINAMARCA SOACHA
## 29 EXTRA 20-Sep-2023 NORTE DE SANTANDER LOS PATIOS
## 30 GASOLINA MOTOR 21-Sep-2023 CORDOBA COTORRA
## 31 EXTRA 02-Oct-2023 SANTANDER PINCHOTE
## 32 EXTRA 02-Nov-2023 SANTANDER PINCHOTE
## 33 DIESEL 01-Dec-2023 NORTE DE SANTANDER SAN JOSÉ DE CÚCUTA
## 34 EXTRA 01-Dec-2023 SANTANDER PINCHOTE
## 35 EXTRA 02-Jan-2024 SANTANDER PINCHOTE
## 36 EXTRA 01-Feb-2024 SANTANDER PINCHOTE
## 37 GASOLINA MOTOR 28-Feb-2024 CESAR VALLEDUPAR
## 38 GASOLINA MOTOR 28-Feb-2024 CESAR VALLEDUPAR
## 39 GASOLINA MOTOR 28-Feb-2024 CESAR VALLEDUPAR
## 40 GASOLINA MOTOR 28-Feb-2024 CESAR VALLEDUPAR
## 41 GASOLINA MOTOR 28-Feb-2024 CESAR VALLEDUPAR
## 42 GASOLINA MOTOR 28-Feb-2024 CESAR VALLEDUPAR
## 43 GASOLINA MOTOR 28-Feb-2024 CESAR VALLEDUPAR
## 44 GASOLINA MOTOR 28-Feb-2024 CESAR VALLEDUPAR
## 45 GASOLINA MOTOR 28-Feb-2024 CESAR VALLEDUPAR
## 46 GASOLINA MOTOR 28-Feb-2024 CESAR VALLEDUPAR
## 47 GASOLINA MOTOR 28-Feb-2024 CESAR VALLEDUPAR
## 48 GASOLINA MOTOR 28-Feb-2024 CESAR VALLEDUPAR
## 49 EXTRA 02-Mar-2024 SANTANDER PINCHOTE
## 50 EXTRA 01-Apr-2024 SANTANDER PINCHOTE
## 51 EXTRA 02-May-2024 SANTANDER PINCHOTE
## 52 DIESEL 07-May-2024 LA GUAJIRA DIBULLA
## 53 DIESEL 07-May-2024 LA GUAJIRA DIBULLA
## 54 DIESEL 07-May-2024 LA GUAJIRA DIBULLA
## 55 DIESEL 07-May-2024 LA GUAJIRA DIBULLA
## 56 DIESEL 07-May-2024 LA GUAJIRA DIBULLA
## 57 DIESEL 07-May-2024 LA GUAJIRA DIBULLA
## 58 DIESEL 07-May-2024 LA GUAJIRA DIBULLA
## 59 DIESEL 07-May-2024 LA GUAJIRA DIBULLA
## 60 DIESEL 07-May-2024 LA GUAJIRA DIBULLA
## 61 DIESEL 07-May-2024 LA GUAJIRA DIBULLA
## 62 DIESEL 07-May-2024 LA GUAJIRA DIBULLA
## 63 DIESEL 07-May-2024 LA GUAJIRA DIBULLA
## 64 EXTRA 01-Jun-2024 SANTANDER PINCHOTE
## VALOR.PRECIO
## 1 74900
## 2 81690
## 3 115120
## 4 128600
## 5 86990
## 6 102420
## 7 133000
## 8 111160
## 9 132400
## 10 94100
## 11 115000
## 12 85100
## 13 92500
## 14 97000
## 15 86900
## 16 96150
## 17 14750147
## 18 91340
## 19 82000
## 20 94600
## 21 140580
## 22 160000
## 23 93700
## 24 98340
## 25 146650
## 26 91415
## 27 135900
## 28 87300
## 29 195000
## 30 148000
## 31 160000
## 32 160000
## 33 71590
## 34 200000
## 35 120000
## 36 120000
## 37 88190
## 38 88190
## 39 88190
## 40 88190
## 41 88190
## 42 88190
## 43 88190
## 44 88190
## 45 88190
## 46 88190
## 47 88190
## 48 88190
## 49 120000
## 50 70000
## 51 70000
## 52 79484
## 53 79484
## 54 79484
## 55 79484
## 56 79484
## 57 79484
## 58 79484
## 59 79484
## 60 79484
## 61 79484
## 62 79484
## 63 79484
## 64 70000library(tidyr)##
## Adjuntando el paquete: 'tidyr'## The following object is masked from 'package:magrittr':
##
## extractbase_unida$VALOR.PRECIO[base_unida$VALOR.PRECIO>50000]<-NA #Atípico como NA
#Reemplazar NA con la mediana de los precios
base_unida$VALOR.PRECIO <- replace_na(base_unida$VALOR.PRECIO,median(base_unida$VALOR.PRECIO,na.rm = T))
boxplot(base_unida$VALOR.PRECIO) #Mejora la distribución de los datos
Item 11
Se realiza un boxplot de la distrubición de los precios por el tipo de combustible.
# 11. Boxplot distribución de precios por el tipo de combustible
library(ggplot2)
base_unida_filtered <- base_unida %>%
filter(VALOR.PRECIO < 20000) # Ajusta el umbral según sea necesario
ggplot(base_unida_filtered, aes(x = PRODUCTO, y = VALOR.PRECIO, fill = PRODUCTO)) +
geom_boxplot(outlier.shape = NA) + # Elimina la visualización de valores atípicos extremos
labs(title = "Distribucion de Precios por Tipo de Combustible",
x = "Producto",
y = "Precio") +
theme_minimal() +
theme(legend.position = "none",
axis.text.x = element_text(angle = 45, hjust = 1), # Gira el texto para mejorar la legibilidad
plot.title = element_text(hjust = 0.5)) + # Centra el título
scale_y_continuous(labels = scales::comma) # Añade separadores de miles al eje y
Item 12
Se realiza una gráfica de distrubución del precio promedio segun el tipo de combustible
# 12. Distribución, precio del combustible según tipo:
resum2 <- base_unida %>% group_by(PRODUCTO,FECHA.REGISTRO) %>%
summarise(p_prom2=mean(VALOR.PRECIO))## `summarise()` has grouped output by 'PRODUCTO'. You can override using the
## `.groups` argument.ggplot(resum2, aes(x = p_prom2, fill = PRODUCTO)) +
geom_density(alpha = 0.4) +
xlab("Precio promedio") +
ylab("Densidad") +
ggtitle("Distribucion precio promedio combustibles segun el tipo") +
theme_minimal()