Ejercicio 1

Con base en la información disponible en la “Base de Datos de Comercio Exterior” del BCR, incluida en el archivo .RData disponible para esta tarea, para los años 2018-2020. Genera una tabla tal como se mostró en las clases (aún no incluya los nombres ISO de los países). Muestre un head de 10 casos.

load("C:/Users/DELL/Desktop/METODOSPARA EL ANALISIS ECONOMICO/data_comercioexterior.RData")

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

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

data_comercio_exterior_estandarizada %>%
  select("pais","sac","anio","mes","valor_cif") %>%
  head(10) %>% kable(caption = "comercio exterior") %>% kable_minimal()

comercio exterior
pais	sac	anio	mes	valor_cif
Afganistan	4010390000	2017	4	58.06
Afganistan	6812999000	2017	4	88.38
Afganistan	8487900000	2017	4	20.93
Afganistan	8511800000	2017	4	98.93
Afganistan	8708930000	2017	4	62.18
Afganistan	9028200000	2017	4	130.06
Afganistan	6913100000	2017	12	650.43
Afganistan	7326209000	2017	12	2.00
Afganistan	0806200000	2018	6	6448.43
Afganistan	6104220000	2018	10	3153.37

Ejercicio 2

Agregue la información estandarizada de los países (nombres iso de los países y regiones, etc, tal como se vio en clases). Muestre un head de 10 casos.

library(dplyr)
library(readxl)

## Warning: package 'readxl' was built under R version 4.3.3

#Datos
load("C:/Users/DELL/Desktop/METODOSPARA EL ANALISIS ECONOMICO/data_comercio_exterior.RData")

#Pegar nombres paises
nombre_archivo <- "C:/Users/DELL/Desktop/METODOSPARA EL ANALISIS ECONOMICO/IMPORTACIONES/master_paises_iso.xlsx"
nombres_iso_paises <- read_excel(nombre_archivo)

## New names:
## • `codigo_pais` -> `codigo_pais...5`
## • `codigo_pais` -> `codigo_pais...6`
## • `` -> `...13`

data_comercio_exterior_estandarizada %>%
  left_join(nombres_iso_paises,
            by = c("pais" = "nom_pais_esp")) -> data_comercio_exterior_estandar

save(data_comercio_exterior_estandar, file = "C:/Users/DELL/Desktop/METODOSPARA EL ANALISIS ECONOMICO/data_comercio_exterior.RData")

data_comercio_exterior_estandarizada %>% head(10) %>%
  kable(caption = "Base de Comercio Exterior 2018 - 2020 estandarizada",
        align = "c") %>%
  add_footnote(label = "Elaboración propia", 
               notation = "number") %>%  kable_styling()

Base de Comercio Exterior 2018 - 2020 estandarizada
pais	sac	anio	mes	valor_cif	kilogramos_importaciones	valor_fob	kilogramos_exportaciones	nom_pais_ingles.x	iso_2.x	iso_3.x	codigo_pais…5.x	codigo_pais…6.x	region.x	cod_region.x	sub_region.x	cod_sub_region.x	region_intermedia.x	cod_region_intermedia.x	…13.x	nom_pais_ingles.y	iso_2.y	iso_3.y	codigo_pais…5.y	codigo_pais…6.y	region.y	cod_region.y	sub_region.y	cod_sub_region.y	region_intermedia.y	cod_region_intermedia.y	…13.y	nom_pais_ingles.x.x	iso_2.x.x	iso_3.x.x	codigo_pais…5.x.x	codigo_pais…6.x.x	region.x.x	cod_region.x.x	sub_region.x.x	cod_sub_region.x.x	region_intermedia.x.x	cod_region_intermedia.x.x	…13.x.x	nom_pais_ingles.y.y	iso_2.y.y	iso_3.y.y	codigo_pais…5.y.y	codigo_pais…6.y.y	region.y.y	cod_region.y.y	sub_region.y.y	cod_sub_region.y.y	region_intermedia.y.y	cod_region_intermedia.y.y	…13.y.y	nom_pais_ingles.x.x.x	iso_2.x.x.x	iso_3.x.x.x	codigo_pais…5.x.x.x	codigo_pais…6.x.x.x	region.x.x.x	cod_region.x.x.x	sub_region.x.x.x	cod_sub_region.x.x.x	region_intermedia.x.x.x	cod_region_intermedia.x.x.x	…13.x.x.x	nom_pais_ingles.y.y.y	iso_2.y.y.y	iso_3.y.y.y	codigo_pais…5.y.y.y	codigo_pais…6.y.y.y	region.y.y.y	cod_region.y.y.y	sub_region.y.y.y	cod_sub_region.y.y.y	region_intermedia.y.y.y	cod_region_intermedia.y.y.y	…13.y.y.y
Afganistan	4010390000	2017	4	58.06	0.92	0	0	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142
Afganistan	6812999000	2017	4	88.38	1.39	0	0	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142
Afganistan	8487900000	2017	4	20.93	0.33	0	0	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142
Afganistan	8511800000	2017	4	98.93	1.56	0	0	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142
Afganistan	8708930000	2017	4	62.18	0.98	0	0	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142
Afganistan	9028200000	2017	4	130.06	2.05	0	0	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142
Afganistan	6913100000	2017	12	650.43	5.49	0	0	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142
Afganistan	7326209000	2017	12	2.00	0.01	0	0	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142
Afganistan	0806200000	2018	6	6448.43	1463.92	0	0	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142
Afganistan	6104220000	2018	10	3153.37	2407.61	0	0	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142	Afghanistan	AF	AFG	4	Asia	142	Asia Meridional	34	NA	NA	Asia	142

_Note:__
1^Elaboració	propia

Ejercicio 3

Obtenga un ranking, anual, de los 5 principales socios comerciales de El Salvador, para el periodo 2018-2020. Presente sus resultados en el siguiente formato:

anios_ranking<-2018:2020
data_comercio_exterior_estandar %>% 
  filter(anio %in% anios_ranking) ->data_ranking

data_ranking %>%
  group_by(anio,iso_3) %>% 
  summarise(total=sum(valor_fob)) %>%
  mutate(percent=round(prop.table(total)*100,
                       2)) %>% 
  slice_max(n = 5,order_by = total) %>% 
  as.data.frame() %>% 
  group_by(anio) %>% 
  mutate(rank = row_number(),
         data=paste(iso_3,"|",percent,sep = "")) %>% 
  select(anio,data,rank) %>% as.data.frame() -> insumo_reporte

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

print(insumo_reporte)

##    anio      data rank
## 1  2018 USA|44.07    1
## 2  2018 HND|15.34    2
## 3  2018 GTM|14.36    3
## 4  2018  NIC|6.87    4
## 5  2018  CRI|4.39    5
## 6  2019 USA|41.88    1
## 7  2019 GTM|15.95    2
## 8  2019 HND|15.91    3
## 9  2019  NIC|6.68    4
## 10 2019   CRI|4.5    5
## 11 2020 USA|35.73    1
## 12 2020  GTM|16.9    2
## 13 2020 HND|15.21    3
## 14 2020  NIC|7.65    4
## 15 2020  CRI|5.21    5

Tabla en formato “RAW”

library(tidyr)
insumo_reporte %>% 
pivot_wider(names_from = rank,
            values_from = data)->tabla
print(tabla)

## # A tibble: 3 × 6
##    anio `1`       `2`       `3`       `4`      `5`     
##   <dbl> <chr>     <chr>     <chr>     <chr>    <chr>   
## 1  2018 USA|44.07 HND|15.34 GTM|14.36 NIC|6.87 CRI|4.39
## 2  2019 USA|41.88 GTM|15.95 HND|15.91 NIC|6.68 CRI|4.5 
## 3  2020 USA|35.73 GTM|16.9  HND|15.21 NIC|7.65 CRI|5.21

Tabla en Formato Requerido

library(kableExtra)
tabla %>%
  kable(caption = paste("Top",5,"Principales Socios comerciales",
    min(anios_ranking),
    "-",max(anios_ranking))) %>%
  add_footnote(label = "Elaboración propia")

Top 5 Principales Socios comerciales 2018 - 2020
anio	1	2	3	4	5
2018	USA\|44.07	HND\|15.34	GTM\|14.36	NIC\|6.87	CRI\|4.39
2019	USA\|41.88	GTM\|15.95	HND\|15.91	NIC\|6.68	CRI\|4.5
2020	USA\|35.73	GTM\|16.9	HND\|15.21	NIC\|7.65	CRI\|5.21

Note: ^aElaboración propia

A14-Elaboración de un top 5 de socios comerciales

MF210103, RUTH NOEMI MENDEZ FLORES

2024-09-13

Ejercicio 1

Ejercicio 2

Ejercicio 3

Tabla en formato “RAW”

Tabla en Formato Requerido