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.
##
## 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, union##
## Adjuntando el paquete: 'kableExtra'## The following object is masked from 'package:dplyr':
##
## group_rowsload("C:/Users/SANCHEZ/Desktop/GABRIEL2021/Universidad/Ciclo VI/Metodos para el analisis economico/data_comercio_exterior.RData")
anios<-2018:2020
data_comercio_exterior %>%
select("pais","sac","anio","mes","valor_cif")%>%
filter(anio %in% anios)%>%
head(n=10)%>% kable(caption="Base de datos 2018-2020")%>%kable_minimal()| pais | sac | anio | mes | valor_cif |
|---|---|---|---|---|
| Afganistan | 0806200000 | 2018 | 6 | 6448.43 |
| Afganistan | 6104220000 | 2018 | 10 | 3153.37 |
| Afganistan | 6104620000 | 2018 | 10 | 946.01 |
| Afganistan | 6105100000 | 2018 | 10 | 9405.39 |
| Afganistan | 6106100000 | 2018 | 10 | 1353.32 |
| Afganistan | 6405900000 | 2018 | 10 | 2260.03 |
| Afganistan | 8206000000 | 2018 | 10 | 6.56 |
| Afganistan | 6404110000 | 2019 | 2 | 7752.13 |
| Afganistan | 6405100000 | 2019 | 2 | 508.03 |
| Afganistan | 6405900000 | 2019 | 2 | 12.45 |
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(readxl)
master_paises_iso <- read_excel("C:/Users/SANCHEZ/Desktop/GABRIEL2021/Universidad/Ciclo VI/Metodos para el analisis economico/master_paises_iso.xlsx")## New names:
## • `codigo_pais` -> `codigo_pais...5`
## • `codigo_pais` -> `codigo_pais...6`
## • `` -> `...13`data_comercio_exterior%>%
left_join(master_paises_iso,by=c("pais"="nom_pais_esp"))->data_comercio_exterior
head(data_comercio_exterior,n=10)Obtenga un ranking, anual, de los 5 principales socios comerciales de El Salvador, para el periodo 2018-2020.
data_comercio_exterior %>%
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.## anio data rank
## 1 2017 USA|44.52 1
## 2 2017 HND|13.83 2
## 3 2017 GTM|13.75 3
## 4 2017 NIC|7.48 4
## 5 2017 CRI|4.55 5
## 6 2018 USA|44.07 1
## 7 2018 HND|15.34 2
## 8 2018 GTM|14.36 3
## 9 2018 NIC|6.87 4
## 10 2018 CRI|4.39 5
## 11 2019 USA|41.88 1
## 12 2019 GTM|15.95 2
## 13 2019 HND|15.91 3
## 14 2019 NIC|6.68 4
## 15 2019 CRI|4.5 5
## 16 2020 USA|35.73 1
## 17 2020 GTM|16.9 2
## 18 2020 HND|15.21 3
## 19 2020 NIC|7.65 4
## 20 2020 CRI|5.21 5library(tidyr)
insumo_reporte %>%
pivot_wider(names_from = rank,values_from = data)->tabla_horizontal
print(tabla_horizontal)## # A tibble: 4 × 6
## anio `1` `2` `3` `4` `5`
## <dbl> <chr> <chr> <chr> <chr> <chr>
## 1 2017 USA|44.52 HND|13.83 GTM|13.75 NIC|7.48 CRI|4.55
## 2 2018 USA|44.07 HND|15.34 GTM|14.36 NIC|6.87 CRI|4.39
## 3 2019 USA|41.88 GTM|15.95 HND|15.91 NIC|6.68 CRI|4.5
## 4 2020 USA|35.73 GTM|16.9 HND|15.21 NIC|7.65 CRI|5.21library(kableExtra)
tabla_horizontal %>%
kable(caption= paste("Top",5,"de Exportaciones periodo",min(anios),"-",max(anios))) %>%
add_footnote(label="Elaboración propia con base en datos del BCR")| anio | 1 | 2 | 3 | 4 | 5 |
|---|---|---|---|---|---|
| 2017 | USA|44.52 | HND|13.83 | GTM|13.75 | NIC|7.48 | CRI|4.55 |
| 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 con base en datos del BCR