#Ejercicio 1 Compile la información disponible y genera una tabla mostrando un head de 10.
library(dplyr)
library(readr)
library(kableExtra)
load("C:\\Users\\ileom\\OneDrive\\Escritorio\\tareas R\\data_comercio_exterior.RData")
#La tabla ya esta construida, presentar los primeros 10.
data_comercio_exterior %>%
filter(anio==(2018:2020))## # A tibble: 218,468 x 8
## pais sac anio mes valor_cif kilogramos_importacio~1 valor_fob
## <chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Afganistan 6104220000 2018 10 3153. 2408. 0
## 2 Afganistan 6106100000 2018 10 1353. 1726. 0
## 3 Afganistan 6405100000 2019 2 508. 442. 0
## 4 Afganistan 8509400000 2019 2 81.2 70.7 0
## 5 Afganistan 9022900000 2019 8 1393. 120 0
## 6 Albania 6403919000 2018 1 375. 12.3 0
## 7 Albania 6403999000 2018 3 1267. 39.4 0
## 8 Albania 3304990000 2018 6 66.9 1.9 0
## 9 Albania 4202910000 2018 9 217. 7.19 0
## 10 Albania 6103430000 2018 10 54.2 0.57 0
## # i 218,458 more rows
## # i abbreviated name: 1: kilogramos_importaciones
## # i 1 more variable: kilogramos_exportaciones <dbl> head(10)## [1] 10#Agregue información estandarizada de los paises (nombres iso de los paises y regiones, etc.) Muestra un head de 10.
library(readxl)## Warning: package 'readxl' was built under R version 4.1.3#Pegar los nombres de los paises
archivos_nombresiso<-"C:\\Users\\ileom\\OneDrive\\Escritorio\\tareas R\\master_paises_iso.xlsx"
nombres_iso_paises<-read_excel(archivos_nombresiso)## New names:data_comercio_exterior %>%
left_join(nombres_iso_paises,
by=c("pais"="nom_pais_esp"))->data_comercio_exterior_estandarizada
head(data_comercio_exterior_estandarizada,10)## # A tibble: 10 x 20
## pais sac anio mes valor_cif kilogramos_importacio~1 valor_fob
## <chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Afganistan 4010390000 2017 4 58.1 0.92 0
## 2 Afganistan 6812999000 2017 4 88.4 1.39 0
## 3 Afganistan 8487900000 2017 4 20.9 0.33 0
## 4 Afganistan 8511800000 2017 4 98.9 1.56 0
## 5 Afganistan 8708930000 2017 4 62.2 0.98 0
## 6 Afganistan 9028200000 2017 4 130. 2.05 0
## 7 Afganistan 6913100000 2017 12 650. 5.49 0
## 8 Afganistan 7326209000 2017 12 2 0.01 0
## 9 Afganistan 0806200000 2018 6 6448. 1464. 0
## 10 Afganistan 6104220000 2018 10 3153. 2408. 0
## # i abbreviated name: 1: kilogramos_importaciones
## # i 13 more variables: kilogramos_exportaciones <dbl>, nom_pais_ingles <chr>,
## # iso_2 <chr>, iso_3 <chr>, codigo_pais...5 <dbl>, codigo_pais...6 <chr>,
## # region <dbl>, cod_region <chr>, sub_region <dbl>, cod_sub_region <chr>,
## # region_intermedia <dbl>, cod_region_intermedia <chr>, ...13 <dbl>#Obtenga un ranking anual, de los 5 socios principales comerciales de El Salvador para 2018-2020
#Seleccionar los anios de ranking
anios_ranking<-2018:2020
data_comercio_exterior_estandarizada %>%
filter(anio %in% anios_ranking)->data_ranking_5
data_ranking_5 %>%
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_top5`#tabla en formato requerido
library(tidyr)
insumo_reporte_top5 %>%
pivot_wider(names_from = rank, values_from = data)->mi_tabla_top5
library(kableExtra)
mi_tabla_top5 %>%
kable(caption = paste("Top" ,5, "Exportaciones periodo 2018 a 2020",
min(anios_ranking),"-",max(anios_ranking),
"Top datos en porcentaje de las exportaciones totales."
)) %>%
add_footnote(label = "Elaboracion propia en base a datos del BCR")| 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 |
| a Elaboracion propia en base a datos del BCR |