library(rsdmx)
library(kableExtra)
library(dplyr)
library(tibble)
url<-"https://sdmx.oecd.org/public/rest/data/OECD.SDD.STES,DSD_KEI@DF_KEI,4.0/TUR+USA+ZAF+ESP+COL.A.PRVM.IX.F..?startPeriod=2020&endPeriod=2024&dimensionAtObservation=AllDimensions"

Volumen_Y_C <- readSDMX(url)

# Es el enlace que genera la página de la OCDE.
url<- "https://sdmx.oecd.org/public/rest/data/OECD.SDD.STES,DSD_KEI@DF_KEI,4.0/.M.PRVM.IX.F..?startPeriod=2020-01&dimensionAtObservation=AllDimensions"  
Volumen_Y_C<- readSDMX(url)
Volumen_Y_C<-Volumen_Y_C %>% as.tibble()
Volumen_Y_C %>%
  arrange(desc(TIME_PERIOD)) %>% 
  head(10) %>% 
  kable(caption = "Indice de Volumen de la Producción de Construcción   de Algunos Países de la OCDE") %>%  
  kable_classic(html_font = "Times New Roman", font_size = 14) %>% 
  add_footnote(label="Tomado de la API de la OCDE",
               notation="symbol") %>%  kable_styling()

library(tidyr)
library(TSstudio)
library(ggplot2)
library(plotly)
Grafica<-Volumen_Y_C %>% 
  filter(REF_AREA%in%c("CAN","USA","ZAF","BEL","CHN"),
         TIME_PERIOD>2020) %>% 
  select(TIME_PERIOD,REF_AREA,obsValue) %>% 
  group_by(TIME_PERIOD,REF_AREA) %>% 
  pivot_wider(names_from = REF_AREA, values_from = obsValue) -> Comparativa1
Comparativa1[,-1]%>% ts(start = c(2020,1), frequency = 12 ) ->`Indice de Volumen de la Producción de Construcción de Algunos Países de la OCDE`
ts_plot(`Indice de Volumen de la Producción de Construcción de Algunos Países de la OCDE`)

library(comtradr)
library(dplyr)
library(kableExtra)
library(knitr)

# Configuración de la clave de la API (descomentar y configurar si es necesario)
Sys.setenv('COMTRADE_PRIMARY' = '54b90f1c45a1403f8a55cfd7bf8cfa70
')

# Descargar los datos de exportaciones
Exportaciones_GE <- ct_get_data(
  commodity_code = c("170113", "610510"), # Subpartidas arancelarias
  reporter = c("SLV", "GTM"),            # Reporteros: El Salvador y Guatemala
  partner = c("World"),                    # Socio comercial: 
  frequency = "M",                       # Frecuencia mensual
  flow_direction = "export",             # Flujos: exportaciones
  start_date = 2023,                     # Año inicial
  end_date = 2023                        # Año final
)




Exportaciones_GE <- Exportaciones_GE %>%
  select(
    Mes = ref_month,
    Year = ref_year, 
    ISO = reporter_iso,
    Codigo_arancelario = cmd_code,
    Country = reporter_desc,
    Socio = partner_desc,
    Nivel_Agregacion = aggr_level,
    Description = cmd_desc,
    Valor = fobvalue) %>%
  mutate(Valor = round((Valor / 1e6), 2)) %>% # Valor en millones de USD
  
  kable(
    caption = "Exportaciones de Guatemala y El Salvador hacia el mundo en MM USD",
    format = "html"
  ) %>%
  kable_classic(html_font = "Times New Roman", font_size = 14) %>%
  add_footnote(label = "Tomado de la API de Uncomtrade",
    notation = "symbol") %>% kable_styling()

# Mostrar tabla 
Exportaciones_GE

library(comtradr)
library(dplyr)
library(kableExtra)
Sys.setenv('COMTRADE_PRIMARY' = '54b90f1c45a1403f8a55cfd7bf8cfa70
')

Paises<-country_codes
Datos_maiz<-ct_commodity_lookup("Maize", return_code = TRUE, return_char = TRUE,level=6)

# Consultar las exportaciones de Estados Unidos(USA) relacionadas al Maiz para el año 2020
Maiz_Exportaciones<-Datos_maiz
Maiz_Exportaciones<- ct_get_data(
  reporter = "USA",
  flow_direction = c("export"),
  partner = c("World"),
  start_date = 2020,
  end_date = 2020,
  frequency = "A",
  commodity_code = Maiz_Exportaciones)

Maiz_Exportaciones<-Maiz_Exportaciones %>% select(Year = ref_year,
                                          ISO = reporter_iso,
                                          Country= reporter_desc,
                                          Socio = partner_desc,
                                          Nivel_Agregacion = aggr_level,
                                          Codigo_Arancelario = cmd_code,
                                          Descripcion = cmd_desc,
                                          Valor = fobvalue) %>%
  mutate(Valor=round((Valor/1e6),2)) %>% 
  kable(caption = "Exportaciones de Estados Unidos (USA) a otros paises en MM USD ") %>%
  kable_classic(html_font = "Times New Roman", font_size = 14) %>% 
  add_footnote(label="Tomado de la API de Uncomtrade",
               notation="symbol") %>%  kable_styling() 

Maiz_Exportaciones

# Obtener datos de desempleo
datos_desempleo <- get_eurostat(id = "ei_lmhr_m", time_format = "date") %>% 
  filter(s_adj == "NSA")

# Filtrar datos específicos para Irlanda
datos_irlanda <- datos_desempleo %>%
  filter(TIME_PERIOD >= "1983-01-01" & TIME_PERIOD <= "1983-12-31",
         geo %in% c("IE"), indic == "LM-UN-F-GT25")

# Mostrar la tabla de resultados
datos_irlanda %>% kable(caption = "Datasets Tasa % de Desempleo disponibles en la API de Eurostats (Irlanda)") %>%  
  kable_classic(html_font = "Times New Roman", font_size = 14) %>% 
  add_footnote(label = "Fuente: API de Eurostats",
               notation = "symbol") %>%  
  kable_styling()

# Obtener datos de desempleo
datos_desempleo_hombres <- get_eurostat(id = "ei_lmhr_m", time_format = "date") %>%
  filter(s_adj == "NSA")

# Filtrar datos específicos para Bulgaria
datos_bulgaria_hombres <- datos_desempleo_hombres %>%
  filter(TIME_PERIOD >= as.Date("2024-01-01"), geo == "BG", 
         indic == "LM-UN-M-LE25")

# Mostrar la tabla de resultados
datos_bulgaria_hombres %>%
  kable(caption = "Datasets Tasa % de desempleo para hombres disponibles en la API de Eurostats (Bulgaria)") %>%
  kable_classic(html_font = "Times New Roman", font_size = 14) %>%
  add_footnote(label = "Fuente: API de Eurostat", notation = "symbol") %>%
  kable_styling()

library(imfr)
dataset_FMI <- imf_ids() ## Brinda los datasets disponibles
dataset_FMI %>% 
  head(10) %>% 
  kable(caption = "Datasets disponibles en la API del IMF") %>%  
  kable_classic(html_font = "Times New Roman", font_size = 14) %>% 
  add_footnote(label="Tomado de la API del  IMF",
               notation="symbol") %>% 
  kable_styling() 

# Cargar la lista de códigos
data(codelist)

# Obtener la lista de códigos de la Balanza de Pagos del FMI
lista_codigos_BOP <- imf_codelist(database_id = "BOP") # Descripción de los campos del dataset "Balanza de pagos".

# Mostrar las primeras 10 entradas de la lista de códigos
lista_codigos_BOP %>% 
  head(10) %>% 
  kable(caption = "Datasets disponibles en la API del FMI") %>%  
  kable_classic(html_font = "Times New Roman", font_size = 14) %>% 
  add_footnote(label = "Fuente: API del FMI", notation = "symbol") %>%  
  kable_styling()

# Obtener indicadores de la Balanza de Pagos
indicadores_BOP <- imf_codes(codelist = "CL_INDICATOR_BOP")

# Mostrar las primeras 10 entradas de los indicadores
indicadores_BOP %>% 
  head(10) %>% 
  kable(caption = "Indicadores disponibles en el dataset seleccionado") %>%  
  kable_classic(html_font = "Times New Roman", font_size = 14) %>% 
  add_footnote(label = "Fuente: API del FMI", notation = "symbol") %>%  
  kable_styling()

# Obtener datos de la cuenta corriente
datos_cuenta_corriente <- imf_data(database_id = "BOP",
                                    indicator = "BCA_BP6_USD", 
                                    country = c("CN", "US"), 
                                    freq = 'A', 
                                    start = 1990, 
                                    end = as.numeric(format(Sys.Date(), "%Y")) # Obtener el año actual
)

# Procesar y mostrar los datos
datos_cuenta_corriente %>%
  arrange(desc(year)) %>%
  head(10) %>% 
  select(País = iso2c, Año = year, Valor = BCA_BP6_USD) %>% 
  kable(caption = "Saldo de la cuenta corriente neto para China y Estados Unidos") %>%
  kable_classic(html_font = "Times New Roman", font_size = 14) %>%
  add_footnote(label = "Fuente: API del FMI", notation = "symbol") %>%
  kable_styling()

# Cargar bibliotecas necesarias
library(dplyr)
library(ggplot2)
library(imfr)  # Asumiendo que esta es la librería correcta para `imf_data`
library(tidyr)

# Obtener datos de la cuenta corriente
datos_cuenta_corriente <- imf_data(database_id = "BOP",
                                    indicator = "BCA_BP6_USD", 
                                    country = c("CN", "US"), 
                                    freq = 'A', 
                                    start = 1990, 
                                    end = as.numeric(format(Sys.Date(), "%Y")))  # Obtener el año actual

# Procesar los datos
datos_cuenta_corriente <- datos_cuenta_corriente %>%
  arrange(desc(year)) %>%
  select(País = iso2c, Año = year, Valor = BCA_BP6_USD)

# Graficar los datos de la cuenta corriente como líneas
ggplot(datos_cuenta_corriente, aes(x = Año, y = Valor, color = País, group = País)) +
  geom_line(size = 1.5) +  # Gráfico de líneas
  labs(
    title = "Saldo de la Cuenta Corriente Neto para China y Estados Unidos",
    x = "Año",
    y = "Saldo en USD",
    color = "País"
  ) +
  theme_minimal() +  # Estilo minimalista
  scale_color_manual(values = c("CN" = "blue", "US" = "red"))  # Colores personalizados

library(wbstats)
library(kableExtra)

# Para concer los indicadores disponibles en la API.
indicadores<-wb_indicators(lang = "es") 
indicadores %>% 
  head(10) %>% 
  kable(caption = "Indicadores disponibles en la API del Banco Mundial") %>%  
  kable_classic(html_font = "Times New Roman", font_size = 14) %>% 
  add_footnote(label="Tomado de la API del BM",
               notation="symbol") %>%  kable_styling()