Libro de EVA Tolima

Introducción

Bienvenidos a mi libro, este nos presentara la evaluación agropecuaria municipal en el Municipio del Tolima

#install.packages('dplyr')

#install.packages('readxl')

#install.packages('sf)

Install from CRAN install.packages(“tidyverse”)

library(tidyverse)

library(readr)

library(ggplot2)

list.files("./datos", pattern=c('csv'))

## [1] "co.csv"

## [2] "Evaluaciones_Agropecuarias_Municipales_EVA.csv"

## [3] "stder_frutales_2020.csv"                       

## [4] "stder_oleag_2020.csv"

(eva = read_csv(".//Evaluaciones_Agropecuarias_Municipales_EVA.csv", col_names = TRUE,
                show_col_types = FALSE))

names (eva)

eva %>% dplyr::select('CÓD. MUN.':'ESTADO FISICO PRODUCCION') -> eva.tmp

eva.tmp

Esta tabla nos dara una información resumida de los municipios y sus producciones

eva.tmp %>%  dplyr::rename('Cod_Mun' = 'CÓD. MUN.', 
                         'Grupo' = 'GRUPO \nDE CULTIVO',
                         'Subgrupo' = 'SUBGRUPO \nDE CULTIVO', 
                         'Year' = 'AÑO',
                         'AreaSembrada' = 'Área Sembrada\n(ha)',
                         'AreaCosechada' = 'Área Sembrada\n(ha)',
                         'Produccion' = 'Producción\n(t)',                                                                 'Rendimiento' =  'Rendimiento\n(t/ha)',   
                         'Sistema' = 'DESAGREGACIÓN REGIONAL Y/O SISTEMA PRODUCTIVO',
                         'Estado' = 'ESTADO FISICO PRODUCCION') -> new_eva

new_eva

new_eva %>%
  ##filter(Produccion > 0) %>%
  group_by(Grupo) %>%
  summarize(total_produccion = sum(Produccion)) %>% 
  arrange(desc(total_produccion)) 

new_eva %>%
  group_by(Grupo) %>%
  summarize(total_produccion = sum(Produccion)) -> PT 

PT %>% 
  filter(total_produccion > 1000000) -> main.groups

(value = sum(main.groups$total_produccion))

main.groups$percent = main.groups$total_produccion/value

La siguiente grafica nos representa el % en el cual se dividen los cultivos

library(ggplot2)
# Barplot
bp<- ggplot(main.groups, aes(x="", y=percent, fill=Grupo))+
geom_bar(width = 1, stat = "identity")
# Piechart
pie <- bp + coord_polar("y", start=0)
pie

new_eva %>%
  group_by(Grupo, MUNICIPIO) %>%
  summarize(total_prod = sum(Produccion, na.rm = TRUE)) %>%
  slice(which.max(total_prod))  %>%
  arrange(desc(total_prod))

new_eva %>%
  group_by(Grupo, MUNICIPIO) %>%
  summarize(total_prod = sum(Produccion, na.rm = TRUE), .groups = "drop") %>%
  slice(which.max(total_prod))  -> leaders

leaders

leaders %>% 
  filter(total_prod > 50000) -> main.leaders

p<-ggplot(data=main.leaders, aes(x=MUNICIPIO, y=total_prod)) +
  geom_bar(stat="identity")
p

new_eva %>% 
  filter(MUNICIPIO=="IBAGUE" & CULTIVO=="AGUACATE") %>% 
  group_by(Year, CULTIVO) %>%
  select(MUNICIPIO, CULTIVO, Produccion, Year) -> IBAGUE_AGUACATE

IBAGUE_AGUACATE

g <- ggplot(aes(x=Year, y=Produccion/1000), data = IBAGUE_AGUACATE) + geom_bar(stat='identity') + labs(y='Produccion de AGUACATE [Ton x 1000]')

g + ggtitle("Evolution of AGUACATE Crop Production in IBAGUE from 2007 to 2018") + labs(caption= "Based on EVA data (Minagricultura, 2020)")

sessionInfo()