Clusters

Análisis vinos

Contexto

Estos datos son el resultado de un análisis químico de vinos cultivados en la misma región de Italia, pero derivados de tres cultivares diferentes.

El análisis determinó las cantidades de 13 componentes que se encuentran en cada uno de los tres cultivares.

Instalar paquetes y llamar librerías

#install.packages("cluster") # Para agrupamientos
library(cluster)
#install.packages("ggplot2") # Para graficar
library(ggplot2)
#install.packages("factoextra") # Visualizar Clusters
library(factoextra)
#install.packages("data.table") # Conjunto de datos grandes
library(data.table)
#install.packages("tidyverse")
library(tidyverse)

Importar la base de datos

datos <- read.csv("C:\\Users\\almai\\Downloads\\wine_dataset(2).csv")

Entender la base de datos

summary(datos)

##     alcohol        malic_acid         ash        alcalinity_of_ash
##  Min.   :11.03   Min.   :0.740   Min.   :1.360   Min.   :10.60    
##  1st Qu.:12.36   1st Qu.:1.603   1st Qu.:2.210   1st Qu.:17.20    
##  Median :13.05   Median :1.865   Median :2.360   Median :19.50    
##  Mean   :13.00   Mean   :2.336   Mean   :2.367   Mean   :19.49    
##  3rd Qu.:13.68   3rd Qu.:3.083   3rd Qu.:2.558   3rd Qu.:21.50    
##  Max.   :14.83   Max.   :5.800   Max.   :3.230   Max.   :30.00    
##    magnesium      total_phenols     flavanoids    nonflavanoid_phenols
##  Min.   : 70.00   Min.   :0.980   Min.   :0.340   Min.   :0.1300      
##  1st Qu.: 88.00   1st Qu.:1.742   1st Qu.:1.205   1st Qu.:0.2700      
##  Median : 98.00   Median :2.355   Median :2.135   Median :0.3400      
##  Mean   : 99.74   Mean   :2.295   Mean   :2.029   Mean   :0.3619      
##  3rd Qu.:107.00   3rd Qu.:2.800   3rd Qu.:2.875   3rd Qu.:0.4375      
##  Max.   :162.00   Max.   :3.880   Max.   :5.080   Max.   :0.6600      
##  proanthocyanins color_intensity       hue         od280.od315_of_diluted_wines
##  Min.   :0.410   Min.   : 1.280   Min.   :0.4800   Min.   :1.270               
##  1st Qu.:1.250   1st Qu.: 3.220   1st Qu.:0.7825   1st Qu.:1.938               
##  Median :1.555   Median : 4.690   Median :0.9650   Median :2.780               
##  Mean   :1.591   Mean   : 5.058   Mean   :0.9574   Mean   :2.612               
##  3rd Qu.:1.950   3rd Qu.: 6.200   3rd Qu.:1.1200   3rd Qu.:3.170               
##  Max.   :3.580   Max.   :13.000   Max.   :1.7100   Max.   :4.000               
##     proline           target      
##  Min.   : 278.0   Min.   :0.0000  
##  1st Qu.: 500.5   1st Qu.:0.0000  
##  Median : 673.5   Median :1.0000  
##  Mean   : 746.9   Mean   :0.9382  
##  3rd Qu.: 985.0   3rd Qu.:2.0000  
##  Max.   :1680.0   Max.   :2.0000

Escalar la base de datos

datos_escalados <- datos
datos_escalados <- subset(datos_escalados, select = -target) 
datos_escalados <- scale(datos_escalados)

Generar los segmentos

grupos <- 3
segmentos <- kmeans(datos_escalados, grupos)

Asignar grupos a los datos

asignacion <- cbind(datos, cluster=
                      segmentos$cluster)

Graficar los clusters

fviz_cluster(segmentos, data=datos)

Optimizar la cantidad de grupos

set.seed(123)
optimizacion <- clusGap(datos_escalados, FUN=kmeans, nstart=1,K.max = 10)
plot(optimizacion, xlab="Número de clusters k")

Comparar segmentos

promedio <- aggregate(asignacion, by=list(asignacion$cluster),FUN = mean)
promedio

##   Group.1  alcohol malic_acid      ash alcalinity_of_ash magnesium
## 1       1 13.13412   3.307255 2.417647          21.24118  98.66667
## 2       2 12.25092   1.897385 2.231231          20.06308  92.73846
## 3       3 13.67677   1.997903 2.466290          17.46290 107.96774
##   total_phenols flavanoids nonflavanoid_phenols proanthocyanins color_intensity
## 1      1.683922  0.8188235            0.4519608        1.145882        7.234706
## 2      2.247692  2.0500000            0.3576923        1.624154        2.973077
## 3      2.847581  3.0032258            0.2920968        1.922097        5.453548
##         hue od280.od315_of_diluted_wines   proline    target cluster
## 1 0.6919608                     1.696667  619.0588 1.9411765       1
## 2 1.0627077                     2.803385  510.1692 1.0000000       2
## 3 1.0654839                     3.163387 1100.2258 0.0483871       3

table(asignacion$cluster)

## 
##  1  2  3 
## 51 65 62

Ejercicio México

Instalar paquetes y llamar librerías

#install.packages("sf") # Analisis de datos espaciales
library(sf)
#install.packages("rnaturalearth") # Proporciona limites greograficos
library(rnaturalearth)
#install.packages("rnaturalearthdata") # Datos de geografia
library(rnaturalearthdata)
#install.packages("devtools") 
library(devtools)
devtools::install_github("ropensci/rnaturalearthhires")

Importar la base de datos

datosmex <- read.csv("C:\\Users\\almai\\Downloads\\mexico2024(2).csv")

Obtener mapa de México 2024

mexico <- ne_states(country = "Mexico", returnclass = "sf")

Entender la base de datos

summary(datosmex)

##     Estado            Población      PIB.per.cápita   Esperanza.de.vida
##  Length:32          Min.   : 0.700   Min.   : 44387   Min.   :73.50    
##  Class :character   1st Qu.: 1.875   1st Qu.: 84672   1st Qu.:74.50    
##  Mode  :character   Median : 3.050   Median :118147   Median :75.00    
##                     Mean   : 3.947   Mean   :133393   Mean   :75.00    
##                     3rd Qu.: 4.975   3rd Qu.:151772   3rd Qu.:75.53    
##                     Max.   :17.400   Max.   :481697   Max.   :76.50    
##  Tasa.de.pobreza Tasa.de.alfabetización
##  Min.   :13.30   Min.   :86.50         
##  1st Qu.:28.20   1st Qu.:94.42         
##  Median :35.25   Median :96.50         
##  Mean   :37.54   Mean   :95.61         
##  3rd Qu.:46.20   3rd Qu.:97.85         
##  Max.   :67.40   Max.   :99.00

Escalar la base de datos

datos_escalados_mex <- scale(datosmex$Población)

Generar los segmentos

grupos <- 3
segmentosmex <- kmeans(datos_escalados_mex, grupos)

Asignar grupos a los datos

asignacion_mex <- cbind(datosmex, cluster=
                      segmentosmex$cluster)

Graficar los clusters

datos_numericos_mex <- datosmex[sapply(datosmex, is.numeric)]
fviz_cluster(segmentosmex, data=datos_numericos_mex)

Optimizar la cantidad de grupos

set.seed(123)
optimizacion <- clusGap(datos_escalados, FUN=kmeans, nstart=1,K.max = 10)
plot(optimizacion, xlab="Número de clusters k")

Unir mapa con datos 2024

mexico <- mexico %>% rename(Estado = name)

# Crear un dataframe con los clusters asignados
datos_clusters_mex <- data.frame(Estado = datosmex$Estado, Cluster = as.factor(segmentosmex$cluster))

# Hacer la unión con el mapa
mexico_clusters <- left_join(mexico, datos_clusters_mex, by = "Estado")

# Graficar con colores específicos por cluster
ggplot(mexico_clusters) +
  geom_sf(aes(fill = Cluster), color = "black") + 
  scale_fill_manual(values = c("red","lightgreen", "skyblue")) + 
  labs(title = "Cluster de Población por Estado en México") + 
  theme_minimal()