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 analisis determino las cantidades de 13 componentes que se encuentran en cada uno de los tres cultivares.

Ejemplo vinos

instalar paquetes y llamar librerias 

#install.packages("cluster") #para agrupar
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\\admin\\Downloads\\wine_dataset.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 #Inicio con cualquier valos, luego verifico
segmentos <- kmeans(datos_escalados, grupos)

Asignar los grupos a los datos 

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

Graficar los clusters 

fviz_cluster(segmentos, data = datos)

## Obtimizar la cantidad de grupos 

#la cantidad optima de grupos corresponde al punto mas alto de la grafica
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$cluster), FUN=mean)
promedio
##   Group.1  alcohol malic_acid      ash alcalinity_of_ash magnesium
## 1       1 13.67677   1.997903 2.466290          17.46290 107.96774
## 2       2 12.25092   1.897385 2.231231          20.06308  92.73846
## 3       3 13.13412   3.307255 2.417647          21.24118  98.66667
##   total_phenols flavanoids nonflavanoid_phenols proanthocyanins color_intensity
## 1      2.847581  3.0032258            0.2920968        1.922097        5.453548
## 2      2.247692  2.0500000            0.3576923        1.624154        2.973077
## 3      1.683922  0.8188235            0.4519608        1.145882        7.234706
##         hue od280.od315_of_diluted_wines   proline    target cluster
## 1 1.0654839                     3.163387 1100.2258 0.0483871       1
## 2 1.0627077                     2.803385  510.1692 1.0000000       2
## 3 0.6919608                     1.696667  619.0588 1.9411765       3
table(asignacion$cluster)
## 
##  1  2  3 
## 62 65 51

Ejercicio México 2024

##instalar paquetes y llamar librerias 

#install.packages("cluster") #para agrupar
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)
#install.packages("sf") #analisis de datos espaciales
library(sf)
## Linking to GEOS 3.13.0, GDAL 3.10.1, PROJ 9.5.1; sf_use_s2() is TRUE
#install.packages("rnaturalearth") #Proporciona limites geograficos
library(rnaturalearth)
#install.packages("rnaturalearthdata") #datos geografía
library(rnaturalearthdata)
## 
## Adjuntando el paquete: 'rnaturalearthdata'
## The following object is masked from 'package:rnaturalearth':
## 
##     countries110
#install.packages("devtools")
library(devtools)
## Cargando paquete requerido: usethis
devtools::install_github("ropensci/rnaturalearthhires") #Mapa de mexico
## WARNING: Rtools is required to build R packages, but is not currently installed.
## 
## Please download and install Rtools 4.4 from https://cran.r-project.org/bin/windows/Rtools/.
## Skipping install of 'rnaturalearthhires' from a github remote, the SHA1 (153b0ea5) has not changed since last install.
##   Use `force = TRUE` to force installation
datosmex <- read.csv("C:\\Users\\admin\\Downloads\\mexico2024.csv")
datos_escaladosmex <- datosmex
datos_escaladosmex <- subset(datos_escaladosmex, select= -Estado)
datos_escaladosmex <- scale(datos_escaladosmex)
gruposmex<- 4 #Inicio con cualquier valos, luego verifico
segmentosmex <- kmeans(datos_escaladosmex, gruposmex,)
asignacionmex <- cbind(datosmex, cluster = segmentosmex$cluster)
fviz_cluster(segmentosmex, data=datos_escaladosmex)

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

promediomex <- aggregate(asignacionmex, by=list(asignacionmex$cluster), FUN=mean)
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
promediomex
##   Group.1 Estado Población PIB.per.cápita Esperanza.de.vida Tasa.de.pobreza
## 1       1     NA  3.433333      183793.40          75.67333        25.78000
## 2       2     NA  2.340000       99375.50          74.73000        42.49000
## 3       3     NA  4.366667       53849.33          73.76667        62.06667
## 4       4     NA  9.575000       89093.50          74.07500        50.90000
##   Tasa.de.alfabetización cluster
## 1               97.74000       1
## 2               94.93000       2
## 3               88.06667       3
## 4               94.95000       4
table(asignacionmex$cluster)
## 
##  1  2  3  4 
## 15 10  3  4
datosmex <- datosmex %>% rename(name = Estado)
colnames(asignacionmex)
## [1] "Estado"                 "Población"              "PIB.per.cápita"        
## [4] "Esperanza.de.vida"      "Tasa.de.pobreza"        "Tasa.de.alfabetización"
## [7] "cluster"

##Obtener mapa de México 

mexico <- ne_states(country= "Mexico", returnclass = "sf")
asignacionmex <- asignacionmex %>% rename(name = Estado)
#mexico_clusters$cluster <- as.factor(mexico_clusters$cluster)

##unir mapa con datos 

#ggplot(mexico_clusters) +
  #geom_sf(aes(fill = cluster), color="black") +  
  #scale_fill_manual(values = c("green", "yellow", "red", "blue", "orange", "purple")) +
  #labs(title="Clusters de población por estado de México") +
 # theme_minimal()