Datos Meteorologícos Senamhi Puno

Objetivo

Automatizar la generación de reportes climatológicos a partir de datos históricos diarios, con el fin de analizar patrones mensuales de temperatura y precipitación por estación, mediante visualización gráfica.

Contexto Geográfico

Región Puno

Ubicación : Altiplano peruano, frontera con Bolivia.
Altitud: Promedio de 3,827 msnm (una de las regiones más altas del Perú). Variables analizadas : Precipitación, temperatura máxima/mínima (año 2006). Además de la latitud y longitud.
Estaciones : 15 localidades

Obtención de los registros meteorologicos del SENAMHI

La captura de datos fueron obtenidos de la pagina correspondiente a la descarga del SENAMHI.

Figura 1: Región Puno

Descripción del trabajo:

Informacion registrada

“AÑO”, “MES”, “DIA”, “PRECIPITACION”, “TEMP_MAX”, “TEMP_MIN”

Lectura de datos

Librerias usadas

library(dplyr)
library(tidyr)
library(tibble)
library(writexl)

Datos Integrados

# 1. Definir estaciones meteorológicas
estaciones <- c("Puno", "Isla Taquile", "Capachica", "Azangaro", "Arapa",
                "Progreso", "Muñani", "Crucero", "Juli", "Desaguadero",
                "Pizacoma", "Ilave", "Capazo", "Mazo Cruz", "Huancane")

# Vector de meses en español
meses_español <- c("Enero", "Febrero", "Marzo", "Abril", "Mayo", "Junio",
                   "Julio", "Agosto", "Septiembre", "Octubre", "Noviembre", "Diciembre")

# 2. Leer y combinar todos los archivos
datos_completos <- bind_rows(lapply(estaciones, function(est) {
  read.table(paste0(est, ".txt"), header = FALSE,
             col.names = c("AÑO", "MES", "DIA", "PRECIPITACION", "TEMP_MAX", "TEMP_MIN")) %>% 
    mutate(Estacion = est,
           PRECIPITACION = ifelse(PRECIPITACION == -99.9, NA, PRECIPITACION),
           TEMP_MAX = ifelse(TEMP_MAX == -99.9, NA, TEMP_MAX),
           TEMP_MIN = ifelse(TEMP_MIN == -99.9, NA, TEMP_MIN))
}))

año_seleccionado <- 2006

Ejercicios

Generar estadisticas y graficos para cada estacion que escoges

Filtrar los datos para la estación seleccionada

estacion_seleccionada <- "Arapa"

Estadísticas descriptivas

library(tidyr)
library(knitr)

## Warning: package 'knitr' was built under R version 4.4.3

library(kableExtra)

## Warning: package 'kableExtra' was built under R version 4.4.3

## 
## Adjuntando el paquete: 'kableExtra'

## The following object is masked from 'package:dplyr':
## 
##     group_rows

# Filtrar los datos para la estación seleccionada
datos_estacion <- datos_completos %>% 
  filter(Estacion == estacion_seleccionada)

# Calcular las estadísticas descriptivas
estadisticas <- datos_estacion %>%
  summarise(
    # Promedios
    TempMax_Promedio = mean(TEMP_MAX, na.rm = TRUE),
    TempMin_Promedio = mean(TEMP_MIN, na.rm = TRUE),
    Precipitacion_Promedio = mean(PRECIPITACION, na.rm = TRUE),
    
    # Desviaciones estándar
    TempMax_Desviacion = sd(TEMP_MAX, na.rm = TRUE),
    TempMin_Desviacion = sd(TEMP_MIN, na.rm = TRUE),
    Precipitacion_Desviacion = sd(PRECIPITACION, na.rm = TRUE),
    
    # Valores extremos (máximos)
    TempMax_Max = max(TEMP_MAX, na.rm = TRUE),
    TempMin_Max = max(TEMP_MIN, na.rm = TRUE),
    Precipitacion_Max = max(PRECIPITACION, na.rm = TRUE),
    
    # Valores extremos (mínimos)
    TempMax_Min = min(TEMP_MAX, na.rm = TRUE),
    TempMin_Min = min(TEMP_MIN, na.rm = TRUE),
    Precipitacion_Min = min(PRECIPITACION, na.rm = TRUE)
  )

# Reorganizar la tabla a formato vertical
estadisticas_long <- estadisticas %>%
  pivot_longer(
    cols = everything(),
    names_to = "Estadística",
    values_to = "Valor"
  )

# Mostrar la tabla formateada
kable(estadisticas_long, 
      caption = paste("Estadísticas Descriptivas - Estación", estacion_seleccionada)) %>%
  kable_styling(
    bootstrap_options = c("striped", "hover", "condensed", "responsive"),
    full_width = FALSE,
    position = "center"
  )

Estadísticas Descriptivas - Estación Arapa
Estadística	Valor
TempMax_Promedio	16.226978
TempMin_Promedio	2.018197
Precipitacion_Promedio	1.885248
TempMax_Desviacion	2.003814
TempMin_Desviacion	3.415649
Precipitacion_Desviacion	4.532843
TempMax_Max	24.400000
TempMin_Max	10.400000
Precipitacion_Max	53.600000
TempMax_Min	2.200000
TempMin_Min	-19.400000
Precipitacion_Min	0.000000

Gráfico 1: Temperaturas máximas y mínimas a lo largo del tiempo

library(ggplot2)

## Warning: package 'ggplot2' was built under R version 4.4.2

# Crear el gráfico de series temporales de temperaturas
ggplot(datos_estacion, aes(x = as.Date(paste(AÑO, MES, DIA, sep = "-")), group = 1)) +
  geom_line(aes(y = TEMP_MAX, color = "Temp. Máxima"), size = 1) +
  geom_line(aes(y = TEMP_MIN, color = "Temp. Mínima"), size = 1) +
  scale_color_manual(values = c("Temp. Máxima" = "firebrick", "Temp. Mínima" = "steelblue")) +
  labs(
    title = paste("Temperaturas Máxima y Mínima - Estación", estacion_seleccionada),
    subtitle = "Evolución diaria de temperaturas extremas",
    x = "Fecha", 
    y = "Temperatura (°C)", 
    color = "Leyenda:"
  ) +
  theme_minimal(base_size = 12) +
  theme(
    axis.text.x = element_text(angle = 45, hjust = 1, size = 10),
    plot.title = element_text(face = "bold", size = 14),
    legend.position = "top",
    panel.grid.major = element_line(color = "gray90"),
    panel.grid.minor = element_blank()
  ) +
  scale_x_date(date_labels = "%b %Y", date_breaks = "3 months")

## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.

Gráfico 2: Precipitación mensual promedio

datos_mes <- datos_estacion %>%
 group_by(MES) %>%
 summarise(Precipitacion_Promedio = mean(PRECIPITACION, na.rm = TRUE)) %>%
 ungroup()
ggplot(datos_mes, aes(x = factor(MES, levels = 1:12, labels = meses_español), y = Precipitacion_Promedio)) +
 geom_bar(stat = "identity", fill = "skyblue") +
 labs(title = paste("Precipitación Promedio Mensual - Estación", estacion_seleccionada),
 x = "Mes", y = "Precipitación Promedio (mm)") +
 theme_minimal()

Gráfico 3: Distribución de temperaturas máximas

ggplot(datos_estacion, aes(x = TEMP_MAX)) +
 geom_histogram(binwidth = 1, fill = "orange", color = "black") +
 labs(title = paste("Distribución de Temperaturas Máximas - Estación", estacion_seleccionada),
 x = "Temperatura Máxima (°C)", y = "Frecuencia") +
 theme_minimal()

## Warning: Removed 316 rows containing non-finite outside the scale range
## (`stat_bin()`).

Gráfico 4: Distribución de temperaturas mínimas

ggplot(datos_estacion, aes(x = TEMP_MIN)) +
 geom_histogram(binwidth = 1, fill = "lightgreen", color = "black") +
 labs(title = paste("Distribución de Temperaturas Mínimas - Estación", estacion_seleccionada),
 x = "Temperatura Mínima (°C)", y = "Frecuencia") +
 theme_minimal()

## Warning: Removed 395 rows containing non-finite outside the scale range
## (`stat_bin()`).

Tablas y graficos (filas=Años, columnas=meses)

Estación elegída

Tabla de máximos por mes y su año

# Filtrar los datos
datos_filtrados <- datos_completos %>%
 filter(Estacion == estacion_seleccionada)
# Crear tabla: filas = años, columnas = meses, valores = Tmax máxima del mes
tabla_temp_max <- datos_filtrados %>%
 group_by(AÑO, MES) %>%
 summarise(TempMax_Mensual = max(TEMP_MAX, na.rm = TRUE)) %>%
 ungroup() %>%
 mutate(MES = factor(MES, levels = 1:12, labels = meses_español, ordered = TRUE)) %>%
 pivot_wider(names_from = MES, values_from = TempMax_Mensual)

## Warning: There were 8 warnings in `summarise()`.
## The first warning was:
## ℹ In argument: `TempMax_Mensual = max(TEMP_MAX, na.rm = TRUE)`.
## ℹ In group 224: `AÑO = 1982` `MES = 7`.
## Caused by warning in `max()`:
## ! ningun argumento finito para max; retornando -Inf
## ℹ Run `dplyr::last_dplyr_warnings()` to see the 7 remaining warnings.

## `summarise()` has grouped output by 'AÑO'. You can override using the `.groups`
## argument.

kable(tabla_temp_max, caption = "Temperatura máxima mensual registrada por año - Estación ") %>%
 kable_styling(bootstrap_options = c("striped", "hover", "condensed", "responsive"),
 full_width = FALSE, position = "center")

Temperatura máxima mensual registrada por año - Estación
AÑO	Diciembre	Enero	Febrero	Marzo	Abril	Mayo	Junio	Julio	Agosto	Septiembre	Octubre	Noviembre
1963	18.4	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1964	18.6	20.6	19.2	17.2	17.0	16.2	17.0	16.6	18.4	18.6	19.2	18.8
1965	18.4	19.0	17.6	17.0	16.8	18.2	16.2	17.4	18.6	20.0	20.4	20.6
1966	19.6	19.8	18.6	19.2	18.8	17.8	18.0	19.0	18.8	19.8	19.4	19.6
1967	18.2	21.2	18.2	16.8	17.8	18.2	17.6	17.2	17.8	18.4	19.0	19.8
1968	19.0	17.6	16.0	16.6	17.2	17.8	18.0	16.2	19.2	17.6	20.0	18.0
1969	19.8	17.2	18.4	18.6	19.2	19.6	17.4	17.4	17.8	20.4	20.8	21.2
1970	18.4	18.6	18.0	17.4	16.4	18.0	17.4	18.0	19.4	19.6	20.2	20.4
1971	18.2	19.6	15.4	17.4	17.8	17.6	17.6	17.0	19.4	21.0	19.0	18.2
1972	21.0	17.2	17.0	17.4	18.0	17.6	17.2	18.0	19.8	20.0	21.0	20.4
1973	19.2	18.6	18.2	17.2	17.6	17.0	17.0	16.4	19.2	18.8	19.0	21.0
1974	19.2	17.4	16.0	16.4	17.2	16.8	16.8	18.4	17.4	19.2	19.8	21.4
1975	17.8	18.4	16.8	17.8	18.2	16.6	16.4	17.2	19.0	19.0	22.0	19.4
1976	21.4	17.4	19.2	17.6	17.2	18.0	16.4	17.6	19.2	18.8	21.6	20.0
1977	19.6	20.2	19.0	17.4	18.6	17.2	19.4	18.4	19.6	20.2	20.0	19.8
1978	20.4	18.8	18.2	17.8	18.2	19.4	18.2	16.8	19.4	18.8	20.2	18.8
1979	20.0	17.2	19.4	18.4	19.0	19.4	18.4	17.4	17.8	20.8	20.0	20.0
1980	19.4	19.6	19.8	19.0	19.4	19.4	19.4	17.2	19.4	18.6	19.2	21.6
1981	20.4	17.4	17.2	17.8	17.0	17.4	17.8	17.8	18.4	19.4	18.8	20.2
1982	20.0	17.4	19.4	17.6	17.4	17.4	17.4	-Inf	16.6	18.8	18.6	17.8
1983	21.8	20.5	19.4	21.4	19.6	20.6	20.5	20.0	19.6	20.5	19.6	24.0
1984	17.5	19.5	17.9	18.0	19.5	18.6	18.5	18.6	18.8	19.6	18.6	19.5
1985	20.5	16.8	17.4	19.4	20.2	19.5	17.0	20.0	20.6	18.5	21.8	21.5
1986	-Inf	19.0	17.2	16.8	18.5	17.5	18.8	19.8	19.2	18.8	20.0	-Inf
1987	20.0	-Inf	19.5	18.7	19.8	19.5	18.7	18.8	19.0	20.9	19.8	19.4
1988	18.6	17.6	20.4	16.8	16.0	17.2	16.0	17.4	19.0	21.0	21.4	20.4
1989	20.0	17.4	17.0	16.6	17.0	16.8	17.4	16.0	17.0	20.6	19.4	18.8
1990	19.7	18.4	19.0	20.2	19.6	19.8	18.0	17.0	19.6	19.2	21.4	19.2
1991	20.4	19.0	19.8	20.6	18.4	17.0	17.2	17.0	17.8	18.8	19.8	19.8
1992	20.2	16.8	19.0	20.0	20.2	20.4	17.0	17.0	17.8	19.8	20.0	19.4
1993	18.2	16.8	17.4	17.0	17.0	18.0	17.2	18.0	18.6	19.2	19.4	18.8
1994	19.0	18.4	18.8	16.8	17.6	17.4	17.0	17.6	18.8	18.4	19.4	19.6
1995	18.8	18.6	19.2	16.8	17.8	18.6	17.2	19.0	20.4	20.4	21.4	20.4
1996	19.6	19.2	17.2	19.4	18.8	18.0	18.4	17.2	19.4	20.0	19.2	19.6
1997	21.8	18.6	16.4	16.6	17.0	17.2	17.2	17.8	18.0	18.8	20.0	20.2
1998	20.4	20.8	24.4	20.9	21.2	20.0	20.0	19.2	20.2	21.2	21.8	20.4
1999	20.6	20.4	18.8	18.0	18.6	18.6	18.4	19.4	18.0	18.6	18.6	20.4
2000	19.2	18.2	17.4	17.2	18.6	19.4	17.2	17.2	20.2	19.6	19.2	20.6
2001	20.2	16.4	17.6	17.2	17.4	18.6	16.6	16.6	17.2	20.2	21.4	21.0
2002	20.2	19.0	18.2	18.2	18.2	19.2	18.4	17.4	18.6	19.6	19.2	20.0
2003	22.4	19.8	20.0	18.2	19.4	18.2	18.2	18.0	18.8	19.0	21.0	20.2
2004	22.2	18.6	19.0	19.4	19.6	19.2	17.2	19.2	19.4	19.2	21.4	20.4
2005	20.0	20.2	19.0	20.2	19.4	20.2	18.4	18.4	19.6	20.4	20.2	20.6
2006	20.4	18.2	19.6	20.4	19.2	19.2	19.2	18.0	19.2	21.4	20.4	20.2
2007	20.2	21.0	22.2	18.2	18.4	18.6	18.4	18.2	19.2	19.2	21.2	21.2
2008	19.4	17.2	18.4	19.4	19.4	19.4	19.4	18.4	19.0	20.4	20.2	21.4
2009	21.2	19.4	20.4	18.4	19.4	18.4	18.2	19.4	19.2	21.4	21.0	21.4
2010	22.2	20.4	19.6	19.4	20.4	19.6	19.4	20.2	19.4	21.4	21.4	21.6
2011	21.4	21.4	17.4	18.0	19.4	19.4	18.4	18.6	20.0	20.4	20.4	22.0
2012	19.4	17.4	18.0	19.0	18.4	19.0	19.4	19.4	19.0	22.0	22.0	23.0
2013	21.0	-Inf	18.2	18.6	20.0	-Inf	-Inf	18.4	19.4	-Inf	22.0	22.4
2014	NA	18.4	19.2	20.2	20.0	19.4	20.4	NA	NA	NA	NA	NA

Gráfico de línea con año

# Obtener el valor máximo de cada mes y el año en que ocurrió
max_por_mes <- datos_filtrados %>%
 group_by(MES) %>%
 slice_max(TEMP_MAX, n = 1, with_ties = FALSE) %>%
 ungroup() %>%
 mutate(
 MES = factor(MES, levels = 1:12, labels = meses_español, ordered = TRUE)
 )
ggplot(max_por_mes, aes(x = MES, y = TEMP_MAX)) +
 geom_line(group = 1, color = "darkred", size = 1.2) +
 geom_point(size = 3, color = "firebrick") +
 geom_text(aes(label = AÑO), vjust = -1, size = 4.5, color = "black") +
 labs(title = paste("Temperatura Máxima Histórica por Mes - Estación", estacion_seleccionada),
 subtitle = "Se indica el año en que ocurrió la temperatura más alta de cada mes",
 x = "Mes",
 y = "Temperatura Máxima (°C)") +
 theme_minimal() +
 theme(axis.text.x = element_text(angle = 45, hjust = 1))

Por cada estación

# Función para generar gráfico por estación
grafico_temp_max_por_estacion <- function(estacion) {

 # Filtrar los datos para la estación seleccionada
 datos_filtrados <- datos_completos %>%
 filter(Estacion == estacion) %>%
 group_by(Estacion, AÑO, MES) %>%
 summarise(TempMax_Mensual = max(TEMP_MAX, na.rm = TRUE)) %>%
 ungroup() %>%
 mutate(MES = factor(MES, levels = 1:12, labels = meses_español, ordered = TRUE))

 # Crear el gráfico
 ggplot(datos_filtrados, aes(x = MES, y = TempMax_Mensual, group = AÑO, color = factor(AÑO))) +
 geom_line() +
 labs(title = paste("Temperatura Máxima Mensual - Estación", estacion),
 x = "Mes", y = "Temperatura Máxima (°C)", color = "Año") +
 theme_minimal() +
 theme(axis.text.x = element_text(angle = 45, hjust = 1))
}

Llamar a la función para una estación específica

grafico_temp_max_por_estacion("Puno")

## Warning: There were 2 warnings in `summarise()`.
## The first warning was:
## ℹ In argument: `TempMax_Mensual = max(TEMP_MAX, na.rm = TRUE)`.
## ℹ In group 490: `Estacion = "Puno"`, `AÑO = 2004`, `MES = 11`.
## Caused by warning in `max()`:
## ! ningun argumento finito para max; retornando -Inf
## ℹ Run `dplyr::last_dplyr_warnings()` to see the 1 remaining warning.

## `summarise()` has grouped output by 'Estacion', 'AÑO'. You can override using
## the `.groups` argument.

grafico_temp_max_por_estacion("Huancane")

## Warning: There were 16 warnings in `summarise()`.
## The first warning was:
## ℹ In argument: `TempMax_Mensual = max(TEMP_MAX, na.rm = TRUE)`.
## ℹ In group 5: `Estacion = "Huancane"`, `AÑO = 1964`, `MES = 3`.
## Caused by warning in `max()`:
## ! ningun argumento finito para max; retornando -Inf
## ℹ Run `dplyr::last_dplyr_warnings()` to see the 15 remaining warnings.

## `summarise()` has grouped output by 'Estacion', 'AÑO'. You can override using
## the `.groups` argument.

Tabla y graficos (filas=estaciones, columnas=meses)

Tabla promedio mensual de Temperatura Máxima

```{{r}} promedio_mensual <- datos_completos %>% group_by(Estacion, MES) %>% summarise(Temp_Promedio = mean(TEMP_MAX, na.rm = TRUE)) %>% ungroup() %>% mutate(MES = factor(MES, levels = 1:12, labels = meses_español, ordered = TRUE)) %>% pivot_wider(names_from = MES, values_from = Temp_Promedio) kable(promedio_mensual, caption = “Temperatura máxima promedio mensual por estación”) %>% kable_styling(bootstrap_options = c(“striped”, “hover”, “condensed”, “responsive”), full_width = FALSE, position = “center”)


**Gráfico de temperatura Máxima Promedio Mensual por Estación**


``` r
# Convertir a formato largo para ggplot
datos_largos <- datos_completos %>%
 group_by(Estacion, MES) %>%
 summarise(Temp_Promedio = mean(TEMP_MAX, na.rm = TRUE)) %>%
 ungroup() %>%
 mutate(MES = factor(MES, levels = 1:12, labels = meses_español, ordered = TRUE))

## `summarise()` has grouped output by 'Estacion'. You can override using the
## `.groups` argument.

# Gráfico
ggplot(datos_largos, aes(x = MES, y = Temp_Promedio, group = Estacion, color = Estacion)) +
 geom_line(size = 1) +
 labs(title = "Temperatura Máxima Promedio Mensual por Estación",
 x = "Mes",
 y = "Temp. Máxima Promedio (°C)",
 color = "Estación") +
 theme_minimal() +
 theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Función para generar gráfico de temperatura máxima promedio mensual por estación
grafico_temp_max_promedio_por_estacion <- function(estacion) {

 # Filtrar y calcular la temperatura máxima promedio mensual por estación
 datos_filtrados <- datos_completos %>%
 filter(Estacion == estacion) %>%
 group_by(Estacion, MES) %>%
 summarise(Temp_Promedio = mean(TEMP_MAX, na.rm = TRUE)) %>%
 ungroup() %>%
 mutate(MES = factor(MES, levels = 1:12, labels = meses_español, ordered = TRUE))

 ggplot(datos_filtrados, aes(x = MES, y = Temp_Promedio, group = 1)) +
 geom_line(size = 1, color = "pink") + # Línea de la temperatura promedio
 labs(title = paste("Temperatura Máxima Promedio Mensual - Estación", estacion),
 x = "Mes", y = "Temp. Máxima Promedio (°C)") +
 theme_minimal() +
 theme(axis.text.x = element_text(angle = 45, hjust = 1))
}

Llamar a la función para una estación específica

grafico_temp_max_promedio_por_estacion("Puno")

## `summarise()` has grouped output by 'Estacion'. You can override using the
## `.groups` argument.

grafico_temp_max_promedio_por_estacion("Puno")

## `summarise()` has grouped output by 'Estacion'. You can override using the
## `.groups` argument.

Tabla y grafico para la precipitacion

Tabla Precipitación mensual promedio por estación

precipitacion_mensual <- datos_completos %>%
 group_by(Estacion, AÑO, MES) %>%
 summarise(Precip_Mensual = sum(PRECIPITACION, na.rm = TRUE)) %>%
 ungroup()

## `summarise()` has grouped output by 'Estacion', 'AÑO'. You can override using
## the `.groups` argument.

promedio_mensual_precip <- precipitacion_mensual %>%
 group_by(Estacion, MES) %>%
 summarise(Precip_Promedio = mean(Precip_Mensual, na.rm = TRUE)) %>%
 ungroup() %>%
 mutate(MES = factor(MES, levels = 1:12, labels = meses_español, ordered = TRUE)) %>%
 pivot_wider(names_from = MES, values_from = Precip_Promedio)

## `summarise()` has grouped output by 'Estacion'. You can override using the
## `.groups` argument.

kable(promedio_mensual_precip, caption = "Precipitación mensual promedio por estación (mm)") %>%
 kable_styling(bootstrap_options = c("striped", "hover", "condensed"),
 full_width = FALSE, position = "center")

Precipitación mensual promedio por estación (mm)
Estacion	Enero	Febrero	Marzo	Abril	Mayo	Junio	Julio	Agosto	Septiembre	Octubre	Noviembre	Diciembre
Arapa	132.95098	116.43137	111.61961	44.80980	10.601961	5.770588	3.360000	11.820000	25.068000	49.81800	63.21600	98.57647
Azangaro	99.29275	85.53118	75.75096	32.43462	6.440769	1.683461	1.883529	6.739608	20.331961	38.33412	55.34216	80.16157
Capachica	156.30603	149.07621	129.17271	44.71814	10.335932	3.956034	3.140172	8.863103	23.220345	32.11983	53.07345	108.39966
Capazo	151.50588	132.12941	97.40000	19.93725	4.003922	2.876471	1.830000	4.562200	3.288235	10.13725	26.44314	81.69824
Crucero	151.38912	128.40172	111.43966	52.21034	16.815517	6.617544	4.510526	11.485965	32.285965	52.67544	76.70175	121.02807
Desaguadero	175.32069	149.56155	119.66932	36.97847	8.978814	7.422931	5.259138	12.196897	22.324483	29.84034	53.23310	101.00793
Huancane	140.43654	112.95769	96.44808	40.00769	11.269231	4.584615	3.992308	9.711538	28.778846	47.24808	60.02885	107.26538
Ilave	150.46412	123.62000	98.87843	37.88588	9.815490	5.795200	4.847200	12.729200	21.377400	31.01440	44.42078	80.54843
Isla Taquile	260.13621	225.14190	202.47276	84.92949	28.073390	12.659138	8.069138	16.594828	56.553621	63.08276	81.34655	162.56914
Juli	174.49672	158.94983	138.07153	48.27525	12.101017	5.658983	5.489138	12.770690	27.184138	35.79603	49.79017	112.99552
Mazo Cruz	136.78096	113.00442	81.47827	23.73673	5.366154	1.984808	2.013846	8.033077	7.521923	16.89404	31.41481	77.80327
Muñani	140.03333	109.96667	91.58542	44.03125	7.093750	3.579167	2.772917	7.052083	22.485417	43.72292	59.88750	104.27083
Pizacoma	141.16490	116.75431	81.81196	22.98745	4.964510	3.927255	3.022000	9.224600	7.606800	14.23920	28.34040	101.04078
Progreso	124.34706	101.57255	96.39216	37.73725	6.884314	1.378431	2.872000	5.768000	20.740000	42.50600	59.84600	93.79000
Puno	161.34792	146.02857	135.78571	50.94898	8.938776	3.857143	2.473469	10.561224	25.465306	44.79592	48.67143	90.18571

Grafico linea mensual de precipitacion promedio por estación

datos_grafico <- promedio_mensual_precip %>%
 pivot_longer(cols = -Estacion, names_to = "Mes", values_to = "Precip_Promedio")
# Gráfico
ggplot(datos_grafico, aes(x = Mes, y = Precip_Promedio, group = Estacion, color = Estacion)) +
 geom_line(size = 1) +
 geom_point() +
 labs(title = "Promedio mensual de precipitación por estación",
 x = "Mes",
 y = "Precipitación promedio (mm)") +
 theme_minimal() +
 theme(axis.text.x = element_text(angle = 45, hjust = 1))

#Preparamos los datos
datos_grafico <- promedio_mensual_precip %>%
 pivot_longer(cols = -Estacion, names_to = "Mes", values_to = "Precip_Promedio")
# Ordenar los meses
datos_grafico$Mes <- factor(datos_grafico$Mes, levels = meses_español, ordered = TRUE)
ggplot(datos_grafico, aes(x = Mes, y = Precip_Promedio, group = Estacion)) +
 geom_line(color = "steelblue", size = 1) +
 geom_point(color = "darkblue") +
 facet_wrap(~ Estacion, scales = "free_y") +
 labs(title = "Precipitación mensual promedio (por estación)",
 x = "Mes",
 y = "Precipitación promedio (mm)") +
 theme_minimal(base_size = 12) +
 theme(axis.text.x = element_text(angle = 45, hjust = 1),
 strip.text = element_text(face = "bold"))

Cambiar aquí el nombre de la estación deseada

estacion_deseada <- "Ilave"

precipitacion_mensual <- datos_completos %>%
 group_by(Estacion, AÑO, MES) %>%
 summarise(Precip_Mensual = sum(PRECIPITACION, na.rm = TRUE)) %>%
 ungroup()

## `summarise()` has grouped output by 'Estacion', 'AÑO'. You can override using
## the `.groups` argument.

promedio_mensual_precip <- precipitacion_mensual %>%
 group_by(Estacion, MES) %>%
 summarise(Precip_Promedio = mean(Precip_Mensual, na.rm = TRUE)) %>%
 ungroup() %>%
 mutate(MES = factor(MES, levels = 1:12, labels = meses_español, ordered = TRUE))

## `summarise()` has grouped output by 'Estacion'. You can override using the
## `.groups` argument.

#filtrar solo la estación deseada
datos_estacion <- promedio_mensual_precip %>%
 filter(Estacion == estacion_deseada)
ggplot(datos_estacion, aes(x = MES, y = Precip_Promedio, group = 1)) +
 geom_line(color = "steelblue", size = 1) +
 geom_point(color = "darkblue", size = 2) +
 labs(title = paste("Precipitación mensual promedio - Estación", estacion_deseada),
 x = "Mes",
 y = "Precipitación promedio (mm)") +
 theme_minimal(base_size = 13) +
 theme(axis.text.x = element_text(angle = 45, hjust = 1),
 plot.title = element_text(face = "bold", hjust = 0.5))