Chapter 2 Digit ID Chapter 2 Digit
1 1 Los Productos de Origen Animal
2 2 Productos del Reino Vegetal
3 3 Animales y Vegetales Bi-Productos
4 4 Los Productos Alimenticios
5 5 Productos Minerales
6 6 Productos Químicos
7 7 Plásticos y Cauchos
8 8 Pieles de Animales
9 9 Productos de Madera
10 10 Artículos de Papel
11 11 Textiles
12 12 Calzado, y Sombreros
13 13 Piedra y Cristal
14 14 Metales Preciosos
15 15 Rieles
16 16 Máquinas
17 17 Transporte
18 18 Instrumentos
19 20 DiversoVisualizaciones base datos comercio e inversion en Mexico
Exportaciones totales
Exportaciones a USA
1993-2024
Código
xm |>
filter(Pais == "USA") |>
ggplot(aes(Año, Exportaciones/1000)) +
theme_bw() +
scale_color_brewer(palette = "Dark2") +
scale_x_continuous(breaks = seq(from =1993, to = 2025, by = 2)) +
geom_line(linewidth = 1, color = "steelblue4") +
geom_smooth(color = "steelblue1", fill = "steelblue1", alpha = 0.4)+
labs(
x = "",
y = "Exportaciones a USA",
caption = "J.Cornick con base en Data Mexico "
)(En miles de millones de US $)
Esta otra visualización permite ver claramente un cambio en la tendencia lineal a partir de 2018.
Código
xm |>
filter(Pais == "USA") |>
ggplot(aes(Año, Exportaciones/1000)) +
theme_bw() +
scale_x_continuous(breaks = seq(from =1993, to = 2025, by = 2)) +
geom_line(linewidth = 1, color = "steelblue4") +
geom_smooth(
data = . %>% filter(Año < 2018),
method = "lm",
se = TRUE,
fill = "steelblue1",
alpha = 0.2,
linetype = 3) +
geom_smooth(
data = . %>% filter(Año > 2016, Año < 2025),
method = "lm",
se = TRUE,
fill = "steelblue1",
alpha = 0.2,
linetype = 3) +
labs(
x = "",
y = "",
caption = "J.Cornick con base en Data Mexico ") +
guides(fill = "none")(En miles de millones de US $)
2015-2024
Código
xm |>
filter(Pais == "USA", Año > 2014) |>
ggplot(aes(Año, Exportaciones/1000))+
theme_bw()+
scale_color_brewer(palette = "Dark2")+
scale_x_continuous(breaks = seq(from =2015, to = 2025, by = 1)) +
geom_line(linewidth = 1, color = "steelblue4")+
geom_smooth(
data = . %>% filter(Año < 2025),
color = "steelblue1",
fill = "steelblue1", alpha = 0.4)+
labs(
x = "",
y = "",
caption = "J.Cornick con base en Data Mexico"
)+
theme(legend.position = "bottom")(En miles de millones de US $)
Exportaciones a otros socios comericales importantes
1993-2024
Código
xm |>
filter(Pais != "USA" & Pais != "Otros", Año < 2025) |>
mutate(Pais = fct_reorder(Pais, desc(Exportaciones), .fun = last)) |>
ggplot(aes(Año, Exportaciones/1000, color = Pais, fill = Pais))+
theme_bw()+
scale_color_brewer(palette = "Dark2")+
scale_x_continuous(breaks = seq(from =1993, to = 2024, by = 2)) +
geom_line(linewidth = 1)+
#geom_smooth(aes(fill = Pais, color = Pais), alpha = 0.2, linetype = 3)+
geom_smooth( alpha = 0.2, linetype = 3)+
labs(
x = "",
y = "",
fill = "",
color = "",
caption = "J.Cornick con base en Data Mexico"
)+
theme(legend.position = "bottom")(En miles de millones de US $)
2015-2024
Código
xm |>
filter(Pais != "USA" & Pais != "Otros", Año >2014 & Año < 2025) |>
mutate(Pais = fct_reorder(Pais, desc(Exportaciones), .fun = last)) |>
ggplot(aes(Año, Exportaciones/1000, color = Pais, fill = Pais))+
theme_bw()+
scale_color_brewer(palette = "Dark2")+
scale_x_continuous(breaks = seq(from =2015, to = 2024, by = 1)) +
geom_line(linewidth = 1)+
geom_smooth(alpha = 0.2, linetype = 3)+
labs(
x = "",
y = "",
fill = "",
color = "",
caption = "J.Cornick con base de Data Mexico"
)+
theme(legend.position = "right")(En miles de millones de US $)
USA y resto del mundo, proporciones
1993-2024
Código
# Primero calculamos porcentajes
xm_percentages <- xm |>
group_by(Año) |>
mutate(percent_valor = Exportaciones / sum(Exportaciones, na.rm = TRUE)) |>
ungroup() |>
mutate(Pais = fct_reorder(Pais, desc(percent_valor), .fun = last))
ggplot(xm_percentages, aes(x = Año, y = percent_valor, fill = Pais)) +
theme_bw() +
scale_fill_brewer(palette = "Dark2") +
geom_col(position = "stack") +
scale_x_continuous(breaks = seq(from = 1995, to = 2025, by = 5)) +
scale_y_continuous(
breaks = seq(0, 1, by = 0.1),
labels = scales::percent
) +
geom_hline(
yintercept = seq(0.1, 0.9, by = 0.1),
color = "white",
linetype = "dotted",
linewidth = 0.25
) +
labs(
x = "",
y = "",
fill = "",
color = "",
caption = "J.Cornick con base de Data Mexico"
)+
theme(legend.position = "bottom")(Estados Unidos y resto del mundo)
2015-2024
Código
xm_percentages <- xm |>
filter(Año >2014,Año < 2025) |>
group_by(Año) |>
mutate(percent_valor = Exportaciones / sum(Exportaciones, na.rm = TRUE)) |>
ungroup() |>
mutate(Pais = fct_reorder(Pais, desc(percent_valor), .fun = last))
ggplot(xm_percentages, aes(x = Año, y = percent_valor, fill = Pais)) +
theme_bw() +
scale_fill_brewer(palette = "Dark2") +
geom_col(position = "stack") +
scale_x_continuous(breaks = seq(from = 2015, to = 2025, by = 1)) +
scale_y_continuous(
breaks = seq(0, 1, by = 0.1),
labels = scales::percent
) +
geom_hline(
yintercept = seq(0.1, 0.9, by = 0.1), # Add horizontal lines for each break
color = "white",
linetype = "dotted",
linewidth = 0.25
) +
labs(
x = "",
y = "",
fill = "",
color = "",
caption = "J.Cornick con base de Data Mexico"
) +
theme(legend.position = "bottom")(Estados Unidos y resto del mundo)
Exportaciones por producto
Como los nombres de los capítulos han sido simplificados, conviene recordar sus definiciones completas
Las definiciones detalladas, y las seciones que componen cada una pueden consultarse en Sistema Armonizado.
Todos los productos 1993-2024, valor
Código
xmp |>
arrange(Trimestre) |>
mutate(Capítulo = fct_reorder(Capítulo, desc(Exportaciones), .fun = last)) |>
ggplot(aes(Trimestre, Exportaciones/1000, color = Capítulo)) +
theme_bw() + # Use a clean black-and-white theme
scale_fill_brewer(palette = "Dark2") + # Use the specified color palette for fill
scale_x_yearqtr(
breaks = seq(min(xmp$Trimestre), max(xmp$Trimestre), by = 2),
minor_breaks = seq(min(xmp$Trimestre), max(xmp$Trimestre), by = 1),
format = "%Y") +
geom_line(linewidth = .75) +
labs(color = "Capítulo",
caption = "J.Cornick con base en Data México")(en miles de millones US $)
Todos los productos, porcentajes
Código
prod_percentages <- xmp |>
mutate(
Year = as.numeric(format(Trimestre, "%Y")),
lump_weight = if_else(Year >= 2020, Exportaciones, 0),
Capítulo = fct_lump_n(
f = Capítulo,
n = 7,
w = lump_weight,
other_level = "Otros"
)
) |>
group_by(Year,Trimestre,Capítulo) |>
summarise(
across(where(is.numeric), \(x) sum(x, na.rm = TRUE)),
.groups = "drop"
) |>
group_by(Trimestre, Capítulo) |>
summarise(Exportaciones = sum(Exportaciones, na.rm = TRUE), .groups = "drop") |>
group_by(Trimestre) |>
mutate(percent_valor = Exportaciones / sum(Exportaciones, na.rm = TRUE)) |>
ungroup() |>
mutate(Capítulo = fct_reorder(Capítulo, Exportaciones, .fun = sum, .desc = TRUE))Y ahora generamos los gráficos
Código
prod_percentages |>
ggplot(aes(x = Trimestre, y = percent_valor, fill = Capítulo)) +
theme_bw() +
scale_fill_brewer(palette = "Dark2") +
geom_area(alpha = 0.9) +
geom_hline(
yintercept = seq(0.1, 0.9, by = 0.1),
color = "white",
linetype = "dotted",
linewidth = 0.25) +
scale_y_continuous(
breaks = seq(0, 1, by = 0.1),
labels = scales::percent,
expand = c(0, 0)) +
scale_x_yearqtr(
breaks = seq(from = as.yearqtr("1993 Q1"), to = as.yearqtr("2025 Q1"), by = 1),
expand = c(0,0))+
labs(
x = "",
y = "",
fill = "",
caption = "J.Cornick con base de Data Mexico") +
theme(
legend.position = "bottom",
axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1),
panel.grid.major.y = element_blank(),
panel.grid.minor.y = element_blank()
)
Máquinaria, equipo de transporte y minerales 1993-2024
Código
xmp |>
filter(Capítulo %in% c("Máquinas", "Transporte", "Minerales")) |>
arrange(Trimestre) |>
mutate(Capítulo = fct_reorder(Capítulo, desc(Exportaciones), .fun = last)) |>
ggplot(aes(Trimestre, Exportaciones/1000, color = Capítulo)) +
theme_bw() +
scale_fill_brewer(palette = "Dark2") +
scale_x_yearqtr(
breaks = seq(min(xmp$Trimestre), max(xmp$Trimestre), by = 2),
minor_breaks = seq(min(xmp$Trimestre), max(xmp$Trimestre), by = 1),
format = "%Y"
) +
geom_line(linewidth = 0.75) +
labs(color = "Capítulo",
caption = "J.Cornick con base en Data México")(en miles de millones US $)
Máquinaria, equipo de transporte y minerales 2015-2024
Código
xmp |>
filter(Capítulo %in% c("Máquinas", "Transporte", "Minerales")) |>
filter(Trimestre > 2014.75) |>
arrange(Trimestre) |>
mutate(Capítulo = fct_reorder(Capítulo, desc(Exportaciones), .fun = last)) |>
ggplot(aes(Trimestre, Exportaciones/1000, color = Capítulo, fill = Capítulo)) +
theme_bw() +
scale_color_brewer(palette = "Dark2") +
scale_fill_brewer(palette = "Dark2")+
scale_x_yearqtr(
breaks = seq(min(xmp$Trimestre), max(xmp$Trimestre), by = 2),
minor_breaks = seq(min(xmp$Trimestre), max(xmp$Trimestre), by = 1),
format = "%Y"
) +
geom_line(linewidth = 0.75) +
geom_smooth(alpha = 0.2, linetype = 3) +
labs(
color = "Capítulo",
caption = "J.Cornick con base en Data México",
x = "",
y = "Miles de millones, US ") +
guides(fill = "none")(en miles de millones US $)
Top 5 excluyendo máquinaria, equipo de transporte, minerales y “otros”
Código
xmp |>
filter(Capítulo %in% c("Instrumentos", "Alimentos", "Vegetales", "Rieles", "Plásticos")) |>
arrange(Trimestre) |>
mutate(Capítulo = fct_reorder(Capítulo, desc(Exportaciones), .fun = last)) |>
ggplot(aes(Trimestre, Exportaciones/1000, color = Capítulo)) +
theme_bw() +
scale_fill_brewer(palette = "Dark2") +
scale_x_yearqtr(
breaks = seq(min(xmp$Trimestre), max(xmp$Trimestre), by = 2),
minor_breaks = seq(min(xmp$Trimestre), max(xmp$Trimestre), by = 1),
format = "%Y"
) +
geom_line(linewidth = .75) +
labs(color = "Capítulo",
caption = "J.Cornick con base en Data México",
x = "",
y = "Miles de millones, US $")(en miles de millones US $)
Exportaciones a USA por producto
Todos los productos
Código
xmusa |>
filter(Pais == "USA",Año < "2025") |>
mutate(Capitulo = fct_reorder(Capitulo, desc(Exportaciones), .fun = last,.na_rm = TRUE)) |>
ggplot(
aes(Año,Exportaciones/1000000, color = Capitulo)
) +
theme_bw(
)+
scale_fill_brewer(
palette = "Dark2"
) +
theme(
axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1)
) +
scale_x_continuous(
breaks = seq(from = 2006, to = 2024, by = 1)
) +
geom_line(
linewidth = 1
) +
labs(
x = "",
y = "Miles de millones de US$",
fill = "",
color = "",
caption = "J.Cornick con base en Data Mexico",
) +
theme(legend.position = "bottom")Warning: Removed 14 rows containing missing values or values outside the scale range
(`geom_line()`).(en miles de millones US $)
Dadas las diferencias en escala, parece razonable graficar Maquinaria y Equipo de Transporte por separado.
Maquinaria y equipo de transporte
Código
xmusa |>
filter(Pais == "USA",Capitulo %in% c("Maquinas", "Transporte"), Año < "2025") |>
mutate(Capitulo = fct_reorder(Capitulo, desc(Exportaciones), .fun = last)) |>
ggplot(
aes(Año,Exportaciones/1000000, color = Capitulo)
) +
theme_bw(
)+
scale_fill_brewer(
palette = "Dark2"
) +
theme(
axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1)
) +
scale_x_continuous(
breaks = seq(from = 2006, to = 2024, by = 1)
) +
geom_line(
linewidth = 1
) +
geom_smooth(
data = . %>% filter(Año < 2018),
method = "lm",
se = FALSE,
linetype = 3
) +
geom_smooth(
data = . %>% filter(Año > 2016),
method = "lm",
se = FALSE,
linetype = 3
) +
labs(
x = "",
y = "Miles de millones de US$",
fill = "",
color = "",
caption = "J.Cornick con base en Data Mexico",
) +
theme(legend.position = "bottom")(en miles de millones US $)
Instrumentos, vegetales, metales, plásticos,alimentos y minerales
Código
xmusa |>
filter(Pais == "USA",Capitulo %in% c("Instrumentos", "Vegetales", "Metales", "Plasticos", "Alimentos", "Minerales"), Año < "2025") |>
mutate(Capitulo = fct_reorder(Capitulo, desc(Exportaciones), .fun = last)) |>
ggplot(
aes(Año,Exportaciones/1000000, color = Capitulo)
) +
theme_bw(
)+
scale_fill_brewer(
palette = "Dark2"
) +
theme(
axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1)
) +
scale_x_continuous(
breaks = seq(from = 2006, to = 2024, by = 1)
) +
geom_line(
linewidth = 1
) +
geom_smooth(
data = . %>% filter(Año < 2018),
method = "lm",
se = FALSE,
linetype = 3
) +
geom_smooth(
data = . %>% filter(Año > 2016),
method = "lm",
se = FALSE,
linetype = 3
) +
labs(
x = "",
y = "Miles de millones de US$",
fill = "",
color = "",
caption = "J.Cornick con base en Data Mexico",
) +
theme(legend.position = "bottom")(en miles de millones US $)
Los demás productos
Código
xmusa |>
filter(Pais == "USA", !(Capitulo %in% c("Maquinas", "Transporte","Instrumentos", "Vegetales", "Metales", "Plásticos", "Alimentos", "Minerales", "Otros")),
Año < "2025") |>
mutate(Capitulo = fct_reorder(Capitulo, desc(Exportaciones), .fun = last)) |>
ggplot(
aes(Año,Exportaciones/1000000, color = Capitulo)
) +
theme_bw(
)+
scale_fill_brewer(
palette = "Dark2"
) +
theme(
axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1)
) +
scale_x_continuous(
breaks = seq(from = 2006, to = 2024, by = 1)
) +
geom_line(
linewidth = 1
) +
geom_smooth(
data = . %>% filter(Año < 2018),
method = "lm",
se = FALSE,
linetype = 3
) +
geom_smooth(
data = . %>% filter(Año > 2016),
method = "lm",
se = FALSE,
linetype = 3
) +
labs(
x = "",
y = "Miles de millones de US$",
fill = "",
color = "",
caption = "J.Cornick con base en Data Mexico",
) +
theme(legend.position = "bottom")Warning: There was 1 warning in `mutate()`.
ℹ In argument: `Capitulo = fct_reorder(Capitulo, desc(Exportaciones), .fun =
last)`.
Caused by warning:
! `fct_reorder()` removing 16 missing values.
ℹ Use `.na_rm = TRUE` to silence this message.
ℹ Use `.na_rm = FALSE` to preserve NAs.Warning: Removed 9 rows containing non-finite outside the scale range
(`stat_smooth()`).Warning: Removed 8 rows containing non-finite outside the scale range
(`stat_smooth()`).Warning: Removed 14 rows containing missing values or values outside the scale range
(`geom_line()`).(en miles de millones US $)
Exportaciones por estado
Todos los estados
Código
xmest |> select(-Importaciones) |>
mutate(Estado = fct_reorder(Estado, desc(Exportaciones), .fun = last)) |>
ggplot(aes(IDTrim, Exportaciones, color = Estado))+
theme_bw()+
scale_fill_brewer(
palette = "Dark2"
) +
geom_line(
linewidth = 0.75
)+
theme(
axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1)
) +
scale_x_continuous(
breaks = seq(from = 20061, to = 20241, by = 10)
) +
labs(
x = "",
y = "Miles de millones de US$",
fill = "",
color = "",
caption = "J.Cornick con base en Data Mexico",
) +
theme(legend.position = "bottom")(en miles de millones US $)
Top 7 estados exportadores
Código
xmest |> select(-Importaciones) |>
filter(Estado %in% c("Chihuahua", "Ciudad de México", "Nuevo León",
"Baja California", "Jalisco", "Tamaulipas"),
IDTrim < 20251
) |>
mutate(Estado = fct_reorder(Estado, desc(Exportaciones), .fun = last)
) |>
ggplot(aes(IDTrim, Exportaciones/1000, color = Estado))+
theme_bw()+
scale_fill_brewer(
palette = "Paired"
) +
geom_line(
linewidth = 0.75
)+
theme(
axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1)
) +
scale_x_continuous(
breaks = seq(from = 20061, to = 20241, by = 10)
) +
labs(
x = "",
y = "Exportaciones, miles de millones US $",
fill = "",
color = "",
caption = "J.Cornick con base en Data Mexico",
) (en miles de millones US $)
Top 8 a 14 Estados exportadores
Código
xmest |> select(-Importaciones) |>
filter(Estado %in% c("Coahuila de Zaragoza","Sonora", "Estado de México", "Guanajuato",
"Querétaro", "Puebla", "San Luis Potosí"),
IDTrim < 20251
) |>
mutate(Estado = fct_reorder(Estado, desc(Exportaciones), .fun = last)
) |>
ggplot(aes(IDTrim, Exportaciones/1000, color = Estado))+
theme_bw()+
scale_fill_brewer(
palette = "Dark2"
) +
geom_line(
linewidth = 0.75
)+
theme(
axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1)
) +
scale_x_continuous(
breaks = seq(from = 20061, to = 20241, by = 10)
) +
labs(
x = "",
y = "",
fill = "",
color = "",
caption = "J.Cornick con base en Data Mexico",
)(en miles de millones US $)
Los demás
Código
xmest |> select(-Importaciones) |>
filter(!(Estado %in% c("Chihuahua", "Ciudad de México", "Nuevo León","Baja California",
"Jalisco", "Tamaulipas", "Coahuila de Zaragoza","Sonora",
"Estado de México", "Guanajuato", "Querétaro", "Puebla", "San Luis Potosí",
"No Informado")),
IDTrim < 20091
) |>
mutate(Estado = fct_reorder(Estado, desc(Exportaciones), .fun = last)
) |>
ggplot(aes(IDTrim, Exportaciones/1000, color = Estado)) +
theme_bw()+
scale_fill_brewer(
palette = "Dark2"
) +
geom_line(
linewidth = 0.75
) +
theme(
axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1)
) +
scale_x_continuous(
breaks = seq(from = 20061, to = 20241, by = 10)
) +
labs(
x = "",
y = "",
fill = "",
color = "",
caption = "J.Cornick con base en Data Mexico",
) +
theme(legend.position = "right")(en miles de millones US $)
Importaciones
De USA
1993-2024
Código
xm |>
filter(Pais == "USA", Año < 2025) |>
ggplot(aes(Año, Importaciones/1000))+
theme_bw()+
scale_color_brewer(palette = "Dark2")+
scale_x_continuous(breaks = seq(from =1993, to = 2024, by = 2)) +
geom_line(linewidth = 1, color = "steelblue4")+
geom_smooth(color = "steelblue1",
fill = "steelblue1", alpha = 0.2)+
labs(
x = "",
y = "Importaciones de USA, miles de millones de US $",
caption = "J.Cornick con base en Data Mexico "
)(En miles de millones de US $)
2015-2024
Código
xm |>
filter(Pais == "USA", Año > 2014 & Año < 2025) |>
ggplot(aes(Año, Importaciones/1000))+
theme_bw()+
scale_color_brewer(palette = "Dark2")+
scale_x_continuous(breaks = seq(from =2015, to = 2024, by = 1)) +
geom_line(linewidth = 1, color = "steelblue4")+
geom_smooth(color = "steelblue1",
fill = "steelblue1", alpha = 0.4)+
labs(
x = "",
y = "Importaciones de USA, miles de millones de US $",
caption = "J.Cornick con base en Data Mexico"
)+
theme(legend.position = "bottom")(En miles de millones de US $)
Otros socios comerciales
1993-2024
Código
xm |>
filter(Pais != "USA" & Pais != "Otros", Año < 2025) |>
mutate(Pais = fct_reorder(Pais, desc(Importaciones), .fun = last)) |>
ggplot(aes(Año, Importaciones/1000, color = Pais))+
theme_bw()+
scale_color_brewer(palette = "Dark2")+
scale_x_continuous(breaks = seq(from =1993, to = 2024, by = 2)) +
geom_line(linewidth = 1)+
geom_smooth(aes(fill = Pais), alpha = 0.2, linetype = 3)+
labs(
x = "",
y = "Importaciones, miles de millones US $",
fill = "",
color = "",
caption = "J.Cornick con base en Data Mexico"
)+
theme(legend.position = "right")(En miles de millones de US $)
2015-2024
Código
xm |>
filter(Pais != "USA" & Pais != "Otros", Año >2014 & Año < 2025) |>
mutate(Pais = fct_reorder(Pais, desc(Importaciones), .fun = last)) |>
ggplot(aes(Año, Importaciones/1000, color = Pais))+
theme_bw()+
scale_color_brewer(palette = "Paired")+
scale_x_continuous(breaks = seq(from =2015, to = 2024, by = 1)) +
geom_line(linewidth = 1)+
geom_smooth(aes(fill = Pais), alpha = 0.2, linetype = 3)+
labs(
x = "",
y = "Importaciones, miles de millones de US $",
fill = "",
color = "",
caption = "J.Cornick con base de Data Mexico"
)+
theme(legend.position = "right")(En miles de millones de US $)
USA y resto del mundo, proporciones
1993-2024.
Código
xm_percentages <- xm |>
group_by(Año) |>
mutate(percent_valor = Importaciones / sum(Importaciones, na.rm = TRUE)) |>
ungroup() |>
mutate(Pais = fct_reorder(Pais, desc(percent_valor), .fun = last))
ggplot(xm_percentages, aes(x = Año, y = percent_valor, fill = Pais)) +
theme_bw() + # Use a clean black-and-white theme
scale_fill_brewer(palette = "Dark2") + # Use the specified color palette for fill
geom_col(position = "stack") + # Stacks the pre-calculated percentages
scale_x_continuous(breaks = seq(from = 1993, to = 2025, by = 2)) + # Display labels every 5 years
scale_y_continuous(
breaks = seq(0, 1, by = 0.1), # Set breaks at 10% increments
labels = scales::percent # Formats the y-axis as percentages
) +
geom_hline(
yintercept = seq(0.1, 0.9, by = 0.1), # Add horizontal lines for each break
color = "white",
linetype = "dotted",
linewidth = 0.25
) +
labs(
x = "",
y = "Origen de las importaciones",
fill = "",
color = "",
caption = "J.Cornick con base de Data Mexico"
)+
theme(legend.position = "bottom")
2015-2024
Código
xm_percentages <- xm |>
filter( Año >2014 & Año < 2025) |>
group_by(Año) |>
mutate(percent_valor = Importaciones / sum(Importaciones, na.rm = TRUE)) |>
ungroup() |>
mutate(Pais = fct_reorder(Pais, desc(percent_valor), .fun = last))
ggplot(xm_percentages, aes(x = Año, y = percent_valor, fill = Pais)) +
theme_bw() + # Use a clean black-and-white theme
scale_fill_brewer(palette = "Dark2") + # Use the specified color palette for fill
geom_col(position = "stack") + # Stacks the pre-calculated percentages
scale_x_continuous(breaks = seq(from = 2015, to = 2025, by = 1)) + # Display labels every 5 years
scale_y_continuous(
breaks = seq(0, 1, by = 0.1), # Set breaks at 10% increments
labels = scales::percent # Formats the y-axis as percentages
) +
geom_hline(
yintercept = seq(0.1, 0.9, by = 0.1), # Add horizontal lines for each break
color = "white",
linetype = "dotted",
linewidth = 0.25
) +
labs(
x = "",
y = "",
fill = "",
color = "",
caption = "J.Cornick con base de Data Mexico"
) +
theme(legend.position = "bottom")
Inversión extranjera directa
Total USA
Código
xm |>
arrange(Año) |>
filter(Pais == "USA") |>
ggplot(aes(Año,Inversion/1000))+
geom_line(linewidth = 1, color = "steelblue4")+
geom_smooth(
data = . %>% filter(Año < 2018),
method = "lm",
se = TRUE,
fill = "steelblue1",
alpha = 0.2,
linetype = 3
) +
geom_smooth(
data = . %>% filter(Año > 2016),
#aes(fill = "steelblue1", alpha = 0.4),
method = "lm",
se = TRUE,
fill = "steelblue1",
alpha = 0.2,
linetype = 3
)+
scale_x_continuous(breaks = seq(from = 1999, to = 2024, by = 1)) +
theme(
axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1)
)+
labs(
x = "",
y = "Miles de millones de US $",
caption = "J.Cornick con base en Data México"
)(en miles de millones US $)
Gráfico inversión USA, promedios móviles 3 años
Código
xm |>
arrange(Año) |>
mutate(
Inv3 = rollmean(Inversion, k = 3, fill = NA, align = "center")
) |>
filter(Pais == "USA") |>
ggplot(aes(Año,Inv3/1000)) +
geom_line(linewidth = 1, color = "steelblue4") +
theme_bw()+
geom_smooth(
data = . %>% filter(Año <= 2018),
method = "lm",
se = TRUE,
fill = "steelblue1",
alpha = 0.2,
linetype = 3
) +
geom_smooth(
data = . %>% filter(Año > 2017),
method = "lm",
se = TRUE,
fill = "steelblue1",
alpha = 0.2,
linetype = 3
) +
scale_x_continuous(breaks = seq(from = 1999, to = 2024, by = 1)) +
theme(
axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1)
)+
labs(
x = "",
y = "promedio movil 3 a;os",
caption = "J.Cornick con base en Data Mexico"
)Warning: Removed 1 row containing non-finite outside the scale range
(`stat_smooth()`).Warning: Removed 1 row containing missing values or values outside the scale range
(`geom_line()`).(en miles de millones US $)
Japón, Alemania y Canadá.
Código
xm |>
arrange(Año) |>
filter(Pais %in% c("Japon", "Alemania", "Canada")) |>
mutate(Pais = fct_reorder(Pais, desc(Inversion), .fun = last)) |>
ggplot(
aes(Año,Inversion/1000, color = Pais)
) +
theme_bw()+
scale_color_brewer(palette = "Dark2")+
geom_line(linewidth = 1)+
geom_smooth(
data = . %>% filter(Año <= 2018),
method = "lm",
se = FALSE,
alpha = 0.2,
linetype = 3
) +
geom_smooth(
data = . %>% filter(Año > 2017),
method = "lm",
se = FALSE,
alpha = 0.2,
linetype = 3
) +
scale_x_continuous(breaks = seq(from = 1999, to = 2024, by = 1)) +
theme(
axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1)
) +
labs(
x = "",
y = "Miles de millones de US $",
fill = "",
color = "",
caption = "J.Cornick con base en Data Mexico"
) (en miles de millones US $)
Otros países
Código
xm |>
arrange(Año) |>
filter(!(Pais %in% c("Japon", "Alemania", "Canada", "USA", "Otros"))) |>
mutate(Pais = fct_reorder(Pais, desc(Inversion), .fun = last)) |>
ggplot(
aes(Año,Inversion/1000, color = Pais)
) +
theme_bw()+
scale_color_brewer(palette = "Dark2")+
geom_line(linewidth = 1)+
geom_smooth(
data = . %>% filter(Año <= 2018),
method = "lm",
se = FALSE,
alpha = 0.2,
linetype = 3
) +
geom_smooth(
data = . %>% filter(Año > 2017),
method = "lm",
se = FALSE,
alpha = 0.2,
linetype = 3
) +
scale_x_continuous(breaks = seq(from = 1999, to = 2024, by = 1)) +
theme(
axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1)
) +
labs(
x = "",
y = "Miles de millones de US $",
fill = "",
color = "",
caption = "J.Cornick con base en Data Mexico"
) #+
#theme(legend.position = "bottom")(en miles de millones US $)
Código
xm |>
arrange(Año) |>
filter(!(Pais %in% c("Japon", "Alemania", "Canada", "USA", "Otros", "Espana", "Belgica"))) |>
mutate(Pais = fct_reorder(Pais, desc(Inversion), .fun = last)) |>
ggplot(
aes(Año,Inversion/1000, color = Pais)
) +
theme_bw()+
scale_color_brewer(palette = "Dark2")+
geom_line(linewidth = 1)+
geom_smooth(
data = . %>% filter(Año <= 2018),
method = "lm",
se = FALSE,
alpha = 0.2,
linetype = 3
) +
geom_smooth(
data = . %>% filter(Año > 2017),
method = "lm",
se = FALSE,
alpha = 0.2,
linetype = 3
) +
scale_x_continuous(breaks = seq(from = 1999, to = 2024, by = 1)) +
theme(
axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1)
) +
labs(
x = "",
y = "Miles de millones de US $",
fill = "",
color = "",
caption = "J.Cornick con base en Data Mexico"
) #+
#theme(legend.position = "bottom")(en miles de millones US $)
Empleo y otros datos IMMEX
Creación de vectores para selección de Estados. Para seleccionar ciudades simplemente elegiremos los niveles de entidad aque no se encuentren en Estados
Datos nacionales
Exportaciones (millones en pesos)
Código
immex |>
filter(entidad == "TOTAL") |>
ggplot(
aes(Fecha, Exportaciones/1000000)
) +
theme_bw() +geom_line(linewidth = 1, color = "steelblue4") +
geom_smooth(color = "steelblue1", fill = "steelblue1", alpha = 0.4)+
geom_line() +
scale_x_date(
date_breaks = "1 year",
date_labels = "%Y",
expand = c(0,0)
)+
labs(
title = "México: exportaciones del régimen IMMEX, 2007-2025",
subtitle = "en millones de pesos",
x = "",
y = "Exportaciones",
caption = "J.Cornick con base en INEGI"
)
Trabajadores
Código
immex |>
filter(entidad == "TOTAL") |>
ggplot(
aes(Fecha, Trabajadores/1000000)
) +
theme_bw() +geom_line(linewidth = 1, color = "steelblue4") +
geom_smooth(color = "steelblue1", fill = "steelblue1", alpha = 0.4)+
geom_line() +
scale_x_date(
date_breaks = "1 year",
date_labels = "%Y",
expand = c(0,0)
)+
labs(
title = "México: trabajadores en empresas IMMEX, 2007-2025",
subtitle = "en millones",
x = "",
y = "Trabajadores",
caption = "J.Cornick con base en INEGI"
)En millones
Empresas
Código
immex |>
filter(entidad == "TOTAL") |>
ggplot(
aes(Fecha, Establecimientos)
) +
theme_bw() +geom_line(linewidth = 1, color = "steelblue4") +
geom_smooth(color = "steelblue1", fill = "steelblue1", alpha = 0.4)+
geom_line() +
scale_x_date(
date_breaks = "1 year",
date_labels = "%Y",
expand = c(0,0)
)+
labs(
title = "México: establecimientos en régimen IMMEX, 2007-2025",
subtitle = "en millones",
x = "",
y = "Establecimientos",
caption = "J.Cornick con base en INEGI"
)
Remuneraciones
Código
immex |>
filter(entidad == "TOTAL") |>
ggplot(
aes(Fecha, Remuneraciones/1000)
) +
theme_bw() +geom_line(linewidth = 1, color = "steelblue4") +
geom_smooth(color = "steelblue1", fill = "steelblue1", alpha = 0.4)+
geom_line() +
scale_x_date(
date_breaks = "1 year",
date_labels = "%Y",
expand = c(0,0)
)+
labs(
title = "México: remuneraciones pagadas a trabajadores del régimen IMMEX, 2007-2025",
subtitle = "en millones de pesos",
x = "",
y = "Remuneraciones",
caption = "J.Cornick con base en INEGI"
)
Remuneraciones promedio
Código
immex |>
filter(entidad == "TOTAL") |>
mutate(RemProm = Remuneraciones / Trabajadores) |>
ggplot(
aes(Fecha, RemProm)
) +
theme_bw() +geom_line(linewidth = 1, color = "steelblue4") +
geom_smooth(color = "steelblue1", fill = "steelblue1", alpha = 0.4)+
geom_line() +
scale_x_date(
date_breaks = "1 year",
date_labels = "%Y",
expand = c(0,0)
)+
labs(
title = "México: remuneraciones promedio del régimen IMMEX, 2007-2025",
subtitle = "en miles de pesos",
x = "",
y = "Remuneraciones",
caption = "J.Cornick con base en INEGI"
)
Datos estatales
Como primer paso, identificamos los estados cuyas exportaciones son más importantes
mainE <- immex |>
filter(entidad %in% Estados, entidad != "TOTAL") |>
mutate(weight = if_else(Fecha > "2020-12-01", Exportaciones,0),
entidad = fct_lump_n(
f = entidad,
n = 8,
w = weight,
other_level = "Otros" # todas las otras entidades tiene ahora el nombre "otros", pero no han sido colapsadas en un nueo factor, lo que crea filas duplicadas en el data fraem
)) |>
group_by(entidad, Fecha) |>
summarise(
# Como solo las filas de Otros están duplicadas, este código las suma. En los demás casos, la suma de una fila es el valor de la fila
across(where(is.numeric), \(x) sum(x, na.rm = TRUE)),
.groups = "drop" # Ungroup after summarising
) |>
mutate(entidad = fct_reorder(entidad, desc(Exportaciones), .fun = last))Traducimos los datos a porcentajes y los graficamos
Código
mainE <- mainE |>
group_by(Fecha) |>
mutate(PorcEx = Exportaciones/sum(Exportaciones)) |>
ungroup()
mainE |>
mutate(entidad = fct_reorder(entidad, desc(PorcEx), .fun = last)) |>
ggplot(aes(Fecha,PorcEx, color = entidad,fill = entidad)) +
theme_bw() +
geom_col(position = "stack") +
geom_hline(
yintercept = seq(0.1, 0.9, by = 0.1),
color = "white",
linetype = "dotted",
linewidth = 0.25) +
scale_y_continuous(
breaks = seq(0, 1, by = 0.1),
labels = scales::percent,
expand = c(0, 0)) +
scale_color_brewer(palette = "Paired") +
scale_fill_brewer(palette = "Paired") +
scale_x_date(
date_breaks = "2 year",
date_labels = "%Y",
expand = c(0,0))
Los ocho principales exportadores representan el 80% del total de las exportaciones bajo el régimen IMMEX, por lo que el grupo residual, Otros, se excluye en el los demás gráficos de esta sección
Exportaciones por estado
Código
mainE |>
filter(entidad != "Otros") |>
mutate(entidad = fct_reorder(entidad, desc(PorcEx), .fun = last)) |>
ggplot(aes(Fecha, Exportaciones/1000, color = entidad)) +
theme_bw() +
scale_color_brewer(palette = "Paired") +
geom_line() +
scale_x_date(
date_breaks = "2 year",
date_labels = "%Y",
expand = c(0,0)) +
labs(
x = "",
y = "Exportaciones, MM de pesos",
color = "",
caption = "j.Cornick con base en INEGI"
)
Código
mainE |>
filter(entidad != "Otros") |>
mutate(entidad = fct_reorder(entidad, desc(PorcEx), .fun = last)) |>
ggplot(aes(Fecha, PorcEx, color = entidad, fill = entidad)) +
theme_bw() +
scale_color_brewer(palette = "Paired") +
scale_fill_brewer(palette = "Paired") +
geom_col(position = "fill") +
scale_x_date(
date_breaks = "2 year",
date_labels = "%Y",
expand = c(0,0)) +
scale_y_continuous(expand = c(0,0))+
labs(
x = "",
y = "Porcentaje de las exportaciones",
color = "",
fill = "",
caption = "j.Cornick con base en INEGI",
)
Trabajadores por estado
Código
mainE |>
filter(entidad != "Otros") |>
mutate(entidad = fct_reorder(entidad, Trabajadores, .fun = last, .desc = TRUE)) |>
ggplot(aes(Fecha, Trabajadores)) +
theme_bw() +
scale_color_brewer(palette = "Paired") +
geom_line(aes(color=entidad)) +
#geom_point(aes(shape = entidad), size = 0.75)+
scale_x_date(
date_breaks = "2 year",
date_labels = "%Y",
expand = c(0,0)) +
labs(
x = "",
y = "",
color = "",
shape = "",
caption = "j.Cornick con base en INEGI"
)
Traducimos los datos a porcentajes y los graficamos
Nótese que para generar gráficos con la distribución porcentual de una variable podemos usar dos métodos. Si usamos geom_col(position = fill) los porcentajes son calculados automáticamente por ggplot. Esto es muy conveniente, pero tienen al desventaja de que los datos en términos porcentuales no quedan incorporados en la base de datos. En el código que sigue, por lo tanto, ilustramos un método alternativo: primero se calculan explícitamente los porcentajes, y luego se procede a graficar. Aunque en este caso concreto no se han incorporado estos datos a la base de dato, sería muy fácil hacerlo si estuviésemos interesados en hacerlo.
Código
mainE |>
filter(entidad != "Otros") |>
group_by(Fecha) |>
mutate(PorcTrab = Trabajadores/sum(Trabajadores)) |>
ungroup() |>
mutate(entidad = fct_reorder(entidad, desc(PorcTrab), .fun = last)) |>
ggplot(aes(Fecha,PorcTrab, color = entidad,fill = entidad)) +
theme_bw() +
geom_col(position = "stack") +
geom_hline(
yintercept = seq(0.1, 0.9, by = 0.1),
color = "white",
linetype = "dotted",
linewidth = 0.25) +
scale_y_continuous(
breaks = seq(0, 1, by = 0.1),
labels = scales::percent,
expand = c(0, 0)) +
scale_color_brewer(palette = "Paired") +
scale_fill_brewer(palette = "Paired") +
scale_x_date(
date_breaks = "2 year",
date_labels = "%Y",
expand = c(0,0)) +
labs(
x = "",
y = "Distribución Trabajadores IMMEX por Estado",
fill = "",
color = "",
caption = "J.Cornick con base en INEGI"
)
Empresas por estado
Código
mainE |>
filter(entidad != "Otros") |>
ggplot(aes(Fecha, Establecimientos, color = entidad)) +
theme_bw() +
scale_color_brewer(palette = "Paired") +
geom_line() +
scale_x_date(
date_breaks = "2 year",
date_labels = "%Y",
expand = c(0,0)) +
labs(
x = "",
y = "Establecimientos",
color = "",
caption = "j.Cornick con base en INEGI"
)
Traducimos los datos a porcentajes y los graficamos
Código
mainE |>
filter(entidad != "Otros") |>
group_by(Fecha) |>
mutate(PorcEmp = Establecimientos/sum(Establecimientos)) |>
ungroup() |>
mutate(entidad = fct_reorder(entidad, desc(PorcEmp), .fun = last)) |>
ggplot(aes(Fecha,PorcEmp, color = entidad,fill = entidad)) +
theme_bw() +
geom_col(position = "stack") +
geom_hline(
yintercept = seq(0.1, 0.9, by = 0.1),
color = "white",
linetype = "dotted",
linewidth = 0.25) +
scale_y_continuous(
breaks = seq(0, 1, by = 0.1),
labels = scales::percent,
expand = c(0, 0)) +
scale_color_brewer(palette = "Dark2") +
scale_fill_brewer(palette = "Dark2") +
scale_x_date(
date_breaks = "2 year",
date_labels = "%Y",
expand = c(0,0)) +
labs(
x = "",
y = "Distribución establecimiewntos",
fill = "",
color = "",
caption = "J.Cornick con base en INEGI"
)
Código
mainE |>
filter(entidad != "Otros") |>
mutate(entidad = fct_reorder(entidad, desc(Remuneraciones), .fun = last)) |>
ggplot(
aes(Fecha, Remuneraciones/1000, color = entidad)
) +
theme_bw() +
scale_color_brewer(palette = "Paired") +
geom_line() +
scale_x_date(
date_breaks = "1 year",
date_labels = "%Y",
expand = c(0,0)
)+
labs(
x = "",
y = "Remuneraciones",
caption = "J.Cornick con base en INEGI"
)por Estado, 2007-2025 <> En millones de pesos
Remuneraciones promedio
Código
mainE |>
filter(entidad != "Otros") |>
mutate(RemProm = Remuneraciones / Trabajadores) |>
mutate(entidad = fct_reorder(entidad, desc(RemProm), .fun = last)) |>
ggplot(aes(Fecha, RemProm, color = entidad)) +
theme_bw() +
geom_line() +
scale_color_brewer(palette = "Paired") +
scale_x_date(
date_breaks = "2 year",
date_labels = "%Y",
expand = c(0,0)
)+
labs(
x = "",
y = "Remuneraciones promedio",
color = "",
caption = "J.Cornick con base en INEGI"
)