Introducción

En este informe se realiza un análisis exploratorio de un conjunto de datos sobre café, con el fin de comprender la distribución de sus características sensoriales y la calidad del producto.
Se utilizarán herramientas de estadística descriptiva, visualización de datos y análisis de correlación, que permitirán identificar patrones relevantes en las variables incluidas.

Carga de datos

Primero, se procede a importar el archivo coffeData.csv que contiene la información a analizar. Posteriormente, se muestra una vista preliminar de las primeras filas de la base de datos, con el fin de verificar que la carga se haya realizado correctamente.

coffeData <- read.csv("/cloud/project/coffeData.csv", sep=";", stringsAsFactors=TRUE)
head(coffeData)                          
##   X Species Country.of.Origin Fragrance...Aroma Flavor Aftertaste Salt...Acid
## 1 1 Robusta            Uganda              7.83   8.08       7.75        7.92
## 2 2 Robusta             India              8.00   7.75       7.92        8.00
## 3 3 Robusta             India              7.92   7.83       7.92        8.00
## 4 4 Robusta            Uganda              8.00   7.92       7.92        7.75
## 5 5 Robusta            Uganda              8.33   7.83       7.83        7.75
## 6 6 Robusta             India              8.00   7.92       7.67        8.00
##   Mouthfeel Balance Bitter...Sweet Uniform.Cup Clean.Cup Cupper.Points
## 1      8.25    7.92           8.00          10        10          8.00
## 2      7.92    7.92           8.00          10        10          8.00
## 3      7.83    7.92           7.83          10        10          8.00
## 4      7.83    7.75           7.75          10        10          8.08
## 5      8.25    7.75           7.58          10        10          7.67
## 6      7.75    7.92           7.75          10        10          7.75
##   quality_score
## 1         83.75
## 2         83.50
## 3         83.25
## 4         83.00
## 5         83.00
## 6         82.75

Descripción de los datos

Con el siguiente resumen estadístico se pueden observar los valores mínimos, máximos, medianas y promedios de cada variable cuantitativa. Esto brinda una primera aproximación a la dispersión y comportamiento de las variables en el conjunto de datos.

summary(coffeData)  
##        X           Species                  Country.of.Origin Fragrance...Aroma
##  Min.   :   1   Arabica:1309   Mexico                :237     Min.   :5.080    
##  1st Qu.: 335   Robusta:  28   Colombia              :183     1st Qu.:7.420    
##  Median : 669                  Guatemala             :180     Median :7.580    
##  Mean   : 669                  Brazil                :132     Mean   :7.572    
##  3rd Qu.:1003                  Taiwan                : 75     3rd Qu.:7.750    
##  Max.   :1337                  United States (Hawaii): 73     Max.   :8.750    
##                                (Other)               :457                      
##      Flavor        Aftertaste     Salt...Acid      Mouthfeel    
##  Min.   :6.080   Min.   :6.170   Min.   :5.250   Min.   :5.080  
##  1st Qu.:7.330   1st Qu.:7.250   1st Qu.:7.330   1st Qu.:7.330  
##  Median :7.580   Median :7.420   Median :7.580   Median :7.500  
##  Mean   :7.527   Mean   :7.407   Mean   :7.541   Mean   :7.524  
##  3rd Qu.:7.750   3rd Qu.:7.580   3rd Qu.:7.750   3rd Qu.:7.750  
##  Max.   :8.830   Max.   :8.670   Max.   :8.750   Max.   :8.750  
##                                                                 
##     Balance       Bitter...Sweet   Uniform.Cup       Clean.Cup     
##  Min.   : 5.250   Min.   :5.250   Min.   : 6.000   Min.   : 0.000  
##  1st Qu.:10.000   1st Qu.:7.330   1st Qu.:10.000   1st Qu.:10.000  
##  Median :10.000   Median :7.500   Median :10.000   Median :10.000  
##  Mean   : 9.868   Mean   :7.527   Mean   : 9.844   Mean   : 9.849  
##  3rd Qu.:10.000   3rd Qu.:7.670   3rd Qu.:10.000   3rd Qu.:10.000  
##  Max.   :10.000   Max.   :8.580   Max.   :10.000   Max.   :10.000  
##                                                                    
##  Cupper.Points   quality_score  
##  Min.   : 5.17   Min.   :63.08  
##  1st Qu.: 7.25   1st Qu.:81.17  
##  Median : 7.50   Median :82.50  
##  Mean   : 7.51   Mean   :82.17  
##  3rd Qu.: 7.75   3rd Qu.:83.67  
##  Max.   :10.00   Max.   :90.58  
##

Exploración inicial

En esta sección se presentan ejemplos básicos de indexación para explorar los datos. Se muestran:

  • La primera fila completa.
  • La primera columna de la base de datos.
coffeData[1,]   
##   X Species Country.of.Origin Fragrance...Aroma Flavor Aftertaste Salt...Acid
## 1 1 Robusta            Uganda              7.83   8.08       7.75        7.92
##   Mouthfeel Balance Bitter...Sweet Uniform.Cup Clean.Cup Cupper.Points
## 1      8.25    7.92              8          10        10             8
##   quality_score
## 1         83.75
coffeData[,1]    
##    [1]    1    2    3    4    5    6    7    8    9   10   11   12   13   14
##   [15]   15   16   17   18   19   20   21   22   23   24   25   26   27   28
##   [29]   29   30   31   32   33   34   35   36   37   38   39   40   41   42
##   [43]   43   44   45   46   47   48   49   50   51   52   53   54   55   56
##   [57]   57   58   59   60   61   62   63   64   65   66   67   68   69   70
##   [71]   71   72   73   74   75   76   77   78   79   80   81   82   83   84
##   [85]   85   86   87   88   89   90   91   92   93   94   95   96   97   98
##   [99]   99  100  101  102  103  104  105  106  107  108  109  110  111  112
##  [113]  113  114  115  116  117  118  119  120  121  122  123  124  125  126
##  [127]  127  128  129  130  131  132  133  134  135  136  137  138  139  140
##  [141]  141  142  143  144  145  146  147  148  149  150  151  152  153  154
##  [155]  155  156  157  158  159  160  161  162  163  164  165  166  167  168
##  [169]  169  170  171  172  173  174  175  176  177  178  179  180  181  182
##  [183]  183  184  185  186  187  188  189  190  191  192  193  194  195  196
##  [197]  197  198  199  200  201  202  203  204  205  206  207  208  209  210
##  [211]  211  212  213  214  215  216  217  218  219  220  221  222  223  224
##  [225]  225  226  227  228  229  230  231  232  233  234  235  236  237  238
##  [239]  239  240  241  242  243  244  245  246  247  248  249  250  251  252
##  [253]  253  254  255  256  257  258  259  260  261  262  263  264  265  266
##  [267]  267  268  269  270  271  272  273  274  275  276  277  278  279  280
##  [281]  281  282  283  284  285  286  287  288  289  290  291  292  293  294
##  [295]  295  296  297  298  299  300  301  302  303  304  305  306  307  308
##  [309]  309  310  311  312  313  314  315  316  317  318  319  320  321  322
##  [323]  323  324  325  326  327  328  329  330  331  332  333  334  335  336
##  [337]  337  338  339  340  341  342  343  344  345  346  347  348  349  350
##  [351]  351  352  353  354  355  356  357  358  359  360  361  362  363  364
##  [365]  365  366  367  368  369  370  371  372  373  374  375  376  377  378
##  [379]  379  380  381  382  383  384  385  386  387  388  389  390  391  392
##  [393]  393  394  395  396  397  398  399  400  401  402  403  404  405  406
##  [407]  407  408  409  410  411  412  413  414  415  416  417  418  419  420
##  [421]  421  422  423  424  425  426  427  428  429  430  431  432  433  434
##  [435]  435  436  437  438  439  440  441  442  443  444  445  446  447  448
##  [449]  449  450  451  452  453  454  455  456  457  458  459  460  461  462
##  [463]  463  464  465  466  467  468  469  470  471  472  473  474  475  476
##  [477]  477  478  479  480  481  482  483  484  485  486  487  488  489  490
##  [491]  491  492  493  494  495  496  497  498  499  500  501  502  503  504
##  [505]  505  506  507  508  509  510  511  512  513  514  515  516  517  518
##  [519]  519  520  521  522  523  524  525  526  527  528  529  530  531  532
##  [533]  533  534  535  536  537  538  539  540  541  542  543  544  545  546
##  [547]  547  548  549  550  551  552  553  554  555  556  557  558  559  560
##  [561]  561  562  563  564  565  566  567  568  569  570  571  572  573  574
##  [575]  575  576  577  578  579  580  581  582  583  584  585  586  587  588
##  [589]  589  590  591  592  593  594  595  596  597  598  599  600  601  602
##  [603]  603  604  605  606  607  608  609  610  611  612  613  614  615  616
##  [617]  617  618  619  620  621  622  623  624  625  626  627  628  629  630
##  [631]  631  632  633  634  635  636  637  638  639  640  641  642  643  644
##  [645]  645  646  647  648  649  650  651  652  653  654  655  656  657  658
##  [659]  659  660  661  662  663  664  665  666  667  668  669  670  671  672
##  [673]  673  674  675  676  677  678  679  680  681  682  683  684  685  686
##  [687]  687  688  689  690  691  692  693  694  695  696  697  698  699  700
##  [701]  701  702  703  704  705  706  707  708  709  710  711  712  713  714
##  [715]  715  716  717  718  719  720  721  722  723  724  725  726  727  728
##  [729]  729  730  731  732  733  734  735  736  737  738  739  740  741  742
##  [743]  743  744  745  746  747  748  749  750  751  752  753  754  755  756
##  [757]  757  758  759  760  761  762  763  764  765  766  767  768  769  770
##  [771]  771  772  773  774  775  776  777  778  779  780  781  782  783  784
##  [785]  785  786  787  788  789  790  791  792  793  794  795  796  797  798
##  [799]  799  800  801  802  803  804  805  806  807  808  809  810  811  812
##  [813]  813  814  815  816  817  818  819  820  821  822  823  824  825  826
##  [827]  827  828  829  830  831  832  833  834  835  836  837  838  839  840
##  [841]  841  842  843  844  845  846  847  848  849  850  851  852  853  854
##  [855]  855  856  857  858  859  860  861  862  863  864  865  866  867  868
##  [869]  869  870  871  872  873  874  875  876  877  878  879  880  881  882
##  [883]  883  884  885  886  887  888  889  890  891  892  893  894  895  896
##  [897]  897  898  899  900  901  902  903  904  905  906  907  908  909  910
##  [911]  911  912  913  914  915  916  917  918  919  920  921  922  923  924
##  [925]  925  926  927  928  929  930  931  932  933  934  935  936  937  938
##  [939]  939  940  941  942  943  944  945  946  947  948  949  950  951  952
##  [953]  953  954  955  956  957  958  959  960  961  962  963  964  965  966
##  [967]  967  968  969  970  971  972  973  974  975  976  977  978  979  980
##  [981]  981  982  983  984  985  986  987  988  989  990  991  992  993  994
##  [995]  995  996  997  998  999 1000 1001 1002 1003 1004 1005 1006 1007 1008
## [1009] 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 1022
## [1023] 1023 1024 1025 1026 1027 1028 1029 1030 1031 1032 1033 1034 1035 1036
## [1037] 1037 1038 1039 1040 1041 1042 1043 1044 1045 1046 1047 1048 1049 1050
## [1051] 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060 1061 1062 1063 1064
## [1065] 1065 1066 1067 1068 1069 1070 1071 1072 1073 1074 1075 1076 1077 1078
## [1079] 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090 1091 1092
## [1093] 1093 1094 1095 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105 1106
## [1107] 1107 1108 1109 1110 1111 1112 1113 1114 1115 1116 1117 1118 1119 1120
## [1121] 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133 1134
## [1135] 1135 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 1146 1147 1148
## [1149] 1149 1150 1151 1152 1153 1154 1155 1156 1157 1158 1159 1160 1161 1162
## [1163] 1163 1164 1165 1166 1167 1168 1169 1170 1171 1172 1173 1174 1175 1176
## [1177] 1177 1178 1179 1180 1181 1182 1183 1184 1185 1186 1187 1188 1189 1190
## [1191] 1191 1192 1193 1194 1195 1196 1197 1198 1199 1200 1201 1202 1203 1204
## [1205] 1205 1206 1207 1208 1209 1210 1211 1212 1213 1214 1215 1216 1217 1218
## [1219] 1219 1220 1221 1222 1223 1224 1225 1226 1227 1228 1229 1230 1231 1232
## [1233] 1233 1234 1235 1236 1237 1238 1239 1240 1241 1242 1243 1244 1245 1246
## [1247] 1247 1248 1249 1250 1251 1252 1253 1254 1255 1256 1257 1258 1259 1260
## [1261] 1261 1262 1263 1264 1265 1266 1267 1268 1269 1270 1271 1272 1273 1274
## [1275] 1275 1276 1277 1278 1279 1280 1281 1282 1283 1284 1285 1286 1287 1288
## [1289] 1289 1290 1291 1292 1293 1294 1295 1296 1297 1298 1299 1300 1301 1302
## [1303] 1303 1304 1305 1306 1307 1308 1309 1310 1311 1312 1313 1314 1315 1316
## [1317] 1317 1318 1319 1320 1321 1322 1323 1324 1325 1326 1327 1328 1329 1330
## [1331] 1331 1332 1333 1334 1335 1336 1337

Matriz de correlación

El análisis de correlación permite examinar la relación entre diferentes atributos del café. La matriz resultante muestra coeficientes entre -1 y 1, donde valores cercanos a 1 indican correlaciones positivas fuertes, y valores cercanos a -1 indican correlaciones negativas.

r = cor(coffeData[,4:14])
corrplot(r, method="number")

Histogramas

A continuación, se presentan histogramas para observar la distribución de dos variables clave: Flavor y Quality Score. Los histogramas son útiles para identificar la forma de la distribución (simétrica, sesgada, multimodal, etc.) y detectar posibles valores atípicos.

g1 = ggplot(coffeData, aes(x=Flavor)) + 
  geom_histogram(fill = "lightpink") +
  labs(title="Distribución de Flavor")

g2 = ggplot(coffeData, aes(x=quality_score)) + 
  geom_histogram(fill = "magenta") +
  labs(title="Distribución de Quality Score")

grid.arrange(g1, g2)
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Diagramas de caja

Los diagramas de caja (boxplots) permiten visualizar la dispersión, la mediana y los posibles valores atípicos de cada variable. En este caso, se comparan las variables Flavor y Quality Score para observar la variabilidad entre muestras.

g3 = ggplot(coffeData, aes(x=Flavor)) + 
  geom_boxplot(fill = "green") + 
  labs(title = "Diagrama de cajas: Flavor")

g4 = ggplot(coffeData, aes(x=quality_score)) + 
  geom_boxplot(fill = "gold") + 
  labs(title = "Diagrama de cajas: Quality")

grid.arrange(g3, g4)

Caja Calidad vs País

Por último, se compara la calidad del café según su país de origen, utilizando un diagrama de caja agrupado por países seleccionados. Este análisis permite evaluar si existen diferencias significativas en las puntuaciones de calidad asociadas a distintas regiones productoras de café.

nuevosDatos = filter(coffeData, Country.of.Origin %in% c("Colombia", "Peru", "Brazil", "Ecuador"))

ggplot(nuevosDatos, aes(x=Country.of.Origin, y=quality_score, fill=Country.of.Origin)) +
  geom_boxplot() +
  labs(title = "Diagrama de caja Calidad vs País", x="País", y="Calidad")

## Conclusiones El análisis realizado evidencia patrones relevantes en los datos de calidad del café:

  • La distribución de las variables sensoriales muestra una variabilidad importante entre muestras.
  • Algunas características presentan correlaciones positivas, lo que indica que mejorar un atributo podría estar asociado a mejoras en otros.
  • Se identifican diferencias entre países productores, lo cual puede estar relacionado con condiciones geográficas, climáticas y técnicas de cultivo.