Tarea 3 visualización de datos
Jose Andrade Alzate Rojas
2025-10-21
:
Link de la evidencia de markdown y app desplegada:
1. Preparación del Dataset y Análisis Exploratorio de Datos
Tras hacer un resumen del dataset una ves se han indicado que las variables asignatura e institución son tipo factor (es decir variables cualitativa) se notaron etiquetas erróneas. para la variable calificación final había un valor negativo y dos valores faltantes; se decide inmputar la media que em ambos casos correponde a la categoria “other” la cual se asigna como etiqueta “vació”.
# Definir ruta del dataset
#ruta <- "C:/Users/USUARIO/Downloads/dataset fase 3.txt"
# Leer el archivo de texto con codificación UTF-8
df <- read.csv("C:/Users/USUARIO/Downloads/dataset fase 3.txt", encoding="latin1")
# Ver las primeras filas
head(df)## index id_estudiante institucion asignatura calificacion_final asistencias
## 1 0 1 Inst B Lenguaje 0.2 66
## 2 1 2 Institución D Ciencias 0.3 61
## 3 2 3 Instituto Ciencias 4.5 72
## 4 3 4 Institucion E Histori 0.7 65
## 5 4 5 Inst B Ciencias 2.7 52
## 6 5 6 Institución C Lenguaje 2.1 79
## numero_actividades
## 1 19
## 2 18
## 3 24
## 4 23
## 5 17
## 6 14df$institucion <- as.factor(df$institucion)
df$asignatura <- as.factor(df$asignatura)
df$institucion <- trimws(df$institucion) # eliminar espacios al inicio y final
df$institucion[df$institucion == "" | is.na(df$institucion)] <- "Vacio"
df <- df %>%
mutate(institucion = case_when(
institucion == "Inst B" ~ "Institución B",
institucion == "A" ~ "Institución A",
institucion == "" ~ NA_character_,
TRUE ~ institucion
))
#limpieza columna asignatura:
df$asignatura <- trimws(df$asignatura) # eliminar espacios al inicio y final
df$asignatura[df$asignatura == "" | is.na(df$asignatura)] <- "Vacio"
df$asignatura[df$asignatura == "Ciencias "] <- "Ciencias"
df$asignatura[df$asignatura == "Histori"] <- "Historia"
df$asignatura[df$asignatura == "Lenguage"] <- "Lenguaje"
df$asignatura[df$asignatura == "Matematicas"] <- "Matemáticas"
df$institucion <- as.factor(df$institucion)
df$asignatura <- as.factor(df$asignatura)
df <- df[df$calificacion_final >= 0 & !is.na(df$calificacion_final), ]1.1. Exploración inicial del datset
Para este caso la variable de institución se hicieron alguno reemplazamientos:
- institucion == “Inst B” ~ “Institución B”,
- institucion == “A” ~ “Institución A”,
- institucion == “” ~ NA_character_,
- TRUE ~ institucion
# Resumen general
summary(df)## index id_estudiante institucion asignatura
## Min. : 0 Min. : 1 Institución A:280 Arte :126
## 1st Qu.: 299 1st Qu.: 300 Institución B:251 Ciencias :247
## Median : 598 Median : 599 Institución C:144 Historia :238
## Mean : 598 Mean : 599 Institución D:118 Lenguaje :232
## 3rd Qu.: 897 3rd Qu.: 898 Institucion E:142 Matemáticas:234
## Max. :1197 Max. :1198 Instituto :134 Vacio :120
## Vacio :128
## calificacion_final asistencias numero_actividades
## Min. : 0.000 Min. :50.00 Min. : 5.00
## 1st Qu.: 1.300 1st Qu.:62.00 1st Qu.:11.00
## Median : 2.500 Median :74.00 Median :18.00
## Mean : 2.512 Mean :74.74 Mean :17.49
## 3rd Qu.: 3.800 3rd Qu.:87.00 3rd Qu.:24.00
## Max. :10.000 Max. :99.00 Max. :29.00
## # Contar estudiantes únicos
n_estudiantes <- n_distinct(df$id_estudiante)
n_estudiantes## [1] 1197# Verificar valores faltantes
colSums(is.na(df))## index id_estudiante institucion asignatura
## 0 0 0 0
## calificacion_final asistencias numero_actividades
## 0 0 02. Visualización de Datos con ggplot2
📊 Histograma de Calificación Final y Algunos graficos de wafle.
📦 Boxplot de Calificación por Asignatura
El gráfico de boxplot indica que el rendimiento de los estudiante no es bueno dado que la mediana de las calificaciones de todas las asignaturas esta alrrededor de 2.5,
ggplot(df, aes(x = asignatura, y = calificacion_final, fill = asignatura)) +
geom_boxplot() +
labs(
title = "Distribución de Calificaciones por Asignatura",
x = "Asignatura",
y = "Calificación Final"
) +
theme_minimal() +
theme(legend.position = "none")
🏫 Boxplot de Calificación por Institución
ggplot(df, aes(x = institucion, y = calificacion_final, fill = institucion)) +
geom_boxplot() +
labs(
title = "Distribución de Calificaciones por Institución",
x = "Institución",
y = "Calificación Final"
) +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1),
legend.position = "none")
🔵 Relación entre Asistencia y Calificación Final
ggplot(df, aes(x = asistencias, y = calificacion_final, color = asignatura)) +
geom_point(alpha = 0.7, size = 3) +
labs(
title = "Relación entre Asistencias y Calificación Final",
x = "Porcentaje de Asistencias",
y = "Calificación Final"
) +
theme_minimal()
2.2 Algunos grafico interactivos gráfico interactivo
El siguiente gráfico permite ver que no hay una relación lineal entre la calificación final y la asistencia, por lo cual no se puede esperar que una asistencia perfecta garantice una buena calificación en alguna asignatura.
📈 Promedio de Actividades por Asignatura
df %>%
group_by(asignatura) %>%
summarise(promedio_actividades = mean(numero_actividades, na.rm = TRUE)) %>%
ggplot(aes(x = reorder(asignatura, promedio_actividades),
y = promedio_actividades, fill = asignatura)) +
geom_col() +
coord_flip() +
labs(
title = "Promedio de Actividades por Asignatura",
x = "Asignatura",
y = "Promedio de Actividades"
) +
theme_minimal() +
theme(legend.position = "none")
### boxplot con filtros dinámicos El siguiente gráfico iteractivo
permite visualizar los boxplot de las calificaciones usando filtros que
permiten extraer información mas detalla al aplicar filtro para
institución y asignatura. Con el
Grafico para comparar 2 instituciones
Tambien se generó un gráfico que permite hacer comparación entre dos diferentes colegios o instituciones usando los filtros interactivos:
Filtros Institución A
Filtros Institución B
Radar chart por institución
Este tipo de gráfico permite ver un resumen de los promedio de las asignaturas en cada institucion y tener una comparacion de solo la media
3 Mapas usando leaflet
este es un mapa el cual se obtuvo asignando coordenadas de una ciudad a cada institución, con el fin de generar una visualizacion usando la libreria “leaflet”
#mapa
library(leaflet)
# Diccionario de ciudades colombianas con coordenadas reales
ciudades <- tibble::tribble(
~ciudad, ~lat, ~lon,
"Bogotá", 4.7110, -74.0721,
"Medellín", 6.2518, -75.5636,
"Cali", 3.4516, -76.5320,
"Barranquilla", 10.9685, -74.7813,
"Cartagena", 10.3910, -75.4794,
"Bucaramanga", 7.1193, -73.1227,
"Manizales", 5.0703, -75.5138,
"Pereira", 4.8143, -75.6946,
"Cúcuta", 7.8891, -72.4967,
"Santa Marta", 11.2408, -74.1990,
"Pasto", 1.2136, -77.2811,
"Ibagué", 4.4389, -75.2322,
"Villavicencio", 4.1420, -73.6266,
"Neiva", 2.9350, -75.2819,
"Tunja", 5.5353, -73.3678,
"Popayán", 2.4448, -76.6147
)
# Asignar una ciudad aleatoria a cada fila del dataset
set.seed(123)
df <- df %>%
mutate(ciudad = sample(ciudades$ciudad, nrow(df), replace = TRUE)) %>%
left_join(ciudades, by = "ciudad")
# Paleta de colores por institución
pal <- colorFactor(topo.colors(length(unique(df$institucion))), df$institucion)
# Mapa interactivo leaflet
leaflet(df) %>%
addProviderTiles(providers$CartoDB.Positron) %>%
addCircleMarkers(
lng = ~lon, lat = ~lat,
color = ~pal(institucion),
label = ~paste("Institución:", institucion, "<br>Ciudad:", ciudad, "<br>Asignatura:", asignatura),
radius = 6, fillOpacity = 0.8, stroke = FALSE
) %>%
addLegend(
"bottomright",
pal = pal, values = ~institucion,
title = "Institución",
opacity = 1
)4. Conclusiones
- Las calificaciones muestran una amplia variabilidad
entre asignaturas.
- Las instituciones presentan diferencias visibles en
el rendimiento promedio.
- NO Existe alguna relación lineal entre la
asistencia y la calificación final, esto sucede para todas las
asignaturas, indicando que el rendimiento de un estudiante no esta
determinado por su asistencia.
- En Algunas asignaturas hay una mayor carga de actividades que otras como lo son “lenguaje” e “historia”. sin embargo hay poca variabilidad, pues todas las asignaturas tiendes a tener entre 16 y 18 actividades.
- El gráfico de radar permite ver que la institución E tiene mejor promedio en artes, la institución A sobresale en las asignaturas de lenguaje historia y ciencias y la institución C sobresale en matemáticas.
💡 Cómo usar este archivo.
Este es un R markdown, en este caso se elaboró desde R y se genera un Html, en caso de contar con el archivo RMD para ejecutar en entorno R local se debe tener en cuenta los siguientes pasos:
- Abrir el archivo r markdown desde Rstudio (.Rmd)
- una vez abierto en RStudio buscar el boton Knit
- Clic en Knit → Knit to HTML o Knit to
PDF
- Se abrirá una ventana donde se visualiza el reporte en HTML