Ciudad

#Tema: Estadística Descriptiva
#Fecha: 23/11/2025
#Autor:Anahi Sosa

#Carga de librerias
library(knitr)
library(kableExtra)

#Carga de datos
getwd()

## [1] "/cloud/project"

setwd("/cloud/project")
datos<- read.csv("china_water_pollution_data.csv",header = TRUE, sep = ",", dec = ".")

#CIUDAD
Ciudad <- datos$City
# Tabla de distribución de frecuencia
TDF_ciudad <- data.frame(table(Ciudad))
ni <- TDF_ciudad$Freq
hi <- round((ni / sum(ni)) * 100, 2)
Ciudad <- TDF_ciudad$Ciudad
TDF_ciudad <- data.frame(Ciudad, ni, hi)
Sumatoria <- data.frame(Ciudad = "TOTAL", ni = sum(ni), hi = 100)
TDF_ciudad_suma <- rbind(TDF_ciudad, Sumatoria)
colnames(TDF_ciudad_suma) <- c("Ciudad", "ni", "hi(%)")
colnames(TDF_ciudad) <- c("Ciudad", "ni", "hi (%)")

# Tabla
kable(TDF_ciudad_suma, align = 'c', 
      caption = "Tabla N°2: Tabla de Distribución de Frecuencias de las Ciudades
      de estudio de contaminación del agua en China en el año 2023") %>%
  kable_styling(full_width = FALSE, position = "center", 
                bootstrap_options = c("striped", "hover", "condensed"))

Tabla N°2: Tabla de Distribución de Frecuencias de las Ciudades de estudio de contaminación del agua en China en el año 2023

Ciudad	ni	hi(%)
Beijing	299	9.97
Chengdu	165	5.50
Dali	144	4.80
Guangzhou	146	4.87
Hangzhou	148	4.93
Jinan	160	5.33
Kunming	152	5.07
Luoyang	138	4.60
Mianyang	146	4.87
Nanjing	153	5.10
Ningbo	156	5.20
Qingdao	140	4.67
Shanghai	312	10.40
Shenzhen	155	5.17
Suzhou	140	4.67
Wuhan	154	5.13
Yichang	138	4.60
Zhengzhou	154	5.13
TOTAL	3000	100.00

# Diagrama de barras local
barplot(ni, main = "Gráfica N°1: Distribución de frecuencias de las ciudades
        de estudio de contaminación del agua en China en el año 2023",
        xlab = "Ciudad",
        ylab = "Cantidad",
        col = "skyblue",
        ylim = c(0,400),
        las = 2,
        cex.names = 0.6,
        names.arg = TDF_ciudad$Ciudad)

barplot(hi, main = "Gráfica N°2: Distribución porcentual de 
        las ciudades de estudio de contaminación del agua en China en el año 2023",
        xlab = "Ciudad",
        ylab = "Porcentaje",
        col = "skyblue",
        ylim = c(0,10),
        las = 2,
        cex.names = 0.6,
        names.arg = TDF_ciudad$Ciudad)

# Diagrama de barras global
barplot(ni, main = "Gráfica N°3: Distribución de frecuencias de las ciudades
        de estudio de contaminación del agua en China en el año 2023",
        xlab = "Ciudad",
        ylab = "Cantidad",
        col = "skyblue",
        ylim = c(0,3000),
        las=2,
        cex.names = 0.6,
        names.arg = TDF_ciudad$Ciudad)

barplot(hi, main = "Gráfica N°4: Distribución de frecuencias porcentual de 
las ciudades de estudio de contaminación del agua en China en el año 2023",
        xlab = "Ciudad",
        ylab = "Porcentaje (%)",
        col = "skyblue",
        ylim = c(0,100),
        las = 3,
        cex.names = 0.6,
        names.arg = TDF_ciudad$Ciudad)

# Lista de ciudades
tabla <- data.frame(
  Ciudad = c(
    "Beijing","Chengdu","Dali","Guangzhou","Hangzhou","Jinan","Kunming",
    "Luoyang","Mianyang","Nanjing","Ningbo","Qingdao","Shanghai","Shenzhen",
    "Suzhou","Wuhan","Yichang","Zhengzhou"
  ),
  ni = c(
    299,165,144,146,148,160,152,
    138,146,153,156,140,312,155,
    140,154,138,154
  ),
  hi = c(
    9.97,5.50,4.80,4.87,4.93,5.33,5.07,
    4.60,4.87,5.10,5.20,4.67,10.40,5.17,
    4.67,5.13,4.60,5.13
  )
)

tabla$Region <- c(
  "Norte",        # Beijing
  "Sudoeste",    # Chengdu
  "Sudoeste",    # Dali
  "Sur ",        # Guangzhou
  "Este",         # Hangzhou
  "Norte",        # Jinan
  "Sudoeste",    # Kunming
  "Centro",      # Luoyang
  "Sudoeste",    # Mianyang
  "Este",         # Nanjing
  "Este",         # Ningbo
  "Norte",        # Qingdao
  "Este",         # Shanghai
  "Sudoeste",        # Shenzhen
  "Este",         # Suzhou
  "Centro",      # Wuhan
  "Centro",      # Yichang
  "Centro"       # Zhengzhou
)

tabla_regiones <- aggregate(hi ~ Region, data = tabla, sum)
tabla_regiones

##     Region    hi
## 1   Centro 19.46
## 2     Este 30.30
## 3    Norte 19.97
## 4 Sudoeste 25.41
## 5     Sur   4.87

barplot(tabla_regiones$hi, main = "Gráfica N°5: Agrupación por frecuencia",
        xlab = "Ciudad",
        ylab = "Porcentaje (%)",
        col = "skyblue",
        ylim = c(0,100),
        las = 2,
        cex.names = 0.8,
        names.arg = tabla_regiones$Region)

labels_info <- sprintf("%.2f%%", tabla_regiones$hi)
pie(tabla_regiones$hi,
    main = "Gráfica N°6 Distribución porcentual de las ciudades de estudio
    de contaminación del agua en China en el año 2023 ",
    radius = 1.0,
    labels = labels_info,
    col = rev(heat.colors(10)),
    cex = 0.9,
    cex.main = 1)

legend("topright",
       legend = tabla_regiones$Region,
       fill = colores <- c(rev(heat.colors(10))),
       cex = 0.8,
       title = "Leyenda")