Variable cualitativa ordinal
Mes
library(dplyr) library(ggplot2) library(gt) library(readxl)
datos_nuevoartes <- datos_nuevoartes %>% mutate( landslide_category_consol = case_when( landslide_category %in% c(“debris_flow”, “earth_flow”, “lahar”) ~ “Flujos de suelo y rocas”,
landslide_category %in% c("creep", "topple", "translational_slide") ~
"Deformación lenta del terreno",
landslide_category %in% c("complex", "other", "unknown") ~
"Movimientos complejos o no definidos",
landslide_category %in% c("riverbank_collapse", "snow_avalanche") ~
"Otros movimientos poco comunes",
landslide_category == "landslide" ~
"Deslizamiento de tierra",
landslide_category == "mudslide" ~
"Deslizamiento de lodo",
landslide_category == "rock_fall" ~
"Caída de rocas",
TRUE ~ landslide_category
))
tabla_category <- datos_nuevoartes %>% filter(!is.na(landslide_category_consol)) %>% group_by(landslide_category_consol) %>% summarise(ni = n(), .groups = “drop”) %>% arrange(desc(ni)) %>% mutate(i = row_number(), hi = round((ni / sum(ni)) * 100, 2), i = as.character(i)) %>% rename(Categoría = landslide_category_consol) %>% select(i, Categoría, ni, hi) # ======= FILA TOTAL ======= fila_total <- tibble( i = “SUMATORIA”, Categoría = “TOTAL”, ni = sum(tabla_category\(ni), hi = round(sum(tabla_category\)hi), 0) ) tabla_category_final <- bind_rows(tabla_category, fila_total)
tabla_category_gt <- tabla_category_final %>% gt() %>%
tab_header( title = md(“Tabla N° 1”), subtitle =
md(“Frecuencia y porcentaje de tipos de movimientos en masa
(categorías consolidadas)”) ) %>% tab_source_note(
source_note = md( “Criterio de consolidación: hi < 1% y similitud
genética del proceso geomorfológico.
Autor: Alessandro” ) )
tabla_category_gt
orden_categorias <- c( “Deslizamiento de tierra”, “Deslizamiento de lodo”, “Caída de rocas”, “Movimientos complejos o no definidos”, “Flujos de suelo y rocas”, “Otros movimientos poco comunes”, “Deformación lenta del terreno” )
datos_nuevoartes <- datos_nuevoartes %>% mutate( landslide_category_consol = factor( landslide_category_consol, levels = orden_categorias ) )
ggplot( datos_nuevoartes %>% filter(!is.na(landslide_category_consol)), aes(x = landslide_category_consol) ) + geom_bar(fill = “skyblue”, color = “black”) + labs( title = “Distribución de los tipos de movimientos en masa”, x = “Tipo de movimiento”, y = “Frecuencia” ) + theme_minimal() + theme( axis.text.x = element_text(angle = 30, hjust = 1) ) tabla_category_hi <- datos_nuevoartes %>% filter(!is.na(landslide_category_consol)) %>% group_by(landslide_category_consol) %>% summarise(ni = n(), .groups = “drop”) %>% mutate( hi = round((ni / sum(ni)) * 100, 2) )
ggplot(tabla_category_hi, aes(x = landslide_category_consol, y = hi)) + geom_col(fill = “steelblue”, color = “black”) + geom_text( aes(label = paste0(hi, “%”)), vjust = -0.4, size = 4 ) + labs( title = “Porcentaje de ocurrencia por tipo de movimiento en masa”, x = “Tipo de movimiento”, y = “Porcentaje (%)” ) + theme_minimal() + theme( axis.text.x = element_text(angle = 30, hjust = 1) )