Actividad3RM
Javier Salazar
2026-03-03
Actividad 3
Carga de Datos
denue <- read_csv("denue_28.csv", locale = locale(encoding = "ISO-8859-1"))1. Análisis descriptivo básico
glimpse(denue)## Rows: 148,560
## Columns: 42
## $ id <dbl> 8203497, 8011852, 6182392, 8178768, 8789487, 8443612, 61821…
## $ clee <chr> "28002112512000023000000000U5", "28002114119000503000000000…
## $ nom_estab <chr> "7 ADELANTE AGRICULTORES", "ACUACAM", "ACUACULTIVO EL TORAL…
## $ raz_social <chr> "7 ADELANTE AGRICULTORES S DE SS", "ACUACAM SA DE CV", "ACU…
## $ codigo_act <dbl> 112513, 112513, 112513, 112515, 112515, 112515, 112515, 112…
## $ nombre_act <chr> "Camaronicultura y acuicultura de otros crustáceos en agua …
## $ per_ocu <chr> "0 a 5 personas", "0 a 5 personas", "6 a 10 personas", "0 a…
## $ tipo_vial <chr> "CALLE", "CALLE", "CALLE", "CALLE", "OTRO(ESPECIFIQUE)", "O…
## $ nom_vial <chr> "Sebastián Lerdo de Tejada", "CAMINO AL EJIDO PRESITAS", "N…
## $ tipo_v_e_1 <chr> "CALLE", "OTRO(ESPECIFIQUE)", "OTRO(ESPECIFIQUE)", "CALLE",…
## $ nom_v_e_1 <chr> "Xicoténcatl", "NINGUNO", "NINGUNO", "Ninguno", "GUADALUPE …
## $ tipo_v_e_2 <chr> "CALLE", "OTRO(ESPECIFIQUE)", "OTRO(ESPECIFIQUE)", "CALLE",…
## $ nom_v_e_2 <chr> "Ninguno", "NINGUNO", "NINGUNO", "Ninguno", "GENERAL FRANCI…
## $ tipo_v_e_3 <chr> "CALLE", "OTRO(ESPECIFIQUE)", "OTRO(ESPECIFIQUE)", "CALLE",…
## $ nom_v_e_3 <chr> "Reforma", "NINGUNO", "NINGUNO", "Ninguno", "LICENCIADO BEN…
## $ numero_ext <dbl> 23, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 604, 404, 0, 0, 200, 0…
## $ letra_ext <chr> "SN", "SN", "DOMICILIO CONOCIDO", "SN", "SN", "DOMICILIO CO…
## $ edificio <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA,…
## $ edificio_e <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA,…
## $ numero_int <dbl> NA, NA, NA, 0, NA, NA, 0, NA, NA, 0, NA, NA, NA, 0, NA, NA,…
## $ letra_int <chr> NA, NA, NA, NA, NA, NA, "SN", NA, NA, NA, NA, NA, NA, NA, N…
## $ tipo_asent <chr> "COLONIA", "EJIDO", "RANCHO", "LOCALIDAD", "LOCALIDAD", "RA…
## $ nomb_asent <chr> "ZONA CENTRO", "LA PRESITA", "EL RINCON DEL TORAL", "GUIA E…
## $ tipoCenCom <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA,…
## $ nom_CenCom <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA,…
## $ num_local <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA,…
## $ cod_postal <dbl> 89670, NA, NA, 87760, NA, NA, 87760, NA, 87140, 87505, 8817…
## $ cve_ent <dbl> 28, 28, 28, 28, 28, 28, 28, 28, 28, 28, 28, 28, 28, 28, 28,…
## $ entidad <chr> "Tamaulipas", "Tamaulipas", "Tamaulipas", "Tamaulipas", "Ta…
## $ cve_mun <chr> "002", "002", "002", "001", "001", "037", "001", "002", "00…
## $ municipio <chr> "Aldama", "Aldama", "Aldama", "Abasolo", "Abasolo", "Soto l…
## $ cve_loc <chr> "0001", "0001", "0146", "0002", "0019", "1033", "0001", "10…
## $ localidad <chr> "Aldama", "Aldama", "Morón", "Abasolo (Abasolito)", "Guía d…
## $ ageb <chr> "0456", "0441", "0653", "0406", "0406", "0894", "0586", "03…
## $ manzana <chr> "003", "007", "001", "001", "800", "800", "003", "800", "80…
## $ telefono <dbl> NA, NA, NA, NA, 8342660492, NA, NA, NA, 8333038620, NA, 867…
## $ correoelec <chr> NA, NA, NA, NA, NA, "SERVICIORC@HOTMAIL.COM", "ACUAMEX@HOTM…
## $ www <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA,…
## $ tipoUniEco <chr> "Fijo", "Fijo", "Fijo", "Fijo", "Fijo", "Fijo", "Fijo", "Fi…
## $ latitud <dbl> 22.91579, 22.92367, 22.73246, 24.04349, 23.99640, 23.74997,…
## $ longitud <dbl> -98.07725, -98.07561, -97.86541, -98.38367, -98.42889, -97.…
## $ fecha_alta <chr> "2019-11", "2019-11", "2011-03", "2019-11", "2019-11", "201…summary(denue)## id clee nom_estab raz_social
## Min. : 189301 Length:148560 Length:148560 Length:148560
## 1st Qu.: 4113595 Class :character Class :character Class :character
## Median : 8071460 Mode :character Mode :character Mode :character
## Mean : 7607127
## 3rd Qu.:10269381
## Max. :11846170
##
## codigo_act nombre_act per_ocu tipo_vial
## Min. :112513 Length:148560 Length:148560 Length:148560
## 1st Qu.:461212 Class :character Class :character Class :character
## Median :522110 Mode :character Mode :character Mode :character
## Mean :581417
## 3rd Qu.:722516
## Max. :931810
##
## nom_vial tipo_v_e_1 nom_v_e_1 tipo_v_e_2
## Length:148560 Length:148560 Length:148560 Length:148560
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## nom_v_e_2 tipo_v_e_3 nom_v_e_3 numero_ext
## Length:148560 Length:148560 Length:148560 Min. : 0.0
## Class :character Class :character Class :character 1st Qu.: 0.0
## Mode :character Mode :character Mode :character Median : 100.0
## Mean : 506.9
## 3rd Qu.: 428.0
## Max. :88888.0
## NA's :10560
## letra_ext edificio edificio_e numero_int
## Length:148560 Length:148560 Length:148560 Min. : -7.00
## Class :character Class :character Class :character 1st Qu.: 0.00
## Mode :character Mode :character Mode :character Median : 0.00
## Mean : 96.68
## 3rd Qu.: 0.00
## Max. :89410.00
## NA's :95097
## letra_int tipo_asent nomb_asent tipoCenCom
## Length:148560 Length:148560 Length:148560 Length:148560
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## nom_CenCom num_local cod_postal cve_ent
## Length:148560 Length:148560 Min. : 0 Min. :28
## Class :character Class :character 1st Qu.:87459 1st Qu.:28
## Mode :character Mode :character Median :88500 Median :28
## Mean :88379 Mean :28
## 3rd Qu.:89120 3rd Qu.:28
## Max. :99999 Max. :28
## NA's :4688
## entidad cve_mun municipio cve_loc
## Length:148560 Length:148560 Length:148560 Length:148560
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## localidad ageb manzana telefono
## Length:148560 Length:148560 Length:148560 Min. :1.000e+05
## Class :character Class :character Class :character 1st Qu.:8.333e+09
## Mode :character Mode :character Mode :character Median :8.361e+09
## Mean :8.535e+09
## 3rd Qu.:8.688e+09
## Max. :9.996e+09
## NA's :94742
## correoelec www tipoUniEco latitud
## Length:148560 Length:148560 Length:148560 Min. :22.21
## Class :character Class :character Class :character 1st Qu.:22.75
## Mode :character Mode :character Mode :character Median :25.82
## Mean :24.74
## 3rd Qu.:26.03
## Max. :27.64
##
## longitud fecha_alta
## Min. :-99.77 Length:148560
## 1st Qu.:-99.02 Class :character
## Median :-98.24 Mode :character
## Mean :-98.35
## 3rd Qu.:-97.85
## Max. :-97.15
## 2 y 3. Total de registros y municipios
total_registros <- nrow(denue)
total_municipios <- denue %>%
summarise(n_municipios = n_distinct(municipio)) %>%
pull()
cat("Total de registros en Tamaulipas:", total_registros, "\n")## Total de registros en Tamaulipas: 148560cat("Total de municipios:", total_municipios, "\n")## Total de municipios: 434. Total de sectores
denue <- denue %>%
mutate(sector_id = str_sub(as.character(codigo_act), 1, 2))
total_sectores <- denue %>%
summarise(n_sectores = n_distinct(sector_id)) %>%
pull()
cat("Total de sectores económicos (a 2 dígitos):", total_sectores, "\n")## Total de sectores económicos (a 2 dígitos): 235. Top 10 Sectores en Ciudad Victoria
top_10_victoria <- denue %>%
filter(municipio == "Victoria") %>%
count(nombre_act, name = "Total") %>%
arrange(desc(Total)) %>%
slice_head(n = 10)
top_10_victoria## # A tibble: 10 × 2
## nombre_act Total
## <chr> <int>
## 1 Comercio al por menor en tiendas de abarrotes, ultramarinos y miscelán… 1593
## 2 Salones y clínicas de belleza y peluquerías 791
## 3 Restaurantes con servicio de preparación de antojitos 549
## 4 Asociaciones y organizaciones religiosas 490
## 5 Reparación mecánica en general de automóviles y camiones 456
## 6 Restaurantes con servicio de preparación de tacos y tortas 405
## 7 Comercio al por menor de artículos de papelería 346
## 8 Comercio al por menor de ropa, excepto de bebé y lencería 269
## 9 Purificación y embotellado de agua 259
## 10 Banca múltiple 2406 y 7. Tamaño de las empresas en la localidad
distribucion_victoria <- denue %>%
filter(municipio == "Victoria") %>%
count(per_ocu, name = "Total_Empresas") %>%
arrange(desc(Total_Empresas))
distribucion_victoria## # A tibble: 7 × 2
## per_ocu Total_Empresas
## <chr> <int>
## 1 0 a 5 personas 13288
## 2 6 a 10 personas 997
## 3 11 a 30 personas 805
## 4 31 a 50 personas 216
## 5 51 a 100 personas 128
## 6 101 a 250 personas 97
## 7 251 y más personas 45ggplot(distribucion_victoria, aes(x = fct_reorder(per_ocu, Total_Empresas), y = Total_Empresas)) +
geom_col(fill = "#2c3e50") +
coord_flip() +
theme_minimal() +
labs(title = "Tamaño de Unidades Económicas en Ciudad Victoria",
subtitle = "Basado en el rango de personal ocupado",
x = "Rango de Personal Ocupado",
y = "Número de Empresas")
8. Comparativa Regional
ciudades_comp <- c("Victoria", "Reynosa", "Matamoros", "Tampico", "Altamira")
comparativa_totales <- denue %>%
filter(municipio %in% ciudades_comp) %>%
count(municipio, name = "Total_Empresas") %>%
arrange(desc(Total_Empresas))
comparativa_totales## # A tibble: 5 × 2
## municipio Total_Empresas
## <chr> <int>
## 1 Reynosa 26156
## 2 Matamoros 24969
## 3 Tampico 15655
## 4 Victoria 15576
## 5 Altamira 8889# Preparar datos para el gráfico
grafico_comparativo <- denue %>%
filter(municipio %in% ciudades_comp) %>%
count(municipio, per_ocu, name = "Cantidad")
# Gráfico comparativo
ggplot(grafico_comparativo, aes(x = reorder(municipio, -Cantidad), y = Cantidad, fill = per_ocu)) +
geom_col(position = "dodge") +
theme_minimal() +
labs(title = "Comparación de Tamaño de Empresas por Municipio",
x = "Municipio",
y = "Cantidad de Empresas",
fill = "Personal Ocupado") +
theme(axis.text.x = element_text(angle = 45, hjust = 1),
legend.position = "bottom")