setwd("~/Practicas")
library(dplyr)
library(ggplot2)
library(knitr)

denue <- read.csv("denue_28_.csv", encoding = "latin1")

empresa_tipo <- denue %>%
  select(nom_estab, municipio, per_ocu) %>%
  mutate(tipo_empresa = case_when(
    per_ocu == "0 a 5 personas" ~ "Microempresa",
    per_ocu == "6 a 10 personas" ~ "Microempresa",
    per_ocu == "11 a 30 personas" ~ "Pequeña empresa",
    per_ocu == "31 a 50 personas" ~ "Pequeña empresa",
    per_ocu == "51 a 100 personas" ~ "Mediana empresa",
    per_ocu == "101 a 250 personas" ~ "Mediana empresa",
    per_ocu == "251 y más personas" ~ "Grande empresa",
    TRUE ~ "No especificado" 
  ))

kable(head(empresa_tipo, 10), caption = "Muestra de Empresas Clasificadas")
Muestra de Empresas Clasificadas
nom_estab municipio per_ocu tipo_empresa
7 ADELANTE AGRICULTORES Aldama 0 a 5 personas Microempresa
ACUACAM Aldama 0 a 5 personas Microempresa
ACUACULTIVO EL TORAL Aldama 6 a 10 personas Microempresa
ACUACULTIVOS EL PORVENIR Abasolo 0 a 5 personas Microempresa
ACUACULTIVOS FAZ MORA Abasolo 6 a 10 personas Microempresa
ACUACULTIVOS LA JOLLA SP DE RL Soto la Marina 0 a 5 personas Microempresa
ACUACULTIVOS SANTO TOMAS S.P.R. DE RL ACUAMEX Abasolo 0 a 5 personas Microempresa
ACUACULTURA TECNIFICADA DE TAMAULIPAS Aldama 11 a 30 personas Pequeña empresa
ACUICULTURA SIN NOMBRE Altamira 0 a 5 personas Microempresa
AEROFUMIGACIONES TOVAR Valle Hermoso 6 a 10 personas Microempresa 
total <- empresa_tipo %>% count(per_ocu)
kable(head(total, 10), caption = "Muestra de Empresas Clasificadas")
Muestra de Empresas Clasificadas
per_ocu n
0 a 5 personas 128839
101 a 250 personas 689
11 a 30 personas 6983
251 y más personas 467
31 a 50 personas 1304
51 a 100 personas 867
6 a 10 personas 9411 
resumen_porcentual <- empresa_tipo %>%
  count(per_ocu) %>%
  mutate(porcentaje = round((n / sum(n)) * 100, 2)) %>%
  arrange(desc(porcentaje))
kable(resumen_porcentual, 
      col.names = c("Rango de Personal", "Total Empresas", "Porcentaje (%)"),
      caption = "Distribución Porcentual del Tamaño de Empresas")
Distribución Porcentual del Tamaño de Empresas
Rango de Personal Total Empresas Porcentaje (%)
0 a 5 personas 128839 86.73
6 a 10 personas 9411 6.33
11 a 30 personas 6983 4.70
31 a 50 personas 1304 0.88
51 a 100 personas 867 0.58
101 a 250 personas 689 0.46
251 y más personas 467 0.31 
ggplot(resumen_porcentual, aes(x = reorder(per_ocu, -porcentaje), y = porcentaje, fill = per_ocu)) +
  geom_bar(stat = "identity") +
  geom_text(aes(label = paste0(porcentaje, "%")), vjust = -0.5, size = 3.5) +
  labs(title = "Distribución de Empresas por Cantidad de Personal",
       subtitle = "Estado de Tamaulipas",
       x = "Rango de Personal",
       y = "Porcentaje del Total (%)",
       fill = "Rangos") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
  guides(fill = "none")

municipio_actividad <- denue %>%
  group_by(municipio) %>%
  summarise(
    total_establecimientos = n(),
    actividades_distintas = n_distinct(codigo_act)
  ) %>%
  arrange(desc(total_establecimientos))


municipio_top <- municipio_actividad %>% slice(1)

kable(head(municipio_actividad, 10), 
      col.names = c("Municipio", "Total de Unidades", "Diversidad de Actividades (Códigos)"),
      caption = "Top 10 Municipios con Mayor Dinamismo Económico")
Top 10 Municipios con Mayor Dinamismo Económico
Municipio Total de Unidades Diversidad de Actividades (Códigos)
Reynosa 26156 580
Matamoros 24969 572
Tampico 15655 537
Victoria 15576 492
Nuevo Laredo 14962 525
Altamira 8889 448
Ciudad Madero 7167 410
Río Bravo 6454 354
El Mante 5623 355
Valle Hermoso 4174 317 
conteo_actividades_vic <- denue %>%
  filter(municipio == "Victoria") %>%
  group_by(codigo_act, nombre_act) %>%
  summarise(Total_Establecimientos = n(), .groups = 'drop') %>%
  arrange(desc(Total_Establecimientos))

kable(head(conteo_actividades_vic, 15), 
      col.names = c("Clave (SCIAN)", "Nombre de la Actividad", "Total"),
      caption = "Top 15 Actividades Económicas en Ciudad Victoria")
Top 15 Actividades Económicas en Ciudad Victoria
Clave (SCIAN) Nombre de la Actividad Total
461110 Comercio al por menor en tiendas de abarrotes, ultramarinos y misceláneas 1593
812110 Salones y clínicas de belleza y peluquerías 791
722513 Restaurantes con servicio de preparación de antojitos 549
813210 Asociaciones y organizaciones religiosas 490
811111 Reparación mecánica en general de automóviles y camiones 456
722514 Restaurantes con servicio de preparación de tacos y tortas 405
465311 Comercio al por menor de artículos de papelería 346
463211 Comercio al por menor de ropa, excepto de bebé y lencería 269
312112 Purificación y embotellado de agua 259
522110 Banca múltiple 240
461212 Comercio al por menor de cerveza 239
722517 Restaurantes con servicio de preparación de pizzas, hamburguesas, hot dogs y pollos rostizados para llevar 224
332320 Fabricación de productos de herrería 223
621211 Consultorios dentales del sector privado 215
722511 Restaurantes con servicio de preparación de alimentos a la carta o de comida corrida 196 
top_15_vic <- denue %>%
  filter(municipio == "Victoria") %>%
  group_by(codigo_act, nombre_act) %>%
  summarise(Total = n(), .groups = 'drop') %>%
  arrange(desc(Total)) %>%
  head(15)

ggplot(top_15_vic, aes(x = reorder(nombre_act, Total), y = Total, fill = Total)) +
  geom_bar(stat = "identity", show.legend = FALSE) +
  coord_flip() +
  # Ajustamos 'hjust' para separar el número de la barra y 'size' para legibilidad
  geom_text(aes(label = Total), 
            hjust = -0.3, 
            size = 3.2, 
            fontface = "bold") + 
  # Importante: expand_limits da espacio al final para que el número no se salga del cuadro
  expand_limits(y = max(top_15_vic$Total) * 1.15) +
  scale_fill_gradient(low = "#D6EAF8", high = "#2E86C1") +
  labs(title = "Principales Actividades Económicas en Cd. Victoria",
       x = NULL, 
       y = "Cantidad de Establecimientos") +
  theme_minimal() +
  theme(axis.text.y = element_text(size = 6.5))