Pipeline de análisis de matrimonio

Vamos a utilizar la biblioteca de tidyverse para nuestro procesamiento de datos

library(tidyverse)

## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.2.1     ✔ readr     2.2.0
## ✔ forcats   1.0.1     ✔ stringr   1.6.0
## ✔ ggplot2   4.0.2     ✔ tibble    3.3.1
## ✔ lubridate 1.9.5     ✔ tidyr     1.3.2
## ✔ purrr     1.2.2     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

packageVersion("tidyverse")

## [1] '2.0.0'

Población

Empezamos importando las estimaciones de población a mitad de año de CONAPO

pob <- read_csv("data/00_Pob_Mitad_1950_2070.csv")

## Rows: 711040 Columns: 5
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (2): ENTIDAD, SEXO
## dbl (3): ANIO, EDAD, POBLACION
## 
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.

Número de matrimonios

Convertimos el dataframe a formato tidy

mar_state <- read_csv("data/01_marriages_by_state.csv") %>%
  pivot_longer(2:33, names_to="year", values_to = "marriages") %>%
  rename(entidad = Entidad)

## Rows: 33 Columns: 33
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr  (1): Entidad
## num (32): 1993, 1994, 1995, 1996, 1997, 1998, 1999, 2000, 2001, 2002, 2003, ...
## 
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.

Número de matrimonios en México

mar_state %>%
  filter(entidad != "Estados Unidos Mexicanos") %>%
  # filter(year >= 2020)%>%
  ggplot(aes(x = year, y = marriages, group = entidad, color = entidad)) +
  geom_line(linewidth = 0.8, alpha = 0.7) +
  labs(
    title = "Matrimonios por año y entidad",
    x = "Año",
    y = "Matrimonios",
    color = "Entidad"
  ) +
  theme_minimal()

mar_state %>%
  filter(entidad != "Estados Unidos Mexicanos") %>%
  ggplot(aes(x = year, y = marriages, group = entidad)) +
  geom_line() +
  facet_wrap(~ entidad, ncol = 8) +
  labs(
    title = "Matrimonios por año (1993-2024)",
    x = "Año",
    y = "Matrimonios"
  ) +
  scale_x_discrete(breaks = c(2000,2010,2020)) +
  theme_minimal()

Matrimonios por cada mil habitantes

pob_tot <- pob %>%
  group_by(ANIO) %>%
  summarise(
    total_pob = sum(POBLACION)
  ) %>%
  rename(year = ANIO)

mar_state %>%
  mutate(year = as.numeric(year)) %>%
  filter(entidad == "Estados Unidos Mexicanos") %>%
  inner_join(pob_tot) %>%
  mutate(marriage_rate = marriages / total_pob * 1000) %>%
  ggplot(aes(x = year, y = marriage_rate)) +
    geom_line() +
    geom_point() +
    labs(
      title = "Tasa de Matrimonios por año (1993-2024)",
      x = "Año",
      y = "Tasa de Matrimonios"
    ) +
  theme_minimal()

## Joining with `by = join_by(year)`

Matrimonios del mismo sexo

mar_by_sex <- read_csv("data/04_marriage_by_sex.csv") %>%
  select(1:5)

## New names:
## Rows: 97 Columns: 6
## ── Column specification
## ──────────────────────────────────────────────────────── Delimiter: "," chr
## (2): Entidad, Sexo num (3): Total, Hombre, Mujer lgl (1): ...6
## ℹ Use `spec()` to retrieve the full column specification for this data. ℹ
## Specify the column types or set `show_col_types = FALSE` to quiet this message.
## • `` -> `...6`

Seleccionamos los matrimonios entre personas del mismo sexo

mat_men <- mar_by_sex %>% 
  filter(Entidad != "Total") %>%
  filter(Sexo == "Hombre") %>%
  select(Entidad,Hombre)
mat_wom <- mar_by_sex %>% 
  filter(Entidad != "Total") %>%
  filter(Sexo == "Mujer") %>%
  select(Entidad,Mujer)
mat_homo <- inner_join(mat_men, mat_wom)

## Joining with `by = join_by(Entidad)`

Graficando

mat_homo %>%
  pivot_longer(
    cols = c(Hombre, Mujer),
    names_to = "Sexo",
    values_to = "Matrimonios"
  ) %>%
  ggplot(aes(
    x = reorder(Entidad, Matrimonios, sum),
    y = Matrimonios,
    fill = Sexo
  )) +
  geom_col() +
  coord_flip() +
  labs(
    title= "Matrimonios entre personas del mismo sexo\npor entidad federativa (2024)",
    x = "Entidad",
    y = "Número de matrimonios",
    fill = "Sexo"
  ) +
  theme_minimal()