#Cargar los datos
# Carga directa del objeto de datos previamente procesado
load("C:/Users/MINEDUCYT/Desktop/MAE118/comercio_exterior/data_comercio_exterior.RData")

#cargar librerias
library(readr)
library(dplyr)
library(tidyr)
library(kableExtra)
library(stringi)

# Carga de script de funciones
source(
  file = "C:/Users/MINEDUCYT/Desktop/MAE118/comercio_exterior/base_comercio_exterior/funciones_comercio_exterior_1.R",
  echo = TRUE,
  max.deparse.length = 100,
  encoding = "utf-8"
)

tabla_comercio_exterior <- data_comercio_exterior %>%
  filter(anio %in% 2022:2026) %>%
  group_by(pais, anio) %>%
  summarise(
    valor_fob_exportaciones = sum(valor_fob, na.rm = TRUE),
    kg_exportaciones = sum(kilogramos_exportaciones, na.rm = TRUE),
    valor_cif_importaciones = sum(valor_cif, na.rm = TRUE),
    kg_importaciones = sum(kilogramos_importaciones, na.rm = TRUE),
    .groups = "drop"
  ) %>%
  arrange(anio, desc(valor_fob_exportaciones))
kable(head(tabla_comercio_exterior, 10))

library(readxl)
iso_paises <- read_excel("comercio_exterior/nombres_iso_paises.xlsx")

tabla_comercio_exterior<- tabla_comercio_exterior %>%
  mutate(pais_norm = stri_trans_general(str_to_upper(pais), "Latin-ASCII"))

iso_paises <- iso_paises %>%
  mutate(pais_norm = stri_trans_general(str_to_upper(nom_pais_esp), "Latin-ASCII"))

comercio_iso <- tabla_comercio_exterior %>%
  left_join(
    iso_paises %>% select(pais_norm, iso_3, region, sub_region),
    by = "pais_norm"
  ) %>%
  select(-pais_norm) %>%
  relocate(iso_3, region, .after = pais)

kable(head(comercio_iso, 10))

comercio_iso <- tabla_comercio_exterior |> 
  left_join(
    iso_paises |>  
      mutate(pais_norm = stri_trans_general(str_to_upper(nom_pais_esp), "Latin-ASCII")) %>%
      select(pais_norm, iso_2, iso_3, region),
    by = c("pais" = "pais_norm")  # ← une directamente
  )

#Seleccionar Años
anios_ranking<-2022:2026
data_comercio_exterior %>% 
  filter(anio %in% anios_ranking) ->data_ranking

data_ranking %>% 
  group_by(anio,iso_3) %>% 
  summarise(total=sum(valor_fob)) %>% mutate(percent=round(prop.table(total)*100,2)) %>% 
  
  # n=8 es lo que se cambia para el parcial.
  slice_max(n = 5,order_by = total) %>% 
  as.data.frame() %>% 
  group_by(anio) %>% 
  mutate(rank = row_number(),
         data=paste(iso_3,"|",percent,sep = "")) %>% 
  select(anio,data,rank) %>% as.data.frame() -> insumo_reporte

insumo_reporte %>% 
pivot_wider(names_from = rank,values_from = data)->tabla_ranking_iso

tabla_ranking_iso%>%
  kable(caption = paste("Top",5,"de Exportaciones periodo",
    min(anios_ranking),"-",max(anios_ranking))) %>%
  add_footnote(label = "Elaboración propia con base en datos del BCR")