1. Base de datos

# Cargar base de datos
load("C:/Users/MINEDUCYT/Desktop/GA24021/CicloI2026/MAE118/Comercio exterior/data_comercio_exterior.RData")
data_comercio_exterior %>%
replace_na(
    list(
      valor_cif = 0,
      valor_fob = 0,
      kilogramos_importaciones = 0,
      kilogramos_exportaciones = 0
    )
  ) %>% 
  arrange(pais, anio, mes, sac)-> data_comercio_exterior

# Seleccion de Años
data_comercio_exterior_fil<-data_comercio_exterior %>%
  filter(anio>= 2022 & anio <= 2026)

#Tabla 
data_comercio_exterior_fil %>% 
  head(10) %>%
  kable(caption = "Base de Comercio Exterior 2022-2026", align = "c") %>%
  add_footnote (label = " Elaboración propia con base en datos del BCR")

Note: ^a Elaboración propia con base en datos del BCR

# Carga de script de funciones
source(
  file = "C:/Users/MINEDUCYT/Desktop/GA24021/CicloI2026/MAE118/Comercio exterior/funciones_comercio_exterior_1.R",
  echo = TRUE,
  max.deparse.length = 100,
  encoding = "utf-8")

## 
## > options(scipen = 999)
## 
## > library(dplyr)
## 
## > library(readxl)
## 
## > library(stringr)
## 
## > load("C:/Users/MINEDUCYT/Desktop/GA24021/CicloI2026/MAE118/Comercio exterior/data_comercio_exterio ..." ... [TRUNCATED] 
## 
## > nombre_archivo <- "C:/Users/MINEDUCYT/Desktop/GA24021/CicloI2026/MAE118/Comercio exterior/nombres_ ..." ... [TRUNCATED] 
## 
## > nombres_iso_paises <- read_excel(nombre_archivo)
## 
## > nombres_iso_paises$nom_pais_esp <- toupper(nombres_iso_paises$nom_pais_esp)
## 
## > data_comercio_exterior <- data_comercio_exterior %>% 
## +     left_join(nombres_iso_paises, by = c(p .... [TRUNCATED] 
## 
## > herramientas_mostrar_paises <- function() {
## +     paises <- nombres_iso_paises %>% select(nom_pais .... [TRUNCATED] 
## 
## > herramientas_mostrar_regiones <- function() {
## +     nombres_iso_paises %>% group_by(region, cod_re .... [TRUNCATED] 
## 
## > herramientas_mostrar_paises_en_tabla <- function() {
## +     data_comercio_exterior %>% group_by(pai .... [TRUNCATED] 
## 
## > indicadores_IVCR_capitulo <- function(codigo_pais, 
## +     capitulo, anio) {
## +     codigo_pais <- e .... [TRUNCATED] 
## 
## > indicadores_IVCR_partida <- function(codigo_pais, 
## +     partida, anio) {
## +     codigo_pais <- enq .... [TRUNCATED] 
## 
## > indicadores_Balassa_capitulo <- function(codigo_pais, 
## +     capitulo, anio, normalizado = TRUE) { .... [TRUNCATED] 
## 
## > indicadores_Balassa_partida <- function(codigo_pais, 
## +     partida, anio, normalizado = TRUE) {
## + .... [TRUNCATED] 
## 
## > indicadores_IHH_Herfindahl_Hirschmann_anual_texto <- function(codigo_pais, 
## +     anio, normalizad .... [TRUNCATED] 
## 
## > indicadores_IHH_Herfindahl_Hirschmann_anual <- function(codigo_pais, 
## +     anio, normalizado = TR .... [TRUNCATED]

2.Datos estandarizados

options(scipen = 9999)
iso_paises <- "C:/Users/MINEDUCYT/Desktop/GA24021/CicloI2026/MAE118/Comercio exterior/nombres_iso_paises.xlsx"
  
data_comercio_exterior %>%
  select(pais, iso_3, iso_2, region) %>%
  head(10) %>%
  kable(
    caption = "Base Consolidada de Comercio Exterior de El Salvador (con ISO y región)",
    align = "c"
  ) %>%
  kable_styling(
    bootstrap_options = c("striped", "hover", "condensed", "responsive"),
    full_width = TRUE,
    position = "center",
    latex_options = "scale_down", font_size = 12
  ) %>%
  add_footnote(
    label = "Fuente: Elaboración propia con base en datos del BCR",
    notation = "symbol"
  )

3.Ranking anual

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)) %>%
  
  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() -> reporte
print(reporte)

##    anio      data rank
## 1  2022 USA|38.78    1
## 2  2022 GTM|17.05    2
## 3  2022 HND|16.65    3
## 4  2022  NIC|6.98    4
## 5  2022  CRI|4.27    5
## 6  2023  USA|35.6    1
## 7  2023 GTM|18.45    2
## 8  2023  HND|16.3    3
## 9  2023  NIC|7.85    4
## 10 2023  CRI|4.79    5
## 11 2024 USA|33.84    1
## 12 2024 GTM|19.53    2
## 13 2024 HND|16.14    3
## 14 2024  NIC|8.94    4
## 15 2024  CRI|4.71    5
## 16 2025 USA|32.45    1
## 17 2025 GTM|19.64    2
## 18 2025 HND|16.74    3
## 19 2025  NIC|9.12    4
## 20 2025  CRI|4.45    5
## 21 2026 USA|32.53    1
## 22 2026 GTM|19.46    2
## 23 2026 HND|15.44    3
## 24 2026   NIC|8.7    4
## 25 2026  CRI|4.51    5

reporte %>%
  pivot_wider(names_from = rank, values_from = data) -> mi_tabla

print(mi_tabla)

## # A tibble: 5 × 6
##    anio `1`       `2`       `3`       `4`      `5`     
##   <dbl> <chr>     <chr>     <chr>     <chr>    <chr>   
## 1  2022 USA|38.78 GTM|17.05 HND|16.65 NIC|6.98 CRI|4.27
## 2  2023 USA|35.6  GTM|18.45 HND|16.3  NIC|7.85 CRI|4.79
## 3  2024 USA|33.84 GTM|19.53 HND|16.14 NIC|8.94 CRI|4.71
## 4  2025 USA|32.45 GTM|19.64 HND|16.74 NIC|9.12 CRI|4.45
## 5  2026 USA|32.53 GTM|19.46 HND|15.44 NIC|8.7  CRI|4.51

mi_tabla %>%
  kable(caption = paste("Top",5,"socios comerciales",
    min(anios_ranking),"-",max(anios_ranking))) %>%
  add_footnote(label = "Elaboración propia con base en datos del BCR")