install.packages(“knitr”) library(knitr)

Ejercicio 1

1.1

# Definir el directorio de trabajo y cargar los datos
setwd("C:/Users/User/Documents/SANTIAGO/UCC/Big Data/Taller corte 1")

# Cargar archivo
gasolina <- read.csv("clean_precios_gasolina.csv", stringsAsFactors = FALSE) %>%
  rename(fecha = 1, Gasolina = 2)
petroleo <- read.csv("clean_precios_petroleo.csv", stringsAsFactors = FALSE) %>%
  rename(fecha = 1, Petroleo = 2)
carbon <- read.csv("clean_precios_carbon.csv", stringsAsFactors = FALSE) %>%
  rename(fecha = 1, Carbon = 2)
gasnatural <- read.csv("clean_precios_gas_natural.csv", stringsAsFactors = FALSE) %>%
  rename(fecha = 1, GasNatural = 2)
ipc <- read.csv("IPC.csv", stringsAsFactors = FALSE) %>%
  rename(fecha = 1, IPC = 2)

De acuerdo con lo que arrojan los datos que nos brindan los archivos de precio de energeticos y IPC son:

-Las variables incluidas en las bases de datos son 5:

Carbon
Petroleo
Gasnatural
IPC
Gasolina

-Son 35.163 Observaciones

-El periodo de tiempo que se esta utilizando es del 2000 al 2024 para los conbustibles con una periodicidad diaria y para el IPC es desde el 1954 hasta 2025 con una periodicidad mensual.

1.2

# Función para completar fechas faltantes
fecha_completa <- function(df, date_col, price_col) {
  df[[date_col]] <- as.Date(df[[date_col]])
  full_dates <- data.frame(seq(min( df[[date_col]], na.rm = TRUE),
                               max( df[[date_col]], na.rm = TRUE), by = "day"))
 colnames(full_dates) <- date_col
 df_complete <- full_dates %>%
   left_join(df, by = date_col)%>%
   arrange(.data[[date_col]])
 return(df_complete)
}

1.3

# Se aplica la función definida en 1.2
gasolina_completa <- fecha_completa(gasolina, "fecha", "gasolina")
carbon_completa <- fecha_completa(carbon, "fecha", "carbon")
petroleo_completa <- fecha_completa(petroleo, "fecha", "petroleo")
gasnatural_completa <- fecha_completa(gasnatural, "fecha", "gasnatural")
ipc_completa <- fecha_completa(ipc, "fecha", "IPC")

1.4

base_unida <- reduce(list(gasolina_completa, petroleo_completa, carbon_completa, gasnatural_completa, ipc_completa), full_join, by = "fecha") %>%
  arrange(fecha)

1.5

# Creamos colomna mes y año
base_unida <- base_unida %>%
  mutate(mes = month(fecha),
         año = year(fecha))

# teniendo en cuenta que la base de IPC contiene datos desde 1954, vamos a filtrar
# para tener base de datos desde enero de 2000 hasta enero de 2024
base_unida <- base_unida %>%
  filter(año >= 2000 & (año < 2024 | (año == 2024 & mes == 1)))

1.6

# Identificar valores faltantes en el precio de algun energético

valores_faltantes <- base_unida %>%
  summarise(across(where(is.numeric) & !all_of(c("año", "IPC")), ~mean(is.na(.))*100)) %>%
  pivot_longer(cols = everything(), names_to = "variable", values_to =  "% faltante")

#Table de valores faltantes
if (knitr::is_html_output()){
valores_faltantes %>%
  kable("latex", caption = "Porcentaje de valores faltantes por columna") %>%
  kable_styling(full_width = FALSE, bootstrap_options = c("striped", "hover", "condensed")
  )
} else {

valores_faltantes %>%
  kable(
    "latex",
    caption = "Porcentaje de valores faltantes por columna",
  booktabs = TRUE
  ) %>%
  kable_styling(
    latex_options = c("striped", "hold_position")
  )  
}

# Agregar valores faltantes con el promedio mensual por energetico
base_unida <- base_unida %>%
  group_by(año, mes) %>%
  mutate(across(where(is.numeric), ~ifelse(is.na(.), mean(., na.rm = TRUE), .))) %>%
  ungroup()

1.7

# Agregar información a valores promedios por mes y año
base_final_meses <- base_unida %>%
  group_by(año, mes) %>%
  summarise(across(where(is.numeric), mean, na.rm = TRUE)) %>%
  ungroup()

## Warning: There was 1 warning in `summarise()`.
## i In argument: `across(where(is.numeric), mean, na.rm = TRUE)`.
## i In group 1: `año = 2000`, `mes = 1`.
## Caused by warning:
## ! The `...` argument of `across()` is deprecated as of dplyr 1.1.0.
## Supply arguments directly to `.fns` through an anonymous function instead.
## 
##   # Previously
##   across(a:b, mean, na.rm = TRUE)
## 
##   # Now
##   across(a:b, \(x) mean(x, na.rm = TRUE))

## `summarise()` has regrouped the output.
## i Summaries were computed grouped by año and mes.
## i Output is grouped by año.
## i Use `summarise(.groups = "drop_last")` to silence this message.
## i Use `summarise(.by = c(año, mes))` for per-operation grouping
##   (`?dplyr::dplyr_by`) instead.

1.8

# Función para convertir precios nominales a precios reales
convert_to_real <- function(price_col, year_base, month_base, ipc_col, df){
  ipc_base <- df %>% filter(año == year_base & mes == month_base) %>% pull({{ipc_col}})
  if (length(ipc_base) == 0 || is.na(ipc_base)) {
    stop("No sea pendejo, no se encontró un valor válido de IPC para el año-mes
         base especificado.")
  }
  real_price_col <- paste0(deparse(substitute(price_col)), "_", year_base, "_", month_base,
                           "_transformada")
  df <- df %>%
    mutate({{real_price_col}} := {{price_col}} * ipc_base / {{ipc_col}})
  return(df)
}

1.9

# Aplicar la función para convertir a precios reales con base en cualquier año y mes
año_base <- 2023
mes_base <- 12
basedatos_consolidada <- convert_to_real(Gasolina, año_base, mes_base, IPC, base_final_meses)
basedatos_consolidada <- convert_to_real(Petroleo, año_base, mes_base, IPC, basedatos_consolidada)
basedatos_consolidada <- convert_to_real(Carbon, año_base, mes_base, IPC, basedatos_consolidada)
basedatos_consolidada <- convert_to_real(GasNatural, año_base, mes_base, IPC, basedatos_consolidada)

1.10

#Guardar Base consolidada
write.csv(basedatos_consolidada, "basedatos_consolidada_transformados.csv", row.names = FALSE)

Ejercicio 2

#2.1

# Filtro precios nominales y reales de combustibles
combustibles <- basedatos_consolidada %>%
  select(año, mes, starts_with("Gasolina"), starts_with("Petroleo"), starts_with("Carbon")
         ,starts_with("GasNatural"))

# Renombrar variables con el sufijo real y nominal
colnames(combustibles) <- colnames(combustibles) %>%
  str_replace("\\d{4}_\\d{2}_transformada", "") 

colnames(combustibles) <- ifelse(colnames(combustibles) %in% c("año", "mes"),
                             colnames(combustibles),
                             ifelse(str_detect(colnames(combustibles), "_"),
                                    paste0(colnames(combustibles), "real"),
                                    paste0(colnames(combustibles), "_nominal")))
#Base de datos de estadísticas
estadisticas_combustibles <- combustibles %>%
  summarise(across(c(starts_with("Gasolina"), starts_with("Petroleo"), starts_with("Carbon"), starts_with("GasNatural")), list(
    "Observaciones" = ~sum(!is.na(.)),
    "Promedio" = ~round(mean(., na.rm = TRUE), 2),
    "Mínimo" = ~round(min(., na.rm = TRUE), 2),
    "Máximo" = ~round(max(., na.rm = TRUE), 2),
    "Desviación Estándar" = ~round(sd(., na.rm = TRUE), 2)
    ), .names = "{.col},{.fn}"))

#Formato para Tabla
estadisticas_combustibles <- estadisticas_combustibles %>%
  pivot_longer(cols = everything(), names_to = c("Variable", "Estadística"), names_sep = ",") %>%
  pivot_wider(names_from = Estadística, values_from = value)

#Tabla
estadisticas_combustibles %>%
  kable("html", caption = "Estadísticas Descriptivas de los Precios de Los Combustibles") %>%
  kable_styling(full_width = FALSE, bootstrap_options = c("striped", "hover", "condensed")) %>%
  column_spec(1, bold =TRUE, border_right = TRUE) %>%
  row_spec(0, bold = TRUE, background = "#E0EEEE") %>%
  scroll_box(height = "500px")

Estadísticas Descriptivas de los Precios de Los Combustibles
Variable	Observaciones	Promedio	Mínimo	Máximo	Desviación Estándar
Gasolina_nominal	289	109.17	61.65	166.10	25.77
Gasolina_real	289	193.81	150.71	238.32	14.19
Petroleo_nominal	289	108.08	91.25	129.80	7.98
Petroleo_real	289	202.28	104.86	327.85	49.29
Carbon_nominal	289	96.98	74.21	123.16	12.68
Carbon_real	289	178.23	100.96	270.05	32.82
GasNatural_nominal	289	118.27	98.65	137.71	8.37
GasNatural_real	289	221.86	97.82	366.96	55.75

2.2

# Filtrar los datos para un año específico
base_filtrada <- combustibles %>% filter(año == 2023)

# Crear el gráfico de dispersión con línea de ajuste
ggplot(base_filtrada, aes(x = Carbon_real, y = Gasolina_real)) +
  geom_point(color = "blue", alpha = 0.6, size = 3) +  # Puntos en color azul
  geom_smooth(method = "lm", color = "red", se = FALSE) +  # Línea de ajuste en rojo
  labs(
    title = "Relación entre el Precio del Carbón y la Gasolina (Reales) en 2023",
    x = "Precio del Carbón Real",
    y = "Precio de la Gasolina Real",
    caption = "Fuente: Datos de combustibles"
  ) +
  theme_minimal() +
  theme(
    plot.title = element_text(hjust = 0.5, face = "bold"),  # Centrar título
    axis.title = element_text(face = "bold")
  )

## `geom_smooth()` using formula = 'y ~ x'

##2.3

# Convertir el mes en formato de fecha (para que ggplot lo maneje bien en la serie de tiempo)
# Aquí es mejor dejar solo el mes, dado que es un solo año
base_filtrada <- base_filtrada %>%
#  mutate(Fecha = as.yearmon(paste(año, mes), "%m"))
  mutate(Fecha = factor(month.abb[mes], levels = month.abb, ordered = TRUE))

# Transformar los datos a formato largo, para graficar las series de tiempo
base_garfica_ts <- base_filtrada %>%
  pivot_longer(cols = c(Carbon_real, GasNatural_real, Petroleo_real, Gasolina_real), 
               names_to = "Combustible", values_to = "Precio")

# Crear la gráfica de las series de tiempo
ggplot(base_garfica_ts, aes(x = Fecha, y = Precio, color = Combustible, group = Combustible)) +
  geom_line(size = 1) +  # Línea de serie de tiempo
  geom_point(size = 2) +  # Puntos para resaltar valores individuales
  labs(
    title = "Evolución del Precio Real de los Combustibles en 2023",
    x = "Mes",
    y = "Precio Real",
    color = "Combustible",
    caption = "Fuente: Datos de combustibles"
  )

## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## i Please use `linewidth` instead.
## This warning is displayed once per session.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.

Ejercicio Energéticos

Santiago Hernández

2026-09-03

Ejercicio 1

1.1

1.2

1.3

1.4

1.5

1.6

1.7

1.8

1.9

1.10

Ejercicio 2

2.2