Códigos que acompañan artículo en Medium, respecto de diversidad de género en cuanto a Ministras y Ministros de Chile 2018.

library(readr)
library(ggplot2)
library(plotly)

#library(utf8)
Ministerios <- read_csv("BD-Ministerios.csv", locale = locale('es'))
#Encoding(Ministerios$Ministerio) <- "latin1"
#as_utf8(Ministerios$Ministerio)
#utf8_print(Ministerios$Ministerio)
head(Ministerios)

Cuota

library(waffle)
library(extrafont)
## Registering fonts with R
datos_sexo = c(table(Ministerios$Sexo)[[1]],table(Ministerios$Sexo)[[2]])
waffle(c(Hombres=datos_sexo[2],Mujeres=datos_sexo[1]), rows = 3, use_glyph = "child", glyph_size = 10,)
## Warning: Removed 1 rows containing missing values (geom_text).

Ponderación por ranking

Ministerios['Peso_politico'] <- (-1*(Ministerios$`Orden Llamado`-23))+1

p <-ggplot(data= Ministerios, aes(x=X, y=Peso_politico, label=Ministerio, text=Nombre)) +
  geom_bar(stat = "identity") + theme_minimal() +
  labs(x="Ministerios", y="Orden (invertido) de procedencia")+
  theme(axis.text.x=element_blank())
print(p)

p <-ggplot(data= Ministerios, aes(x=X, y=Peso_politico, fill=Sexo, label=Ministerio, text=Nombre)) +
  geom_bar(stat = "identity") + theme_minimal() +
  labs(x="Ministerios", y="Orden (invertido) de procedencia")+
  theme(axis.text.x=element_blank())
print(p)

ggplotly(p, tooltip = c('Peso_politico','Ministerio','Nombre'))
total = aggregate(Peso_politico ~ Sexo, Ministerios, sum)
total['%'] <- total$Peso_politico/sum(total$Peso_politico) *100
print(total)
##        Sexo Peso_politico        %
## 1  Femenino            40 14.49275
## 2 Masculino           236 85.50725
Ministerios['Antiguedad'] <- 2018 - Ministerios$Creacion
p <-ggplot(data= Ministerios, aes(x=X, y=Antiguedad, fill=Sexo, label=Ministerio, text=Nombre)) +
  geom_bar(stat = "identity") + theme_minimal() +
  labs(x="Ministerios", y="Antiguedad (a.os)")+
  theme(axis.text.x=element_blank())
print(p)

ggplotly(p, tooltip = c('Antiguedad','Ministerio','Nombre'))
## We recommend that you use the dev version of ggplot2 with `ggplotly()`
## Install it with: `devtools::install_github('hadley/ggplot2')`
total = aggregate(Antiguedad ~ Sexo, Ministerios, sum)
total['%'] <- total$Antiguedad/sum(total$Antiguedad)*100
print(total)
##        Sexo Antiguedad         %
## 1  Femenino        111  5.547226
## 2 Masculino       1890 94.452774
Ministerios['Tamano'] <- Ministerios$Trabajadores 
p <-ggplot(data= Ministerios, aes(x=X, y=Tamano, fill=Sexo, label=Ministerio, text=Nombre)) +
  geom_bar(stat = "identity") + theme_minimal() +
  labs(x="Ministerios", y="Cantidad trabajadores")+
  theme(axis.text.x=element_blank())
print(p)

ggplotly(p, tooltip = c('Tamano','Ministerio','Nombre'))
## We recommend that you use the dev version of ggplot2 with `ggplotly()`
## Install it with: `devtools::install_github('hadley/ggplot2')`
total = aggregate(Tamano ~ Sexo, Ministerios, sum)
total['%'] <- total$Tamano/sum(total$Tamano)*100
print(total)
##        Sexo Tamano         %
## 1  Femenino   4493  3.596443
## 2 Masculino 120436 96.403557
Ministerios['Presupuesto'] <- Ministerios$`Presupuesto 2018`
p <-ggplot(data= Ministerios, aes(x=X, y=Presupuesto, fill=Sexo, label=Ministerio, text=Nombre)) +
  geom_bar(stat = "identity") + theme_minimal() +
  labs(x="Ministerios", y="Presupuesto (miles de pesos)")+
  theme(axis.text.x=element_blank())
print(p)

ggplotly(p, tooltip = c('Presupuesto','Ministerio','Nombre'))
## We recommend that you use the dev version of ggplot2 with `ggplotly()`
## Install it with: `devtools::install_github('hadley/ggplot2')`
total = aggregate(Presupuesto ~ Sexo, Ministerios, sum)
total['%'] <- total$Presupuesto/sum(total$Presupuesto)*100
print(total)
##        Sexo Presupuesto       %
## 1  Femenino  1542951921  3.6082
## 2 Masculino 41219422886 96.3918