Importando más bases de datos

Ya importamos datos desde el formato “dbf”. Muchas veces construimos nuestra bases de datos desde excel. Vamos a trabajar con una base por Estados, con indicadores que dan cuenta de la competitividad estatal. Vamos instalar la librerìa “readxl”

install.packages("readxl", repos = "http://cran.us.r-project.org", dependencies = TRUE)

## Installing package into '/Users/anaescoto/Library/R/3.3/library'
## (as 'lib' is unspecified)

## 
##   There is a binary version available but the source version is
##   later:
##        binary source needs_compilation
## readxl  1.0.0  1.1.0              TRUE

## installing the source package 'readxl'

## Warning in install.packages("readxl", repos = "http://cran.us.r-
## project.org", : installation of package 'readxl' had non-zero exit status

Llamamos la librería

library(readxl)

¡Recuerda poner el directorio!

setwd("/Users/anaescoto/Dropbox/DGAPA/2018/RMD")

Luego aplicamos el comando. Es de la siguiente forma. Nota que en el el paréntesis va el directorio donde tenemos nuestro archivo. (La base se puede descargar desde “https://www.dropbox.com/s/1e6hevsv17bozzg/Excel_2014_IMCO.xlsx?dl=0”

Excel_2014_IMCO <- read_excel("Excel_2014_IMCO.xlsx")

## Warning in strptime(x, format, tz = tz): unknown timezone 'zone/tz/2018c.
## 1.0/zoneinfo/America/Mexico_City'

#View(Excel_2014_IMCO)

¿Cómo qué tipo de objeto nos importa este comando?

class(Excel_2014_IMCO)

## [1] "tbl_df"     "tbl"        "data.frame"

Ya revisamos análisis descriptivo para algunas variables nominales u ordinales. Vamos a hacer algunos gráficos para variables cuantitativas. #Histograma básico

hist(Excel_2014_IMCO$Homicidios)

Podemos modificarlo de a poco a poco. Modificar el título

hist(Excel_2014_IMCO$Homicidios, main="Histograma de Homicidios") #Histograma de homicidios en los estados con el título “Histograma de homicidos”

Le podemos modificar el título del eje de las x y de las y

hist(Excel_2014_IMCO$Homicidios, main="Histograma de Homicidios", xlab="Homicidios", ylab="Frecuencia")

¡A ponerle colorcitos! Recuerda aquí hay una lista http://www.stat.columbia.edu/~tzheng/files/Rcolor.pdf

hist(Excel_2014_IMCO$Homicidios, main="Histograma de Homicidios", xlab="Homicidios", ylab="Frecuencia", col="deeppink1")

Notamos que hay una agrupación de estados con menos de 40 homicidios por cada 100,000 habitantes.

Hagamos histogramas de otras variables

hist(Excel_2014_IMCO$`Esperanza de vida`, main="Esperanza de Vida", xlab="Años", ylab="Frecuencia", col="deepskyblue", border ="deepskyblue4" )

¿Algo diferente? Cuando hay espacios en el nombre de nuestras variables en un dataframe, tenemos que ponerlo dentro de estos símbolos ``

ggplot <3

Hoy vamos a presentar a un gran paquete ¡Es de los famosos! Y tiene más de diez años. https://qz.com/1007328/all-hail-ggplot2-the-code-powering-all-those-excellent-charts-is-10-years-old/

Hay dos funciones en paquete ggplot2

qplot() – para “quick plots”, gráficos rápidos. Nos vamos a concentrar en este curso en estos.
ggplot() – Para controlar de manera “granular” todo lo de nuestros gráficos.

Más info de qplot http://ggplot2.org/book/qplot.pdf

Vamos a empezar, como siempre, instalando el comando

install.packages("ggplot2", repos = "http://cran.us.r-project.org", dependencies = TRUE)

## Installing package into '/Users/anaescoto/Library/R/3.3/library'
## (as 'lib' is unspecified)

## also installing the dependency 'vdiffr'

## 
##   There are binary versions available but the source versions are
##   later:
##         binary source needs_compilation
## vdiffr   0.2.1  0.2.3              TRUE
## ggplot2  2.2.1  3.0.0             FALSE

## installing the source packages 'vdiffr', 'ggplot2'

## Warning in install.packages("ggplot2", repos = "http://cran.us.r-
## project.org", : installation of package 'vdiffr' had non-zero exit status

## Warning in install.packages("ggplot2", repos = "http://cran.us.r-
## project.org", : installation of package 'ggplot2' had non-zero exit status

library(ggplot2)

Univariado

Podemos hacer histogramas y gráficos de densidad

El comando tiene la siguiente form

qplot (VAR, dara = NombreDataframe, geom=“histogram”) qplot (VAR, dara = NombreDataframe, geom=“density”)

qplot(Homicidios, data = Excel_2014_IMCO, geom = "histogram")

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

qplot(Homicidios, data = Excel_2014_IMCO, geom = "density")

Bivariado

Vamos a hacer un par de gráficos de dos variables. Vamos a graficar los datos de los secuestros y pobreza. Este gráfico se conoce como un scatterplot.

Checa: en este comando, como usamos la opción de “data”, no tenemos que poner el nombre del data frame antes de la variable.

El formato es el siguiente:

qplot(VariableX, VariableY, data = NombreDataframe)

En nuestro ejemplo queda así:

qplot(Pobreza, Homicidios, data = Excel_2014_IMCO)

Una transformación importante en los análisis cuantitativos es la transformación logarítmica

qplot(log(Pobreza), log(Homicidios), data = Excel_2014_IMCO)

# Guardando nuestro gráfico como un objeto

grafico<-qplot(log(Pobreza), log(Homicidios), data = Excel_2014_IMCO)

Theme Assist Addins

Existe un add-in - es decir un complemento - para que podamos modificar más fácilmente los gr´áficos que hacemos con ggplot. Lo tenemos que instalar. Así como hemos instalado nuestros otras paqueter´ías.

install.packages("ggThemeAssist", repos = "http://cran.us.r-project.org", dependencies = TRUE)

## Installing package into '/Users/anaescoto/Library/R/3.3/library'
## (as 'lib' is unspecified)

## 
## The downloaded binary packages are in
##  /var/folders/fr/mw1x21js54367mjdhqsjfwqm0000gn/T//RtmpflmGve/downloaded_packages

library(ggThemeAssist)

Para utilizarlo, tenemos que nombrar el objeto que queremos editar (por eso aprendimos a guardarlo en un objeto anteriormente). Lo escribimos. Lo seleccionamos y buscamos el complemento en la pestaña “Addins”

image

Complicando las cosas (nomás tantito)

Vamos hoy a establecer las regiones para evidenciar subgrupos en nuestros estados.

Noroeste: Baja California, Baja California Sur Chihuahua, Durango, Sinaloa y Sonora;
Noreste: Coahuila, Nuevo León, Tamaulipas;
Occidente: Colima, Jalisco, Michoacán y Nayarit;
Oriente: Hidalgo, Puebla; Tlaxcala y Veracruz;
Centro norte: Aguascalientes, Guanajuato. Querétaro, San Luis Potosí y Zacatecas;
Centro sur: Ciudad de México, México y Morelos;
Suroeste Campeche, Quintana Roo, Tabasco y Yucatán Roo; y
Suroeste: Chiapas, Guerrero y Oaxaca

Excel_2014_IMCO$region<-NA

Vamos a hacer vectores de cada región

noroeste<-c("Baja California","Baja California Sur", "Chihuahua", "Durango","Sinaloa", "Sonora")
noreste<- c("Coahuila", "Nuevo León", "Tamaulipas")
occidente <-c("Colima", "Jalisco", "Michoacán", "Nayarit") 
oriente <- c("Hidalgo", "Puebla","Tlaxcala", "Veracruz")
centronorte<-c("Aguascalientes", "Guanajuato", "Querétaro", "San Luis Potosí", "Zacatecas")
centrosur<- c("Ciudad de México", "México",  "Morelos")
suroeste <-c("Campeche", "Quintana Roo", "Tabasco","Yucatán")
sureste <- c("Chiapas", "Guerrero", "Oaxaca")

Mi primer loop

R puede hacer loop con el comando for Nos permite repetir una operación de acuerdo a los valores de una secuencia o de un vector. Aquí lo hacemos para el vector noroeste

for(i in noroeste) {
  reg<-i
  Excel_2014_IMCO$region[Excel_2014_IMCO$edo==reg] <- "Noroeste"
}

Lo hacemos para el resto de regiones

for(i in noreste) {
  reg<-i
  Excel_2014_IMCO$region[Excel_2014_IMCO$edo==reg] <- "Noreste"
}

for(i in occidente) {
  reg<-i
  Excel_2014_IMCO$region[Excel_2014_IMCO$edo==reg] <- "Occidente"
}

for(i in oriente) {
  reg<-i
  Excel_2014_IMCO$region[Excel_2014_IMCO$edo==reg] <- "Oriente"
}
for(i in centrosur) {
  reg<-i
  Excel_2014_IMCO$region[Excel_2014_IMCO$edo==reg] <- "Centro Sur"
}

for(i in centronorte) {
  reg<-i
  Excel_2014_IMCO$region[Excel_2014_IMCO$edo==reg] <- "Centro Norte"
}

for(i in suroeste) {
  reg<-i
  Excel_2014_IMCO$region[Excel_2014_IMCO$edo==reg] <- "Sur oeste"
}

for(i in sureste) {
  reg<-i
  Excel_2014_IMCO$region[Excel_2014_IMCO$edo==reg] <- "Sur Este"
}

Con subgrupos podemos agregar otra variable en nuestro gráficos

q1<-qplot(log(Pobreza), log(Homicidios), data = Excel_2014_IMCO, shape = region)
q1

## Warning: The shape palette can deal with a maximum of 6 discrete values
## because more than 6 becomes difficult to discriminate; you have 8.
## Consider specifying shapes manually if you must have them.

## Warning: Removed 7 rows containing missing values (geom_point).

q2<-qplot(log(Pobreza), log(Homicidios), data = Excel_2014_IMCO, colour = region)
q2

Con una regresión lineal

q3<-qplot(Pobreza, Homicidios, data = Excel_2014_IMCO, geom = c("point", "smooth"), method = "lm")

## Warning: Ignoring unknown parameters: method

q3

Para tener un subgráfico por región

q4<-qplot(Pobreza, Homicidios, data = Excel_2014_IMCO) + facet_grid(. ~ region)
q4

Etiquetas

q5<-qplot(Pobreza, Homicidios, data = Excel_2014_IMCO, label=Excel_2014_IMCO$edo, geom="text")
q5

Práctica 4 - Excel y más gráficos

AE

24/7/2018