Variables
merged2 <- merged %>%
remove_rownames %>%
column_to_rownames(var="Nom_Barri") %>%
select("n.tot","pc.esp","pc.ue27-esp","pc.20.34","2019-2014","n.esp.M1419",
"hotel2019","rest1614",
"RFD.2017",
"tot_ann","pmedio","pmedio.M1519","pm_ent.M1519","pm_priv.M1519",
"alq.num","alq.pm","alq.pm.M1519","alq.num.M1519",
"tot.comp","tot.eur","perc.nou.comp","perc.usat.comp","tot.comp.M1419",
"nou.eur.M1419","usat.eur.M1419",
)Standardizar los datos
df <- scale(merged2)##CLUSTER 4
set.seed(123)
finalK <- kmeans(df, centers = 4, nstart = 100)
print(finalK)## K-means clustering with 4 clusters of sizes 1, 14, 47, 11
##
## Cluster means:
## n.tot pc.esp pc.ue27-esp pc.20.34 2019-2014 n.esp.M1419
## 1 -1.4510511 0.9204820 -0.83118972 0.6100638 -0.31162126 0.7419914
## 2 0.3829692 0.3202395 0.08894196 -0.3692108 0.56838549 0.1904015
## 3 -0.3496940 0.2403468 -0.39741413 -0.3046768 -0.03385633 0.3661991
## 4 1.1386455 -1.5181943 1.66040602 1.7162454 -0.55041163 -1.8744519
## hotel2019 rest1614 RFD.2017 tot_ann pmedio pmedio.M1519
## 1 -0.5223148 0.33672465 -1.2566499 -0.59897300 5.9201381 5.7541287
## 2 -0.0232787 0.44867943 1.3842645 -0.09506749 0.5598428 0.4281434
## 3 -0.4063034 0.07400566 -0.4562451 -0.45131841 -0.4005310 -0.3301563
## 4 1.8131344 -0.91786389 0.3018607 2.10380756 0.4606381 0.3426557
## pm_ent.M1519 pm_priv.M1519 alq.num alq.pm alq.pm.M1519 alq.num.M1519
## 1 6.61604340 0.9266599 -1.0201100 -2.3985435 -1.6395840 -0.7732163
## 2 0.31533954 0.2138296 0.4809901 1.1249415 0.8590024 0.7164516
## 3 -0.22843287 -0.2086813 -0.4921016 -0.3943103 -0.3355208 -0.5003022
## 4 -0.02676837 0.5352496 1.5831839 0.4710861 0.4893663 1.2960998
## tot.comp tot.eur perc.nou.comp perc.usat.comp tot.comp.M1419
## 1 -1.19398646 -1.2032067 -0.74039785 -0.41882391 -0.6754423
## 2 0.04154458 1.3744951 -0.06190130 0.09168169 -0.6988907
## 3 -0.14064783 -0.4283015 0.05739339 -0.04262264 0.2664349
## 4 0.65661913 0.1900407 -0.09913396 0.10350402 -0.1875025
## nou.eur.M1419 usat.eur.M1419
## 1 -0.25420583 -0.7318046
## 2 0.51062847 0.4872128
## 3 -0.15130821 -0.2078483
## 4 0.01971757 0.3345176
##
## Clustering vector:
## el Raval
## 4
## el Barri Gòtic
## 4
## la Barceloneta
## 4
## Sant Pere, Santa Caterina i la Ribera
## 4
## el Fort Pienc
## 2
## la Sagrada Família
## 4
## la Dreta de l'Eixample
## 4
## l'Antiga Esquerra de l'Eixample
## 4
## la Nova Esquerra de l'Eixample
## 4
## Sant Antoni
## 4
## el Poble Sec
## 4
## la Marina del Prat Vermell
## 1
## la Marina de Port
## 3
## la Font de la Guatlla
## 3
## Hostafrancs
## 3
## la Bordeta
## 3
## Sants - Badal
## 3
## Sants
## 2
## les Corts
## 2
## la Maternitat i Sant Ramon
## 2
## Pedralbes
## 2
## Vallvidrera, el Tibidabo i les Planes
## 3
## Sarrià
## 2
## les Tres Torres
## 2
## Sant Gervasi - la Bonanova
## 2
## Sant Gervasi - Galvany
## 2
## el Putxet i el Farró
## 2
## Vallcarca i els Penitents
## 3
## el Coll
## 3
## la Salut
## 3
## la Vila de Gràcia
## 4
## el Camp d'en Grassot i Gràcia Nova
## 2
## el Baix Guinardó
## 3
## Can Baró
## 3
## el Guinardó
## 3
## la Font d'en Fargues
## 3
## el Carmel
## 3
## la Teixonera
## 3
## Sant Genís dels Agudells
## 3
## Montbau
## 3
## la Vall d'Hebron
## 3
## la Clota
## 3
## Horta
## 3
## Vilapicina i la Torre Llobeta
## 3
## Porta
## 3
## el Turó de la Peira
## 3
## Can Peguera
## 3
## la Guineueta
## 3
## Canyelles
## 3
## les Roquetes
## 3
## Verdun
## 3
## la Prosperitat
## 3
## la Trinitat Nova
## 3
## Torre Baró
## 3
## Ciutat Meridiana
## 3
## Vallbona
## 3
## la Trinitat Vella
## 3
## Baró de Viver
## 3
## el Bon Pastor
## 3
## Sant Andreu
## 3
## la Sagrera
## 3
## el Congrés i els Indians
## 3
## Navas
## 3
## el Camp de l'Arpa del Clot
## 3
## el Clot
## 3
## el Parc i la Llacuna del Poblenou
## 3
## la Vila Olímpica del Poblenou
## 2
## el Poblenou
## 2
## Diagonal Mar i el Front Marítim del Poblenou
## 2
## el Besòs i el Maresme
## 3
## Provençals del Poblenou
## 3
## Sant Martí de Provençals
## 3
## la Verneda i la Pau
## 3
##
## Within cluster sum of squares by cluster:
## [1] 0.0000 269.1118 571.4443 269.2413
## (between_SS / total_SS = 38.3 %)
##
## Available components:
##
## [1] "cluster" "centers" "totss" "withinss" "tot.withinss"
## [6] "betweenss" "size" "iter" "ifault"kkk <- merged %>%
mutate(Cluster = finalK$cluster) %>%
group_by(Nom_Barri) #%>%
#summarise_all("mean")##GRUPO 1
K1 <- subset(kkk, Cluster == "1")
K1$Nom_Barri## [1] "la Marina del Prat Vermell"##GRUPO 2
K2 <- subset(kkk, Cluster == "2")
K2$Nom_Barri## [1] "el Fort Pienc"
## [2] "Sants"
## [3] "les Corts"
## [4] "la Maternitat i Sant Ramon"
## [5] "Pedralbes"
## [6] "Sarrià"
## [7] "les Tres Torres"
## [8] "Sant Gervasi - la Bonanova"
## [9] "Sant Gervasi - Galvany"
## [10] "el Putxet i el Farró"
## [11] "el Camp d'en Grassot i Gràcia Nova"
## [12] "la Vila Olímpica del Poblenou"
## [13] "el Poblenou"
## [14] "Diagonal Mar i el Front Marítim del Poblenou"##GRUPO 3
K3 <- subset(kkk, Cluster == "3")
K3$Nom_Barri## [1] "la Marina de Port"
## [2] "la Font de la Guatlla"
## [3] "Hostafrancs"
## [4] "la Bordeta"
## [5] "Sants - Badal"
## [6] "Vallvidrera, el Tibidabo i les Planes"
## [7] "Vallcarca i els Penitents"
## [8] "el Coll"
## [9] "la Salut"
## [10] "el Baix Guinardó"
## [11] "Can Baró"
## [12] "el Guinardó"
## [13] "la Font d'en Fargues"
## [14] "el Carmel"
## [15] "la Teixonera"
## [16] "Sant Genís dels Agudells"
## [17] "Montbau"
## [18] "la Vall d'Hebron"
## [19] "la Clota"
## [20] "Horta"
## [21] "Vilapicina i la Torre Llobeta"
## [22] "Porta"
## [23] "el Turó de la Peira"
## [24] "Can Peguera"
## [25] "la Guineueta"
## [26] "Canyelles"
## [27] "les Roquetes"
## [28] "Verdun"
## [29] "la Prosperitat"
## [30] "la Trinitat Nova"
## [31] "Torre Baró"
## [32] "Ciutat Meridiana"
## [33] "Vallbona"
## [34] "la Trinitat Vella"
## [35] "Baró de Viver"
## [36] "el Bon Pastor"
## [37] "Sant Andreu"
## [38] "la Sagrera"
## [39] "el Congrés i els Indians"
## [40] "Navas"
## [41] "el Camp de l'Arpa del Clot"
## [42] "el Clot"
## [43] "el Parc i la Llacuna del Poblenou"
## [44] "el Besòs i el Maresme"
## [45] "Provençals del Poblenou"
## [46] "Sant Martí de Provençals"
## [47] "la Verneda i la Pau"##GRUPO 4
K4 <- subset(kkk, Cluster == "4")
K4$Nom_Barri## [1] "el Raval"
## [2] "el Barri Gòtic"
## [3] "la Barceloneta"
## [4] "Sant Pere, Santa Caterina i la Ribera"
## [5] "la Sagrada Família"
## [6] "la Dreta de l'Eixample"
## [7] "l'Antiga Esquerra de l'Eixample"
## [8] "la Nova Esquerra de l'Eixample"
## [9] "Sant Antoni"
## [10] "el Poble Sec"
## [11] "la Vila de Gràcia"