Variables
merged <- merged %>%
filter(Codi != 12)
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 13, 45, 10, 4
##
## Cluster means:
## n.tot pc.esp pc.ue27-esp pc.20.34 2019-2014 n.esp.M1419
## 1 1.4380842 -0.2158937 0.33403673 0.5123199 0.13977368 -1.3629106
## 2 -0.3935549 0.2339438 -0.41289053 -0.2862544 -0.02459496 0.3997149
## 3 -0.1955372 0.5019824 0.04104909 -0.6795651 0.58739488 0.4957632
## 4 0.2425617 -3.1851692 3.45677640 3.2542353 -1.64605832 -1.3067416
## hotel2019 rest1614 RFD.2017 tot_ann pmedio pmedio.M1519
## 1 1.4192834 -0.04647574 0.5308344 1.2040738 0.7461673 0.6648797
## 2 -0.4234302 0.08938767 -0.4892133 -0.4686049 -0.5237654 -0.4101835
## 3 -0.3227198 0.43427422 1.5616160 -0.3109618 1.4098438 1.2081937
## 4 0.9577186 -1.94025068 -0.1256018 2.1359700 -0.0572929 -0.5667790
## pm_ent.M1519 pm_priv.M1519 alq.num alq.pm alq.pm.M1519 alq.num.M1519
## 1 0.2421407 0.4920666 1.66596644 0.5473044 0.4185597 1.6026125
## 2 -0.3314684 -0.1816273 -0.52656661 -0.4639253 -0.3682728 -0.5213923
## 3 1.4153164 -0.1028186 -0.04918067 1.2709019 0.9364548 0.2090170
## 4 -0.5962286 0.7011371 0.63243512 0.2631659 0.4416122 0.1346298
## tot.comp tot.eur perc.nou.comp perc.usat.comp tot.comp.M1419
## 1 0.8005023 0.4580608 -0.12514457 0.1122011 -0.03445123
## 2 -0.1959351 -0.4614149 0.05141866 -0.0531491 0.22911115
## 3 -0.4248610 1.5252329 -0.12366625 0.1419574 -0.77872355
## 4 0.6647900 -0.1108625 0.13742554 -0.1216197 -0.51872509
## nou.eur.M1419 usat.eur.M1419
## 1 0.2702388 0.44747094
## 2 -0.1593267 -0.20796202
## 3 0.2840103 0.37020932
## 4 0.2041234 -0.04023116
##
## Clustering vector:
## el Raval
## 4
## el Barri Gòtic
## 4
## la Barceloneta
## 4
## Sant Pere, Santa Caterina i la Ribera
## 4
## el Fort Pienc
## 1
## la Sagrada Família
## 1
## la Dreta de l'Eixample
## 1
## l'Antiga Esquerra de l'Eixample
## 1
## la Nova Esquerra de l'Eixample
## 1
## Sant Antoni
## 1
## el Poble Sec
## 1
## la Marina de Port
## 2
## la Font de la Guatlla
## 2
## Hostafrancs
## 2
## la Bordeta
## 2
## Sants - Badal
## 2
## Sants
## 1
## les Corts
## 1
## la Maternitat i Sant Ramon
## 3
## Pedralbes
## 3
## Vallvidrera, el Tibidabo i les Planes
## 2
## Sarrià
## 3
## les Tres Torres
## 3
## Sant Gervasi - la Bonanova
## 3
## Sant Gervasi - Galvany
## 1
## el Putxet i el Farró
## 3
## Vallcarca i els Penitents
## 2
## el Coll
## 2
## la Salut
## 2
## la Vila de Gràcia
## 1
## el Camp d'en Grassot i Gràcia Nova
## 1
## el Baix Guinardó
## 2
## Can Baró
## 2
## el Guinardó
## 2
## la Font d'en Fargues
## 3
## el Carmel
## 2
## la Teixonera
## 2
## Sant Genís dels Agudells
## 2
## Montbau
## 2
## la Vall d'Hebron
## 2
## la Clota
## 2
## Horta
## 2
## Vilapicina i la Torre Llobeta
## 2
## Porta
## 2
## el Turó de la Peira
## 2
## Can Peguera
## 2
## la Guineueta
## 2
## Canyelles
## 2
## les Roquetes
## 2
## Verdun
## 2
## la Prosperitat
## 2
## la Trinitat Nova
## 2
## Torre Baró
## 2
## Ciutat Meridiana
## 2
## Vallbona
## 2
## la Trinitat Vella
## 2
## Baró de Viver
## 2
## el Bon Pastor
## 2
## Sant Andreu
## 2
## la Sagrera
## 2
## el Congrés i els Indians
## 2
## Navas
## 2
## el Camp de l'Arpa del Clot
## 1
## el Clot
## 2
## el Parc i la Llacuna del Poblenou
## 2
## la Vila Olímpica del Poblenou
## 3
## el Poblenou
## 3
## Diagonal Mar i el Front Marítim del Poblenou
## 3
## el Besòs i el Maresme
## 2
## Provençals del Poblenou
## 2
## Sant Martí de Provençals
## 2
## la Verneda i la Pau
## 2
##
## Within cluster sum of squares by cluster:
## [1] 223.87950 547.54392 223.84537 74.10241
## (between_SS / total_SS = 39.8 %)
##
## 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] "el Fort Pienc" "la Sagrada Família"
## [3] "la Dreta de l'Eixample" "l'Antiga Esquerra de l'Eixample"
## [5] "la Nova Esquerra de l'Eixample" "Sant Antoni"
## [7] "el Poble Sec" "Sants"
## [9] "les Corts" "Sant Gervasi - Galvany"
## [11] "la Vila de Gràcia" "el Camp d'en Grassot i Gràcia Nova"
## [13] "el Camp de l'Arpa del Clot"##GRUPO 2
K2 <- subset(kkk, Cluster == "2")
K2$Nom_Barri## [1] "la Marina de Port"
## [2] "la Font de la Guatlla"
## [3] "Hostafrancs"
## [4] "la Bordeta"
## [5] "Sants - Badal"
## [6] "Vallvidrera, el Tibidabo i les Planes"
## [7] "Vallcarca i els Penitents"
## [8] "el Coll"
## [9] "la Salut"
## [10] "el Baix Guinardó"
## [11] "Can Baró"
## [12] "el Guinardó"
## [13] "el Carmel"
## [14] "la Teixonera"
## [15] "Sant Genís dels Agudells"
## [16] "Montbau"
## [17] "la Vall d'Hebron"
## [18] "la Clota"
## [19] "Horta"
## [20] "Vilapicina i la Torre Llobeta"
## [21] "Porta"
## [22] "el Turó de la Peira"
## [23] "Can Peguera"
## [24] "la Guineueta"
## [25] "Canyelles"
## [26] "les Roquetes"
## [27] "Verdun"
## [28] "la Prosperitat"
## [29] "la Trinitat Nova"
## [30] "Torre Baró"
## [31] "Ciutat Meridiana"
## [32] "Vallbona"
## [33] "la Trinitat Vella"
## [34] "Baró de Viver"
## [35] "el Bon Pastor"
## [36] "Sant Andreu"
## [37] "la Sagrera"
## [38] "el Congrés i els Indians"
## [39] "Navas"
## [40] "el Clot"
## [41] "el Parc i la Llacuna del Poblenou"
## [42] "el Besòs i el Maresme"
## [43] "Provençals del Poblenou"
## [44] "Sant Martí de Provençals"
## [45] "la Verneda i la Pau"##GRUPO 3
K3 <- subset(kkk, Cluster == "3")
K3$Nom_Barri## [1] "la Maternitat i Sant Ramon"
## [2] "Pedralbes"
## [3] "Sarrià"
## [4] "les Tres Torres"
## [5] "Sant Gervasi - la Bonanova"
## [6] "el Putxet i el Farró"
## [7] "la Font d'en Fargues"
## [8] "la Vila Olímpica del Poblenou"
## [9] "el Poblenou"
## [10] "Diagonal Mar i el Front Marítim del Poblenou"##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"