Practica_ggplot.R
Sergio Vázquez - David Carrasco
Vamos a llevar a cabo 2 estudios respecto a los precios del carburante en base a:
- Comparación entre los precios de la gasolina (95) y el gasóleo con respecto al barril de Brent
- Comparativa de precios de ambos combustibles en la comunidad de Madrid mediante mapas de calor
Carga de librerías
library(quantmod)
library(ggplot2)
library(plyr)
library(grid)
library(gridExtra)
library(scales)
library(rgdal)
library(gdata)
library(sp)Constantes
brent.barril <- 'DCOILBRENTEU'
precios.combustible.path <- 'src/precio_combustible.csv'
precios.medios.path <- 'src/PRECIOS_SHP_23022015.xls'
municipios.path <- 'src/shapefile'
municipios.shapefile <- 'municipios'Funciones
Función para formatear fechas para el dataset precioCombust
createDate <- function(anio, mes){
date_month <- ifelse(nchar(mes) == 1, paste(anio, mes, sep='-0'), paste(anio, mes, sep='-'))
return(as.Date(paste(date_month, c('01'), sep='-'), format="%Y-%m-%d"))
}Gasolina 95 y Gasóleo – Barril Brent
Carga de datos de la Gasolina 95 y el Gasoleo A del año 2000 al 2015
precioCombust <- read.csv(precios.combustible.path, header = TRUE, sep = ';')Estructura del dataset precioCombust
head(precioCombust)## GASOLINA ANYO MES PRECIO
## 1 95 2000 1 0.74923
## 2 95 2000 2 0.76656
## 3 95 2000 3 0.79436
## 4 95 2000 4 0.80112
## 5 95 2000 5 0.81453
## 6 95 2000 6 0.84040Limpiamos el dataset para adaptar la fecha, formateada correctamente con formato aaaa-mm-dd, en una única columna
combustibles <- data.frame(fecha = createDate(precioCombust$ANYO, precioCombust$MES),
tipo = precioCombust$GASOLINA,
precio = precioCombust$PRECIO)Muestra del dataset combustibles
head(combustibles)## fecha tipo precio
## 1 2000-01-01 95 0.74923
## 2 2000-02-01 95 0.76656
## 3 2000-03-01 95 0.79436
## 4 2000-04-01 95 0.80112
## 5 2000-05-01 95 0.81453
## 6 2000-06-01 95 0.84040Carga de datos del barril brent
getSymbols(brent.barril, src='FRED')Muestra del dataset del precio del barril de Brent ($)
head(DCOILBRENTEU)## DCOILBRENTEU
## 1987-05-20 18.63
## 1987-05-21 18.45
## 1987-05-22 18.55
## 1987-05-25 18.60
## 1987-05-26 18.63
## 1987-05-27 18.60Agrupamos mensualmente el dataset del Brent tomando como referencia el precio de cierre
brent_monthly <- to.monthly(DCOILBRENTEU['2000::'])[,c(4)]Filtramos desde el primer mes del 2000 hasta ahora y formateamos la fecha en formato aaaa-mm-dd
df.brent <- data.frame(fecha = as.Date(format(index(brent_monthly), "%Y-%m-%d")),
tipo = c('brent'),
precio = coredata(brent_monthly)[,1])Muestra de df.brent
head(df.brent)## fecha tipo precio
## 1 2000-01-01 brent 27.08
## 2 2000-02-01 brent 29.01
## 3 2000-03-01 brent 23.98
## 4 2000-04-01 brent 23.79
## 5 2000-05-01 brent 29.64
## 6 2000-06-01 brent 31.58Concatenamos df.brent bajo combustible para tener todos los tipos en un dataframe
df.total <- rbind(combustibles, df.brent)Gráfica
graficaGasolina <- ggplot(combustibles, aes(fecha, precio, shape = tipo, colour = tipo)) +
geom_line(aes(group = tipo)) +
theme(legend.position = "top", axis.text.x = element_blank(),
axis.ticks = element_blank(), axis.title.x = element_blank()) +
scale_x_date(labels = date_format("%Y"), breaks = "3 month") graficaBrent <- ggplot(df.brent, aes(fecha, precio, shape = tipo, colour = tipo)) +
geom_line(aes(group = tipo)) +
theme(legend.position = "top", axis.text.x = element_text(angle = 90)) +
scale_x_date(labels = date_format("%Y-%b"), breaks = "3 month")grid.arrange(graficaGasolina, graficaBrent, ncol=1) 
Viendo las correlaciones de ambos tipos de combustible contra el barril Brent, se puede observar que es un 1% mayor con el Gasóleo que con la Gasolina 95
cor(combustibles[combustibles$tipo == 95, c('precio')], df.brent$precio)## [1] 0.940297cor(combustibles[combustibles$tipo == 'GASOLEO_A', c('precio')], df.brent$precio)## [1] 0.9571202Comparativa de precios Comunidad de Madrid
Descargamos el fichero de datos con los datos de ambos combustibles de la comunidad y creamos el dataframe
precMedio.gasoleo <- read.xls(precios.medios.path, sheet = "promedio_gasoleo", header = TRUE,
colClasses = c("Provincia" = "character", "Localidad" = "character",
"TIPO" = "character", "GEOCODIGO" = "character"),
stringsAsFactors = FALSE)
#Limpiamos columnas sobrantes
DatosGasoleo <- precMedio.gasoleo[,1:5] Muestra de los datos del Gasóleo
head(DatosGasoleo)## Provincia Localidad PrecioGasoleo TIPO GEOCODIGO
## 1 MADRID AJALVIR 1.159000 GASOLEO 0029
## 2 MADRID ALAMO (EL) 1.111667 GASOLEO 0040
## 3 MADRID ALCALA DE HENARES 1.156778 GASOLEO 0053
## 4 MADRID ALCOBENDAS 1.183471 GASOLEO 0066
## 5 MADRID ALCORCON 1.113000 GASOLEO 0072
## 6 MADRID ALDEA DEL FRESNO 1.159000 GASOLEO 0088precMedio.gasolina <- read.xls(precios.medios.path, sheet = "promedio_gasolina", header = TRUE,
colClasses=c("Provincia" = "character", "Localidad" = "character",
"TIPO" = "character", "GEOCODIGO" = "character"),
stringsAsFactors = FALSE)
#Limpiamos columnas sobrantes
DatosGasolina <- precMedio.gasolina[,1:5]Muestra de los datos de la Gasolina
head(DatosGasolina)## Provincia Localidad PrecioGasolina TIPO GEOCODIGO
## 1 MADRID AJALVIR 1.199000 GASOLINA 95 0029
## 2 MADRID ALAMO (EL) 1.204000 GASOLINA 95 0040
## 3 MADRID ALCALA DE HENARES 1.220176 GASOLINA 95 0053
## 4 MADRID ALCOBENDAS 1.214813 GASOLINA 95 0066
## 5 MADRID ALCORCON 1.174739 GASOLINA 95 0072
## 6 MADRID ALDEA DEL FRESNO 1.219000 GASOLINA 95 0088Cargamos el shapefile con los datos geoespaciales de los municipios de Madrid
municipios <- readOGR(dsn = municipios.path, layer = municipios.shapefile)Extraemos los datos geospatial a través de la función fortify de los municipios y hacemos el join con la parte @data de dicho objeto de clase SpatialPolygonsDataFrame
municipios@data$id <- rownames(municipios@data)
municipios.df <- fortify(municipios)
municipios.df <- join(municipios.df, municipios@data, by="id")Muestra de municipios.df
head(municipios.df)## long lat order hole piece group id CODBDT GEOCODIGO DESBDT
## 1 449269.0 4547740 1 FALSE 1 0.1 0 754123 0014 Acebeda, La
## 2 449109.6 4547659 2 FALSE 1 0.1 0 754123 0014 Acebeda, La
## 3 448944.3 4547620 3 FALSE 1 0.1 0 754123 0014 Acebeda, La
## 4 448948.9 4547637 4 FALSE 1 0.1 0 754123 0014 Acebeda, La
## 5 448954.0 4547658 5 FALSE 1 0.1 0 754123 0014 Acebeda, La
## 6 448957.3 4547676 6 FALSE 1 0.1 0 754123 0014 Acebeda, LaUnimos el dataframe municipios.df con los 2 anteriores dataframe que tienen los precios de la Gasolina y el Gasóleo por municipio
municipios.df <- join(municipios.df, DatosGasolina, by = c('GEOCODIGO'), type = "inner")
municipios.df <- join(municipios.df, DatosGasoleo, by = c('GEOCODIGO', 'Localidad', 'Provincia'),
type = 'inner')Muestra del join resultante
head(municipios.df)## long lat order hole piece group id CODBDT GEOCODIGO DESBDT
## 1 459224.8 4489965 1 FALSE 1 1.1 1 754124 0029 Ajalvir
## 2 459200.5 4489734 2 FALSE 1 1.1 1 754124 0029 Ajalvir
## 3 459356.7 4489771 3 FALSE 1 1.1 1 754124 0029 Ajalvir
## 4 459355.9 4489646 4 FALSE 1 1.1 1 754124 0029 Ajalvir
## 5 459355.9 4489646 5 FALSE 1 1.1 1 754124 0029 Ajalvir
## 6 459339.6 4489594 6 FALSE 1 1.1 1 754124 0029 Ajalvir
## Provincia Localidad PrecioGasolina TIPO PrecioGasoleo TIPO
## 1 MADRID AJALVIR 1.199 GASOLINA 95 1.159 GASOLEO
## 2 MADRID AJALVIR 1.199 GASOLINA 95 1.159 GASOLEO
## 3 MADRID AJALVIR 1.199 GASOLINA 95 1.159 GASOLEO
## 4 MADRID AJALVIR 1.199 GASOLINA 95 1.159 GASOLEO
## 5 MADRID AJALVIR 1.199 GASOLINA 95 1.159 GASOLEO
## 6 MADRID AJALVIR 1.199 GASOLINA 95 1.159 GASOLEOGráfica
plotGasolina <- ggplot(data=municipios.df, aes(x=long, y=lat, group=group)) +
geom_polygon(aes(fill = PrecioGasolina)) +
theme(legend.position = "bottom", axis.ticks = element_blank(),
axis.text.x = element_blank(), axis.title.x = element_blank(),
axis.text.y = element_blank(), axis.title.y = element_blank()) +
labs(title="Precio medio Gasolina 95 por municipio") +
#geom_path(color="grey", linestyle=2) + # draw boundaries
coord_equal() +
scale_fill_gradient(low = "#F5FBEF", high = "#38610B", space = "Lab",
na.value = "grey50", guide = "colourbar")plotGasoleo <- ggplot(data=municipios.df, aes(x=long, y=lat, group=group)) +
geom_polygon(aes(fill = PrecioGasoleo)) +
theme(legend.position = "bottom", axis.ticks = element_blank(),
axis.text.x = element_blank(), axis.title.x = element_blank(),
axis.text.y = element_blank(), axis.title.y = element_blank()) +
labs(title="Precio medio Gasoleo A por municipio") +
#geom_path(color="grey", linestyle=2) + # draw boundaries
coord_equal() +
scale_fill_gradient(low = "#FBEFEF", high = "#610B0B", space = "Lab",
na.value = "grey50", guide = "colourbar")grid.arrange(plotGasolina, plotGasoleo, ncol=2)