---
title: "Piscicultura Boyacá"
output: 
  flexdashboard::flex_dashboard:
    orientation: columns
    vertical_layout: fill
    source_code: embed
    theme: cerulean
---

```{r setup, include=FALSE}
# ---------------- Cargando bibliotecas
library(flexdashboard)
library(tidyverse)
library(Hmisc)
library(DT)
library(plotly)
library(broom)

# ---------------- Importando datos iniciales
datos <- read_csv(
  "datos/Sector_Agropecuario._Piscicultura_en_estanques_-_DEPARTAMENTO_DE_BOYAC_.csv",
  )

# ---------------- Depurando datos
datos %>% 
  # Renombrando variables
  rename(Año = AÑO, 
         Municipio = MUNICIPIO, 
         Especie = ESPECIE,
         AnimalSiembra = `ANIMALES SEMBRADOS`,
         AnimalCosecha = `ANIMALES COSECHADOS`,
         PesoProm = `PESO PROMEDIO POR ANIMAL AL COSECHAR(g)`,
         Pdn = `PRODUCCION ESTIMADA(kg)`,
         Precio_Kg = `PRECIO AL PRODUCTOR($/kg)`) %>% 
  # Editano mayúsculas y minúsculas
  mutate(Municipio = capitalize(tolower(Municipio)),
         Especie = capitalize(tolower(Especie))) %>% 
  # Coercionando a factores 
  mutate_if(is.character, as.factor) %>% 
  # Coercionando año a factor %>% 
  mutate(Año = factor(Año)) %>% 
  # Filtrando precios menores a 15000 %>% 
  filter(Precio_Kg <= 15000) %>% 
  # Filtrando precios mayores 3000 %>% 
  filter(Precio_Kg >= 3000) ->
  datosFinal
```

# Datos

Column {data-width=600}
-----------------------------------------------------------------------

### Base de datos


```{r}
datosFinal %>% 
  datatable(extensions = 'Buttons', options = list(
     dom = 'Bfrtip',
     buttons = c('excel', 'pdf')),
     rownames = FALSE)
```

Column {data-width=250}
-----------------------------------------------------------------------

### Información General

- Los datos pueden ser consultados [aquí.](https://www.datos.gov.co/Agricultura-y-Desarrollo-Rural/Sector-Agropecuario-Piscicultura-en-estanques-DEPA/yi68-jjgw)
- **Variables:**
    - Año
    - Municipio
    - Especie
    - Animales sembrados
    - Animales cosechados
    - Peso promedio (gramos)
    - Producción estimaga (kg)
    - Precio ($/Kg)
- **Depuración:**
    - Renombrar variables.
    - Editar mayúscuas y minúsculas.
    - Coerción de variables tipo caracter a factores.

row {data-width=150}
-----------------------------------------------------------------------
    
### Número de filas

```{r}
filas <- nrow(datosFinal)
valueBox(filas, icon = "fas fa-fish", color = "primary")
```

### Número de columnas

```{r}
columnas <- ncol(datosFinal)
valueBox(columnas, icon = "fas fa-fish", color = "success")
```

### Número de años

```{r}
años <- datosFinal %>% pull(Año) %>% as.factor() %>% 
  levels() %>% length()
valueBox(años, icon = "fas fa-fish", color = "danger")
```

### Número de especies

```{r}
especies <- datosFinal %>% pull(Especie) %>% as.factor() %>% 
  levels() %>% length()
valueBox(especies, icon = "fas fa-fish", color = "warning")
```

### Número de municipios

```{r}
municipios <- datosFinal %>% pull(Municipio) %>% as.factor() %>% 
  levels() %>% length()
valueBox(municipios, icon = "fas fa-fish", color = "primary")
```    


# Exploratorio 

Column {data-width=650}
-----------------------------------------------------------------------

### Variaciones Anuales

```{r, fig.width=9}
datosFinal %>% 
  select(Año, PesoProm, Pdn, Precio_Kg, AnimalSiembra, AnimalCosecha) %>% 
  gather(key = "key", value = "valor", -Año) %>% 
  ggplot(aes(x = Año, y = valor)) +
  facet_wrap(facets = ~key, scales = "free") +
  geom_boxplot() +
  scale_y_log10() +
  theme_bw() +
  labs(x = "Año", y = "", subtitle = "Escala logarítmica")
```

Column {data-width=350  .tabset}
-----------------------------------------------------------------------

### Trucha por municipios

```{r}
datosFinal %>% 
  filter(Especie == "Trucha") %>% 
  group_by(Municipio) %>% 
  summarise(Peso = round(mean(PesoProm, na.rm = TRUE), digits = 2),
            Producción = round(mean(Pdn, na.rm = TRUE), digits = 2),
            Precio = round(mean(Precio_Kg, na.rm = TRUE), digits = 2),
            N = n()) %>% 
  arrange(desc(Precio)) %>% 
  datatable(extensions = 'Buttons', options = list(
     dom = 'Bfrtip',
     buttons = c('excel', 'pdf')),
     rownames = FALSE)
```

### Resumen por  Especie

```{r}
datosFinal %>% 
  filter(!is.na(Especie)) %>% 
  group_by(Especie) %>% 
  summarise(Peso = round(mean(PesoProm, na.rm = TRUE), digits = 2),
            Producción = round(mean(Pdn, na.rm = TRUE), digits = 2),
            Precio = round(mean(Precio_Kg, na.rm = TRUE), digits = 2),
            N = n()) %>% 
  arrange(desc(N)) %>% 
  datatable(extensions = 'Buttons', options = list(
     dom = 'Bfrtip',
     buttons = c('excel', 'pdf')),
     rownames = FALSE)
```

# Análisis Estadístico

Column {data-width=500}
-----------------------------------------------------------------------

### Comparación de Años

- **Nota:** en el ejemplo sólo utilizamos Trucha y la variable bajo análisis es el precio por kilogramo.

```{r}
g1 <- datosFinal %>% 
  filter(Especie == "Trucha") %>% 
  filter(!is.na(Especie)) %>% 
  group_by(Año)  %>% 
  summarise(Promedio = round(mean(Precio_Kg, na.rm = TRUE), digits = 2),
            DE = round(sd(Precio_Kg, na.rm = TRUE), digits = 2),
            N = n()) %>% 
  ggplot(aes(x = Año, y = Promedio,
             ymin = Promedio - DE,
             ymax = Promedio + DE)) +
  geom_errorbar(width = 0.1) +
  geom_point() +
  labs(y = "Precio ($/Kg)")
ggplotly(g1)
```


### Análisis de varianza 

```{r}
data_trucha <- datosFinal %>% 
  filter(Especie == "Trucha") %>% 
  filter(!is.na(Especie))
anova_trucha <- aov(Precio_Kg ~ Año, data = data_trucha)
tidy(anova_trucha) %>% 
  mutate_if(is.numeric, round, digits = 2) %>% 
  datatable(extensions = 'Buttons', options = list(
     dom = 'Bfrtip',
     buttons = c('excel', 'pdf')),
     rownames = FALSE) 
```

Column {data-width=500}
-----------------------------------------------------------------------

### Resumen Trucha

```{r}
datosFinal %>% 
  filter(Especie == "Trucha") %>% 
  filter(!is.na(Especie)) %>% 
  group_by(Año)  %>% 
  summarise(Promedio = round(mean(Precio_Kg, na.rm = TRUE), digits = 2),
            DE = round(sd(Precio_Kg, na.rm = TRUE), digits = 2),
            N = n()) %>% 
  datatable(extensions = 'Buttons', options = list(
     dom = 'Bfrtip',
     buttons = c('excel', 'pdf')),
     rownames = FALSE)
```

### Análisis de Residuales

```{r, fig.width=9}
par(mfrow = c(2, 2))
plot(anova_trucha)
```