TP Final
Ana Fehrmann & Eleonora Pereyra
12/9/2020
Trabajo Práctico Final - Instrumentos de Análisis Territorial, MEU
En el presente trabajo pretendemos analizar la relación que existe entre la localizacioñn de los alojamientos turísitcos y el desarrollo de actividades económicas ubicadas en planta baja en la ciudad de Barcelona.
Para ello, seleccionamos diversos datasets de la página oficial del “Servicio de datos abiertos del Ayuntamiento de Barcelona”.
De estos, utilizaremos:
- Censo de actividades económicas en planta baja de la ciudad de Barcelona 2019
- Alojamientos de la ciudad de Barcelona
- Pensiones de la ciudad de Barcelona
- Hoteles de la ciudad de Barcelona
1- Comenzamos cargando las librerias que podemos llegar a utilizar a lo largo del trabajo:
library(tidyverse)## ── Attaching packages ─────────────────────────────────────── tidyverse 1.3.0 ──## ✓ ggplot2 3.3.0 ✓ purrr 0.3.3
## ✓ tibble 2.1.3 ✓ dplyr 0.8.5
## ✓ tidyr 1.0.2 ✓ stringr 1.4.0
## ✓ readr 1.3.1 ✓ forcats 0.5.0## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()library(sf)## Linking to GEOS 3.7.2, GDAL 2.4.2, PROJ 5.2.0library(leaflet)
library(wrapr)##
## Attaching package: 'wrapr'## The following object is masked from 'package:dplyr':
##
## coalesce## The following object is masked from 'package:tidyr':
##
## unpack## The following object is masked from 'package:tibble':
##
## viewlibrary(osmdata)## Data (c) OpenStreetMap contributors, ODbL 1.0. https://www.openstreetmap.org/copyrightlibrary(tmap)
library(areal)
library(hereR)
library(vip)##
## Attaching package: 'vip'## The following object is masked from 'package:utils':
##
## vilibrary(ggthemes)
library(spdep)## Loading required package: sp## Loading required package: spData## To access larger datasets in this package, install the spDataLarge
## package with: `install.packages('spDataLarge',
## repos='https://nowosad.github.io/drat/', type='source')`require(spatialreg)## Loading required package: spatialreg## Loading required package: Matrix##
## Attaching package: 'Matrix'## The following object is masked from 'package:wrapr':
##
## unpack## The following objects are masked from 'package:tidyr':
##
## expand, pack, unpack## Registered S3 methods overwritten by 'spatialreg':
## method from
## residuals.stsls spdep
## deviance.stsls spdep
## coef.stsls spdep
## print.stsls spdep
## summary.stsls spdep
## print.summary.stsls spdep
## residuals.gmsar spdep
## deviance.gmsar spdep
## coef.gmsar spdep
## fitted.gmsar spdep
## print.gmsar spdep
## summary.gmsar spdep
## print.summary.gmsar spdep
## print.lagmess spdep
## summary.lagmess spdep
## print.summary.lagmess spdep
## residuals.lagmess spdep
## deviance.lagmess spdep
## coef.lagmess spdep
## fitted.lagmess spdep
## logLik.lagmess spdep
## fitted.SFResult spdep
## print.SFResult spdep
## fitted.ME_res spdep
## print.ME_res spdep
## print.lagImpact spdep
## plot.lagImpact spdep
## summary.lagImpact spdep
## HPDinterval.lagImpact spdep
## print.summary.lagImpact spdep
## print.sarlm spdep
## summary.sarlm spdep
## residuals.sarlm spdep
## deviance.sarlm spdep
## coef.sarlm spdep
## vcov.sarlm spdep
## fitted.sarlm spdep
## logLik.sarlm spdep
## anova.sarlm spdep
## predict.sarlm spdep
## print.summary.sarlm spdep
## print.sarlm.pred spdep
## as.data.frame.sarlm.pred spdep
## residuals.spautolm spdep
## deviance.spautolm spdep
## coef.spautolm spdep
## fitted.spautolm spdep
## print.spautolm spdep
## summary.spautolm spdep
## logLik.spautolm spdep
## print.summary.spautolm spdep
## print.WXImpact spdep
## summary.WXImpact spdep
## print.summary.WXImpact spdep
## predict.SLX spdep##
## Attaching package: 'spatialreg'## The following objects are masked from 'package:spdep':
##
## anova.sarlm, as_dgRMatrix_listw, as_dsCMatrix_I, as_dsCMatrix_IrW,
## as_dsTMatrix_listw, as.spam.listw, bptest.sarlm, can.be.simmed,
## cheb_setup, coef.gmsar, coef.sarlm, coef.spautolm, coef.stsls,
## create_WX, deviance.gmsar, deviance.sarlm, deviance.spautolm,
## deviance.stsls, do_ldet, eigen_pre_setup, eigen_setup, eigenw,
## errorsarlm, fitted.gmsar, fitted.ME_res, fitted.sarlm,
## fitted.SFResult, fitted.spautolm, get.ClusterOption,
## get.coresOption, get.mcOption, get.VerboseOption,
## get.ZeroPolicyOption, GMargminImage, GMerrorsar, griffith_sone,
## gstsls, Hausman.test, HPDinterval.lagImpact, impacts, intImpacts,
## Jacobian_W, jacobianSetup, l_max, lagmess, lagsarlm, lextrB,
## lextrS, lextrW, lmSLX, logLik.sarlm, logLik.spautolm, LR.sarlm,
## LR1.sarlm, LR1.spautolm, LU_prepermutate_setup, LU_setup,
## Matrix_J_setup, Matrix_setup, mcdet_setup, MCMCsamp, ME, mom_calc,
## mom_calc_int2, moments_setup, powerWeights, predict.sarlm,
## predict.SLX, print.gmsar, print.ME_res, print.sarlm,
## print.sarlm.pred, print.SFResult, print.spautolm, print.stsls,
## print.summary.gmsar, print.summary.sarlm, print.summary.spautolm,
## print.summary.stsls, residuals.gmsar, residuals.sarlm,
## residuals.spautolm, residuals.stsls, sacsarlm, SE_classic_setup,
## SE_interp_setup, SE_whichMin_setup, set.ClusterOption,
## set.coresOption, set.mcOption, set.VerboseOption,
## set.ZeroPolicyOption, similar.listw, spam_setup, spam_update_setup,
## SpatialFiltering, spautolm, spBreg_err, spBreg_lag, spBreg_sac,
## stsls, subgraph_eigenw, summary.gmsar, summary.sarlm,
## summary.spautolm, summary.stsls, trW, vcov.sarlm, Wald1.sarlmrequire(splitstackshape)## Loading required package: splitstackshape2- Cargamos y observamos los dataset seleccionados relacionados a los alojamientos turisticos:
Alojamientos:
Alojamientos <- read.csv("01_Alojamientos.csv")
head(Alojamientos)## CODI_EQUIPAMENT EQUIPAMENT SECCIO TIPUS_VIA
## 1 146175914 Residència Universitària Lesseps # Pl
## 2 146175914 Residència Universitària Lesseps # Pl
## 3 146175914 Residència Universitària Lesseps # Pl
## 4 146180329 Residència Universitària La Ciutadella # Pg
## 5 146180329 Residència Universitària La Ciutadella # Pg
## 6 146180329 Residència Universitària La Ciutadella # Pg
## NOM_CARRER NUM_CARRER_1 NUM_CARRER_2 CODI_BARRI
## 1 Lesseps 12 12 31
## 2 Lesseps 12 12 31
## 3 Lesseps 12 12 31
## 4 Pujades 33 37 66
## 5 Pujades 33 37 66
## 6 Pujades 33 37 66
## NUM_BARRI CODI_DISTRICTE NOM_DISTRICTE CODI_POSTAL
## 1 la Vila de Gràcia 6 Gràcia 8023
## 2 la Vila de Gràcia 6 Gràcia 8023
## 3 la Vila de Gràcia 6 Gràcia 8023
## 4 el Parc i la Llacuna del Poblenou 10 Sant Martí 8018
## 5 el Parc i la Llacuna del Poblenou 10 Sant Martí 8018
## 6 el Parc i la Llacuna del Poblenou 10 Sant Martí 8018
## CODI_POBLACIO POBLACIO LATITUD LONGITUD X_ETRS89 Y_ETRS89 X_ED50 Y_ED50
## 1 19 BARCELONA 41.40717 2.151154 429051.5 4584306 429143.5 4584507
## 2 19 BARCELONA 41.40717 2.151154 429051.5 4584306 429143.5 4584507
## 3 19 BARCELONA 41.40717 2.151154 429051.5 4584306 429143.5 4584507
## 4 19 BARCELONA 41.39156 2.186115 431957.4 4582545 432049.4 4582746
## 5 19 BARCELONA 41.39156 2.186115 431957.4 4582545 432049.4 4582746
## 6 19 BARCELONA 41.39156 2.186115 431957.4 4582545 432049.4 4582746
## TELEFON_NUM TELEFON_TIPUS TELEFON_INFO_COM HORARI_PERIODE_INICI
## 1 932183250 Fax
## 2 902444447 Reserves
## 3 932384802 Tel.
## 4 932183250 Fax
## 5 932384802 Tel.
## 6 902444447 Reserves
## HORARI_PERIODE_FI HORARI_DIES HORARI_HORES_INICI HORARI_HORES_FI
## 1 NA
## 2 NA
## 3 NA
## 4 NA
## 5 NA
## 6 NA
## HORARI_OBSERVACIONS X3ER_NIVELL X2N_NIVELL X1ER_NIVELL X
## 1 NA Residències d'estudiants Allotjament NA
## 2 NA Residències d'estudiants Allotjament NA
## 3 NA Residències d'estudiants Allotjament NA
## 4 NA Residències d'estudiants Allotjament NA
## 5 NA Residències d'estudiants Allotjament NA
## 6 NA Residències d'estudiants Allotjament NAUtilizamos el comando summary para detectar si existen alojamientos turísitcos en este dataset:
summary(Alojamientos)## CODI_EQUIPAMENT
## Min. :1.462e+08
## 1st Qu.:9.892e+10
## Median :9.940e+10
## Mean :9.482e+10
## 3rd Qu.:9.940e+10
## Max. :9.940e+10
##
## EQUIPAMENT
## Pis Modernista Aribau : 16
## Casa Marsans - Alberg Mare de Déu de Montserrat - AJ000084: 12
## Residència d'Estudiants Barcelona Diagonal - AJ000658 : 8
## Residència Universitària Internacional Àgora BCN : 8
## Residència Universitària Sants - AJ000640 : 8
## Barcelona Residencias : 6
## (Other) :522
## SECCIO TIPUS_VIA NOM_CARRER
## # :558 C :434 Aribau : 18
## Residència Estudiants: 3 Pg : 48 Bruc : 18
## Residència Sardenya : 3 Av : 24 Gràcia : 16
## Banys : 2 Rda : 23 València : 16
## Biblioteca : 2 Ptge : 14 Sant Pere : 15
## Cambres : 2 G.V. : 13 Mare de Déu del Coll: 14
## (Other) : 10 (Other): 24 (Other) :483
## NUM_CARRER_1 NUM_CARRER_2 CODI_BARRI
## Min. : 1.0 Min. : 1.0 Min. : 1.00
## 1st Qu.: 21.0 1st Qu.: 21.0 1st Qu.: 7.00
## Median : 48.5 Median : 51.0 Median :10.00
## Mean :107.1 Mean :107.7 Mean :16.89
## 3rd Qu.:116.0 3rd Qu.:116.0 3rd Qu.:25.00
## Max. :716.0 Max. :716.0 Max. :68.00
##
## NUM_BARRI CODI_DISTRICTE
## la Dreta de Eixample :144 Min. : 1.000
## l'Antiga Esquerra de l'Eixample: 48 1st Qu.: 2.000
## la Vila de Gràcia : 37 Median : 2.000
## Sants : 30 Mean : 3.472
## el Poble-sec : 27 3rd Qu.: 5.000
## Sant Gervasi - Galvany : 26 Max. :10.000
## (Other) :268
## NOM_DISTRICTE CODI_POSTAL CODI_POBLACIO POBLACIO
## Eixample :240 Min. :8001 Min. :19 BARCELONA:580
## Sarrià-Sant Gervasi: 84 1st Qu.:8007 1st Qu.:19
## Sants-Montjuïc : 65 Median :8012 Median :19
## Ciutat Vella : 61 Mean :8015 Mean :19
## Gràcia : 55 3rd Qu.:8023 3rd Qu.:19
## Les Corts : 26 Max. :8037 Max. :19
## (Other) : 49
## LATITUD LONGITUD X_ETRS89 Y_ETRS89
## Min. :41.37 Min. :2.102 Min. :424945 Min. :4579869
## 1st Qu.:41.38 1st Qu.:2.147 1st Qu.:428704 1st Qu.:4581781
## Median :41.39 Median :2.161 Median :429907 Median :4582643
## Mean :41.39 Mean :2.158 Mean :429636 Mean :4582786
## 3rd Qu.:41.40 3rd Qu.:2.172 3rd Qu.:430751 3rd Qu.:4583471
## Max. :41.44 Max. :2.206 Max. :433617 Max. :4587884
##
## X_ED50 Y_ED50 TELEFON_NUM
## Min. :425037 Min. :4580070 650 941 910: 16
## 1st Qu.:428796 1st Qu.:4581982 902444447 : 6
## Median :429999 Median :4582844 625577453 : 4
## Mean :429728 Mean :4582987 630321284 : 4
## 3rd Qu.:430843 3rd Qu.:4583672 635669021 : 4
## Max. :433709 Max. :4588085 653699234 : 4
## (Other) :542
## TELEFON_TIPUS TELEFON_INFO_COM HORARI_PERIODE_INICI
## Centraleta : 7 :566 :565
## Fax : 78 allotjament : 1 01/01: 15
## Informació : 4 Check-in : 1
## Informació i reserves: 2 Col.legi SIL : 1
## Reserves : 5 i reserves : 4
## Tel. :484 Recepció : 6
## religioses grans: 1
## HORARI_PERIODE_FI HORARI_DIES HORARI_HORES_INICI HORARI_HORES_FI
## :565 Min. : 0 :565 :565
## 31/12: 15 1st Qu.:1111111 08:00:00: 6 15:00:00: 6
## Median :1111111 09:00:00: 3 20:00:00: 3
## Mean : 888889 16:00:00: 6 23:00:00: 6
## 3rd Qu.:1111111
## Max. :1111111
## NA's :565
## HORARI_OBSERVACIONS X3ER_NIVELL
## Mode:logical :369
## NA's:580 Albergs juvenils :173
## Apartaments : 26
## Col.legis majors : 2
## Residències d'estudiants: 10
##
##
## X2N_NIVELL X1ER_NIVELL X
## Albergs juvenils :173 Allotjament:580 Mode:logical
## Altres allotjaments :211 NA's:580
## Apartaments : 46
## Col.legis majors : 25
## Residències d'estudiants:125
##
## Observando el dataset, verificamos que existen alojamientos que no serían exclusivamente turísitcos, por lo que decidimos trabajar solamente con los alojamientos nombrados en la columna “X2N_NIVELL” como: - Albergs juvenils - Altres allotjaments - Apartaments
ALOJAMIENTOS <- filter(Alojamientos, X2N_NIVELL %in% c("Albergs juvenils","Altres allotjaments" , "Apartaments"))
head(ALOJAMIENTOS)## CODI_EQUIPAMENT EQUIPAMENT SECCIO TIPUS_VIA
## 1 75990024905 Apartament Turístic Mur-Mar - ATB-000042 # C
## 2 75990024905 Apartament Turístic Mur-Mar - ATB-000042 # C
## 3 75990024905 Apartament Turístic Mur-Mar - ATB-000042 # C
## 4 75990024905 Apartament Turístic Mur-Mar - ATB-000042 # C
## 5 75990026619 Aparthotel Bertran - HB-003804 # C
## 6 75990028628 Apartament Turístic Silver - ATB-000005 # C
## NOM_CARRER NUM_CARRER_1 NUM_CARRER_2 CODI_BARRI
## 1 Rambla 34 34 2
## 2 Rambla 34 34 2
## 3 Rambla 34 34 2
## 4 Rambla 34 34 2
## 5 Bertran 150 150 27
## 6 Bretón de los Herreros 26 26 31
## NUM_BARRI CODI_DISTRICTE NOM_DISTRICTE CODI_POSTAL
## 1 el Barri Gòtic 1 Ciutat Vella 8002
## 2 el Barri Gòtic 1 Ciutat Vella 8002
## 3 el Barri Gòtic 1 Ciutat Vella 8002
## 4 el Barri Gòtic 1 Ciutat Vella 8002
## 5 el Putxet i el Farró 5 Sarrià-Sant Gervasi 8023
## 6 la Vila de Gràcia 6 Gràcia 8012
## CODI_POBLACIO POBLACIO LATITUD LONGITUD X_ETRS89 Y_ETRS89 X_ED50 Y_ED50
## 1 19 BARCELONA 41.37889 2.175867 431087.3 4581147 431179.3 4581348
## 2 19 BARCELONA 41.37889 2.175867 431087.3 4581147 431179.3 4581348
## 3 19 BARCELONA 41.37889 2.175867 431087.3 4581147 431179.3 4581348
## 4 19 BARCELONA 41.37889 2.175867 431087.3 4581147 431179.3 4581348
## 5 19 BARCELONA 41.41041 2.139752 428102.1 4584675 428194.0 4584876
## 6 19 BARCELONA 41.40211 2.151199 429049.9 4583745 429141.8 4583946
## TELEFON_NUM TELEFON_TIPUS TELEFON_INFO_COM HORARI_PERIODE_INICI
## 1 934125039 Fax
## 2 933182612 Tel.
## 3 933182612 Tel.
## 4 934125039 Fax
## 5 932127550 Centraleta
## 6 934161447 Fax
## HORARI_PERIODE_FI HORARI_DIES HORARI_HORES_INICI HORARI_HORES_FI
## 1 NA
## 2 NA
## 3 NA
## 4 NA
## 5 NA
## 6 NA
## HORARI_OBSERVACIONS X3ER_NIVELL X2N_NIVELL X1ER_NIVELL X
## 1 NA Apartaments Altres allotjaments Allotjament NA
## 2 NA Apartaments Altres allotjaments Allotjament NA
## 3 NA Apartaments Allotjament NA
## 4 NA Apartaments Allotjament NA
## 5 NA Apartaments Allotjament NA
## 6 NA Apartaments Altres allotjaments Allotjament NAsummary(ALOJAMIENTOS)## CODI_EQUIPAMENT
## Min. :7.599e+10
## 1st Qu.:9.940e+10
## Median :9.940e+10
## Mean :9.761e+10
## 3rd Qu.:9.940e+10
## Max. :9.940e+10
##
## EQUIPAMENT
## Pis Modernista Aribau : 16
## Casa Marsans - Alberg Mare de Déu de Montserrat - AJ000084: 12
## Residència d'Estudiants Barcelona Diagonal - AJ000658 : 6
## Residència Universitària Sants - AJ000640 : 6
## After Hostel - AJ000543 : 4
## Alberg Don Moustache! - AJ000540 : 4
## (Other) :382
## SECCIO TIPUS_VIA NOM_CARRER NUM_CARRER_1
## # :416 C :331 Aribau : 16 Min. : 2.00
## Banys : 2 Pg : 33 Bruc : 16 1st Qu.: 24.25
## Biblioteca: 2 Rda : 22 València : 16 Median : 51.00
## Cambres : 2 Av : 11 Mare de Déu del Coll: 14 Mean :103.16
## Cuina : 2 G.V. : 10 Sant Pere : 14 3rd Qu.: 98.00
## Hall : 2 Via : 10 Augusta : 10 Max. :716.00
## (Other) : 4 (Other): 13 (Other) :344
## NUM_CARRER_2 CODI_BARRI NUM_BARRI
## Min. : 2.00 Min. : 1 la Dreta de Eixample :122
## 1st Qu.: 24.25 1st Qu.: 7 l'Antiga Esquerra de l'Eixample: 41
## Median : 51.00 Median : 8 Sants : 27
## Mean :103.81 Mean :16 la Vila de Gràcia : 25
## 3rd Qu.: 98.00 3rd Qu.:23 el Poble-sec : 24
## Max. :716.00 Max. :68 el Barri Gòtic : 19
## (Other) :172
## CODI_DISTRICTE NOM_DISTRICTE CODI_POSTAL CODI_POBLACIO
## Min. : 1.000 Eixample :200 Min. :8001 Min. :19
## 1st Qu.: 2.000 Sants-Montjuïc : 59 1st Qu.:8007 1st Qu.:19
## Median : 2.000 Ciutat Vella : 44 Median :8011 Median :19
## Mean : 3.314 Gràcia : 43 Mean :8015 Mean :19
## 3rd Qu.: 5.000 Sarrià-Sant Gervasi: 33 3rd Qu.:8023 3rd Qu.:19
## Max. :10.000 Sant Martí : 17 Max. :8037 Max. :19
## (Other) : 34
## POBLACIO LATITUD LONGITUD X_ETRS89
## BARCELONA:430 Min. :41.37 Min. :2.102 Min. :424945
## 1st Qu.:41.38 1st Qu.:2.151 1st Qu.:429058
## Median :41.39 Median :2.165 Median :430139
## Mean :41.39 Mean :2.161 Mean :429874
## 3rd Qu.:41.40 3rd Qu.:2.173 3rd Qu.:430883
## Max. :41.44 Max. :2.206 Max. :433617
##
## Y_ETRS89 X_ED50 Y_ED50 TELEFON_NUM
## Min. :4579869 Min. :425037 Min. :4580070 650 941 910: 16
## 1st Qu.:4581455 1st Qu.:429150 1st Qu.:4581656 625577453 : 4
## Median :4582550 Median :430231 Median :4582751 630321284 : 4
## Mean :4582677 Mean :429965 Mean :4582878 635669021 : 4
## 3rd Qu.:4583266 3rd Qu.:430974 3rd Qu.:4583467 932100798 : 4
## Max. :4587884 Max. :433709 Max. :4588085 932105151 : 4
## (Other) :394
## TELEFON_TIPUS TELEFON_INFO_COM HORARI_PERIODE_INICI
## Centraleta : 7 :419 :415
## Fax : 28 allotjament : 0 01/01: 15
## Informació : 4 Check-in : 1
## Informació i reserves: 0 Col.legi SIL : 0
## Reserves : 0 i reserves : 4
## Tel. :391 Recepció : 6
## religioses grans: 0
## HORARI_PERIODE_FI HORARI_DIES HORARI_HORES_INICI HORARI_HORES_FI
## :415 Min. : 0 :415 :415
## 31/12: 15 1st Qu.:1111111 08:00:00: 6 15:00:00: 6
## Median :1111111 09:00:00: 3 20:00:00: 3
## Mean : 888889 16:00:00: 6 23:00:00: 6
## 3rd Qu.:1111111
## Max. :1111111
## NA's :415
## HORARI_OBSERVACIONS X3ER_NIVELL
## Mode:logical :219
## NA's:430 Albergs juvenils :173
## Apartaments : 26
## Col.legis majors : 2
## Residències d'estudiants: 10
##
##
## X2N_NIVELL X1ER_NIVELL X
## Albergs juvenils :173 Allotjament:430 Mode:logical
## Altres allotjaments :211 NA's:430
## Apartaments : 46
## Col.legis majors : 0
## Residències d'estudiants: 0
##
## Ahora seleccionamos las variables del dataset que son de nuestro interes:
Alojamientos_Final <- select(ALOJAMIENTOS, CODI_EQUIPAMENT, EQUIPAMENT, NOM_CARRER, NUM_CARRER_1, NUM_CARRER_2, CODI_BARRI, NUM_BARRI, CODI_DISTRICTE, NOM_DISTRICTE, LATITUD, LONGITUD, X3ER_NIVELL, X2N_NIVELL, X1ER_NIVELL)
head(Alojamientos_Final)## CODI_EQUIPAMENT EQUIPAMENT
## 1 75990024905 Apartament Turístic Mur-Mar - ATB-000042
## 2 75990024905 Apartament Turístic Mur-Mar - ATB-000042
## 3 75990024905 Apartament Turístic Mur-Mar - ATB-000042
## 4 75990024905 Apartament Turístic Mur-Mar - ATB-000042
## 5 75990026619 Aparthotel Bertran - HB-003804
## 6 75990028628 Apartament Turístic Silver - ATB-000005
## NOM_CARRER NUM_CARRER_1 NUM_CARRER_2 CODI_BARRI
## 1 Rambla 34 34 2
## 2 Rambla 34 34 2
## 3 Rambla 34 34 2
## 4 Rambla 34 34 2
## 5 Bertran 150 150 27
## 6 Bretón de los Herreros 26 26 31
## NUM_BARRI CODI_DISTRICTE NOM_DISTRICTE LATITUD LONGITUD
## 1 el Barri Gòtic 1 Ciutat Vella 41.37889 2.175867
## 2 el Barri Gòtic 1 Ciutat Vella 41.37889 2.175867
## 3 el Barri Gòtic 1 Ciutat Vella 41.37889 2.175867
## 4 el Barri Gòtic 1 Ciutat Vella 41.37889 2.175867
## 5 el Putxet i el Farró 5 Sarrià-Sant Gervasi 41.41041 2.139752
## 6 la Vila de Gràcia 6 Gràcia 41.40211 2.151199
## X3ER_NIVELL X2N_NIVELL X1ER_NIVELL
## 1 Apartaments Altres allotjaments Allotjament
## 2 Apartaments Altres allotjaments Allotjament
## 3 Apartaments Allotjament
## 4 Apartaments Allotjament
## 5 Apartaments Allotjament
## 6 Apartaments Altres allotjaments AllotjamentPeniones:
Pensiones <- read.csv("02_Pensiones.csv")
head(Pensiones)## CODI_EQUIPAMENT EQUIPAMENT SECCIO TIPUS_VIA
## 1 166180029 Hostal Eden - HB-004039 # C
## 2 166180029 Hostal Eden - HB-004039 # C
## 3 167082307 Hostal Grau - HB-002211 # C
## 4 167082307 Hostal Grau - HB-002211 # C
## 5 320124701 Hostal Barcelona City Rooms - HB-004028 # C
## 6 320124701 Hostal Barcelona City Rooms - HB-004028 # C
## NOM_CARRER NUM_CARRER_1 NUM_CARRER_2 CODI_BARRI
## 1 Balmes 55 55 8
## 2 Balmes 55 55 8
## 3 Ramelleres 27 27 1
## 4 Ramelleres 27 27 1
## 5 Indústria 81 81 32
## 6 Indústria 81 81 32
## NUM_BARRI CODI_DISTRICTE NOM_DISTRICTE CODI_POSTAL
## 1 l'Antiga Esquerra de l'Eixample 2 Eixample 8007
## 2 l'Antiga Esquerra de l'Eixample 2 Eixample 8007
## 3 el Raval 1 Ciutat Vella 8001
## 4 el Raval 1 Ciutat Vella 8001
## 5 el Camp d'en Grassot i Gràcia Nova 6 Gràcia 8025
## 6 el Camp d'en Grassot i Gràcia Nova 6 Gràcia 8025
## CODI_POBLACIO POBLACIO LATITUD LONGITUD X_ETRS89 Y_ETRS89 X_ED50 Y_ED50
## 1 19 BARCELONA 41.38953 2.162229 429958.3 4582338 430050.2 4582539
## 2 19 BARCELONA 41.38953 2.162229 429958.3 4582338 430050.2 4582539
## 3 19 BARCELONA 41.38476 2.168168 430449.8 4581805 430541.7 4582006
## 4 19 BARCELONA 41.38476 2.168168 430449.8 4581805 430541.7 4582006
## 5 19 BARCELONA 41.40575 2.169145 430553.8 4584133 430645.7 4584334
## 6 19 BARCELONA 41.40575 2.169145 430553.8 4584133 430645.7 4584334
## TELEFON_NUM TELEFON_TIPUS TELEFON_INFO_COM HORARI_PERIODE_INICI
## 1 934526620 Tel. NA NA
## 2 934526620 Tel. NA NA
## 3 933018135 Tel. NA NA
## 4 933018135 Tel. NA NA
## 5 934879762 Tel. NA NA
## 6 934879762 Tel. NA NA
## HORARI_PERIODE_FI HORARI_DIES HORARI_HORES_INICI HORARI_HORES_FI
## 1 NA NA NA NA
## 2 NA NA NA NA
## 3 NA NA NA NA
## 4 NA NA NA NA
## 5 NA NA NA NA
## 6 NA NA NA NA
## HORARI_OBSERVACIONS X3ER_NIVELL X2N_NIVELL X1ER_NIVELL X
## 1 NA Pensions Allotjament NA
## 2 NA Pensions Pensions Allotjament NA
## 3 NA Pensions Pensions Allotjament NA
## 4 NA Pensions Allotjament NA
## 5 NA Pensions Pensions Allotjament NA
## 6 NA Pensions Allotjament NAsummary(Pensiones)## CODI_EQUIPAMENT EQUIPAMENT SECCIO
## Min. :1.662e+08 Ally's Guest House III - HB-004701 : 4 #:564
## 1st Qu.:7.599e+10 Aparthotel Betrés - HB-004171 : 4
## Median :9.940e+10 Hostal Barna House - HB-004705 : 4
## Mean :9.147e+10 Hostal Bèjar - HB-003673 : 4
## 3rd Qu.:9.940e+10 Hostal Bèjar 2 - HB-003872 : 4
## Max. :9.940e+10 Hostal Casa Bella Gracia - HB-004560: 4
## (Other) :540
## TIPUS_VIA NOM_CARRER NUM_CARRER_1 NUM_CARRER_2
## C :458 Balmes : 26 Min. : 1.0 Min. : 1.0
## Av : 30 Corts Catalanes : 26 1st Qu.: 15.0 1st Qu.: 15.0
## G.V. : 26 Bruc : 18 Median : 53.0 Median : 53.0
## Pl : 12 Riera de Sant Miquel: 18 Mean :113.7 Mean :113.8
## Rda : 10 Girona : 16 3rd Qu.:129.0 3rd Qu.:129.0
## Rbla : 8 Mallorca : 16 Max. :688.0 Max. :688.0
## (Other): 20 (Other) :444
## CODI_BARRI NUM_BARRI CODI_DISTRICTE
## Min. : 1.00 la Dreta de Eixample :160 Min. : 1.000
## 1st Qu.: 2.00 el Barri Gòtic : 96 1st Qu.: 1.000
## Median : 7.00 l'Antiga Esquerra de l'Eixample: 62 Median : 2.000
## Mean :10.29 el Raval : 56 Mean : 2.415
## 3rd Qu.:10.00 la Vila de Gràcia : 32 3rd Qu.: 2.000
## Max. :68.00 el Poble-sec : 22 Max. :10.000
## (Other) :136
## NOM_DISTRICTE CODI_POSTAL CODI_POBLACIO POBLACIO
## Eixample :258 Min. :8001 Min. :19 BARCELONA:564
## Ciutat Vella :172 1st Qu.:8002 1st Qu.:19
## Sants-Montjuïc : 48 Median :8008 Median :19
## Gràcia : 44 Mean :8011 Mean :19
## Sarrià-Sant Gervasi: 20 3rd Qu.:8012 3rd Qu.:19
## Sant Martí : 8 Max. :8037 Max. :19
## (Other) : 14
## LATITUD LONGITUD X_ETRS89 Y_ETRS89
## Min. :41.37 Min. :2.123 Min. :426638 Min. :4579994
## 1st Qu.:41.38 1st Qu.:2.160 1st Qu.:429784 1st Qu.:4581436
## Median :41.39 Median :2.169 Median :430514 Median :4582294
## Mean :41.39 Mean :2.166 Mean :430273 Mean :4582236
## 3rd Qu.:41.39 3rd Qu.:2.174 3rd Qu.:430942 3rd Qu.:4582832
## Max. :41.43 Max. :2.204 Max. :433494 Max. :4587119
##
## X_ED50 Y_ED50 TELEFON_NUM TELEFON_TIPUS
## Min. :426730 Min. :4580195 934879762: 12 : 8
## 1st Qu.:429876 1st Qu.:4581637 932389307: 10 Centraleta : 6
## Median :430606 Median :4582495 : 8 Fax : 16
## Mean :430365 Mean :4582437 932955360: 8 Informació i reserves: 2
## 3rd Qu.:431034 3rd Qu.:4583033 934526620: 6 Tel. :532
## Max. :433586 Max. :4587320 935510516: 6
## (Other) :514
## TELEFON_INFO_COM HORARI_PERIODE_INICI HORARI_PERIODE_FI HORARI_DIES
## Mode:logical Mode:logical Mode:logical Mode:logical
## NA's:564 NA's:564 NA's:564 NA's:564
##
##
##
##
##
## HORARI_HORES_INICI HORARI_HORES_FI HORARI_OBSERVACIONS X3ER_NIVELL
## Mode:logical Mode:logical Mode:logical :282
## NA's:564 NA's:564 NA's:564 Pensions:282
##
##
##
##
##
## X2N_NIVELL X1ER_NIVELL X
## Pensions:564 Allotjament:564 Mode:logical
## NA's:564
##
##
##
##
## Pensiones_Final <- select(ALOJAMIENTOS, CODI_EQUIPAMENT, EQUIPAMENT, NOM_CARRER, NUM_CARRER_1, NUM_CARRER_2, CODI_BARRI, NUM_BARRI, CODI_DISTRICTE, NOM_DISTRICTE, LATITUD, LONGITUD, X3ER_NIVELL, X2N_NIVELL, X1ER_NIVELL)
head(Pensiones_Final)## CODI_EQUIPAMENT EQUIPAMENT
## 1 75990024905 Apartament Turístic Mur-Mar - ATB-000042
## 2 75990024905 Apartament Turístic Mur-Mar - ATB-000042
## 3 75990024905 Apartament Turístic Mur-Mar - ATB-000042
## 4 75990024905 Apartament Turístic Mur-Mar - ATB-000042
## 5 75990026619 Aparthotel Bertran - HB-003804
## 6 75990028628 Apartament Turístic Silver - ATB-000005
## NOM_CARRER NUM_CARRER_1 NUM_CARRER_2 CODI_BARRI
## 1 Rambla 34 34 2
## 2 Rambla 34 34 2
## 3 Rambla 34 34 2
## 4 Rambla 34 34 2
## 5 Bertran 150 150 27
## 6 Bretón de los Herreros 26 26 31
## NUM_BARRI CODI_DISTRICTE NOM_DISTRICTE LATITUD LONGITUD
## 1 el Barri Gòtic 1 Ciutat Vella 41.37889 2.175867
## 2 el Barri Gòtic 1 Ciutat Vella 41.37889 2.175867
## 3 el Barri Gòtic 1 Ciutat Vella 41.37889 2.175867
## 4 el Barri Gòtic 1 Ciutat Vella 41.37889 2.175867
## 5 el Putxet i el Farró 5 Sarrià-Sant Gervasi 41.41041 2.139752
## 6 la Vila de Gràcia 6 Gràcia 41.40211 2.151199
## X3ER_NIVELL X2N_NIVELL X1ER_NIVELL
## 1 Apartaments Altres allotjaments Allotjament
## 2 Apartaments Altres allotjaments Allotjament
## 3 Apartaments Allotjament
## 4 Apartaments Allotjament
## 5 Apartaments Allotjament
## 6 Apartaments Altres allotjaments AllotjamentHoteles:
Hoteles <- read.csv("03_Hoteles.csv")
head(Hoteles)## CODI_EQUIPAMENT EQUIPAMENT SECCIO TIPUS_VIA
## 1 12124527 Hotel Amrey Sant Pau - HB-004046 # C
## 2 12124527 Hotel Amrey Sant Pau - HB-004046 # C
## 3 75145812 Hotel Sansi Pedralbes - HB-004086 # Av
## 4 75145812 Hotel Sansi Pedralbes - HB-004086 # Av
## 5 139120246 Hotel Silken Sant Gervasi - HB-004054 # C
## 6 139120246 Hotel Silken Sant Gervasi - HB-004054 # C
## NOM_CARRER NUM_CARRER_1 NUM_CARRER_2 CODI_BARRI
## 1 Sant Antoni Maria Claret 173 173 35
## 2 Sant Antoni Maria Claret 173 173 35
## 3 Pearson 1 3 21
## 4 Pearson 1 3 21
## 5 Sant Gervasi de Cassoles 26 26 25
## 6 Sant Gervasi de Cassoles 26 26 25
## NUM_BARRI CODI_DISTRICTE NOM_DISTRICTE CODI_POSTAL
## 1 el Guinardó 7 Horta-Guinardó 8041
## 2 el Guinardó 7 Horta-Guinardó 8041
## 3 Pedralbes 4 Les Corts 8034
## 4 Pedralbes 4 Les Corts 8034
## 5 Sant Gervasi - la Bonanova 5 Sarrià-Sant Gervasi 8022
## 6 Sant Gervasi - la Bonanova 5 Sarrià-Sant Gervasi 8022
## CODI_POBLACIO POBLACIO LATITUD LONGITUD X_ETRS89 Y_ETRS89 X_ED50 Y_ED50
## 1 19 BARCELONA 41.41401 2.177888 431293.3 4585044 431385.2 4585245
## 2 19 BARCELONA 41.41401 2.177888 431293.3 4585044 431385.2 4585245
## 3 19 BARCELONA 41.39370 2.111575 425728.1 4582844 425820.0 4583045
## 4 19 BARCELONA 41.39370 2.111575 425728.1 4582844 425820.0 4583045
## 5 19 BARCELONA 41.40471 2.138854 428020.8 4584043 428112.7 4584244
## 6 19 BARCELONA 41.40471 2.138854 428020.8 4584043 428112.7 4584244
## TELEFON_NUM TELEFON_TIPUS TELEFON_INFO_COM HORARI_PERIODE_INICI
## 1 934335151 Tel. NA NA
## 2 934335151 Tel. NA NA
## 3 932063880 Centraleta NA NA
## 4 932063880 Centraleta NA NA
## 5 932531740 Centraleta NA NA
## 6 932531740 Centraleta NA NA
## HORARI_PERIODE_FI HORARI_DIES HORARI_HORES_INICI HORARI_HORES_FI
## 1 NA NA NA NA
## 2 NA NA NA NA
## 3 NA NA NA NA
## 4 NA NA NA NA
## 5 NA NA NA NA
## 6 NA NA NA NA
## HORARI_OBSERVACIONS X3ER_NIVELL X2N_NIVELL X1ER_NIVELL X
## 1 NA Hotels 2 estr. Hotels Allotjament NA
## 2 NA 2 estrelles Hotels Allotjament NA
## 3 NA Hotels 4 estr. Hotels Allotjament NA
## 4 NA 4 estrelles Hotels Allotjament NA
## 5 NA 3 estrelles Hotels Allotjament NA
## 6 NA Hotels 3 estr. Hotels Allotjament NAsummary(Hoteles)## CODI_EQUIPAMENT EQUIPAMENT
## Min. :1.212e+07 Hotel Comercio - HB-000050 : 8
## 1st Qu.:7.599e+10 Hotel 54 Barceloneta - HB-004371 : 6
## Median :9.940e+10 Hotel Alguer Camp Nou - HB-003643 : 6
## Mean :8.615e+10 Gran Hotel Havana Silken - HB-003916 : 4
## 3rd Qu.:9.940e+10 Hotel & Spa Villa Olimpic@ Suites - HB-004383: 4
## Max. :9.940e+10 Hotel Advance - HB-004450 : 4
## (Other) :852
## SECCIO TIPUS_VIA NOM_CARRER NUM_CARRER_1 NUM_CARRER_2
## #:884 C :568 Corts Catalanes: 46 Min. : 0.0 Min. : 1.0
## Av : 74 Rambla : 38 1st Qu.: 14.0 1st Qu.: 15.0
## Pg : 50 Catalunya : 26 Median : 46.0 Median : 48.0
## G.V. : 46 Gràcia : 24 Mean :119.6 Mean :121.0
## Pl : 38 Pelai : 22 3rd Qu.:157.0 3rd Qu.:158.2
## Rbla : 26 Diputació : 20 Max. :700.0 Max. :700.0
## (Other): 82 (Other) :708 NA's :4
## CODI_BARRI NUM_BARRI CODI_DISTRICTE
## Min. : 1.00 la Dreta de Eixample :186 Min. : 1.000
## 1st Qu.: 3.00 el Barri Gòtic :116 1st Qu.: 1.000
## Median : 7.00 el Raval : 98 Median : 2.000
## Mean :14.47 l'Antiga Esquerra de l'Eixample : 58 Mean : 3.052
## 3rd Qu.:19.00 Sant Pere, Santa Caterina i la Ribera: 44 3rd Qu.: 4.000
## Max. :71.00 la Nova Esquerra de l'Eixample : 36 Max. :10.000
## (Other) :346
## NOM_DISTRICTE CODI_POSTAL CODI_POBLACIO POBLACIO
## Eixample :334 Min. :8001 Min. :19 BARCELONA:884
## Ciutat Vella :272 1st Qu.:8003 1st Qu.:19
## Sant Martí : 86 Median :8008 Median :19
## Sarrià-Sant Gervasi: 62 Mean :8012 Mean :19
## Les Corts : 46 3rd Qu.:8018 3rd Qu.:19
## Sants-Montjuïc : 46 Max. :8041 Max. :19
## (Other) : 38
## LATITUD LONGITUD X_ETRS89 Y_ETRS89
## Min. :41.33 Min. :2.110 Min. :425559 Min. :4575617
## 1st Qu.:41.38 1st Qu.:2.157 1st Qu.:429511 1st Qu.:4581562
## Median :41.39 Median :2.169 Median :430553 Median :4582123
## Mean :41.39 Mean :2.167 Mean :430351 Mean :4582345
## 3rd Qu.:41.39 3rd Qu.:2.176 3rd Qu.:431116 3rd Qu.:4582893
## Max. :41.44 Max. :2.219 Max. :434702 Max. :4587834
##
## X_ED50 Y_ED50 TELEFON_NUM TELEFON_TIPUS
## Min. :425651 Min. :4575818 932689070: 12 Atenció al client : 2
## 1st Qu.:429603 1st Qu.:4581762 900818320: 10 Centraleta :184
## Median :430645 Median :4582324 916008146: 10 Fax : 16
## Mean :430443 Mean :4582546 934922244: 8 Informació : 8
## 3rd Qu.:431208 3rd Qu.:4583094 933437167: 6 Informació i reserves: 12
## Max. :434794 Max. :4588035 932157255: 4 Reserves : 66
## (Other) :834 Tel. :596
## TELEFON_INFO_COM HORARI_PERIODE_INICI HORARI_PERIODE_FI HORARI_DIES
## Mode:logical Mode:logical Mode:logical Mode:logical
## NA's:884 NA's:884 NA's:884 NA's:884
##
##
##
##
##
## HORARI_HORES_INICI HORARI_HORES_FI HORARI_OBSERVACIONS X3ER_NIVELL
## Mode:logical Mode:logical Mode:logical 4 estrelles :195
## NA's:884 NA's:884 NA's:884 Hotels 4 estr.:195
## 3 estrelles :125
## Hotels 3 estr.:125
## 2 estrelles : 46
## Hotels 2 estr.: 46
## (Other) :152
## X2N_NIVELL X1ER_NIVELL X
## Hotels:884 Allotjament:884 Mode:logical
## NA's:884
##
##
##
##
## Hoteles_Final <- select(ALOJAMIENTOS, CODI_EQUIPAMENT, EQUIPAMENT, NOM_CARRER, NUM_CARRER_1, NUM_CARRER_2, CODI_BARRI, NUM_BARRI, CODI_DISTRICTE, NOM_DISTRICTE, LATITUD, LONGITUD, X3ER_NIVELL, X2N_NIVELL, X1ER_NIVELL)
head(Hoteles_Final)## CODI_EQUIPAMENT EQUIPAMENT
## 1 75990024905 Apartament Turístic Mur-Mar - ATB-000042
## 2 75990024905 Apartament Turístic Mur-Mar - ATB-000042
## 3 75990024905 Apartament Turístic Mur-Mar - ATB-000042
## 4 75990024905 Apartament Turístic Mur-Mar - ATB-000042
## 5 75990026619 Aparthotel Bertran - HB-003804
## 6 75990028628 Apartament Turístic Silver - ATB-000005
## NOM_CARRER NUM_CARRER_1 NUM_CARRER_2 CODI_BARRI
## 1 Rambla 34 34 2
## 2 Rambla 34 34 2
## 3 Rambla 34 34 2
## 4 Rambla 34 34 2
## 5 Bertran 150 150 27
## 6 Bretón de los Herreros 26 26 31
## NUM_BARRI CODI_DISTRICTE NOM_DISTRICTE LATITUD LONGITUD
## 1 el Barri Gòtic 1 Ciutat Vella 41.37889 2.175867
## 2 el Barri Gòtic 1 Ciutat Vella 41.37889 2.175867
## 3 el Barri Gòtic 1 Ciutat Vella 41.37889 2.175867
## 4 el Barri Gòtic 1 Ciutat Vella 41.37889 2.175867
## 5 el Putxet i el Farró 5 Sarrià-Sant Gervasi 41.41041 2.139752
## 6 la Vila de Gràcia 6 Gràcia 41.40211 2.151199
## X3ER_NIVELL X2N_NIVELL X1ER_NIVELL
## 1 Apartaments Altres allotjaments Allotjament
## 2 Apartaments Altres allotjaments Allotjament
## 3 Apartaments Allotjament
## 4 Apartaments Allotjament
## 5 Apartaments Allotjament
## 6 Apartaments Altres allotjaments Allotjament3- Unificamos los dataset de Alojamientos, Pensiones y Hoteles:
Alojamientos_Unificados = rbind(Alojamientos_Final, Pensiones_Final,Hoteles_Final)
summary(Alojamientos_Unificados)## CODI_EQUIPAMENT
## Min. :7.599e+10
## 1st Qu.:9.940e+10
## Median :9.940e+10
## Mean :9.761e+10
## 3rd Qu.:9.940e+10
## Max. :9.940e+10
##
## EQUIPAMENT
## Pis Modernista Aribau : 48
## Casa Marsans - Alberg Mare de Déu de Montserrat - AJ000084: 36
## Residència d'Estudiants Barcelona Diagonal - AJ000658 : 18
## Residència Universitària Sants - AJ000640 : 18
## After Hostel - AJ000543 : 12
## Alberg Don Moustache! - AJ000540 : 12
## (Other) :1146
## NOM_CARRER NUM_CARRER_1 NUM_CARRER_2 CODI_BARRI
## Aribau : 48 Min. : 2.0 Min. : 2.0 Min. : 1
## Bruc : 48 1st Qu.: 24.0 1st Qu.: 24.0 1st Qu.: 7
## València : 48 Median : 51.0 Median : 51.0 Median : 8
## Mare de Déu del Coll: 42 Mean :103.2 Mean :103.8 Mean :16
## Sant Pere : 42 3rd Qu.: 98.0 3rd Qu.: 98.0 3rd Qu.:23
## Augusta : 30 Max. :716.0 Max. :716.0 Max. :68
## (Other) :1032
## NUM_BARRI CODI_DISTRICTE
## la Dreta de Eixample :366 Min. : 1.000
## l'Antiga Esquerra de l'Eixample:123 1st Qu.: 2.000
## Sants : 81 Median : 2.000
## la Vila de Gràcia : 75 Mean : 3.314
## el Poble-sec : 72 3rd Qu.: 5.000
## el Barri Gòtic : 57 Max. :10.000
## (Other) :516
## NOM_DISTRICTE LATITUD LONGITUD
## Eixample :600 Min. :41.37 Min. :2.102
## Sants-Montjuïc :177 1st Qu.:41.38 1st Qu.:2.151
## Ciutat Vella :132 Median :41.39 Median :2.165
## Gràcia :129 Mean :41.39 Mean :2.161
## Sarrià-Sant Gervasi: 99 3rd Qu.:41.40 3rd Qu.:2.173
## Sant Martí : 51 Max. :41.44 Max. :2.206
## (Other) :102
## X3ER_NIVELL X2N_NIVELL
## :657 Albergs juvenils :519
## Albergs juvenils :519 Altres allotjaments :633
## Apartaments : 78 Apartaments :138
## Col.legis majors : 6 Col.legis majors : 0
## Residències d'estudiants: 30 Residències d'estudiants: 0
##
##
## X1ER_NIVELL
## Allotjament:1290
##
##
##
##
##
## Para nuestro análisis contamos con un total de 1.290 alojamientos turisticos en la ciudad de Barcelona.
4- Observamos el dataset vinculado a las actividades económicas en planta baja:
Actividades_Económicas_PB <- read.csv("11_Censo_Actividades_Económicas_2019.csv")
head(Actividades_Económicas_PB)## ID_Bcn_2019 ID_Bcn_2016 Codi_Principal_Activitat Nom_Principal_Activitat
## 1 1075454 NA 1 Actiu
## 2 1075453 NA 1 Actiu
## 3 1075451 NA 1 Actiu
## 4 1075449 NA 1 Actiu
## 5 1075448 NA 1 Actiu
## 6 1075447 NA 1 Actiu
## Codi_Sector_Activitat Nom_Sector_Activitat Codi_Grup_Activitat
## 1 2 Serveis 16
## 2 2 Serveis 16
## 3 2 Serveis 16
## 4 3 Altres 17
## 5 2 Serveis 16
## 6 2 Serveis 16
## Nom_Grup_Activitat Codi_Activitat_2019 Nom_Activitat
## 1 Altres 1600400 Serveis a les empreses i oficines
## 2 Altres 1600102 Activitats emmagatzematge
## 3 Altres 1600400 Serveis a les empreses i oficines
## 4 Altres 1700100 Administració
## 5 Altres 1600101 Activitats de transport
## 6 Altres 1600102 Activitats emmagatzematge
## Codi_Activitat_2016 Nom_Local SN_Oci_Nocturn SN_Coworking
## 1 16004 SORIGUE 1 1
## 2 1600102 CEJIDOS SIVILA S.A 1 1
## 3 16004 QUALITY ESPRESO 1 1
## 4 17001 CLD 1 1
## 5 1600101 CATALANA DEL BUTANO,S.A 1 1
## 6 1600102 JOSE MESTRES CARCERENY 1 1
## SN_Servei_Degustacio SN_Obert24h SN_Mixtura SN_Carrer SN_Mercat Nom_Mercat
## 1 1 1 1 0 1
## 2 1 1 1 0 1
## 3 1 1 1 0 1
## 4 1 1 1 0 1
## 5 1 1 1 0 1
## 6 1 1 1 0 1
## SN_Galeria Nom_Galeria SN_CComercial Nom_CComercial SN_Eix Nom_Eix
## 1 1 1 1
## 2 1 1 1
## 3 1 1 1
## 4 1 1 1
## 5 1 1 1
## 6 1 1 1
## X_UTM_ETRS89 Y_UTM_ETRS89 Latitud Longitud Direccio_Unica Codi_Via
## 1 427229.3 4577544 41.34610 2.130166 222206, 19-19, LOC 10 222206
## 2 427178.4 4577526 41.34594 2.129560 222206, 278-282, LOC 10 222206
## 3 427092.9 4577488 41.34559 2.128543 222206, 1-9, LOC 10 222206
## 4 427265.7 4577561 41.34626 2.130599 222206, 21-21, LOC 10 222206
## 5 427322.2 4577589 41.34651 2.131271 222206, 25-27, LOC 10 222206
## 6 427394.6 4577622 41.34683 2.132132 222206, 29-39, LOC 10 222206
## Nom_Via Planta Porta Num_Policia_Inicial Lletra_Inicial Num_Policia_Final
## 1 MOTORS LOC 10 19 19
## 2 MOTORS LOC 10 278 282
## 3 MOTORS LOC 10 1 9
## 4 MOTORS LOC 10 21 21
## 5 MOTORS LOC 10 25 27
## 6 MOTORS LOC 10 29 39
## Lletra_Final Solar Codi_Parcela Codi_Illa Seccio_Censal Codi_Barri
## 1 NA NA NA 25 12
## 2 NA NA NA 25 12
## 3 NA NA NA 25 12
## 4 NA NA NA 25 12
## 5 NA NA NA 25 12
## 6 NA NA NA 25 12
## Nom_Barri Codi_Districte Nom_Districte Referencia_cadastral
## 1 la Marina del Prat Vermell 3 Sants-Montjuïc
## 2 la Marina del Prat Vermell 3 Sants-Montjuïc
## 3 la Marina del Prat Vermell 3 Sants-Montjuïc
## 4 la Marina del Prat Vermell 3 Sants-Montjuïc
## 5 la Marina del Prat Vermell 3 Sants-Montjuïc
## 6 la Marina del Prat Vermell 3 Sants-Montjuïc
## Data_Revisio
## 1 20190925
## 2 20190925
## 3 20190925
## 4 20190925
## 5 20190925
## 6 20190925summary(Actividades_Económicas_PB)## ID_Bcn_2019 ID_Bcn_2016 Codi_Principal_Activitat
## Min. : 994347 Min. : 4215 Min. :0.0000
## 1st Qu.:1015314 1st Qu.:22810 1st Qu.:1.0000
## Median :1036244 Median :41288 Median :1.0000
## Mean :1036249 Mean :41203 Mean :0.7642
## 3rd Qu.:1057203 3rd Qu.:59653 3rd Qu.:1.0000
## Max. :1078043 Max. :78056 Max. :1.0000
## NA's :10025
## Nom_Principal_Activitat Codi_Sector_Activitat
## Actiu :61558 Min. :1.000
## Sense activitat Econòmica:18996 1st Qu.:1.000
## Median :2.000
## Mean :2.221
## 3rd Qu.:3.000
## Max. :5.000
##
## Nom_Sector_Activitat
## Serveis :33402
## Comerç al detall :21326
## Sense informació :11164
## Altres : 6148
## Sense informació - Havia tingut activitat (rètol): 4276
## Locals buits en lloguer : 1396
## (Other) : 2842
## Codi_Grup_Activitat
## Min. : 0.000
## 1st Qu.: 1.000
## Median : 7.000
## Mean : 7.947
## 3rd Qu.:15.000
## Max. :17.000
##
## Nom_Grup_Activitat
## Altres :21496
## Grup no definit :18996
## Restaurants, bars i hotels (Inclòs hostals, pensions i fondes):11157
## Quotidià alimentari : 7850
## Equipament personal : 4918
## Quotidià no alimentari : 2592
## (Other) :13545
## Codi_Activitat_2019 Nom_Activitat
## Min. : 10 Sense informació :11164
## 1st Qu.:1000020 Restaurants : 5599
## Median :1400003 Sense informació - Havia tingut activitat (rètol): 4276
## Mean :1825614 Serveis a les empreses i oficines : 3464
## 3rd Qu.:1700500 Bars / CIBERCAFÈ : 3290
## Max. :9000000 Vestir : 3157
## (Other) :49604
## Codi_Activitat_2016 Nom_Local SN_Oci_Nocturn SN_Coworking
## *0000041:11164 SN :17274 Min. :0.0000 Min. :0.0000
## 1400002 : 5599 S/N : 452 1st Qu.:1.0000 1st Qu.:1.0000
## *0000042: 4276 CAIXABANK : 304 Median :1.0000 Median :1.0000
## 16004 : 3464 FARMACIA : 223 Mean :0.9971 Mean :0.9959
## 1400001 : 3290 SUPERMERCAT: 162 3rd Qu.:1.0000 3rd Qu.:1.0000
## 4003 : 3157 CONDIS : 127 Max. :1.0000 Max. :1.0000
## (Other) :49604 (Other) :62012
## SN_Servei_Degustacio SN_Obert24h SN_Mixtura SN_Carrer
## Min. :0.0000 Min. :0.0000 Min. :0.0000 Min. :0.00000
## 1st Qu.:1.0000 1st Qu.:1.0000 1st Qu.:1.0000 1st Qu.:0.00000
## Median :1.0000 Median :1.0000 Median :1.0000 Median :0.00000
## Mean :0.9902 Mean :0.9967 Mean :0.9771 Mean :0.04246
## 3rd Qu.:1.0000 3rd Qu.:1.0000 3rd Qu.:1.0000 3rd Qu.:0.00000
## Max. :1.0000 Max. :1.0000 Max. :1.0000 Max. :1.00000
##
## SN_Mercat Nom_Mercat SN_Galeria
## Min. :0.0000 :78367 Min. :0.0000
## 1st Qu.:1.0000 Boqueria : 231 1st Qu.:1.0000
## Median :1.0000 Galvany : 116 Median :1.0000
## Mean :0.9729 E.S.Antoni : 99 Mean :0.9947
## 3rd Qu.:1.0000 Hostafrancs: 98 3rd Qu.:1.0000
## Max. :1.0000 Ninot : 86 Max. :1.0000
## (Other) : 1557
## Nom_Galeria SN_CComercial Nom_CComercial
## :80125 Min. :0.0000 :79658
## EncantsBcn-Bellcaire: 155 1st Qu.:1.0000 La Maquinista : 208
## ANTICUARI : 49 Median :1.0000 Diagonal Mar Centre: 172
## MALDA : 45 Mean :0.9889 L'Illa Diagonal : 153
## Sants Estació : 37 3rd Qu.:1.0000 Glòries : 112
## MERCAT GRAN VIA : 36 Max. :1.0000 Arenas de Barcelona: 85
## (Other) : 107 (Other) : 166
## SN_Eix Nom_Eix X_UTM_ETRS89 Y_UTM_ETRS89
## Min. :0.0000 :56832 Min. :423801 Min. :4577403
## 1st Qu.:0.0000 Sant Gervasi : 3186 1st Qu.:428911 1st Qu.:4581809
## Median :1.0000 Raval : 2137 Median :430303 Median :4583558
## Mean :0.7056 Sant Antoni Comer: 2130 Mean :430239 Mean :4583729
## 3rd Qu.:1.0000 Sant Mart : 1535 3rd Qu.:431474 3rd Qu.:4585291
## Max. :1.0000 Sagrada Fam�lia : 1430 Max. :434872 Max. :4590873
## (Other) :13304
## Latitud Longitud Direccio_Unica
## Min. :41.34 Min. :2.088 034308, 89B-89, LOC NA : 231
## 1st Qu.:41.38 1st Qu.:2.150 701357, 2-2, LOC NA : 208
## Median :41.40 Median :2.166 144601, 3-3, LOC NA : 172
## Mean :41.40 Mean :2.165 349706, 1-1, LOC NA : 170
## 3rd Qu.:41.42 3rd Qu.:2.180 073900, 158-158, LOC NA: 155
## Max. :41.47 Max. :2.221 144601, 557-557, LOC NA: 153
## (Other) :79465
## Codi_Via Nom_Via Planta Porta
## Min. : 306 G.V. CORTS CATALANES: 1138 LOC:80554 Min. : 10.00
## 1st Qu.: 94605 AV DIAGONAL : 1034 1st Qu.: 10.00
## Median :189100 VALÈNCIA : 823 Median : 10.00
## Mean :199124 MALLORCA : 770 Mean : 22.63
## 3rd Qu.:288703 ARAGÓ : 692 3rd Qu.: 20.00
## Max. :701818 CONSELL DE CENT : 688 Max. :570.00
## (Other) :75409 NA's :3217
## Num_Policia_Inicial Lletra_Inicial Num_Policia_Final Lletra_Final
## 1 : 2190 :77998 6 : 1556 :78019
## 2 : 1943 B : 2037 8 : 1545 B : 1961
## 10 : 1484 A : 126 5 : 1514 A : 170
## 6 : 1471 C : 86 2 : 1513 C : 90
## 5 : 1438 I : 71 3 : 1490 I : 74
## 3 : 1355 X : 46 7 : 1442 D : 46
## (Other):70673 (Other): 190 (Other):71494 (Other): 194
## Solar Codi_Parcela Codi_Illa Seccio_Censal
## Min. : 792 Min. : 1.00 Min. : 5010 Min. : 1.00
## 1st Qu.:120592 1st Qu.: 3.00 1st Qu.:21180 1st Qu.: 27.00
## Median :147630 Median : 9.00 Median :40590 Median : 52.00
## Mean :245261 Mean : 11.77 Mean :48691 Mean : 59.05
## 3rd Qu.:305438 3rd Qu.: 16.00 3rd Qu.:81271 3rd Qu.: 82.00
## Max. :584017 Max. :302.00 Max. :99535 Max. :237.00
## NA's :102 NA's :94 NA's :94 NA's :5
## Codi_Barri Nom_Barri Codi_Districte
## Min. : 1.00 la Vila de Gràcia : 4457 Min. : 1.000
## 1st Qu.: 9.00 la Dreta de l'Eixample : 4279 1st Qu.: 2.000
## Median :26.00 Sant Gervasi - Galvany : 3200 Median : 5.000
## Mean :29.55 l'Antiga Esquerra de l'Eixample: 2984 Mean : 5.187
## 3rd Qu.:46.00 el Raval : 2968 3rd Qu.: 8.000
## Max. :73.00 la Sagrada Família : 2515 Max. :10.000
## (Other) :60151
## Nom_Districte Referencia_cadastral Data_Revisio
## Eixample :15914 0816955DF3801F: 231 Min. :20190319
## Sant Martí :10133 3082702DF3838A: 209 1st Qu.:20190528
## Sants-Montjuïc : 8234 4647401DF3844H: 172 Median :20190701
## Ciutat Vella : 8166 0013201DF3801C: 170 Mean :20190657
## Sarrià-Sant Gervasi: 7718 2038901DF3823G: 158 3rd Qu.:20190724
## Gràcia : 7484 7825917DF2872F: 155 Max. :20200131
## (Other) :22905 (Other) :79459 NA's :69Seleccionamos los datos que queremos conservar para nuestro trabajo:
Actividades_Económicas_PB <- select(Actividades_Económicas_PB, ID_Bcn_2019, Codi_Principal_Activitat, Nom_Principal_Activitat, Codi_Sector_Activitat, Nom_Sector_Activitat, Codi_Grup_Activitat, Nom_Grup_Activitat, Latitud, Longitud, Codi_Via, Nom_Via, Codi_Barri, Nom_Barri, Codi_Districte, Nom_Districte)
head(Actividades_Económicas_PB)## ID_Bcn_2019 Codi_Principal_Activitat Nom_Principal_Activitat
## 1 1075454 1 Actiu
## 2 1075453 1 Actiu
## 3 1075451 1 Actiu
## 4 1075449 1 Actiu
## 5 1075448 1 Actiu
## 6 1075447 1 Actiu
## Codi_Sector_Activitat Nom_Sector_Activitat Codi_Grup_Activitat
## 1 2 Serveis 16
## 2 2 Serveis 16
## 3 2 Serveis 16
## 4 3 Altres 17
## 5 2 Serveis 16
## 6 2 Serveis 16
## Nom_Grup_Activitat Latitud Longitud Codi_Via Nom_Via Codi_Barri
## 1 Altres 41.34610 2.130166 222206 MOTORS 12
## 2 Altres 41.34594 2.129560 222206 MOTORS 12
## 3 Altres 41.34559 2.128543 222206 MOTORS 12
## 4 Altres 41.34626 2.130599 222206 MOTORS 12
## 5 Altres 41.34651 2.131271 222206 MOTORS 12
## 6 Altres 41.34683 2.132132 222206 MOTORS 12
## Nom_Barri Codi_Districte Nom_Districte
## 1 la Marina del Prat Vermell 3 Sants-Montjuïc
## 2 la Marina del Prat Vermell 3 Sants-Montjuïc
## 3 la Marina del Prat Vermell 3 Sants-Montjuïc
## 4 la Marina del Prat Vermell 3 Sants-Montjuïc
## 5 la Marina del Prat Vermell 3 Sants-Montjuïc
## 6 la Marina del Prat Vermell 3 Sants-Montjuïcsummary(Actividades_Económicas_PB)## ID_Bcn_2019 Codi_Principal_Activitat
## Min. : 994347 Min. :0.0000
## 1st Qu.:1015314 1st Qu.:1.0000
## Median :1036244 Median :1.0000
## Mean :1036249 Mean :0.7642
## 3rd Qu.:1057203 3rd Qu.:1.0000
## Max. :1078043 Max. :1.0000
##
## Nom_Principal_Activitat Codi_Sector_Activitat
## Actiu :61558 Min. :1.000
## Sense activitat Econòmica:18996 1st Qu.:1.000
## Median :2.000
## Mean :2.221
## 3rd Qu.:3.000
## Max. :5.000
##
## Nom_Sector_Activitat
## Serveis :33402
## Comerç al detall :21326
## Sense informació :11164
## Altres : 6148
## Sense informació - Havia tingut activitat (rètol): 4276
## Locals buits en lloguer : 1396
## (Other) : 2842
## Codi_Grup_Activitat
## Min. : 0.000
## 1st Qu.: 1.000
## Median : 7.000
## Mean : 7.947
## 3rd Qu.:15.000
## Max. :17.000
##
## Nom_Grup_Activitat
## Altres :21496
## Grup no definit :18996
## Restaurants, bars i hotels (Inclòs hostals, pensions i fondes):11157
## Quotidià alimentari : 7850
## Equipament personal : 4918
## Quotidià no alimentari : 2592
## (Other) :13545
## Latitud Longitud Codi_Via Nom_Via
## Min. :41.34 Min. :2.088 Min. : 306 G.V. CORTS CATALANES: 1138
## 1st Qu.:41.38 1st Qu.:2.150 1st Qu.: 94605 AV DIAGONAL : 1034
## Median :41.40 Median :2.166 Median :189100 VALÈNCIA : 823
## Mean :41.40 Mean :2.165 Mean :199124 MALLORCA : 770
## 3rd Qu.:41.42 3rd Qu.:2.180 3rd Qu.:288703 ARAGÓ : 692
## Max. :41.47 Max. :2.221 Max. :701818 CONSELL DE CENT : 688
## (Other) :75409
## Codi_Barri Nom_Barri Codi_Districte
## Min. : 1.00 la Vila de Gràcia : 4457 Min. : 1.000
## 1st Qu.: 9.00 la Dreta de l'Eixample : 4279 1st Qu.: 2.000
## Median :26.00 Sant Gervasi - Galvany : 3200 Median : 5.000
## Mean :29.55 l'Antiga Esquerra de l'Eixample: 2984 Mean : 5.187
## 3rd Qu.:46.00 el Raval : 2968 3rd Qu.: 8.000
## Max. :73.00 la Sagrada Família : 2515 Max. :10.000
## (Other) :60151
## Nom_Districte
## Eixample :15914
## Sant Martí :10133
## Sants-Montjuïc : 8234
## Ciutat Vella : 8166
## Sarrià-Sant Gervasi: 7718
## Gràcia : 7484
## (Other) :22905Nos focalizamos en la columna Nom_Grup_Activitat, ya que cuenta con mayor detalle de las actividades económicas desarrolladas.
ggplot(Actividades_Económicas_PB) +
geom_bar(aes(x=Nom_Grup_Activitat))+
coord_flip()
Analizamos que hay una gran cantidad de actividades que no estan asignadas a ningún grupo, categorizadas como “Altres=Otras”, asimismo, existe otra gran cantidad asignadas a la categorgía “Grup no definit=Grupo no definido”. Pero es relvante observar que “Restaurants, bars i hotels=Restarrants, bares y hoteles” como “Quotidia alimentari=Cotidiano alimentario”, son las categorías que más cantidad de observaciones tienen de aquellas que estan clasificadas. Luego, sobreviene “Equipament personal=Equipamiento personal”, seguido del resto de las actividades que van descendinedo de una forma más progresiva.
Ajustamos nuestro dataset filtrando las actividades económicas que queremos utilizar para el análisis de la localización de alojamientos turísitcos. Para ello, seleccionamos: - Oci i cultura = Ocio y cultura - Equipaments culturals i recreatius = Equipamientos culturales y recreativos
Actividades_Económicas_Turisticas_PB <- filter(Actividades_Económicas_PB, Nom_Grup_Activitat %in% c("Oci i cultura", "Equipaments culturals i recreatius"))
summary(Actividades_Económicas_Turisticas_PB)## ID_Bcn_2019 Codi_Principal_Activitat
## Min. : 994371 Min. :1
## 1st Qu.:1013483 1st Qu.:1
## Median :1034032 Median :1
## Mean :1034436 Mean :1
## 3rd Qu.:1055352 3rd Qu.:1
## Max. :1077907 Max. :1
##
## Nom_Principal_Activitat Codi_Sector_Activitat
## Actiu :2681 Min. :1.000
## Sense activitat Econòmica: 0 1st Qu.:1.000
## Median :1.000
## Mean :1.387
## 3rd Qu.:2.000
## Max. :2.000
##
## Nom_Sector_Activitat Codi_Grup_Activitat
## Comerç al detall :1644 Min. : 5.000
## Serveis :1037 1st Qu.: 5.000
## Altres : 0 Median : 5.000
## Comerç al detall /Engròs: 0 Mean : 6.934
## En reforma : 0 3rd Qu.:10.000
## Locals buits en lloguer : 0 Max. :10.000
## (Other) : 0
## Nom_Grup_Activitat Latitud Longitud
## Oci i cultura :1644 Min. :41.35 Min. :2.091
## Equipaments culturals i recreatius:1037 1st Qu.:41.38 1st Qu.:2.154
## Activitats immobiliàries : 0 Median :41.40 Median :2.166
## Altres : 0 Mean :41.40 Mean :2.165
## Automoció : 0 3rd Qu.:41.41 3rd Qu.:2.178
## Ensenyament : 0 Max. :41.46 Max. :2.221
## (Other) : 0
## Codi_Via Nom_Via Codi_Barri
## Min. : 408 G.V. CORTS CATALANES: 55 Min. : 1.00
## 1st Qu.: 94809 AV DIAGONAL : 51 1st Qu.: 7.00
## Median :191204 CONSELL DE CENT : 37 Median :18.00
## Mean :203508 SEPÚLVEDA : 33 Mean :24.44
## 3rd Qu.:292507 BALMES : 30 3rd Qu.:35.00
## Max. :701686 DIPUTACIÓ : 29 Max. :73.00
## (Other) :2446
## Nom_Barri Codi_Districte
## la Dreta de l'Eixample : 219 Min. : 1.000
## el Raval : 195 1st Qu.: 2.000
## la Vila de Gràcia : 177 Median : 3.000
## l'Antiga Esquerra de l'Eixample: 152 Mean : 4.435
## Sant Antoni : 131 3rd Qu.: 7.000
## el Barri Gòtic : 117 Max. :10.000
## (Other) :1690
## Nom_Districte
## Eixample :740
## Ciutat Vella :416
## Sant Martí :268
## Gràcia :267
## Sants-Montjuïc :238
## Sarrià-Sant Gervasi:192
## (Other) :560Ahora contamos con un número de observaciones más ajustado para realizar el trabajo 2.681: - Oci i cultura: 1.644 - Equipaments culturals i recreatius: 1.037
Aprovechamos y realizamos un nuevo gráfico para entener como es la distribuciones de las actividades por barrio y luego porder ver si éstas estan vinculadas con los barrios donde se localizan la mayor cantidad de alojamientos turísticos.
ggplot(Actividades_Económicas_Turisticas_PB) +
geom_bar(aes(x=Nom_Barri, fill=Nom_Grup_Activitat))+
coord_flip()+
labs(title = "DISTRIBUCION DE LAS ACTIVIDADES ECONOMICAS TURISTICAS EN P.B.",
subtitle = "Barcelona",
caption ="Fuente:https://opendata-ajuntament.barcelona.cat/es/",
x = "BARRIOS",
y = "TIPO DE ACTIVIDAD",
fill = "TIPO DE ACTIVIDAD ECONOMICA")
5- Cargamos el plano con los Polígonos de la ciudad de Barcelona y lo ploteamos para verificar.
Barcelona_Poligonos <- st_read("00_Bcn_Unidades_Administrativas_Poligonos.json")## Reading layer `00_Bcn_Unidades_Administrativas_Poligonos' from data source `/Users/ani/Desktop/UTDT - materias/Trimestre 2/02 - MU123 - Instrumentos de Análisis Urbano II/TP Final/TP Final/00_Bcn_Unidades_Administrativas_Poligonos.json' using driver `GeoJSON'
## Simple feature collection with 1501 features and 35 fields
## geometry type: MULTIPOLYGON
## dimension: XY
## bbox: xmin: 420812.5 ymin: 4574282 xmax: 435480.4 ymax: 4591066
## CRS: 25831ggplot() +
geom_sf(data = Barcelona_Poligonos)
Por algún motivo el dataset indica que está ausente de CRS. Esto nos genera un problema para poder continuar y trabajar con el plano de base y luego articular información sobre el. Para ello, primero seteamos las coordenadas que tienen todos nuestros dataset CRS=25831 y luego transformaremos los dataset que utilizamos para graficar al mercator crs=4326. De este modo estaremos trabajando con el mercator comunmente utilizado.
Barcelona_Poligonos <- st_transform(Barcelona_Poligonos, 4326)
head(Barcelona_Poligonos)## Simple feature collection with 6 features and 35 fields
## geometry type: MULTIPOLYGON
## dimension: XY
## bbox: xmin: 2.052333 ymin: 41.31704 xmax: 2.228045 ymax: 41.4683
## CRS: EPSG:4326
## FID ID_ANNEX ANNEXDESCR ID_TEMA TEMA_DESCR ID_CONJUNT
## 1 0 01 Grup - I 0104 Unitats Administratives 010411
## 2 1 01 Grup - I 0104 Unitats Administratives 010412
## 3 2 01 Grup - I 0104 Unitats Administratives 010412
## 4 3 01 Grup - I 0104 Unitats Administratives 010412
## 5 4 01 Grup - I 0104 Unitats Administratives 010412
## 6 5 01 Grup - I 0104 Unitats Administratives 010412
## CONJ_DESCR ID_SUBCONJ SCONJ_DESC ID_ELEMENT
## 1 Terme Municipal 01041101 Terme Municipal 0104110101
## 2 Districtes 01041201 Districte 0104120101
## 3 Districtes 01041201 Districte 0104120101
## 4 Districtes 01041201 Districte 0104120101
## 5 Districtes 01041201 Districte 0104120101
## 6 Districtes 01041201 Districte 0104120101
## ELEM_DESCR NIVELL NDESCR_CA
## 1 Límit de terme municipal ADM_01_PL Límit de terme municipal (polígon)
## 2 Límit de districte ADM_02_PL Límit de districte (polígon)
## 3 Límit de districte ADM_02_PL Límit de districte (polígon)
## 4 Límit de districte ADM_02_PL Límit de districte (polígon)
## 5 Límit de districte ADM_02_PL Límit de districte (polígon)
## 6 Límit de districte ADM_02_PL Límit de districte (polígon)
## NDESCR_ES NDESCR_EN TERME
## 1 Límite de término municipal (polígono) Municipality boundary (polygon) 080193
## 2 Límite de distrito (polígono) District boundary (polygon) 080193
## 3 Límite de distrito (polígono) District boundary (polygon) 080193
## 4 Límite de distrito (polígono) District boundary (polygon) 080193
## 5 Límite de distrito (polígono) District boundary (polygon) 080193
## 6 Límite de distrito (polígono) District boundary (polygon) 080193
## DISTRICTE BARRI AEB SEC_CENS GRANBARRI ZUA AREA_I LITERAL PERIMETRE AREA
## 1 - - - - - - - 080193 114036.62 101704974
## 2 01 - - - - - - 01 21366.96 4204931
## 3 02 - - - - - - 02 13931.64 7464303
## 4 03 - - - - - - 03 46711.86 22879850
## 5 04 - - - - - - 04 12551.60 6010769
## 6 05 - - - - - - 05 35757.40 19915566
## CODI_UA TIPUS_UA NOM WEB1
## 1 080193 TERME Barcelona http://www.bcn.cat
## 2 01 DISTRICTE Ciutat Vella http://www.bcn.cat/ciutatvella
## 3 02 DISTRICTE Eixample http://www.bcn.cat/eixample
## 4 03 DISTRICTE Sants-Montjuïc http://www.bcn.cat/sants-montjuic
## 5 04 DISTRICTE Les Corts http://www.bcn.cat/lescorts
## 6 05 DISTRICTE Sarrià-Sant Gervasi http://www.bcn.cat/sarria-santgervasi
## WEB2
## 1 http://www.bcn.cat/estadistica/catala/dades/inf/anuari/index.htm
## 2 http://www.bcn.cat/estadistica/catala/dades/guiadt01/index.htm
## 3 http://www.bcn.cat/estadistica/catala/dades/guiadt02/index.htm
## 4 http://www.bcn.cat/estadistica/catala/dades/guiadt03/index.htm
## 5 http://www.bcn.cat/estadistica/catala/dades/guiadt04/index.htm
## 6 http://www.bcn.cat/estadistica/catala/dades/guiadt05/index.htm
## WEB3
## 1 http://www.bcn.cat/estadistica/catala/documents/index.htm
## 2 http://www.bcn.cat/estadistica/catala/documents/districtes/01_CiutatVella_2017.pdf
## 3 http://www.bcn.cat/estadistica/catala/documents/districtes/02_Eixample_2017.pdf
## 4 http://www.bcn.cat/estadistica/catala/documents/districtes/03_Sants_Montju%C3%AFc_2017.pdf
## 5 http://www.bcn.cat/estadistica/catala/documents/districtes/04_LesCorts_2017.pdf
## 6 http://www.bcn.cat/estadistica/catala/documents/districtes/05_Sarria_San%20Gervasi_2017.pdf
## FHEX_COLOR Shape_Leng Shape_Area geometry
## 1 #000000 114036.62 101704974 MULTIPOLYGON (((2.187061 41...
## 2 #000000 21366.96 4204931 MULTIPOLYGON (((2.183451 41...
## 3 #000000 13931.64 7464303 MULTIPOLYGON (((2.186895 41...
## 4 #000000 46711.86 22879850 MULTIPOLYGON (((2.148236 41...
## 5 #000000 12551.60 6010769 MULTIPOLYGON (((2.103418 41...
## 6 #000000 35757.40 19915566 MULTIPOLYGON (((2.073126 41...6- Incorporamos un nuevo dataset específico con los Barrios de Barcelona y lo trasformamos a mercator 4325, para poder trabajar con el resto de los dataset incorporados. Luego ploteamos para verificar si se visualiza de manera correcta.
Barcelona_Barrios <- st_read("00_Barrios.shp")## Reading layer `00_Barrios' from data source `/Users/ani/Desktop/UTDT - materias/Trimestre 2/02 - MU123 - Instrumentos de Análisis Urbano II/TP Final/TP Final/00_Barrios.shp' using driver `ESRI Shapefile'
## Simple feature collection with 73 features and 0 fields
## geometry type: MULTIPOLYGON
## dimension: XY
## bbox: xmin: 420812.5 ymin: 4574282 xmax: 435480.4 ymax: 4591066
## CRS: NAhead(Barcelona_Barrios)## Simple feature collection with 6 features and 0 fields
## geometry type: MULTIPOLYGON
## dimension: XY
## bbox: xmin: 428282.7 ymin: 4578790 xmax: 433088.3 ymax: 4583792
## CRS: NA
## geometry
## 1 MULTIPOLYGON (((430162.2 45...
## 2 MULTIPOLYGON (((431189.9 45...
## 3 MULTIPOLYGON (((432798.7 45...
## 4 MULTIPOLYGON (((430697 4583...
## 5 MULTIPOLYGON (((429554.9 45...
## 6 MULTIPOLYGON (((428907 4580...Barcelona_Barrios <- st_transform(Barcelona_Poligonos, 4326)
head(Barcelona_Barrios)## Simple feature collection with 6 features and 35 fields
## geometry type: MULTIPOLYGON
## dimension: XY
## bbox: xmin: 2.052333 ymin: 41.31704 xmax: 2.228045 ymax: 41.4683
## CRS: EPSG:4326
## FID ID_ANNEX ANNEXDESCR ID_TEMA TEMA_DESCR ID_CONJUNT
## 1 0 01 Grup - I 0104 Unitats Administratives 010411
## 2 1 01 Grup - I 0104 Unitats Administratives 010412
## 3 2 01 Grup - I 0104 Unitats Administratives 010412
## 4 3 01 Grup - I 0104 Unitats Administratives 010412
## 5 4 01 Grup - I 0104 Unitats Administratives 010412
## 6 5 01 Grup - I 0104 Unitats Administratives 010412
## CONJ_DESCR ID_SUBCONJ SCONJ_DESC ID_ELEMENT
## 1 Terme Municipal 01041101 Terme Municipal 0104110101
## 2 Districtes 01041201 Districte 0104120101
## 3 Districtes 01041201 Districte 0104120101
## 4 Districtes 01041201 Districte 0104120101
## 5 Districtes 01041201 Districte 0104120101
## 6 Districtes 01041201 Districte 0104120101
## ELEM_DESCR NIVELL NDESCR_CA
## 1 Límit de terme municipal ADM_01_PL Límit de terme municipal (polígon)
## 2 Límit de districte ADM_02_PL Límit de districte (polígon)
## 3 Límit de districte ADM_02_PL Límit de districte (polígon)
## 4 Límit de districte ADM_02_PL Límit de districte (polígon)
## 5 Límit de districte ADM_02_PL Límit de districte (polígon)
## 6 Límit de districte ADM_02_PL Límit de districte (polígon)
## NDESCR_ES NDESCR_EN TERME
## 1 Límite de término municipal (polígono) Municipality boundary (polygon) 080193
## 2 Límite de distrito (polígono) District boundary (polygon) 080193
## 3 Límite de distrito (polígono) District boundary (polygon) 080193
## 4 Límite de distrito (polígono) District boundary (polygon) 080193
## 5 Límite de distrito (polígono) District boundary (polygon) 080193
## 6 Límite de distrito (polígono) District boundary (polygon) 080193
## DISTRICTE BARRI AEB SEC_CENS GRANBARRI ZUA AREA_I LITERAL PERIMETRE AREA
## 1 - - - - - - - 080193 114036.62 101704974
## 2 01 - - - - - - 01 21366.96 4204931
## 3 02 - - - - - - 02 13931.64 7464303
## 4 03 - - - - - - 03 46711.86 22879850
## 5 04 - - - - - - 04 12551.60 6010769
## 6 05 - - - - - - 05 35757.40 19915566
## CODI_UA TIPUS_UA NOM WEB1
## 1 080193 TERME Barcelona http://www.bcn.cat
## 2 01 DISTRICTE Ciutat Vella http://www.bcn.cat/ciutatvella
## 3 02 DISTRICTE Eixample http://www.bcn.cat/eixample
## 4 03 DISTRICTE Sants-Montjuïc http://www.bcn.cat/sants-montjuic
## 5 04 DISTRICTE Les Corts http://www.bcn.cat/lescorts
## 6 05 DISTRICTE Sarrià-Sant Gervasi http://www.bcn.cat/sarria-santgervasi
## WEB2
## 1 http://www.bcn.cat/estadistica/catala/dades/inf/anuari/index.htm
## 2 http://www.bcn.cat/estadistica/catala/dades/guiadt01/index.htm
## 3 http://www.bcn.cat/estadistica/catala/dades/guiadt02/index.htm
## 4 http://www.bcn.cat/estadistica/catala/dades/guiadt03/index.htm
## 5 http://www.bcn.cat/estadistica/catala/dades/guiadt04/index.htm
## 6 http://www.bcn.cat/estadistica/catala/dades/guiadt05/index.htm
## WEB3
## 1 http://www.bcn.cat/estadistica/catala/documents/index.htm
## 2 http://www.bcn.cat/estadistica/catala/documents/districtes/01_CiutatVella_2017.pdf
## 3 http://www.bcn.cat/estadistica/catala/documents/districtes/02_Eixample_2017.pdf
## 4 http://www.bcn.cat/estadistica/catala/documents/districtes/03_Sants_Montju%C3%AFc_2017.pdf
## 5 http://www.bcn.cat/estadistica/catala/documents/districtes/04_LesCorts_2017.pdf
## 6 http://www.bcn.cat/estadistica/catala/documents/districtes/05_Sarria_San%20Gervasi_2017.pdf
## FHEX_COLOR Shape_Leng Shape_Area geometry
## 1 #000000 114036.62 101704974 MULTIPOLYGON (((2.187061 41...
## 2 #000000 21366.96 4204931 MULTIPOLYGON (((2.183451 41...
## 3 #000000 13931.64 7464303 MULTIPOLYGON (((2.186895 41...
## 4 #000000 46711.86 22879850 MULTIPOLYGON (((2.148236 41...
## 5 #000000 12551.60 6010769 MULTIPOLYGON (((2.103418 41...
## 6 #000000 35757.40 19915566 MULTIPOLYGON (((2.073126 41...names(Barcelona_Barrios)## [1] "FID" "ID_ANNEX" "ANNEXDESCR" "ID_TEMA" "TEMA_DESCR"
## [6] "ID_CONJUNT" "CONJ_DESCR" "ID_SUBCONJ" "SCONJ_DESC" "ID_ELEMENT"
## [11] "ELEM_DESCR" "NIVELL" "NDESCR_CA" "NDESCR_ES" "NDESCR_EN"
## [16] "TERME" "DISTRICTE" "BARRI" "AEB" "SEC_CENS"
## [21] "GRANBARRI" "ZUA" "AREA_I" "LITERAL" "PERIMETRE"
## [26] "AREA" "CODI_UA" "TIPUS_UA" "NOM" "WEB1"
## [31] "WEB2" "WEB3" "FHEX_COLOR" "Shape_Leng" "Shape_Area"
## [36] "geometry"ggplot() +
geom_sf(data = Barcelona_Barrios)
Filtramos y seleccionamos las variables que deseamos conservar.
Barcelona_Barrios <- filter(Barcelona_Barrios, TIPUS_UA == "BARRI")
head(Barcelona_Barrios)## Simple feature collection with 6 features and 35 fields
## geometry type: MULTIPOLYGON
## dimension: XY
## bbox: xmin: 2.163089 ymin: 41.35773 xmax: 2.199722 ymax: 41.41204
## CRS: EPSG:4326
## FID ID_ANNEX ANNEXDESCR ID_TEMA TEMA_DESCR ID_CONJUNT CONJ_DESCR
## 1 11 01 Grup - I 0104 Unitats Administratives 010413 Barris
## 2 12 01 Grup - I 0104 Unitats Administratives 010413 Barris
## 3 13 01 Grup - I 0104 Unitats Administratives 010413 Barris
## 4 14 01 Grup - I 0104 Unitats Administratives 010413 Barris
## 5 15 01 Grup - I 0104 Unitats Administratives 010413 Barris
## 6 16 01 Grup - I 0104 Unitats Administratives 010413 Barris
## ID_SUBCONJ SCONJ_DESC ID_ELEMENT ELEM_DESCR NIVELL
## 1 01041301 Barri 0104130101 Límit de barri ADM_03_PL
## 2 01041301 Barri 0104130101 Límit de barri ADM_03_PL
## 3 01041301 Barri 0104130101 Límit de barri ADM_03_PL
## 4 01041301 Barri 0104130101 Límit de barri ADM_03_PL
## 5 01041301 Barri 0104130101 Límit de barri ADM_03_PL
## 6 01041301 Barri 0104130101 Límit de barri ADM_03_PL
## NDESCR_CA NDESCR_ES
## 1 Límit de barri (polígon) Límite de barrrio (polígono)
## 2 Límit de barri (polígon) Límite de barrrio (polígono)
## 3 Límit de barri (polígon) Límite de barrrio (polígono)
## 4 Límit de barri (polígon) Límite de barrrio (polígono)
## 5 Límit de barri (polígon) Límite de barrrio (polígono)
## 6 Límit de barri (polígon) Límite de barrrio (polígono)
## NDESCR_EN TERME DISTRICTE BARRI AEB SEC_CENS GRANBARRI
## 1 Neighborhood boundary (polygon) 080193 01 01 - - 01
## 2 Neighborhood boundary (polygon) 080193 01 02 - - 02
## 3 Neighborhood boundary (polygon) 080193 01 03 - - 03
## 4 Neighborhood boundary (polygon) 080193 01 04 - - 04
## 5 Neighborhood boundary (polygon) 080193 02 05 - - 05
## 6 Neighborhood boundary (polygon) 080193 02 06 - - 06
## ZUA AREA_I LITERAL PERIMETRE AREA CODI_UA TIPUS_UA
## 1 - - 01 5521.647 1100286.1 01 BARRI
## 2 - - 02 5198.000 815593.9 02 BARRI
## 3 - - 03 13853.129 1179382.0 03 BARRI
## 4 - - 04 4664.483 1109668.8 04 BARRI
## 5 - - 05 4137.329 929355.8 05 BARRI
## 6 - - 06 4358.094 1041829.3 06 BARRI
## NOM
## 1 el Raval
## 2 el Barri Gòtic
## 3 la Barceloneta
## 4 Sant Pere, Santa Caterina i la Ribera
## 5 el Fort Pienc
## 6 la Sagrada Família
## WEB1
## 1 http://lameva.barcelona.cat/ciutatvella/ca/home/el-barri-del-raval
## 2 http://lameva.barcelona.cat/ciutatvella/ca/home/el-barri-gotic
## 3 http://lameva.barcelona.cat/ciutatvella/ca/home/el-barri-de-la-barceloneta
## 4 http://lameva.barcelona.cat/ciutatvella/ca/home/el-barri-de-sant-pere-santa-caterina-i-la-ribera
## 5 http://lameva.barcelona.cat/eixample/ca/home/el-barri-de-fort-pienc
## 6 http://lameva.barcelona.cat/eixample/ca/home/el-barri-de-la-sagrada-familia
## WEB2
## 1 http://www.bcn.cat/estadistica/catala/dades/inf/barris/a2017/barri1.pdf
## 2 http://www.bcn.cat/estadistica/catala/dades/inf/barris/a2017/barri2.pdf
## 3 http://www.bcn.cat/estadistica/catala/dades/inf/barris/a2017/barri3.pdf
## 4 http://www.bcn.cat/estadistica/catala/dades/inf/barris/a2017/barri4.pdf
## 5 http://www.bcn.cat/estadistica/catala/dades/inf/barris/a2017/barri5.pdf
## 6 http://www.bcn.cat/estadistica/catala/dades/inf/barris/a2017/barri6.pdf
## WEB3
## 1 http://www.bcn.cat/estadistica/catala/documents/barris/01_CV_Raval_2017.pdf
## 2 http://www.bcn.cat/estadistica/catala/documents/barris/02_CV_BGotic_2017.pdf
## 3 http://www.bcn.cat/estadistica/catala/documents/barris/03_CV_Barceloneta_2017.pdf
## 4 http://www.bcn.cat/estadistica/catala/documents/barris/04_CV_Pere_Cater_Ribera_2017.pdf
## 5 http://www.bcn.cat/estadistica/catala/documents/barris/05_EI_FortPienc_2017.pdf
## 6 http://www.bcn.cat/estadistica/catala/documents/barris/06_EI_SdaFamilia_2017.pdf
## FHEX_COLOR Shape_Leng Shape_Area geometry
## 1 #E66900 5521.647 1100286.1 MULTIPOLYGON (((2.164714 41...
## 2 #E66900 5198.000 815593.9 MULTIPOLYGON (((2.177014 41...
## 3 #E66900 13853.130 1179382.0 MULTIPOLYGON (((2.196229 41...
## 4 #E66900 4664.483 1109668.8 MULTIPOLYGON (((2.183451 41...
## 5 #E66900 4137.329 929355.8 MULTIPOLYGON (((2.183527 41...
## 6 #E66900 4358.094 1041829.3 MULTIPOLYGON (((2.173368 41...names(Barcelona_Barrios)## [1] "FID" "ID_ANNEX" "ANNEXDESCR" "ID_TEMA" "TEMA_DESCR"
## [6] "ID_CONJUNT" "CONJ_DESCR" "ID_SUBCONJ" "SCONJ_DESC" "ID_ELEMENT"
## [11] "ELEM_DESCR" "NIVELL" "NDESCR_CA" "NDESCR_ES" "NDESCR_EN"
## [16] "TERME" "DISTRICTE" "BARRI" "AEB" "SEC_CENS"
## [21] "GRANBARRI" "ZUA" "AREA_I" "LITERAL" "PERIMETRE"
## [26] "AREA" "CODI_UA" "TIPUS_UA" "NOM" "WEB1"
## [31] "WEB2" "WEB3" "FHEX_COLOR" "Shape_Leng" "Shape_Area"
## [36] "geometry"Barcelona_Barrios <- select(Barcelona_Barrios, NDESCR_ES, DISTRICTE, BARRI, GRANBARRI, LITERAL, PERIMETRE, AREA, CODI_UA, TIPUS_UA, NOM, Shape_Leng, Shape_Area, geometry)Unimos los dataset de Barrios y Polígonos
Barcelona_Poligonos_y_Barrios <- st_join(Barcelona_Barrios, Barcelona_Poligonos)## although coordinates are longitude/latitude, st_intersects assumes that they are planarhead(Barcelona_Poligonos_y_Barrios)## Simple feature collection with 6 features and 47 fields
## geometry type: MULTIPOLYGON
## dimension: XY
## bbox: xmin: 2.163089 ymin: 41.37037 xmax: 2.183015 ymax: 41.38593
## CRS: EPSG:4326
## NDESCR_ES.x DISTRICTE.x BARRI.x GRANBARRI.x LITERAL.x
## 1 Límite de barrrio (polígono) 01 01 01 01
## 1.1 Límite de barrrio (polígono) 01 01 01 01
## 1.2 Límite de barrrio (polígono) 01 01 01 01
## 1.3 Límite de barrrio (polígono) 01 01 01 01
## 1.4 Límite de barrrio (polígono) 01 01 01 01
## 1.5 Límite de barrrio (polígono) 01 01 01 01
## PERIMETRE.x AREA.x CODI_UA.x TIPUS_UA.x NOM.x Shape_Leng.x Shape_Area.x
## 1 5521.647 1100286 01 BARRI el Raval 5521.647 1100286
## 1.1 5521.647 1100286 01 BARRI el Raval 5521.647 1100286
## 1.2 5521.647 1100286 01 BARRI el Raval 5521.647 1100286
## 1.3 5521.647 1100286 01 BARRI el Raval 5521.647 1100286
## 1.4 5521.647 1100286 01 BARRI el Raval 5521.647 1100286
## 1.5 5521.647 1100286 01 BARRI el Raval 5521.647 1100286
## FID ID_ANNEX ANNEXDESCR ID_TEMA TEMA_DESCR ID_CONJUNT
## 1 0 01 Grup - I 0104 Unitats Administratives 010411
## 1.1 1 01 Grup - I 0104 Unitats Administratives 010412
## 1.2 2 01 Grup - I 0104 Unitats Administratives 010412
## 1.3 3 01 Grup - I 0104 Unitats Administratives 010412
## 1.4 11 01 Grup - I 0104 Unitats Administratives 010413
## 1.5 12 01 Grup - I 0104 Unitats Administratives 010413
## CONJ_DESCR ID_SUBCONJ SCONJ_DESC ID_ELEMENT
## 1 Terme Municipal 01041101 Terme Municipal 0104110101
## 1.1 Districtes 01041201 Districte 0104120101
## 1.2 Districtes 01041201 Districte 0104120101
## 1.3 Districtes 01041201 Districte 0104120101
## 1.4 Barris 01041301 Barri 0104130101
## 1.5 Barris 01041301 Barri 0104130101
## ELEM_DESCR NIVELL NDESCR_CA
## 1 Límit de terme municipal ADM_01_PL Límit de terme municipal (polígon)
## 1.1 Límit de districte ADM_02_PL Límit de districte (polígon)
## 1.2 Límit de districte ADM_02_PL Límit de districte (polígon)
## 1.3 Límit de districte ADM_02_PL Límit de districte (polígon)
## 1.4 Límit de barri ADM_03_PL Límit de barri (polígon)
## 1.5 Límit de barri ADM_03_PL Límit de barri (polígon)
## NDESCR_ES.y NDESCR_EN
## 1 Límite de término municipal (polígono) Municipality boundary (polygon)
## 1.1 Límite de distrito (polígono) District boundary (polygon)
## 1.2 Límite de distrito (polígono) District boundary (polygon)
## 1.3 Límite de distrito (polígono) District boundary (polygon)
## 1.4 Límite de barrrio (polígono) Neighborhood boundary (polygon)
## 1.5 Límite de barrrio (polígono) Neighborhood boundary (polygon)
## TERME DISTRICTE.y BARRI.y AEB SEC_CENS GRANBARRI.y ZUA AREA_I LITERAL.y
## 1 080193 - - - - - - - 080193
## 1.1 080193 01 - - - - - - 01
## 1.2 080193 02 - - - - - - 02
## 1.3 080193 03 - - - - - - 03
## 1.4 080193 01 01 - - 01 - - 01
## 1.5 080193 01 02 - - 02 - - 02
## PERIMETRE.y AREA.y CODI_UA.y TIPUS_UA.y NOM.y
## 1 114036.625 101704973.9 080193 TERME Barcelona
## 1.1 21366.962 4204930.8 01 DISTRICTE Ciutat Vella
## 1.2 13931.644 7464303.2 02 DISTRICTE Eixample
## 1.3 46711.857 22879850.1 03 DISTRICTE Sants-Montjuïc
## 1.4 5521.647 1100286.1 01 BARRI el Raval
## 1.5 5198.000 815593.9 02 BARRI el Barri Gòtic
## WEB1
## 1 http://www.bcn.cat
## 1.1 http://www.bcn.cat/ciutatvella
## 1.2 http://www.bcn.cat/eixample
## 1.3 http://www.bcn.cat/sants-montjuic
## 1.4 http://lameva.barcelona.cat/ciutatvella/ca/home/el-barri-del-raval
## 1.5 http://lameva.barcelona.cat/ciutatvella/ca/home/el-barri-gotic
## WEB2
## 1 http://www.bcn.cat/estadistica/catala/dades/inf/anuari/index.htm
## 1.1 http://www.bcn.cat/estadistica/catala/dades/guiadt01/index.htm
## 1.2 http://www.bcn.cat/estadistica/catala/dades/guiadt02/index.htm
## 1.3 http://www.bcn.cat/estadistica/catala/dades/guiadt03/index.htm
## 1.4 http://www.bcn.cat/estadistica/catala/dades/inf/barris/a2017/barri1.pdf
## 1.5 http://www.bcn.cat/estadistica/catala/dades/inf/barris/a2017/barri2.pdf
## WEB3
## 1 http://www.bcn.cat/estadistica/catala/documents/index.htm
## 1.1 http://www.bcn.cat/estadistica/catala/documents/districtes/01_CiutatVella_2017.pdf
## 1.2 http://www.bcn.cat/estadistica/catala/documents/districtes/02_Eixample_2017.pdf
## 1.3 http://www.bcn.cat/estadistica/catala/documents/districtes/03_Sants_Montju%C3%AFc_2017.pdf
## 1.4 http://www.bcn.cat/estadistica/catala/documents/barris/01_CV_Raval_2017.pdf
## 1.5 http://www.bcn.cat/estadistica/catala/documents/barris/02_CV_BGotic_2017.pdf
## FHEX_COLOR Shape_Leng.y Shape_Area.y geometry
## 1 #000000 114036.625 101704973.9 MULTIPOLYGON (((2.164714 41...
## 1.1 #000000 21366.962 4204930.8 MULTIPOLYGON (((2.164714 41...
## 1.2 #000000 13931.644 7464303.2 MULTIPOLYGON (((2.164714 41...
## 1.3 #000000 46711.857 22879850.0 MULTIPOLYGON (((2.164714 41...
## 1.4 #E66900 5521.647 1100286.1 MULTIPOLYGON (((2.164714 41...
## 1.5 #E66900 5198.000 815593.9 MULTIPOLYGON (((2.164714 41...7- Realizamos una unión espacial del plano de Barcelona y las actividades económicas seleccionadas. Para ello, debemos convertir el dataset de las Actividades_Económicas_Turísitcas_PB en un dataset espacial.
anyNA(Actividades_Económicas_Turisticas_PB)## [1] FALSEActividades_Económicas_Turisticas_PB_geo <- st_as_sf(Actividades_Económicas_Turisticas_PB, coords = c("Longitud", "Latitud"),
crs = 4326)
st_crs(Actividades_Económicas_Turisticas_PB_geo)## Coordinate Reference System:
## User input: EPSG:4326
## wkt:
## GEOGCS["WGS 84",
## DATUM["WGS_1984",
## SPHEROID["WGS 84",6378137,298.257223563,
## AUTHORITY["EPSG","7030"]],
## AUTHORITY["EPSG","6326"]],
## PRIMEM["Greenwich",0,
## AUTHORITY["EPSG","8901"]],
## UNIT["degree",0.0174532925199433,
## AUTHORITY["EPSG","9122"]],
## AUTHORITY["EPSG","4326"]]head(Actividades_Económicas_Turisticas_PB_geo)## Simple feature collection with 6 features and 13 fields
## geometry type: POINT
## dimension: XY
## bbox: xmin: 2.159577 ymin: 41.37264 xmax: 2.177346 ymax: 41.41635
## CRS: EPSG:4326
## ID_Bcn_2019 Codi_Principal_Activitat Nom_Principal_Activitat
## 1 1028630 1 Actiu
## 2 1014939 1 Actiu
## 3 1015061 1 Actiu
## 4 1015241 1 Actiu
## 5 1015325 1 Actiu
## 6 1015324 1 Actiu
## Codi_Sector_Activitat Nom_Sector_Activitat Codi_Grup_Activitat
## 1 2 Serveis 10
## 2 2 Serveis 10
## 3 1 Comerç al detall 5
## 4 1 Comerç al detall 5
## 5 2 Serveis 10
## 6 2 Serveis 10
## Nom_Grup_Activitat Codi_Via Nom_Via Codi_Barri
## 1 Equipaments culturals i recreatius 33702 PTGE BANCA 2
## 2 Equipaments culturals i recreatius 207600 T MELIS 35
## 3 Oci i cultura 323203 SEPÚLVEDA 10
## 4 Oci i cultura 254803 PEU DE LA CREU 1
## 5 Equipaments culturals i recreatius 86301 CONCÒRDIA 11
## 6 Equipaments culturals i recreatius 86301 CONCÒRDIA 11
## Nom_Barri Codi_Districte Nom_Districte geometry
## 1 el Barri Gòtic 1 Ciutat Vella POINT (2.177346 41.37737)
## 2 el Guinardó 7 Horta-Guinardó POINT (2.172037 41.41635)
## 3 Sant Antoni 2 Eixample POINT (2.162692 41.3832)
## 4 el Raval 1 Ciutat Vella POINT (2.166278 41.38067)
## 5 el Poble Sec 3 Sants-Montjuïc POINT (2.159577 41.37264)
## 6 el Poble Sec 3 Sants-Montjuïc POINT (2.159633 41.37271)Procedemos a realizar la unión espacial.
Barcelona_Comercios_Turisticos_PB <- st_join(Actividades_Económicas_Turisticas_PB_geo, Barcelona_Poligonos_y_Barrios)## although coordinates are longitude/latitude, st_intersects assumes that they are planar
## although coordinates are longitude/latitude, st_intersects assumes that they are planarhead(Barcelona_Comercios_Turisticos_PB)## Simple feature collection with 6 features and 60 fields
## geometry type: POINT
## dimension: XY
## bbox: xmin: 2.177346 ymin: 41.37737 xmax: 2.177346 ymax: 41.37737
## CRS: EPSG:4326
## ID_Bcn_2019 Codi_Principal_Activitat Nom_Principal_Activitat
## 1 1028630 1 Actiu
## 1.1 1028630 1 Actiu
## 1.2 1028630 1 Actiu
## 1.3 1028630 1 Actiu
## 1.4 1028630 1 Actiu
## 1.5 1028630 1 Actiu
## Codi_Sector_Activitat Nom_Sector_Activitat Codi_Grup_Activitat
## 1 2 Serveis 10
## 1.1 2 Serveis 10
## 1.2 2 Serveis 10
## 1.3 2 Serveis 10
## 1.4 2 Serveis 10
## 1.5 2 Serveis 10
## Nom_Grup_Activitat Codi_Via Nom_Via Codi_Barri
## 1 Equipaments culturals i recreatius 33702 PTGE BANCA 2
## 1.1 Equipaments culturals i recreatius 33702 PTGE BANCA 2
## 1.2 Equipaments culturals i recreatius 33702 PTGE BANCA 2
## 1.3 Equipaments culturals i recreatius 33702 PTGE BANCA 2
## 1.4 Equipaments culturals i recreatius 33702 PTGE BANCA 2
## 1.5 Equipaments culturals i recreatius 33702 PTGE BANCA 2
## Nom_Barri Codi_Districte Nom_Districte NDESCR_ES.x
## 1 el Barri Gòtic 1 Ciutat Vella Límite de barrrio (polígono)
## 1.1 el Barri Gòtic 1 Ciutat Vella Límite de barrrio (polígono)
## 1.2 el Barri Gòtic 1 Ciutat Vella Límite de barrrio (polígono)
## 1.3 el Barri Gòtic 1 Ciutat Vella Límite de barrrio (polígono)
## 1.4 el Barri Gòtic 1 Ciutat Vella Límite de barrrio (polígono)
## 1.5 el Barri Gòtic 1 Ciutat Vella Límite de barrrio (polígono)
## DISTRICTE.x BARRI.x GRANBARRI.x LITERAL.x PERIMETRE.x AREA.x CODI_UA.x
## 1 01 02 02 02 5198 815593.9 02
## 1.1 01 02 02 02 5198 815593.9 02
## 1.2 01 02 02 02 5198 815593.9 02
## 1.3 01 02 02 02 5198 815593.9 02
## 1.4 01 02 02 02 5198 815593.9 02
## 1.5 01 02 02 02 5198 815593.9 02
## TIPUS_UA.x NOM.x Shape_Leng.x Shape_Area.x FID ID_ANNEX ANNEXDESCR
## 1 BARRI el Barri Gòtic 5198 815593.9 0 01 Grup - I
## 1.1 BARRI el Barri Gòtic 5198 815593.9 1 01 Grup - I
## 1.2 BARRI el Barri Gòtic 5198 815593.9 2 01 Grup - I
## 1.3 BARRI el Barri Gòtic 5198 815593.9 11 01 Grup - I
## 1.4 BARRI el Barri Gòtic 5198 815593.9 12 01 Grup - I
## 1.5 BARRI el Barri Gòtic 5198 815593.9 13 01 Grup - I
## ID_TEMA TEMA_DESCR ID_CONJUNT CONJ_DESCR ID_SUBCONJ
## 1 0104 Unitats Administratives 010411 Terme Municipal 01041101
## 1.1 0104 Unitats Administratives 010412 Districtes 01041201
## 1.2 0104 Unitats Administratives 010412 Districtes 01041201
## 1.3 0104 Unitats Administratives 010413 Barris 01041301
## 1.4 0104 Unitats Administratives 010413 Barris 01041301
## 1.5 0104 Unitats Administratives 010413 Barris 01041301
## SCONJ_DESC ID_ELEMENT ELEM_DESCR NIVELL
## 1 Terme Municipal 0104110101 Límit de terme municipal ADM_01_PL
## 1.1 Districte 0104120101 Límit de districte ADM_02_PL
## 1.2 Districte 0104120101 Límit de districte ADM_02_PL
## 1.3 Barri 0104130101 Límit de barri ADM_03_PL
## 1.4 Barri 0104130101 Límit de barri ADM_03_PL
## 1.5 Barri 0104130101 Límit de barri ADM_03_PL
## NDESCR_CA NDESCR_ES.y
## 1 Límit de terme municipal (polígon) Límite de término municipal (polígono)
## 1.1 Límit de districte (polígon) Límite de distrito (polígono)
## 1.2 Límit de districte (polígon) Límite de distrito (polígono)
## 1.3 Límit de barri (polígon) Límite de barrrio (polígono)
## 1.4 Límit de barri (polígon) Límite de barrrio (polígono)
## 1.5 Límit de barri (polígon) Límite de barrrio (polígono)
## NDESCR_EN TERME DISTRICTE.y BARRI.y AEB SEC_CENS
## 1 Municipality boundary (polygon) 080193 - - - -
## 1.1 District boundary (polygon) 080193 01 - - -
## 1.2 District boundary (polygon) 080193 02 - - -
## 1.3 Neighborhood boundary (polygon) 080193 01 01 - -
## 1.4 Neighborhood boundary (polygon) 080193 01 02 - -
## 1.5 Neighborhood boundary (polygon) 080193 01 03 - -
## GRANBARRI.y ZUA AREA_I LITERAL.y PERIMETRE.y AREA.y CODI_UA.y
## 1 - - - 080193 114036.625 101704973.9 080193
## 1.1 - - - 01 21366.962 4204930.8 01
## 1.2 - - - 02 13931.644 7464303.2 02
## 1.3 01 - - 01 5521.647 1100286.1 01
## 1.4 02 - - 02 5198.000 815593.9 02
## 1.5 03 - - 03 13853.129 1179382.0 03
## TIPUS_UA.y NOM.y
## 1 TERME Barcelona
## 1.1 DISTRICTE Ciutat Vella
## 1.2 DISTRICTE Eixample
## 1.3 BARRI el Raval
## 1.4 BARRI el Barri Gòtic
## 1.5 BARRI la Barceloneta
## WEB1
## 1 http://www.bcn.cat
## 1.1 http://www.bcn.cat/ciutatvella
## 1.2 http://www.bcn.cat/eixample
## 1.3 http://lameva.barcelona.cat/ciutatvella/ca/home/el-barri-del-raval
## 1.4 http://lameva.barcelona.cat/ciutatvella/ca/home/el-barri-gotic
## 1.5 http://lameva.barcelona.cat/ciutatvella/ca/home/el-barri-de-la-barceloneta
## WEB2
## 1 http://www.bcn.cat/estadistica/catala/dades/inf/anuari/index.htm
## 1.1 http://www.bcn.cat/estadistica/catala/dades/guiadt01/index.htm
## 1.2 http://www.bcn.cat/estadistica/catala/dades/guiadt02/index.htm
## 1.3 http://www.bcn.cat/estadistica/catala/dades/inf/barris/a2017/barri1.pdf
## 1.4 http://www.bcn.cat/estadistica/catala/dades/inf/barris/a2017/barri2.pdf
## 1.5 http://www.bcn.cat/estadistica/catala/dades/inf/barris/a2017/barri3.pdf
## WEB3
## 1 http://www.bcn.cat/estadistica/catala/documents/index.htm
## 1.1 http://www.bcn.cat/estadistica/catala/documents/districtes/01_CiutatVella_2017.pdf
## 1.2 http://www.bcn.cat/estadistica/catala/documents/districtes/02_Eixample_2017.pdf
## 1.3 http://www.bcn.cat/estadistica/catala/documents/barris/01_CV_Raval_2017.pdf
## 1.4 http://www.bcn.cat/estadistica/catala/documents/barris/02_CV_BGotic_2017.pdf
## 1.5 http://www.bcn.cat/estadistica/catala/documents/barris/03_CV_Barceloneta_2017.pdf
## FHEX_COLOR Shape_Leng.y Shape_Area.y geometry
## 1 #000000 114036.625 101704973.9 POINT (2.177346 41.37737)
## 1.1 #000000 21366.962 4204930.8 POINT (2.177346 41.37737)
## 1.2 #000000 13931.644 7464303.2 POINT (2.177346 41.37737)
## 1.3 #E66900 5521.647 1100286.1 POINT (2.177346 41.37737)
## 1.4 #E66900 5198.000 815593.9 POINT (2.177346 41.37737)
## 1.5 #E66900 13853.130 1179382.0 POINT (2.177346 41.37737)Ploteamos con los dataset por separado:
ggplot() +
geom_sf(data = Barcelona_Poligonos_y_Barrios) +
geom_point(data = Actividades_Económicas_Turisticas_PB,
aes(x=Longitud, y=Latitud),
color="red",
size= 0.008,
alpha=0.2)
Ploteamos a partir de unión espacial generada:
ggplot() +
geom_sf(data = Barcelona_Poligonos_y_Barrios) +
geom_sf(data = Barcelona_Comercios_Turisticos_PB, mapping = aes(color=Nom_Grup_Activitat), size= 0.02, alpha=0.5) +
geom_sf_text(data = Barcelona_Poligonos_y_Barrios, aes(label = BARRI.x), size = 4, colour = "black") +
labs(title = "Actividades Económicas vinculadas al Turismo",
subtitle = "Barcelona",
caption= "Fuente: https://opendata-ajuntament.barcelona.cat/es/",
y="",
x="")## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
Se observa la distribución de actividades económicas vinculadas al turismos en el plano. Desde luego, las mismas poseen la misma distribución por barrios como se había observado en el gráfico de barras realizado en el punto 4. Los barrios con mayor actividad turísitca en Barcelona son: - Raval (Barrio 01) - l´Antigua Esquerra de l´Eixample (Barrio 08) - La Dreta de l´Eixample (Barrio 07) - La Villa de Gracia (Barrio 31)
8- Realizamos un mapa coroplético para ver de forma más clara como es la distribución de éstas actividades económicas. El mismo nos servirá para luego poder analizar que relación tienen con los alojamientos turísticos. Para ello, primero agrupamos las actividades económicas por barrio y le quitamos la geometría, para luego unirlo al dataset de Barcelona_Polígonos_y_Barrios y poder mapear.
Total_Actividades_Económicas_Por_Poligono_y_Barrio <- Barcelona_Comercios_Turisticos_PB %>%
group_by(Nom_Barri) %>%
summarise(total=n())
head(Total_Actividades_Económicas_Por_Poligono_y_Barrio)## Simple feature collection with 6 features and 2 fields
## geometry type: MULTIPOINT
## dimension: XY
## bbox: xmin: 2.161992 ymin: 41.40245 xmax: 2.219661 ymax: 41.46106
## CRS: EPSG:4326
## # A tibble: 6 x 3
## Nom_Barri total geometry
## <fct> <int> <MULTIPOINT [°]>
## 1 Baró de Viver 63 ((2.199332 41.44806), (2.200048 41.44828), (2.…
## 2 Can Baró 152 ((2.162468 41.41732), (2.162469 41.41426), (2.…
## 3 Can Peguera 56 ((2.164525 41.43404), (2.16841 41.43342))
## 4 Canyelles 82 ((2.161992 41.44208), (2.164398 41.4438))
## 5 Ciutat Meridiana 76 ((2.175542 41.46106), (2.175748 41.4598), (2.1…
## 6 Diagonal Mar i el Front… 697 ((2.210191 41.40245), (2.21084 41.40785), (2.2…Total_Actividades_Económicas_Por_Poligono_y_Barrio_Sin_Geometria <- Total_Actividades_Económicas_Por_Poligono_y_Barrio %>%
st_set_geometry(NULL)
head(Total_Actividades_Económicas_Por_Poligono_y_Barrio_Sin_Geometria)## # A tibble: 6 x 2
## Nom_Barri total
## <fct> <int>
## 1 Baró de Viver 63
## 2 Can Baró 152
## 3 Can Peguera 56
## 4 Canyelles 82
## 5 Ciutat Meridiana 76
## 6 Diagonal Mar i el Front Marítim del Poblenou 697Para poder unir los dataset de Total_Actividades_Económicas_Por_Poligono_y_Barrio con Barcelona_Poligonos_y_Barrios, necesitamos contar con una columna que tenga el mismo nombre para unirlas. Por ello, modificamos en Barcelona_Poligonos_y_Barrios el nombre de la columna “NOM.x” por “Nom_Barri”.
Luego seleccionamos y filtramos el dataset resultante.
colnames(Total_Actividades_Económicas_Por_Poligono_y_Barrio)[colnames(Total_Actividades_Económicas_Por_Poligono_y_Barrio) %in% c('NOM.x')] <- paste0(c('Nom_Barri'))
names(Total_Actividades_Económicas_Por_Poligono_y_Barrio)## [1] "Nom_Barri" "total" "geometry"Actividades_Económicas_Por_Poligono_y_Barrio <- Barcelona_Poligonos_y_Barrios %>%
st_join(Total_Actividades_Económicas_Por_Poligono_y_Barrio, by="Nom_Barri")## although coordinates are longitude/latitude, st_intersects assumes that they are planarhead(Actividades_Económicas_Por_Poligono_y_Barrio)## Simple feature collection with 6 features and 49 fields
## geometry type: MULTIPOLYGON
## dimension: XY
## bbox: xmin: 2.163089 ymin: 41.37037 xmax: 2.183015 ymax: 41.38593
## CRS: EPSG:4326
## NDESCR_ES.x DISTRICTE.x BARRI.x GRANBARRI.x LITERAL.x
## 1 Límite de barrrio (polígono) 01 01 01 01
## 1.1 Límite de barrrio (polígono) 01 01 01 01
## 1.2 Límite de barrrio (polígono) 01 01 01 01
## 1.3 Límite de barrrio (polígono) 01 01 01 01
## 1.4 Límite de barrrio (polígono) 01 01 01 01
## 1.5 Límite de barrrio (polígono) 01 01 01 01
## PERIMETRE.x AREA.x CODI_UA.x TIPUS_UA.x NOM.x Shape_Leng.x Shape_Area.x
## 1 5521.647 1100286 01 BARRI el Raval 5521.647 1100286
## 1.1 5521.647 1100286 01 BARRI el Raval 5521.647 1100286
## 1.2 5521.647 1100286 01 BARRI el Raval 5521.647 1100286
## 1.3 5521.647 1100286 01 BARRI el Raval 5521.647 1100286
## 1.4 5521.647 1100286 01 BARRI el Raval 5521.647 1100286
## 1.5 5521.647 1100286 01 BARRI el Raval 5521.647 1100286
## FID ID_ANNEX ANNEXDESCR ID_TEMA TEMA_DESCR ID_CONJUNT
## 1 0 01 Grup - I 0104 Unitats Administratives 010411
## 1.1 1 01 Grup - I 0104 Unitats Administratives 010412
## 1.2 2 01 Grup - I 0104 Unitats Administratives 010412
## 1.3 3 01 Grup - I 0104 Unitats Administratives 010412
## 1.4 11 01 Grup - I 0104 Unitats Administratives 010413
## 1.5 12 01 Grup - I 0104 Unitats Administratives 010413
## CONJ_DESCR ID_SUBCONJ SCONJ_DESC ID_ELEMENT
## 1 Terme Municipal 01041101 Terme Municipal 0104110101
## 1.1 Districtes 01041201 Districte 0104120101
## 1.2 Districtes 01041201 Districte 0104120101
## 1.3 Districtes 01041201 Districte 0104120101
## 1.4 Barris 01041301 Barri 0104130101
## 1.5 Barris 01041301 Barri 0104130101
## ELEM_DESCR NIVELL NDESCR_CA
## 1 Límit de terme municipal ADM_01_PL Límit de terme municipal (polígon)
## 1.1 Límit de districte ADM_02_PL Límit de districte (polígon)
## 1.2 Límit de districte ADM_02_PL Límit de districte (polígon)
## 1.3 Límit de districte ADM_02_PL Límit de districte (polígon)
## 1.4 Límit de barri ADM_03_PL Límit de barri (polígon)
## 1.5 Límit de barri ADM_03_PL Límit de barri (polígon)
## NDESCR_ES.y NDESCR_EN
## 1 Límite de término municipal (polígono) Municipality boundary (polygon)
## 1.1 Límite de distrito (polígono) District boundary (polygon)
## 1.2 Límite de distrito (polígono) District boundary (polygon)
## 1.3 Límite de distrito (polígono) District boundary (polygon)
## 1.4 Límite de barrrio (polígono) Neighborhood boundary (polygon)
## 1.5 Límite de barrrio (polígono) Neighborhood boundary (polygon)
## TERME DISTRICTE.y BARRI.y AEB SEC_CENS GRANBARRI.y ZUA AREA_I LITERAL.y
## 1 080193 - - - - - - - 080193
## 1.1 080193 01 - - - - - - 01
## 1.2 080193 02 - - - - - - 02
## 1.3 080193 03 - - - - - - 03
## 1.4 080193 01 01 - - 01 - - 01
## 1.5 080193 01 02 - - 02 - - 02
## PERIMETRE.y AREA.y CODI_UA.y TIPUS_UA.y NOM.y
## 1 114036.625 101704973.9 080193 TERME Barcelona
## 1.1 21366.962 4204930.8 01 DISTRICTE Ciutat Vella
## 1.2 13931.644 7464303.2 02 DISTRICTE Eixample
## 1.3 46711.857 22879850.1 03 DISTRICTE Sants-Montjuïc
## 1.4 5521.647 1100286.1 01 BARRI el Raval
## 1.5 5198.000 815593.9 02 BARRI el Barri Gòtic
## WEB1
## 1 http://www.bcn.cat
## 1.1 http://www.bcn.cat/ciutatvella
## 1.2 http://www.bcn.cat/eixample
## 1.3 http://www.bcn.cat/sants-montjuic
## 1.4 http://lameva.barcelona.cat/ciutatvella/ca/home/el-barri-del-raval
## 1.5 http://lameva.barcelona.cat/ciutatvella/ca/home/el-barri-gotic
## WEB2
## 1 http://www.bcn.cat/estadistica/catala/dades/inf/anuari/index.htm
## 1.1 http://www.bcn.cat/estadistica/catala/dades/guiadt01/index.htm
## 1.2 http://www.bcn.cat/estadistica/catala/dades/guiadt02/index.htm
## 1.3 http://www.bcn.cat/estadistica/catala/dades/guiadt03/index.htm
## 1.4 http://www.bcn.cat/estadistica/catala/dades/inf/barris/a2017/barri1.pdf
## 1.5 http://www.bcn.cat/estadistica/catala/dades/inf/barris/a2017/barri2.pdf
## WEB3
## 1 http://www.bcn.cat/estadistica/catala/documents/index.htm
## 1.1 http://www.bcn.cat/estadistica/catala/documents/districtes/01_CiutatVella_2017.pdf
## 1.2 http://www.bcn.cat/estadistica/catala/documents/districtes/02_Eixample_2017.pdf
## 1.3 http://www.bcn.cat/estadistica/catala/documents/districtes/03_Sants_Montju%C3%AFc_2017.pdf
## 1.4 http://www.bcn.cat/estadistica/catala/documents/barris/01_CV_Raval_2017.pdf
## 1.5 http://www.bcn.cat/estadistica/catala/documents/barris/02_CV_BGotic_2017.pdf
## FHEX_COLOR Shape_Leng.y Shape_Area.y Nom_Barri total
## 1 #000000 114036.625 101704973.9 el Raval 15210
## 1.1 #000000 21366.962 4204930.8 el Raval 15210
## 1.2 #000000 13931.644 7464303.2 el Raval 15210
## 1.3 #000000 46711.857 22879850.0 el Raval 15210
## 1.4 #E66900 5521.647 1100286.1 el Raval 15210
## 1.5 #E66900 5198.000 815593.9 el Raval 15210
## geometry
## 1 MULTIPOLYGON (((2.164714 41...
## 1.1 MULTIPOLYGON (((2.164714 41...
## 1.2 MULTIPOLYGON (((2.164714 41...
## 1.3 MULTIPOLYGON (((2.164714 41...
## 1.4 MULTIPOLYGON (((2.164714 41...
## 1.5 MULTIPOLYGON (((2.164714 41...ggplot() +
geom_sf(data = Actividades_Económicas_Por_Poligono_y_Barrio, aes(fill=total)) +
scale_fill_gradient(low="yellow", high="red") +
geom_sf_text(data = Barcelona_Poligonos_y_Barrios, aes(label = BARRI.x), size = 4, colour = "black") +
labs(title = "Distribución Actividades Económicas Vinculadas Al Turismo, Por Barrio",
subtitle = "Barcelona",
caption= "Fuente: https://opendata-ajuntament.barcelona.cat/es/",
y="",
x="")## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
Observamos que en el Barrio 42, “la Clota”, queda gris, lo que significaría que no tendría actividades económicas vinculadas al turismo, en el dataset no aparecen datos “NA”.
Ahora realizamos el mapa de coropletas contemplando la densidad de actividades económicas por barrio, para verificar si los barrios de mayor superficie tienen la mayor cantidad de actividades económicas:
ggplot() +
geom_sf(data = Actividades_Económicas_Por_Poligono_y_Barrio, aes(fill=total/Shape_Area.x)) +
scale_fill_gradient(low="yellow", high="red") +
geom_sf_text(data = Barcelona_Poligonos_y_Barrios, aes(label = BARRI.x), size = 4, colour = "black") +
labs(title = "Distribución Actividades Económicas Vinculadas Al Turismo, Total Actividades/Área Barrio",
subtitle = "Barcelona",
caption= "Fuente: https://opendata-ajuntament.barcelona.cat/es/",
y="",
x="")## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
Observamos que la distribución de las actividades económicas vinculadas al turismo varía, pero no en gran medida. Éstas como vimos en el mapa anterior, siguen aglomeradas en torno a los Barrios 08 “l´Antigua Esquerra de l´Eixample” y 07 “La Dreta de l´Eixample”, aunque se distingue con mayor preponderancia el Barrio 10 “Sant Antoni”, que si analizamos es el barrio que en gráfico de barras se posiciona en el quinto lugar con mayor cantidad de actividades económicas.
9- Ubicamos en el plano los alojamientos turísticos.
ggplot() +
geom_sf(data = Barcelona_Poligonos_y_Barrios) +
geom_point(data = Alojamientos_Unificados,
aes(x=LONGITUD, y=LATITUD),
color="red",
size= 1,
alpha=0.2) +
geom_sf_text(data = Barcelona_Poligonos_y_Barrios, aes(label = BARRI.x), size = 4, colour = "black") +
labs(title = "Distribución Alojamientos Turísticos, Por Barrio",
subtitle = "Barcelona",
caption= "Fuente: https://opendata-ajuntament.barcelona.cat/es/",
y="",
x="")## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
Realizamos un gráfico de barras para ver la distribución de los alojamientos por barrio.
ggplot(Alojamientos_Unificados) +
geom_bar(aes(x=NUM_BARRI, fill=X2N_NIVELL))+
coord_flip()+
labs(title = "Distribución De Alojamientos",
subtitle = "Barcelona",
caption ="Fuente:https://opendata-ajuntament.barcelona.cat/es/",
x = "BARRIOS",
y = "TIPO DE ALOJAMIENTO",
fill = "TIPO DE ALOJAMIENTO")
10- Nuevamente realizamos un mapa de coropletas para ver como se distribuyen los alojamientos por barrio en Barcelona. Realizamos el mismo procedimiento que hicimos para las actividades económicas.
Primero realizamos una unión espacial del plano de Barcelona y los alojamientos turísticos. Para ello, debemos convertir el dataset de los Alojamientos_Unificados en un dataset espacial.
anyNA(Alojamientos_Unificados)## [1] FALSEAlojamientos_Unificados_geo <- st_as_sf(Alojamientos_Unificados, coords = c("LONGITUD", "LATITUD"),
crs = 4326)
st_crs(Alojamientos_Unificados_geo)## Coordinate Reference System:
## User input: EPSG:4326
## wkt:
## GEOGCS["WGS 84",
## DATUM["WGS_1984",
## SPHEROID["WGS 84",6378137,298.257223563,
## AUTHORITY["EPSG","7030"]],
## AUTHORITY["EPSG","6326"]],
## PRIMEM["Greenwich",0,
## AUTHORITY["EPSG","8901"]],
## UNIT["degree",0.0174532925199433,
## AUTHORITY["EPSG","9122"]],
## AUTHORITY["EPSG","4326"]]Unificamos los data set de Alojamientos_Unificados con Barcelona_Poígonos_y_Barrios.
Barcelona_Alojamientos_Turisticos <- st_join(Alojamientos_Unificados_geo, Barcelona_Poligonos_y_Barrios)## although coordinates are longitude/latitude, st_intersects assumes that they are planar
## although coordinates are longitude/latitude, st_intersects assumes that they are planarhead(Barcelona_Alojamientos_Turisticos)## Simple feature collection with 6 features and 59 fields
## geometry type: POINT
## dimension: XY
## bbox: xmin: 2.175867 ymin: 41.37889 xmax: 2.175867 ymax: 41.37889
## CRS: EPSG:4326
## CODI_EQUIPAMENT EQUIPAMENT NOM_CARRER
## 1 75990024905 Apartament Turístic Mur-Mar - ATB-000042 Rambla
## 1.1 75990024905 Apartament Turístic Mur-Mar - ATB-000042 Rambla
## 1.2 75990024905 Apartament Turístic Mur-Mar - ATB-000042 Rambla
## 1.3 75990024905 Apartament Turístic Mur-Mar - ATB-000042 Rambla
## 1.4 75990024905 Apartament Turístic Mur-Mar - ATB-000042 Rambla
## 1.5 75990024905 Apartament Turístic Mur-Mar - ATB-000042 Rambla
## NUM_CARRER_1 NUM_CARRER_2 CODI_BARRI NUM_BARRI CODI_DISTRICTE
## 1 34 34 2 el Barri Gòtic 1
## 1.1 34 34 2 el Barri Gòtic 1
## 1.2 34 34 2 el Barri Gòtic 1
## 1.3 34 34 2 el Barri Gòtic 1
## 1.4 34 34 2 el Barri Gòtic 1
## 1.5 34 34 2 el Barri Gòtic 1
## NOM_DISTRICTE X3ER_NIVELL X2N_NIVELL X1ER_NIVELL
## 1 Ciutat Vella Apartaments Altres allotjaments Allotjament
## 1.1 Ciutat Vella Apartaments Altres allotjaments Allotjament
## 1.2 Ciutat Vella Apartaments Altres allotjaments Allotjament
## 1.3 Ciutat Vella Apartaments Altres allotjaments Allotjament
## 1.4 Ciutat Vella Apartaments Altres allotjaments Allotjament
## 1.5 Ciutat Vella Apartaments Altres allotjaments Allotjament
## NDESCR_ES.x DISTRICTE.x BARRI.x GRANBARRI.x LITERAL.x
## 1 Límite de barrrio (polígono) 01 02 02 02
## 1.1 Límite de barrrio (polígono) 01 02 02 02
## 1.2 Límite de barrrio (polígono) 01 02 02 02
## 1.3 Límite de barrrio (polígono) 01 02 02 02
## 1.4 Límite de barrrio (polígono) 01 02 02 02
## 1.5 Límite de barrrio (polígono) 01 02 02 02
## PERIMETRE.x AREA.x CODI_UA.x TIPUS_UA.x NOM.x Shape_Leng.x
## 1 5198 815593.9 02 BARRI el Barri Gòtic 5198
## 1.1 5198 815593.9 02 BARRI el Barri Gòtic 5198
## 1.2 5198 815593.9 02 BARRI el Barri Gòtic 5198
## 1.3 5198 815593.9 02 BARRI el Barri Gòtic 5198
## 1.4 5198 815593.9 02 BARRI el Barri Gòtic 5198
## 1.5 5198 815593.9 02 BARRI el Barri Gòtic 5198
## Shape_Area.x FID ID_ANNEX ANNEXDESCR ID_TEMA TEMA_DESCR
## 1 815593.9 0 01 Grup - I 0104 Unitats Administratives
## 1.1 815593.9 1 01 Grup - I 0104 Unitats Administratives
## 1.2 815593.9 2 01 Grup - I 0104 Unitats Administratives
## 1.3 815593.9 11 01 Grup - I 0104 Unitats Administratives
## 1.4 815593.9 12 01 Grup - I 0104 Unitats Administratives
## 1.5 815593.9 13 01 Grup - I 0104 Unitats Administratives
## ID_CONJUNT CONJ_DESCR ID_SUBCONJ SCONJ_DESC ID_ELEMENT
## 1 010411 Terme Municipal 01041101 Terme Municipal 0104110101
## 1.1 010412 Districtes 01041201 Districte 0104120101
## 1.2 010412 Districtes 01041201 Districte 0104120101
## 1.3 010413 Barris 01041301 Barri 0104130101
## 1.4 010413 Barris 01041301 Barri 0104130101
## 1.5 010413 Barris 01041301 Barri 0104130101
## ELEM_DESCR NIVELL NDESCR_CA
## 1 Límit de terme municipal ADM_01_PL Límit de terme municipal (polígon)
## 1.1 Límit de districte ADM_02_PL Límit de districte (polígon)
## 1.2 Límit de districte ADM_02_PL Límit de districte (polígon)
## 1.3 Límit de barri ADM_03_PL Límit de barri (polígon)
## 1.4 Límit de barri ADM_03_PL Límit de barri (polígon)
## 1.5 Límit de barri ADM_03_PL Límit de barri (polígon)
## NDESCR_ES.y NDESCR_EN
## 1 Límite de término municipal (polígono) Municipality boundary (polygon)
## 1.1 Límite de distrito (polígono) District boundary (polygon)
## 1.2 Límite de distrito (polígono) District boundary (polygon)
## 1.3 Límite de barrrio (polígono) Neighborhood boundary (polygon)
## 1.4 Límite de barrrio (polígono) Neighborhood boundary (polygon)
## 1.5 Límite de barrrio (polígono) Neighborhood boundary (polygon)
## TERME DISTRICTE.y BARRI.y AEB SEC_CENS GRANBARRI.y ZUA AREA_I LITERAL.y
## 1 080193 - - - - - - - 080193
## 1.1 080193 01 - - - - - - 01
## 1.2 080193 02 - - - - - - 02
## 1.3 080193 01 01 - - 01 - - 01
## 1.4 080193 01 02 - - 02 - - 02
## 1.5 080193 01 03 - - 03 - - 03
## PERIMETRE.y AREA.y CODI_UA.y TIPUS_UA.y NOM.y
## 1 114036.625 101704973.9 080193 TERME Barcelona
## 1.1 21366.962 4204930.8 01 DISTRICTE Ciutat Vella
## 1.2 13931.644 7464303.2 02 DISTRICTE Eixample
## 1.3 5521.647 1100286.1 01 BARRI el Raval
## 1.4 5198.000 815593.9 02 BARRI el Barri Gòtic
## 1.5 13853.129 1179382.0 03 BARRI la Barceloneta
## WEB1
## 1 http://www.bcn.cat
## 1.1 http://www.bcn.cat/ciutatvella
## 1.2 http://www.bcn.cat/eixample
## 1.3 http://lameva.barcelona.cat/ciutatvella/ca/home/el-barri-del-raval
## 1.4 http://lameva.barcelona.cat/ciutatvella/ca/home/el-barri-gotic
## 1.5 http://lameva.barcelona.cat/ciutatvella/ca/home/el-barri-de-la-barceloneta
## WEB2
## 1 http://www.bcn.cat/estadistica/catala/dades/inf/anuari/index.htm
## 1.1 http://www.bcn.cat/estadistica/catala/dades/guiadt01/index.htm
## 1.2 http://www.bcn.cat/estadistica/catala/dades/guiadt02/index.htm
## 1.3 http://www.bcn.cat/estadistica/catala/dades/inf/barris/a2017/barri1.pdf
## 1.4 http://www.bcn.cat/estadistica/catala/dades/inf/barris/a2017/barri2.pdf
## 1.5 http://www.bcn.cat/estadistica/catala/dades/inf/barris/a2017/barri3.pdf
## WEB3
## 1 http://www.bcn.cat/estadistica/catala/documents/index.htm
## 1.1 http://www.bcn.cat/estadistica/catala/documents/districtes/01_CiutatVella_2017.pdf
## 1.2 http://www.bcn.cat/estadistica/catala/documents/districtes/02_Eixample_2017.pdf
## 1.3 http://www.bcn.cat/estadistica/catala/documents/barris/01_CV_Raval_2017.pdf
## 1.4 http://www.bcn.cat/estadistica/catala/documents/barris/02_CV_BGotic_2017.pdf
## 1.5 http://www.bcn.cat/estadistica/catala/documents/barris/03_CV_Barceloneta_2017.pdf
## FHEX_COLOR Shape_Leng.y Shape_Area.y geometry
## 1 #000000 114036.625 101704973.9 POINT (2.175867 41.37889)
## 1.1 #000000 21366.962 4204930.8 POINT (2.175867 41.37889)
## 1.2 #000000 13931.644 7464303.2 POINT (2.175867 41.37889)
## 1.3 #E66900 5521.647 1100286.1 POINT (2.175867 41.37889)
## 1.4 #E66900 5198.000 815593.9 POINT (2.175867 41.37889)
## 1.5 #E66900 13853.130 1179382.0 POINT (2.175867 41.37889)Ahora agrupamos los alojamientos turísticos por barrio y le quitamos la geometría. Después lo unimos al dataset de Barcelona_Polígonos_y_Barrios para poder mapear.
Total_Alojamientos_Turísticos_Por_Poligonos_y_Barrios <- Barcelona_Alojamientos_Turisticos %>%
group_by(NUM_BARRI) %>%
summarise(total=n())
head(Total_Alojamientos_Turísticos_Por_Poligonos_y_Barrios)## Simple feature collection with 6 features and 2 fields
## geometry type: GEOMETRY
## dimension: XY
## bbox: xmin: 2.167285 ymin: 41.37889 xmax: 2.186572 ymax: 41.42211
## CRS: EPSG:4326
## # A tibble: 6 x 3
## NUM_BARRI total geometry
## <fct> <int> <GEOMETRY [°]>
## 1 el Barri Gòtic 3192 MULTIPOINT ((2.174942 41.38101), (2.175294 41.379…
## 2 el Camp d'en Grassot… 510 POINT (2.167285 41.40646)
## 3 el Camp de l'Arpa de… 1848 MULTIPOINT ((2.179153 41.40993), (2.179238 41.411…
## 4 el Clot 456 POINT (2.186572 41.40696)
## 5 el Congrés i els Ind… 312 POINT (2.181182 41.42211)
## 6 el Fort Pienc 1491 MULTIPOINT ((2.177451 41.396), (2.177717 41.39363…Total_Alojamientos_Turísticos_Por_Poligonos_y_Barrios_Sin_Geometria <- Total_Alojamientos_Turísticos_Por_Poligonos_y_Barrios %>%
st_set_geometry(NULL)
head(Total_Alojamientos_Turísticos_Por_Poligonos_y_Barrios_Sin_Geometria)## # A tibble: 6 x 2
## NUM_BARRI total
## <fct> <int>
## 1 el Barri Gòtic 3192
## 2 el Camp d'en Grassot i Gràcia Nova 510
## 3 el Camp de l'Arpa del Clot 1848
## 4 el Clot 456
## 5 el Congrés i els Indians 312
## 6 el Fort Pienc 1491Como en el caso anterior para poder unir los dataset Total_Alojamientos_Turísticos_Por_Poligono_y_Barrio con Barcelona_Poligonos_y_Barrios, necesitamos que una columna de ambos dataset tenga el mismo nombre. Por ello, modificamos en Barcelona_Poligonos_y_Barrios el nombre de la columna “NOM.x” por “NUM_BARRI”.
colnames(Barcelona_Poligonos_y_Barrios)[colnames(Barcelona_Poligonos_y_Barrios) %in% c('NOM.x')] <- paste0(c('NUM_BARRI'))
names(Barcelona_Poligonos_y_Barrios)## [1] "NDESCR_ES.x" "DISTRICTE.x" "BARRI.x" "GRANBARRI.x" "LITERAL.x"
## [6] "PERIMETRE.x" "AREA.x" "CODI_UA.x" "TIPUS_UA.x" "NUM_BARRI"
## [11] "Shape_Leng.x" "Shape_Area.x" "FID" "ID_ANNEX" "ANNEXDESCR"
## [16] "ID_TEMA" "TEMA_DESCR" "ID_CONJUNT" "CONJ_DESCR" "ID_SUBCONJ"
## [21] "SCONJ_DESC" "ID_ELEMENT" "ELEM_DESCR" "NIVELL" "NDESCR_CA"
## [26] "NDESCR_ES.y" "NDESCR_EN" "TERME" "DISTRICTE.y" "BARRI.y"
## [31] "AEB" "SEC_CENS" "GRANBARRI.y" "ZUA" "AREA_I"
## [36] "LITERAL.y" "PERIMETRE.y" "AREA.y" "CODI_UA.y" "TIPUS_UA.y"
## [41] "NOM.y" "WEB1" "WEB2" "WEB3" "FHEX_COLOR"
## [46] "Shape_Leng.y" "Shape_Area.y" "geometry"Alojamientos_Turísticos_Por_Poligono_y_Barrio <- Barcelona_Poligonos_y_Barrios %>%
st_join(Total_Alojamientos_Turísticos_Por_Poligonos_y_Barrios, by="NUM_BARRI")## although coordinates are longitude/latitude, st_intersects assumes that they are planarhead(Alojamientos_Turísticos_Por_Poligono_y_Barrio)## Simple feature collection with 6 features and 49 fields
## geometry type: MULTIPOLYGON
## dimension: XY
## bbox: xmin: 2.163089 ymin: 41.37037 xmax: 2.183015 ymax: 41.38593
## CRS: EPSG:4326
## NDESCR_ES.x DISTRICTE.x BARRI.x GRANBARRI.x LITERAL.x
## 1 Límite de barrrio (polígono) 01 01 01 01
## 1.1 Límite de barrrio (polígono) 01 01 01 01
## 1.2 Límite de barrrio (polígono) 01 01 01 01
## 1.3 Límite de barrrio (polígono) 01 01 01 01
## 1.4 Límite de barrrio (polígono) 01 01 01 01
## 1.5 Límite de barrrio (polígono) 01 01 01 01
## PERIMETRE.x AREA.x CODI_UA.x TIPUS_UA.x NUM_BARRI.x Shape_Leng.x
## 1 5521.647 1100286 01 BARRI el Raval 5521.647
## 1.1 5521.647 1100286 01 BARRI el Raval 5521.647
## 1.2 5521.647 1100286 01 BARRI el Raval 5521.647
## 1.3 5521.647 1100286 01 BARRI el Raval 5521.647
## 1.4 5521.647 1100286 01 BARRI el Raval 5521.647
## 1.5 5521.647 1100286 01 BARRI el Raval 5521.647
## Shape_Area.x FID ID_ANNEX ANNEXDESCR ID_TEMA TEMA_DESCR
## 1 1100286 0 01 Grup - I 0104 Unitats Administratives
## 1.1 1100286 1 01 Grup - I 0104 Unitats Administratives
## 1.2 1100286 2 01 Grup - I 0104 Unitats Administratives
## 1.3 1100286 3 01 Grup - I 0104 Unitats Administratives
## 1.4 1100286 11 01 Grup - I 0104 Unitats Administratives
## 1.5 1100286 12 01 Grup - I 0104 Unitats Administratives
## ID_CONJUNT CONJ_DESCR ID_SUBCONJ SCONJ_DESC ID_ELEMENT
## 1 010411 Terme Municipal 01041101 Terme Municipal 0104110101
## 1.1 010412 Districtes 01041201 Districte 0104120101
## 1.2 010412 Districtes 01041201 Districte 0104120101
## 1.3 010412 Districtes 01041201 Districte 0104120101
## 1.4 010413 Barris 01041301 Barri 0104130101
## 1.5 010413 Barris 01041301 Barri 0104130101
## ELEM_DESCR NIVELL NDESCR_CA
## 1 Límit de terme municipal ADM_01_PL Límit de terme municipal (polígon)
## 1.1 Límit de districte ADM_02_PL Límit de districte (polígon)
## 1.2 Límit de districte ADM_02_PL Límit de districte (polígon)
## 1.3 Límit de districte ADM_02_PL Límit de districte (polígon)
## 1.4 Límit de barri ADM_03_PL Límit de barri (polígon)
## 1.5 Límit de barri ADM_03_PL Límit de barri (polígon)
## NDESCR_ES.y NDESCR_EN
## 1 Límite de término municipal (polígono) Municipality boundary (polygon)
## 1.1 Límite de distrito (polígono) District boundary (polygon)
## 1.2 Límite de distrito (polígono) District boundary (polygon)
## 1.3 Límite de distrito (polígono) District boundary (polygon)
## 1.4 Límite de barrrio (polígono) Neighborhood boundary (polygon)
## 1.5 Límite de barrrio (polígono) Neighborhood boundary (polygon)
## TERME DISTRICTE.y BARRI.y AEB SEC_CENS GRANBARRI.y ZUA AREA_I LITERAL.y
## 1 080193 - - - - - - - 080193
## 1.1 080193 01 - - - - - - 01
## 1.2 080193 02 - - - - - - 02
## 1.3 080193 03 - - - - - - 03
## 1.4 080193 01 01 - - 01 - - 01
## 1.5 080193 01 02 - - 02 - - 02
## PERIMETRE.y AREA.y CODI_UA.y TIPUS_UA.y NOM.y
## 1 114036.625 101704973.9 080193 TERME Barcelona
## 1.1 21366.962 4204930.8 01 DISTRICTE Ciutat Vella
## 1.2 13931.644 7464303.2 02 DISTRICTE Eixample
## 1.3 46711.857 22879850.1 03 DISTRICTE Sants-Montjuïc
## 1.4 5521.647 1100286.1 01 BARRI el Raval
## 1.5 5198.000 815593.9 02 BARRI el Barri Gòtic
## WEB1
## 1 http://www.bcn.cat
## 1.1 http://www.bcn.cat/ciutatvella
## 1.2 http://www.bcn.cat/eixample
## 1.3 http://www.bcn.cat/sants-montjuic
## 1.4 http://lameva.barcelona.cat/ciutatvella/ca/home/el-barri-del-raval
## 1.5 http://lameva.barcelona.cat/ciutatvella/ca/home/el-barri-gotic
## WEB2
## 1 http://www.bcn.cat/estadistica/catala/dades/inf/anuari/index.htm
## 1.1 http://www.bcn.cat/estadistica/catala/dades/guiadt01/index.htm
## 1.2 http://www.bcn.cat/estadistica/catala/dades/guiadt02/index.htm
## 1.3 http://www.bcn.cat/estadistica/catala/dades/guiadt03/index.htm
## 1.4 http://www.bcn.cat/estadistica/catala/dades/inf/barris/a2017/barri1.pdf
## 1.5 http://www.bcn.cat/estadistica/catala/dades/inf/barris/a2017/barri2.pdf
## WEB3
## 1 http://www.bcn.cat/estadistica/catala/documents/index.htm
## 1.1 http://www.bcn.cat/estadistica/catala/documents/districtes/01_CiutatVella_2017.pdf
## 1.2 http://www.bcn.cat/estadistica/catala/documents/districtes/02_Eixample_2017.pdf
## 1.3 http://www.bcn.cat/estadistica/catala/documents/districtes/03_Sants_Montju%C3%AFc_2017.pdf
## 1.4 http://www.bcn.cat/estadistica/catala/documents/barris/01_CV_Raval_2017.pdf
## 1.5 http://www.bcn.cat/estadistica/catala/documents/barris/02_CV_BGotic_2017.pdf
## FHEX_COLOR Shape_Leng.y Shape_Area.y NUM_BARRI.y total
## 1 #000000 114036.625 101704973.9 el Raval 3276
## 1.1 #000000 21366.962 4204930.8 el Raval 3276
## 1.2 #000000 13931.644 7464303.2 el Raval 3276
## 1.3 #000000 46711.857 22879850.0 el Raval 3276
## 1.4 #E66900 5521.647 1100286.1 el Raval 3276
## 1.5 #E66900 5198.000 815593.9 el Raval 3276
## geometry
## 1 MULTIPOLYGON (((2.164714 41...
## 1.1 MULTIPOLYGON (((2.164714 41...
## 1.2 MULTIPOLYGON (((2.164714 41...
## 1.3 MULTIPOLYGON (((2.164714 41...
## 1.4 MULTIPOLYGON (((2.164714 41...
## 1.5 MULTIPOLYGON (((2.164714 41...Ahora mapeamos los resultados:
ggplot() +
geom_sf(data = Alojamientos_Turísticos_Por_Poligono_y_Barrio, aes(fill=total)) +
scale_fill_gradient(low="yellow", high="red") +
geom_sf_text(data = Barcelona_Poligonos_y_Barrios, aes(label = BARRI.x), size = 4, colour = "black") +
labs(title = "Distribución Alojamientos Vinculadas Al Turismo, Por Barrio",
subtitle = "Barcelona",
caption= "Fuente: https://opendata-ajuntament.barcelona.cat/es/",
y="",
x="")## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
Observamos, como en el gráfico de barras y en el mapa con puntos, la mayor gradiente en el Barrio 07 y notoriamente como desciende a los barrios circundantes. Se distingue un tinte en los Barrios 08, 31, 26 y 18.
Nuevamente realizamos el mapa de coropletas contemplando la densidad de alojamientos por superficie de barrio, para verificar si los como es la distribución de los mismo:
ggplot() +
geom_sf(data = Alojamientos_Turísticos_Por_Poligono_y_Barrio, aes(fill=total/Shape_Area.x)) +
scale_fill_gradient(low="yellow", high="red") +
geom_sf_text(data = Barcelona_Poligonos_y_Barrios, aes(label = BARRI.x), size = 4, colour = "black") +
labs(title = "Distribución Alojamientos Turístico, Total Alojamientos/Área Barrio",
subtitle = "Barcelona",
caption= "Fuente: https://opendata-ajuntament.barcelona.cat/es/",
y="",
x="")## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
Se verifica que la tendencia de la localización de alojamientos turísitcos en el Barrio 07 es notablemente superior. Aunque, podemos apreciar que los Barrios circundantes toman algo de mayor preponderancia, con un color algo más notable. A su vez, entre éstos surgen los Barrios 01, 02, 05, 06, 10, 19, 28 y 64, que antes no tenían relevancia.
11- Habiendo analizado los mapas y graficos anteriores podemos concluir que el Barrio 07 “la Dreta de l’Eixample” es uno de los barrios que más actividades turisticas concentra, así como alojamientos turísticos. De todos modos lo verificaremos observando el dataset de Actividades Economicas:
Total_Actividades_Económicas_Por_Poligono_y_Barrio## Simple feature collection with 72 features and 2 fields
## geometry type: GEOMETRY
## dimension: XY
## bbox: xmin: 2.090932 ymin: 41.35257 xmax: 2.220659 ymax: 41.46273
## CRS: EPSG:4326
## # A tibble: 72 x 3
## Nom_Barri total geometry
## * <fct> <int> <MULTIPOINT [°]>
## 1 Baró de Viver 63 ((2.199332 41.44806), (2.200048 41.44828), (2…
## 2 Can Baró 152 ((2.162468 41.41732), (2.162469 41.41426), (2…
## 3 Can Peguera 56 ((2.164525 41.43404), (2.16841 41.43342))
## 4 Canyelles 82 ((2.161992 41.44208), (2.164398 41.4438))
## 5 Ciutat Meridiana 76 ((2.175542 41.46106), (2.175748 41.4598), (2.…
## 6 Diagonal Mar i el Front… 697 ((2.210191 41.40245), (2.21084 41.40785), (2.…
## 7 el Baix Guinardó 1656 ((2.163337 41.41129), (2.164398 41.41136), (2…
## 8 el Barri Gòtic 6552 ((2.170712 41.385), (2.171266 41.38471), (2.1…
## 9 el Besòs i el Maresme 616 ((2.21034 41.41885), (2.210687 41.42054), (2.…
## 10 el Bon Pastor 1104 ((2.198065 41.44125), (2.198102 41.43919), (2…
## # … with 62 more rows12- Seleccionamos el Barrio 07, para analizar en torno a el mismo que alojamientos quedarían dentro de un area de influencia, que permita acceder al mismo caminando un maximo de 30 minutos, ya que al ser una ciudad turística y al estar analizando actividades y alojamientos vinculadas a dicha dinámica consideramos que es una de las formas más utilizadas para trasladarse y conocer la ciudad. Para ello, lo graficamos y luego calculamos el centroide del poligono que lo conforma. Luego elegimos 4 puntos al azar dentro del mismo ya que tiene una superficie considerable.
Barrio_7 <- Barcelona_Barrios %>%
filter(NOM == "la Dreta de l'Eixample") %>%
st_transform(4326)
leaflet (Barrio_7) %>%
addProviderTiles(providers$CartoDB.Positron) %>%
addPolygons()centroide_Barrio_7 <- st_centroid(Barrio_7)## Warning in st_centroid.sf(Barrio_7): st_centroid assumes attributes are constant
## over geometries of x## Warning in st_centroid.sfc(st_geometry(x), of_largest_polygon =
## of_largest_polygon): st_centroid does not give correct centroids for longitude/
## latitude dataset.seed(1)
puntos_Barrio_7 <- st_sample(Barrio_7,size = 4)## although coordinates are longitude/latitude, st_intersects assumes that they are planar
## although coordinates are longitude/latitude, st_intersects assumes that they are planarleaflet() %>%
addTiles %>%
addPolygons(data=Barrio_7 %>% st_transform(4326)) %>%
addCircleMarkers(data=puntos_Barrio_7 %>% st_transform(4326), color='red') %>%
addCircleMarkers(data=centroide_Barrio_7 %>% st_transform(4326),color ='yellow') En el grafico anterior graficamos el centroide y 4 puntos al azar dentro del barrio elegido. Con la ayuda de la libreria hereR vamos a calcular el area de influencia del poligono, para llegar caminando en menos de 30 minutos.
set_key("QBGpS7_ehdHmrZMdnmtvqSLFpHJElLvTCUqKVz6n3L4")puntos_Barrio_7SF <- st_as_sf(puntos_Barrio_7)
class(puntos_Barrio_7SF)## [1] "sf" "data.frame"isoCronaCentroide <- isoline(centroide_Barrio_7,mode = "pedestrian",range = 60*30)leaflet(isoCronaCentroide) %>%
addTiles() %>%
addPolygons(data=Barrio_7 %>% st_transform(4326)) %>%
addPolygons()En este gráfico, podemos observar el área que abarca todos los puntos desde los cuales no se tardaría mas que 30 minutos en llegar al centroide del poligono del Barrio 07.
isocronaPuntos <- map(1:nrow(puntos_Barrio_7SF), function(x) { isoline(puntos_Barrio_7SF[x,],mode = "pedestrian",range = 60*30) })isocronaPuntos <- do.call("rbind",isocronaPuntos)leaflet(isocronaPuntos) %>%
addTiles() %>%
addPolygons(data=Barrio_7 %>% st_transform(4326)) %>%
addPolygons()Por otra parte, en este gráfico podemos observar la isolinea que delimita el área en la que podemos tardar como máximo 30 minutos hasta llegar a alguno de los puntos elegidos al azar dentro del polígono del barrio.
isocronaPuntos <- st_union(isocronaPuntos)13- A continuación, realizaremos un gráfico que muestre la totalidad de la ciudad de Barcelona, con todos sus barrios y la ubicación de los puntos de alojamientos turísticos con las 2 areas de influencia delimitadas en los gráficos anteriores, respecto del barrio con mayor concentración de actividades turísticas.
ggplot() +
geom_sf(data=Barcelona_Barrios, fill="gray")+
geom_point(data = Alojamientos_Unificados,
aes(x=LONGITUD, y=LATITUD),
color="red",
size= 1,
alpha=0.5) +
geom_sf(data=Barrio_7,fill="white",alpha=0.8) +
geom_sf(data=isoCronaCentroide, fill="blue",alpha=0.3) +
geom_sf(data=isocronaPuntos, fill="green", alpha=0.2)+
geom_sf_text(data = Barcelona_Poligonos_y_Barrios, aes(label = BARRI.x), size = 3, colour = "black") +
labs(title = "Zona de influencia pedestre del Barrio 7 'la Dreta de l'Eixample' ",
subtitle = "Barcelona",
caption= "Fuente:https://opendata-ajuntament.barcelona.cat/es/")+
theme_void()## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
Ahora, calcularemos las distancias del centroide del barrio más alejado que contiene algún tipo de alojamiento turístico, respecto del centroide del Barrio 07 que tomamos como referencia. Luego calcularemos cuanto tardaríamos caminando de un punto a otro. A continuación, graficaremos la isolinea de esa distancia caminando, para verificar si efectivamente es el más alejado.
Barrio_22 <- Barcelona_Barrios %>%
filter(NOM == "Vallvidrera, el Tibidabo i les Planes") %>%
st_transform(4326)centroide_Barrio_22 <- st_centroid(Barrio_22)## Warning in st_centroid.sf(Barrio_22): st_centroid assumes attributes are
## constant over geometries of x## Warning in st_centroid.sfc(st_geometry(x), of_largest_polygon =
## of_largest_polygon): st_centroid does not give correct centroids for longitude/
## latitude datadistancia_7_22 <-st_distance(x = centroide_Barrio_7, y=centroide_Barrio_22)
distancia_7_22## Units: [m]
## [,1]
## [1,] 7172.697viaje_7_22 <- route(origin = centroide_Barrio_22,
destination = centroide_Barrio_7,
mode = "pedestrian",
datetime = as.POSIXct(x = "21/09/2020 18:00:00",format="%d/%m/%Y %H:%M:%S"))glimpse(viaje_7_22)## Observations: 1
## Variables: 12
## $ id <dbl> 1
## $ departure <dttm> 2020-09-21 18:00:00
## $ origin <fct>
## $ arrival <dttm> 2020-09-21 20:35:44
## $ destination <fct> Carrer de Roger de Llúria
## $ mode <fct> pedestrian
## $ traffic <fct> disabled
## $ distance <int> 9238
## $ baseTime <int> 9344
## $ travelTime <int> 9344
## $ co2Emission <dbl> 1.341
## $ geometry <LINESTRING [°]> LINESTRING (2.090278 41.419...Se puede observar, que el tiempo estimado para recorrer los 9.238 metros que separan el centroide del Barrio 22 del Barrio 07 es de 2:35:44 (156 minutos aproximadamente).
isoCronaCentroide_2 <- isoline(centroide_Barrio_7,mode = "pedestrian",range = 60*156)leaflet(isoCronaCentroide_2) %>%
addTiles() %>%
addPolygons(data=Barrio_7 %>% st_transform(4326)) %>%
addPolygons()ggplot() +
geom_sf(data=Barcelona_Barrios, fill="gray")+
geom_point(data = Alojamientos_Unificados,
aes(x=LONGITUD, y=LATITUD),
color="red",
size= 1,
alpha=0.5) +
geom_sf(data=Barrio_7,fill="white",alpha=0.8) +
geom_sf(data=isoCronaCentroide_2, fill="blue",alpha=0.3) +
geom_sf_text(data = Barcelona_Poligonos_y_Barrios, aes(label = BARRI.x), size = 3, colour = "black") +
labs(title = "Maxima distancia desde un alojamiento turistico hasya el centroide del Barrio 7 'la Dreta de l'Eixample' ",
subtitle = "Barcelona",
caption= "Fuente:https://opendata-ajuntament.barcelona.cat/es/")+
theme_void()## Warning in st_point_on_surface.sfc(sf::st_zm(x)): st_point_on_surface may not
## give correct results for longitude/latitude data
Observando el mapa podemos concluir que no hay ningún alojamiento que se encuentre a mas de 2 horas 35 minutos del centroide del Barrio 07.
14- Estudiaremos la relación que existe entre la localización de las actividades económicas y los alojamientos turísticos en la ciudad de Barcelona. Analizaremos esta relación a partir de una Regresión Lineal, planteareamos como variable dependiente las alojamientos turísitcos e independientes las actividades económicas.
Para ello, primero debemos crear el dataset con la información necesaria unificando: Total_Actividades_Económicas_Por_Polígono_y_Barrio con Total_Alojamientos_Turísitcos_Por_Polígonos_y_Barrios.
Antes debemos agrupar por Código de Barrio para no perder nignún dato.
Actividades Económicas:
Total_Actividades_Económicas_Por_Polígono_y_Barrio_para_RL <- Barcelona_Comercios_Turisticos_PB %>%
group_by(Codi_Barri, Nom_Barri) %>%
summarise(total=n())
head(Total_Actividades_Económicas_Por_Polígono_y_Barrio_para_RL)## Simple feature collection with 6 features and 3 fields
## geometry type: MULTIPOINT
## dimension: XY
## bbox: xmin: 2.163464 ymin: 41.37092 xmax: 2.19637 ymax: 41.41152
## CRS: EPSG:4326
## # A tibble: 6 x 4
## # Groups: Codi_Barri [6]
## Codi_Barri Nom_Barri total geometry
## <int> <fct> <int> <MULTIPOINT [°]>
## 1 1 el Raval 15210 ((2.163464 41.38005), (2.163475 41.38012)…
## 2 2 el Barri Gòtic 6552 ((2.170712 41.385), (2.171266 41.38471), …
## 3 3 la Barceloneta 962 ((2.185805 41.3808), (2.186975 41.38219),…
## 4 4 Sant Pere, Santa … 5304 ((2.173603 41.38884), (2.173865 41.38848)…
## 5 5 el Fort Pienc 3976 ((2.174559 41.39967), (2.175874 41.39961)…
## 6 6 la Sagrada Família 9570 ((2.169478 41.4074), (2.170667 41.40214),…Total_Actividades_Económicas_Por_Poligono_y_Barrio_Sin_Geometria_para_RL <- Total_Actividades_Económicas_Por_Polígono_y_Barrio_para_RL %>%
st_set_geometry(NULL)
head(Total_Actividades_Económicas_Por_Poligono_y_Barrio_Sin_Geometria_para_RL)## # A tibble: 6 x 3
## # Groups: Codi_Barri [6]
## Codi_Barri Nom_Barri total
## <int> <fct> <int>
## 1 1 el Raval 15210
## 2 2 el Barri Gòtic 6552
## 3 3 la Barceloneta 962
## 4 4 Sant Pere, Santa Caterina i la Ribera 5304
## 5 5 el Fort Pienc 3976
## 6 6 la Sagrada Família 9570colnames(Total_Actividades_Económicas_Por_Poligono_y_Barrio_Sin_Geometria_para_RL)[colnames(Total_Actividades_Económicas_Por_Poligono_y_Barrio_Sin_Geometria_para_RL) %in% c('total')] <- paste0(c('Total_Actividades_Económicas'))colnames(Total_Actividades_Económicas_Por_Poligono_y_Barrio_Sin_Geometria_para_RL)[colnames(Total_Actividades_Económicas_Por_Poligono_y_Barrio_Sin_Geometria_para_RL) %in% c('Codi_Barri')] <- paste0(c('CODI_BARRI'))
head(Total_Actividades_Económicas_Por_Poligono_y_Barrio_Sin_Geometria_para_RL)## # A tibble: 6 x 3
## CODI_BARRI Nom_Barri Total_Actividades_Económicas
## <int> <fct> <int>
## 1 1 el Raval 15210
## 2 2 el Barri Gòtic 6552
## 3 3 la Barceloneta 962
## 4 4 Sant Pere, Santa Caterina i la Ribera 5304
## 5 5 el Fort Pienc 3976
## 6 6 la Sagrada Família 9570Alojamientos Turísticos:
Total_Alojamientos_Turisticos_Por_Polígono_y_Barrio_para_RL <- Barcelona_Alojamientos_Turisticos %>%
group_by(CODI_BARRI) %>%
summarise(total=n())
head(Total_Alojamientos_Turisticos_Por_Polígono_y_Barrio_para_RL)## Simple feature collection with 6 features and 2 fields
## geometry type: GEOMETRY
## dimension: XY
## bbox: xmin: 2.170728 ymin: 41.37589 xmax: 2.191125 ymax: 41.40614
## CRS: EPSG:4326
## # A tibble: 6 x 3
## CODI_BARRI total geometry
## <int> <int> <GEOMETRY [°]>
## 1 1 3276 MULTIPOINT ((2.170728 41.38052), (2.171018 41.37589), (2.173…
## 2 2 3192 MULTIPOINT ((2.174942 41.38101), (2.175294 41.37973), (2.175…
## 3 3 777 MULTIPOINT ((2.189692 41.38031), (2.191125 41.38255))
## 4 4 816 POINT (2.179723 41.38417)
## 5 5 1491 MULTIPOINT ((2.177451 41.396), (2.177717 41.39363), (2.17959…
## 6 6 2640 MULTIPOINT ((2.174628 41.40089), (2.178373 41.40306), (2.180…colnames(Total_Alojamientos_Turisticos_Por_Polígono_y_Barrio_para_RL)[colnames(Total_Alojamientos_Turisticos_Por_Polígono_y_Barrio_para_RL) %in% c('total')] <- paste0(c('Total_Alojamientos_Turisticos'))Total_Alojamientos_Turisticos_Por_Polígono_y_Barrio_para_RL_Sin_Geometria_Para_RL <- Total_Alojamientos_Turisticos_Por_Polígono_y_Barrio_para_RL %>%
st_set_geometry(NULL)
names(Total_Alojamientos_Turisticos_Por_Polígono_y_Barrio_para_RL_Sin_Geometria_Para_RL)## [1] "CODI_BARRI" "Total_Alojamientos_Turisticos"Info_para_Regresión_Lineal_Compacta <- full_join (Total_Actividades_Económicas_Por_Poligono_y_Barrio_Sin_Geometria_para_RL, Total_Alojamientos_Turisticos_Por_Polígono_y_Barrio_para_RL_Sin_Geometria_Para_RL, by="CODI_BARRI")
head(Info_para_Regresión_Lineal_Compacta)## # A tibble: 6 x 4
## # Groups: Total_Alojamientos_Turisticos [6]
## CODI_BARRI Nom_Barri Total_Actividades_Eco… Total_Alojamientos_T…
## <int> <fct> <int> <int>
## 1 1 el Raval 15210 3276
## 2 2 el Barri Gòtic 6552 3192
## 3 3 la Barceloneta 962 777
## 4 4 Sant Pere, Santa Cate… 5304 816
## 5 5 el Fort Pienc 3976 1491
## 6 6 la Sagrada Família 9570 2640Observamos la regresión lineal que planteamos:
ggplot(Info_para_Regresión_Lineal_Compacta) +
geom_point(aes(x=Total_Actividades_Económicas, y=Total_Alojamientos_Turisticos)) +
labs(x='Actividades Económicas por Barrio', y = 'Alojamientos Turísticos por Barrio') +
theme(axis.title = element_text(size=10)) +
labs(title = "Relación Cantidad de Alojamientos Turísticos y Actividades Económicas por Barrio",
subtitle = "Barcelona",
caption= "Fuente:https://opendata-ajuntament.barcelona.cat/es/")## Warning: Removed 36 rows containing missing values (geom_point).
Observamos claramente una correlación directa, a mayor cantidad de actividades económicas vinculadas al turismo, mayor cantidad de alojamientos turísticos. Se observa un punto extremo, que podemos identificar como outlier.
Verificaremos cual es esa correlación estadística, utilizando la función que permite estimar regresiones lineales:
Regresión_Lineal <- lm(data = Info_para_Regresión_Lineal_Compacta, formula = Total_Alojamientos_Turisticos ~ Total_Actividades_Económicas)
Regresión_Lineal##
## Call:
## lm(formula = Total_Alojamientos_Turisticos ~ Total_Actividades_Económicas,
## data = Info_para_Regresión_Lineal_Compacta)
##
## Coefficients:
## (Intercept) Total_Actividades_Económicas
## -1959.7506 0.9984summary(Regresión_Lineal)##
## Call:
## lm(formula = Total_Alojamientos_Turisticos ~ Total_Actividades_Económicas,
## data = Info_para_Regresión_Lineal_Compacta)
##
## Residuals:
## Min 1Q Median 3Q Max
## -9949.4 -1891.2 753.6 1708.2 20526.9
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -1959.7506 1096.6987 -1.787 0.0829 .
## Total_Actividades_Económicas 0.9984 0.1347 7.412 1.35e-08 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 4898 on 34 degrees of freedom
## (36 observations deleted due to missingness)
## Multiple R-squared: 0.6177, Adjusted R-squared: 0.6065
## F-statistic: 54.94 on 1 and 34 DF, p-value: 1.353e-08ggplot(Info_para_Regresión_Lineal_Compacta) +
geom_abline(aes(slope = coef(Regresión_Lineal)[2] ,intercept = coef(Regresión_Lineal)[1]), color="red") +
geom_point(aes(x=Total_Actividades_Económicas, y=Total_Alojamientos_Turisticos), color="black") +
labs(x='Actividades Económicas por Barrio', y = 'Alojamientos Turísticos por Barrio') +
labs(title = "Relación Cantidad Alojamientos Turísticos y Actividades Económicas por Barrio",
subtitle = "Barcelona",
caption= "Fuente:https://opendata-ajuntament.barcelona.cat/es/")## Warning: Removed 36 rows containing missing values (geom_point).
De este modo obtenemos la recta que mejor se ajusta a nuestras observaciones. Podremos estimar cual sera el cambio esperado de los alojamientos turisticos ante el aumento o disminución de una actividad económica. Es por ello que se observa la tendencia que donde hay mayor cantidad de actividades económicas vinculadas al tursimo, existen mayor cantidad de alojamientos turísticos. La existencia de un valor atípico provoca que nuestro modelo sufra una desviación.
Si observamos la tabla, tenemos un p-valor muy bajo que rechazaría la “hipotesis nula”. Lo que nos indica el p-valor bajo (1.35e-08 *) es que hay un efecto significativo del predictor o variable independiente (la existencia de actvidades económicas relacionadas al turismo) sobre la dependiente (en este caso, la ubicacion de alojamientos turisticos). Que el p-valor sea menos a 0,05 (5%) indica que la capacidad de predicción de la variable asociada es significativa. Por otro lado tenemos un r2 alto, de 0,62. Esto significa que el modelo logra captar un 60 % de la variabilidad de mi variable dependiente. Quiere decir que el modelo ajusta bien a los datos que tengo.Nos dice que proporción de la variación al cuadrado de las observaciones de alojamientos son explicadas por la variación de nuestra variable explicativa. Este modelo puede “explicar” o “predecir” el 62% de la localizacion de los alojamientos turisticos. Por ultimo, tenemos un valor T de 7,41. Muy por arriba d ela zona de corte de 1,96 (zona de corte o de rechazo de la hipotesis nula con un intervalo de confianza de 95% y con una distribucion normal).
15- Ahora sabiendo que existe cierta incertidumbre muestral, hacemos una prediccion de un valor utilizando nuestro modelo y agregando el “error” ya que el valor de este no tiene porque ser 0.
prediccion <- coef(Regresión_Lineal)[1] + coef(Regresión_Lineal)[2]*2000
prediccion## (Intercept)
## 36.97949Esto indicaría que sumaramos aproximadamente 37 alojamientos cada 2000 actividades económicas.
En los proximos comandos vamos a: - Estimar el intervalo de confianza del 95% del promedio de alojamientos cuando tenemos 2000 actividades económicas (nuestra predicccion). - Calcular el intervalo de confianza para la cantidad puntual de alojamientos, con un intervalo del 95%, es decir de una muestra de 100 barrios con 37 alojamientos, 95 caerían en el intervalo resultante.
predict(Regresión_Lineal,newdata = data.frame(Total_Actividades_Económicas=2000), interval ='confidence')## fit lwr upr
## 1 36.97949 -1870.28 1944.239predict(Regresión_Lineal,newdata = data.frame(Total_Actividades_Económicas=2000), interval ='prediction')## fit lwr upr
## 1 36.97949 -10098.96 10172.9216- Calculamos los residuos para ver cuanto se alejan los valores del “0”:
plot(residuals(Regresión_Lineal))
Promedio:
mean(residuals(Regresión_Lineal))## [1] 7.891527e-14El promedio de la distancia de los risiduos al “0” es casi cero (“0”).
Desvío Standard:
sd(residuals(Regresión_Lineal))## [1] 4827.98Intentamos reducir el desvío standard de nuestros residuos eliminando los valores donde nuestra recta pasa más lejos
Regresión_Lineal_2 <- lm(data = Info_para_Regresión_Lineal_Compacta[abs(residuals(Regresión_Lineal))<sd(residuals(Regresión_Lineal)),], formula = Total_Alojamientos_Turisticos ~ Total_Actividades_Económicas)## Warning: Length of logical index must be 1 or 72, not 36summary(Regresión_Lineal_2)##
## Call:
## lm(formula = Total_Alojamientos_Turisticos ~ Total_Actividades_Económicas,
## data = Info_para_Regresión_Lineal_Compacta[abs(residuals(Regresión_Lineal)) <
## sd(residuals(Regresión_Lineal)), ])
##
## Residuals:
## Min 1Q Median 3Q Max
## -2477.9 -785.0 -55.6 337.2 4439.6
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -23.45056 433.57308 -0.054 0.957
## Total_Actividades_Económicas 0.55458 0.07263 7.636 3.26e-08 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1723 on 27 degrees of freedom
## (31 observations deleted due to missingness)
## Multiple R-squared: 0.6835, Adjusted R-squared: 0.6718
## F-statistic: 58.3 on 1 and 27 DF, p-value: 3.264e-08predict(Regresión_Lineal_2,newdata = data.frame(Total_Actividades_Económicas=2000), interval ='prediction')## fit lwr upr
## 1 1085.712 -2523.428 4694.851Verificamos que con la caída del desvío standard de los errores, también se achicaron los intervalos de confianza de las predicciones.
17- Calculamos de nuevo el modelo agregando una nueva variable, “Bibliotecas y Museos”, creando un Modelo de Regresión Lineal Múltiple, estudiaremos si esta incorporación influye en la localización de los alojamientos turísticos, analizando si existe una correlación estadísticamente significativa.
Bibliotecas_y_Museos <- read.csv("06_Bibliotecas_y_Museos.csv")
head(Bibliotecas_y_Museos)## CODI_EQUIPAMENT EQUIPAMENT SECCIO TIPUS_VIA NOM_CARRER
## 1 62172134 Museu d'Història de Catalunya Biblioteca Pl Pau Vila
## 2 62172134 Museu d'Història de Catalunya Biblioteca Pl Pau Vila
## 3 62172134 Museu d'Història de Catalunya Biblioteca Pl Pau Vila
## 4 62172134 Museu d'Història de Catalunya Biblioteca Pl Pau Vila
## 5 62172134 Museu d'Història de Catalunya Biblioteca Pl Pau Vila
## 6 62172134 Museu d'Història de Catalunya Biblioteca Pl Pau Vila
## NUM_CARRER_1 NUM_CARRER_2 CODI_BARRI NUM_BARRI CODI_DISTRICTE
## 1 3 3 3 la Barceloneta 1
## 2 3 3 3 la Barceloneta 1
## 3 3 3 3 la Barceloneta 1
## 4 3 3 3 la Barceloneta 1
## 5 3 3 3 la Barceloneta 1
## 6 3 3 3 la Barceloneta 1
## NOM_DISTRICTE CODI_POSTAL CODI_POBLACIO POBLACIO LATITUD LONGITUD X_ETRS89
## 1 Ciutat Vella 8039 19 BARCELONA 41.3807 2.185529 431897.1
## 2 Ciutat Vella 8039 19 BARCELONA 41.3807 2.185529 431897.1
## 3 Ciutat Vella 8039 19 BARCELONA 41.3807 2.185529 431897.1
## 4 Ciutat Vella 8039 19 BARCELONA 41.3807 2.185529 431897.1
## 5 Ciutat Vella 8039 19 BARCELONA 41.3807 2.185529 431897.1
## 6 Ciutat Vella 8039 19 BARCELONA 41.3807 2.185529 431897.1
## Y_ETRS89 X_ED50 Y_ED50 TELEFON_NUM TELEFON_TIPUS TELEFON_INFO_COM
## 1 4581340 431989 4581541 932254758 Fax
## 2 4581340 431989 4581541 932254758 Fax
## 3 4581340 431989 4581541 932254700 Tel.
## 4 4581340 431989 4581541 932254700 Tel.
## 5 4581340 431989 4581541 932254700 Tel.
## 6 4581340 431989 4581541 932254700 Tel.
## HORARI_PERIODE_INICI HORARI_PERIODE_FI HORARI_DIES HORARI_HORES_INICI
## 1 01/01 31/12 1000111 16:00:00
## 2 01/01 31/12 1000111 10:00:00
## 3 01/01 31/12 1000111 16:00:00
## 4 01/01 31/12 1000111 10:00:00
## 5 01/01 31/12 1000111 16:00:00
## 6 01/01 31/12 1000111 10:00:00
## HORARI_HORES_FI HORARI_OBSERVACIONS X3ER_NIVELL
## 1 18:00:00 NA Biblioteques
## 2 15:00:00 NA Biblioteques
## 3 18:00:00 NA Biblioteques
## 4 15:00:00 NA Biblioteques
## 5 18:00:00 NA Humanitats i lletres
## 6 15:00:00 NA Humanitats i lletres
## X2N_NIVELL X1ER_NIVELL X
## 1 Biblioteques i museus Cultura i lleure NA
## 2 Biblioteques i museus Cultura i lleure NA
## 3 Biblioteques i museus Cultura i lleure NA
## 4 Biblioteques i museus Cultura i lleure NA
## 5 Biblioteques Cultura i lleure NA
## 6 Biblioteques Cultura i lleure NATotal_Bibliotecas_y_Museos <- Bibliotecas_y_Museos %>%
group_by(CODI_BARRI) %>%
summarise(total=n())
head(Total_Bibliotecas_y_Museos)## # A tibble: 6 x 2
## CODI_BARRI total
## <int> <int>
## 1 1 548
## 2 2 413
## 3 3 320
## 4 4 230
## 5 5 342
## 6 6 76colnames(Total_Bibliotecas_y_Museos)[colnames(Total_Bibliotecas_y_Museos) %in% c('total')] <- paste0(c('Total_Bibliotecas_y_Museos'))Info_para_Regresión_Lineal_Múltiple <- full_join (Info_para_Regresión_Lineal_Compacta, Total_Bibliotecas_y_Museos, by="CODI_BARRI")
head(Info_para_Regresión_Lineal_Múltiple)## # A tibble: 6 x 5
## # Groups: Total_Alojamientos_Turisticos [6]
## CODI_BARRI Nom_Barri Total_Actividade… Total_Alojamient… Total_Biblioteca…
## <int> <fct> <int> <int> <int>
## 1 1 el Raval 15210 3276 548
## 2 2 el Barri Gòt… 6552 3192 413
## 3 3 la Barcelone… 962 777 320
## 4 4 Sant Pere, S… 5304 816 230
## 5 5 el Fort Pienc 3976 1491 342
## 6 6 la Sagrada F… 9570 2640 76Modelo_Regresión_Lineal_Múltiple <- lm(Total_Alojamientos_Turisticos ~ Total_Actividades_Económicas + Total_Bibliotecas_y_Museos, data = Info_para_Regresión_Lineal_Múltiple)
Modelo_Regresión_Lineal_Múltiple##
## Call:
## lm(formula = Total_Alojamientos_Turisticos ~ Total_Actividades_Económicas +
## Total_Bibliotecas_y_Museos, data = Info_para_Regresión_Lineal_Múltiple)
##
## Coefficients:
## (Intercept) Total_Actividades_Económicas
## -2722.6074 0.9745
## Total_Bibliotecas_y_Museos
## 4.4965summary(Modelo_Regresión_Lineal_Múltiple)##
## Call:
## lm(formula = Total_Alojamientos_Turisticos ~ Total_Actividades_Económicas +
## Total_Bibliotecas_y_Museos, data = Info_para_Regresión_Lineal_Múltiple)
##
## Residuals:
## Min 1Q Median 3Q Max
## -11287.9 -2404.8 437.4 2036.7 19713.1
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -2722.6074 1400.9964 -1.943 0.0617 .
## Total_Actividades_Económicas 0.9745 0.1608 6.059 1.35e-06 ***
## Total_Bibliotecas_y_Museos 4.4965 5.8094 0.774 0.4452
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 5210 on 29 degrees of freedom
## (41 observations deleted due to missingness)
## Multiple R-squared: 0.6241, Adjusted R-squared: 0.5982
## F-statistic: 24.08 on 2 and 29 DF, p-value: 6.89e-07Observando la nueva tabla, vemos que los coeficientes de la variable independiente original practicamente no se modificaron. Y para la nueva variable incorporada tenemos un p-valor alto. Lo que nos indica que esta nueva variable no tiene un efecto significativo sobre la que queremos explicar.Es decir que la existencia de museos y bibliotecas en una zona no modifica o no influye en la localizacion de mayor cantidad de alojamientos turisticos, cuando existen localizadas una determinada cantidad de actividades económicas vinculadas al turismo. La capacidad de prediccion de la nueva variable asociada no es significativa. El valor T de 0,774 no entra en la zona de corte de 1,96 , lo que es lógico ya que el p-valor es alto, y la hipotesis nula no seria rechazada. De esta tabla podemos concluir que la existencia de actividades económicas en PB es una variable estadísticamente significativa para la localización de alojamientos turísticos, pero no existe correlación entre esto y la existencia o cercanía de bibliotecas y museos. El r2 practicamente no se modifico, indicando que la nueva variable agregada no explica nada más, o no aporta información extra a la ubicación de los alojamientos.
18- Verificamos los Intervalo de Confianza para cada una de las variables de nuestro modelo.
confint(Modelo_Regresión_Lineal_Múltiple)## 2.5 % 97.5 %
## (Intercept) -5587.9666899 142.75184
## Total_Actividades_Económicas 0.6455902 1.30344
## Total_Bibliotecas_y_Museos -7.3851109 16.3781319- Corregimos nuestro modelo, reduciendo el desvío standard de nuestros residuos eliminando los valores donde nuestra recta pasa mas lejos. De este modo se podrán achicar los intervalos de confianza.
Modelo_Regresión_Lineal_Múltiple_2 <- lm(data = Info_para_Regresión_Lineal_Múltiple[abs(residuals(Modelo_Regresión_Lineal_Múltiple))<sd(residuals(Modelo_Regresión_Lineal_Múltiple)),], formula = Total_Alojamientos_Turisticos ~ Total_Actividades_Económicas +
Total_Bibliotecas_y_Museos)## Warning: Length of logical index must be 1 or 73, not 32summary(Modelo_Regresión_Lineal_Múltiple_2)##
## Call:
## lm(formula = Total_Alojamientos_Turisticos ~ Total_Actividades_Económicas +
## Total_Bibliotecas_y_Museos, data = Info_para_Regresión_Lineal_Múltiple[abs(residuals(Modelo_Regresión_Lineal_Múltiple)) <
## sd(residuals(Modelo_Regresión_Lineal_Múltiple)), ])
##
## Residuals:
## Min 1Q Median 3Q Max
## -2262.5 -1308.3 -141.7 542.8 4775.3
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -412.90365 737.64290 -0.560 0.582
## Total_Actividades_Económicas 0.53745 0.09095 5.909 8.85e-06 ***
## Total_Bibliotecas_y_Museos 2.26325 2.69281 0.840 0.411
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 2029 on 20 degrees of freedom
## (37 observations deleted due to missingness)
## Multiple R-squared: 0.6423, Adjusted R-squared: 0.6065
## F-statistic: 17.95 on 2 and 20 DF, p-value: 3.433e-05En esta tabla podemos observar que los valores de los coeficientes en general disminuyen bastante, salvo los del p-valor que no descienden tanto. Sigue siendo significativo únicamente el p-valor de la varianble de actividades economicas. El r2 aumento un poquito, no demasiado pero indica un modelo más ajustado a los datos.
CONCLUSIÓN: A lo largo de todo el trabajo se pudo observar que la localización de los alojamientos turísitcos esta fuertemente relacionado a la ubicación de las actividades económicas vinculadas al turismo. Por otra parte, no se pudo verificar que las Bibliotecas y Museos incidan en la localización de los alojamientos, pero podemos estimar que dichas actividades tendrían una correlación con los mismos. Se podría realizar una regresión lineal contemplando como variable predictora Bibliotecas y Museos y observar dichos resultados. Si bien la localización de los alojamientos turísticos se encuentra vinculado a las actividades como las recreativas, el ocio y la cultura, es dable mencionar que esta es solo una variable que incide en dicha localización. Pero, a su vez, existen muchas otras variables que quizás refuercen o debiliten la localización, como ser conectividad, transporte público, espacios verdes, actividades gastronómicas, entre otras. Aunque, si se realizara un estudio más profundo podría estimarse que todas las actividades vinculadas al turismo probablemnete se localicen en áreas cercanas y es por esa razón que los alojamientos turísticos tienden a ubicarse allí.