actividad3

datos

porcinos

library(tidyverse)
library(janitor)
library(Hmisc)
library(readxl)
porcinos <- read_excel ("CENSO_PORCINOS-2018.xlsx")
porcinos 

porcinos2 <- clean_names(porcinos) %>% 
  select(departamento, municipio, total_porcinos_2018) %>% 
  mutate(departamento = capitalize(tolower(departamento)),
         municipio = capitalize(tolower(municipio))) %>% 
  group_by(departamento) %>% 
  summarise(total_porcinos = sum(total_porcinos_2018))
porcinos2

ovinos

ovinos <- read_excel("OVINOS_2019.xlsx")
ovinos

 ovinos2 <- clean_names(ovinos) %>% 
  mutate(departamento = capitalize(tolower(departamento)),
         municipio = capitalize(tolower(municipio))) %>% 
  group_by(departamento) %>% 
  summarise(total_ovinos = sum(total_ovinos_2019))
 ovinos2

caprinos

caprinos <- read_excel("caprinos_2019.xlsx")
caprinos

 caprinos2 <- clean_names(caprinos) %>% 
  mutate(departamento = capitalize(tolower(departamento)),
         municipio = capitalize(tolower(municipio))) %>% 
  group_by(departamento) %>% 
  summarise(total_caprinos = sum(total_caprinos_2019))
 caprinos2

datos unidos

unidas <- inner_join(x = porcinos2, y = ovinos2 , by = "departamento") %>% 
  inner_join( x = caprinos2 , by = "departamento")

consulta

• Cuales son los 5 departamentos que cuentan con mayor población de estos animales?

gráfico

unidas %>% 
  pivot_longer(names_to = "totales", values_to = "Animales", cols = -departamento) %>% 
  ggplot(mapping = aes(x = reorder(departamento, Animales),
                       y = Animales,
                       fill = totales)) +
  geom_col(position = "fill")+
  coord_flip()+
  labs(x= "Departamento")