Piramide poblacional
Camilo Martinez
22/12/2020
Análisis Poblacional mediante los gráficos tipo pirámide poblacional
Se hace lectura de los datos del Tercer Censo Nacional Agropecuario del DANE en 2014, para las veredas Gualas Bajo Humadea, Alta mira, La Castañeda, Chaparral, Guaranana y Union, todas del municipio de San MartÃn, departamento de Meta, Colombia.
datos <- read.csv2("CNA2014_S15P_50.csv")
library(dplyr)
library(ggplot2)
library(plyr)
library(reshape2)
library(patchwork)
veredasAOI <- filter(datos,COD_VEREDA==50689006 | COD_VEREDA==50689007 | COD_VEREDA==50689011
| COD_VEREDA==50689012 | COD_VEREDA==50689013 | COD_VEREDA==50689014)
veredasAOI <- select(veredasAOI, PAIS, ENCUESTA, COD_VEREDA, P_S15P168, P_S15P169)
colnames(veredasAOI) <- c("Pais","Encuesta","Cod_vereda","Sexo","Edad")
iterador <- c(50689006,50689007,50689011,50689012,50689013,50689014)
veredas <- c("Gualas Bajo Humadea","Alta mira","La Castaneda","Chaparral","Guaranana","Union")
Nomb_vereda <- c()
for(i in 1:length(veredasAOI$Cod_vereda)){
for(j in 1:length(iterador)){
if(veredasAOI$Cod_vereda[i] == iterador[j]){
Nomb_vereda[i] <- veredas[j]
}else{
next
}
}
}
veredasAOI$Nomb_vereda <- Nomb_veredaHombres <- veredasAOI[which(veredasAOI$Sexo == 1),]
Mujeres <- veredasAOI[which(veredasAOI$Sexo == 2),]
veredas <- c("Gualas Bajo Humadea","Alta mira","La Castaneda","Chaparral","Guaranana","Union")
mi_lista <- list()
for(k in veredas){
mi_lista[[k]] <- filter(Hombres,Nomb_vereda==k)
}
nuevos <- data.frame()
for(j in 1:length(mi_lista)){
conteo0_9 <- 0
conteo10_19 <- 0
conteo20_29 <- 0
conteo30_39 <- 0
conteo40_49 <- 0
conteo50_59 <- 0
conteo60_69 <- 0
conteo70_79 <- 0
conteo80 <- 0
for(i in (mi_lista[[j]]$Edad)){
if(i < 10){
conteo0_9 = conteo0_9 + 1
}
else if(i > 9 & i < 20){
conteo10_19 = conteo10_19 + 1
}
else if(i > 19 & i < 30){
conteo20_29 = conteo20_29 + 1
}
else if(i > 29 & i < 40){
conteo30_39 = conteo30_39 + 1
}
else if(i > 39 & i < 50){
conteo40_49 = conteo40_49 + 1
}
else if(i > 49 & i < 60){
conteo50_59 = conteo50_59 + 1
}
else if(i > 59 & i < 70){
conteo60_69 = conteo60_69 + 1
}
else if(i > 69 & i < 80){
conteo70_79 = conteo70_79 + 1
}
else if(i > 79){
conteo80 = conteo80 + 1
}
else(next)
}
nuevos <- rbind(nuevos,data.frame(Vereda=rep(names(mi_lista[j]),9),Genero=rep("Masculino",9),Edad=c("0-9","10-19","20-29","30-39","40-49","50-59","60-69","70-79",">80") , cantidad=-1*c(conteo0_9,conteo10_19,conteo20_29,conteo30_39,conteo40_49,conteo50_59,conteo60_69,conteo70_79,conteo80)))
next
}
## Femenino
mi_lista <- list()
for(k in veredas){
mi_lista[[k]] <- filter(Mujeres,Nomb_vereda==k)
}
nuevos2 <- data.frame()
for(j in 1:length(mi_lista)){
conteo0_9 <- 0
conteo10_19 <- 0
conteo20_29 <- 0
conteo30_39 <- 0
conteo40_49 <- 0
conteo50_59 <- 0
conteo60_69 <- 0
conteo70_79 <- 0
conteo80 <- 0
for(i in (mi_lista[[j]]$Edad)){
if(i < 10){
conteo0_9 = conteo0_9 + 1
}
else if(i > 9 & i < 20){
conteo10_19 = conteo10_19 + 1
}
else if(i > 19 & i < 30){
conteo20_29 = conteo20_29 + 1
}
else if(i > 29 & i < 40){
conteo30_39 = conteo30_39 + 1
}
else if(i > 39 & i < 50){
conteo40_49 = conteo40_49 + 1
}
else if(i > 49 & i < 60){
conteo50_59 = conteo50_59 + 1
}
else if(i > 59 & i < 70){
conteo60_69 = conteo60_69 + 1
}
else if(i > 69 & i < 80){
conteo70_79 = conteo70_79 + 1
}
else if(i > 79){
conteo80 = conteo80 + 1
}
else(next)
}
nuevos2 <- rbind(nuevos2,data.frame(Vereda=rep(names(mi_lista[j]),9),Genero=rep("Femenino",9),Edad=c("0-9","10-19","20-29","30-39","40-49","50-59","60-69","70-79",">80"), cantidad=c(conteo0_9,conteo10_19,conteo20_29,conteo30_39,conteo40_49,conteo50_59, conteo60_69,conteo70_79,conteo80)))
next
}La base de datos debe quedar organizada de la siguiente manera:
datos <- rbind(nuevos,nuevos2)
datos$Edad <- factor(datos$Edad,levels = datos$Edad, labels=datos$Edad)
head(datos,12)## Vereda Genero Edad cantidad
## 1 Gualas Bajo Humadea Masculino 0-9 -23
## 2 Gualas Bajo Humadea Masculino 10-19 -27
## 3 Gualas Bajo Humadea Masculino 20-29 -27
## 4 Gualas Bajo Humadea Masculino 30-39 -14
## 5 Gualas Bajo Humadea Masculino 40-49 -33
## 6 Gualas Bajo Humadea Masculino 50-59 -33
## 7 Gualas Bajo Humadea Masculino 60-69 -15
## 8 Gualas Bajo Humadea Masculino 70-79 -7
## 9 Gualas Bajo Humadea Masculino >80 -4
## 10 Alta mira Masculino 0-9 -4
## 11 Alta mira Masculino 10-19 -4
## 12 Alta mira Masculino 20-29 -2Los valores del género masculino se dejan en negativo para poder acomodarlo en el gráfico de la pirámide poblacional.
veredas <- c("Gualas Bajo Humadea","Alta mira","La Castaneda","Chaparral","Guaranana","Union")
ListaDatos <- list()
for(j in veredas){
ListaDatos[[j]] <- filter(datos,Vereda==j)
}
ListaGraficos <- list()
for(i in 1:length(ListaDatos)){
ListaGraficos[[i]] <- ggplot(ListaDatos[[i]],aes(x=Edad,y=cantidad, fill=Genero))+
geom_bar(stat="identity",width = 0.7)+
scale_fill_manual(values = c("#FF6666","#26ABDD"))+
scale_y_continuous(limit = c(-35,35),breaks=seq(-40,40,10),labels = as.character(c(40,30,20,10,0,10,20,30,40)))+
coord_flip()+
theme_bw()+
xlab("Edad (años)")+
ylab("Número de personas")+
ggtitle(paste(i,") ", veredas[i]))+
theme(plot.title = element_text(hjust = 0.5))+
theme(legend.position = "bottom")
}
Collage <- (ListaGraficos[[1]]+ListaGraficos[[2]]) / (ListaGraficos[[3]]+ListaGraficos[[4]]) /
(ListaGraficos[[5]]+ListaGraficos[[6]])+
plot_annotation(title = 'Pirámide poblacional por vereda de la zona de estudio',theme = theme(plot.title = element_text(size = 18)))&
theme(plot.title = element_text(hjust = 0.5),plot.background = element_rect(fill="white"))
ggsave("Collage.png", plot=Collage,width = 30,height = 37.5,units="cm")Finalmente, la pirámide poblacional por vereda queda asÃ:
