dataset_2006 <- readRDS(file = "casen_2006_c.rds")
dataset_2006 <- dataset_2006[,c("COMUNA","S10B","S10A","T1A","T4","E1","SEXO","EXPC")]
dataset_2009 <- readRDS(file = "casen_2009_c.rds")
dataset_2009 <- dataset_2009[,c("COMUNA","S16B","S16A","T1A","T5","E1","SEXO","EXPC")]
dataset_2011 <- readRDS(file = "casen_2011_c.rds")
dataset_2011 <- dataset_2011[,c("comuna","s16","s15","s27b","s27a","s37t1","r6","e1","sexo","expc_full")]
dataset_2013 <- readRDS(file = "casen_2013_c.rds")
dataset_2013 <- dataset_2013[,c("comuna","s13","s12","s24b","s24a","s34t1","r6","e1","sexo","expc")]
dataset_2015 <- readRDS(file = "casen_2015_c.rds")
dataset_2015 <- dataset_2015[,c("comuna","s11","s10","s21b","s21a","s31c1","r3","e1","sexo","expc_todas")]
dataset_2017 <- readRDS(file = "casen_2017_c.rds")
dataset_2017 <- dataset_2017[,c("comuna","s11","s10","s21b","s21a","s31a1","r3","e1","sexo","expc")]funcion1 <- function(n){
comunales<-switch(n, "codigos_comunales_2006.rds","codigos_comunales_2009.rds","codigos_comunales_2011-2017.rds","codigos_comunales_2011-2017.rds","codigos_comunales_2011-2017.rds","codigos_comunales_2011-2017.rds")
xx<-switch(n, "2006","2009","2011","2013","2015","2017")
# dataset_06 <<- NA
if(xx==2006) {
eliminated <- dataset_2006[!is.na(dataset_2006 ),]
# a <- eliminated$ytotaj
b <- eliminated$COMUNA
c <- eliminated$T1A
d <- eliminated$E1 #alfabetismo
e <- eliminated$T4 #etnia
f <- eliminated$SEXO
anio <- 2006
cross_tab = xtabs(eliminated$EXPC ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f) ,aggregate(eliminated$EXPC ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f),eliminated,mean))
}
if(xx==2009) {
eliminated <- dataset_2009[!is.na(dataset_2009),]
# a <- eliminated$ytotaj
b <- eliminated$COMUNA
c <- eliminated$T1A
d <- eliminated$E1 #alfabetismo
e <- eliminated$T5 #etnia
f <- eliminated$SEXO
anio <- 2009
cross_tab = xtabs(eliminated$EXPC ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f) ,aggregate(eliminated$EXPC ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f),eliminated,mean))
}
if(xx==2011) {
eliminated <- dataset_2011[!is.na(dataset_2011 ),]
# a <- eliminated$ytotaj
b <- eliminated$comuna
c <- eliminated$s37t1
d <- eliminated$e1 #alfabetismo
e <- eliminated$r6 #etnia
f <- eliminated$sexo
anio <- 2011
cross_tab = xtabs(eliminated$expc_full ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f) ,aggregate(eliminated$expc_full ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f),eliminated,mean))
}
if(xx==2013) {
eliminated <- dataset_2013[!is.na(dataset_2013),]
# a <- eliminated$ytotcor
b <- eliminated$comuna
c <- eliminated$s34t1
d <- eliminated$e1 #alfabetismo
e <- eliminated$r6 #etnia
f <- eliminated$sexo
anio <- 2013
cross_tab = xtabs(eliminated$expc ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f) ,aggregate(eliminated$expc ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f),eliminated,mean))
}
if(xx==2015) {
eliminated <- dataset_2015[!is.na(dataset_2015),]
# a <- eliminated$ytotcor
b <- eliminated$comuna
c <- eliminated$s31c1
d <- eliminated$e1 #alfabetismo
e <- eliminated$r3 #etnia
f <- eliminated$sexo
anio <- 2015
cross_tab = xtabs(eliminated$expc_todas ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f) ,aggregate(eliminated$expc_todas ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f),eliminated,mean))
}
if(xx==2017) {
eliminated <- dataset_2017[!is.na(dataset_2017),]
# a <- eliminated$ytotcor
b <- eliminated$comuna
c <- eliminated$s31a1
d <- eliminated$e1 #alfabetismo
e <- eliminated$r3 #etnia
f <- eliminated$sexo
anio <- 2017
cross_tab = xtabs(eliminated$expc ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f) ,aggregate(eliminated$expc ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f),eliminated,mean))
}
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$Año <- anio
names(d)[1] <- "Comuna"
names(d)[2] <- "discapacidad"
names(d)[3] <- "Alfabetismo"
names(d)[4] <- "Etnia"
names(d)[5] <- "sexo"
codigos_comunales <- readRDS(file = comunales)
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"
# codigos_comunales
df = merge( x = d, y = codigos_comunales, by = "Comuna", all.x = TRUE)
ingreso_rds <- paste("tablas_peque/discapacidad_",anio,".rds", sep="")
saveRDS(df,ingreso_rds)
# print(head(df,10))
}
for (n in 1:6){
funcion1(n)
}Unión de subtablas, homologación de categorías de respuesta con código independiente para la variable de estudio de la ttcc y creación de la tabla general.
receptaculo <- data.frame()
for (n in 1 : 6){
numero <- switch(n, "2006","2009","2011","2013","2015","2017")
direc_tablas <- paste("tablas_peque/discapacidad_",numero,".rds", sep="")
tablas <- readRDS(direc_tablas)
receptaculo <<- rbind(receptaculo, tablas)
}
alfabetismo <- read_xlsx("diccionario/alfabetismo_unicos.xlsx")
categorias <- read_xlsx("diccionario/categorias_etnia.xlsx")
cat_disc <- read_xlsx("diccionario/cat_discapacidad.xlsx")
cod_cat <- unique(cat_disc$discapacidad_n)
cod_cat<- as.data.frame(cod_cat)
cod_cat$codigo_discapacidad <- paste("00",seq(1:nrow(cod_cat)), sep = "")
names(cod_cat)[1] <- "discapacidad_n"
cat_disc = merge( x = cat_disc, y = cod_cat, by = "discapacidad_n", all.x = TRUE)
cat_disc <- cat_disc[,c(2,1,3)]
nuevas_cat = merge( x = receptaculo, y = alfabetismo, by = "Alfabetismo", all.x = TRUE)
alfa_corr <- nuevas_cat[,c(-1)]
categoriasbuenas = merge( x = alfa_corr, y = categorias, by = "Etnia", all.x = TRUE)
etnia_corr <- categoriasbuenas[,c(-1)]
categoriasbuenas = merge( x = etnia_corr, y = cat_disc, by = "discapacidad", all.x = TRUE)
discapacidad_corr <- categoriasbuenas[,c(-1)]
receptaculo<-discapacidad_corr[,c(1,8,9,7,6,2,3,4,5)]
names(receptaculo)[1] <- "comuna"
names(receptaculo)[2] <- "discapacidad"
names(receptaculo)[4] <- "etnia"
names(receptaculo)[5] <- "alfabetismo"
names(receptaculo)[6] <- "sexo"
names(receptaculo)[7] <- "frec"
names(receptaculo)[8] <- "anio"
names(receptaculo)[9] <- "codigo_comuna"
receptaculo_tab <- receptaculo[1:30,]
kbl(receptaculo_tab) %>%
kable_styling(bootstrap_options = c("striped", "hover")) %>%
kable_paper() %>%
scroll_box(width = "100%", height = "500px")| comuna | discapacidad | codigo_discapacidad | etnia | alfabetismo | sexo | frec | anio | codigo_comuna |
|---|---|---|---|---|---|---|---|---|
| Nancagua | NA | NA | No pertenece a ningún pueblo indígena | Sí | Mujer | 89 | 2006 | 06305 |
| Punitaqui | NA | NA | No pertenece a ningún pueblo indígena | No | Mujer | 41 | 2006 | 04304 |
| Natales | NA | NA | No pertenece a ningún pueblo indígena | Sí | Mujer | 169 | 2006 | 12401 |
| Estación Central | NA | NA | No pertenece a ningún pueblo indígena | No | Mujer | 117 | 2006 | 13106 |
| Taltal | NA | NA | No pertenece a ningún pueblo indígena | Sí | Hombre | 167 | 2006 | 02104 |
| Navidad | NA | NA | No pertenece a ningún pueblo indígena | Sí | Hombre | 39 | 2006 | 06205 |
| Navidad | NA | NA | No pertenece a ningún pueblo indígena | Sí | Mujer | 19 | 2006 | 06205 |
| Concón | NA | NA | No pertenece a ningún pueblo indígena | No | Mujer | 69 | 2006 | 05103 |
| Negrete | NA | NA | No pertenece a ningún pueblo indígena | Sí | Mujer | 35 | 2006 | 08307 |
| Hualqui | NA | NA | No pertenece a ningún pueblo indígena | No | Mujer | 34 | 2006 | 08105 |
| Puqueldón | NA | NA | No pertenece a ningún pueblo indígena | No | Mujer | 6 | 2006 | 10206 |
| Ninhue | NA | NA | No pertenece a ningún pueblo indígena | Sí | Hombre | 38 | 2006 | 16204 |
| Purén | NA | NA | No pertenece a ningún pueblo indígena | No | Mujer | 15 | 2006 | 09208 |
| Ninhue | NA | NA | No pertenece a ningún pueblo indígena | Sí | Mujer | 62 | 2006 | 16204 |
| Camiña | NA | NA | Aymara | No | Hombre | 3 | 2006 | 01402 |
| Nogales | NA | NA | No pertenece a ningún pueblo indígena | Sí | Mujer | 409 | 2006 | 05506 |
| Nueva Imperial | NA | NA | No pertenece a ningún pueblo indígena | Sí | Hombre | 202 | 2006 | 09111 |
| Purranque | NA | NA | No pertenece a ningún pueblo indígena | No | Mujer | 108 | 2006 | 10303 |
| San Juan de la Costa | NA | NA | Mapuche | No | Hombre | 25 | 2006 | 10306 |
| Padre Las Casas | NA | NA | Mapuche | Sí | Mujer | 69 | 2006 | 09112 |
| Chile Chico | NA | NA | Alacalufes | Sí | Hombre | 4 | 2006 | 11401 |
| Putaendo | NA | NA | No pertenece a ningún pueblo indígena | No | Mujer | 22 | 2006 | 05705 |
| Illapel | NA | NA | No pertenece a ningún pueblo indígena | No | Hombre | 110 | 2006 | 04201 |
| Ñiquén | NA | NA | No pertenece a ningún pueblo indígena | Sí | Hombre | 87 | 2006 | 16303 |
| Purén | NA | NA | Mapuche | Sí | Mujer | 18 | 2006 | 09208 |
| Tiltil | NA | NA | No pertenece a ningún pueblo indígena | Sí | Mujer | 162 | 2006 | 13303 |
| Tiltil | NA | NA | No pertenece a ningún pueblo indígena | Sí | Hombre | 168 | 2006 | 13303 |
| Tirúa | NA | NA | No pertenece a ningún pueblo indígena | Sí | Hombre | 77 | 2006 | 08207 |
| Ñuñoa | NA | NA | No pertenece a ningún pueblo indígena | Sí | Hombre | 841 | 2006 | 13120 |
| Queilén | NA | NA | No pertenece a ningún pueblo indígena | No | Mujer | 15 | 2006 | 10207 |
# receptaculo_unicos <- unique(receptaculo$discapacidad)
# receptaculo_unicos <- as.data.frame(receptaculo_unicos)# write_xlsx(receptaculo,"tablas_grandes/tabla_discapacidad.xlsx")p1 <- plot_ly(receptaculo , x = ~anio , color = ~discapacidad) %>% add_histogram() %>%
layout(title = "Discapacidad en los años",
xaxis = list(title = "Años"),showlegend = TRUE, autosize = F, legend = list(font = list(size = 8)))
p1p2 <- plot_ly(receptaculo , x = ~etnia , color = ~discapacidad) %>% add_histogram()%>%
layout(title = "Discapacidad por grupo etnico",
xaxis = list(title = "Etnia"),showlegend = TRUE, autosize = F, legend = list(font = list(size = 8)))
p2funcion1 <- function(n){
comunales<-switch(n, "codigos_comunales_2006.rds","codigos_comunales_2009.rds","codigos_comunales_2011-2017.rds","codigos_comunales_2011-2017.rds","codigos_comunales_2011-2017.rds","codigos_comunales_2011-2017.rds")
xx<-switch(n, "2006","2009","2011","2013","2015","2017")
# dataset_06 <<- NA
if(xx==2006) {
eliminated <- dataset_2006[!is.na(dataset_2006 ),]
# a <- eliminated$ytotaj
b <- eliminated$COMUNA
c <- eliminated$S10A
d <- eliminated$E1 #alfabetismo
e <- eliminated$T4 #etnia
f <- eliminated$SEXO
anio <- 2006
cross_tab = xtabs(eliminated$EXPC ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f) ,aggregate(eliminated$EXPC ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f),eliminated,mean))
}
if(xx==2009) {
eliminated <- dataset_2009[!is.na(dataset_2009),]
# a <- eliminated$ytotaj
b <- eliminated$COMUNA
c <- eliminated$S16A
d <- eliminated$E1 #alfabetismo
e <- eliminated$T5 #etnia
f <- eliminated$SEXO
anio <- 2009
cross_tab = xtabs(eliminated$EXPC ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f) ,aggregate(eliminated$EXPC ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f),eliminated,mean))
}
if(xx==2011) {
eliminated <- dataset_2011[!is.na(dataset_2011),]
# a <- eliminated$ytotaj
b <- eliminated$comuna
c <- eliminated$s27a
d <- eliminated$e1 #alfabetismo
e <- eliminated$r6 #etnia
f <- eliminated$sexo
anio <- 2011
cross_tab = xtabs(eliminated$expc_full ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f) ,aggregate(eliminated$expc_full ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f),eliminated,mean))
}
if(xx==2013) {
eliminated <- dataset_2013[!is.na(dataset_2013),]
# a <- eliminated$ytotcor
b <- eliminated$comuna
c <- eliminated$s24a
d <- eliminated$e1 #alfabetismo
e <- eliminated$r6 #etnia
f <- eliminated$sexo
anio <- 2013
cross_tab = xtabs(eliminated$expc ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f) ,aggregate(eliminated$expc ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f),eliminated,mean))
}
if(xx==2015) {
eliminated <- dataset_2015[!is.na(dataset_2015),]
# a <- eliminated$ytotcor
b <- eliminated$comuna
c <- eliminated$s21a
d <- eliminated$e1 #alfabetismo
e <- eliminated$r3 #etnia
f <- eliminated$sexo
anio <- 2015
cross_tab = xtabs(eliminated$expc_todas ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f) ,aggregate(eliminated$expc_todas ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f),eliminated,mean))
}
if(xx==2017) {
eliminated <- dataset_2017[!is.na(dataset_2017),]
# a <- eliminated$ytotcor
b <- eliminated$comuna
c <- eliminated$s21a
d <- eliminated$e1 #alfabetismo
e <- eliminated$r3 #etnia
f <- eliminated$sexo
anio <- 2017
cross_tab = xtabs(eliminated$expc ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f) ,aggregate(eliminated$expc ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f),eliminated,mean))
}
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$Año <- anio
names(d)[1] <- "Comuna"
names(d)[2] <- "consultas"
names(d)[3] <- "Alfabetismo"
names(d)[4] <- "Etnia"
names(d)[5] <- "sexo"
codigos_comunales <- readRDS(file = comunales)
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"
# codigos_comunales
df = merge( x = d, y = codigos_comunales, by = "Comuna", all.x = TRUE)
ingreso_rds <- paste("tablas_peque/mental_",anio,".rds", sep="")
saveRDS(df,ingreso_rds)
# print(head(df,10))
}
for (n in 1:6){
funcion1(n)
}Unión de subtablas, homologación de categorías de respuesta con código independiente para la variable de estudio de la ttcc y creación de la tabla general.
receptaculo <- data.frame()
for (n in 1 : 6){
numero <- switch(n, "2006","2009","2011","2013","2015","2017")
direc_tablas <- paste("tablas_peque/mental_",numero,".rds", sep="")
tablas <- readRDS(direc_tablas)
receptaculo <<- rbind(receptaculo, tablas)
}
alfabetismo <- read_xlsx("diccionario/alfabetismo_unicos.xlsx")
categorias <- read_xlsx("diccionario/categorias_etnia.xlsx")
cat_disc <- read_xlsx("diccionario/unicos_mental.xlsx")
nuevas_cat = merge( x = receptaculo, y = alfabetismo, by = "Alfabetismo", all.x = TRUE)
alfa_corr <- nuevas_cat[,c(-1)]
categoriasbuenas = merge( x = alfa_corr, y = categorias, by = "Etnia", all.x = TRUE)
etnia_corr <- categoriasbuenas[,c(-1)]
categoriasbuenas = merge( x = etnia_corr, y = cat_disc, by = "consultas", all.x = TRUE)
discapacidad_corr <- categoriasbuenas[,c(-1)]
receptaculo<-discapacidad_corr[,c(1,8,7,6,2,3,4,5)]
names(receptaculo)[1] <- "comuna"
names(receptaculo)[2] <- "consultas"
names(receptaculo)[3] <- "etnia"
names(receptaculo)[4] <- "alfabetismo"
names(receptaculo)[5] <- "sexo"
names(receptaculo)[7] <- "anio"
names(receptaculo)[8] <- "codigo"
names(receptaculo)[6] <- "frec"
receptaculo_tab <- receptaculo[1:30,]
kbl(receptaculo_tab) %>%
kable_styling(bootstrap_options = c("striped", "hover")) %>%
kable_paper() %>%
scroll_box(width = "100%", height = "500px")| comuna | consultas | etnia | alfabetismo | sexo | frec | anio | codigo |
|---|---|---|---|---|---|---|---|
| El Bosque | No tuvo | No pertenece a ningún pueblo indígena | No | Mujer | 95 | 2015 | 13105 |
| Diego de Almagro | No tuvo | Coya | No | Mujer | 3 | 2013 | 03202 |
| Coyhaique | No tuvo | Mapuche | Sí | Hombre | 3454 | 2011 | 11101 |
| Temuco | No tuvo | Aymara | Sí | Mujer | 112 | 2011 | 09101 |
| Quinchao | No tuvo | Mapuche | No | Mujer | 15 | 2013 | 10210 |
| Quemchi | No tuvo | Mapuche | Sí | Mujer | 875 | 2015 | 10209 |
| Coronel | No tuvo | Mapuche | Sí | Hombre | 2278 | 2013 | 08102 |
| Hijuelas | No tuvo | Atacameño | Sí | Hombre | 12 | 2011 | 05503 |
| Padre Hurtado | No tuvo | Mapuche | Sí | Hombre | 2075 | 2011 | 13604 |
| Cisnes | No tuvo | No pertenece a ningún pueblo indígena | No | Mujer | 126 | 2015 | 11202 |
| Victoria | No tuvo | Mapuche | Sí | Mujer | 2109 | 2011 | 09211 |
| Iquique | No tuvo | Atacameño | Sí | Hombre | 106 | 2011 | 01101 |
| Arica | No tuvo | Aymara | No | Hombre | 75 | 2015 | 15101 |
| Lampa | No tuvo | Mapuche | Sí | Mujer | 4788 | 2015 | 13302 |
| Mariquina | No tuvo | Aymara | Sí | Hombre | 12 | 2011 | 14106 |
| Huara | No tuvo | Aymara | Sí | Hombre | 521 | 2011 | 01404 |
| Estación Central | No tuvo | Aymara | Sí | Hombre | 224 | 2015 | 13106 |
| Putre | No tuvo | Aymara | Sí | Mujer | 273 | 2013 | 15201 |
| Limache | No tuvo | Mapuche | Sí | Hombre | 9 | 2011 | 05802 |
| Melipeuco | No tuvo | Aymara | Sí | Hombre | 11 | 2013 | 09110 |
| Alto Biobío | No tuvo | Mapuche | No | Mujer | 141 | 2015 | 08314 |
| La Higuera | No tuvo | Aymara | Sí | Hombre | 18 | 2013 | 04104 |
| Calama | No tuvo | Atacameño | No | Mujer | 99 | 2015 | 02201 |
| Valdivia | No tuvo | Aymara | Sí | Mujer | 115 | 2013 | 14101 |
| Huasco | No tuvo | Aymara | Sí | Mujer | 75 | 2013 | 03304 |
| Temuco | No tuvo | Mapuche | No | Mujer | 58 | 2011 | 09101 |
| Caldera | No tuvo | Coya | Sí | Mujer | 38 | 2011 | 03102 |
| Tiltil | No tuvo | Mapuche | Sí | Hombre | 449 | 2011 | 13303 |
| Pinto | No tuvo | No pertenece a ningún pueblo indígena | No | Mujer | 230 | 2013 | 16106 |
| Lago Ranco | No tuvo | Mapuche | No | Mujer | 159 | 2015 | 14203 |
# receptaculo_unicos <- unique(receptaculo$discapacidad)
# receptaculo_unicos <- as.data.frame(receptaculo_unicos)
# write_xlsx(receptaculo,"tablas_grandes/tabla_consulta_mental.xlsx")p1 <- plot_ly(receptaculo , x = ~anio , color = ~consultas) %>% add_histogram() %>%
layout(title = "consultas en los años",
xaxis = list(title = "Años"),showlegend = TRUE, autosize = F, legend = list(font = list(size = 8)))
p1## Warning in RColorBrewer::brewer.pal(N, "Set2"): n too large, allowed maximum for palette Set2 is 8
## Returning the palette you asked for with that many colors
## Warning in RColorBrewer::brewer.pal(N, "Set2"): n too large, allowed maximum for palette Set2 is 8
## Returning the palette you asked for with that many colorsp2 <- plot_ly(receptaculo , x = ~etnia , color = ~consultas) %>% add_histogram()%>%
layout(title = "consultas por grupo etnico",
xaxis = list(title = "Etnia"),showlegend = TRUE, autosize = F, legend = list(font = list(size = 8)))
p2## Warning in RColorBrewer::brewer.pal(N, "Set2"): n too large, allowed maximum for palette Set2 is 8
## Returning the palette you asked for with that many colors
## Warning in RColorBrewer::brewer.pal(N, "Set2"): n too large, allowed maximum for palette Set2 is 8
## Returning the palette you asked for with that many colorsfuncion1 <- function(n){
comunales<-switch(n, "codigos_comunales_2006.rds","codigos_comunales_2009.rds","codigos_comunales_2011-2017.rds","codigos_comunales_2011-2017.rds","codigos_comunales_2011-2017.rds","codigos_comunales_2011-2017.rds")
xx<-switch(n, "2006","2009","2011","2013","2015","2017")
# dataset_06 <<- NA
if(xx==2006) {
eliminated <- dataset_2006[!is.na(dataset_2006 ),]
# a <- eliminated$ytotaj
b <- eliminated$COMUNA
c <- eliminated$S10B
d <- eliminated$E1 #alfabetismo
e <- eliminated$T4 #etnia
f <- eliminated$SEXO
anio <- 2006
cross_tab = xtabs(eliminated$EXPC ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f) ,aggregate(eliminated$EXPC ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f),eliminated,mean))
}
if(xx==2009) {
eliminated <- dataset_2009[!is.na(dataset_2009),]
# a <- eliminated$ytotaj
b <- eliminated$COMUNA
c <- eliminated$S16B
d <- eliminated$E1 #alfabetismo
e <- eliminated$T5 #etnia
f <- eliminated$SEXO
anio <- 2009
cross_tab = xtabs(eliminated$EXPC ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f) ,aggregate(eliminated$EXPC ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f),eliminated,mean))
}
if(xx==2011) {
eliminated <- dataset_2011[!is.na(dataset_2011),]
# a <- eliminated$ytotaj
b <- eliminated$comuna
c <- eliminated$s27b
d <- eliminated$e1 #alfabetismo
e <- eliminated$r6 #etnia
f <- eliminated$sexo
anio <- 2011
cross_tab = xtabs(eliminated$expc_full ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f) ,aggregate(eliminated$expc_full ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f),eliminated,mean))
}
if(xx==2013) {
eliminated <- dataset_2013[!is.na(dataset_2013),]
# a <- eliminated$ytotcor
b <- eliminated$comuna
c <- eliminated$s24b
d <- eliminated$e1 #alfabetismo
e <- eliminated$r6 #etnia
f <- eliminated$sexo
anio <- 2013
cross_tab = xtabs(eliminated$expc ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f) ,aggregate(eliminated$expc ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f),eliminated,mean))
}
if(xx==2015) {
eliminated <- dataset_2015[!is.na(dataset_2015),]
# a <- eliminated$ytotcor
b <- eliminated$comuna
c <- eliminated$s21b
d <- eliminated$e1 #alfabetismo
e <- eliminated$r3 #etnia
f <- eliminated$sexo
anio <- 2015
cross_tab = xtabs(eliminated$expc_todas ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f) ,aggregate(eliminated$expc_todas ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f),eliminated,mean))
}
if(xx==2017) {
eliminated <- dataset_2017[!is.na(dataset_2017),]
# a <- eliminated$ytotcor
b <- eliminated$comuna
c <- eliminated$s21b
d <- eliminated$e1 #alfabetismo
e <- eliminated$r3 #etnia
f <- eliminated$sexo
anio <- 2017
cross_tab = xtabs(eliminated$expc ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f) ,aggregate(eliminated$expc ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f),eliminated,mean))
}
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$Año <- anio
names(d)[1] <- "Comuna"
names(d)[2] <- "lugat_de_consultas"
names(d)[3] <- "Alfabetismo"
names(d)[4] <- "Etnia"
names(d)[5] <- "sexo"
codigos_comunales <- readRDS(file = comunales)
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"
# codigos_comunales
df = merge( x = d, y = codigos_comunales, by = "Comuna", all.x = TRUE)
ingreso_rds <- paste("tablas_peque/lugar_mental_",anio,".rds", sep="")
saveRDS(df,ingreso_rds)
# print(head(df,10))
}
for (n in 1:6){
funcion1(n)
}Unión de subtablas, homologación de categorías de respuesta con código independiente para la variable de estudio de la ttcc y creación de la tabla general.
receptaculo <- data.frame()
for (n in 1 : 6){
numero <- switch(n, "2006","2009","2011","2013","2015","2017")
direc_tablas <- paste("tablas_peque/lugar_mental_",numero,".rds", sep="")
tablas <- readRDS(direc_tablas)
receptaculo <<- rbind(receptaculo, tablas)
}
alfabetismo <- read_xlsx("diccionario/alfabetismo_unicos.xlsx")
categorias <- read_xlsx("diccionario/categorias_etnia.xlsx")
cat_disc <- read_xlsx("diccionario/unico_lugar_consulta_mental.xlsx")
cod_cat <- unique(cat_disc$lugat_de_consultas_cat)
cod_cat<- as.data.frame(cod_cat)
rango <- seq(1:nrow(cod_cat))
cadena<- paste("00",seq(1:nrow(cod_cat)), sep = "")
cadena <- substr(cadena,(nchar(cadena)[rango])-(4-2),5)
cod_cat$codigo_discapacidad <- cadena
names(cod_cat)[1] <- "lugat_de_consultas_cat"
cat_disc = merge( x = cat_disc, y = cod_cat, by = "lugat_de_consultas_cat", all.x = TRUE)
cat_disc <- cat_disc[,c(2,1,3)]
nuevas_cat = merge( x = receptaculo, y = alfabetismo, by = "Alfabetismo", all.x = TRUE)
alfa_corr <- nuevas_cat[,c(-1)]
categoriasbuenas = merge( x = alfa_corr, y = categorias, by = "Etnia", all.x = TRUE)
etnia_corr <- categoriasbuenas[,c(-1)]
categoriasbuenas = merge( x = etnia_corr, y = cat_disc, by = "lugat_de_consultas", all.x = TRUE)
discapacidad_corr <- categoriasbuenas[,c(-1)]
receptaculo<-discapacidad_corr[,c(1,8,9,7,6,2,3,4,5)]
names(receptaculo)[1] <- "comuna"
names(receptaculo)[2] <- "lugar_de_consultas"
names(receptaculo)[4] <- "etnia"
names(receptaculo)[5] <- "alfabetismo"
names(receptaculo)[6] <- "sexo"
names(receptaculo)[7] <- "frec"
names(receptaculo)[8] <- "anio"
names(receptaculo)[9] <- "codigo_comuna"
receptaculo_tab <- receptaculo[1:30,]
kbl(receptaculo_tab) %>%
kable_styling(bootstrap_options = c("striped", "hover")) %>%
kable_paper() %>%
scroll_box(width = "100%", height = "500px")| comuna | lugar_de_consultas | codigo_discapacidad | etnia | alfabetismo | sexo | frec | anio | codigo_comuna |
|---|---|---|---|---|---|---|---|---|
| Maipú | Centro de salud mental privado | 001 | No pertenece a ningún pueblo indígena | Sí | Hombre | 363 | 2015 | 13119 |
| Independencia | Centro de salud mental privado | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 15 | 2013 | 13108 |
| Las Condes | Centro de salud mental privado | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 917 | 2013 | 13114 |
| Concepción | Centro de salud mental privado | 001 | No pertenece a ningún pueblo indígena | Sí | Hombre | 100 | 2013 | 08101 |
| Pelarco | Centro de salud mental privado | 001 | No pertenece a ningún pueblo indígena | No | Mujer | 34 | 2011 | 07106 |
| Temuco | Centro de salud mental privado | 001 | No pertenece a ningún pueblo indígena | Sí | Hombre | 31 | 2011 | 09101 |
| Osorno | Centro de salud mental privado | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 32 | 2013 | 10301 |
| Temuco | Centro de salud mental privado | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 108 | 2013 | 09101 |
| Providencia | Centro de salud mental privado | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 179 | 2011 | 13123 |
| Talcahuano | Centro de salud mental privado | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 92 | 2013 | 08110 |
| Linares | Centro de salud mental privado | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 103 | 2017 | 07401 |
| Santiago | Centro de salud mental privado | 001 | No pertenece a ningún pueblo indígena | Sí | Hombre | 124 | 2013 | 13101 |
| Pudahuel | Centro de salud mental privado | 001 | Mapuche | Sí | Mujer | 235 | 2017 | 13124 |
| Coquimbo | Centro de salud mental privado | 001 | No pertenece a ningún pueblo indígena | No | Mujer | 85 | 2015 | 04102 |
| Osorno | Centro de salud mental privado | 001 | No pertenece a ningún pueblo indígena | Sí | Hombre | 99 | 2013 | 10301 |
| Quilpué | Centro de salud mental privado | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 106 | 2017 | 05801 |
| Concepción | Centro de salud mental privado | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 178 | 2013 | 08101 |
| Providencia | Centro de salud mental privado | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 55 | 2013 | 13123 |
| Viña del Mar | Centro de salud mental privado | 001 | No pertenece a ningún pueblo indígena | Sí | Hombre | 161 | 2011 | 05109 |
| Osorno | Centro de salud mental privado | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 56 | 2017 | 10301 |
| Las Condes | Centro de salud mental privado | 001 | No pertenece a ningún pueblo indígena | Sí | Hombre | 218 | 2013 | 13114 |
| Valdivia | Centro de salud mental privado | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 47 | 2013 | 14101 |
| Iquique | Centro de salud mental privado | 001 | No pertenece a ningún pueblo indígena | Sí | Hombre | 90 | 2015 | 01101 |
| Quinta Normal | Centro de salud mental privado | 001 | Mapuche | Sí | Hombre | 470 | 2015 | 13126 |
| Arica | Centro de salud mental privado | 001 | Diaguita | Sí | Hombre | 30 | 2013 | 15101 |
| Iquique | Centro de salud mental privado | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 37 | 2011 | 01101 |
| Villarrica | Centro de salud mental privado | 001 | Mapuche | Sí | Hombre | 22 | 2015 | 09120 |
| San Bernardo | Centro de salud mental privado | 001 | No pertenece a ningún pueblo indígena | Sí | Hombre | 308 | 2011 | 13401 |
| Maipú | Centro de salud mental privado | 001 | No pertenece a ningún pueblo indígena | Sí | Hombre | 782 | 2017 | 13119 |
| Antofagasta | Centro de salud mental privado | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 41 | 2011 | 02101 |
# receptaculo_unicos <- unique(receptaculo$lugat_de_consultas)
# receptaculo_unicos <- as.data.frame(receptaculo_unicos)
# write_xlsx(receptaculo_unicos,"diccionario/unico_lugar_consulta_mental.xlsx")# write_xlsx(receptaculo,"tablas_grandes/tabla_lugar_consulta_mental.xlsx")p1 <- plot_ly(receptaculo , x = ~anio , color = ~lugar_de_consultas) %>% add_histogram() %>%
layout(title = "lugar_de_consultas en los años",
xaxis = list(title = "Años"),showlegend = TRUE, autosize = F, legend = list(font = list(size = 8)))
p1## Warning in RColorBrewer::brewer.pal(N, "Set2"): n too large, allowed maximum for palette Set2 is 8
## Returning the palette you asked for with that many colors
## Warning in RColorBrewer::brewer.pal(N, "Set2"): n too large, allowed maximum for palette Set2 is 8
## Returning the palette you asked for with that many colorsp2 <- plot_ly(receptaculo , x = ~etnia , color = ~lugar_de_consultas) %>% add_histogram()%>%
layout(title = "lugar_de_consultas por grupo etnico",
xaxis = list(title = "Etnia"),showlegend = TRUE, autosize = F, legend = list(font = list(size = 8)))
p2## Warning in RColorBrewer::brewer.pal(N, "Set2"): n too large, allowed maximum for palette Set2 is 8
## Returning the palette you asked for with that many colors
## Warning in RColorBrewer::brewer.pal(N, "Set2"): n too large, allowed maximum for palette Set2 is 8
## Returning the palette you asked for with that many colorsfuncion1 <- function(n){
comunales<-switch(n,"codigos_comunales_2011-2017.rds","codigos_comunales_2011-2017.rds","codigos_comunales_2011-2017.rds","codigos_comunales_2011-2017.rds")
xx<-switch(n,"2011","2013","2015","2017")
if(xx==2011) {
eliminated <- dataset_2011[!is.na(dataset_2011),]
# a <- eliminated$ytotaj
b <- eliminated$comuna
c <- eliminated$s15
d <- eliminated$e1 #alfabetismo
e <- eliminated$r6 #etnia
f <- eliminated$sexo
anio <- 2011
cross_tab = xtabs(eliminated$expc_full ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f) ,aggregate(eliminated$expc_full ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f),eliminated,mean))
}
if(xx==2013) {
eliminated <- dataset_2013[!is.na(dataset_2013),]
# a <- eliminated$ytotcor
b <- eliminated$comuna
c <- eliminated$s12
d <- eliminated$e1 #alfabetismo
e <- eliminated$r6 #etnia
f <- eliminated$sexo
anio <- 2013
cross_tab = xtabs(eliminated$expc ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f) ,aggregate(eliminated$expc ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f),eliminated,mean))
}
if(xx==2015) {
eliminated <- dataset_2015[!is.na(dataset_2015),]
# a <- eliminated$ytotcor
b <- eliminated$comuna
c <- eliminated$s10
d <- eliminated$e1 #alfabetismo
e <- eliminated$r3 #etnia
f <- eliminated$sexo
anio <- 2015
cross_tab = xtabs(eliminated$expc_todas ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f) ,aggregate(eliminated$expc_todas ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f),eliminated,mean))
}
if(xx==2017) {
eliminated <- dataset_2017[!is.na(dataset_2017),]
# a <- eliminated$ytotcor
b <- eliminated$comuna
c <- eliminated$s10
d <- eliminated$e1 #alfabetismo
e <- eliminated$r3 #etnia
f <- eliminated$sexo
anio <- 2017
cross_tab = xtabs(eliminated$expc ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f) ,aggregate(eliminated$expc ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f),eliminated,mean))
}
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$Año <- anio
names(d)[1] <- "Comuna"
names(d)[2] <- "mamografia"
names(d)[3] <- "Alfabetismo"
names(d)[4] <- "Etnia"
names(d)[5] <- "sexo"
codigos_comunales <- readRDS(file = comunales)
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"
# codigos_comunales
df = merge( x = d, y = codigos_comunales, by = "Comuna", all.x = TRUE)
ingreso_rds <- paste("tablas_peque/mamografia_",anio,".rds", sep="")
saveRDS(df,ingreso_rds)
# print(head(df,10))
}
for (n in 1:4){
funcion1(n)
}Unión de subtablas, homologación de categorías de respuesta con código independiente para la variable de estudio de la ttcc y creación de la tabla general.
receptaculo <- data.frame()
for (n in 1 : 4){
numero <- switch(n,"2011","2013","2015","2017")
direc_tablas <- paste("tablas_peque/mamografia_",numero,".rds", sep="")
tablas <- readRDS(direc_tablas)
receptaculo <<- rbind(receptaculo, tablas)
}
alfabetismo <- read_xlsx("diccionario/alfabetismo_unicos.xlsx")
categorias <- read_xlsx("diccionario/categorias_etnia.xlsx")
cat_disc <- read_xlsx("diccionario/unico_mamografia.xlsx")
cod_cat <- unique(cat_disc$mamografia_cat)
cod_cat<- as.data.frame(cod_cat)
cod_cat$codigo_discapacidad <- paste("00",seq(1:nrow(cod_cat)), sep = "")
names(cod_cat)[1] <- "mamografia_cat"
cat_disc = merge( x = cat_disc, y = cod_cat, by = "mamografia_cat", all.x = TRUE)
cat_disc <- cat_disc[,c(2,1,3)]
nuevas_cat = merge( x = receptaculo, y = alfabetismo, by = "Alfabetismo", all.x = TRUE)
alfa_corr <- nuevas_cat[,c(-1)]
categoriasbuenas = merge( x = alfa_corr, y = categorias, by = "Etnia", all.x = TRUE)
etnia_corr <- categoriasbuenas[,c(-1)]
categoriasbuenas = merge( x = etnia_corr, y = cat_disc, by = "mamografia", all.x = TRUE)
discapacidad_corr <- categoriasbuenas[,c(-1)]
receptaculo<-discapacidad_corr[,c(1,8,9,7,6,2,3,4,5)]
names(receptaculo)[1] <- "comuna"
names(receptaculo)[2] <- "mamografia"
names(receptaculo)[4] <- "etnia"
names(receptaculo)[5] <- "alfabetismo"
names(receptaculo)[6] <- "sexo"
names(receptaculo)[7] <- "frec"
names(receptaculo)[8] <- "anio"
names(receptaculo)[9] <- "codigo_comuna"
receptaculo_tab <- receptaculo[1:30,]
kbl(receptaculo_tab) %>%
kable_styling(bootstrap_options = c("striped", "hover")) %>%
kable_paper() %>%
scroll_box(width = "100%", height = "500px")| comuna | mamografia | codigo_discapacidad | etnia | alfabetismo | sexo | frec | anio | codigo_comuna |
|---|---|---|---|---|---|---|---|---|
| Huara | No | 001 | Aymara | Sí | Mujer | 250 | 2017 | 01404 |
| Tierra Amarilla | No | 001 | No pertenece a ningún pueblo indígena | No | Mujer | 34 | 2011 | 03103 |
| Chañaral | No | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 1250 | 2015 | 03201 |
| Chañaral | No | 001 | Mapuche | Sí | Mujer | 13 | 2015 | 03201 |
| Paredones | No | 001 | No pertenece a ningún pueblo indígena | No | Mujer | 126 | 2013 | 06206 |
| Chillán Viejo | No | 001 | Mapuche | Sí | Mujer | 213 | 2015 | 16103 |
| Gorbea | No | 001 | Mapuche | No | Mujer | 54 | 2015 | 09107 |
| Curarrehue | No | 001 | Mapuche | Sí | Mujer | 429 | 2011 | 09104 |
| San Felipe | No | 001 | Coya | Sí | Mujer | 153 | 2017 | 05701 |
| Yungay | No | 001 | No pertenece a ningún pueblo indígena | No | Mujer | 206 | 2015 | 16109 |
| Panguipulli | No | 001 | Mapuche | No | Mujer | 45 | 2011 | 14108 |
| Quilpué | No | 001 | No pertenece a ningún pueblo indígena | No | Mujer | 51 | 2011 | 05801 |
| Chiguayante | No | 001 | No pertenece a ningún pueblo indígena | No | Mujer | 1000 | 2015 | 08103 |
| Machalí | No | 001 | Mapuche | Sí | Mujer | 104 | 2011 | 06108 |
| Valdivia | No | 001 | Mapuche | No | Mujer | 82 | 2017 | 14101 |
| Cerrillos | No | 001 | Mapuche | Sí | Mujer | 389 | 2011 | 13102 |
| Colina | No | 001 | Aymara | Sí | Mujer | 123 | 2011 | 13301 |
| Maullín | No | 001 | No pertenece a ningún pueblo indígena | No | Mujer | 68 | 2013 | 10108 |
| Teodoro Schmidt | No | 001 | Mapuche | No | Mujer | 67 | 2017 | 09117 |
| Petorca | No | 001 | Mapuche | Sí | Mujer | 43 | 2015 | 05404 |
| Saavedra | No | 001 | Mapuche | No | Mujer | 164 | 2011 | 09116 |
| Lo Espejo | No | 001 | Mapuche | Sí | Mujer | 995 | 2015 | 13116 |
| Vilcún | No | 001 | Mapuche | No | Mujer | 416 | 2011 | 09119 |
| Rancagua | No | 001 | Coya | Sí | Mujer | 63 | 2017 | 06101 |
| Salamanca | No | 001 | No pertenece a ningún pueblo indígena | No | Mujer | 67 | 2017 | 04204 |
| Caldera | No | 001 | No pertenece a ningún pueblo indígena | No | Mujer | 38 | 2017 | 03102 |
| Tucapel | No | 001 | Mapuche | Sí | Mujer | 54 | 2017 | 08312 |
| María Elena | No | 001 | Aymara | Sí | Mujer | 14 | 2013 | 02302 |
| Canela | No | 001 | Diaguita | Sí | Mujer | 9 | 2015 | 04202 |
| Monte Patria | No | 001 | Diaguita | Sí | Mujer | 62 | 2011 | 04303 |
# receptaculo_unicos <- unique(receptaculo$mamografia)
# receptaculo_unicos <- as.data.frame(receptaculo_unicos)
# write_xlsx(receptaculo_unicos,"diccionario/unico_mamografia.xlsx")# write_xlsx(receptaculo,"tablas_grandes/practica_mamografia.xlsx")p1 <- plot_ly(receptaculo , x = ~anio , color = ~mamografia) %>% add_histogram() %>%
layout(title = "Practica de mamografía en los años",
xaxis = list(title = "Años"),showlegend = TRUE, autosize = F, legend = list(font = list(size = 8)))
p1p2 <- plot_ly(receptaculo , x = ~etnia , color = ~mamografia) %>% add_histogram()%>%
layout(title = "Practica de mamografía por grupo etnico",
xaxis = list(title = "Etnia"),showlegend = TRUE, autosize = F, legend = list(font = list(size = 8)))
p2funcion1 <- function(n){
comunales<-switch(n,"codigos_comunales_2011-2017.rds","codigos_comunales_2011-2017.rds","codigos_comunales_2011-2017.rds","codigos_comunales_2011-2017.rds")
xx<-switch(n,"2011","2013","2015","2017")
if(xx==2011) {
eliminated <- dataset_2011[!is.na(dataset_2011),]
# a <- eliminated$ytotaj
b <- eliminated$comuna
c <- eliminated$s16
d <- eliminated$e1 #alfabetismo
e <- eliminated$r6 #etnia
f <- eliminated$sexo
anio <- 2011
cross_tab = xtabs(eliminated$expc_full ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f) ,aggregate(eliminated$expc_full ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f),eliminated,mean))
}
if(xx==2013) {
eliminated <- dataset_2013[!is.na(dataset_2013),]
# a <- eliminated$ytotcor
b <- eliminated$comuna
c <- eliminated$s13
d <- eliminated$e1 #alfabetismo
e <- eliminated$r6 #etnia
f <- eliminated$sexo
anio <- 2013
cross_tab = xtabs(eliminated$expc ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f) ,aggregate(eliminated$expc ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f),eliminated,mean))
}
if(xx==2015) {
eliminated <- dataset_2015[!is.na(dataset_2015),]
# a <- eliminated$ytotcor
b <- eliminated$comuna
c <- eliminated$s11
d <- eliminated$e1 #alfabetismo
e <- eliminated$r3 #etnia
f <- eliminated$sexo
anio <- 2015
cross_tab = xtabs(eliminated$expc_todas ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f) ,aggregate(eliminated$expc_todas ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f),eliminated,mean))
}
if(xx==2017) {
eliminated <- dataset_2017[!is.na(dataset_2017),]
# a <- eliminated$ytotcor
b <- eliminated$comuna
c <- eliminated$s11
d <- eliminated$e1 #alfabetismo
e <- eliminated$r3 #etnia
f <- eliminated$sexo
anio <- 2017
cross_tab = xtabs(eliminated$expc ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f) ,aggregate(eliminated$expc ~ + unlist(b) + unlist(c) + unlist(d) + unlist(e)+ unlist(f),eliminated,mean))
}
tabla <- as.data.frame(cross_tab)
d <-tabla[!(tabla$Freq == 0),]
d$Año <- anio
names(d)[1] <- "Comuna"
names(d)[2] <- "motivo_mamografia"
names(d)[3] <- "Alfabetismo"
names(d)[4] <- "Etnia"
names(d)[5] <- "sexo"
codigos_comunales <- readRDS(file = comunales)
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"
# codigos_comunales
df = merge( x = d, y = codigos_comunales, by = "Comuna", all.x = TRUE)
ingreso_rds <- paste("tablas_peque/motivo_mamografia_",anio,".rds", sep="")
saveRDS(df,ingreso_rds)
# print(head(df,10))
}
for (n in 1:4){
funcion1(n)
}Unión de subtablas, homologación de categorías de respuesta con código independiente para la variable de estudio de la ttcc y creación de la tabla general.
receptaculo <- data.frame()
for (n in 1 : 4){
numero <- switch(n,"2011","2013","2015","2017")
direc_tablas <- paste("tablas_peque/motivo_mamografia_",numero,".rds", sep="")
tablas <- readRDS(direc_tablas)
receptaculo <<- rbind(receptaculo, tablas)
}
alfabetismo <- read_xlsx("diccionario/alfabetismo_unicos.xlsx")
categorias <- read_xlsx("diccionario/categorias_etnia.xlsx")
cat_disc <- read_xlsx("diccionario/unico_motivo_mamografia.xlsx")
cod_cat <- unique(cat_disc$motivo_mamografia_cat)
cod_cat<- as.data.frame(cod_cat)
rango <- seq(1:nrow(cod_cat))
cadena<- paste("00",seq(1:nrow(cod_cat)), sep = "")
cadena <- substr(cadena,(nchar(cadena)[rango])-(4-2),5)
cod_cat$codigo_discapacidad <- cadena
names(cod_cat)[1] <- "motivo_mamografia_cat"
cat_disc = merge( x = cat_disc, y = cod_cat, by = "motivo_mamografia_cat", all.x = TRUE)
cat_disc <- cat_disc[,c(2,1,3)]
nuevas_cat = merge( x = receptaculo, y = alfabetismo, by = "Alfabetismo", all.x = TRUE)
alfa_corr <- nuevas_cat[,c(-1)]
categoriasbuenas = merge( x = alfa_corr, y = categorias, by = "Etnia", all.x = TRUE)
etnia_corr <- categoriasbuenas[,c(-1)]
categoriasbuenas = merge( x = etnia_corr, y = cat_disc, by = "motivo_mamografia", all.x = TRUE)
discapacidad_corr <- categoriasbuenas[,c(-1)]
receptaculo<-discapacidad_corr[,c(1,8,9,7,6,2,3,4,5)]
names(receptaculo)[1] <- "comuna"
names(receptaculo)[2] <- "motivo_no_mamografia"
names(receptaculo)[4] <- "etnia"
names(receptaculo)[5] <- "alfabetismo"
names(receptaculo)[6] <- "sexo"
names(receptaculo)[7] <- "frec"
names(receptaculo)[8] <- "anio"
names(receptaculo)[9] <- "codigo_comuna"
receptaculo_tab <- receptaculo[1:30,]
kbl(receptaculo_tab) %>%
kable_styling(bootstrap_options = c("striped", "hover")) %>%
kable_paper() %>%
scroll_box(width = "100%", height = "500px")| comuna | motivo_no_mamografia | codigo_discapacidad | etnia | alfabetismo | sexo | frec | anio | codigo_comuna |
|---|---|---|---|---|---|---|---|---|
| Cauquenes | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 52 | 2011 | 07201 |
| San Felipe | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 132 | 2015 | 05701 |
| Temuco | El horario del consultorio no le sirve | 001 | Mapuche | No | Mujer | 58 | 2011 | 09101 |
| Natales | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 48 | 2015 | 12401 |
| Puerto Octay | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 49 | 2013 | 10302 |
| Cabrero | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | No | Mujer | 271 | 2011 | 08303 |
| Coinco | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 32 | 2013 | 06103 |
| Putre | El horario del consultorio no le sirve | 001 | Aymara | Sí | Mujer | 5 | 2011 | 15201 |
| La Unión | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 24 | 2013 | 14201 |
| Gorbea | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 67 | 2011 | 09107 |
| Talca | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 673 | 2011 | 07101 |
| Aysén | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 16 | 2017 | 11201 |
| Maipú | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 517 | 2011 | 13119 |
| Cabrero | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | No | Mujer | 147 | 2011 | 08303 |
| Futrono | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 10 | 2011 | 14202 |
| Valdivia | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 18 | 2013 | 14101 |
| Natales | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 25 | 2011 | 12401 |
| Fresia | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 13 | 2011 | 10104 |
| Colina | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 365 | 2017 | 13301 |
| Chiguayante | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 237 | 2015 | 08103 |
| Coyhaique | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 111 | 2011 | 11101 |
| Galvarino | El horario del consultorio no le sirve | 001 | Mapuche | Sí | Mujer | 13 | 2017 | 09106 |
| Coelemu | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 61 | 2015 | 16203 |
| Curicó | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 79 | 2011 | 07301 |
| San Javier | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 444 | 2011 | 07406 |
| Saavedra | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 27 | 2013 | 09116 |
| La Cruz | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 63 | 2013 | 05504 |
| Copiapó | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 337 | 2011 | 03101 |
| Renaico | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 64 | 2013 | 09209 |
| Papudo | El horario del consultorio no le sirve | 001 | No pertenece a ningún pueblo indígena | Sí | Mujer | 43 | 2015 | 05403 |
# receptaculo_unicos <- unique(receptaculo$motivo_mamografia)
# receptaculo_unicos <- as.data.frame(receptaculo_unicos)
# write_xlsx(receptaculo_unicos,"diccionario/unico_motivo_mamografia.xlsx")# write_xlsx(receptaculo,"tablas_grandes/no_practica_mamografia.xlsx")p1 <- plot_ly(receptaculo , x = ~anio , color = ~motivo_no_mamografia) %>% add_histogram() %>%
layout(title = "Motivo de no practicar una mamografía en los años",
xaxis = list(title = "Años"),showlegend = TRUE, autosize = F, legend = list(font = list(size = 8)))
p1## Warning in RColorBrewer::brewer.pal(N, "Set2"): n too large, allowed maximum for palette Set2 is 8
## Returning the palette you asked for with that many colors
## Warning in RColorBrewer::brewer.pal(N, "Set2"): n too large, allowed maximum for palette Set2 is 8
## Returning the palette you asked for with that many colorsp2 <- plot_ly(receptaculo , x = ~etnia , color = ~motivo_no_mamografia) %>% add_histogram()%>%
layout(title = "Motivo de no practicar una mamografía por grupo etnico",
xaxis = list(title = "Etnia"),showlegend = TRUE, autosize = F, legend = list(font = list(size = 8)))
p2## Warning in RColorBrewer::brewer.pal(N, "Set2"): n too large, allowed maximum for palette Set2 is 8
## Returning the palette you asked for with that many colors
## Warning in RColorBrewer::brewer.pal(N, "Set2"): n too large, allowed maximum for palette Set2 is 8
## Returning the palette you asked for with that many colors