###Pregunta 1 Limpie el environment y cargue los paquetes necesarios para trabajar. (2 puntos)

rm(list=ls())



#install.packages("ggplot2") 
#install.packages("plotly") 
#install.packages('RColorBrewer') 
#install.packages("janitor") 
#install.packages("tidyverse") 
library(knitr)
## Warning: package 'knitr' was built under R version 4.0.5
library(data.table)
library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.0.5
library(janitor)
## Warning: package 'janitor' was built under R version 4.0.5
## 
## Attaching package: 'janitor'
## The following objects are masked from 'package:stats':
## 
##     chisq.test, fisher.test
library(plotly)
## Warning: package 'plotly' was built under R version 4.0.5
## 
## Attaching package: 'plotly'
## The following object is masked from 'package:ggplot2':
## 
##     last_plot
## The following object is masked from 'package:stats':
## 
##     filter
## The following object is masked from 'package:graphics':
## 
##     layout
library(RColorBrewer)
library(tidyverse)
## Warning: package 'tidyverse' was built under R version 4.0.5
## -- Attaching packages --------------------------------------- tidyverse 1.3.1 --
## v tibble  3.1.0     v dplyr   1.0.5
## v tidyr   1.1.3     v stringr 1.4.0
## v readr   1.4.0     v forcats 0.5.1
## v purrr   0.3.4
## Warning: package 'tibble' was built under R version 4.0.5
## Warning: package 'tidyr' was built under R version 4.0.5
## Warning: package 'readr' was built under R version 4.0.5
## Warning: package 'purrr' was built under R version 4.0.5
## Warning: package 'dplyr' was built under R version 4.0.5
## Warning: package 'stringr' was built under R version 4.0.5
## Warning: package 'forcats' was built under R version 4.0.5
## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::between()   masks data.table::between()
## x dplyr::filter()    masks plotly::filter(), stats::filter()
## x dplyr::first()     masks data.table::first()
## x dplyr::lag()       masks stats::lag()
## x dplyr::last()      masks data.table::last()
## x purrr::transpose() masks data.table::transpose()

###Pregunta 2 Cargue la base de datos de hogares de la Encuesta Origen y Destino. Debe utilizar el encoding Latin-1 para que se lean los tílde. Pista: una de las opciones de la función fread es encoding. Debe ir después de una coma, después del nombre del archivo y dentro de paréntesis. Recuerde que también puede revisar las opciones con ?fread. (5 puntos)

Hogares<-fread('Base_Hogares.csv', encoding ='Latin-1' )

###Pregunta 3 Realice un histograma con ggplot que muestre la distribución del ingreso de los hogares para las macrozonas del Gran Valparaíso. Es decir, un histograma para cada comuna, pero en un mismo gráfico. Además, limite el ingreso a menos de 2000000. (8 puntos)

Hogares[,.(comunahg)]
##            comunahg
##    1:    Valparaíso
##    2:  Viña del Mar
##    3:        Concon
##    4:        Concon
##    5:    Valparaíso
##   ---              
## 8772:       Quilpue
## 8773:  Viña del Mar
## 8774:       Quilpue
## 8775: Villa Alemana
## 8776:    Valparaíso
comunas<- c('Valparaíso','Viña del Mar','Concon','Quilpue','Villa Alemana')

data_comunas<- Hogares[comunahg %in% comunas]

ggplot(data=data_comunas[IngresoHogar<2000000],aes(x=comunahg, y=IngresoHogar)) + geom_histogram(stat = "identity")
## Warning: Ignoring unknown parameters: binwidth, bins, pad

###Pregunta 4 Usando la base de hogares, cree el objeto ingprom, que contenga el ingreso promedio de los hogares en cada macro-zona. (5 puntos)

ingprom<- Hogares[, mean(IngresoHogar), by=.(comunahg)]

###Pregunta 5 Realice un gráfico que permita ver el ingreso promedio de los hogares por macro-zona. (10 puntos)

ggplot(data=ingprom, aes(x=comunahg, y= V1))+ geom_histogram(stat= "identity")
## Warning: Ignoring unknown parameters: binwidth, bins, pad

###Pregunta 6 Agregar etiquetas a los ejes, título, subtítulo y fuente al gráfico anterior. Además, deje de manera legible las categorías del eje x. (7 puntos)

ggplot(data=ingprom, aes(x=comunahg, y= V1))+ geom_histogram(stat= "identity") + labs(x= "Comunas Gran Valparaíso", y="Ingreso Promedio", title= "Ingreso Promedio", subtitle= "Por Comuna V Region", caption = "Fuente: INE")
## Warning: Ignoring unknown parameters: binwidth, bins, pad

###Pregunta 7 Cargue la base de datos de locales hamburguesas para analizar donde se encuentra la competencia. (2 puntos)

locales_hamburguesa<- fread("restaurantes.csv")

###Pregunta 8 Cree un scatter-plot (gráfico de puntos) con ggplot que muestre la relación entre el número de comentarios (reviews) (eje x) y el rating (eje y), de manera de que los puntos de cada comuna tomen un color distinto. (10 puntos)

ggplot(locales_hamburguesa, aes(x= reviews, y=rating, color=COMUNA))+ geom_point()

###Pregunta 9 Ahora queremos analizar el nivel de competencia que existe por macrozona. Para realizar esto, debe crear un identificador de competencia para cada macrozona. El indicador esta definido como: reviews∗rating1000 para cada macrozona. (4 puntos) Pista: Considere que el indicador debe ser el promedio para cada macrozona y que debe remover los NA en caso de que existan.

locales_hamburguesa[, indicador:=(reviews*rating)/100]

indicador_comuna <-locales_hamburguesa[,indicador, by= "COMUNA"]

###Pregunta 10 Dado este primer análisis exploratorio,

¿Dónde es más conveniente abrir el nuevo local de hamburguesas? Justifique su respuesta. (6 puntos) En Viña del Mar, debido a que la suma de sus indicadores es mayor a la de las demas comunas

¿Qué agregaría/modificaría a este análisis para poder dar una respuesta más robusta? (6 puntos) Se podrian considerar otro tipo de rubro disinto al de la hamburguesa, por ejemplo el nivel de competencia de los locales de pizza por comuna.