Trabajo Modulo 2. Ciencia de datos I
Lorena Cabrera Montiel
1/7/2021
Instalación de paquetes y carga de librerías
#install.packages("data.table")
#install.packages("readr")
#install.packages("tidyverse")
#install.packages("dplyr")
#install.packages("tidyr")
#install.packages("ggplot2")
#install.packages("sf")
library(data.table)
library(readr)
library(tidyverse)
library(dplyr)
library(magrittr)
library(ggplot2)
library(sf)Se quiere conocer la distribución de la población en el área metropolitana de Puebla, por municipio y por grupos de edad
Carga de base de datos censales del Estado de Puebla 2010 y 2020, por manzana (tipo csv)
CensoPue <- read.csv("entradas/CensoPue10_20.csv", encoding = "UTF-8")
#head(CensoPue)
#summary(CensoPue)table(CensoPue$ALUMPUB_)##
## 1 2 3 4 5
## 23140 31582 3153 1015 1367Filtrado de datos, solamente municipios del Área Metropolitana de Puebla, por clave de municipio
CensoAMP <- CensoPue %>%
filter(MUN %in% c("15","34","40","41","74","90","106","114","119","140","181"))table(CensoAMP$NOM_MUN)##
## Amozoc Coronango Cuautinch<U+FFFD>n Cuautlancingo
## 1566 423 343 1112
## Huejotzingo Juan C. Bonilla Ocoyucan Puebla
## 956 257 577 17484
## San Andr<U+FFFD>s Cholula San Pedro Cholula Tlaltenango
## 1346 1159 81#colnames(CensoAMP)CensoAMP_pob <- CensoAMP %>%
select(1, 28:36 , 76:136)
#head(CensoAMP_pob)#str(CensoAMP_pob)
#summary(CensoAMP_pob)class(CensoAMP_pob$X2020_POBTOT)## [1] "integer"CensoAMP_pob$POBTOT10 <- as.numeric(CensoAMP_pob$POBTOT)
class(CensoAMP_pob$POBTOT10)## [1] "numeric"CensoAMP_pob$POBTOT20 <- as.numeric(CensoAMP_pob$X2020_POBTOT)
class(CensoAMP_pob$POBTOT20)## [1] "numeric"CensoAMP_pob$POBFEM20 <- as.numeric(CensoAMP_pob$X2020_POBFEM)
CensoAMP_pob$POBMAS20 <- as.numeric(CensoAMP_pob$X2020_POBMAS)#SE OCULTA SÓLO PARA EL KNIT
#CensoAMP_pob %>%
#mutate(difpobtot10_20 = POBTOT20 + POBTOT10)
#colnames(CensoAMP_pob)Selección de Población total de 2010 y 2020, por municipio
Graficar población total por cada municipio del AMP
tabla1 %>%
ggplot(aes(x = NOM_MUN,y = POBTOT20/1000)) +
geom_col(aes(fill = NOM_MUN)) +
labs(title = "Población total por municipio",
subtitle = "Área metropolitana de Puebla",
x = "Municipio",
y = "Población en millares",
fill = "Municipio") +
theme_gray() +
theme(axis.text.x = element_text(size = 10, angle = 90, hjust = 1, vjust = 0.5)) +
scale_y_continuous(labels=scales::comma)+
theme(legend.position = "none") 
### Graficar estadísticas de población por cada municipio del AMP
Graficar estadísticas de población por cada municipio del AMP
tabla2 %>%
ggplot(aes(x = NOM_MUN,y = desvio)) +
geom_col(aes(fill = NOM_MUN)) +
labs(title = "Desviación estándar de población por municipio",
subtitle = "Área metropolitana de Puebla",
x = "Municipio",
y = "Desviación",
fill = "Municipio") +
theme_gray() +
theme(axis.text.x = element_text(angle = 0, hjust = 1, vjust = 0.5)) +
coord_flip()
tabla3 <- tabla2 %>%
select(1,4:6) %>%
pivot_longer(cols = c(media, mediana, desvio),
names_to = "Estadisticos",
values_to = "Cantidad")
colnames(tabla3)## [1] "NOM_MUN" "Estadisticos" "Cantidad"Gráfica de estadísticas - opción 1
tabla3 %>%
ggplot() +
geom_col(mapping = aes(x = Estadisticos, y = Cantidad, fill=Estadisticos),
stat = "identity",position = "dodge") +
labs(title = paste("Estadísticas de población por municipio"),
subtitle = "Área metropolitana de Puebla" ,
caption = "Fuente: Censo General de Población y Vivienda, INEGI, 2020",
y = "",
x = "")+
theme(axis.text.x = element_text(angle = 0, hjust = 0.5, vjust = 0.5)) +
theme(legend.position = "none") +
facet_wrap(~ NOM_MUN, ncol=3) ## Warning: Ignoring unknown parameters: stat
### Gráfica de estadísticas - opción 2
tabla3 %>%
ggplot() +
geom_bar(mapping = aes(x = NOM_MUN, y = Cantidad, fill = Estadisticos),
stat = "identity",position = "dodge") +
labs(title = paste("Estadísticas de población por municipio"),
subtitle = "Área metropolitana de Puebla" ,
caption = "Fuente: Censo General de Población y Vivienda, INEGI, 2020",
y = "",
x = "")+
theme(axis.text.x = element_text(angle = 90, hjust = 1, vjust = 0.5))
Selección de columnas con rangos de edad para hacer pirámide de población
Borrar columnas que tienen grupos de x edad y más
RangosEdad <- CensoAMP_pob %>%
select(1, starts_with("X2020_")) %>%
select(-contains("YMAS")) %>%
select(-ends_with("_F"), -ends_with("_M")) %>%
group_by(X2020_NOM_MUN)
names(RangosEdad)## [1] "CVEGEO" "X2020_ENTIDAD2" "X2020_MUN2" "X2020_LOC2"
## [5] "X2020_AGEB2" "X2020_MAN2" "X2020_ENTIDAD" "X2020_NOM_ENT"
## [9] "X2020_MUN" "X2020_NOM_MUN" "X2020_LOC" "X2020_NOM_LOC"
## [13] "X2020_AGEB" "X2020_MZA" "X2020_POBTOT" "X2020_POBFEM"
## [17] "X2020_POBMAS" "X2020_P_0A2" "X2020_P_3A5" "X2020_P_6A11"
## [21] "X2020_P_8A14" "X2020_P_12A14" "X2020_P_15A17" "X2020_P_18A24"
## [25] "X2020_POB0_14" "X2020_POB15_64" "X2020_POB65_MAS"#Tabla por rangos de edad en una sola columna
RangoEdad1 <- RangosEdad %>%
select(X2020_NOM_MUN, X2020_MUN, X2020_POB0_14,X2020_POB15_64,X2020_POB65_MAS) %>%
#corregir títulos
rename(Municipio = X2020_NOM_MUN) %>%
pivot_longer(cols=c(X2020_POB0_14,X2020_POB15_64,X2020_POB65_MAS),
names_to = "RangoEprevio",
values_to = "cuenta")
tablaR <- RangoEdad1 %>%
count(Municipio, RangoEprevio, cuenta)tablaR <- tablaR %>%
mutate(RangoE = case_when(RangoEprevio == "X2020_POB0_14" ~ "0 a 14",
RangoEprevio == "X2020_POB15_64" ~ "15 a 64",
RangoEprevio == "X2020_POB65_MAS" ~ "65 y más"))
colnames(tablaR)## [1] "Municipio" "RangoEprevio" "cuenta" "n" "RangoE"Gráfico de rangos de edad
tablaR %>%
ggplot() +
geom_col(mapping = aes(x = RangoE,
y = cuenta,
fill=RangoE),
alpha = 0.7) +
labs(title = "Rangos de edad por municipio",
subtitle = "Área metropolitana de Puebla, 2020",
caption = "Fuente: Censo General de Población y Vivienda, INEGI, 2020",
x= "Rangos de edad en años") +
facet_wrap(facets = "Municipio",nrow = 3) +
theme_gray() +
theme(legend.position = "none")+
theme(axis.line=element_blank(),
axis.text.x=element_text(size = 9, angle = 0, hjust = 0.5, vjust = 0.5),
axis.text.y=element_blank(),
axis.ticks=element_blank(),
axis.title.y=element_blank())