Modulo 3. Lorena Cabrera, 1a. parte
Lorena Cabrera Montiel
24/8/2021
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")
#install.packages("ggmap")
#install.packages("osmdata")
#install.packages("lubridate")
library(data.table)
library(readr)
library(tidyverse)
library(dplyr)
library(magrittr)
library(ggplot2)
library(sf)
library(viridis)
library(viridisLite)
library(ggmap)
library(osmdata)
library(leaflet)
library(Rcpp)
library(lubridate)
# Se quiere conocer la distribución de la población en el área metropolitana de Puebla (AMP), por municipio y más adelante por ageb
## 1. Carga de base de datos censales del Estado de Puebla 2020, escala ageb y manzana (tipo csv)
```r
CensoPue <- read.csv("trabajofinal/RESAGEBURB_21CSV20_CVE.csv", encoding = "UTF-8")
#head(CensoPue)
#summary(CensoPue)Filtrado de datos, solamente tres municipios del surponiente del Área Metropolitana de Puebla (Puebla, San Andrés Cholula, Ocoyucan) involucrados con el corredor urban Angelópolis y el proyecto Lomas de Angelópolis, por clave de municipio
CensoSPAMP <- CensoPue %>%
filter(MUN %in% c("106","114","119"))table(CensoSPAMP$NOM_MUN)##
## Ocoyucan Puebla San Andrés Cholula
## 784 17078 1410#colnames(CensoSPAMP)2. Carga de información espacial, escalas municipio, ageb (área geoestadística básica de INEGI) y manzana
municipios <- st_read("trabajofinal/municipiosPuebla.geojson")## Reading layer `municipiosPuebla' from data source
## `C:\Users\711167\OneDrive\00-R\Geo\trabajofinal\municipiosPuebla.geojson'
## using driver `GeoJSON'
## Simple feature collection with 217 features and 4 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY
## Bounding box: xmin: 2809222 ymin: 657198.7 xmax: 3056419 ymax: 987530.6
## Projected CRS: Mexico ITRF2008 / LCChead(municipios)## Simple feature collection with 6 features and 4 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY
## Bounding box: xmin: 2843746 ymin: 659550.4 xmax: 3007994 ymax: 917818.2
## Projected CRS: Mexico ITRF2008 / LCC
## CVEGEO CVE_ENT CVE_MUN NOMGEO geometry
## 1 21001 21 001 Acajete MULTIPOLYGON (((2926444 802...
## 2 21002 21 002 Acateno MULTIPOLYGON (((2990846 917...
## 3 21003 21 003 Acatlán MULTIPOLYGON (((2901730 677...
## 4 21004 21 004 Acatzingo MULTIPOLYGON (((2940203 797...
## 5 21005 21 005 Acteopan MULTIPOLYGON (((2849259 762...
## 6 21006 21 006 Ahuacatlán MULTIPOLYGON (((2933647 904...#summary(municipioSPAMP)ggplot(municipios)+
geom_sf(data=municipios, aes(fill=CVE_MUN))+ theme(legend.position="none")
Unión espacial y estadística por municipio. Filtro de datos de clave geográfica, población, hogares, viviendas
CensoPuePob <- CensoPue %>%
select(CVEGEOL, ENTIDAD, NOM_ENT, MUN, NOM_MUN, LOC, NOM_LOC, POBTOT, TOTHOG, VIVTOT) %>%
mutate(CVEGEO = substr(CVEGEOL, start = 1, stop = 5))%>%
filter(NOM_LOC %in% c("Total del municipio")) %>%
select(CVEGEO, ENTIDAD, NOM_ENT, MUN, NOM_MUN, POBTOT, TOTHOG, VIVTOT)
head(CensoPuePob)## CVEGEO ENTIDAD NOM_ENT MUN NOM_MUN POBTOT TOTHOG VIVTOT
## 1 21001 21 Puebla 1 Acajete 72894 15226 18617
## 2 21002 21 Puebla 2 Acateno 9170 2611 3161
## 3 21003 21 Puebla 3 Acatlán 37955 10158 15496
## 4 21004 21 Puebla 4 Acatzingo 63743 13486 15749
## 5 21005 21 Puebla 5 Acteopan 3070 850 1147
## 6 21006 21 Puebla 6 Ahuacatlán 14542 3643 4588Unión de geojson y base de datos con información censal 2020, por municipio
municipios <- left_join(municipios,CensoPuePob, by="CVEGEO")
head(municipios)## Simple feature collection with 6 features and 11 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY
## Bounding box: xmin: 2843746 ymin: 659550.4 xmax: 3007994 ymax: 917818.2
## Projected CRS: Mexico ITRF2008 / LCC
## CVEGEO CVE_ENT CVE_MUN NOMGEO ENTIDAD NOM_ENT MUN NOM_MUN POBTOT
## 1 21001 21 001 Acajete 21 Puebla 1 Acajete 72894
## 2 21002 21 002 Acateno 21 Puebla 2 Acateno 9170
## 3 21003 21 003 Acatlán 21 Puebla 3 Acatlán 37955
## 4 21004 21 004 Acatzingo 21 Puebla 4 Acatzingo 63743
## 5 21005 21 005 Acteopan 21 Puebla 5 Acteopan 3070
## 6 21006 21 006 Ahuacatlán 21 Puebla 6 Ahuacatlán 14542
## TOTHOG VIVTOT geometry
## 1 15226 18617 MULTIPOLYGON (((2926444 802...
## 2 2611 3161 MULTIPOLYGON (((2990846 917...
## 3 10158 15496 MULTIPOLYGON (((2901730 677...
## 4 13486 15749 MULTIPOLYGON (((2940203 797...
## 5 850 1147 MULTIPOLYGON (((2849259 762...
## 6 3643 4588 MULTIPOLYGON (((2933647 904...Mapa de municipios del Estado de Puebla
ggplot(municipios)+
geom_sf(aes(fill=POBTOT), color="white")+
labs(title="Municipios",
subtitle="Puebla")+
theme(legend.position="none")
carga de base con superficie de mucnicipios por kilómetro cuadrado
mpiosareas <- read.csv("trabajofinal/mpiosareas.csv", encoding = "UTF-8")
head(mpiosareas)## X.U.FEFF.CVEGEO CVE_MUN MUNICIPIO CABECERA POB2020 SUPKM2 NOLOC
## 1 21001 1 Acajete Acajete 72894 185.46 57
## 2 21002 2 Acateno San José Acateno 9170 180.67 75
## 3 21003 3 Acatlán Acatlán de Osorio 37955 607.78 73
## 4 21004 4 Acatzingo Acatzingo de Hidalgo 63743 140.53 57
## 5 21005 5 Acteopan Acteopan 3070 74.84 4
## 6 21006 6 Ahuacatlán Ahuacatlán 14542 90.98 30
## IDH CONURB LOMAS
## 1 0.6994
## 2 0.6706
## 3 0.7469
## 4 0.6979
## 5 NA
## 6 0.5749mpiosareas <- mpiosareas %>%
mutate(CVEGEO=as.character(X.U.FEFF.CVEGEO))
#summary(municipios)Unión de geojson y base de datos con superficies
municipios <- left_join(municipios,mpiosareas, by="CVEGEO")
municipios <- municipios %>%
mutate(DENSIDAD=POBTOT/SUPKM2) %>%
select(-X.U.FEFF.CVEGEO)
head(municipios)## Simple feature collection with 6 features and 21 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY
## Bounding box: xmin: 2843746 ymin: 659550.4 xmax: 3007994 ymax: 917818.2
## Projected CRS: Mexico ITRF2008 / LCC
## CVEGEO CVE_ENT CVE_MUN.x NOMGEO ENTIDAD NOM_ENT MUN NOM_MUN POBTOT
## 1 21001 21 001 Acajete 21 Puebla 1 Acajete 72894
## 2 21002 21 002 Acateno 21 Puebla 2 Acateno 9170
## 3 21003 21 003 Acatlán 21 Puebla 3 Acatlán 37955
## 4 21004 21 004 Acatzingo 21 Puebla 4 Acatzingo 63743
## 5 21005 21 005 Acteopan 21 Puebla 5 Acteopan 3070
## 6 21006 21 006 Ahuacatlán 21 Puebla 6 Ahuacatlán 14542
## TOTHOG VIVTOT CVE_MUN.y MUNICIPIO CABECERA POB2020 SUPKM2 NOLOC
## 1 15226 18617 1 Acajete Acajete 72894 185.46 57
## 2 2611 3161 2 Acateno San José Acateno 9170 180.67 75
## 3 10158 15496 3 Acatlán Acatlán de Osorio 37955 607.78 73
## 4 13486 15749 4 Acatzingo Acatzingo de Hidalgo 63743 140.53 57
## 5 850 1147 5 Acteopan Acteopan 3070 74.84 4
## 6 3643 4588 6 Ahuacatlán Ahuacatlán 14542 90.98 30
## IDH CONURB LOMAS DENSIDAD geometry
## 1 0.6994 393.04432 MULTIPOLYGON (((2926444 802...
## 2 0.6706 50.75552 MULTIPOLYGON (((2990846 917...
## 3 0.7469 62.44858 MULTIPOLYGON (((2901730 677...
## 4 0.6979 453.58998 MULTIPOLYGON (((2940203 797...
## 5 NA 41.02084 MULTIPOLYGON (((2849259 762...
## 6 0.5749 159.83733 MULTIPOLYGON (((2933647 904...summary(municipios)## CVEGEO CVE_ENT CVE_MUN.x NOMGEO
## Length:217 Length:217 Length:217 Length:217
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
##
## ENTIDAD NOM_ENT MUN NOM_MUN
## Min. :21 Length:217 Min. : 1 Length:217
## 1st Qu.:21 Class :character 1st Qu.: 55 Class :character
## Median :21 Mode :character Median :109 Mode :character
## Mean :21 Mean :109
## 3rd Qu.:21 3rd Qu.:163
## Max. :21 Max. :217
##
## POBTOT TOTHOG VIVTOT CVE_MUN.y
## Min. : 526 Length:217 Min. : 277 Min. : 1
## 1st Qu.: 5293 Class :character 1st Qu.: 1925 1st Qu.: 55
## Median : 11439 Mode :character Median : 3789 Median :109
## Mean : 30338 Mean : 10004 Mean :109
## 3rd Qu.: 22629 3rd Qu.: 6991 3rd Qu.:163
## Max. :1692181 Max. :570222 Max. :217
##
## MUNICIPIO CABECERA POB2020 SUPKM2
## Length:217 Length:217 Min. : 526 Min. : 4.10
## Class :character Class :character 1st Qu.: 5293 1st Qu.: 52.38
## Mode :character Mode :character Median : 11439 Median :125.77
## Mean : 30288 Mean :160.83
## 3rd Qu.: 22629 3rd Qu.:222.27
## Max. :1692181 Max. :804.30
##
## NOLOC IDH CONURB LOMAS
## Min. : 1.00 Min. :0.5161 Length:217 Length:217
## 1st Qu.: 10.00 1st Qu.:0.6516 Class :character Class :character
## Median : 19.00 Median :0.6911 Mode :character Mode :character
## Mean : 29.23 Mean :0.6832
## 3rd Qu.: 38.00 3rd Qu.:0.7224
## Max. :161.00 Max. :0.8269
## NA's :7
## DENSIDAD geometry
## Min. : 5.187 MULTIPOLYGON :217
## 1st Qu.: 49.788 epsg:6372 : 0
## Median : 109.644 +proj=lcc ...: 0
## Mean : 253.380
## 3rd Qu.: 250.879
## Max. :3890.732
## ggplot(municipios)+
geom_sf(aes(fill=DENSIDAD), color=NA)+
labs(title = "Densidad de población por municipio",
subtitle = "Estado de Puebla",
fill = "Población/km2",
caption= "Fuente: Censo General de Población y Vivienda, INEGI, 2020") +
scale_fill_distiller(palette = "Spectral") +
theme_light()
ggplot(municipios)+
geom_sf(aes(fill=DENSIDAD), color=NA)+
labs(title = "Densidad de población por municipio",
subtitle = "Estado de Puebla",
fill = "Población/km2",
caption= "Fuente: Censo General de Población y Vivienda, INEGI, 2020") +
scale_fill_viridis_c(breaks=c(0,250,500,750,1500,4000), option = "plasma", direction = -1)+
theme_light()
ggplot()+
geom_sf(data=municipios)+
geom_sf(data=filter(municipios, CONURB=="AMP"), aes(fill=DENSIDAD))+
labs(title = "Área metropolitana de Puebla",
fill = "Municipios conurbados")
Solamente municipios conurbados del AMP
ggplot()+
geom_sf(data=filter(municipios, CONURB=="AMP"), aes(fill=POBTOT/SUPKM2))
ggplot(municipios %>% filter(CONURB=="AMP"))+
geom_sf(aes(fill=DENSIDAD), color="white")+
geom_sf_text(data=filter(municipios, CONURB=="AMP"), aes(label=NOMGEO), size=3)+
labs(title = "Densidad de Población",
subtitle = "Área metropolitana de Puebla",
fill = "Población/km2",
caption= "Fuente: Censo General de Población y Vivienda, INEGI, 2020") +
scale_fill_viridis_c(option = "plasma", direction=-1) +
theme_light()
Descarga de Base de datos DENUE (Directorio Estadístico Nacional de Unidades Económicas) de INEGI, del estado de Puebla
denuePue <- read.csv("trabajofinal/denue_inegi_21_.csv", fileEncoding = "latin1")
head(denuePue)## id clee
## 1 8149429 21158112512000031000000000U5
## 2 6176289 21053114119000052011000000O6
## 3 8983312 21180112512000091000000000U3
## 4 6176457 21058112512000031001000000U7
## 5 9303989 21065112512000021000000000U2
## 6 6468857 21156493130000031010000000S9
## nom_estab
## 1 CRIA DE PECES EN ESTANQUE SIN NOMBRE
## 2 ACUACULTURA Y PESCA SUSTENTABLE DE CHIGNAHUAPAN SC DE RL DE CV
## 3 ACUAPONIA KAJE
## 4 ACUARIO MARLIN
## 5 AQUA PONIA BIO-THERS S DE P R DE R L
## 6 AVICOLA 20 MAGDALENA
## raz_social codigo_act
## 1 112512
## 2 ACUACULTURA Y PESCA SUSTENTABLE DE CHIGNAHUAPAN SC DE RL DE CV 114119
## 3 112512
## 4 112512
## 5 GRANJA DE TILAPIAS S DE RL DE CV 112512
## 6 GRANJAS OJAI SA DE CV 112312
## nombre_act
## 1 Piscicultura y otra acuicultura, excepto camaronicultura
## 2 Pesca y captura de peces, crustáceos, moluscos y otras especies
## 3 Piscicultura y otra acuicultura, excepto camaronicultura
## 4 Piscicultura y otra acuicultura, excepto camaronicultura
## 5 Piscicultura y otra acuicultura, excepto camaronicultura
## 6 Explotación de gallinas para la producción de huevo para plato
## per_ocu tipo_vial nom_vial tipo_v_e_1 nom_v_e_1
## 1 0 a 5 personas CALLE SANTA ROSA CALLE NINGUNO
## 2 0 a 5 personas CALLE PUENTE EL VIVERO CALLE PASEO DE LA LAGUNA
## 3 0 a 5 personas CALLE 16 DE SEPTIEMBRE CALLE Mariano Matamoros
## 4 6 a 10 personas CALLE 17 SUR AVENIDA 2 PONIENTE
## 5 0 a 5 personas CALLE 8 ORIENTE CALLE 8 NORTE
## 6 0 a 5 personas CALLE NINGUNO
## tipo_v_e_2 nom_v_e_2 tipo_v_e_3 nom_v_e_3 numero_ext letra_ext
## 1 CALLE C. San Jose CALLE NINGUNO 0 SN
## 2 CALLE NINGUNO CALLE NINGUNO NA SN
## 3 OTRO (ESPECIFIQUE) Cultivo CALLE CUAUHTÉMOC 21
## 4 CALLE 17 SUR CALLE 19 SUR 0 SN
## 5 PRIVADA NINGUNO CALLE PLAYA NA SN
## 6 NA
## edificio edificio_e numero_int letra_int tipo_asent nomb_asent
## 1 NA 0 COLONIA SANTA ROSA
## 2 NA NA SN BARRIO TEOCONCHILA O EL VIVERO
## 3 NA 0 PUEBLO GUADALUPE ZARAGOZA
## 4 NA NA SECCION UNIDAD PRIMERA SECCION
## 5 NA NA BARRIO LA SANTA CRUZ
## 6 NA NA SN LOCALIDAD SAN ANTONIO TECOLCO
## tipoCenCom nom_CenCom num_local cod_postal cve_ent entidad
## 1 73505 21 PUEBLA
## 2 73300 21 PUEBLA
## 3 OTRO CONGLOMERADO GUADALUPE ZARAGOZA 0 74104 21 PUEBLA
## 4 75070 21 PUEBLA
## 5 75170 21 PUEBLA
## 6 75700 21 PUEBLA
## cve_mun municipio cve_loc localidad ageb manzana
## 1 158 Tenampulco 7 El Chacal 0012 16
## 2 53 Chignahuapan 92 Ixtlahuaca Barrio 0491 54
## 3 180 Tlahuapan 5 Guadalupe Zaragoza 0225 24
## 4 58 Chilchotla 1 Rafael J. García 0106 3
## 5 65 General Felipe Ángeles 1 San Pablo de las Tunas 0098 31
## 6 156 Tehuacán 1 Tehuacán 1088 6
## telefono correoelec www tipoUniEco latitud
## 1 Fijo 20.22534
## 2 PESCATRUCHACHIGNAHUAPAN@HOTMAIL.COM Fijo 19.84630
## 3 2482284344 Fijo 19.36173
## 4 Fijo 19.25274
## 5 Fijo 18.99485
## 6 GILBERTO.GONZALEZ@GRUPOOJAI.COM Fijo 18.44992
## longitud fecha_alta
## 1 -97.45497 2019-11
## 2 -98.01650 2014-12
## 3 -98.54009 2019-11
## 4 -97.19324 2010-07
## 5 -97.70194 2020-11
## 6 -97.40067 2014-12#summary(denuePue)Filtro sólo de escuelas
escuelasEdo <- denuePue %>%
filter(codigo_act %in% c("611111", "611112", "611121", "611122", "611131", "611132", "611142", "611161", "611162", "611171", "611172", "611181", "611182", "611311", "611312", "611411", "611421", "611511", "611512", "611611", "611621", "611622", "611631")) bbox <- make_bbox(escuelasEdo$longitud, escuelasEdo$latitud)
mapa_base1 <- get_stamenmap(bbox = bbox,
maptype = "toner-lite",
zoom = 8)escuelasEdo <- escuelasEdo %>%
mutate(tipoe = case_when(
str_detect(nombre_act,"sector público") ~ "pública",
str_detect(nombre_act, "sector privado") ~ "privada")) %>%
mutate(nivele = case_when(
str_detect(nombre_act,"preescolar") ~ "preescolar",
str_detect(nombre_act,"primaria") ~ "primaria",
str_detect(nombre_act,"secundaria") ~ "secundaria",
str_detect(nombre_act,"media superior") ~ "media superior",
str_detect(nombre_act,"superior ") ~ "superior",
str_detect(nombre_act,"combinan") ~ "varios")) %>%
mutate(nivele = replace_na(nivele, "otros"))Mapeo de escuelas por tipo de escuela
ggmap(mapa_base1) +
geom_point(data = escuelasEdo, aes(x = longitud, y = latitud, color=tipoe), alpha=0.8)
Mapeo de escuelas por nivel de escolaridad
ggmap(mapa_base1) +
geom_point(data = escuelasEdo, aes(x = longitud, y = latitud, color=nivele), alpha=0.6)+
facet_wrap(~tipoe)
Mapeo de densidad de escuelas
ggmap(mapa_base1) +
geom_bin2d(data = escuelasEdo,
aes(x = longitud, y = latitud), bins=25)+
scale_fill_viridis_c(option = "magma", direction=-1)
Mapeo por nivel de escolaridad
ggmap(mapa_base1) +
geom_bin2d(data = escuelasEdo %>% filter(nivele %in% c("preescolar","primaria","secundaria","media superior")),
aes(x = longitud, y = latitud), bins=30)+
scale_fill_viridis_c(direction=-1)+
facet_wrap(~nivele)
escuelasEdo1 <- escuelasEdo %>%
mutate(fecha=ym(fecha_alta)) %>%
mutate(mes=month(fecha, label = TRUE)) %>%
mutate(anno=year(fecha))Mapeo por año de creación
ggmap(mapa_base1) +
geom_bin2d(data = escuelasEdo1,
aes(x = longitud, y = latitud))+
facet_wrap(~anno)
ggmap(mapa_base1) +
stat_density_2d(data = escuelasEdo1,
aes(x = longitud, y = latitud,
fill = stat(level)), geom = "polygon") +
labs(title="Densidad de escuelas en el estado de Puebla",
caption= "Fuente: DENUE INEGI, 2021")+
theme_void()+
scale_fill_distiller(palette = "Spectral")
Filtro de Cadena de tiendas Oxxos, cadena comercial de minisuper
oxxos <- denuePue %>%
filter(raz_social == "CADENA COMERCIAL OXXO SA DE CV")
# Solamente una forma para conocer en qué municipios hay más Oxxos
tabla1 <- oxxos %>%
count(cve_mun, municipio)Filtro de Oxxos que se localizan en el AMP
oxxosamp <- oxxos %>%
filter(cve_mun %in% c(15,34,40,41,74,90,106,114,119,140))Filtro de municipios del AMP
mpiosamp <- municipios %>%
filter(CONURB=="AMP")ggplot()+
geom_sf(data=mpiosamp)+
geom_point(data=oxxosamp, aes(x=longitud, y=latitud))
mpiosamp <- st_transform(mpiosamp, crs = 4326) #transformación de CRS porque no coincidíanggplot()+
geom_sf(data=mpiosamp)+
geom_point(data=oxxosamp, aes(x=longitud, y=latitud))
oxxos_geo <- oxxosamp %>%
st_as_sf(coords = c("longitud", "latitud"), crs = 4326)ggplot()+
geom_sf(data=mpiosamp)+
geom_sf(data=oxxos_geo, aes(color=tipo_vial))
#Guardar archivo espacial
#st_write(oxxos_geo, "oxxos_geo.geojson")oxxos_geook <- st_join(oxxos_geo, mpiosamp)#Quitar leyenda
ggplot()+
geom_sf(data=mpiosamp)+
geom_sf(data=oxxos_geook, aes(color=municipio), show.legend = FALSE)
Ver en qué municipio hay más oxxos
tabla2 <- oxxos_geook %>%
group_by(municipio) %>%
summarise(cantidad=n())#Sacar geometría y calcular densidad de tiendas Oxxo por superficie
tablaoxxos <- oxxos_geook %>%
group_by(cve_mun) %>%
summarise(n_oxxo=n()) %>%
st_set_geometry(NULL) %>%
rename(MUN=cve_mun)mpiosamp <- left_join(mpiosamp, tablaoxxos, by="MUN")ggplot()+
geom_sf(data=mpiosamp, aes(fill=n_oxxo/SUPKM2))+
scale_fill_viridis_c(direction=-1)
ggplot()+
geom_sf(data=mpiosamp, aes(fill=n_oxxo/SUPKM2))+
scale_fill_viridis_c(direction=-1)
Agebs con más oxxos en e municipio de Puebla
Cargar capa json por ageb
agebs <- st_read("trabajofinal/AgebsAMP.geojson")## Reading layer `AgebsAMP' from data source
## `C:\Users\711167\OneDrive\00-R\Geo\trabajofinal\AgebsAMP.geojson'
## using driver `GeoJSON'
## Simple feature collection with 867 features and 243 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY
## Bounding box: xmin: 2866479 ymin: 771095.7 xmax: 2920101 ymax: 813967.2
## Projected CRS: Mexico ITRF2008 / LCCagebs <- st_transform(agebs, crs = 4326) #transformación de CRS porque no coincidíantablaoxxos2 <- oxxos_geo2 %>%
group_by(CVEGEO) %>%
summarise(n_oxxos=n()) %>%
st_set_geometry(NULL)agebs <- left_join(agebs, tablaoxxos2, by="CVEGEO")
#head(agebs)ggplot()+
geom_sf(data=agebs, aes(fill=n_oxxos))+
scale_fill_viridis_c(direction=-1)
Agebs con más oxxos en los municipios de Ocoyucan, Puebla y San Andrés Cholula
ggplot()+
geom_sf(data=agebs %>%
filter(CVE_MUN %in% c("106","114","119")), aes(fill=n_oxxos))+
scale_fill_viridis_c(option = "plasma", direction=-1)
Agebs con más oxxos en el municipio de San Andrés Cholula
ggplot()+
geom_sf(data=agebs %>%
filter(CVE_MUN == "119"), aes(fill=n_oxxos))+
scale_fill_viridis_c(option = "plasma", direction=-1)
Análisis de principales datos sociodemográficos de la zona Lomas de Angelópolis-Valle del paraíso, del área metropolitana de Puebla que involucra tres municipios: Ocoyucan, Puebla y San Andrés Cholula, por agebs.
Contempla algunos agebs que están en la base del Censo 2020, excepto la zona de Lomas de Angelópolis que corresponde al municipio de Ocoyucan
tresmpios <- municipios %>%
filter(CVE_MUN.x %in% c("106","114","119"))Puebla: 2111400015682, 2111400015945, 2111400012029, 2111400014716, 2111400014720, 2111400015447, 2111400012033, 2111400016089, 2111400016093, 2111400015080, 2111400015767, 2111400015752, 2111400015748, 2111400015432, 2111400011957, 2111400011961, 2111400011976, 2111400014186, 2111400014167, 2111400014152, 2111400014148, 2111400014650, 2111400015023, 2111400011980, 2111400011995, 2111400015593, 2111400015413, 2111400016271, 211140001645A, 2111400016337, 2111400015589, 2111400016267, 2111400015428, 211140001613A, 2111400016125, 2111400015574, 2111400016322, 2111400016182, 2111400016394, 211140001638A
Cholula: 2111900130546, 2111900130531, 2111900130565, 2111900130550, 2111900130495, 2111900130480, 2111900130508
Ocoyucan: 2110600420016, 2110600420035, 2110600420177, 2110600420181, 2110600420196, 2110600420209, 2110600420213, 2110600420266, 2110600420228, 2110600420251, 2110600420232, 2110600420247, 2110600420270, 2110600420355, 2110600420285, 2110600420302, 2110600420317, 211060042029A, 2110600420336, 2110600420321, 2110600420336, 2110600420340
Selección de agebs de la zona
agebszona <- agebs %>%
filter(CVEGEO %in% c("2111400015682", "2111400015945", "2111400012029", "2111400014716", "2111400014720", "2111400015447", "2111400012033", "2111400016089", "2111400016093", "2111400015080", "2111400015767", "2111400015752", "2111400015748", "2111400015432", "2111400011957", "2111400011961", "2111400011976", "2111400014186", "2111400014167", "2111400014152", "2111400014148", "2111400014650", "2111400015023", "2111400011980", "2111400011995", "2111400015593", "2111400015413", "2111400016271", "211140001645A", "2111400016337", "2111400015589", "2111400016267", "2111400015428", "211140001613A", "2111400016125", "2111400015574", "2111400016322", "2111400016182", "2111400016394", "211140001638A", "2111900130546", "2111900130531", "2111900130565", "2111900130550", "2111900130495", "2111900130480", "2111900130508", "2110600420016", "2110600420035", "2110600420177", "2110600420181", "2110600420196", "2110600420209", "2110600420213", "2110600420266", "2110600420228", "2110600420251", "2110600420232", "2110600420247", "2110600420270", "2110600420355", "2110600420285", "2110600420302", "2110600420317", "211060042029A", "2110600420336","2110600420321", "2110600420336", "2110600420340"))Mapa de localización
ggplot()+
geom_sf(data=tresmpios)+
geom_sf(data=agebszona, aes(fill=NOM_MUN))+
geom_sf_text(data=tresmpios, aes(label=NOM_MUN), size=3)+
labs(title = "Localización zona de estudio (agebs)",
subtitle = "Lomas de Angelópolis y Valle del Paraíso",
fill = "Municipio",
caption= "Fuente: Censo General de Población y Vivienda, INEGI, 2020") +
theme_light()
ggplot()+
geom_sf(data=agebszona, aes(fill=POBTOT))+
scale_fill_distiller(palette = "Spectral", direction=-1)+
labs(title = "Lomas de Angelópolis y Valle del Paraíso (por ageb)",
fill = "No. habitantes",
caption= "Fuente: Censo General de Población y Vivienda, INEGI, 2020") +
theme_light()
| ## Análisis temporal de Unidades Económicas del estado de Puebla |
r denue_geo <- denuePue %>% st_as_sf(coords = c("longitud", "latitud"), crs = 4326) |
r join_espacial <- st_join(denue_geo, agebszona) |
| ```r denuezona <- join_espacial %>% filter(!is.na(CVEGEO)) |
| denue3m <- denue_geo %>% filter(cve_mun %in% c(“106”, “114”, “119”)) ``` |
| ```r #denuetemp <- denue3m %>% # mutate(fecha=ym(fecha_alta)) |
| #str(denuetemp) ``` |
r rm(tabladenue) |
## Warning in rm(tabladenue): objeto 'tabladenue' no encontrado |
r tabladenue <- denue3m %>% count(codigo_act, nombre_act, municipio, fecha_alta)%>% mutate(fecha=ym(fecha_alta)) |
| ### ¿Cuándo se han generado más unidades económicas en la zona? |
r ggplot(tabladenue %>% group_by(fecha) %>% summarise(cantidad=n())) + geom_line(aes(x = fecha, y = cantidad)) |
 |
| ### ¿En qué mes se crearon más unidades económicas en la zona? |
| ```r tabladenue1 <- tabladenue %>% mutate(mes=month(fecha, label = TRUE)) %>% mutate(dia_semana=wday(fecha, label = TRUE)) |
| head(tabladenue1) ``` |
## Simple feature collection with 6 features and 8 fields ## Geometry type: GEOMETRY ## Dimension: XY ## Bounding box: xmin: -98.25541 ymin: 18.90584 xmax: -98.11342 ymax: 19.1065 ## Geodetic CRS: WGS 84 ## codigo_act nombre_act ## 1 112512 Piscicultura y otra acuicultura, excepto camaronicultura ## 2 114119 Pesca y captura de peces, crustáceos, moluscos y otras especies ## 3 115111 Servicios de fumigación agrícola ## 4 115113 Beneficio de productos agrícolas ## 5 115119 Otros servicios relacionados con la agricultura ## 6 212311 Minería de piedra caliza ## municipio fecha_alta n geometry fecha mes ## 1 Puebla 2019-11 3 MULTIPOINT ((-98.24195 18.9... 2019-11-01 nov ## 2 Puebla 2014-12 7 MULTIPOINT ((-98.11342 18.9... 2014-12-01 dic ## 3 Puebla 2019-11 2 MULTIPOINT ((-98.22886 19.0... 2019-11-01 nov ## 4 Puebla 2014-12 1 POINT (-98.18231 19.09027) 2014-12-01 dic ## 5 Puebla 2014-12 2 MULTIPOINT ((-98.20117 19.0... 2014-12-01 dic ## 6 Puebla 2010-07 1 POINT (-98.20762 19.1065) 2010-07-01 jul ## dia_semana ## 1 vie\\. ## 2 lun\\. ## 3 vie\\. ## 4 lun\\. ## 5 lun\\. ## 6 jue\\. |
r ggplot(tabladenue1) + geom_bar(aes(x = mes)) |
 |
r ggplot(tabladenue1) + geom_bar(aes(x = mes, fill=municipio)) + labs(title = "Cantidad de Unidades Económicas creadas por mes", subtitle = "Puebla y San Andrés Cholula", x = "Mes", y = "Cantidad", fill = "Municipio", caption = "Fuente: DENUE INEGI 2021") |
 |
r ggplot(tabladenue1 %>% group_by(municipio, dia_semana) %>% summarise(cantidad=n())) + geom_line(aes(x = dia_semana, y=cantidad, group = municipio, color = municipio), size=1) + geom_point(aes(x = dia_semana, y=cantidad, color = municipio), size=2)+ geom_text(aes(x = dia_semana, y=cantidad+100, label=cantidad), size=2)+ labs(title = "Cantidad de Unidades Económicas creadas por día de la semana", subtitle = "Puebla y San Andrés Cholula", x = "Día de la Semana", y = "Cantidad", color = "Municipio", caption = "Fuente: DENUE INEGI 2021") |
## `summarise()` has grouped output by 'municipio'. You can override using the `.groups` argument. |
 |
r ggplot()+ geom_sf(data=agebszona, aes())+ geom_sf(data=denuezona, aes())+ labs(title = "DENUE Lomas de Angelópolis y Valle del Paraíso", caption= "Fuente: CGPyV, INEGI, 2020 y DENUE, INEGI 2021") + theme(legend.position="none") |
 |
| ```r coord <- denuezona %>% select(1:8, 48, 285) |
| coord <- coord %>% mutate(Geom = gsub(‘[()°]’, ’‘, geometry)) %>% separate(col = Geom, into = c(’latitude’, ‘longitud’), sep = ‘\,’) %>% mutate(latitud = substr(latitude, start = 2, stop = 13)) %>% mutate(latitud = as.numeric(latitud))%>% mutate(longitud = as.numeric(longitud)) ``` |
r ggplot()+ geom_sf(data=agebszona, aes())+ geom_sf(data=coord, aes(color=per_ocu))+ labs(title = "DENUE Lomas de Angelópolis y Valle del Paraíso", caption= "Fuente: CGPyV, INEGI, 2020 y DENUE, INEGI 2021") + theme(legend.position="none") |
 |
Análisis de cantidad y tipo de escuelas que existen en la zona
escuelas <- denuezona %>%
filter(codigo_act %in% c("611111", "611112", "611121", "611122", "611131", "611132", "611142", "611161", "611162", "611171", "611172", "611181", "611182", "611311", "611312", "611411", "611421", "611511", "611512", "611611", "611621", "611622", "611631")) %>%
select(1:50,285)ggplot()+
geom_sf(data=agebszona, aes())+
geom_sf(data=escuelas, aes(fill=codigo_act))+
labs(title = "Escuelas en Lomas de Angelópolis y Valle del Paraíso",
caption= "Fuente: CGPyV, INEGI, 2020 y DENUE, INEGI 2021") +
theme(legend.position="none")
### conversión de geometry a latitud y longitud para escuelas y categorización en nivel de escolaridad y tipo de escuela (pública o privada)
escuelas <- escuelas %>%
mutate(tipoe = case_when(
str_detect(nombre_act,"sector público") ~ "pública",
str_detect(nombre_act, "sector privado") ~ "privada")) %>%
mutate(nivele = case_when(
str_detect(nombre_act,"preescolar") ~ "preescolar",
str_detect(nombre_act,"primaria") ~ "primaria",
str_detect(nombre_act,"secundaria") ~ "secundaria",
str_detect(nombre_act,"media superior") ~ "media superior",
str_detect(nombre_act,"superior ") ~ "superior",
str_detect(nombre_act,"combinan") ~ "varios")) %>%
mutate(nivele = replace_na(nivele, "otros"))coordesc <- escuelas %>%
mutate(Geom = gsub('[()°]', '', geometry)) %>%
separate(col = Geom, into = c('latitude', 'longitud'), sep = '\\,') %>%
mutate(latitud = substr(latitude, start = 2, stop = 13)) %>%
mutate(latitud = as.numeric(latitud))%>%
mutate(longitud = as.numeric(longitud)) %>%
select(-53) %>%
select(1:54)ggplot()+
geom_sf(data=agebszona, aes())+
geom_sf(data=escuelas, aes(color=tipoe), size = 2)+
labs(title = "Escuelas en Lomas de Angelópolis y Valle del Paraíso",
color = "Tipo de escuela",
caption= "Fuente: CGPyV, INEGI, 2020 y DENUE, INEGI 2021")
Agregar mapa base
bbox_LA <- getbb("Lomas de Angelópolis, Ocoyucan, Puebla, México")
#bbox1 <- make_bbox(coordenadas$longitud, coordenadas$latitud)mapa_LA <- get_stamenmap(bbox=bbox_LA,
zoom=12)polygon_lomasang <- getbb("Lomas de Angelópolis, Ocoyucan, Puebla, México",
format_out = "sf_polygon")ggmap(mapa_LA)+
geom_sf(data=agebszona, fill=NA, color="blue", inherit.aes = FALSE)+
geom_sf(data=escuelas, aes(color=nivele), inherit.aes = FALSE)+
geom_sf(data=polygon_lomasang, fill=NA, size=1, color="firebrick3", inherit.aes = FALSE)+
labs(title = "Escuelas en Lomas de Angelópolis y Valle del Paraíso",
color = "Nivel escolar",
caption= "Fuente: CGPyV, INEGI, 2020 y DENUE, INEGI 2021") +
theme(plot.title = element_text(hjust = 0.5))## Coordinate system already present. Adding new coordinate system, which will replace the existing one.
Mapa interactivo
leaflet(escuelas) %>%
addTiles() %>%
addMarkers()leaflet(escuelas) %>%
addTiles() %>%
addMarkers(clusterOptions = markerClusterOptions(),
popup = paste("Tipo:", escuelas$tipoe, "<br>",
"Nivel:", escuelas$nivele))#escuelas$tipoe <- escuelas$tipoe %>%
# filter(!is.na(name), !is.na(amenity))rm(factpal)## Warning in rm(factpal): objeto 'factpal' no encontradofactpal <- colorFactor(palette = c("seagreen4","deeppink4"),
levels = escuelas$tipoe)## Warning in colorFactor(palette = c("seagreen4", "deeppink4"), levels =
## escuelas$tipoe): Duplicate levels detectedleaflet(escuelas) %>%
addTiles() %>%
addCircleMarkers(popup = paste("Tipo:", escuelas$tipoe, "<br>",
"Nombre:", escuelas$nivele),
color = ~factpal(tipoe))%>%
addLegend("bottomright", pal = factpal, values = ~tipoe,
title = "Tipo",
opacity = 1)factores <- colorFactor(palette = "spectral",
levels = escuelas$codigo_act)## Warning in colorFactor(palette = "spectral", levels = escuelas$codigo_act):
## Duplicate levels detectedleaflet(escuelas) %>%
addTiles() %>%
addCircleMarkers(popup = paste("Código:", escuelas$codigo_act, "<br>",
"Nombre:", escuelas$nombre_act),
color = ~factores(codigo_act))%>%
addLegend("bottomright", pal = factores, values = ~codigo_act,
title = "Código actividad",
opacity = 1)