library(readr)
Importaciones_2018_1 <- read_delim("C:/Users/IRMA/Desktop/C-lI-2021/Metodos/Metodos_M/Importaciones_2018_1.csv",
"|", escape_double = FALSE, trim_ws = TRUE)
head(Importaciones_2018_1)
- Compile la información disponible en la “Base de Datos de Comercio Exterior” del BCR, para los años 2018-2020. Y genera una tabla tal como se mostró en las clases (aún no incluya los nombres ISO de los países).
Creación de la tabla de importaciones
#Cargar Paquetes
library(readr)
library(dplyr)
library(kableExtra)
setwd("C:/Users/IRMA/Desktop/C-lI-2021/Metodos/Metodos_M/")
archivos_importar<-list.files()
lista_importacion<-lapply(archivos_importar,
FUN = read_delim,delim="|",
col_names=c("pais",
"sac",
"anio",
"mes",
"valor_cif",
"kilogramos"),
col_types=cols(pais="c",
sac="c",
anio="d",
mes="d",
valor_cif="d",
kilogramos="d"),
skip=1)
#Emsamblar los archivos en un sólo dataframe
data_importaciones<-bind_rows(lista_importacion)
data_importaciones %>% head()%>% kable(caption="El Salvador: Base de Importaciones 2018-2020",
align="c") %>%
add_footnote(label="Elaboración con base en datos del BCR",
notation="symbol") %>% kable_styling()
El Salvador: Base de Importaciones 2018-2020
|
pais
|
sac
|
anio
|
mes
|
valor_cif
|
kilogramos
|
|
Canada
|
0404900000
|
2018
|
2
|
68040.00
|
18810.00
|
|
Canada
|
0404900000
|
2018
|
3
|
92725.74
|
25528.60
|
|
Canada
|
0404900000
|
2018
|
4
|
92546.45
|
25525.00
|
|
Canada
|
0404900000
|
2018
|
6
|
91531.00
|
25525.00
|
|
Canada
|
0405100000
|
2018
|
6
|
26.56
|
20.00
|
|
Canada
|
0511100000
|
2018
|
1
|
16365.04
|
23.65
|
|
* Elaboración con base en datos del BCR
|
Creación de la tabla de Exportaciones
library(readr)
library(dplyr)
library(kableExtra)
setwd("C:/Users/IRMA/Desktop/C-lI-2021/Metodos/Metodos_X")
archivos_importar <- list.files()
lista_exportacion <- lapply(
archivos_importar,
FUN = read_delim,
delim = "|",
col_names = c("pais",
"sac",
"anio",
"mes",
"valor_fob",
"kilogramos"),
col_types = cols(
pais = "c",
sac = "c",
anio = "d",
mes = "d",
valor_cif = "d",
kilogramos = "d"
),
skip = 1
)
#Emsamblar los archivos en un sólo dataframe
data_exportaciones <- bind_rows(lista_exportacion)
#Mostrar las tablas en formato html (es para esta publicación)
data_exportaciones %>% head() %>% kable(caption = "Base de Exportaciones 2018-2020", align = "c") %>%
add_footnote(label = "Elaboración con base en datos del BCR",
notation = "symbol") %>% kable_styling()
Base de Exportaciones 2018-2020
|
pais
|
sac
|
anio
|
mes
|
valor_fob
|
kilogramos
|
|
Canada
|
0106900000
|
2018
|
2
|
4667.2
|
15.0
|
|
Canada
|
0106900000
|
2018
|
3
|
4237.1
|
14.0
|
|
Canada
|
0106900000
|
2018
|
4
|
3918.0
|
13.5
|
|
Canada
|
0106900000
|
2018
|
5
|
3155.4
|
10.0
|
|
Canada
|
0106900000
|
2018
|
6
|
3097.4
|
9.0
|
|
Canada
|
0305720000
|
2018
|
2
|
2702.3
|
280.0
|
|
* Elaboración con base en datos del BCR
|
Creacion de la tabla de comercio exterior
library(dplyr)
library(tidyr)
library(kableExtra)
#Concatenar las tablas de data_importaciones & data_exportaciones
data_importaciones %>% full_join(
data_exportaciones,
by = c("pais", "sac", "anio", "mes"),
suffix = c("_importaciones", "_exportaciones")
) -> data_comercio_exterior
#Sustitur los Valores Nulos "NA" y guardar en el mismo objeto
data_comercio_exterior %>% replace_na(
list(
valor_cif = 0,
valor_fob = 0,
kilogramos_importaciones = 0,
kilogramos_exportaciones = 0
)
) %>%
arrange(pais, anio, mes, sac) -> data_comercio_exterior
data_comercio_exterior %>% head() %>%
kable(caption = "Base de Comercio Exterior 2018-2020",
align = "c") %>%
add_footnote(label = "Elaboración con base en datos del BCR",
notation = "symbol") %>% kable_styling()
Base de Comercio Exterior 2018-2020
|
pais
|
sac
|
anio
|
mes
|
valor_cif
|
kilogramos_importaciones
|
valor_fob
|
kilogramos_exportaciones
|
|
Afganistan
|
0806200000
|
2018
|
6
|
6448.43
|
1463.92
|
0
|
0
|
|
Afganistan
|
6104220000
|
2018
|
10
|
3153.37
|
2407.61
|
0
|
0
|
|
Afganistan
|
6104620000
|
2018
|
10
|
946.01
|
722.28
|
0
|
0
|
|
Afganistan
|
6105100000
|
2018
|
10
|
9405.39
|
7181.03
|
0
|
0
|
|
Afganistan
|
6106100000
|
2018
|
10
|
1353.32
|
1725.55
|
0
|
0
|
|
Afganistan
|
6405900000
|
2018
|
10
|
2260.03
|
1725.55
|
0
|
0
|
|
* Elaboración con base en datos del BCR
|
Guardar la tabla de comercio exterior
#Guardado del objeto data_comercio_exterior
save(data_comercio_exterior, file = "C:/Users/IRMA/Desktop/C-lI-2021/Metodos/data_comercio_exteriorr.RData")
- Realice la actualización de la tabla anterior con toda la información disponible para 2021.
Actualización de la base (Julio 2021)
library(dplyr)
library(tidyr)
library(kableExtra)
setwd("C:/Users/IRMA/Desktop/C-lI-2021/Metodos/update/importaciones")
archivos_importar <- list.files()
lista_importacion <- lapply(
archivos_importar,
FUN = read_delim,
delim = "|",
col_names = c("pais",
"sac",
"anio",
"mes",
"valor_cif",
"kilogramos"),
col_types = cols(
pais = "c",
sac = "c",
anio = "d",
mes = "d",
valor_cif = "d",
kilogramos = "d"
),
skip = 1
)
#Ensamblar los archivos en un sólo dataframe
data_importaciones_update <- bind_rows(lista_importacion)
#Exportaciones
setwd("C:/Users/IRMA/Desktop/C-lI-2021/Metodos/update/exportaciones")
archivos_importar <- list.files()
#Leer los archivos del directorio de trabajo
lista_importacion <- lapply(
archivos_importar,
FUN = read_delim,
delim = "|",
col_names = c("pais",
"sac",
"anio",
"mes",
"valor_fob",
"kilogramos"),
col_types = cols(
pais = "c",
sac = "c",
anio = "d",
mes = "d",
valor_cif = "d",
kilogramos = "d"
),
skip = 1
)
## Warning: The following named parsers don't match the column names: valor_cif
#Ensamblar los archivos en un sólo dataframe
data_exportaciones_update <- bind_rows(lista_importacion)
#Concatenar las tablas de data_importaciones & data_exportaciones
data_importaciones_update %>% full_join(
data_exportaciones_update,
by = c("pais", "sac", "anio", "mes"),
suffix = c("_importaciones", "_exportaciones")
) -> data_comercio_exterior_update
#Sustitur los Valores Nulos "NA" y guardar en el mismo objeto
data_comercio_exterior_update %>% replace_na(
list(
valor_cif = 0,
valor_fob = 0,
kilogramos_importaciones = 0,
kilogramos_exportaciones = 0
)
) %>%
arrange(pais, anio, mes, sac) -> data_comercio_exterior_update
#Unir la tabla de comercio exterior y su actualización
data_comercio_exterior %>% bind_rows(data_comercio_exterior_update) %>% arrange(pais, anio, mes, sac) ->
data_comercio_exterior
save(data_comercio_exterior, file = "C:/Users/IRMA/Desktop/C-lI-2021/Metodos/data_comercio_exteriorr_actualizada.RData")
#Mostrar Tabla (primeros 6 elementos)
data_comercio_exterior %>% filter(anio == 2021, mes == 07 ) %>% head() %>%
kable(caption = "Base de Comercio Exterior 2018-2021 (Julio)",
align = "c") %>%
add_footnote(label = "Elaboración con base en datos del BCR",
notation = "symbol") %>% kable_styling()
Base de Comercio Exterior 2018-2021 (Julio)
|
pais
|
sac
|
anio
|
mes
|
valor_cif
|
kilogramos_importaciones
|
valor_fob
|
kilogramos_exportaciones
|
|
Albania
|
9801002000
|
2021
|
7
|
5115.02
|
632.00
|
0
|
0.0
|
|
Alemania
|
0406400000
|
2021
|
7
|
196.06
|
7.81
|
0
|
0.0
|
|
Alemania
|
0406909000
|
2021
|
7
|
4720.73
|
680.42
|
0
|
0.0
|
|
Alemania
|
0409000000
|
2021
|
7
|
0.00
|
0.00
|
85050
|
21994.0
|
|
Alemania
|
0602100000
|
2021
|
7
|
1024.40
|
5.00
|
0
|
0.0
|
|
Alemania
|
0901113000
|
2021
|
7
|
0.00
|
0.00
|
707275
|
169606.7
|
|
* Elaboración con base en datos del BCR
|
- Agregue la información estandarizada de los países (nombres iso de los países y regiones, etc, tal como se vio en clases)
library(readxl)
library(dplyr)
library(kableExtra)
options(scipen = 999999)
load("C:/Users/IRMA/Desktop/C-lI-2021/Metodos/data_comercio_exteriorr_actualizada.RData")
nombre_archivo<-"C:/Users/IRMA/Desktop/C-lI-2021/Metodos/nombres_iso_paises.xlsx"
nombres_iso_paises<-read_excel(nombre_archivo)
data_comercio_exterior %>%
left_join(nombres_iso_paises,
by=c("pais"="nom_pais_esp")) %>%
group_by(region,sub_region,anio) %>%
summarise(`Exportaciones Totales MM US$`=sum(valor_fob)/1e6,
`Importaciones Totales MM US$`=sum(valor_cif)/1e6) %>%
kable(digits = 2) %>%
kable_styling()
|
region
|
sub_region
|
anio
|
Exportaciones Totales MM US$
|
Importaciones Totales MM US$
|
|
África
|
Africa Del Norte
|
2018
|
0.98
|
5.20
|
|
África
|
Africa Del Norte
|
2019
|
0.95
|
4.26
|
|
África
|
Africa Del Norte
|
2020
|
1.06
|
7.10
|
|
África
|
Africa Del Norte
|
2021
|
0.25
|
5.05
|
|
África
|
Africa Sub-Sahariana
|
2018
|
11.81
|
6.76
|
|
África
|
Africa Sub-Sahariana
|
2019
|
2.43
|
4.67
|
|
África
|
Africa Sub-Sahariana
|
2020
|
2.57
|
6.84
|
|
África
|
Africa Sub-Sahariana
|
2021
|
0.84
|
4.91
|
|
Américas
|
América Del Norte
|
2018
|
2623.71
|
3677.23
|
|
Américas
|
América Del Norte
|
2019
|
2546.25
|
3517.93
|
|
Américas
|
América Del Norte
|
2020
|
1997.96
|
2739.20
|
|
Américas
|
América Del Norte
|
2021
|
1576.07
|
2370.45
|
|
Américas
|
América Latina Y El Caribe
|
2018
|
2923.49
|
4077.15
|
|
Américas
|
América Latina Y El Caribe
|
2019
|
3038.73
|
4504.83
|
|
Américas
|
América Latina Y El Caribe
|
2020
|
2665.45
|
4173.64
|
|
Américas
|
América Latina Y El Caribe
|
2021
|
1984.60
|
3050.64
|
|
Asia
|
Asia Central
|
2018
|
0.00
|
0.45
|
|
Asia
|
Asia Central
|
2019
|
0.00
|
0.33
|
|
Asia
|
Asia Central
|
2020
|
0.01
|
0.33
|
|
Asia
|
Asia Central
|
2021
|
0.00
|
0.14
|
|
Asia
|
Asia Meridional
|
2018
|
3.75
|
136.64
|
|
Asia
|
Asia Meridional
|
2019
|
2.48
|
134.77
|
|
Asia
|
Asia Meridional
|
2020
|
5.06
|
115.21
|
|
Asia
|
Asia Meridional
|
2021
|
3.34
|
126.54
|
|
Asia
|
Asia Occidental
|
2018
|
2.01
|
78.51
|
|
Asia
|
Asia Occidental
|
2019
|
2.82
|
55.93
|
|
Asia
|
Asia Occidental
|
2020
|
5.16
|
60.50
|
|
Asia
|
Asia Occidental
|
2021
|
4.28
|
93.55
|
|
Asia
|
Asia Oriental
|
2018
|
144.39
|
2233.42
|
|
Asia
|
Asia Oriental
|
2019
|
122.48
|
2233.05
|
|
Asia
|
Asia Oriental
|
2020
|
182.81
|
1933.00
|
|
Asia
|
Asia Oriental
|
2021
|
126.37
|
1805.04
|
|
Asia
|
Asia Sudoriental
|
2018
|
16.61
|
272.20
|
|
Asia
|
Asia Sudoriental
|
2019
|
4.54
|
255.80
|
|
Asia
|
Asia Sudoriental
|
2020
|
4.74
|
246.62
|
|
Asia
|
Asia Sudoriental
|
2021
|
6.87
|
210.74
|
|
Europa
|
Europa Del Este
|
2018
|
1.43
|
76.67
|
|
Europa
|
Europa Del Este
|
2019
|
7.20
|
73.20
|
|
Europa
|
Europa Del Este
|
2020
|
2.09
|
65.78
|
|
Europa
|
Europa Del Este
|
2021
|
0.91
|
75.66
|
|
Europa
|
Europa Del Sur
|
2018
|
82.89
|
391.49
|
|
Europa
|
Europa Del Sur
|
2019
|
84.35
|
310.45
|
|
Europa
|
Europa Del Sur
|
2020
|
71.39
|
305.61
|
|
Europa
|
Europa Del Sur
|
2021
|
48.15
|
255.10
|
|
Europa
|
Europa Oriental
|
2018
|
58.38
|
347.41
|
|
Europa
|
Europa Oriental
|
2019
|
61.80
|
350.56
|
|
Europa
|
Europa Oriental
|
2020
|
85.28
|
341.63
|
|
Europa
|
Europa Oriental
|
2021
|
65.20
|
243.41
|
|
Europa
|
Norte De Europa
|
2018
|
27.47
|
110.13
|
|
Europa
|
Norte De Europa
|
2019
|
19.60
|
118.00
|
|
Europa
|
Norte De Europa
|
2020
|
15.73
|
296.89
|
|
Europa
|
Norte De Europa
|
2021
|
23.70
|
95.02
|
|
Oceanía
|
Australia Y Nueva Zelanda
|
2018
|
8.48
|
39.12
|
|
Oceanía
|
Australia Y Nueva Zelanda
|
2019
|
11.08
|
38.30
|
|
Oceanía
|
Australia Y Nueva Zelanda
|
2020
|
4.69
|
34.04
|
|
Oceanía
|
Australia Y Nueva Zelanda
|
2021
|
5.70
|
17.97
|
|
Oceanía
|
Melanesia
|
2018
|
0.00
|
0.01
|
|
Oceanía
|
Melanesia
|
2019
|
0.00
|
0.02
|
|
Oceanía
|
Melanesia
|
2020
|
0.00
|
0.08
|
|
Oceanía
|
Melanesia
|
2021
|
0.00
|
0.14
|
|
Oceanía
|
Micronesia
|
2018
|
0.00
|
0.00
|
|
Oceanía
|
Micronesia
|
2019
|
0.00
|
0.03
|
|
Oceanía
|
Micronesia
|
2020
|
0.00
|
0.02
|
|
Oceanía
|
Micronesia
|
2021
|
0.00
|
0.01
|
|
Oceanía
|
Polinesia
|
2018
|
0.01
|
0.12
|
|
Oceanía
|
Polinesia
|
2019
|
0.01
|
0.16
|
|
Oceanía
|
Polinesia
|
2020
|
0.00
|
0.05
|
|
Oceanía
|
Polinesia
|
2021
|
0.00
|
0.06
|
|
NA
|
NA
|
2018
|
0.00
|
11.83
|
|
NA
|
NA
|
2019
|
0.00
|
1.56
|
|
NA
|
NA
|
2020
|
0.00
|
0.04
|
|
NA
|
NA
|
2021
|
0.02
|
0.10
|
save(data_comercio_exterior, file = "C:/Users/IRMA/Desktop/C-lI-2021/Metodos/data_comercio_exterior_p.RData")
- Obtenga un ranking, anual, de los 5 principales socios comerciales de El Salvador, para el periodo 2018-2021. Presente sus resultados en el siguiente formato:
options(scipen = 99999999)
load("C:/Users/IRMA/Desktop/C-lI-2021/Metodos/data_comercio_exterior_p.RData")
library(readxl)
library(dplyr)
library(kableExtra)
data_comercio_exterior %>%
group_by(anio) %>%
summarize("1"=mean(valor_fob)/100)
## # A tibble: 4 x 2
## anio `1`
## <dbl> <dbl>
## 1 2018 229.
## 2 2019 227.
## 3 2020 217.
## 4 2021 247.