UNIVERSIDAD DE EL SALVADOR
FACULTAD DE CIENCIAS ECONOMICAS
ESCUELA DE ECONOMIA
Materia: Métodos para el Análisis Económico
Docente: Carlos Ademir Pérez Alas
“Laboratorio 1 Parte 1”
Integrantes:
Apellidos
Nombres
DUE
Participación
Arias Monterroza
Juan José
AM19005
100%
Guerrero Martínez
Linda Lisseth
GM19074
100%
Palomo Portillo
Jefferson Enrique
PP19005
100%
Ciclo: II-2021
Fecha: Domingo 5 de septiembre de 2021
Ciudad Universitaria, San Salvador, El Salvador
Ejercicio 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 (M)
library(dplyr)
library(readr)
#para mostrar "bonitas" las tablas en el documento
#Establecer directorio de trabajo
library(kableExtra)
#Seleccionamos el directorio de Trabajo
setwd(
"C:/MEGA DOCS/Ciclo 6/METODOS PARA EL ANALISIS ECONOMICO/Objetos de Clase/comercio exterior/importaciones"
)
#Nombres de los archivos en el directorio de trabajo (sólo deben estar los archivos a leer)
archivos_importaciones <- list.files()
print(archivos_importaciones)
## [1] "importaciones_2018_1.csv" "importaciones_2018_2.csv"
## [3] "importaciones_2019_1.csv" "importaciones_2019_2.csv"
## [5] "importaciones_2020_1.csv" "importaciones_2020_2.csv"
#Leer los archivos del directorio de trabajo
lista_importaciones <- lapply(
archivos_importaciones,
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_importaciones)
#Mostrar las tablas en formato html (es para esta convertirlo en PDF y verlo Estetico)
data_importaciones %>% head(10) %>%
kable(caption = "El Salvador: Base de Importaciones Mensuales en el Periodo 2018-2020",
align = "c") %>%
add_footnote(label = "Elaboración propia con base en datos del BCR",
notation = "symbol") %>%
kable_styling()
El Salvador: Base de Importaciones Mensuales en el Periodo 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
Canada
0511100000
2018
3
17884.85
24.00
Canada
0706900000
2018
4
963.78
6500.00
Canada
0706900000
2018
6
116.45
1176.00
Canada
0709991000
2018
6
166.36
800.00
* Elaboración propia con base en datos del BCR
Creacion de la tabla de Exportaciones (X)
library(dplyr)
library(readr)
# Seleccionamos el Directorio de Trabajo
setwd(
"C:/MEGA DOCS/Ciclo 6/METODOS PARA EL ANALISIS ECONOMICO/Objetos de Clase/comercio exterior/exportaciones"
)
#Nombres de los archivos en el directorio de trabajo (sólo deben estar los archivos a leer)
archivos_exportaciones <- list.files()
print(archivos_exportaciones)
## [1] "exportaciones_2018_1.csv" "exportaciones_2018_2.csv"
## [3] "exportaciones_2019_1.csv" "exportaciones_2019_2.csv"
## [5] "exportaciones_2020_1.csv" "exportaciones_2020_2.csv"
#Leer los archivos del directorio de trabajo
lista_exportaciones <- lapply(
archivos_exportaciones,
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_fob = "d",
kilogramos = "d"
),
skip = 1
)
# Ensamblar los archivos en un solo dataframe
data_exportaciones <- bind_rows(lista_exportaciones)
# Mostrar las tablas en formato html (es para cuando se convierte en pdf y verlo estético)
data_exportaciones %>%
head(10) %>%
kable(caption = "El Salvador: Base de Exportaciones Mensuales en el periodo 2018-2020",
align = "c") %>%
add_footnote(label = "Elaboracion Propia con base en datos del BCR",
notation = "symbol") %>%
kable_styling()
El Salvador: Base de Exportaciones Mensuales en el periodo 2018-2020
pais
sac
anio
mes
valor_fob
kilogramos
Canada
0106900000
2018
2
4667.20
15.00
Canada
0106900000
2018
3
4237.10
14.00
Canada
0106900000
2018
4
3918.00
13.50
Canada
0106900000
2018
5
3155.40
10.00
Canada
0106900000
2018
6
3097.40
9.00
Canada
0305720000
2018
2
2702.30
280.00
Canada
0602100000
2018
1
475519.57
7504.03
Canada
0602100000
2018
2
400232.82
6216.29
Canada
0602100000
2018
3
158138.42
2464.76
Canada
0602100000
2018
4
30370.08
510.83
* Elaboracion Propia 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
#Se ha aplicado un full_join entre las tablas de data_importaciones y data_exportaciones, como concecuencia hay partidas que no tendrán datos,por ejemplo un producto que no se fabrica en el país tendrá solo datos de importaciones, y en exportaciones aparecerá como “NA”, equivalente a un valor “nulo”, pero no cero.
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
#Arrange, te permite ordenar las tablas
#Mostrar Tabla (primeros 6 elementos)
data_comercio_exterior %>% head() %>%
kable(caption = "Base de Comercio Exterior Enero 2018 - Diciembre 2020",
align = "c") %>%
add_footnote(label = "Elaboración propia con base en datos del BCR",
notation = "symbol") %>%
kable_styling()
Base de Comercio Exterior Enero 2018 - Diciembre 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 propia con base en datos del BCR
Guardar la Tabla de Comercio Exterior
save(data_comercio_exterior, file = "C:/MEGA DOCS/Ciclo 6/METODOS PARA EL ANALISIS ECONOMICO/Objetos de Clase/comercio exterior/data_comercio_exterior.Rdata")
Ejercicio 2
Realice la actualización de la tabla anterior con toda la información disponible para 2021
.
Hemos guardado la base de datos en un archivo .RData y Lo que vamos a hacer a continuacion es hacer una actualizacion de la base de datos.
Para ello con el comando rm(list = ls(all.names = TRUE)) se limpiara nuestro Global Envirnoment y luego cargaremos la misma base de datos, pero desde el archivo ya generado.
rm(list = ls(all.names = TRUE))
Cargar el Archivo .Rdata
La base de datos fue anteriormente guardada en un archivo .RData, la cual ya contiene las exportaciones e importaciones de El Salvador, desde enero de 2017 a diciembre de 2020.
load(
"C:/MEGA DOCS/Ciclo 6/METODOS PARA EL ANALISIS ECONOMICO/Objetos de Clase/comercio exterior/data_comercio_exterior.Rdata"
)
Actualizacion de la Base de Datos
A continuacion, vamos a actualizar la base de datos, introduciendo informacion desde enero a julio del año 2021
Cargar las Importaciones (M) del 2021
#Cargar paquetes
library(dplyr)
library(tidyr)
library(data.table)
library(readr)
# Seleccionamos el directorio de trabajo
setwd(
"C:/MEGA DOCS/Ciclo 6/METODOS PARA EL ANALISIS ECONOMICO/Objetos de Clase/comercio exterior/importaciones 2021"
)
#Nombres de los archivos en el directorio de trabajo (sólo deben estar los archivos a leer)
# Nota: El directorio de trabajo llegaba unicamente hasta la carpeta de METODOS PARA EL ANALISIS..... por lo tanto, en el comando list.files introduje el resto de la direccion y solo asi logre importar los archivos de la carpeta Importaciones_2021
importaciones2021 <- list.files()
print(importaciones2021)
## [1] "importaciones_2021_1.csv" "importaciones_2021_2.csv"
#Leer los archivos del directorio de trabajo
lista_importaciones <- lapply(
importaciones2021,
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_importaciones2021 <- bind_rows(lista_importaciones)
# Mostrar las Tablas solo para corroborrarlos
data_importaciones2021 %>%
data.table()
## pais sac anio mes valor_cif kilogramos
## 1: Canada 0511100000 2021 3 7162.29 39.00
## 2: Canada 0712909000 2021 1 1540.96 420.00
## 3: Canada 0712909000 2021 6 4519.03 1269.59
## 4: Canada 0713200000 2021 3 827.02 381.60
## 5: Canada 0713200000 2021 4 808.42 381.60
## ---
## 131114: Islas Navidad 7318290000 2021 7 1141.77 24.50
## 131115: Otros Paises 2106902000 2021 7 1505.46 701.64
## 131116: Otros Paises 4819100000 2021 7 7757.66 680.79
## 131117: Otros Paises 6403919000 2021 7 46.17 0.60
## 131118: Otros Paises 6403999000 2021 7 93.11 1.40
Cargar las Exportaciones (X) del 2021
#Cargar paquetes
library(dplyr)
library(tidyr)
library(data.table)
library(readr)
# Seleccionamos el Directorio de Trabajo donde se encuentran las Exportaciones
setwd(
"C:/MEGA DOCS/Ciclo 6/METODOS PARA EL ANALISIS ECONOMICO/Objetos de Clase/comercio exterior/exportaciones 2021"
)
#Nombres de los archivos en el directorio de trabajo (sólo deben estar los archivos a leer)
exportaciones2021 <- list.files()
print(exportaciones2021)
## [1] "exportaciones_2021_1.csv" "exportaciones_2021_2.csv"
#Leer los archivos del directorio de trabajo
lista_exportaciones <- lapply(
exportaciones2021,
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_fob = "d",
kilogramos = "d"
),
skip = 1
)
#Ensamblar los archivos en un sólo dataframe
data_exportaciones2021 <- bind_rows(lista_exportaciones)
# Mostrar las Tablas solo para corroborar
data_exportaciones2021 %>% data.table()
## pais sac anio mes valor_fob kilogramos
## 1: Canada 0602100000 2021 1 564056.07 9281.89
## 2: Canada 0602100000 2021 2 172258.81 2235.98
## 3: Canada 0602100000 2021 3 104919.78 1401.41
## 4: Canada 0602100000 2021 4 49336.69 655.20
## 5: Canada 0602100000 2021 5 15638.69 359.48
## ---
## 35689: Australia 6114300000 2021 7 1391.20 13.55
## 35690: Australia 6117809000 2021 7 230.40 7.96
## 35691: Nueva Calidonia (Fra.) 6110300000 2021 7 1743.20 20.41
## 35692: Nueva Zelandia 6110300000 2021 7 1296.92 13.62
## 35693: Nueva Zelandia 6114300000 2021 7 2043.74 18.15
Creacion de la Tabla de Comercio del año 2021
#Concatenar las tablas de data_importaciones & data_exportaciones
data_importaciones2021 %>%
full_join(
data_exportaciones2021,
by = c("pais", "sac", "anio", "mes"),
suffix = c("_importaciones", "_exportaciones")
) -> data_comercio_exterior_2021
#Sustitur los Valores Nulos "NA" y guardar en el mismo objeto
data_comercio_exterior_2021 %>%
replace_na(
list(
valor_cif = 0,
valor_fob = 0,
kilogramos_importaciones = 0,
kilogramos_exportaciones = 0
)
) %>%
arrange(pais, anio, mes, sac) -> data_comercio_exterior_2021
Realizar la Actualizacion a la Base de Comercio Exterior
Vamos a introducir los registros del año 2021, a la base de datos principal.
#Unir la tabla de comercio exterior del 2021 con la base principal que contiene desde 2018 a 2020
data_comercio_exterior %>%
bind_rows(data_comercio_exterior_2021) %>%
arrange(pais, anio, mes, sac) -> data_comercio_exterior_actualizada
#Mostrar Tabla (primeros 6 elementos)
data_comercio_exterior_actualizada %>%
filter(anio == 2021, mes == 07) %>%
head(15) %>%
kable(caption = "Base de Comercio Exterior 2017-2021 (Julio)",
align = "c") %>%
add_footnote(label = "Elaboración propia con base en datos del BCR",
notation = "symbol") %>% kable_styling()
Base de Comercio Exterior 2017-2021 (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
Alemania
1105201000
2021
7
26115.98
18110.00
0
0.0
Alemania
1107100000
2021
7
12445.58
12871.00
0
0.0
Alemania
1107200000
2021
7
5260.40
3721.00
0
0.0
Alemania
1108130000
2021
7
44402.11
58280.00
0
0.0
Alemania
1302191000
2021
7
329.82
0.63
0
0.0
Alemania
1302200000
2021
7
4630.00
224.00
0
0.0
Alemania
1508900000
2021
7
2113.13
420.00
0
0.0
Alemania
1515901000
2021
7
310.81
52.60
0
0.0
Alemania
1516209000
2021
7
15124.00
832.12
0
0.0
* Elaboración propia con base en datos del BCR
Guardar la Base de Datos Actualizada
# se Cambió el nombre para guardar la base anterior, por cualquier error que se pueda cometer al actualizar, o en caso de querer llevar un registro de versiones de la tabla.
save(data_comercio_exterior_actualizada, file = "C:/MEGA DOCS/Ciclo 6/METODOS PARA EL ANALISIS ECONOMICO/Objetos de Clase/comercio exterior/data_comercio_exterior_actualizada.Rdata")
Ejercicio 3
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)
library(tidyr)
options(scipen = 999999)
#Cargamos el archivo iso_paises
nombre_archivo <-
"C:/MEGA DOCS/Ciclo 6/METODOS PARA EL ANALISIS ECONOMICO/Objetos de Clase/comercio exterior/nombres_iso_paises.xlsx - nombres_iso_paises.csv"
iso_paises <- read_csv(nombre_archivo)
#Hacemos un left join donde la tabla data_comercio_exterior_actualizada es la tabla A y la tabla nombre_iso_paises es la tabla B. La tabla resultante se guardara en un dataframe "comercio_join_isopais"
data_comercio_exterior_actualizada %>%
left_join(iso_paises, by = c("pais" = "nom_pais_esp")) -> comercio_join_isopais
#Presentamos la tabla de exportaciones e importaciones de cada año segun la region y sub region
comercio_join_isopais %>%
group_by(region, sub_region, anio) %>%
summarise(
`Exportaciones Totales MM US$` = sum(valor_fob) / 1e6,
`Importaciones Totales MM US$` = sum(valor_cif) / 1e6
) %>%
head(15) %>%
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
Ejercicio 4
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: Top 5 Socios comerciales, periodo 2018-2021, datos en porcentaje de las exportaciones totales.
Primer Metodo
library(dplyr)
library(kableExtra)
#Creamos un data frame que contenga el top 5 de socios comerciales
#Usamos los verbos de la libreria dplyr para obtener los resultados
# El data frame contiene el año, codigo iso y el porcentaje de exportaciones
#Realizamos el mismo procedimiento para cada uno de los años del periodo 2018-2021
anio2018 <-data_comercio_exterior_actualizada %>%
left_join(iso_paises, by = c("pais" = "nom_pais_esp")) %>%
filter(anio == 2018) %>%
select(anio, iso_3, valor_fob) %>%
group_by(anio, iso_3) %>%
summarise(Total2018 = sum(valor_fob)) %>%
mutate(pct = round(prop.table(Total2018) * 100, 2)) %>%
arrange(desc(pct)) %>%
head(5) %>%
select(iso_3, pct)
anio2019 <- data_comercio_exterior_actualizada %>%
left_join(iso_paises, by = c("pais" = "nom_pais_esp")) %>%
filter(anio == 2019) %>%
select(anio, iso_3, valor_fob) %>%
group_by(anio, iso_3) %>%
summarise(Total2019 = sum(valor_fob)) %>%
mutate(pct = round(prop.table(Total2019) * 100, 2)) %>%
arrange(desc(pct)) %>%
head(5) %>%
select(iso_3, pct)
anio2020 <-
data_comercio_exterior_actualizada %>%
left_join(iso_paises, by = c("pais" = "nom_pais_esp")) %>%
filter(anio == 2020) %>%
select(anio, iso_3, valor_fob) %>%
group_by(anio, iso_3) %>%
summarise(Total2020 = sum(valor_fob)) %>%
mutate(pct = round(prop.table(Total2020) * 100, 2)) %>%
arrange(desc(pct)) %>%
head(5) %>%
select(iso_3, pct)
anio2021 <- data_comercio_exterior_actualizada %>%
left_join(iso_paises, by = c("pais" = "nom_pais_esp")) %>%
filter(anio == 2021) %>%
select(anio, iso_3, valor_fob) %>%
group_by(anio, iso_3) %>%
summarise(Total2021 = sum(valor_fob)) %>%
mutate(pct = round(prop.table(Total2021) * 100, 2)) %>%
arrange(desc(pct)) %>%
head(5) %>%
select(iso_3, pct)
#Creamos una nueva matriz que contenga una variable que incluya el codigo iso y el porcentaje de exportaciones hacia dicho país
#Realizamos el mismo procedimiento para cada año
matrix_18 <- anio2018 %>%
mutate(ranking = paste(iso_3, " | ", pct)) %>%
select(ranking) %>%
as.matrix.data.frame()
matrix_19 <-anio2019 %>%
mutate(ranking = paste(iso_3, " | ", pct)) %>%
select(ranking) %>%
as.matrix.data.frame()
matrix_20 <- anio2020 %>%
mutate(ranking = paste(iso_3, " | ", pct)) %>%
select(ranking) %>%
as.matrix.data.frame()
matrix_21 <- anio2021 %>%
mutate(ranking = paste(iso_3, " | ", pct)) %>%
select(ranking) %>%
as.matrix.data.frame()
#Unimos las matrices que contienen el top 5 de socios comerciales por año
top <-
cbind(matrix_18[, -1], matrix_19[, -1], matrix_20[, -1], matrix_21[, -1])
top <- t(top)
anios <- 2018:2021
matrix_A <- matrix(anios)
#Creamos el data frame que contiene los años y el top de socios comerciales
#Damos formato a la tabla para que se vea presentable
ranking <- data.frame(anios, top)
colnames(ranking) <- c("años", "1", "2", "3", "4", "5")
ranking %>%
as.data.frame() %>%
kable(caption = "Ranking Anual de los 5 principales Socios Comerciales en El Salvador para el período 2018-2021",
align = "c") %>%
add_footnote(label = "Elaboración propia con base en datos del BCR",
notation = "symbol") %>%
kable_styling()
Ranking Anual de los 5 principales Socios Comerciales en El Salvador para el período 2018-2021
años
1
2
3
4
5
2018
USA | 44.07
HND | 15.34
GTM | 14.36
NIC | 6.87
CRI | 4.39
2019
USA | 42.03
GTM | 15.92
HND | 15.9
NIC | 6.66
CRI | 4.46
2020
USA | 39.18
GTM | 16.89
HND | 15.44
NIC | 7.26
CRI | 4.65
2021
USA | 40.59
GTM | 16.98
HND | 15.82
NIC | 6.99
CRI | 4.04
* Elaboración propia con base en datos del BCR
Segundo Metodo
#Cargamos las librerias
library(dplyr)
library(kableExtra)
library(tidyverse)
#Para evitar los datos en notacion cientifica
options(scipen = 99)
#Agrupamos los registros por año para calcular el Total de Exportaciones por año
comercio_join_isopais %>%
group_by(anio) %>%
summarise("total_exportaciones" =
sum(valor_fob)) -> Total_X_anuales
#Agrupamos los registros por año y por pais,
#para determinar las exportaciones a cada pais en cada año.
#Lo haremos atravez de las Variables iso_3 y año
comercio_join_isopais %>%
group_by(iso_3, anio) %>%
summarise("total_exportaciones" =
sum(valor_fob)) -> X_por_pais
#Para agregar el valor de las exportaciones anuales en una nueva columna a cada registro
Exportaciones_anuales = X_por_pais %>%
mutate(
"valor_fob_anual" = case_when(
anio <= 2018 ~ Total_X_anuales[[1, 2]],
anio <= 2019 ~ Total_X_anuales[[2, 2]],
anio <= 2020 ~ Total_X_anuales[[3, 2]],
anio <= 2021 ~ Total_X_anuales[[4, 2]]
)
)
#Ahora ya tenemos, por cada fila las Exportaciones anuales por pais y las exportaciones totales que realizo El Salvador segun el año indicado.
#Procedemos a calcular el % de Exportaciones a cada pais segun el año
Exportaciones_anuales %>%
mutate(porcentaje_X_por_pais = round((total_exportaciones / valor_fob_anual) *
100, 2)) %>%
arrange(anio, desc(porcentaje_X_por_pais)) %>%
unite(
iso_3,
porcentaje_X_por_pais,
col = iso_porcentaje,
sep = c(" | ", "%"),
remove = TRUE
) %>%
select(anio, iso_porcentaje) -> tabla_con_porcentajes
#Seleccionamos el top 5 para cada año
tabla_con_porcentajes %>%
filter(anio == "2018") %>%
head(5) -> top5_2018
tabla_con_porcentajes %>%
filter(anio == "2019") %>%
head(5) -> top5_2019
tabla_con_porcentajes %>%
filter(anio == "2020") %>%
head(5) -> top5_2020
tabla_con_porcentajes %>%
filter(anio == "2021") %>%
head(5) -> top5_2021
# transportamos
top5_2018 <- t(top5_2018)
top5_2019 <- t(top5_2019)
top5_2020 <- t(top5_2020)
top5_2021 <- t(top5_2021)
#PEgamos las filas donde se encuentran los top5 para cada año
top5_socios_comerciales <-
rbind(top5_2018[-1,], top5_2019[-1,], top5_2020[-1,], top5_2021[-1,])
top5_socios_comerciales <-
cbind(c("2018", "2019", "2020", "2021"), top5_socios_comerciales) %>% as.data.frame()
colnames(top5_socios_comerciales) <-
c("Año", "1", "2", "3", "4", "5")
#Visualizacion de los top5 socios comerciales que registran mayores porcentejaes de nuestras exportaciones para cada año
top5_socios_comerciales %>% kable(caption = "Top 5 Socios comerciales, periodo 2018-2021, datos en porcentaje de las exportaciones totales",
align = "c") %>%
add_footnote(label = "Elaboración propia con base en información del BCR",
notation = "symbol") %>% kable_styling()
Top 5 Socios comerciales, periodo 2018-2021, datos en porcentaje de las exportaciones totales
Año
1
2
3
4
5
2018
USA | 44.07
HND | 15.34
GTM | 14.36
NIC | 6.87
CRI | 4.39
2019
USA | 42.03
GTM | 15.92
HND | 15.9
NIC | 6.66
CRI | 4.46
2020
USA | 39.18
GTM | 16.89
HND | 15.44
NIC | 7.26
CRI | 4.65
2021
USA | 40.59
GTM | 16.98
HND | 15.82
NIC | 6.99
CRI | 4.04
* Elaboración propia con base en información del BCR
UNIVERSIDAD DE EL SALVADOR
FACULTAD DE CIENCIAS ECONOMICAS
ESCUELA DE ECONOMIA
Materia: Métodos para el Análisis Económico
Docente: Carlos Ademir Pérez Alas
“Laboratorio 1 Parte 1”
Integrantes:
| Apellidos | Nombres | DUE | Participación |
|---|---|---|---|
| Arias Monterroza | Juan José | AM19005 | 100% |
| Guerrero Martínez | Linda Lisseth | GM19074 | 100% |
| Palomo Portillo | Jefferson Enrique | PP19005 | 100% |
Ciclo: II-2021
Fecha: Domingo 5 de septiembre de 2021
Ciudad Universitaria, San Salvador, El Salvador
Ejercicio 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 (M)
library(dplyr)
library(readr)
#para mostrar "bonitas" las tablas en el documento
#Establecer directorio de trabajo
library(kableExtra)
#Seleccionamos el directorio de Trabajo
setwd(
"C:/MEGA DOCS/Ciclo 6/METODOS PARA EL ANALISIS ECONOMICO/Objetos de Clase/comercio exterior/importaciones"
)
#Nombres de los archivos en el directorio de trabajo (sólo deben estar los archivos a leer)
archivos_importaciones <- list.files()
print(archivos_importaciones)## [1] "importaciones_2018_1.csv" "importaciones_2018_2.csv"
## [3] "importaciones_2019_1.csv" "importaciones_2019_2.csv"
## [5] "importaciones_2020_1.csv" "importaciones_2020_2.csv"#Leer los archivos del directorio de trabajo
lista_importaciones <- lapply(
archivos_importaciones,
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_importaciones)
#Mostrar las tablas en formato html (es para esta convertirlo en PDF y verlo Estetico)
data_importaciones %>% head(10) %>%
kable(caption = "El Salvador: Base de Importaciones Mensuales en el Periodo 2018-2020",
align = "c") %>%
add_footnote(label = "Elaboración propia con base en datos del BCR",
notation = "symbol") %>%
kable_styling()| 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 |
| Canada | 0511100000 | 2018 | 3 | 17884.85 | 24.00 |
| Canada | 0706900000 | 2018 | 4 | 963.78 | 6500.00 |
| Canada | 0706900000 | 2018 | 6 | 116.45 | 1176.00 |
| Canada | 0709991000 | 2018 | 6 | 166.36 | 800.00 |
| * Elaboración propia con base en datos del BCR |
Creacion de la tabla de Exportaciones (X)
library(dplyr)
library(readr)
# Seleccionamos el Directorio de Trabajo
setwd(
"C:/MEGA DOCS/Ciclo 6/METODOS PARA EL ANALISIS ECONOMICO/Objetos de Clase/comercio exterior/exportaciones"
)
#Nombres de los archivos en el directorio de trabajo (sólo deben estar los archivos a leer)
archivos_exportaciones <- list.files()
print(archivos_exportaciones)## [1] "exportaciones_2018_1.csv" "exportaciones_2018_2.csv"
## [3] "exportaciones_2019_1.csv" "exportaciones_2019_2.csv"
## [5] "exportaciones_2020_1.csv" "exportaciones_2020_2.csv"#Leer los archivos del directorio de trabajo
lista_exportaciones <- lapply(
archivos_exportaciones,
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_fob = "d",
kilogramos = "d"
),
skip = 1
)
# Ensamblar los archivos en un solo dataframe
data_exportaciones <- bind_rows(lista_exportaciones)
# Mostrar las tablas en formato html (es para cuando se convierte en pdf y verlo estético)
data_exportaciones %>%
head(10) %>%
kable(caption = "El Salvador: Base de Exportaciones Mensuales en el periodo 2018-2020",
align = "c") %>%
add_footnote(label = "Elaboracion Propia con base en datos del BCR",
notation = "symbol") %>%
kable_styling()| pais | sac | anio | mes | valor_fob | kilogramos |
|---|---|---|---|---|---|
| Canada | 0106900000 | 2018 | 2 | 4667.20 | 15.00 |
| Canada | 0106900000 | 2018 | 3 | 4237.10 | 14.00 |
| Canada | 0106900000 | 2018 | 4 | 3918.00 | 13.50 |
| Canada | 0106900000 | 2018 | 5 | 3155.40 | 10.00 |
| Canada | 0106900000 | 2018 | 6 | 3097.40 | 9.00 |
| Canada | 0305720000 | 2018 | 2 | 2702.30 | 280.00 |
| Canada | 0602100000 | 2018 | 1 | 475519.57 | 7504.03 |
| Canada | 0602100000 | 2018 | 2 | 400232.82 | 6216.29 |
| Canada | 0602100000 | 2018 | 3 | 158138.42 | 2464.76 |
| Canada | 0602100000 | 2018 | 4 | 30370.08 | 510.83 |
| * Elaboracion Propia 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
#Se ha aplicado un full_join entre las tablas de data_importaciones y data_exportaciones, como concecuencia hay partidas que no tendrán datos,por ejemplo un producto que no se fabrica en el país tendrá solo datos de importaciones, y en exportaciones aparecerá como “NA”, equivalente a un valor “nulo”, pero no cero.
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
#Arrange, te permite ordenar las tablas
#Mostrar Tabla (primeros 6 elementos)
data_comercio_exterior %>% head() %>%
kable(caption = "Base de Comercio Exterior Enero 2018 - Diciembre 2020",
align = "c") %>%
add_footnote(label = "Elaboración propia con base en datos del BCR",
notation = "symbol") %>%
kable_styling()| 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 propia con base en datos del BCR |
Guardar la Tabla de Comercio Exterior
save(data_comercio_exterior, file = "C:/MEGA DOCS/Ciclo 6/METODOS PARA EL ANALISIS ECONOMICO/Objetos de Clase/comercio exterior/data_comercio_exterior.Rdata")Ejercicio 2
Realice la actualización de la tabla anterior con toda la información disponible para 2021
.
Hemos guardado la base de datos en un archivo .RData y Lo que vamos a hacer a continuacion es hacer una actualizacion de la base de datos.
Para ello con el comando rm(list = ls(all.names = TRUE)) se limpiara nuestro Global Envirnoment y luego cargaremos la misma base de datos, pero desde el archivo ya generado.
rm(list = ls(all.names = TRUE))Cargar el Archivo .Rdata
La base de datos fue anteriormente guardada en un archivo .RData, la cual ya contiene las exportaciones e importaciones de El Salvador, desde enero de 2017 a diciembre de 2020.
load(
"C:/MEGA DOCS/Ciclo 6/METODOS PARA EL ANALISIS ECONOMICO/Objetos de Clase/comercio exterior/data_comercio_exterior.Rdata"
)Actualizacion de la Base de Datos
A continuacion, vamos a actualizar la base de datos, introduciendo informacion desde enero a julio del año 2021
Cargar las Importaciones (M) del 2021
#Cargar paquetes
library(dplyr)
library(tidyr)
library(data.table)
library(readr)
# Seleccionamos el directorio de trabajo
setwd(
"C:/MEGA DOCS/Ciclo 6/METODOS PARA EL ANALISIS ECONOMICO/Objetos de Clase/comercio exterior/importaciones 2021"
)
#Nombres de los archivos en el directorio de trabajo (sólo deben estar los archivos a leer)
# Nota: El directorio de trabajo llegaba unicamente hasta la carpeta de METODOS PARA EL ANALISIS..... por lo tanto, en el comando list.files introduje el resto de la direccion y solo asi logre importar los archivos de la carpeta Importaciones_2021
importaciones2021 <- list.files()
print(importaciones2021)## [1] "importaciones_2021_1.csv" "importaciones_2021_2.csv"#Leer los archivos del directorio de trabajo
lista_importaciones <- lapply(
importaciones2021,
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_importaciones2021 <- bind_rows(lista_importaciones)
# Mostrar las Tablas solo para corroborrarlos
data_importaciones2021 %>%
data.table()## pais sac anio mes valor_cif kilogramos
## 1: Canada 0511100000 2021 3 7162.29 39.00
## 2: Canada 0712909000 2021 1 1540.96 420.00
## 3: Canada 0712909000 2021 6 4519.03 1269.59
## 4: Canada 0713200000 2021 3 827.02 381.60
## 5: Canada 0713200000 2021 4 808.42 381.60
## ---
## 131114: Islas Navidad 7318290000 2021 7 1141.77 24.50
## 131115: Otros Paises 2106902000 2021 7 1505.46 701.64
## 131116: Otros Paises 4819100000 2021 7 7757.66 680.79
## 131117: Otros Paises 6403919000 2021 7 46.17 0.60
## 131118: Otros Paises 6403999000 2021 7 93.11 1.40Cargar las Exportaciones (X) del 2021
#Cargar paquetes
library(dplyr)
library(tidyr)
library(data.table)
library(readr)
# Seleccionamos el Directorio de Trabajo donde se encuentran las Exportaciones
setwd(
"C:/MEGA DOCS/Ciclo 6/METODOS PARA EL ANALISIS ECONOMICO/Objetos de Clase/comercio exterior/exportaciones 2021"
)
#Nombres de los archivos en el directorio de trabajo (sólo deben estar los archivos a leer)
exportaciones2021 <- list.files()
print(exportaciones2021)## [1] "exportaciones_2021_1.csv" "exportaciones_2021_2.csv"#Leer los archivos del directorio de trabajo
lista_exportaciones <- lapply(
exportaciones2021,
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_fob = "d",
kilogramos = "d"
),
skip = 1
)
#Ensamblar los archivos en un sólo dataframe
data_exportaciones2021 <- bind_rows(lista_exportaciones)
# Mostrar las Tablas solo para corroborar
data_exportaciones2021 %>% data.table()## pais sac anio mes valor_fob kilogramos
## 1: Canada 0602100000 2021 1 564056.07 9281.89
## 2: Canada 0602100000 2021 2 172258.81 2235.98
## 3: Canada 0602100000 2021 3 104919.78 1401.41
## 4: Canada 0602100000 2021 4 49336.69 655.20
## 5: Canada 0602100000 2021 5 15638.69 359.48
## ---
## 35689: Australia 6114300000 2021 7 1391.20 13.55
## 35690: Australia 6117809000 2021 7 230.40 7.96
## 35691: Nueva Calidonia (Fra.) 6110300000 2021 7 1743.20 20.41
## 35692: Nueva Zelandia 6110300000 2021 7 1296.92 13.62
## 35693: Nueva Zelandia 6114300000 2021 7 2043.74 18.15Creacion de la Tabla de Comercio del año 2021
#Concatenar las tablas de data_importaciones & data_exportaciones
data_importaciones2021 %>%
full_join(
data_exportaciones2021,
by = c("pais", "sac", "anio", "mes"),
suffix = c("_importaciones", "_exportaciones")
) -> data_comercio_exterior_2021
#Sustitur los Valores Nulos "NA" y guardar en el mismo objeto
data_comercio_exterior_2021 %>%
replace_na(
list(
valor_cif = 0,
valor_fob = 0,
kilogramos_importaciones = 0,
kilogramos_exportaciones = 0
)
) %>%
arrange(pais, anio, mes, sac) -> data_comercio_exterior_2021Realizar la Actualizacion a la Base de Comercio Exterior
Vamos a introducir los registros del año 2021, a la base de datos principal.
#Unir la tabla de comercio exterior del 2021 con la base principal que contiene desde 2018 a 2020
data_comercio_exterior %>%
bind_rows(data_comercio_exterior_2021) %>%
arrange(pais, anio, mes, sac) -> data_comercio_exterior_actualizada
#Mostrar Tabla (primeros 6 elementos)
data_comercio_exterior_actualizada %>%
filter(anio == 2021, mes == 07) %>%
head(15) %>%
kable(caption = "Base de Comercio Exterior 2017-2021 (Julio)",
align = "c") %>%
add_footnote(label = "Elaboración propia con base en datos del BCR",
notation = "symbol") %>% kable_styling()| 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 |
| Alemania | 1105201000 | 2021 | 7 | 26115.98 | 18110.00 | 0 | 0.0 |
| Alemania | 1107100000 | 2021 | 7 | 12445.58 | 12871.00 | 0 | 0.0 |
| Alemania | 1107200000 | 2021 | 7 | 5260.40 | 3721.00 | 0 | 0.0 |
| Alemania | 1108130000 | 2021 | 7 | 44402.11 | 58280.00 | 0 | 0.0 |
| Alemania | 1302191000 | 2021 | 7 | 329.82 | 0.63 | 0 | 0.0 |
| Alemania | 1302200000 | 2021 | 7 | 4630.00 | 224.00 | 0 | 0.0 |
| Alemania | 1508900000 | 2021 | 7 | 2113.13 | 420.00 | 0 | 0.0 |
| Alemania | 1515901000 | 2021 | 7 | 310.81 | 52.60 | 0 | 0.0 |
| Alemania | 1516209000 | 2021 | 7 | 15124.00 | 832.12 | 0 | 0.0 |
| * Elaboración propia con base en datos del BCR |
Guardar la Base de Datos Actualizada
# se Cambió el nombre para guardar la base anterior, por cualquier error que se pueda cometer al actualizar, o en caso de querer llevar un registro de versiones de la tabla.
save(data_comercio_exterior_actualizada, file = "C:/MEGA DOCS/Ciclo 6/METODOS PARA EL ANALISIS ECONOMICO/Objetos de Clase/comercio exterior/data_comercio_exterior_actualizada.Rdata")Ejercicio 3
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)
library(tidyr)
options(scipen = 999999)
#Cargamos el archivo iso_paises
nombre_archivo <-
"C:/MEGA DOCS/Ciclo 6/METODOS PARA EL ANALISIS ECONOMICO/Objetos de Clase/comercio exterior/nombres_iso_paises.xlsx - nombres_iso_paises.csv"
iso_paises <- read_csv(nombre_archivo)
#Hacemos un left join donde la tabla data_comercio_exterior_actualizada es la tabla A y la tabla nombre_iso_paises es la tabla B. La tabla resultante se guardara en un dataframe "comercio_join_isopais"
data_comercio_exterior_actualizada %>%
left_join(iso_paises, by = c("pais" = "nom_pais_esp")) -> comercio_join_isopais
#Presentamos la tabla de exportaciones e importaciones de cada año segun la region y sub region
comercio_join_isopais %>%
group_by(region, sub_region, anio) %>%
summarise(
`Exportaciones Totales MM US$` = sum(valor_fob) / 1e6,
`Importaciones Totales MM US$` = sum(valor_cif) / 1e6
) %>%
head(15) %>%
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 |
Ejercicio 4
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: Top 5 Socios comerciales, periodo 2018-2021, datos en porcentaje de las exportaciones totales.
Primer Metodo
library(dplyr)
library(kableExtra)
#Creamos un data frame que contenga el top 5 de socios comerciales
#Usamos los verbos de la libreria dplyr para obtener los resultados
# El data frame contiene el año, codigo iso y el porcentaje de exportaciones
#Realizamos el mismo procedimiento para cada uno de los años del periodo 2018-2021
anio2018 <-data_comercio_exterior_actualizada %>%
left_join(iso_paises, by = c("pais" = "nom_pais_esp")) %>%
filter(anio == 2018) %>%
select(anio, iso_3, valor_fob) %>%
group_by(anio, iso_3) %>%
summarise(Total2018 = sum(valor_fob)) %>%
mutate(pct = round(prop.table(Total2018) * 100, 2)) %>%
arrange(desc(pct)) %>%
head(5) %>%
select(iso_3, pct)
anio2019 <- data_comercio_exterior_actualizada %>%
left_join(iso_paises, by = c("pais" = "nom_pais_esp")) %>%
filter(anio == 2019) %>%
select(anio, iso_3, valor_fob) %>%
group_by(anio, iso_3) %>%
summarise(Total2019 = sum(valor_fob)) %>%
mutate(pct = round(prop.table(Total2019) * 100, 2)) %>%
arrange(desc(pct)) %>%
head(5) %>%
select(iso_3, pct)
anio2020 <-
data_comercio_exterior_actualizada %>%
left_join(iso_paises, by = c("pais" = "nom_pais_esp")) %>%
filter(anio == 2020) %>%
select(anio, iso_3, valor_fob) %>%
group_by(anio, iso_3) %>%
summarise(Total2020 = sum(valor_fob)) %>%
mutate(pct = round(prop.table(Total2020) * 100, 2)) %>%
arrange(desc(pct)) %>%
head(5) %>%
select(iso_3, pct)
anio2021 <- data_comercio_exterior_actualizada %>%
left_join(iso_paises, by = c("pais" = "nom_pais_esp")) %>%
filter(anio == 2021) %>%
select(anio, iso_3, valor_fob) %>%
group_by(anio, iso_3) %>%
summarise(Total2021 = sum(valor_fob)) %>%
mutate(pct = round(prop.table(Total2021) * 100, 2)) %>%
arrange(desc(pct)) %>%
head(5) %>%
select(iso_3, pct)
#Creamos una nueva matriz que contenga una variable que incluya el codigo iso y el porcentaje de exportaciones hacia dicho país
#Realizamos el mismo procedimiento para cada año
matrix_18 <- anio2018 %>%
mutate(ranking = paste(iso_3, " | ", pct)) %>%
select(ranking) %>%
as.matrix.data.frame()
matrix_19 <-anio2019 %>%
mutate(ranking = paste(iso_3, " | ", pct)) %>%
select(ranking) %>%
as.matrix.data.frame()
matrix_20 <- anio2020 %>%
mutate(ranking = paste(iso_3, " | ", pct)) %>%
select(ranking) %>%
as.matrix.data.frame()
matrix_21 <- anio2021 %>%
mutate(ranking = paste(iso_3, " | ", pct)) %>%
select(ranking) %>%
as.matrix.data.frame()
#Unimos las matrices que contienen el top 5 de socios comerciales por año
top <-
cbind(matrix_18[, -1], matrix_19[, -1], matrix_20[, -1], matrix_21[, -1])
top <- t(top)
anios <- 2018:2021
matrix_A <- matrix(anios)
#Creamos el data frame que contiene los años y el top de socios comerciales
#Damos formato a la tabla para que se vea presentable
ranking <- data.frame(anios, top)
colnames(ranking) <- c("años", "1", "2", "3", "4", "5")
ranking %>%
as.data.frame() %>%
kable(caption = "Ranking Anual de los 5 principales Socios Comerciales en El Salvador para el período 2018-2021",
align = "c") %>%
add_footnote(label = "Elaboración propia con base en datos del BCR",
notation = "symbol") %>%
kable_styling()| años | 1 | 2 | 3 | 4 | 5 |
|---|---|---|---|---|---|
| 2018 | USA | 44.07 | HND | 15.34 | GTM | 14.36 | NIC | 6.87 | CRI | 4.39 |
| 2019 | USA | 42.03 | GTM | 15.92 | HND | 15.9 | NIC | 6.66 | CRI | 4.46 |
| 2020 | USA | 39.18 | GTM | 16.89 | HND | 15.44 | NIC | 7.26 | CRI | 4.65 |
| 2021 | USA | 40.59 | GTM | 16.98 | HND | 15.82 | NIC | 6.99 | CRI | 4.04 |
| * Elaboración propia con base en datos del BCR |
Segundo Metodo
#Cargamos las librerias
library(dplyr)
library(kableExtra)
library(tidyverse)
#Para evitar los datos en notacion cientifica
options(scipen = 99)
#Agrupamos los registros por año para calcular el Total de Exportaciones por año
comercio_join_isopais %>%
group_by(anio) %>%
summarise("total_exportaciones" =
sum(valor_fob)) -> Total_X_anuales
#Agrupamos los registros por año y por pais,
#para determinar las exportaciones a cada pais en cada año.
#Lo haremos atravez de las Variables iso_3 y año
comercio_join_isopais %>%
group_by(iso_3, anio) %>%
summarise("total_exportaciones" =
sum(valor_fob)) -> X_por_pais
#Para agregar el valor de las exportaciones anuales en una nueva columna a cada registro
Exportaciones_anuales = X_por_pais %>%
mutate(
"valor_fob_anual" = case_when(
anio <= 2018 ~ Total_X_anuales[[1, 2]],
anio <= 2019 ~ Total_X_anuales[[2, 2]],
anio <= 2020 ~ Total_X_anuales[[3, 2]],
anio <= 2021 ~ Total_X_anuales[[4, 2]]
)
)
#Ahora ya tenemos, por cada fila las Exportaciones anuales por pais y las exportaciones totales que realizo El Salvador segun el año indicado.
#Procedemos a calcular el % de Exportaciones a cada pais segun el año
Exportaciones_anuales %>%
mutate(porcentaje_X_por_pais = round((total_exportaciones / valor_fob_anual) *
100, 2)) %>%
arrange(anio, desc(porcentaje_X_por_pais)) %>%
unite(
iso_3,
porcentaje_X_por_pais,
col = iso_porcentaje,
sep = c(" | ", "%"),
remove = TRUE
) %>%
select(anio, iso_porcentaje) -> tabla_con_porcentajes
#Seleccionamos el top 5 para cada año
tabla_con_porcentajes %>%
filter(anio == "2018") %>%
head(5) -> top5_2018
tabla_con_porcentajes %>%
filter(anio == "2019") %>%
head(5) -> top5_2019
tabla_con_porcentajes %>%
filter(anio == "2020") %>%
head(5) -> top5_2020
tabla_con_porcentajes %>%
filter(anio == "2021") %>%
head(5) -> top5_2021
# transportamos
top5_2018 <- t(top5_2018)
top5_2019 <- t(top5_2019)
top5_2020 <- t(top5_2020)
top5_2021 <- t(top5_2021)
#PEgamos las filas donde se encuentran los top5 para cada año
top5_socios_comerciales <-
rbind(top5_2018[-1,], top5_2019[-1,], top5_2020[-1,], top5_2021[-1,])
top5_socios_comerciales <-
cbind(c("2018", "2019", "2020", "2021"), top5_socios_comerciales) %>% as.data.frame()
colnames(top5_socios_comerciales) <-
c("Año", "1", "2", "3", "4", "5")
#Visualizacion de los top5 socios comerciales que registran mayores porcentejaes de nuestras exportaciones para cada año
top5_socios_comerciales %>% kable(caption = "Top 5 Socios comerciales, periodo 2018-2021, datos en porcentaje de las exportaciones totales",
align = "c") %>%
add_footnote(label = "Elaboración propia con base en información del BCR",
notation = "symbol") %>% kable_styling()| Año | 1 | 2 | 3 | 4 | 5 |
|---|---|---|---|---|---|
| 2018 | USA | 44.07 | HND | 15.34 | GTM | 14.36 | NIC | 6.87 | CRI | 4.39 |
| 2019 | USA | 42.03 | GTM | 15.92 | HND | 15.9 | NIC | 6.66 | CRI | 4.46 |
| 2020 | USA | 39.18 | GTM | 16.89 | HND | 15.44 | NIC | 7.26 | CRI | 4.65 |
| 2021 | USA | 40.59 | GTM | 16.98 | HND | 15.82 | NIC | 6.99 | CRI | 4.04 |
| * Elaboración propia con base en información del BCR |