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")) -> base_comercio
base_comercio %>% head() %>% kable(caption = "Data comercio exterior",align = "c") %>%
add_footnote(label = "Elaboración en base a datos del BCR",
notation = "symbol") %>% kable_styling()
Data comercio exterior
|
pais
|
sac
|
anio
|
mes
|
valor_cif
|
kilogramos_importaciones
|
valor_fob
|
kilogramos_exportaciones
|
nom_pais_ingles
|
iso_2
|
iso_3
|
codigo_pais
|
region
|
cod_region
|
sub_region
|
cod_sub_region
|
region_intermedia
|
cod_region_intermedia
|
|
Afganistan
|
0806200000
|
2018
|
6
|
6448.43
|
1463.92
|
0
|
0
|
Afghanistan
|
AF
|
AFG
|
4
|
Asia
|
142
|
Asia Meridional
|
34
|
NA
|
NA
|
|
Afganistan
|
6104220000
|
2018
|
10
|
3153.37
|
2407.61
|
0
|
0
|
Afghanistan
|
AF
|
AFG
|
4
|
Asia
|
142
|
Asia Meridional
|
34
|
NA
|
NA
|
|
Afganistan
|
6104620000
|
2018
|
10
|
946.01
|
722.28
|
0
|
0
|
Afghanistan
|
AF
|
AFG
|
4
|
Asia
|
142
|
Asia Meridional
|
34
|
NA
|
NA
|
|
Afganistan
|
6105100000
|
2018
|
10
|
9405.39
|
7181.03
|
0
|
0
|
Afghanistan
|
AF
|
AFG
|
4
|
Asia
|
142
|
Asia Meridional
|
34
|
NA
|
NA
|
|
Afganistan
|
6106100000
|
2018
|
10
|
1353.32
|
1725.55
|
0
|
0
|
Afghanistan
|
AF
|
AFG
|
4
|
Asia
|
142
|
Asia Meridional
|
34
|
NA
|
NA
|
|
Afganistan
|
6405900000
|
2018
|
10
|
2260.03
|
1725.55
|
0
|
0
|
Afghanistan
|
AF
|
AFG
|
4
|
Asia
|
142
|
Asia Meridional
|
34
|
NA
|
NA
|
|
* Elaboración en base a datos del BCR
|
- 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:
library(readxl)
library(dplyr)
library(kableExtra)
Exportaciones_anio<-data_comercio_exterior %>%
group_by(anio) %>%
summarise(
`total anio` = (sum(valor_fob)))
anio_2018<-Exportaciones_anio[1,2]
anio_2019<-Exportaciones_anio[2,2]
anio_2020<-Exportaciones_anio[3,2]
anio_2021<-Exportaciones_anio[4,2]
primer_anio <- data_comercio_exterior %>%
left_join(nombres_iso_paises, by = c("pais" = "nom_pais_esp")) %>%
group_by(anio, iso_3) %>%
summarise(`total 2018` = round(((( sum(valor_fob)) * 100) / anio_2018), 2)) %>%
select("anio","iso_3", "total 2018") %>%
filter(anio == 2018, `total 2018` > 0) %>%
arrange(desc(`total 2018`))
## `summarise()` has grouped output by 'anio'. You can override using the `.groups` argument.
segundo_anio <- data_comercio_exterior %>%
left_join(nombres_iso_paises, by = c("pais" = "nom_pais_esp")) %>%
group_by(anio, iso_3) %>%
summarise(`total 2019` = round((((sum(valor_fob)) * 100) / anio_2019), 2)) %>%
select("anio", "iso_3", "total 2019") %>%
filter(anio == 2019, `total 2019` > 0) %>%
arrange(desc(`total 2019`))
## `summarise()` has grouped output by 'anio'. You can override using the `.groups` argument.
tercer_anio <- data_comercio_exterior %>%
left_join(nombres_iso_paises, by = c("pais" = "nom_pais_esp")) %>%
group_by(anio, iso_3) %>%
summarise(`total 2020` = round((((sum(valor_fob)) * 100) / anio_2020), 2)) %>%
select("anio","iso_3", "total 2020") %>%
filter(anio == 2020, `total 2020` > 0) %>%
arrange(desc(`total 2020`))
## `summarise()` has grouped output by 'anio'. You can override using the `.groups` argument.
cuarto_anio <- data_comercio_exterior %>%
left_join(nombres_iso_paises, by = c("pais" = "nom_pais_esp")) %>%
group_by(anio,iso_3) %>%
summarise(`total 2021` = round((((sum(valor_fob)) * 100) /
anio_2021), 2)) %>%
select("anio","iso_3", "total 2021") %>%
filter(anio == 2021, `total 2021` > 0) %>%
arrange(desc(`total 2021`))
## `summarise()` has grouped output by 'anio'. You can override using the `.groups` argument.
anio_2018 <- (paste(primer_anio$iso_3[1:5],
primer_anio$`total 2018`$`total anio`[1:5], sep = " | " ))
anio_2019 <- (paste(segundo_anio$iso_3[1:5],
segundo_anio$`total 2019`$`total anio`[1:5], sep = " | "))
anio_2020 <- (paste(tercer_anio$iso_3[1:5],
tercer_anio$`total 2020`$`total anio`[1:5], sep = " | "))
anio_2021 <-(paste(cuarto_anio$iso_3[1:5],
cuarto_anio$`total 2021`$`total anio`[1:5], sep = " | "))
top_exp <- data.frame(anio_2018, anio_2019, anio_2020, anio_2021)
names(top_exp) = c("2018", "2019", "2020", "2021")
top_exp_t <- t(top_exp[, 1:ncol(top_exp)])
colnames(top_exp_t) <- top_exp[, 0]
colnames(top_exp_t) <- c("1", "2", "3", "4", "5")
kable(head(top_exp_t, 5),caption ="Top 5 socios comerciales, periodo 2018 -2021, datos en porcentaje de las exportaciones totales", align = "c") %>% add_footnote(label = "Elaboracion con base en datos del BCR",
notation = "symbol") %>%
kable_styling()
Top 5 socios comerciales, periodo 2018 -2021, datos en porcentaje de las exportaciones totales
|
|
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
|
|
* Elaboracion con base en datos del BCR
|