---
title: "PBI Per Capita en Logaritmos"
output: 
  flexdashboard::flex_dashboard:
    social: menu
    source_code: embed

---

   




```{r setup, include=FALSE}

```



```{r}

library(flexdashboard)
library(tidyr)
library(ggplot2)
library(readr)  
library(dplyr)  
library(plotly)
library(readxl)
library(rvest)
library(rsconnect)


```




```{r}
# Data Set con valores del pib per capita

setwd('C:/Users/maxig/Desktop/Carpetas/Cursos/Data Science/Curso Estadistica Aplicada/Actividades Estadistica Aplicada/Introduccion a R/Flexdash/Series de Tiempo')


gdp = read_excel("GDP1.xls") 

gdp2 = read_excel("GDP2.xls") 

gdp_var = read_excel("GDP_Variacion.xls")

gdp_var_2 = read_excel("GDP2_Variacion.xls")

gdpaño = gdp$Año

# Data Set con valores logaritmicos

gdp =  log(gdp[,2:19])

# Le agrego el año al Data Set logaritmico

gdp$Año = gdpaño

# redondeamos la variacion

gdp_var$Variacion = round(gdp_var$Variacion,2)

gdp_var_2$Variacion = round(gdp_var_2$Variacion*100,2)

# --------------------------------------------------------------------------------------- #
```



# Series Temporales 

**Series temporales de algunos países de LATAM, Euro y Asia en el año pandemico.**


Column {data-width=250}
-----------------------------------------------------------


### **Ficha técnica del estudio**

*Podemos visualizar, en las series de tiempo de países de LATAM, la abrupta caída del PIB de Venezuela, parecería ser que hubo una gran devaluación del bolívar ya que estos valores están expresados en dolares.*

*Si nos ponemos a analizar la evolución del PBI en las series temporales de Irlanda, España y Grecia dentro de Países Euro y Asia, a partir de la crisis del 2008 hay una divergencia entre las tendencias, por un lado Irlanda luego del shock recupera los niveles del PBI en el 2015, pero España y Grecia nunca lo recuperan y siguen en tendencia bajista, incluso en el año previo a la pandemia.*

*Podemos ver mayor volatilidad en los Países de LATAM.*



Column {.tabset data-width=750}
-----------------------------------------------------------


### **Paises LATAM**

```{r}
# Grafico Plotly de Series de Tiempo 

grafico = plot_ly(x = ~gdp$Año) %>%
       add_lines(y = ~gdp$Argentina, name = "Argentina", line = list(shape = "spline")) %>%
       add_lines(y = gdp$Bolivia, name = "Bolivia", line = list(shape = "spline"), visible = 'legendonly') %>%
       add_lines(y = gdp$Brasil , name = "Brasil", line = list(shape = "spline")) %>%
       add_lines(y = gdp$Chile , name = "Chile", line = list(shape = "spline")) %>%
       add_lines(y = gdp$Colombia , name = "Colombia", line = list(shape = "spline"), visible = 'legendonly') %>%
       add_lines(y = gdp$`Costa Rica` , name = "Costa Rica`", line = list(shape = "spline"), visible = 'legendonly') %>%
       add_lines(y = gdp$Dominican , name = "Dominican", line = list(shape = "spline"), visible = 'legendonly') %>%
       add_lines(y = gdp$Ecuador , name = "Ecuador", line = list(shape = "spline"), visible = 'legendonly') %>%
       add_lines(y = gdp$Guatemala , name = "Guatemala", line = list(shape = "spline"), visible = 'legendonly') %>%
       add_lines(y = gdp$Honduras , name = "Honduras", line = list(shape = "spline"), visible = 'legendonly') %>%
       add_lines(y = gdp$México , name = "México", line = list(shape = "spline")) %>%
       add_lines(y = gdp$Nicaragua , name = "Nicaragua", line = list(shape = "spline"), visible = 'legendonly') %>%
       add_lines(y = gdp$Panamá , name = "Panamá", line = list(shape = "spline"), visible = 'legendonly') %>%
       add_lines(y = gdp$Perú , name = "Perú", line = list(shape = "spline")) %>%
       add_lines(y = gdp$Paraguay , name = "Paraguay", line = list(shape = "spline")) %>%
       add_lines(y = gdp$Uruguay , name = "Uruguay", line = list(shape = "spline")) %>%
       add_lines(y = gdp$Venezuela , name = "Venezuela", line = list(shape = "spline")) %>%
       layout(title =  "Pib Per capita en Logaritmos Paises LATAM", font = list(size = 12, color = 'black'), 
              xaxis = list(title = 'Año', 
                           color = 'black', 
                           tickangle = -45), 
              yaxis = list (title = 'Pib Per Capita', color = 'black'), 
              paper_bgcolor='white', plot_bgcolor='white')
grafico



```


### **Paises Euro y Asia** 



```{r}


grafico2 = plot_ly(x = ~gdp2$Año) %>%
       add_lines(y = ~gdp2$Australia, name = "Australia", line = list(shape = "spline")) %>%
       add_lines(y = gdp2$Austria, name = "Austria", line = list(shape = "spline"), visible = 'legendonly') %>%
       add_lines(y = gdp2$Bélgica , name = "Bélgica", line = list(shape = "spline"), visible = 'legendonly') %>%
       add_lines(y = gdp2$Canadá , name = "Canadá", line = list(shape = "spline")) %>%
       add_lines(y = gdp2$China , name = "China", line = list(shape = "spline"), visible = 'legendonly') %>%
       add_lines(y = gdp2$`Alemania` , name = "Alemania`", line = list(shape = "spline")) %>%
       add_lines(y = gdp2$Dinamarca , name = "Dinamarca", line = list(shape = "spline"), visible = 'legendonly') %>%
       add_lines(y = gdp2$España , name = "España", line = list(shape = "spline"), visible = 'legendonly') %>%
       add_lines(y = gdp2$Francia , name = "Francia", line = list(shape = "spline")) %>%
       add_lines(y = gdp2$`Reino Unido` , name = "Reino Unido", line = list(shape = "spline")) %>%
       add_lines(y = gdp2$Grecia , name = "Grecia", line = list(shape = "spline")) %>%
       add_lines(y = gdp2$India , name = "India", line = list(shape = "spline"), visible = 'legendonly') %>%
       add_lines(y = gdp2$Italia , name = "Italia", line = list(shape = "spline"), visible = 'legendonly') %>%
       add_lines(y = gdp2$Japón , name = "Japón", line = list(shape = "spline"), visible = 'legendonly') %>%
       add_lines(y = gdp2$Luxemburgo , name = "Luxemburgo", line = list(shape = "spline")) %>%
       add_lines(y = gdp2$`Países Bajos` , name = "Países Bajos", line = list(shape = "spline"), visible = 'legendonly') %>%
       add_lines(y = gdp2$Noruega , name = "Noruega", line = list(shape = "spline"), visible = 'legendonly') %>%
       add_lines(y = gdp2$`Nueva Zelandia` , name = "Nueva Zelandia", line = list(shape = "spline"), visible = 'legendonly') %>%
       add_lines(y = gdp2$Portugal , name = "Portugal", line = list(shape = "spline"), visible = 'legendonly') %>%
       add_lines(y = gdp2$Singapur , name = "Singapur", line = list(shape = "spline")) %>%
       add_lines(y = gdp2$Suecia , name = "Suecia", line = list(shape = "spline")) %>%
       add_lines(y = gdp2$Turquía , name = "Turquía", line = list(shape = "spline"), visible = 'legendonly') %>%
       add_lines(y = gdp2$Irlanda , name = "Irlanda", line = list(shape = "spline")) %>%
       layout(title =  "Pib Per capita en Logaritmos Paises Euro y Asia", font = list(size = 12, color = 'black'),
              xaxis = list(title = 'Año',
                           color = 'black',
                           tickangle = -45),
              yaxis = list (title = 'Pib Per Capita', color = 'black'),
              paper_bgcolor='white', plot_bgcolor='white')
grafico2





```



# Grafico de Barras\n  
**Variación porcentual de algunos países de LATAM, Euro y Asia en el año pandemico.**

Column {data-width=250}
-----------------------------------------------------------

### **Ficha técnica del estudio**

*Podemos visualizar, en las series de tiempo de países de LATAM, la abrupta caída del PIB de Venezuela, parecería ser que hubo una gran devaluación del bolívar ya que estos valores están expresados en dolares.*

*Si nos ponemos a analizar la evolución del PBI en las series temporales de Irlanda, España y Grecia dentro de Países Euro y Asia, a partir de la crisis del 2008 hay una divergencia entre las tendencias, por un lado Irlanda luego del shock recupera los niveles del PBI en el 2015, pero España y Grecia nunca lo recuperan y siguen en tendencia bajista, incluso en el año previo a la pandemia.*

*Podemos ver mayor volatilidad en los Países de LATAM.*

Column {.tabset data-width=750}
-----------------------------------------------------------


### **Paises LATAM**

```{r}



x = c('Argentina', 'Brasil', 'Chile', 'Uruguay', 'Perú', 'Bolivia', 'Paraguay')
y = c(gdp_var$Variacion[gdp_var$`Country Name` == 'Argentina'] , 
      gdp_var$Variacion[gdp_var$`Country Name` == 'Bolivia'] ,
      gdp_var$Variacion[gdp_var$`Country Name` == 'Brasil'],
      gdp_var$Variacion[gdp_var$`Country Name` == 'Chile'],
      gdp_var$Variacion[gdp_var$`Country Name` == 'Paraguay'],
      gdp_var$Variacion[gdp_var$`Country Name` == 'Perú'],
      gdp_var$Variacion[gdp_var$`Country Name` == 'Uruguay'])

y2 = c('Argentina', 'Brasil', 'Chile', 'Uruguay', 'Perú', 'Bolivia', 'Paraguay')

celeste = '#3aafe1'

verde_claro = '#23c26a'

amarillo_claro = '#d6d24b'

rojo= '#d93b3b'
  
azul = '#2825e8'

rojo_claro = '#f07d90'

celeste_claro = '#85e9f2'


grafico_barras = plot_ly() %>% add_trace(x = ~sort(x), y = ~y, name= "Paises", type = 'bar',
                    text = paste(y, '%') , textposition = 'auto',
                    marker = list(color = c(celeste, verde_claro, amarillo_claro,rojo,azul,rojo_claro,celeste_claro),
                     line = list(color = 'rgb(8,48,107)', width = 1.5))) %>% 
                 layout(title = "Variacion % Pib Per Capita en USD 2020",
                     barmode = 'group', 
                     xaxis = list(title = "Paises"),
                     yaxis = list(title = "%"),
                     annotations = list(x = 1, y = -0.1, text = "Datos del Banco Mundial a dolar oficial", 
                                       showarrow = F, xref='paper', yref='paper', 
                                       xanchor='right', yanchor='auto', xshift=0, yshift=0,
                                       font=list(size=13.5, color="grey")))

grafico_barras




```

### **Paises Euro y Asia** 



```{r}



x_2 = c('Noruega', 'India', 'Singapur', 'España', 'Grecia', 'China', 'Irlanda')
y_2 = c(gdp_var_2$Variacion[gdp_var_2$`Country Name` == 'Noruega'] , 
      gdp_var_2$Variacion[gdp_var_2$`Country Name` == 'India'] ,
      gdp_var_2$Variacion[gdp_var_2$`Country Name` == 'Singapur'],
      gdp_var_2$Variacion[gdp_var_2$`Country Name` == 'España'],
      gdp_var_2$Variacion[gdp_var_2$`Country Name` == 'Grecia'],
      gdp_var_2$Variacion[gdp_var_2$`Country Name` == 'China'],
      gdp_var_2$Variacion[gdp_var_2$`Country Name` == 'Irlanda'])


celeste = '#3aafe1'

verde_claro = '#23c26a'

amarillo_claro = '#d6d24b'

rojo= '#d93b3b'
  
azul = '#2825e8'

rojo_claro = '#f07d90'

celeste_claro = '#85e9f2'


grafico_barras_2 = plot_ly() %>% add_trace(x = ~x_2, y = ~y_2, name= "Paises", type = 'bar',
                    text = paste(y_2, '%') , textposition = 'auto',
                    marker = list(color = c(celeste, verde_claro, amarillo_claro,rojo,azul,rojo_claro,celeste_claro),
                     line = list(color = 'rgb(8,48,107)', width = 1.5))) %>% 
                 layout(title = "Variacion % Pib Per Capita en USD 2020",
                     barmode = 'group', 
                     xaxis = list(title = "Paises"),
                     yaxis = list(title = "%"),
                     annotations = list(x = 1, y = -0.1, text = "Datos del Banco Mundial a dolar oficial", 
                                       showarrow = F, xref='paper', yref='paper', 
                                       xanchor='right', yanchor='auto', xshift=0, yshift=0,
                                       font=list(size=13.5, color="grey")))

grafico_barras_2

```