direccion <- switch(2,"C:/Users/enamo/Desktop/Shiny-R/Casen_en_pandemia_2020/casen/","C:/Users/enamo/Desktop/Shiny-R/Casen_en_pandemia_2020/casen/")

dataset_06 <<- readRDS(paste0(direccion,"casen_2006_c.rds"))
dataset_06 <- mutate_if(dataset_06, is.factor, as.character)
dataset_09 <<- readRDS(paste0(direccion,"casen_2009_c.rds"))
dataset_09 <- mutate_if(dataset_09, is.factor, as.character)
dataset_11 <<- readRDS(paste0(direccion,"casen_2011_c.rds"))
dataset_11 <- mutate_if(dataset_11, is.factor, as.character)
dataset_13 <<- readRDS(paste0(direccion,"casen_2013_c.rds"))
dataset_13 <- mutate_if(dataset_13, is.factor, as.character)
dataset_15 <<- readRDS(paste0(direccion,"casen_2015_c.rds"))
dataset_15 <- mutate_if(dataset_15, is.factor, as.character)
dataset_17 <<- readRDS(paste0(direccion,"casen_2017_c.rds"))
dataset_17 <- mutate_if(dataset_17, is.factor, as.character)
dataset_20 <<- readRDS(paste0(direccion,"casen_2020_c.rds"))
dataset_20 <- mutate_if(dataset_20, is.factor, as.character)

dataset_06$CORTE[dataset_06$CORTE == "Pobre no indigente"] <- "Pobre"
dataset_06$CORTE[dataset_06$CORTE == "Indigente"] <- "Pobre extremo"

dataset_09$CORTE[dataset_09$CORTE == "Pobre no Indigente"] <- "Pobre"
dataset_09$CORTE[dataset_09$CORTE == "Indigente"] <- "Pobre extremo"

dataset_11$corte[dataset_11$corte == "Pobreza extrema"] <- "Pobre extremo"

dataset_13$pobreza_MN[dataset_13$pobreza_MN == "Pobres no extremos"] <- "Pobre"
dataset_13$pobreza_MN[dataset_13$pobreza_MN == "No pobres"] <- "No pobre"
dataset_13$pobreza_MN[dataset_13$pobreza_MN == "Pobres extremos"] <- "Pobre extremo"

dataset_15$pobreza[dataset_15$pobreza == "Pobres no extremos"] <- "Pobre"
dataset_15$pobreza[dataset_15$pobreza == "No pobres"] <- "No pobre"
dataset_15$pobreza[dataset_15$pobreza == "Pobres extremos"] <- "Pobre extremo"

dataset_17$pobreza[dataset_17$pobreza == "Pobres no extremos"] <- "Pobre"
dataset_17$pobreza[dataset_17$pobreza == "No pobres"] <- "No pobre"
dataset_17$pobreza[dataset_17$pobreza == "Pobres extremos"] <- "Pobre extremo"

dataset_20$pobreza[dataset_20$pobreza == "Pobres no extremos"] <- "Pobre"
dataset_20$pobreza[dataset_20$pobreza == "No pobres"] <- "No pobre"
dataset_20$pobreza[dataset_20$pobreza == "Pobres extremos"] <- "Pobre extremo"

df_tablas <- data.frame()

funcion1 <- function(n){
 
 xx<-switch(n,"2006","2009","2011","2013","2015","2017","2020")
 tanio <<- xx

 
 

if(xx==2006) {
  
eliminated <- dataset_06
a <- eliminated$CORTE
b <- eliminated$COMUNA
c <- eliminated$SEXO
d <- eliminated$E1 #alfabetismo
e <- eliminated$T4 #etnia 
anio <- 2006
}

if(xx==2009) {

eliminated <- dataset_09
a <- eliminated$CORTE
b <- eliminated$COMUNA
c <- eliminated$SEXO
d <- eliminated$E1 #alfabetismo
e <- eliminated$T5 #etnia 
anio <- 2009

}

if(xx==2011) {
  
eliminated <- dataset_11
a <- eliminated$corte
b <- eliminated$comuna
c <- eliminated$sexo
d <- eliminated$e1 #alfabetismo
e <- eliminated$r6 #etnia 
anio <- 2011

}

if(xx==2013) {
  
eliminated <- dataset_13
a <- eliminated$pobreza_MN
b <- eliminated$comuna
c <- eliminated$sexo
d <- eliminated$e1 #alfabetismo
e <- eliminated$r6 #etnia 
anio <- 2013

}
 

if(xx==2015) {
  
eliminated <- dataset_15
a <- eliminated$pobreza
b <- eliminated$comuna
c <- eliminated$sexo
d <- eliminated$e1 #alfabetismo
e <- eliminated$r3 #etnia 
anio <- 2015
}

if(xx==2017) {
  
eliminated <- dataset_17
a <- eliminated$pobreza
b <- eliminated$comuna
c <- eliminated$sexo
d <- eliminated$e1 #alfabetismo
e <- eliminated$r3 #etnia 
anio <- 2017
}

if(xx==2020) {
  
eliminated <-dataset_20
a <- eliminated$pobreza
b <- eliminated$comuna
c <- eliminated$sexo
d <- eliminated$e1 #alfabetismo
e <- eliminated$r3 #etnia 
anio <- 2020
}

################ -- frecuencia
expan<-switch(n,"EXPC","EXPC","expc_full","expc","expc_todas","expc","expc")

tabla_matp <-xtabs(eliminated[,(expan)]~a+b+c+d+e , data = eliminated)
tabla_matp <- as.data.frame(tabla_matp)
tabla_matp <-tabla_matp[!(tabla_matp$Freq == 0),]
df <- tabla_matp
df <- df[complete.cases(df), ]
################ 


 
names(df)[1] <- "Pobreza"
names(df)[2] <- "Comuna"
names(df)[3] <- "Sexo"
names(df)[4] <- "Alfabetismo"
names(df)[5] <- "Etnia"
df$Año = xx

direc_cod_com <- paste0("C:/Users/enamo/Desktop/Shiny-R/Casen_en_pandemia_2020/codigos_comunales_2006-2020.rds")
codigos_comunales <- readRDS(file = direc_cod_com)
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"

tabla_df = merge( x = df, y = codigos_comunales, by = "Comuna", all.x = TRUE)
tabla_df2 <<- tabla_df 

}

data_df3 <- data.frame()
for (n in 1:7){
  funcion1(n)

  data_df3 <- rbind(data_df3,tabla_df2)
  assign(paste0("tabla_etnia_",tanio),data_df3)
  print(paste0("tabla_etnia_",tanio))
} 

data_df3 <- rbind(tabla_etnia_2006,tabla_etnia_2009,tabla_etnia_2011,tabla_etnia_2013,tabla_etnia_2015,tabla_etnia_2017,tabla_etnia_2020)

df_tablas <- data.frame()

funcion1 <- function(n){
 
 xx<-switch(n,"2011","2013","2015","2017","2020")
 tanio <<- xx

 

if(xx==2011) {
  
eliminated <- dataset_11
a <- eliminated$corte
b <- eliminated$comuna
c <- eliminated$sexo
d <- eliminated$e1 #alfabetismo
e <- eliminated$r2p_cod #etnia 
anio <- 2011

}

if(xx==2013) {
  
eliminated <- dataset_13
a <- eliminated$pobreza_MN
b <- eliminated$comuna
c <- eliminated$sexo
d <- eliminated$e1 #alfabetismo
e <- eliminated$r2_p_cod #etnia 
anio <- 2013

}
 

if(xx==2015) {
  
eliminated <- dataset_15
a <- eliminated$pobreza
b <- eliminated$comuna
c <- eliminated$sexo
d <- eliminated$e1 #alfabetismo
e <- eliminated$r2espp_cod #etnia 
anio <- 2015
}

if(xx==2017) {
  
eliminated <- dataset_17
a <- eliminated$pobreza
b <- eliminated$comuna
c <- eliminated$sexo
d <- eliminated$e1 #alfabetismo
e <- eliminated$r2_p_cod #etnia 
anio <- 2017
}

if(xx==2020) {
  
eliminated <-dataset_20
a <- eliminated$pobreza
b <- eliminated$comuna
c <- eliminated$sexo
d <- eliminated$e1 #alfabetismo
e <- eliminated$r2_pais_esp #etnia 
anio <- 2020
}

################ -- frecuencia
expan<-switch(n,"expc_full","expc","expc_todas","expc","expc")

tabla_matp <-xtabs(eliminated[,(expan)]~a+b+c+d+e , data = eliminated)
tabla_matp <- as.data.frame(tabla_matp)
tabla_matp <-tabla_matp[!(tabla_matp$Freq == 0),]
df <- tabla_matp
df <- df[complete.cases(df), ]
################ 


 
names(df)[1] <- "Pobreza"
names(df)[2] <- "Comuna"
names(df)[3] <- "Sexo"
names(df)[4] <- "Alfabetismo"
names(df)[5] <- "Origen"
df$Año = xx

direc_cod_com <- paste0("C:/Users/enamo/Desktop/Shiny-R/Casen_en_pandemia_2020/codigos_comunales_2006-2020.rds")
codigos_comunales <- readRDS(file = direc_cod_com)
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"

tabla_df = merge( x = df, y = codigos_comunales, by = "Comuna", all.x = TRUE)
tabla_df2 <<- tabla_df 

}

data_df3 <- data.frame()
for (n in 1:5){
  funcion1(n)

  data_df3 <- rbind(data_df3,tabla_df2)
  assign(paste0("tabla_origen_",tanio),data_df3)
  print(paste0("tabla_origen_",tanio))
} 

data_df3 <- rbind(tabla_origen_2011,tabla_origen_2013,tabla_origen_2015,tabla_origen_2017,tabla_origen_2020)

#################
data_df3 <- mutate_if(data_df3, is.factor, as.character)
data_df3$cod_sexo <- data_df3$Sexo
data_df3$cod_sexo[data_df3$cod_sexo == "Hombre"] <- "01"
data_df3$cod_sexo[data_df3$cod_sexo == "Mujer"] <- "02"

data_df3$cod_alfa <- data_df3$Alfabetismo
data_df3$cod_alfa[data_df3$cod_alfa == "Sí"] <- "01"
data_df3$cod_alfa[data_df3$cod_alfa == "No"] <- "02"

data_df3$cod_pobreza <- data_df3$Pobreza
data_df3$cod_pobreza[data_df3$cod_pobreza == "No pobre"] <- "01"
data_df3$cod_pobreza[data_df3$cod_pobreza == "Pobre"] <- "02"
data_df3$cod_pobreza[data_df3$cod_pobreza == "Pobre extremo"] <- "03"

Origen <- c(sort(unique(data_df3$Origen))[-50],"NS/NR")
Origen<- as.data.frame(Origen)
Origen$cod_Origen <- paste("00",seq(1:nrow(Origen)), sep = "")
codigos <- Origen$cod_Origen
rango <- seq(1:nrow(Origen))
cadena <- paste("",codigos[rango], sep = "")
cadena <- substr(cadena,(nchar(cadena)[rango])-(1),4)
codigos <- as.data.frame(codigos)
cadena <- as.data.frame(cadena)
codigos <- cbind(Origen,cadena)
colnames(codigos) <- c("Origen","cadena","cod_Origen") 
data_df3 <- merge(x=data_df3, y=codigos, by="Origen")
data_df3 <- data_df3[,c(2,8,1,13,4,9,5,10,3,11,6,7)]
tabla_final <- data_df3
###################