Tabla IDC 2020

Por comunas.

VE-CC

DataIntelligence
date: 04-10-2021

Lectura de bases de datos Casen

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)

1 Homologación de pobreza

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

2 subset de columas utilizadas

dataset_2020 <- dataset_20[,c("comuna","pobreza","edad","sexo","expc")]

3 Porcentaje de pobreza por comuna

pob_tot <- dataset_2020
 
tabla_matp <-xtabs(pob_tot$expc~comuna+pobreza, data = pob_tot)
tabla_matp <- as.data.frame(tabla_matp)

recptaculo <- data.frame()
for (j in unique(tabla_matp$comuna)) { 
  tb1 <- filter(tabla_matp, comuna == j)
  tb1$porcentaje_pobreza <- (tb1$Freq*100)/sum(tb1$Freq)
  recptaculo <- rbind(recptaculo,tb1)
   
}

pob_tot <- filter(recptaculo, pobreza != "No pobre")
pob <- data.frame()
for (i in unique(pob_tot$comuna)) {
  dataset1 <- filter(pob_tot, comuna == i)
  dataset1 <- sum(dataset1$porcentaje_pobreza)
  
  tabla <- data.frame(
    comuna = i,
    Pobreza_1 = dataset1
  )
  pob <- rbind(pob,tabla)
}
tabla_pobreza <- pob

4 Edad 0 - 14

edad_14 <- dataset_2020

edad_df <- data.frame()
for (i in unique(edad_14$comuna)) {
  dataset1 <- filter(edad_14, comuna == i, edad <= 14)
  dataset1 <- nrow(dataset1)
  tabla <- data.frame(
    comuna = i,
    Edad_0_14 = dataset1
  )
  edad_df <- rbind(edad_df,tabla)
}
tabla_edad <- edad_df
tabla_socio = merge(x=tabla_pobreza, y=tabla_edad, by="comuna")

5 Edad 15 - 64

edad_15_64 <- dataset_2020

edad_df <- data.frame()
for (i in unique(edad_14$comuna)) {
  dataset1 <- filter(edad_14, comuna == i, edad > 14)
  dataset1 <- filter(dataset1, edad < 65)
  dataset1 <- nrow(dataset1)
  tabla <- data.frame(
    comuna = i,
    Edad_15_64 = dataset1
  )
  edad_df <- rbind(edad_df,tabla)
}
tabla_edad2 <- edad_df
tabla_socio = merge(x=tabla_socio, y=tabla_edad2, by="comuna")

6 Edad 65+

edad_65 <- dataset_2020

edad_df <- data.frame()
for (i in unique(edad_14$comuna)) {
  dataset1 <- filter(edad_14, comuna == i, edad > 64) 
  dataset1 <- nrow(dataset1)
  tabla <- data.frame(
    comuna = i,
    Edad_65 = dataset1
  )
  edad_df <- rbind(edad_df,tabla)
}
tabla_edad3 <- edad_df
tabla_socio = merge(x=tabla_socio, y=tabla_edad3, by="comuna")

7 Hombres

tsexo <- dataset_2020

sexo_df <- data.frame()
for (i in unique(tsexo$comuna)) {
  dataset1 <- filter(tsexo, comuna == i, sexo == "Hombre") 
  dataset1 <- nrow(dataset1)
  tabla <- data.frame(
    comuna = i,
    Hombre2020 = dataset1
  )
  sexo_df <- rbind(sexo_df,tabla)
}
tabla_sexo1 <- sexo_df
tabla_socio = merge(x=tabla_socio, y=tabla_sexo1, by="comuna")

8 Mujeres

tsexo <- dataset_2020

sexo_df <- data.frame()
for (i in unique(tsexo$comuna)) {
  dataset1 <- filter(tsexo, comuna == i, sexo == "Mujer") 
  dataset1 <- nrow(dataset1)
  tabla <- data.frame(
    comuna = i,
    Mujer2020 = dataset1
  )
  sexo_df <- rbind(sexo_df,tabla)
}
tabla_sexo2 <- sexo_df
tabla_socio = merge(x=tabla_socio, y=tabla_sexo2, by="comuna")

9 Población comunal

tot_p <- dataset_2020
tabla_matp <-xtabs(tot_p$expc~comuna, data = tot_p)
tabla_matp <- as.data.frame(tabla_matp)
pob_comuna <- tabla_matp
tabla_socio = merge(x=tabla_socio, y=pob_comuna, by="comuna")

10 Tabla final

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] <- "Codcom"
names(codigos_comunales)[2] <- "comuna"

tabla_df = merge( x = tabla_socio, y = codigos_comunales, by = "comuna", all.x = TRUE)
tabla_df <- tabla_df[,c(1,9,2:8)]
names(tabla_df)[9] <- "TOTAL POB2020"
for (i in unique(tabla_df$comuna)) {
  pais <- gsub("(^[[:space:]]+|[[:space:]]+$)", "", i)
  pais <- tolower(pais)
  tabla_df$comuna[tabla_df$comuna == i] <- str_to_title(pais) 
}
indice <- read_xlsx("indice de desarrollo comunal.xlsx")
## New names:
## * `` -> ...1
for (i in unique(indice$...1)) {
  pais <- gsub("(^[[:space:]]+|[[:space:]]+$)", "", i)
  pais <- tolower(pais)
  indice$...1[indice$...1 == i] <- str_to_title(pais) 
}
names(indice)[1] <- "comuna" 

tabla_final <- merge(indice, tabla_df, by="comuna", all.y = T)
datatable(tabla_final, extensions = 'Buttons', escape = FALSE, rownames = FALSE,
          options = list(dom = 'Bfrtip',
          buttons = list('colvis', list(extend = 'collection',
          buttons = list(
          list(extend='copy'),
          list(extend='excel',
            filename = 'tabla_etnia_pobreza'),
          list(extend='pdf',
            filename= 'tabla_etnia_pobreza')),
          text = 'Download')), scrollX = TRUE))