EJERCICIO 2 - Parte 4
Utilizando la información más reciente sobre de la medición multidimensional de la pobreza realizada por el CONEVAL a nivel estatal (2020), obtener:
# Librerías
library(dplyr)
library(stringr)
library(rgdal)
library(leaflet)
# Pobreza 2020 Coneval ----
pobreza_2020_nacional <- readr::read_csv(here::here("data/class/pobreza_20.csv"),
col_select = c("ent", "pobreza", "carencias", "ic_rezedu", "plp"))
# Se calculan los porcentajes
pobreza_2020_nacional <- pobreza_2020_nacional %>%
filter(!is.na(pobreza)) %>%
mutate(ent = str_replace_all(str_pad(ent, 2, "left"), "\\s", "0")) %>%
group_by(ent) %>%
summarise(poblacion = n(),
prop_pob_pobre = round(sum(pobreza == 1)/poblacion, 4)*100,
prop_pob_carencias = round(sum(carencias == 1)/poblacion, 4)*100,
prop_pob_rezagoEdu = round(sum(ic_rezedu == 1)/poblacion, 4)*100,
prop_pob_ingresoInf = round(sum(plp == 1)/poblacion, 4)*100)
# Mapa ----
nacional_mapa <- readOGR(dsn = here::here("./maps/nacional_qgis"), layer = "nacional", encoding = "UTF-8")## OGR data source with driver: ESRI Shapefile
## Source: "C:\Users\Erick\Documents\projects\programacion\maps\nacional_qgis", layer: "nacional"
## with 32 features
## It has 3 fields# Merge ----
nacional_mapa@data <- merge(x = nacional_mapa@data,
y = pobreza_2020_nacional,
by.x = "CVE_ENT",
by.y = "ent",
sort = FALSE)
# Info popups ----
### Información para los popups ----
nacional_mapa@data <- nacional_mapa@data %>%
mutate(popup_info_pobreza= paste0(sep = "",
"<br> <b>Estado: </b>", NOMGEO,
"<br> <b>Porcentaje de pobreza en 2020: </b>", paste0(prop_pob_pobre, "%")),
popup_info_carencias = paste0(sep = "",
"<br> <b>Estado: </b>", NOMGEO,
"<br> <b>Porcentaje población que cuenta con al menos una carencia: </b>", paste0(prop_pob_carencias, "%")),
popup_info_rezagoEdu = paste0(sep = "",
"<br> <b>Estado: </b>", NOMGEO,
"<br> <b>Porcentaje de población con rezago educativo: </b>", paste0(prop_pob_rezagoEdu, "%")),
popup_info_ingreso = paste0(sep = "",
"<br> <b>Municipio: </b>", NOMGEO,
"<br> <b>Porcentaje de población con ingreso inferior a la línea de pobreza por ingresos: </b>", paste0(prop_pob_ingresoInf, "%"))
)9. (10%) Considerando la división (cut) por cuantiles, representar en un mapa el porcentaje de población con ingreso inferior a la línea de pobreza por ingresos.
cut_values <- function(vector, breaks = 5){
na.omit(
unique(
as.numeric(
unlist(
str_extract_all(
levels(
cut(vector, 5) # función cut
),
"[0-9]*\\.?\\d*")
)
)
)
)
}
cortes <- cut_values(nacional_mapa$prop_pob_ingresoInf)
colores <- colorBin(palette = "Purples",
domain = as.numeric(nacional_mapa$prop_pob_ingresoInf),
na.color = "transparent",
bins = cortes
)
leaflet(nacional_mapa) %>%
addTiles() %>%
addPolygons(label = nacional_mapa$NOMGEO,
popup = nacional_mapa$prop_pob_ingresoInf,
fillColor = colores(nacional_mapa$prop_pob_ingresoInf),
fillOpacity = 0.9)