R Notebook

1.En este cuaderno vamos a identificar los cultivos de mayor importancia en el departamento del meta.

2.Cargamos las librerias y paquetes.

library(tidyverse)

## -- Attaching packages --------------------------------------- tidyverse 1.3.1 --

## v ggplot2 3.3.5     v purrr   0.3.4
## v tibble  3.1.6     v dplyr   1.0.8
## v tidyr   1.2.0     v stringr 1.4.0
## v readr   2.1.2     v forcats 0.5.1

## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()

library(readxl)

3.Escogemos los archivos que necesitamos.

(archivos = list.files(pattern='xls'))

## [1] "20210624_BaseSIPRA2020.xlsx"

(hojas = readxl::excel_sheets("C:\\Users\\PERSONAL\\Documents\\cuaderno1y2\\20210624_BaseSIPRA2020.xlsx"))

## [1] "Agrícola_SIPRA_AGRONET"       "InventarioBovino"            
## [3] "InventarioPorcino"            "InvBufalosCaprinoOvinoEquino"
## [5] "InvAves"

4.lectura de bases de datos.

eva2020 = readxl::read_excel("C:\\Users\\PERSONAL\\Documents\\cuaderno1y2\\20210624_BaseSIPRA2020.xlsx", sheet = "Agrícola_SIPRA_AGRONET")

eva2020

meta2020 = dplyr::filter(eva2020, Departamento == "Meta")

meta2020

5. limpiamos los datos filtrados.

meta2020.tmp <-  meta2020 %>% select('Código del Municipio':'Ciclo del cultivo')

meta2020.tmp

meta2020.tmp %>% rename(Cod_Mun = 'Código del Municipio', 
                         Grupo = 'Grupo cultivo según especie', 
                         Subgrupo = 'Subgrupo cultivo según especie',
                         AreaSiembra = 'Area Sembrada (ha)',
                         AreaCosecha = 'Area Cosechada (ha)',
                         Produccion = 'Producción (t)',                              
                         Rendimiento = 'Rendimiento (t/ha)', Ciclo='Ciclo del cultivo') ->                                 nmeta2020

nmeta2020

nmeta2020 %>% mutate(AreaSiembra = as.numeric(AreaSiembra),
                       AreaCosecha = as.numeric(AreaCosecha),
                       Produccion = as.numeric(Produccion),
                       Rendimiento = as.numeric(Rendimiento)) -> nmeta2020 

nmeta2020

6.Procesamiento de datos y analisis.

nmeta2020 %>%
  filter(Produccion > 0) %>%
  group_by(Cultivo) %>%
  summarize(total_produccion = sum(Produccion)) %>% 
  arrange(desc(total_produccion))

nmeta2020 %>%
  group_by(Cultivo, Municipio) %>%
  summarize(max_prod = max(Produccion, na.rm = TRUE)) %>%
  slice(which.max(max_prod))  %>%
  arrange(desc(max_prod))

## `summarise()` has grouped output by 'Cultivo'. You can override using the
## `.groups` argument.

nmeta2020 %>%
  group_by(Grupo,Municipio) %>%
  summarize(max_prod = max(Produccion, na.rm = TRUE)) %>%
  slice(which.max(max_prod))  %>%
  arrange(desc(max_prod))

## `summarise()` has grouped output by 'Grupo'. You can override using the
## `.groups` argument.

nmeta2020 %>%
  group_by(Cod_Mun, Municipio, Grupo) %>%
  filter(Grupo=='Plátanos') %>% 
  summarize(max_prod = max(Produccion, na.rm = TRUE)) %>%
  arrange(desc(max_prod)) -> Platanos2020

## `summarise()` has grouped output by 'Cod_Mun', 'Municipio'. You can override
## using the `.groups` argument.

Platanos2020

nmeta2020 %>%
  group_by(Cod_Mun, Municipio, Grupo) %>%
  filter(Grupo=='Cereales') %>% 
  summarize(max_prod = max(Produccion, na.rm = TRUE)) %>%
  arrange(desc(max_prod)) -> Cereales2020

## `summarise()` has grouped output by 'Cod_Mun', 'Municipio'. You can override
## using the `.groups` argument.

Cereales2020

#######7.obtenemos los archivos csv con la informacion requerida.

write.csv(  Platanos2020, "./meta_Platanos_2020.csv")
write.csv(  Cereales2020, "./meta_Cereales_2020.csv")