Tarea_3

library(tidyverse)

## ── Attaching packages ─────────────────────────────────────── tidyverse 1.3.1 ──

## ✔ ggplot2 3.3.6     ✔ purrr   0.3.4
## ✔ tibble  3.1.7     ✔ dplyr   1.0.9
## ✔ tidyr   1.2.0     ✔ stringr 1.4.0
## ✔ readr   2.1.2     ✔ forcats 0.5.1

## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()

library(readxl)

Educacion_en_CABA <- read_excel("E_M_AX19.xlsx") #Cargo y leo el dataset

## New names:
## • `Común` -> `Común...4`
## • `Especial` -> `Especial...5`
## • `Adultos` -> `Adultos...6`
## • `Común` -> `Común...8`
## • `Especial` -> `Especial...9`
## • `Adultos` -> `Adultos...10`

names(Educacion_en_CABA)

##  [1] "Año"                    "Total"                  "Total en nivel estatal"
##  [4] "Común...4"              "Especial...5"           "Adultos...6"           
##  [7] "Totalen nivel privado"  "Común...8"              "Especial...9"          
## [10] "Adultos...10"

##Graficos

Grafico de dispersion

ggplot(Educacion_en_CABA) +geom_point(aes(x = Año, y= Total))

Grafico de barras

ggplot(Educacion_en_CABA) + geom_bar(aes(x = Año, weight = Total))

Histograma

ggplot(Educacion_en_CABA) + geom_histogram(aes(x = Total))

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Faceteado

datos_largos <- Educacion_en_CABA %>%
  select(Año, Estatal= `Total en nivel estatal`, Privado= `Totalen nivel privado`) %>%
  pivot_longer(cols = c(Estatal, Privado),
                       names_to = "Tipo",
                       values_to = "Total") #Alargar la tabla y generarte dos columnas nuevas, una llamada "Tipo" donde vas a encontrar valores como Estatal y Privado para tener columnas con valores categóricos

Grafico de dispersion con facetado

ggplot(datos_largos) +geom_point(aes(x = Año, y= Total)) + facet_wrap(~Tipo)

Grafico de barras

ggplot(datos_largos) + geom_bar(aes(x = Año, weight = Total)) + facet_wrap(~Tipo)

Histograma

ggplot(datos_largos) + geom_histogram(aes(x = Total)) + facet_wrap(~Tipo)

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Pongamos a cada visualización su título, subtítulo, etiquetas en los ejes, nombre descriptivo en la leyenda y nota al pie.

Grafico de dispersion

ggplot(Educacion_en_CABA) +geom_point(aes(x = Año, y= Total)) + labs(title = "Cantidad de personas matriculadas en escuelas en CABA", subtitle = "Nivel primario", x = "Año analizado", y = "Cantidad de personas matriculadas", size = "poblacion (miles)", caption = "https://www.estadisticaciudad.gob.ar/eyc/?p=24843") + theme_minimal()

Grafico de barras

ggplot(Educacion_en_CABA) + geom_bar(aes(x = Año, weight = Total)) + labs(title = "Cantidad de personas matriculadas en escuelas en CABA", subtitle = "Nivel primario", x = "Año analizado", y = "Cantidad de personas matriculadas", size = "poblacion (miles)", caption = "https://www.estadisticaciudad.gob.ar/eyc/?p=24843") + theme_minimal()

Histograma

ggplot(Educacion_en_CABA) + geom_histogram(aes(x = Total)) + labs(title = "Cantidad de personas matriculadas en escuelas en CABA", subtitle = "Nivel primario", x = "Año analizado", y = "Cantidad de personas matriculadas", size = "poblacion (miles)", caption = "https://www.estadisticaciudad.gob.ar/eyc/?p=24843") + theme_minimal()

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.