#install.packages("WDI")
#install.packages("wbstats")
#install.packages("tidyverse")
En este caso sacamos el PIB de México y lo analizamos visualmente con una gráfica
library(wbstats)
gdp_data <- wb_data(country = "MX", indicator = "NY.GDP.MKTP.CD", start_date = 1973, end_date = 2022)
summary(gdp_data)
## iso2c iso3c country date
## Length:49 Length:49 Length:49 Min. :1973
## Class :character Class :character Class :character 1st Qu.:1985
## Mode :character Mode :character Mode :character Median :1997
## Mean :1997
## 3rd Qu.:2009
## Max. :2021
## NY.GDP.MKTP.CD unit obs_status footnote
## Min. :5.528e+10 Length:49 Length:49 Length:49
## 1st Qu.:1.846e+11 Class :character Class :character Class :character
## Median :5.265e+11 Mode :character Mode :character Mode :character
## Mean :6.089e+11
## 3rd Qu.:1.058e+12
## Max. :1.315e+12
## last_updated
## Min. :2022-09-16
## 1st Qu.:2022-09-16
## Median :2022-09-16
## Mean :2022-09-16
## 3rd Qu.:2022-09-16
## Max. :2022-09-16
head(gdp_data)
## # A tibble: 6 × 9
## iso2c iso3c country date NY.GDP.MKTP.CD unit obs_status footnote last_upda…¹
## <chr> <chr> <chr> <dbl> <dbl> <chr> <chr> <chr> <date>
## 1 MX MEX Mexico 1973 55280000000 <NA> <NA> <NA> 2022-09-16
## 2 MX MEX Mexico 1974 72000000000 <NA> <NA> <NA> 2022-09-16
## 3 MX MEX Mexico 1975 88000000000 <NA> <NA> <NA> 2022-09-16
## 4 MX MEX Mexico 1976 89025974026. <NA> <NA> <NA> 2022-09-16
## 5 MX MEX Mexico 1977 81814159292. <NA> <NA> <NA> 2022-09-16
## 6 MX MEX Mexico 1978 102500000000 <NA> <NA> <NA> 2022-09-16
## # … with abbreviated variable name ¹last_updated
tail(gdp_data)
## # A tibble: 6 × 9
## iso2c iso3c country date NY.GDP.MKTP.CD unit obs_status footnote last_upda…¹
## <chr> <chr> <chr> <dbl> <dbl> <chr> <chr> <chr> <date>
## 1 MX MEX Mexico 2016 1.08e12 <NA> <NA> <NA> 2022-09-16
## 2 MX MEX Mexico 2017 1.16e12 <NA> <NA> <NA> 2022-09-16
## 3 MX MEX Mexico 2018 1.22e12 <NA> <NA> <NA> 2022-09-16
## 4 MX MEX Mexico 2019 1.27e12 <NA> <NA> <NA> 2022-09-16
## 5 MX MEX Mexico 2020 1.09e12 <NA> <NA> <NA> 2022-09-16
## 6 MX MEX Mexico 2021 1.29e12 <NA> <NA> <NA> 2022-09-16
## # … with abbreviated variable name ¹last_updated
library(ggplot2)
ggplot(gdp_data, aes(x = date, y = NY.GDP.MKTP.CD)) + geom_point()
ggplot(gdp_data, aes(x = date, y = NY.GDP.MKTP.CD)) + geom_col()
ggplot(gdp_data, aes(x = date, y = NY.GDP.MKTP.CD)) +
geom_col(fill = "red") +
geom_point(fill = "blue")
more_gdp_data <- wb_data(country = c("NG", "HT", "KE"),
indicator = "NY.GDP.MKTP.CD",
start_date = 1981, end_date = 2015)
ggplot(more_gdp_data, aes(x = date, y = NY.GDP.MKTP.CD, color = country, shape = country)) +
geom_point()
En este ejercicio se vio acerca del banco mundial y como extraer datos directamente de la página.EL banco mundial ofrece “KPI´s” que miden el desarrollo de los países. En este ejemplo, podemos analizar el PIB de diferentes países en una misma gráfica para comparar como han cambiado a lo largo de los años, también pudimos analizar y comparar el PIB de diferentes países.