Paso 1. Instalar paquetes

Como primer paso, instalamos los paquetes del Banco Mundial para así poder acceder a sus datos.

#install.packages("WDI")
#install.packages("wbstats")

Paso 2. Información de 1 país

Obtuvimos la información de un solo país por medio del uso de una librería. Además, mostramos un resumen de la información obtenida.

library(wbstats)
gdp_data <- wb_data(country ="MX", indicator ="NY.GDP.PCAP.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.PCAP.CD        unit            obs_status          footnote        
##  Min.   :  981.5   Length:49          Length:49          Length:49         
##  1st Qu.: 2569.2   Class :character   Class :character   Class :character  
##  Median : 5650.0   Mode  :character   Mode  :character   Mode  :character  
##  Mean   : 5751.7                                                           
##  3rd Qu.: 9068.3                                                           
##  Max.   :10928.9                                                           
##   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

Paso 3. Imprimir head y tail

Imprimimos los 6 primeros y últimos valores de la Base de Datos.

head(gdp_data)
## # A tibble: 6 × 9
##   iso2c iso3c country  date NY.GDP.PCAP.CD unit  obs_status footnote last_upda…¹
##   <chr> <chr> <chr>   <dbl>          <dbl> <chr> <chr>      <chr>    <date>     
## 1 MX    MEX   Mexico   1973           981. <NA>  <NA>       <NA>     2022-09-16 
## 2 MX    MEX   Mexico   1974          1242. <NA>  <NA>       <NA>     2022-09-16 
## 3 MX    MEX   Mexico   1975          1476. <NA>  <NA>       <NA>     2022-09-16 
## 4 MX    MEX   Mexico   1976          1454. <NA>  <NA>       <NA>     2022-09-16 
## 5 MX    MEX   Mexico   1977          1301. <NA>  <NA>       <NA>     2022-09-16 
## 6 MX    MEX   Mexico   1978          1589. <NA>  <NA>       <NA>     2022-09-16 
## # … with abbreviated variable name ¹​last_updated
tail(gdp_data)
## # A tibble: 6 × 9
##   iso2c iso3c country  date NY.GDP.PCAP.CD unit  obs_status footnote last_upda…¹
##   <chr> <chr> <chr>   <dbl>          <dbl> <chr> <chr>      <chr>    <date>     
## 1 MX    MEX   Mexico   2016          8745. <NA>  <NA>       <NA>     2022-09-16 
## 2 MX    MEX   Mexico   2017          9288. <NA>  <NA>       <NA>     2022-09-16 
## 3 MX    MEX   Mexico   2018          9687. <NA>  <NA>       <NA>     2022-09-16 
## 4 MX    MEX   Mexico   2019          9950. <NA>  <NA>       <NA>     2022-09-16 
## 5 MX    MEX   Mexico   2020          8432. <NA>  <NA>       <NA>     2022-09-16 
## 6 MX    MEX   Mexico   2021          9926. <NA>  <NA>       <NA>     2022-09-16 
## # … with abbreviated variable name ¹​last_updated

Paso 4. Graficamos la información obtenida

geom_point

library(ggplot2)

ggplot(gdp_data, aes(x=date, y=NY.GDP.PCAP.CD)) +
  geom_point()

geom_col

ggplot(gdp_data, aes(x=date, y=NY.GDP.PCAP.CD)) +
  geom_col()

geom_col y geom_point

ggplot(gdp_data, aes(x=date, y=NY.GDP.PCAP.CD)) +
  geom_col(fill="red") +
  geom_point(color = "blue")

Paso 5. Información de varios países

Obtuvimos la información de 3 países para compararlos.

more_gdp_data <- wb_data(country = c("NG", "HT", "KE"),
                         indicator = "NY.GDP.PCAP.CD",
                         start_date = 1981, end_date = 2015)

Paso 6. Gráfica de varios países

Para poder comparar más visualmente, graficamos nuestros datos.

ggplot(more_gdp_data, aes(x = date, y = NY.GDP.PCAP.CD, color = country, shape = country)) +
  geom_point()

Conclusiones

R nos permite acceder a librerías de información enormes, tal como la del Banco Mundial. El tener claro que se tiene toda esta información es de mucha valía, más por todo el análisis que se puede hacer con toda esta información.

Sobre las gráficas finales, es muy triste ver que Kenia y Haití tengan un desarrollo tan lento (comparado con los demás países), la gráfica nos facilita mucho ver el desarrollo de estos países con el de Nigeria, un desarrollo más rápido que el de los otros dos países.