Untitled

#carga de librerias

library(kableExtra)
library(dplyr)

## 
## Attaching package: 'dplyr'

## The following object is masked from 'package:kableExtra':
## 
##     group_rows

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

library(readxl)

#carga de datos

nombres_iso_paises <- read_excel("nombres_iso_paises.xlsx")
load("C:/Users/pc/Downloads/data_comercio_exterior_actualizada.RData")
source(file = "C:/Users/pc/Downloads/funciones_comercio_exterior.R")

#3 obtenga los indicadores de balassa, para el capitulo”01”usando las funciones provistas en clase (para el periodo 2018-2020)

capitulo<-"01"
data.frame("años"=2018:2020,
"IB_Guatemala"=sapply(X=2018:2020,FUN = indicadores_Balassa_capitulo,codigo_pais=320,capitulo=capitulo),  "IB_Honduras"=sapply(X=2018:2020,FUN=indicadores_Balassa_capitulo,codigo_pais=340,capitulo=capitulo))%>%
head() %>% kable(caption = "Balassa Version Nueva") %>% kable_minimal() %>% 
  add_footnote(label="Elaboración propia con base en datos del BCR",
               notation="symbol") %>%  kable_styling(bootstrap_options = "striped",full_width = TRUE)

Balassa Version Nueva

años	IB_Guatemala	IB_Honduras
2018	0.9093569	0.1149491
2019	0.9003127	-0.0076163
2020	0.9183771	0.3837457
* Elaboración propia con base en datos del BCR

#4

top_socios_comerciales <-
  function(anios_ranking = 2018:2020,
           numero_socios = 10,
           posiciones_decimales = 2,
           titulo_pie_tabla = "Fuente:",
           pie_tabla = "Elaboración para el Parcial 1 MAE118 2022") {
    
    #Filtro Años Requeridos
    data_comercio_exterior %>%
      filter(anio %in% anios_ranking) -> data_ranking
    
    #Cálculo de Porcentajes
    data_ranking %>%
      group_by(anio, iso_3) %>%
      summarise(total = sum(valor_fob)) %>%
      mutate(percent = round(prop.table(total) * 100, posiciones_decimales)) %>%
      slice_max(n = numero_socios, order_by = total) %>%
      as.data.frame() %>%
      group_by(anio) %>%
      mutate(rank = row_number(),
             data = paste(iso_3, "|", percent, "%", sep = "")) %>%
      select(anio, data, rank) %>%
      as.data.frame() -> insumo_reporte
    names(insumo_reporte) <- c("Año", "Data", "Rank")
    
    #Formato Tabla original
    library(tidyr)
    insumo_reporte %>%
      pivot_wider(names_from = Rank, values_from = Data) -> mi_tabla
    
    #Formato Tabla Final
    library(kableExtra)
    mi_tabla %>%
      kable(
        caption = paste(
          "Top",
          numero_socios,
          "de Exportaciones Periodo",
          min(anios_ranking),
          "-",
          max(anios_ranking),
          "."
        ),
        align = "c"
      ) %>%
      kable_classic(html_font = "Times New Roman",
                    font_size = 14) %>%
      column_spec(1, bold = T) %>%
      row_spec(0, bold = T, color = "black") %>%
      footnote(general_title = titulo_pie_tabla,
               general = pie_tabla)
  }

#Prueba con Valores por Default
top_socios_comerciales()

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

Top 10 de Exportaciones Periodo 2018 - 2020 .

Año	1	2	3	4	5	6	7	8	9	10
2018	USA|44.07%	HND|15.34%	GTM|14.36%	NIC|6.87%	CRI|4.39%	NA|3.02%	MEX|2.44%	PAN|2.09%	DOM|1.65%	ESP|0.82%
2019	USA|42.04%	GTM|15.92%	HND|15.9%	NIC|6.66%	CRI|4.46%	MEX|2.54%	NA|2.37%	PAN|2.03%	DOM|1.75%	CAN|1.09%
2020	USA|39.25%	GTM|16.87%	HND|15.45%	NIC|7.25%	CRI|4.63%	NA|3.99%	MEX|2.47%	PAN|1.87%	DOM|1.78%	DEU|0.72%
Fuente:
Elaboración para el Parcial 1 MAE118 2022