PARCIAL 1
PARCIAL 1 MAE118 NELSON JESUS CARRILLO PANIAGUA CP18075
2022-10-06
Parte Teorica
1. Explique ¿que son las estructuras de datos?
Son formas de organizar informacoin para manipular, buscar e insertar datos de manera eficiente.
Es un contendedor de datos basicos caracter, numerico, fecha, vector logico.
2. Exlique ¿como se orginazan las estructuras de datos en R?
Caracteristicas de las estructuras de datos:
Homogeneo:
un solo de tipo de datos a la ves ya sea numerico, caracter, fecha, vector logico
vector: una dimension del mismo tipo
matriz:dos dimensiones filas y columnas pero un solo tipo de datos
array: (datos de panel) puede tener una, dos o más dimensiones. Es simplemente un vector que se almacena con atributos adicionales que dan las dimensiones
Heterogenea:
distintpos tipos de datos cualitativa, etc
Existe la cohercionhace que se fuerze que la estructura de dato sea de un solo tipo
lista: Objeto mas general este puede ser engañoso puede estar conformado de otras listas puede contener vectores logicos, matriz, array, ect
dataframe: representa informacion en casos (filas) variables (columnas) varios tipos de datos.
3 Represente graficamente la instruccion anti_join(A,B) a traves de un diagram de Venn y explique su significado practico.
Todo lo que este en “A” que no este en “B”, Una anti-join es cuando desea mantener todos los valores en la tabla original, excepto aquellos valores que coinciden con la otra tabla.
Parte Practica
source("~/Metodos/bases de datos_comercio/base_comercio_new/funciones_comercio_exterior.R")Ejercio 1
Elabore una funcion que se llame totales_paises_anios que use como argumento el codigo pais iso de tres caracteres, para legir el socio comercial de El Salvador, y permita obtener las Exportaciones y las Importaciones para un periodo especifico
library(dplyr)
totales_pais_anios<-function(codigo,periodo){
Exp_Imp_Total<-data_comercio_exterior %>%
group_by(iso_3,anio) %>%
summarise(Exp= sum(valor_fob),
Imp= sum(valor_cif))
Exp_Imp_Total %>% filter(iso_3==codigo, anio %in% periodo)
}Ejercio 2
Usando la funcion creada en el ejercicio 1 y los comandos que sean necesarios, genere la siguiente tabla:(nota ratio es el cociente entre importaciones y exportaciones) GTM= Guatemala, HND= Honduras
library(kableExtra)
library(dplyr)
data_comercio_exterior%>%
filter(anio %in% 2017:2020,codigo_pais=="320", valor_fob>0,valor_cif>0)%>%
group_by(anio)%>%
summarise(`Exportaciones_GTM`=sum(valor_fob)/1e6,
`Importaciones_GTM`=sum(valor_cif)/1e6)%>%
mutate(Ratio_GTM =`Importaciones_GTM` /`Exportaciones_GTM`)%>%
select("anio","Exportaciones_GTM","Importaciones_GTM","Ratio_GTM")%>%head()%>%kable(caption = "Cantidad importada por cada dolar exportado a la región Centroamericana. 2017-2019", aling="l")%>% kable_minimal() %>%
add_footnote(label="Elaboración para el Parcial 1 MAE118 2022",
notation="symbol") %>% kable_minimal()| anio | Exportaciones_GTM | Importaciones_GTM | Ratio_GTM |
|---|---|---|---|
| 2017 | 585.3573 | 664.5054 | 1.135213 |
| 2018 | 617.9130 | 683.1045 | 1.105503 |
| 2019 | 714.8241 | 869.3412 | 1.216161 |
| 2020 | 385.9912 | 498.4241 | 1.291284 |
| * Elaboración para el Parcial 1 MAE118 2022 |
data_comercio_exterior%>%
filter(anio %in% 2017:2020,codigo_pais=="340", valor_fob>0,
valor_cif>0)%>%
group_by(anio)%>%
summarise(`Exportaciones_HND`=sum(valor_fob)/1e6,
`Importaciones_HND`=sum(valor_cif)/1e6)%>%
mutate(Ratio_HND =`Importaciones_HND` /`Exportaciones_HND`)%>%
select("anio",
"Exportaciones_HND",
"Importaciones_HND",
"Ratio_HND")%>%head()%>%kable(caption = "Cantidad importada por cada dolar exportado a la región Centroamericana. 2017-2020", aling="l")%>% kable_minimal() %>%
add_footnote(label="Elaboración para el Parcial 1 MAE118 2022",
notation="symbol") %>% kable_minimal()| anio | Exportaciones_HND | Importaciones_HND | Ratio_HND |
|---|---|---|---|
| 2017 | 532.0069 | 442.0924 | 0.8309900 |
| 2018 | 640.1045 | 605.8238 | 0.9464450 |
| 2019 | 655.9949 | 679.9495 | 1.0365164 |
| 2020 | 294.2452 | 290.6471 | 0.9877717 |
| * Elaboración para el Parcial 1 MAE118 2022 |
Ejercicio 3
Obtenga los indicadores de Balassa, para el capitulo “01”, usando las funciones provistas en clase.
options(scipen=99999)
library(dplyr)
library(kableExtra)
library(readxl)
resultado_balassa = data.frame("años"=2017:2020,
"Balassa_GTM"= sapply(X=2017:2020,
FUN= indicadores_Balassa_capitulo,
codigo_pais=320,
capitulo="01"),
"Balassa_HND"= sapply(X=2017:2020,
FUN= indicadores_Balassa_capitulo,
codigo_pais=340,
capitulo="01")
)
resultado_balassa%>%head()%>%kable(caption = "Índice de Balassa con IB_GTM, IB_HND. Capítulo 01. 2017-2020", aling="l")%>%
add_footnote(label="Elaboración para el Parcial 1 MAE118 2022",
notation="symbol") %>% kable_minimal()| años | Balassa_GTM | Balassa_HND |
|---|---|---|
| 2017 | 0.8593593 | -0.0407459 |
| 2018 | 0.8564358 | -0.1278098 |
| 2019 | 0.8423425 | -0.2435638 |
| 2020 | 0.9170955 | 0.4120962 |
| * Elaboración para el Parcial 1 MAE118 2022 |
Ejercicio 4
Genera una funcion que obtenga un ranking, anual, de los “k” principales socios comerciales de El Salvador , para el perido año inicio-año final. Presente sus resultados en el siguiente formato:
options (scipen = 9999)
library(dplyr)
library(readxl)
nombre_archivo <- "~/Metodos/bases de datos_comercio/base_comercio_new/nombres_iso_paises.xlsx"
nombres_iso_paises <- read_excel(nombre_archivo)
data_comercio_exterior %>%
left_join(nombres_iso_paises,
by = c("pais" = "nom_pais_esp")) -> data_comercio
#Seleccionar Años
anios_ranking<-2018:2020
data_comercio_exterior %>%
filter(anio %in% anios_ranking) ->data_ranking
data_ranking %>%
group_by(anio,iso_3) %>%
summarise(total=sum(valor_fob)) %>% mutate(percent=round(prop.table(total)*100,2)) %>%
slice_max(n = 10,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_reportelibrary(tidyr)
insumo_reporte %>%
pivot_wider(names_from = rank,values_from = data)->tabla_ranking
print(tabla_ranking)## # A tibble: 3 × 11
## anio `1` `2` `3` `4` `5` `6` `7` `8` `9` `10`
## <dbl> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
## 1 2018 USA|44.07 HND|15.34 GTM|14.36 NIC|6… CRI|… MEX|… PAN|… DOM|… CHN|… ESP|…
## 2 2019 USA|41.88 GTM|15.95 HND|15.91 NIC|6… CRI|… MEX|… PAN|… DOM|… CAN|… CHN|…
## 3 2020 USA|36.8 GTM|16.92 HND|15.34 NIC|7… CRI|… MEX|… PAN|… DOM|… KOR|… CHN|…library(kableExtra)
tabla_ranking %>%
kable(caption = paste("Top",10," socios comerciales, periodo 2018-2020, datos en porcentaje de las exportaciones totales",
min(anios_ranking),"-",max(anios_ranking))) %>% kable_minimal()%>% kable_minimal() %>%
add_footnote(label="Elaboración para el Parcial 1 MAE118 2022",
notation="symbol") %>% kable_minimal()| anio | 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 | MEX|2.44 | PAN|2.08 | DOM|1.65 | CHN|1.45 | ESP|0.82 |
| 2019 | USA|41.88 | GTM|15.95 | HND|15.91 | NIC|6.68 | CRI|4.5 | MEX|2.53 | PAN|2.05 | DOM|1.77 | CAN|1.08 | CHN|0.87 |
| 2020 | USA|36.8 | GTM|16.92 | HND|15.34 | NIC|7.52 | CRI|5.08 | MEX|2.42 | PAN|1.97 | DOM|1.81 | KOR|1.61 | CHN|1.6 |
| * Elaboración para el Parcial 1 MAE118 2022 |