PARTE I (TEORICA)
PREGUNTA 1
EXPLIQUE ¿QUE SON LAS ESTRUCTURAS DE DATOS?
Una estructura de datos es un espacio o contenedor para guardar información de interes para realizar operaciones ya sea ordenar, clasificar o presentar información.
PREGUNTA 2
EXPLIQUE ¿CÓMO SE CLASIFICAN LAS ESTRUCTURAS DE DATOS EN R?
Tabla_Estructura<-data.frame(Dimensiones=c("1","2","n"),
Homogeneas= c("Vector Atomico", "Matriz", "Array"),
Heterogeneas=c("Lista", "Data Frame"," "))
print(Tabla_Estructura)## Dimensiones Homogeneas Heterogeneas
## 1 1 Vector Atomico Lista
## 2 2 Matriz Data Frame
## 3 n ArrayLas estructuras de datos se clasifican según el tipo de información que puedan contener o almacenar, sí estas solo albergan un tipo de información son denominadas estructuras homogeneas, estas se subdividen en Vector atomico, matriz y array. Ahora si estás estructuras almacenacen varios tipos de información se clasifica como Heterogeneas, las cuales se dividen en Listas y Data frames.
PREGUNTA 3
REPRESENTE GRÁFICAMENTE LA INSTRUCCION ANTI_JOIN(A,B) A TRAVÉS DE UN DIAGRAMA DE VENN Y EXPLIQUE SU SIGNIFICADO
Se establecerá A y B como se muestra a continuación, para mostrar un ejemplo de su uso.
library(eulerr)
A<-data.frame(team=c("A","B","C","D","E"),
points=c(12,14,20,22,28))
B<-data.frame(team=c("A","B","C","F","G"),
points=c(12,14,20,24,26))
data <- c(A=5,B=5,
"A&B"=3)
venn <- euler(data)
plot(venn)
anti_join(A,B) representaría todos los elementos que pertenecen a A pero que no se encuentran en el conjunto B.(área blanca)
Su significado practico sería: si se tuviesen dos tablas o Data frames (A y B), se daría a conocer o mostrar todas la información que se contiene en A exceptuando aquella información que tambien está en B. Como se mostraría an continuación
library(dplyr)
anti_join(x = A, y = B, "team")## team points
## 1 D 22
## 2 E 28PARTE II (PRACTICA)
CARGA DE DATOS A UTILIZAR
load("C:/Users/8abla/Documents/MAE118/PARCIAL 1/José Alejandro Blanco Ochoa - data_parcial_1_2021.RData")PREPARACION DE TABLA A UTILIZAR
data_comercio_exterior %>% left_join(nombres_iso_paises,by=c("pais"="nom_pais_esp"))->data_comercio_exteriorEJERCICIO 1
Elabore una función que se llame totales_pais_anios, que use como argumento el código de país iso de tres caracteres, para elegir el socio comercial de El Salvador, y permita obtener las Exportaciones y las Importaciones para un período específico.
library(dplyr)
totales_pais_anios<-function(codigo,periodo){
Exp_Imp_Total<-data_comercio_exterior %>%
group_by(iso_3,anio) %>%
summarise(Exp= sum(valor_fob)/1e6,
Imp= sum(valor_cif)/1e6)
Exp_Imp_Total %>% filter(iso_3==codigo, anio %in% periodo)
}EJERCICIO 2
Usando la función creada en el ejercicio 1y los comandos que sean necesarios, genere la siguiente tabla: (nota: ratio es el cociente entre importaciones y exportaciones) GTM=Guatemala, HND=Honduras.
library(kableExtra)
tabla_HND<-totales_pais_anios("HND",2017:2020)
colnames(tabla_HND)<-c("Pais", "anio", "Exp_HND", "Imp_HND")
tabla_HND %>% mutate(Ratio_HND=Imp_HND/Exp_HND)->tabla_HND
tabla_GTM<-totales_pais_anios("GTM", 2017:2020)
colnames(tabla_GTM)<-c("Pais", "anio", "Exp_GTM", "Imp_GTM")
tabla_GTM %>% mutate(Ratio_GTM=Imp_GTM/Exp_GTM)->tabla_GTM
tabla_HND %>% left_join(tabla_GTM, by= c("anio"="anio")) ->mi_tabla
mi_tabla %>% select("anio","Exp_HND", "Imp_HND","Ratio_HND","Exp_GTM", "Imp_GTM","Ratio_GTM")->mi_tabla
mi_tabla %>% kable(caption = paste("Tabla", " ", "No.1:", "Exportaciones, Importaciones y Ratio de El Salvador con Guatemala y Honduras expresado en Millones de Dólares")) %>% kable_classic(html_font = "Times New Roman",
font_size = 14) %>%
row_spec(0, bold = T, color = "black") %>%
footnote(general_title = "**Fuente**:",
general = "Elaboración propia, con base en información del BCR") | anio | Exp_HND | Imp_HND | Ratio_HND | Exp_GTM | Imp_GTM | Ratio_GTM |
|---|---|---|---|---|---|---|
| 2017 | 796.8583 | 583.3582 | 0.7320727 | 792.2283 | 1045.8558 | 1.320145 |
| 2018 | 905.7280 | 753.9197 | 0.8323909 | 847.9121 | 1169.5972 | 1.379385 |
| 2019 | 945.6884 | 826.9239 | 0.8744147 | 948.2554 | 1273.0989 | 1.342570 |
| 2020 | 474.6502 | 412.0073 | 0.8680229 | 523.3755 | 774.0205 | 1.478901 |
| Fuente: | ||||||
| Elaboración propia, con base en información del BCR |
EJERCICIO 3
Obtenga los indicadores de Balassa, para el capitulo “01”, usando las funciones provistas en clase.
CARGA DE FUNCIONES
source(
file = "C:/Users/8abla/Documents/MAE118/funciones_comercio_exterior.R",
echo = TRUE,
max.deparse.length = 100,
encoding = "utf-8"
)##
## > options(scipen = 999)
##
## > library(dplyr)
##
## > library(readxl)
##
## > library(stringr)
##
## > load("C:/Users/8abla/Documents/MAE118/PARCIAL 1/José Alejandro Blanco Ochoa - data_parcial_1_2021. ..." ... [TRUNCATED]
##
## > nombres_iso_paises <- nombres_iso_paises
##
## > data_comercio_exterior <- data_comercio_exterior %>%
## + left_join(nombres_iso_paises, by = c(p .... [TRUNCATED]
##
## > herramientas_mostrar_paises <- function() {
## + paises <- nombres_iso_paises %>% select(nom_pais .... [TRUNCATED]
##
## > herramientas_mostrar_regiones <- function() {
## + nombres_iso_paises %>% group_by(region, cod_re .... [TRUNCATED]
##
## > herramientas_mostrar_paises_en_tabla <- function() {
## + data_comercio_exterior %>% group_by(pai .... [TRUNCATED]
##
## > indicadores_IVCR_capitulo <- function(codigo_pais,
## + capitulo, anio) {
## + codigo_pais <- e .... [TRUNCATED]
##
## > indicadores_IVCR_partida <- function(codigo_pais,
## + partida, anio) {
## + codigo_pais <- enq .... [TRUNCATED]
##
## > indicadores_Balassa_capitulo <- function(codigo_pais,
## + capitulo, anio, normalizado = TRUE) { .... [TRUNCATED]
##
## > indicadores_Balassa_partida <- function(codigo_pais,
## + partida, anio, normalizado = TRUE) {
## + .... [TRUNCATED]
##
## > indicadores_IHH_Herfindahl_Hirschmann_anual_texto <- function(codigo_pais,
## + anio, normalizad .... [TRUNCATED]
##
## > indicadores_IHH_Herfindahl_Hirschmann_anual <- function(codigo_pais,
## + anio, normalizado = TR .... [TRUNCATED]INDICADOR DE BALASSA
library(readr)
library(dplyr)
library(knitr)
library(kableExtra)
resultado_balassa = data.frame("años"=2017:2020,
"IB_GTM"= sapply(X=2017:2020,
FUN= indicadores_Balassa_capitulo,
codigo_pais=320,
capitulo="01"),
"IB_HND"= sapply(X=2017:2020,
FUN= indicadores_Balassa_capitulo,
codigo_pais=340,
capitulo="01"))
resultado_balassa%>%head()%>%
kable(
caption = "**Índice de Balassa: Guatemala y Honduras para el periodo 2017-2020",
col.names = c("Año", "IB_GTM", "IB_HND"),
align = c("c", "c", "c"),
digits = 2
) %>%
kable_classic(html_font = "Times New Roman",
font_size = 14) %>%
row_spec(0, bold = T) %>%
footnote(general_title = "**Fuente:**",
general = "Elaboración propia con base en datos del BCR")| Año | IB_GTM | IB_HND |
|---|---|---|
| 2017 | 0.86 | -0.04 |
| 2018 | 0.86 | -0.13 |
| 2019 | 0.84 | -0.24 |
| 2020 | 0.92 | 0.41 |
| Fuente: | ||
| Elaboración propia con base en datos del BCR |
EJERCICIO 4
Genera una función que obtenga un ranking, anual, de los “k” principales socios comerciales de El Salvador, para el período año inicio-año final. Presente sus resultados en el siguiente formato: ISO pais|% Expor.
Por default debe incluir el texto: Elaboración propia, con base en información del BCR.
Y utilizala para generar el top 10 de socios comerciales para el período 2018-2020, la tabla deberá tener el pie de página “Elaborado para el Parcial 1 MAE118-2022”
CREACION DE LA FUNCION
options(scipen=999)
library(dplyr)
library(tidyr)
library(kableExtra)
Ranking_socios_comerciales<- function(k,anios){
anios_ranking<-anios
data_comercio_exterior%>%
filter(anio %in% anios_ranking )-> data_ranking
data_ranking %>%
group_by(anio, iso_3) %>%
summarise(Total_Exportaciones= sum(valor_fob)) %>%
mutate(porcentaje=
round(prop.table(Total_Exportaciones)*100,2)) %>%
slice_max(n=k, order_by = Total_Exportaciones) %>%
as.data.frame() %>%
group_by(anio) %>%
mutate(rank=row_number(),data=paste(iso_3,"|",porcentaje, sep ="")) %>%
select(anio,data,rank) %>%
as.data.frame()->Exportaciones
Exportaciones %>%
pivot_wider(names_from = rank,
values_from = data)->mi_tabla
mi_tabla %>% kable(caption = paste("TOP",k,"Socios Comerciales,", "periodo", min(anios_ranking),"-",max(anios_ranking),"datos en porcentaje de las exportaciones totales")) %>% kable_classic(html_font = "Times New Roman",
font_size = 14) %>%
row_spec(0, bold = T, color = "black") %>%
footnote(general_title = "**Fuente**:",
general = "Elaboración propia, con base en información del BCR")
}Aplicacion para generar el top 10 de socios comerciales para el período 2018-2020
Ranking_socios_comerciales(10,2018:2020)| 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 |
| Fuente: | ||||||||||
| Elaboración propia, con base en información del BCR |