Resolución Primer Parcial Ordinario MAE
Luis Alexander Palacios Zuniga
2022-10-06
Parte Teórica
1) Explique ¿qué son las estructuras de datos?
Las estructuras de datos son el contenedor o la manera en la que se pueden organizar los tipos de datos, dependiendo de las características de los mismos. Son una forma de organizar, manipular, buscar e insertar datos de manera eficiente.
2) Explique ¿cómo se clasifican las estructuras de datos en R?
Las estructuras de datos en R pueden ser de dos tipos:
a) Estructuras homogeneas: Las estructuras homogeneas son aquellas que almacenan datos de solo un mismo tipo, dentro de estas se encuentran las siguientes estructuras de control:
Vector simple: Son vectores atómicos por lo que solo pueden contener un solo tipo de dato, ya sea númerico, cadena de carácteres, lógicos, etc.
Matrices: En R es un conjunto de elementos del mismo tipo los cuales están organizados en filas y columnas.
Array: Pueden tener un número arbitrario de dimensiones.Los arrays tienen la restricción de que todos sus datos deben ser del mismo tipo, no importando en cuántas dimensiones se encuentren.
b) Estructuras heterogenas: Son estructuras que pueden almacenar datos de diferentes tipos, las estructuras de control son las siguientes:
Listas: Son estructuras de datos unidimensionales, una lista es un contenedor de objetos que pueden ser de cualquier clase: números, vectores, matrices, funciones, data. frames, incluso otras listas.
Dataframe: Son estructuras de dos dimensiones que pueden contener datos de diferentes tipos, se puede entender como una versión más flexible de una matriz.
3) Represente gráficamente la instrucción anti_join(A,B) a través de un diagrama de Venn y explique su significado práctico.
Es la unión de todos los elementos de A que solamente pertenezcan a “A” y no a B.
Parte Práctica
library(dplyr)
load("C:/Users/PC/Desktop/UES/CICLO 2 2022/MAE/Practica para repetido parcial 1/Luis Alexander Palacios Zuniga - data_parcial_1_2021.RData")
nombre_archivo<-nombres_iso_paises
nombres_iso_paises <- nombre_archivo
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 argumentos el código de país iso de tres caracteres, para elegir el socio comercial de El Salvador, 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)/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 1 y los comandos que sean necesarios, genere la siguiente tabla: GTM= Guatemala, HND = Honduras.
library(kableExtra)
## Tabla de GTM
tabla_GTM<-totales_pais_anios("GTM", 2017:2020)
colnames(tabla_GTM)<-c("Pais", "anio", "Exportaciones_GTM", "Importaciones_GTM")
tabla_GTM %>% mutate(ratio_GTM=Importaciones_GTM/Exportaciones_GTM)->tabla_GTM
## Tabla de HND
tabla_HND<-totales_pais_anios("HND",2017:2020)
colnames(tabla_HND)<-c("Pais", "anio", "Exportaciones_HND", "Importaciones_HND")
tabla_HND %>% mutate(ratio_HND=Importaciones_HND/Exportaciones_HND)->tabla_HND
## usando left_join
Tabla <- tabla_GTM %>% left_join(tabla_HND, by= c("anio"="anio"))
Tabla %>% select("anio","Exportaciones_GTM", "Importaciones_GTM","ratio_GTM","Exportaciones_HND", "Importaciones_HND","ratio_HND")%>%
head(4)%>%
kable(col.names=(c("anio","Exportaciones_GTM", "Importaciones_GTM","ratio_GTM","Exportaciones_HND", "Importaciones_HND","ratio_HND")),
align="c")%>%
kable_classic(html_font= "Times New Roman",
font_size= 14)%>%
row_spec(0, bold= T)%>%
footnote(general_title= "fuente:",
general= "Elaboracion propia con base en datos del BCR.")| anio | Exportaciones_GTM | Importaciones_GTM | ratio_GTM | Exportaciones_HND | Importaciones_HND | ratio_HND |
|---|---|---|---|---|---|---|
| 2017 | 792.2283 | 1045.8558 | 1.320145 | 796.8583 | 583.3582 | 0.7320727 |
| 2018 | 847.9121 | 1169.5972 | 1.379385 | 905.7280 | 753.9197 | 0.8323909 |
| 2019 | 948.2554 | 1273.0989 | 1.342570 | 945.6884 | 826.9239 | 0.8744147 |
| 2020 | 523.3755 | 774.0205 | 1.478901 | 474.6502 | 412.0073 | 0.8680229 |
| fuente: | ||||||
| Elaboracion propia con base en datos del BCR. |
Ejercicio 3:
Obtenga los indicadores de Balassa, para el capítulo “01”, usando las funciones provistas en clase. (GTM y HND)
source("C:/Users/PC/Desktop/UES/CICLO 2 2022/MAE/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/PC/Desktop/UES/CICLO 2 2022/MAE/Parcial año pasado/Luis Alexander Palacios Zuniga - ..." ... [TRUNCATED]
##
## > nombre_archivo <- "C:/Users/PC/Desktop/UES/CICLO 2 2022/MAE/Practica comercio exterior/nombres_iso ..." ... [TRUNCATED]
##
## > nombres_iso_paises <- read_excel(nombre_archivo)
##
## > 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]library(readr)
library(dplyr)
library(knitr)
library(kableExtra)
resultado_balassa<-data.frame("anios"=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 = "**indice de Balassa: Guatemala y Honduras para el periodo 2017-2020",
col.names = c("Anio", "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 = "Elaboracion propia con base en datos del BCR")| Anio | 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: | ||
| Elaboracion propia con base en datos del BCR |
Ejercicio 4:
Genera una función que obtenga un ranking, anuales, de los “K” principales socios comerciales de El Salvador, para el periodo año inicio-año final. Presente sus resultados en el siguiente formato: Top K Socioscomerciales, periodo año inicio-año final, datos en porcentaje de las exportaciones totales.
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 = "Elaborado para el Parcial 1 MAE118 2022")
}
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: | ||||||||||
| Elaborado para el Parcial 1 MAE118 2022 |