Práctico 5. Visualización de variables en Quarto

R data analisis

Fecha de publicación

9 de abril de 2024

Presentación

Objetivo de la práctica

Esta práctica asume como base el desarrollo de la Práctica anterior, a la cual se hará referencia permanente. Sin embargo, en esta oportunidad la base de datos contiene los datos de los 18 países participantes en la encuesta, no solo Chile. El código específico que crea esta base está disponible acá

Quarto documents

Como recordarán del primer práctico, un documento de Quarto comienza con el yaml, que sigue una estructura similar a esta:

title: “Mi Documento”

format:

html:

toc: true

number-sections: true

Luego, podemos escribir en el documento, separando por títulos (#) cada sección. La jerarquía de los títulos se establece según la cantidad de ‘#’.

A continuación, en esta guía combinaremos el paso-a-paso de crear un documento dinámico con quarto, a la vez que vamos viendo distintas funciones de este proceso.

Por ejemplo, como hacer una nota al pie¹. Para hacerlo, solo debemos escribir [ ^2] pero sin el espacio entre los corchetes. Luego, en otra línea escribimos [^2]: Esta es la nota al pie

Código de análisis de ejemplo

Para poder escribir código de análisis en un documento Quarto debemos generar trozo de código llamado ‘Chunk’, que se puede crear con ctrl+alt+i o directamente en el menú de arriba en ‘Code -> Insert Chunk’.

Cargar paquetes

Código

pacman::p_load(sjlabelled,
               dplyr, #Manipulacion de datos
              stargazer, #Tablas
              sjmisc, # Tablas
              summarytools, # Tablas
              kableExtra, #Tablas
              sjPlot, #Tablas y gráficos
              corrplot, # Correlaciones
              sessioninfo, # Información de la sesión de trabajo
              ggplot2) # Para la mayoría de los gráficos

Cargar bases de datos

Cargamos ambas bases de datos desde internet

Código

load(url("https://github.com/Kevin-carrasco/R-data-analisis/raw/main/files/data/latinobarometro_total.RData")) #Cargar base de datos
load(url("https://github.com/Kevin-carrasco/R-data-analisis/raw/main/files/data/data_wvs.RData")) #Cargar base de datos

Para trabajar con ambas bases, agruparemos las variables de interés por país, por lo que ya no trabajaremos directamente con individuos.

Código

context_data <- wvs %>% group_by(B_COUNTRY) %>% # Agrupar por país
  summarise(gdp = mean(GDPpercap1, na.rm = TRUE), # Promedio de GDP per capita
         life_exp = mean(lifeexpect, na.rm = TRUE), # Promedio esperanza de vida
         gini = mean(giniWB, na.rm = TRUE)) %>%  # Promedio gini
  rename(idenpa=B_COUNTRY) # Para poder vincular ambas bases, es necesario que la variable de identificación se llamen igual
context_data$idenpa <- as.numeric(context_data$idenpa) # Como era categórica, la dejamos numérica

proc_data <- proc_data %>% group_by(idenpa) %>%  # agrupamos por país
  summarise(promedio = mean(conf_inst, na.rm = TRUE)) # promedio de confianza en instituciones por país

Unir bases de datos

Para vincular nuestras bases de datos existen múltiples opciones, la primera es ‘merge’ de R base y las siguientes tres vienen desde dplyr: ‘right_join’, ‘full_join’ y ‘left_join’. Cada una tiene sus propias potencialidades y limitaciones y dependerá de cada caso cuál usemos

Probemos merge

Código

data <- merge(proc_data, context_data, by="idenpa")

Código

data <- data %>%
  mutate(idenpa = as.character(idenpa)) %>%
  mutate(idenpa = case_when(
    idenpa == "32" ~ "Argentina",
    idenpa == "68" ~ "Bolivia",
    idenpa == "76" ~ "Brasil",
    idenpa == "152" ~ "Chile",
    idenpa == "170" ~ "Colombia",
    idenpa == "188" ~ "Costa Rica",
    idenpa == "214" ~ "Cuba",
    idenpa == "218" ~ "República Dominicana",
    idenpa == "222" ~ "Ecuador",
    idenpa == "320" ~ "El Salvador",
    idenpa == "340" ~ "Guatemala",
    idenpa == "484" ~ "Honduras",
    idenpa == "558" ~ "México",
    idenpa == "591" ~ "Nicaragua",
    idenpa == "600" ~ "Panamá",
    idenpa == "604" ~ "Paraguay",
    idenpa == "858" ~ "Uruguay",
    idenpa == "862" ~ "Venezuela"))

data$gdp <- as.numeric(data$gdp)
data$gdp[data$gdp==0] <- NA
data <- na.omit(data)

Visualizaciones

Podemos establecer referencias cruzadas para las tablas y gráficos dentro del texto, para poder automatizarlo, como ejemplo así, pero dentro del chunk:

#| label: tbl-sjmisc

#| tbl-cap: “Descriptivos con sjmisc”

Descriptivos

El Chunk se debería ver así:

#| label: tbl-sjmisc #| tbl-cap: “Descriptivos con sjmisc”

sjmisc::descr(data, show = c(“label”,“range”, “mean”, “sd”, “NA.prc”, “n”))%>% # Selecciona estadísticos kable(.,“markdown”) # Esto es para que se vea bien en quarto

Código

sjmisc::descr(data,
      show = c("label","range", "mean", "sd", "NA.prc", "n"))%>% # Selecciona estadísticos
      kable(.,"markdown") # Esto es para que se vea bien en quarto

Tabla 1: Descriptivos con sjmisc

	var	label	n	mean	sd	range
4	promedio	promedio	11	3.40077	1.016976	3.59 (2.3-5.9)
1	gdp	gdp	11	15528.18364	6480.045512	19523.79 (5631.2-25154.99)
3	life_exp	life_exp	11	75.90909	2.286593	8.8 (71.24-80.04)
2	gini	gini	11	45.46364	4.156266	14.2 (39.7-53.9)

Luego de establecer el link y el nombre de la tabla, podemos referenciar acá con un @, así: @ tbl-sjmisc (pero junto), y que se vería así Tabla 1

otra opción

Código

view(dfSummary(data, headings=FALSE))

Tabla 2: Descriptivos con summarytools

Switching method to 'browser'

Output file written: C:\Users\kevin\AppData\Local\Temp\Rtmp6DnSha\file2d4418bf6392.html

La tabla Tabla 2 muestra los estadísticos descriptivos de la base de datos hecha con summarytools

Gráficos

Y para los gráficos se hace de la misma forma:

#| label: fig-gdp

#| fig-cap: “Plots”

Código

ggplot(data, aes(x = idenpa, y = gdp)) +
  geom_point() +
  labs(x = "País", y = "Gdp") +
  theme_minimal()+
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

Figura 1: Producto interno bruto por país

Sin embargo la Figura 1 entrega información desordenada. Mejor ordenar por tamaño de PIB que por orden alfabético de los países. Para eso

Código

data_sorted <- data %>% arrange(desc(gdp))
ggplot(data_sorted, aes(x = factor(idenpa, levels = idenpa), y = gdp)) +
  geom_point() +
  labs(x = "País", y = "GDP") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

Figura 2: Producto interno bruto por país ordenado

Ahora sí la Figura 2 muestra un gráfico más ordenado.

Y comparar el promedio de confianza en instituciones según producto interno bruto por país?

Código

data %>%
  ggplot(aes(x = gdp, y = promedio, label = idenpa)) +
  geom_point() +
  geom_text(vjust = -0.5) +
  labs(x = "GDP", y = "Promedio") +
  theme_bw()

Figura 3: Confianza en instituciones según el producto interno bruto por país

La Figura 3 muestra la relación que existe entre el producto interno bruto y la confianza en instituciones para los 18 países analizados. Es interesante comparar los casos de Chile y urugay, que al tener similar GDP, tienen un nivel de confianza en instituciones muy diferente.

Notas

Esta es la nota al pie↩︎

--- title: "Práctico 5. Visualización de variables en Quarto" subtitle: "R data analisis" linktitle: "Práctico 5: Visualización" date: "2024-04-09" lang: es --- # Presentación # Objetivo de la práctica Esta práctica asume como base el desarrollo de la [Práctica anterior](https://r-data-analisis.netlify.app/practicos/04-content), a la cual se hará referencia permanente. Sin embargo, en esta oportunidad la base de datos contiene los datos de los 18 países participantes en la encuesta, no solo Chile. El código específico que crea esta base está disponible [acá](https://github.com/Kevin-carrasco/R-data-analisis/blob/main/practicos/latin_proc.R) # Quarto documents Como recordarán del primer práctico, un documento de Quarto comienza con el **yaml**, que sigue una estructura similar a esta: ---- title: "Mi Documento" format: html: toc: true number-sections: true ---- Luego, podemos escribir en el documento, separando por títulos (#) cada sección. La jerarquía de los títulos se establece según la cantidad de '#'. A continuación, en esta guía combinaremos el paso-a-paso de crear un documento dinámico con quarto, a la vez que vamos viendo distintas funciones de este proceso. Por ejemplo, como hacer una nota al pie[^1]. Para hacerlo, solo debemos escribir [ ^2] pero sin el espacio entre los corchetes. Luego, en otra línea escribimos [^2]: Esta es la nota al pie [^1]: Esta es la nota al pie # Código de análisis de ejemplo Para poder escribir código de análisis en un documento Quarto debemos generar trozo de código llamado 'Chunk', que se puede crear con ctrl+alt+i o directamente en el menú de arriba en 'Code -> Insert Chunk'. ## Cargar paquetes ```{r} pacman::p_load(sjlabelled, dplyr, #Manipulacion de datos stargazer, #Tablas sjmisc, # Tablas summarytools, # Tablas kableExtra, #Tablas sjPlot, #Tablas y gráficos corrplot, # Correlaciones sessioninfo, # Información de la sesión de trabajo ggplot2) # Para la mayoría de los gráficos ``` ## Cargar bases de datos Cargamos ambas bases de datos desde internet ```{r} load(url("https://github.com/Kevin-carrasco/R-data-analisis/raw/main/files/data/latinobarometro_total.RData")) #Cargar base de datos load(url("https://github.com/Kevin-carrasco/R-data-analisis/raw/main/files/data/data_wvs.RData")) #Cargar base de datos ``` Para trabajar con ambas bases, agruparemos las variables de interés por país, por lo que ya no trabajaremos directamente con individuos. ```{r} context_data <- wvs %>% group_by(B_COUNTRY) %>% # Agrupar por país summarise(gdp = mean(GDPpercap1, na.rm = TRUE), # Promedio de GDP per capita life_exp = mean(lifeexpect, na.rm = TRUE), # Promedio esperanza de vida gini = mean(giniWB, na.rm = TRUE)) %>% # Promedio gini rename(idenpa=B_COUNTRY) # Para poder vincular ambas bases, es necesario que la variable de identificación se llamen igual context_data$idenpa <- as.numeric(context_data$idenpa) # Como era categórica, la dejamos numérica proc_data <- proc_data %>% group_by(idenpa) %>% # agrupamos por país summarise(promedio = mean(conf_inst, na.rm = TRUE)) # promedio de confianza en instituciones por país ``` ## Unir bases de datos Para vincular nuestras bases de datos existen múltiples opciones, la primera es 'merge' de R base y las siguientes tres vienen desde dplyr: 'right_join', 'full_join' y 'left_join'. Cada una tiene sus propias potencialidades y limitaciones y dependerá de cada caso cuál usemos ### Probemos merge ```{r} data <- merge(proc_data, context_data, by="idenpa") ``` ```{r} data <- data %>% mutate(idenpa = as.character(idenpa)) %>% mutate(idenpa = case_when( idenpa == "32" ~ "Argentina", idenpa == "68" ~ "Bolivia", idenpa == "76" ~ "Brasil", idenpa == "152" ~ "Chile", idenpa == "170" ~ "Colombia", idenpa == "188" ~ "Costa Rica", idenpa == "214" ~ "Cuba", idenpa == "218" ~ "República Dominicana", idenpa == "222" ~ "Ecuador", idenpa == "320" ~ "El Salvador", idenpa == "340" ~ "Guatemala", idenpa == "484" ~ "Honduras", idenpa == "558" ~ "México", idenpa == "591" ~ "Nicaragua", idenpa == "600" ~ "Panamá", idenpa == "604" ~ "Paraguay", idenpa == "858" ~ "Uruguay", idenpa == "862" ~ "Venezuela")) data$gdp <- as.numeric(data$gdp) data$gdp[data$gdp==0] <- NA data <- na.omit(data) ``` ## Visualizaciones Podemos establecer referencias cruzadas para las tablas y gráficos dentro del texto, para poder automatizarlo, como ejemplo así, pero dentro del chunk: #| label: tbl-sjmisc #| tbl-cap: "Descriptivos con sjmisc" ### Descriptivos El Chunk se debería ver así: #| label: tbl-sjmisc #| tbl-cap: "Descriptivos con sjmisc" sjmisc::descr(data, show = c("label","range", "mean", "sd", "NA.prc", "n"))%>% # Selecciona estadísticos kable(.,"markdown") # Esto es para que se vea bien en quarto ```{r} #| label: tbl-sjmisc #| tbl-cap: "Descriptivos con sjmisc" sjmisc::descr(data, show = c("label","range", "mean", "sd", "NA.prc", "n"))%>% # Selecciona estadísticos kable(.,"markdown") # Esto es para que se vea bien en quarto ``` Luego de establecer el link y el nombre de la tabla, podemos referenciar acá con un @, así: @ tbl-sjmisc (pero junto), y que se vería así @tbl-sjmisc ### otra opción ```{r} #| label: tbl-summarytools #| tbl-cap: "Descriptivos con summarytools" view(dfSummary(data, headings=FALSE)) ``` La tabla @tbl-summarytools muestra los estadísticos descriptivos de la base de datos hecha con summarytools ### Gráficos Y para los gráficos se hace de la misma forma: #| label: fig-gdp #| fig-cap: "Plots" ```{r} #| label: fig-gdp #| fig-cap: "Producto interno bruto por país" ggplot(data, aes(x = idenpa, y = gdp)) + geom_point() + labs(x = "País", y = "Gdp") + theme_minimal()+ theme(axis.text.x = element_text(angle = 45, hjust = 1)) ``` Sin embargo la @fig-gdp entrega información desordenada. Mejor ordenar por tamaño de PIB que por orden alfabético de los países. Para eso ```{r} #| label: fig-gdp-order #| fig-cap: "Producto interno bruto por país ordenado" data_sorted <- data %>% arrange(desc(gdp)) ggplot(data_sorted, aes(x = factor(idenpa, levels = idenpa), y = gdp)) + geom_point() + labs(x = "País", y = "GDP") + theme_minimal() + theme(axis.text.x = element_text(angle = 45, hjust = 1)) ``` Ahora sí la @fig-gdp-order muestra un gráfico más ordenado. Y comparar el promedio de confianza en instituciones según producto interno bruto por país? ```{r} #| label: fig-ctr #| fig-cap: "Confianza en instituciones según el producto interno bruto por país" data %>% ggplot(aes(x = gdp, y = promedio, label = idenpa)) + geom_point() + geom_text(vjust = -0.5) + labs(x = "GDP", y = "Promedio") + theme_bw() ``` La @fig-ctr muestra la relación que existe entre el producto interno bruto y la confianza en instituciones para los 18 países analizados. Es interesante comparar los casos de Chile y urugay, que al tener similar GDP, tienen un nivel de confianza en instituciones muy diferente.