-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathtrabajo_final.Rmd
792 lines (620 loc) · 26.7 KB
/
trabajo_final.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
---
title: "Asistencias y usos de los Puntos Digitales"
subtitle: "Trabajo Final Integrador"
author: Valeria Aguirre, Alejandro Blasco, Fernanda López Franz y Pilar Thill
date: "2023-10-20"
output:
html_document:
theme: flatly
# highlight: zenburn
highlight: pygments
toc: true
toc_float:
collapsed: false
smooth_scroll: false
number_sections: true
code_folding: hide
---
<head>
<link href="https://fonts.googleapis.com/css?family=Libre+Franklin:400,700&display=swap" rel="stylesheet">
<link href="https://fonts.googleapis.com/css?family=Source+Sans+Pro:400,700&display=swap" rel="stylesheet">
<link href="https://fonts.googleapis.com/css?family=Google+Font+Name&display=swap" rel="stylesheet">
<link href="https://fonts.googleapis.com/css2?family=Roboto:wght@400;700&display=swap" rel="stylesheet">
<link href="https://fonts.googleapis.com/css2?family=Encode+Sans:wght@400;700&display=swap" rel="stylesheet">
<link href="https://fonts.googleapis.com/css2?family=Roboto+Mono&display=swap" rel="stylesheet" >
<link href="https://fonts.googleapis.com/css?family=Source+Sans+Pro:400,700&display=swap" rel="stylesheet">
<link href="https://fonts.googleapis.com/css?family=Lato:400,700&display=swap" rel="stylesheet">
</head>
<style>
.list-group-item.active, .list-group-item.active:focus, .list-group-item.active:hover {
background-color: #016763;
}
body {
font-family: 'Libre Franklin', system-ui, 'Segoe UI', Roboto, Helvetica, 'Arial', 'Apple Color Emoji', 'Segoe UI Emoji', 'Segoe UI Symbol', 'Noto Color Emoji', 'Source Sans Pro', 'Lato', 'Helvetica Neue', sans-serif;
}
</style>
```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
# Variables de Entorno
t_inicio <- Sys.time()
WARN_ACT <- FALSE # Warnings de Librerías
PATH <- "datos/"
PATH2 <- "datos/actividades/"
puntos_arch <- "puntos_digitales.csv"
depto_comp <- "departamentos.7z"
depto_arch <- "departamentos.json"
prov_comp <- "provincia.7z"
prov_arch <- "ign_provincia.shp"
indic_arch <- "indicadores.shp"
```
***UNaB***\
*Diplomatura en Análisis de Datos para el Desarrollo de Políticas Públicas*\
Universidad Nacional Guillermo Brown
***Coordinador:***\
Juan Domingo González
# Objetivos Generales
El objetivo general del presente trabajo consiste en analizar el perfil de los/las asistentes y los usos de los Puntos Digitales (PD) distribuidos a lo largo y a lo ancho del país. En esta línea, nuestra idea -en términos generales- es dimensionar y visualizar las características de los usos (frecuencia, tipo de servicios utilizados, estacionalidad y territorialidad) que el público destinatario confiere a estos Puntos facilitadores de inclusión digital y capacitación tecnológica. También nos interesa indagar en el perfil de los/las usuarios/as de dichos Puntos.
# Objetivos Específicos
En principio, nos interesa trabajar con los datos mensualizados correspondientes al período 2020-2023 para preguntarnos:
¿Podemos identificar variaciones estacionales en el flujo de asistencias a los Puntos Digitales que se relacionen con meses escolares, trámites nacionales lanzados, etc?
¿Cómo es el comportamiento de los/as asistentes según género y edad en los Puntos Digitales?
¿Podemos identificar los Ejes Temáticos más concurridos según región o provincia? ¿Existe una relación entre la concurrencia a los Puntos Digitales y su ubicación geográfica?
A partir de estas preguntas, algunos objetivos específicos de este trabajo son los siguientes:
* Verificar si existen variaciones estacionales en el flujo de asistencias a los Puntos Digitales.
* Describir el comportamiento de los/as asistentes a los Puntos Digitales según las variables “género” y “edad”.
* Identificar cuáles son los Ejes Temáticos más concurridos por provincia y región.
* Corroborar si existe, o no, una relación causal entre ubicación geográfica y asistencia a los Puntos Digitales.
# Antecedentes
## Sobre el Programa Punto Digital
El Programa Punto Digital cuenta con dispositivos instalados a lo largo y ancho del territorio argentino. Su objetivo general y principio fundante es la reducción de la brecha digital a fin de contribuir a mejorar la calidad de vida de las y los habitantes de la República Argentina. En tal sentido, ofrece acceso gratuito y en igualdad de condiciones a la conectividad y a las Tecnologías de la Información y la Comunicación (TIC). Apunta también a establecer las bases para el desarrollo de habilidades digitales que fortalezcan no sólo a las personas en términos individuales, sino también a sus comunidades.
Entre los objetivos específicos de este Programa se encuentran los siguientes:
* Reconocer derechos fundamentales y promover un acceso efectivo a los mismos.
* Incentivar el desarrollo de habilidades digitales.
* Promover la participación comunitaria.
* Facilitar el desarrollo de iniciativas locales y del emprendedurismo.
* Estimular el desarrollo de oficios manuales y digitales.
* Aportar al reconocimiento de la cultura local.
* Promover el acceso y la producción de bienes culturales.
* Brindar un espacio para el entretenimiento educativo y tecnológico.
* Promover el acceso a la información y al conocimiento.
# Actividades y metodología
Uno de los principales insumos para realizar el monitoreo del uso de los Puntos Digitales (PD) por parte de las y los habitantes del territorio es el reporte de asistencias que realiza cada equipo de trabajo local de cada uno de los PD distribuidos a lo largo y a lo ancho del país. En esta línea, cada Punto Digital cuenta con una coordinadora o coordinador que mensualmente carga el listado de actividades (clasificadas por Eje Temático) y las asistencias a cada actividad.
El set de datos se compone de planillas .csv mensualizadas de enero 2020 a septiembre 2023 (el reporte es a mes vencido) sobre el número de participantes según edad, en los Puntos Digitales en funcionamiento de las 24 jurisdicciones de Argentina (23 provincias más CABA).
Las actividades están estructuradas en nueve (9) ejes, detallados a continuación:
* Alfabetización Digital
* Capacitaciones PPD
* Ciudadanía y Derechos
* Cultura y entretenimiento
* Educación
* Formación Laboral
* Géneros y diversidades
* Salud
* Trámites
Para el año 2023, contamos con datos discriminados según género.Para el procesamiento, análisis y visualización de los datos se utilizará el lenguaje de programación R, y en caso de resultar necesario, se implementarán algoritmos en python desde una notebook de Google Colab.
En un primer momento se realizará un análisis exploratorio de las bases de datos de referencia, tomando en consideración las variables de interés. Luego, la idea es avanzar en las respuestas a los interrogantes planteados, corroborando -o no- las relaciones asumidas entre variables.
## Documentación del Trabajo
* Instructivo: https://docs.google.com/document/d/10C4vpgvaZ6-O15YACzMT6j2yr6uPdbJE
* Repositorio de datos GitHub: https://github.com/DiploDatosUNAB/UNaB-AdDyPP-TFI
* Google Drive: https://colab.research.google.com/drive/1aQRixx_wHTg47hgO3AJC4bYce0W-ihTs
* Colab: UNaB - AdDyPP - Trabajo Final Integrador.ipynb
## Fuentes de Datos
El set de datos seleccionado para trabajar consta de la base mensualizada de Actividades de los Puntos Digitales. Como datos complementarios, se tomará la base georeferenciada de los Puntos Digitales, y los indicadores del Censo Nacional de Población, Hogares y Viviendas 2010 (Disponibilidad de bienes computadora/celular).
* Principal
* Actividades en Puntos Digitales: Datos no publicados, provistos por la Subsecretaría de Servicios y País Digital, Secretaría de Innovación Pública, JGM.
* Bases Georreferenciadas
* Puntos Digitales: https://www.datos.gob.ar/dataset/jgm-puntos-digitales
* Polígonos Departamentos (IGN): https://www.ign.gob.ar/NuestrasActividades/InformacionGeoespacial/CapasSIG
* Polígonos Provincias (IGN): https://www.datos.gob.ar/dataset/ign-unidades-territoriales/archivo/ign_01.02.02
* Aglomerados urbanos: https://github.com/PoliticaArgentina/geoAr
https://mapa.poblaciones.org/services/metadata/GetMetadataPdf?m=6
* Indicadores
* EPH - Disponibilidad de Bienes: https://mapa.poblaciones.org/map/3701/
* Módulo de Acceso y Uso de Tecnologías de la Información y la Comunicación (ENTIC): https://www.indec.gob.ar/indec/web/Institucional-Indec-BasesDeDatos-3
# Referencias
* datos.gob.ar (2023, 20 de octubre) Listado de los puntos digitales y su ubicación geográfica, https://www.datos.gob.ar/dataset/jgm-puntos-digitales.
* Instituto Nacional de Estadística y Censos - INDEC (2010). Indicadores del Censo Nacional de Población, Hogares y Viviendas 2010. [base de datos], https://mapa.poblaciones.org/map/3701.
* Instituto Nacional de Estadística y Censos - INDEC (2015). Encuesta Nacional sobre Acceso y Uso de Tecnologías de la Información y la Comunicación (ENTIC). Informe preliminar sobre indicadores básicos de acceso y uso. Resultados de mayo-julio de 2015. Buenos. Aires, https://www.indec.gob.ar/uploads/informesdeprensa/entic_10_15.pdf
* Instituto Nacional de Estadística y Censos - INDEC. (2019). Manual de estilo (3a edición especial). Buenos Aires, https://www.indec.gob.ar/ftp/cuadros/publicaciones/manual_estilo_indec_03_19.pdf
* Ruiz Nicolini, J.P., Del Boca, P. & Juara, J.G. (2023). geoAr: Argentina’s Spatial Data Toolbox. Versión 0.0.1.5 [R package] https://github.com/PoliticaArgentina/geoAr
# Análisis
## 0. Acciones Preliminares
**Instalación condicional de librerías**
Instala paquetes solos si detecta que no fueron previamente instalados.
```{r instalar}
# instalación condicional de librerías (solo instala si faltan)
# https://stackoverflow.com/questions/66869137/installing-r-packages-in-colab
# https://stackoverflow.com/questions/63594521/install-a-r-package-permanently-in-google-colab
instalar <- function(libreria) {
if (!requireNamespace(libreria, quietly = TRUE)) {
install.packages(libreria)
}
}
instalar("readr")
instalar("dplyr")
instalar("gt")
instalar("gtExtras")
instalar("tmap")
instalar("sf")
instalar("leaflet")
instalar("archive")
instalar("ggplot2")
instalar("httr")
<<<<<<< HEAD
if (!requireNamespace("geoAr", quietly = TRUE)) {
install.packages("geoAr", repos = c('https://politicaargentina.r-universe.dev'))
=======
# instalar("geoAr")
if (!requireNamespace("geoar", quietly = TRUE)) {
install.packages("geoAr", repos = c("https://politicaargentina.r-universe.dev"))
>>>>>>> ee2dc1aae0cc11139e22609028bc39102eaab50c
}
# instalar("Hmisc")
# instalar("purrr")
# instalar("lattice")
# instalar("cluster")
# instalar("stats")
# instalar("stringr")
# instalar("corrplot")
# instalar("ergm") para medianas ponderadas. No utilizado
# demora 30-45 segundos
# instalar("psych")
# demora demora 3-8 segundos
# instalar("skimr")
# demora 5-7 minutos
# instalar("caret")
```
**Carga de librerías**
```{r librerias}
# Función de carga condicional de librerías (solo carga si están instaladas)
cargar <- function(libreria, warns = WARN_ACT) {
if (requireNamespace(libreria, quietly = TRUE)) {
if(warns) {
library(libreria, character.only = TRUE)
} else{
suppressMessages(library(libreria, character.only = TRUE))
}
}
}
# carga de librerías a utilizar
cargar("readr") # lectura de datos
cargar("dplyr") # manipulación de df
cargar("gt") # tablas
cargar("gtExtras") # tablas
cargar("tmap") # mapas interactivos
cargar("sf") # datos geoespaciales
cargar("leaflet") # mapas interactivos
cargar("archive") # urilidades
cargar("ggplot2") # graficación
cargar("geoAr") # geodatos argentina
instalar("httr") # manejo de solicitudes http
# cargar("lattice") # graficación estadistica
# cargar("cluster") # clustering
# cargar("skimr") # estadísticas
# cargar("stats") # estadísticas
# cargar("kableExtra") # tablas
# cargar("psych") # estadísticas
# cargar("purrr") # manejo de listas
# cargar("IRdisplay") # display de notebook
# cargar("tidyverse") # conjunto de paquetes tidy
# cargar("stringr") # cadenas de caracteres
# cargar("corrplot") # grafico de correlación
# cargar("Hmisc") # correlaciones
# cargar("caret") # entrenamiento
# cargar("ergm") # análisis estadísticos
```
## 1. Tablas
### 1.1 Puntos Digitales
#### 1.1.1 Listado de Puntos Digitales
El Programa Punto Digital cuenta con dispositivos instalados a lo largo y ancho del territorio argentino. Su objetivo fundamental es la reducción de la brecha digital a los fines de contribuir a la mejora de la calidad de vida de las y los habitantes del país. Esta tabla contiene el listado de los puntos digitales.
**Carga listado de puntos digitales**
```{r carga_puntos}
# Puntos digitales
puntos <- read.csv(paste0(PATH, puntos_arch), sep = ",", encoding = "ISO-8859-1")
sample_n(puntos, 5) |>
dplyr::mutate(horarios = substr(horarios, 1, 20)) |> # Truncar "horarios"
gt() |>
tab_header(
title = "Puntos Digitales*",
subtitle = "* muestra"
) |>
tab_options(table.width = "100%") |>
opt_stylize(style = 5, color = 'cyan')
columnas <- c("id_pd", "nombre_pd", "direccion", "nombre_institucional",
"id_provincia", "id_departamento", "id_localidad",
"cod_bahra_localidad", "id_municipio", "provincia",
"departamento", "localidad", "municipio", "mail_institucional",
"latitud", "longitud", "horarios", "link_facebook", "estado")
```
**Dimensiones de la tabla**
```{r dimensiones}
# dimensiones
cat("El DataFrame tiene", dim(puntos)[1], "observaciones y", dim(puntos)[2], "variables.")
```
**Medidas de tendencia central - Puntos Digitales**
```{r mtc_puntos}
# Descripción de Empleo AMBA sin desagregar
summary(puntos)
```
Con los datos de la tabla puede determinarse su ubicación geoespacial.
**Mapa**
```{r mapa_puntos}
# Geolocalización de Puntos Digitales
# https://rdrr.io/cran/tmap/man/tm_symbols.html
# https://r-tmap.github.io/tmap-book/layers.html
mostrar <- c("id_pd", "nombre_pd", "direccion", "provincia", "departamento",
"localidad", "municipio", "estado")
# Capas
capas <- c(GrayMap = "Esri.WorldGrayCanvas", StreetMap = "OpenStreetMap", TopoMap = "Esri.WorldTopoMap")
# Geodataframe
puntos_sf <- puntos |>
select(2, 1, everything()) |>
st_as_sf(coords = c("longitud", "latitud"), crs = 4326)
# Gráfico
tmap_mode("view")
tm_basemap(capas) +
tm_shape(puntos_sf, is.master = TRUE) +
# tm_markers(size = 0.5, popup.vars = mostrar) +
# tm_dots(size = 0.05, clustering = T, popup.vars = mostrar) + # puntos agrupados
tm_dots(size = 0.01, popup.vars = mostrar) + # puntos desagrupados
tm_layout(main.title = "Puntos Digitales", main.title.size = 0.7);
```
**Diccionario**
```{r diccionario}
# diccionario de datos
descripciones <- c(
"Identificador del Punto Digital",
"Nombre del Punto Digital",
"Dirección",
"Nombre Institucional",
"Identificador de la provincia",
"Identificador del departamento",
"Identificador de la localidad",
"Codigo BAHRA (Asentamientos Urbanos)",
"Identificador del municipio",
"Provincia",
"Departamento",
"Localidad",
"Municipio",
"Mail Institucional",
"Latitud",
"Longitud",
"Horarios",
"Link Facebook",
"Estado"
)
diccionario <- data.frame(
Clase = sapply(puntos, class),
Descripción = descripciones
)
diccionario <- tibble::rownames_to_column(diccionario, "Variable")
diccionario |>
gt(rowname_col = "Variable") |>
tab_header(
title = "Diccionario de Datos",
) |>
tab_options(table.width = "90%") |>
gt_theme_dot_matrix()
```
#### 1.1.4 Actividades
Lista de Actividades de los Puntos Digitales
**Carga de Bases Mensuales**
```{r carga_act}
lista <- list()
archivos <- list.files(path = PATH2)
for (archivo in archivos) {
df <- read.csv(file.path(PATH2, archivo), sep = ",", encoding = "ISO-8859-1")
# extrae fecha del n de archivo
fecha <- strsplit(tools::file_path_sans_ext(archivo), "-", fixed = TRUE)[[1]]
df <- df |>
mutate(anio = as.integer(trimws(fecha[1])),
mes = as.integer(trimws(fecha[2])))
lista <- c(lista, list(df))
}
actividades <- bind_rows(lista)
```
**Muestra de Actividades Mensuales**
```{r muestra_actividades}
sample_n(actividades, 10) |>
gt() |>
tab_header(
title = "Actividades*",
subtitle = "* muestra"
) |>
tab_options(table.width = "100%") |>
opt_stylize(style = 5, color = 'cyan')
```
**Lista de actividades**
```{r listado}
# Cuadro de actividades
# https://gt.albert-rapp.de/getting_started#use-groups-instead-of-repetitive-columns
# https://github.com/rstudio/gt/issues/577
# https://github.com/rstudio/gt/issues/545
act_listado <- actividades |>
select(eje, categoria, subcategoria) |>
distinct() |>
arrange(eje, categoria, subcategoria)
act_listado |>
gt(groupname_col = "eje") |>
# cols_merge(columns = c(eje, categoria)) |>
tab_header(
title = "Lista de Actividades*",
subtitle = "* listado completo"
) |>
tab_options(row_group.as_column = TRUE, table.width = "85%") |>
opt_stylize(style = 5, color = 'cyan')
```
### 1.2 Polígonos
#### 1.2.1 Departamentos
**Polígonos de Departamentos IGN**
```{r departamentos}
# Descomprimir el archivo 7-Zip
if (!file.exists(file.path(PATH, depto_arch))) {
archive_extract(paste0(PATH, depto_comp), PATH)
}
deptos_geo <- st_read(paste0(PATH, depto_arch))
deptos <- as.data.frame(deptos_geo)
sample_n(select(deptos, -geometry), 10) |>
gt() |>
tab_header(title = "Departamentos* - GeoDataFrame",
subtitle = "* muestra"
) |>
tab_options(table.width = "90%") |>
gt_theme_pff()
```
**Mapa**
```{r deptos_mapa}
ggplot() +
geom_sf(data = subset(deptos_geo, in1!="94028")) + # 92028 antartida
labs(title = "Partidos de Argentina*",
subtitle = "*se omite la Antártida")
# deptos_centroides <- deptos_geo |>
# mutate (geometry = st_centroid(geometry))
```
#### 1.2.2 Provincias
**Polígonos de Provincias IGN**
```{r provincias}
# https://datos.gob.ar/dataset/ign-unidades-territoriales/archivo/ign_01.02.02
# Descomprimir el archivo 7-Zip
if (!file.exists(file.path(PATH, prov_arch))) {
archive_extract(paste0(PATH, prov_comp), PATH)
}
prov_geo <- st_read(paste0(PATH, prov_arch))
prov_geo <- st_zm(prov_geo, drop = TRUE) #corrige las geometrías de los polígonos que están en 3d
provincias <- as.data.frame(prov_geo)
sample_n(select(provincias, -geometry), 10) |>
gt() |>
tab_header(title = "Provincias* - GeoDataFrame",
subtitle = "* muestra"
) |>
tab_options(table.width = "90%") |>
gt_theme_pff()
```
**Mapa**
```{r prov_mapa}
ggplot() +
geom_sf(data = prov_geo) +
labs(title = "Provincias de Argentina")
```
#### 1.2.3 Aglomerados Urbanos
Necesarios para el procesamiento de los datos de la encuesta ENTIC.
Los datos se obtienen del paquete GeoAr.
**Geometrías**
```{r geoar_getgeo}
# https://rdrr.io/cran/geoAr/src/R/get_geo.R
# NOTA ALE: puede que esten fallando por un tema de proxy laboral. probar.
get_geo(geo = "ARGENTINA", level = "provincia", simplified = FALSE)
```
**Aglomerados Urbanos**
```{r aglomerados}
# Listado de los aglomerados urbanos tomados para la ENTIC
# https://rdrr.io/cran/geoAr/src/R/get_eph.R
# simplified por defecto es TRUE y determina la descarga de una versión simplificada de las geometrias. Con FALSE descarga la versión original de INDEC
aglo_geo <- get_eph(
geo = "ARGENTINA",
simplified = FALSE,
centroid = FALSE,
level = "envolventes"
)
# Si falla la descarga de geoar x proxy
# https://community.rstudio.com/t/install-packages-only-works-with-wininet-how-set-default-download-file-method-to-wininet/172779
# https://gist.github.com/cderv/34ca743f5d39f27666b7636e5715d27f
if (is.null(aglo_geo)) {
direccion <- "https://github.com/PoliticaArgentina/data_warehouse/raw/master/geoAr/data_raw/"
entidades <- "entidades_eph.geojson"
radios <- "radios_eph.geojson"
envolventes <- "aglos_envolventes.geojson"
aglo_nivel <- envolventes # modificar a gusto
if (!file.exists(file.path(paste0(PATH, aglo_nivel)))) {
download.file(paste0(direccion, aglo_nivel), paste0(PATH, aglo_nivel), method = "wininet")
}
aglo_geo <- sf::st_read(paste0(PATH, aglo_nivel))
}
aglomerados <- as.data.frame(aglo_geo)
sample_n(select(aglomerados,-geometry),10) |>
gt() |>
tab_header(
title = "Aglomerados Urbanos*",
subtitle = "* muestra"
) |>
tab_options(table.width = "100%") |>
opt_stylize(style = 5, color = 'cyan')
```
**Mapa de Aglomerados Urbanos**
```{r aglo_mapa}
ggplot() +
geom_sf(data = subset(prov_geo, IN1=="06"), fill = "white") +
geom_sf(data = subset(aglo_geo, codprov=="06"), fill = "darkgreen") +
labs(title = "Aglomerados Urbanos*",
subtitle = "*ejemplo en provncia de Buenos Aires")
```
**Unifica geometrias**
```{r aglo_unifica}
aglo_eph <- select(aglo_geo, c(eph_aglome, eph_codagl, nomprov, codprov, geometry)) |>
group_by(eph_aglome, eph_codagl) |>
summarise(nomprov = list(unique(nomprov)),
codprov = list(unique(codprov)),
geometry = sf::st_union(geometry))
aglo_muestra <- as.data.frame(aglo_eph)
aglo_muestra$eph_codagl <- as.integer(aglo_muestra$eph_codagl)
select(aglo_muestra,-geometry) |>
gt() |>
tab_header(
title = "Aglomerados Urbanos unificados*") |>
tab_options(table.width = "100%") |>
opt_stylize(style = 5, color = 'cyan')
```
**Mapa de Aglomerados Urbanos Unificados**
```{r aglo_mapa_uni}
tm_basemap(capas) +
tm_shape(aglo_eph) +
tm_borders() +
tm_fill(col = "darkgreen") +
tm_layout(main.title = "Aglomerados Urbanos",
main.title.size = 0.7)
```
### 1.3 Indicadores
#### 1.3.1 Censo 2010
Se cargan indicadores sobre hogares con celualar y hogares con computadora del Censo 2010.
**Carga de Indicadores**
```{r indicadores}
indicadores_geo <- sf::st_read(paste0(PATH, indic_arch))
indicadores <- as.data.frame(indicadores_geo)
sample_n(select(indicadores,-geometry),10) |>
gt(rowname_col = "DPTO_1") |>
tab_header(
title = "Lista de Indicadores",
) |>
tab_options(table.width = "100%") |>
gt_theme_dot_matrix()
```
En base a los datos, se puede graficar el porcentaje de los hogares que cuentan con computadoras y teléfono celular.
**Computadoras**
```{r compu_mapa}
ggplot(indicadores_geo, aes(fill = 100*H_COMPUTAD/H_TOTAL, geometry = geometry)) +
geom_sf() +
scale_fill_viridis_c(option = "B",
limits = c(0, 100),
direction = -1,
name = "Hogares con Computadora",
labels = scales::percent_format(scale = 1)
) +
labs(title = "Hogares con Computadoras")
```
**Celulares**
```{r celu_mapa}
ggplot(indicadores_geo, aes(fill = 100*H_CELULAR/H_TOTAL, geometry = geometry)) +
geom_sf() +
scale_fill_viridis_c(option = "B",
limits = c(0, 100),
direction = -1,
name = "Hogares con Celular",
labels = scales::percent_format(scale = 1)
) +
labs(title = "Hogares con Teléfono Celular")
```
#### 1.3.2 ENTIC
Encuesta Nacional sobre Acceso y Uso de Tecnologías de la Información y la Comunicación (ENTIC)
**Carga de bases ENTIC**
```{r carga_entic_hogar}
lista <- list()
archivos <- list.files(path = "datos/entic/", pattern = "^EPH_usu_hog.*\\.txt")
for (archivo in archivos) {
df <- read.csv(file.path("datos/entic/", archivo), sep = ";")
lista <- c(lista, list(df))
}
entic_hogar <- bind_rows(lista) |>
subset(REALIZADA == "1") |>
group_by(AGLOMERADO, ANO4) |>
summarise(
total = n(),
comp_si = sum(IH_II_01 == 1),
comp_no = sum(IH_II_01 == 2),
comp_nc = sum(IH_II_01 == 9),
inet_si = sum(IH_II_02 == 1),
inet_no = sum(IH_II_02 == 2),
inet_nc = sum(IH_II_02 == 9)
)
entic_hogar |>
left_join(select(aglo_muestra, eph_aglome, eph_codagl), by = c("AGLOMERADO" = "eph_codagl")) |>
gt(groupname_col = c("AGLOMERADO", "eph_aglome")) |>
tab_header(
title = "Indicadores por Hogares",
) |>
tab_options(table.width = "100%") |>
gt_theme_dot_matrix()
```
```{r carga_entic_persona}
lista <- list()
archivos <- list.files(path = "datos/entic/", pattern = "^EPH_usu_Ind.*\\.txt")
for (archivo in archivos) {
df <- read.csv(file.path("datos/entic/", archivo), sep = ";")
lista <- c(lista, list(df))
}
entic_ind <- bind_rows(lista) |>
group_by(AGLOMERADO, ANO4) |>
summarise(
total = n(),
comp_si = sum(IP_III_05 == 1),
comp_no = sum(IP_III_05 == 2),
comp_nc = sum(IP_III_05 == 9),
inet_si = sum(IP_III_04 == 1),
inet_no = sum(IP_III_04 == 2),
inet_nc = sum(IP_III_04 == 9),
celu_si = sum(IP_III_06 == 1),
celu_no = sum(IP_III_06 == 2),
celu_nc = sum(IP_III_06 == 9)
)
entic_ind |>
left_join(select(aglo_muestra, eph_aglome, eph_codagl), by = c("AGLOMERADO" = "eph_codagl")) |>
gt(groupname_col = c("AGLOMERADO", "eph_aglome")) |>
tab_header(
title = "Indicadores por Persona",
) |>
tab_options(table.width = "100%") |>
gt_theme_dot_matrix()
```
## 2. Otros análisis (pendiente)
**Matriz de Correlación**
```{r natriz, eval=FALSE, include=FALSE}
# Matriz de correlación#
# https://blog.hasanbul.li/2018/01/14/exporting-correlation-plots/
matriz_cor <- cor(puntos[, 6:16], use = "complete.obs")
knitr::kable(matriz_cor, format = "html")
# matriz_cor
```
**Gráfico de Correlación personalizado**
```{r correlaciones, eval=FALSE, include=FALSE}
# Gráfico de correlación
# https://www.khstats.com/blog/corr-plots/
# https://bookdown.org/ndphillips/YaRrr/saving-plots-to-a-file-with-pdf-jpeg-and-png.html
# https://copyprogramming.com/howto/how-to-save-a-plot-created-by-corrplot-function-in-r
# png(height=800, width=800, file="grafico_correlacion.png")
corrplot(
matriz_cor,
method = "color", # Colores para representar la correlación
type = "lower", # Tipo de gráfico (triangular inferior)
tl.col = "black", # Color variables
tl.srt = 45, # Ángulo de rotación de las etiquetas
addCoef.col = "black", # Color coeficientes
mar=c(1,1,1,1), # Márgenes
tl.cex = 0.6, # Tamaño de letra variables
number.cex = 0.55, # Tamaño de letra coeficientes
cl.cex = 0.6 # Tamaño de letra leyenda
# diag = FALSE # Diagonal
)
# dev.off()
# matriz_cor
```
## Información de la sesión
```{r tiempo_ejecucion}
t_fin <- Sys.time() # Registra el tiempo de finalización
tiempo_ejecucion <- round(t_fin - t_inicio, 2)
cat("Tiempo de ejecución de la notebook:", tiempo_ejecucion, "segundos")
```
```{r sesion}
sessionInfo()
```
### Links
http://www.bahra.gob.ar/
https://r-tmap.github.io/tmap-book/layers.html
https://www.argentina.gob.ar/jefatura/innovacion-publica/servicios-y-pais-digital/punto-digital