Capítol 9 Alternativas Tydiverse

El universo de Tydiverse consiste en una colección de packages de R orientados al Data Science. Se recomienda la consulta del libro online R para Ciencia de Datos.

El package dplyr, al igual que ggplot2, está desarrollado por Hadley Wickham. Este paquete, supone un cambio de filosofía en la forma de trabajar con los datos y se está transformando en un nuevo estándar en R.

9.1 Dplyr: arrange, filter, select

arange: Ordena los registros de un data frame.
filter: Filtra a partir de un conjunto condiciones lógicas.
select: Selecciona las variables.

Paises asiaticos con PIB per cápita inferior a 1000 $ en 2007.

pais07dplyr <- paises07 %>% 
  arrange(desc(esperanza_de_vida)) %>% 
  filter(continente=='Asia' & pib_per_capita < 1000) %>% 
  dplyr::select(pais,esperanza_de_vida,pib_per_capita)

kable(pais07dplyr)

pais	esperanza_de_vida	pib_per_capita
Myanmar	62.069	944.0000
Afganistán	43.828	974.5803

Las 3 comparten el hecho que no necesitan de comillas para referirse a las variables. También utilizan el operador %>% llamado pipe. Éste sustituye el parámetro de entrada de datos. De esta forma, permite escribir las operaciones de izquierda a derecha facilitando así su lectura.

9.2 Dplyr: mutate, group_by, summarise

mutate: Crea o modifica las variables del data frame.
group_by: Especifica una o varias variables de agrupación.
summarise: define los agregados de las variables originales.

Esperanza de vida y PIB per cápita medio por continente y año.

continentes_anio <- paises %>% 
  arrange(continente,anio) %>% 
  mutate(esperanza_de_vida_total = esperanza_de_vida * poblacion
         , pib_total = pib_per_capita * poblacion) %>% 
  group_by(continente,anio) %>% 
  dplyr::summarize(n_paises=n()
            , esperanza_de_vida = sum(esperanza_de_vida_total ) /
                sum(poblacion )
            , pib_per_capita = sum(pib_total) / 
              sum(poblacion)
            , poblacion = sum(poblacion))

kable(continentes_anio %>% head(10))

continente	anio	n_paises	esperanza_de_vida	pib_per_capita	poblacion
África	1952	52	38.79973	1311.221	237640501
África	1957	52	40.94031	1444.952	264837738
África	1962	52	43.09925	1540.599	296516865
África	1967	52	45.17721	1774.847	335289489
África	1972	52	47.21229	2063.171	379879541
África	1977	52	49.20883	2244.799	433061021
África	1982	52	51.01744	2295.192	499348587
África	1987	52	52.82479	2180.764	574834110
África	1992	52	53.37292	2071.615	659081517
África	1997	52	53.28327	2098.865	743832984

Para la evolución de los continentes en ggplot2, es útil el geom_path()

ggplot(continentes_anio, aes(x=pib_per_capita
                          , y=esperanza_de_vida
                          , color =continente)) +
  geom_path() +
  scale_x_log10() +
  geom_text_repel(aes(label=anio), size=2, color="black") +
  labs(title="Evolución continentes (ponderado)")

Figura 9.1: Fuente: Elaboración propia con datos de Gapminder

9.3 Actividad guiada 1.4.

Vamos a incorporar los gráficos de evolución de los continentes en el informe teniendo en cuenta los siguientes cambios:

Recodifica Oceanía como Asia y Modifica los colores de los continentes.
Utiliza la paleta de colores de la actividad guiada 1.3.

Observa:

Se ha utilizado dplyr: arrange,mutate,group_by y summarize.
Se ha utilizado geom_path.

9.4 Actividad guiada 1.4

library(knitr)
library(datos)
suppressPackageStartupMessages(library(tidyverse))
library(ggrepel)

knitr::opts_chunk$set(echo = TRUE)

paises_informe <- paises
# Recodifica Oceanía por Asia
paises_informe$continente[paises_informe$continente=="Oceanía"] <- "Asia"
# Elimina Oceanía de los levels
paises_informe$continente <- factor(paises_informe$continente)
# Paleta de colores
colores_continente <- c("blue","green", "red", "yellow") 
names(colores_continente) <- c("África", "Américas", "Asia", "Europa")
# Etiquetas
etiquetas_paises <- c("España","China","Etiopía","Canadá")
# funcion describir
describir <- function(data, colores, etiquetas) {
  
  # filtra paises con etiqueta
  data_etiquetas <- data[data$pais %in% etiquetas, ]
  
  # Agrega continentes
  data_continente <- data %>% 
    arrange(continente, anio) %>% 
    mutate(esperanza_de_vida_total = esperanza_de_vida * poblacion
      , pib_total = pib_per_capita * poblacion) %>% 
    group_by(continente, anio) %>% 
    dplyr::summarize(n_paises=n()
      , esperanza_de_vida = sum(esperanza_de_vida_total ) /
          sum(poblacion )
      , pib_per_capita = sum(pib_total) / 
        sum(poblacion)
      , poblacion = sum(poblacion))

  resultados <- list()
  
  resultados[["continentes"]] <- ggplot(data_continente, aes(x=pib_per_capita, y=esperanza_de_vida
      , color=continente)) +
    geom_path() +
    scale_x_log10() +
    scale_colour_manual(values = colores) +
    geom_text_repel(aes(label=anio), size=2, color="black") +
    labs(title="Evolución de los Continentes de 1952 a 2007"
      , x = "Logaritmo base 10 del PIB per cápita ($ americanos, ajustados según inflación)"
      , y = "Esperanza de vida (años)")
  
  return(resultados)
}
resumen <- describir(paises_informe, colores_continente, etiquetas_paises)

## `summarise()` regrouping output by 'continente' (override with `.groups` argument)

9.4.1 Evolución de los continentes

Figura 9.2: Evolución continentes (Fuente: Elaboración propia con datos de Gapminder)

El gráfico muestra la traza que han recorrido los continentes en sus valores medios de PIB per cápita y Esperanza de vida. Se confirma la mayor progresión de Asia. Vemos que como América y Europa, en media tienen un comportamiento bastante paralelo. Se observa como el recorrido de África, aunque partiendo de valores muy inferiores, ha sido positiva y ha incrementado de forma similar el resto de continentes.