Capítulo 2 Tratamiento de las variables del censo

Se puede seleccionar alguna de las variables del censo para llevar a cabo el tratamiento de la misma, su representación espacial o el análisis descriptivo de sus valores.

Se utiliza como parámetros alguna de las variables, para ejemplificar utilizaremos la población de 60 años y más

2.1 Representación en mapas, el estilo seleccionado está relacionado con la definición de los rangos que se grafican

varname <- c("P_60YMAS")
estilo<-c("pretty")
entidad<-c("Coahuila de Zaragoza")
municipio<-c("Torreón")
indicad<-c("Indenv65")
params <- data.frame(varname,estilo,entidad,municipio,indicad)

tmap_mode("plot")

  
  varindi<-variablescensales[variablescensales$mnemonico == params$varname, "indicador"]
  vardesc<-variablescensales[variablescensales$mnemonico == params$varname, "descripcion"]
  
  glue::glue (" {varindi} \n ") %>% cat()

## Población de 60 años y más

2.1.1 Pretty

glue("El estilo pretty redondea y divide en números enteros siempre que sea posible y los espacia uniformemente. \n \n ") %>% cat()  

## El estilo pretty redondea y divide en números enteros siempre que sea posible y los espacia uniformemente. 
## 

tm_shape(basemapa) +
  tm_polygons(params$varname)

2.1.2 Quantile

glue("El estilo quantile crea rangos con un igual número de poligonos (estados) \n \n ") %>% cat() 

## El estilo quantile crea rangos con un igual número de poligonos (estados) 
## 

tm_shape(basemapa) +
tm_fill(params$varname,palette=c("yellow","orange","red","green","blue"), style ="quantile")+
tm_borders()+
  tm_layout(legend.position = c("right", "bottom")) 

2.1.3 Fisher

glue("El estilo fisher crea grupos con la máxima homogeneidad \n \n ") %>% cat() 

## El estilo fisher crea grupos con la máxima homogeneidad 
## 

tm_shape(basemapa) +
tm_fill(params$varname,palette="YlOrRd", style ="fisher")+
tm_borders()+
  tm_layout(legend.outside = FALSE, legend.outside.position = "right",inner.margins = c(0.06, 0.10, 0.10, 0.08))

2.1.4 Equal

glue("El estilo equal divide los valores en rangos de igual ancho \n \n ") %>% cat() 

## El estilo equal divide los valores en rangos de igual ancho 
## 

tm_shape(basemapa) +
tm_fill(params$varname,palette="YlOrRd", style ="equal")+
tm_borders()+
  tm_layout(legend.outside = TRUE, legend.outside.position = "right")

2.1.5 Fixed

glue("El fixed  divide los valores en rangos de igual ancho \n \n ") %>% cat() 

## El fixed  divide los valores en rangos de igual ancho 
## 

tm_shape(basemapa) +
tm_fill(params$varname,palette="Blues", style ="fixed",breaks = c(100000,200000,300000,400000,500000, 600000,700000, 800000))+
tm_borders()

tmap_mode("plot")

tm_shape(basemapa) + 
  tm_fill(params$varname,title={varindi},legend.hist=TRUE ,n = 8) + 
  tm_borders()+
  tm_layout(legend.outside = TRUE, legend.outside.position = "right")+
  tm_layout(title = paste0({vardesc}, " censo 2020"), title.size = 0.8, title.position = c("right","bottom"))

#tmap_mode("view")

2.1.6 Sd Desviación Estándar

glue("El estilo sd calcula la desviación estándar de la variable y la usa como valor para el ancho de los rangos. \n \n ") %>% cat() 

## El estilo sd calcula la desviación estándar de la variable y la usa como valor para el ancho de los rangos. 
## 

tm_shape(basemapa) +
  tm_fill(params$varname,title={varindi},alpha=0.7,style="sd",palette="Blues",id="NOM_ENT") +
  tm_borders() +
  tm_basemap(server="OpenStreetMap",alpha=0.5)+
  tm_layout(legend.outside = FALSE, legend.outside.position = "right",inner.margins = c(0.06, 0.10, 0.10, 0.08))

2.1.7 Kmeans medias

glue("El estilo kmeans utiliza la media de la variable y la usa como valor para el ancho de los rangos. \n \n ") %>% cat() 

## El estilo kmeans utiliza la media de la variable y la usa como valor para el ancho de los rangos. 
## 

tm_shape(basemapa) +
  tm_fill(params$varname,title={varindi},alpha=0.7,style="kmeans",palette="Blues",id="NOM_ENT") +
  tm_borders() +
  tm_basemap(server="OpenStreetMap",alpha=0.5)+
  tm_layout(legend.outside = TRUE, legend.outside.position = "right")

2.1.8 Representación bubbles

tmap_mode("plot")
glue("  \n## params$varname \n \n ") %>% cat()

## ## params$varname 
## 

  varindi<-variablescensales[variablescensales$mnemonico == params$varname, "indicador"]
  vardesc<-variablescensales[variablescensales$mnemonico == params$varname, "descripcion"]
  
  glue::glue (" {varindi} \n ") %>% cat()

## Población de 60 años y más

tm_shape(basemapa) +
    tm_bubbles(size=params$varname, 
               col= params$varname, style ="kmeans", n=6,
    palette ="RdYlBu",id="NOM_ENT")+
  tm_borders() 

tmap_mode("plot")

2.2 Variable y sus gráficas

  basic.stats <- function(dset, vars){
    for(i in 1:length(vars)){
        print(vars[i])
        gg<-ggplot(data=dset, aes(x = dset$NOM_ENT, y =          dset[[vars[i]]])) + coord_flip()+
        geom_bar(stat="identity", fill = "#FF6666") +
  ylab(params$varname) +
  xlab("")
        print(gg)
        print(summary(dset[[vars[i]]]))
        print(quantile(dset[[vars[i]]],c(0,.01,.1,.5,.9,.99,1)))
    }
  }

2.2.1 Estadísticas básicas

  basic.stats(censonal, c(params$varname))

## [1] "P_60YMAS"

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   75608  207053  370451  473218  563358 1919454 
##         0%         1%        10%        50%        90%        99%       100% 
##   75608.00   80552.19  132484.40  370450.50  973718.40 1786825.15 1919454.00

2.3 Video

Este proceso se detalla en el siguiente video