P4.qmd

---
title: "Taller 4"
---

## Paquetes
```{r}
if (!require("pacman")) install.packages("pacman") # instala pacman si se requiere
pacman::p_load(tidyverse, readxl,haven, sjlabelled, janitor, srvyr, esquisse, RColorBrewer) #carga los paquetes necesarios para esta práctica
```

##Datos
Por si no tuviéramos cargada la base de datos, la volveremos a cargar
```{r}
lapop2021 <- read_dta("datos/lapop2021.dta")
```

También vamos usar la base de Índice de Competitividad Internacional ICI, desarrollado por el Instituto Mexicano de Competitividad. (véase  <http://imco.org.mx/indices/mexico-suenos-sin-oportunidad/>)

```{r}
ICE_2022 <- read_excel("datos/ICE_2022.xlsx", sheet = "para_importar") %>%  clean_names() # limpia los nombres
```

## Gráficos con ggplot


Hoy vamos a presentar a un gran paquete ¡Es de los famosos! Y tiene más de diez años.

* <https://qz.com/1007328/all-hail-ggplot2-the-code-powering-all-those-excellent-charts-is-10-years-old/>

"gg" proviene de "Grammar of Graphics", funciona un poco como sintácticamente, de ahí su nombre.

Algunos recursos para aprender ggplot

* <https://ggplot2-book.org/> hecha por el mero mero.

* <http://sape.inf.usi.ch/quick-reference/ggplot2> 

* <https://raw.githubusercontent.com/rstudio/cheatsheets/master/data-visualization-2.1.pdf>

Vamos a revisar una presentación que es muy interesante

* <https://evamaerey.github.io/ggplot2_grammar_guide/ggplot2_grammar_guide.html>

* <https://huygens.science.uva.nl/ggPlotteR/> Hace gráficos de ggplot con la base de datos de Gapminder


### Un lienzo para dibujar

Para hacer un gráfico, ggplot2 tiene el comando "ggplot()".  Hacer gráficos con esta función tiene una lógica  aditiva. Lo ideal es que iniciemos estableciendo el mapeo estético de nuestro gráfico, con el comando aes()

```{r}
g1<-lapop2021 %>%
  ggplot(aes(as_label(idio2)))

g1 # imprime el lienzo
```



## Gráficos univariados

### Para cualitativas

```{r}
g1 + geom_bar()
```


```{r}
g1 +  geom_bar(aes(
  fill = as_label(q1tb)
  )) # colorea la geometría

# Esto es equivalente

lapop2021 %>%
  ggplot(aes(as_label(idio2),
             fill = as_label(q1tb)
             )
         ) + geom_bar()

```
## Para variables cuantitativas
Podemos hacer histogramas y gráficos de densidad, de manera fácil. La idea es agregar en nuestro "lienzo" una geometría, un valor para dibujar en él. Esto se agrega con un "+" y con la figura que se añadirá a nuestro gráfico.

```{r}
g2<-lapop2021 %>%
  ggplot(aes(q2))

g2 # imprime el lienzo
```

### Histograma
```{r}
g2 + geom_histogram() 
```
No es igual al histograma de base por el número de "cajas". Esto lo podemos modificar:

```{r}
g2 + geom_histogram(bins=10) 

```


### Densidad
```{r}
g2 + geom_density()
```



## Gráficos bivariados

### Cuali-cuali

```{r}
g1 +  geom_bar(aes(fill = as_label(q1tb)),
              position="dodge") #pone las categorías lado a lado y no apiladas

```

Otra manera interesante de observar estas variables, es que estándo apiladas, cada categoría de escolaridad se entendiera como una unidad:

```{r}
g_bivariado <- g1 +  geom_bar(aes(fill = as_label(q1tb)),
              position="fill") # cada categoría "llena" a una unidad

g_bivariado
```

Escalas de color: RcolorBrewer es el más famoso.


```{r}

g_bivariado + scale_fill_brewer(palette = "Dark2")
```

Cambiamos el tema:

```{r}
g_bivariado + scale_fill_brewer(palette = "Dark2") + theme_minimal()

```

## Cuanti - cuanti

Los gráficos más usuales son los _scatter plot_

```{r}

ICE_2022 %>% 
  ggplot(aes(homicidios,
             secuestros)) +
  geom_point()



```

Hay otra geometría que puede ser útil: la geometría "jitter"
```{r}

ICE_2022 %>% 
  ggplot(aes(homicidios,
             secuestros)) +
  geom_jitter()


```
En lugar de puntos podemos incluir texto:

```{r}
# geometría "text"

ICE_2022 %>% 
  ggplot(aes(homicidios, secuestros)) +
  geom_text(aes(label=edo))


# geometría "label"

ICE_2022 %>% 
  ggplot(aes(homicidios,secuestros)) +
  geom_label(aes(label=edo))


```




# Indicadores

Vamos a hacer un pequeño índice sobre la confianza en las instituciones


```{r}
lapop2021 %>% 
 names()

lapop2021 %>% 
  select(starts_with("b")) %>% 
  names()
```
```{r}
lapop2021<-lapop2021 %>%
 mutate(index= rowMeans(across(starts_with("b")), na.rm = T)) %>% 
  mutate(index=index/7)

summary(lapop2021$index)
```

Análisis gráfico

```{r}

lapop2021 %>% 
  ggplot(aes(index))+ geom_histogram()



lapop2021 %>% 
  ggplot(aes(x=index, y=as_label(idio2)))+ geom_boxplot()+ theme_minimal()

```

Más trucos para usar las etiquetas
```{r}

lapop2021 %>% 
  ggplot(aes(x=index, y=as_label(idio2)))+ geom_boxplot()+ theme_minimal()+
  labs(y=paste(get_label(lapop2021$idio2)))
```

# Cuanti y cuali

Para ello vamos a tomar como base la variable cuanti e introduciremos capas donde definimos la variable cualitativa. 

Volvamos a lapop2021

```{r}
lapop2021 %>%
  ggplot(aes(q2)) # años de escolaridad
```

```{r}
lapop2021 %>%
  ggplot(aes(x=q2, fill=as_label(q1tb))) 
```


```{r}
lapop2021 %>%
  ggplot(aes(x=q2, fill=as_label(q1tb))) + geom_density()
```


```{r}

# Modificamos la opacidad
lapop2021 %>%
  ggplot(aes(x=q2, 
             fill=as_label(q1tb),
             alpha=I(0.5))) + geom_density() + theme_minimal()
```