actualizar tutorial

01_introduccion.Rmd

@@ -2,7 +2,7 @@
 title: "INE con R: descargando datos del Instituto Nacional de Estadística desde R"
 subtitle: "Primera parte: Introducción"
 author: "Daniel Redondo-Sánchez - daniel.redondo.easp@juntadeandalucia.es"
-date: "11-02-2019"
+date: "13-06-2021"
 output:
   html_document:
     highlight: tango
@@ -35,7 +35,7 @@ Dos enlaces nos serán muy útiles para comprender este generador, e incluso no
 
 * [Obtención de identificadores de objetos usando INEbase](https://www.ine.es/dyngs/DataLab/es/manual.html?cid=1259945947403). Permite reconocer el identificador de la operación estadística que se incluye en la URL.
 
-### 1.2. Generar URL sabiendo número de tabla
+### 1.2. Generar URL sabiendo el número de tabla
 
 Si queremos descargar información de una URL del tipo
 
@@ -81,7 +81,7 @@ http://servicios.ine.es/wstempus/js/ES/DATOS_TABLA/t15/p417/a2017/l0/01007.px?ti
 ### 2.1. Primeros pasos
 
 Cargamos los paquetes necesarios:
-```{r message=FALSE}
+```{r message=FALSE, warning = FALSE}
 library(httr)
 library(rlist)
 library(dplyr)
@@ -177,19 +177,23 @@ head(defunciones)
 
 ### 2.3. Ejemplo de uso
 
-Con el data.frame obtenido, podemos trabajar. Por ejemplo:
+Podemos hacer un gráfico con los datos descargados:
 
-```{r}
+```{r, warning = FALSE}
 library(ggplot2)
 
-datos <- subset(defunciones, defunciones$codigo == "01-93 I-XXII.Todas las causas" &
-                  defunciones$sexo != "Ambos sexos" &
-                  ! defunciones$s_gest %in% c("Total", "No consta"))
-
-ggplot(datos, aes(x = s_gest, y = Valor, fill = sexo)) +
-  scale_fill_manual(values=c("darkblue", "deepskyblue")) +
-  geom_bar(stat = "identity",  position = "dodge") +
-  ylab("Defunciones") + xlab("Semanas de gestación") +
-  ggtitle("Defunciones según semanas de gestación, por sexos") +
-  theme(legend.position="top")
+defunciones %>%
+  filter(
+    codigo == "01-93 I-XXII.Todas las causas",
+    sexo != "Ambos sexos",
+    ! s_gest %in% c("Total", "No consta")
+  ) %>%
+  ggplot(aes(x = s_gest, y = Valor, fill = sexo)) +
+  scale_fill_manual(values = c("darkblue", "deepskyblue")) +
+  geom_bar(stat = "identity", position = "dodge") +
+  ylab("Defunciones") +
+  xlab("Semanas de gestación") +
+  ggtitle("Defunciones por sexos según semanas de gestación") +
+  theme_classic() + 
+  theme(legend.position = "top")
 ```

02_descarga_avanzada.Rmd

@@ -1,9 +1,8 @@
-
 ---
 title: "INE con R: descargando datos del Instituto Nacional de Estadística desde R"
 subtitle: "Segunda parte: Descarga avanzada. Población por provincias, por edad simple"
 author: "Daniel Redondo-Sánchez"
-date: "11-02-2019"
+date: "13-06-2021"
 output:
   html_document:
     highlight: tango
@@ -15,58 +14,36 @@ output:
   pdf_document:
     toc: yes
 editor_options: 
-  chunk_output_type: console
+  chunk_output_type: inline
 ---
 
 # 1. Descarga de información
 
-```{r message=FALSE}
+```{r message=FALSE, warning = FALSE}
 # Carga de paquetes
 library(httr)
 library(dplyr)
 library(rlist)
 library(data.table)
 ```
 
+Se va a realizar una descarga de la población por provincias por edad simple de los últimos 6 periodos disponibles. La descarga puede ser lenta.
+
 ```{r}
 # Como la URL es:
 # http://ine.es/jaxiT3/Tabla.htm?t=9687&L=0,
 # ponemos el identificador 9678
 # Descargamos sin metadatos para que sea más rápido
-url <- "http://servicios.ine.es/wstempus/js/ES/DATOS_TABLA/9687?nult=5&tip=A"
+url <- "http://servicios.ine.es/wstempus/js/ES/DATOS_TABLA/9687?nult=6&tip=A"
 poblacion_json <- GET(url)
-
 ```
 
-Parece que la descarga ha sido exitosa:
+La descarga ha sido exitosa:
 
 ```{r}
 poblacion_json$status_code
 ```
 
-pero
-
-```{r}
-content(poblacion_json)$status
-```
-
-así que solicitamos la información hasta que es descargada con éxito:
-
-```{r descarga}
-i <- 0
-while(is.null(content(poblacion_json)$status) == FALSE){
-  i <- i + 1
-  cat("Durmiendo...")
-  Sys.sleep(5)
-  cat(" Obteniendo información, puede tardar unos minutos... \n")
-  poblacion_json <- GET(url)
-  ifelse(is.null(content(poblacion_json)$status) == TRUE,
-         print(paste0("Intento nº", i, ": Archivo descargado.")),
-         print(paste0("Intento nº", i, ": ", content(poblacion_json)$status)))
-}
-
-```
-
 # 2. Procesamiento
 
 Extraemos la información necesaria (sexo, edad, provincia) que se encuentran dentro de un mismo campo. Usamos `strsplit` para dividir la información y seleccionar la componente necesaria.
@@ -76,21 +53,19 @@ poblacion_contenido <- content(poblacion_json)
 n <- length(poblacion_contenido)
 
 for(i in 1:n){
-  # Medidor de proceso
-  # if(i %% 1000 == 0) print(paste0(i, "/", n))
   dato.i <- poblacion_contenido[[i]]$Data
   division <- strsplit(paste(poblacion_contenido[[i]]$Nombre), split = ". ", fixed = T)[[1]]
   poblacion.i <- dato.i %>% list.select(T3_Periodo, Anyo, Valor) %>% list.stack %>% 
     cbind(edad = division[1]) %>% 
-    cbind(sexo = division[3]) %>% 
-    cbind(prov = division[2])
+    cbind(prov = division[2]) %>% 
+    cbind(sexo = division[3])
   ifelse(i == 1, poblacion <- poblacion.i, poblacion <- rbindlist(list(poblacion, poblacion.i)))
 }
 ```
 
+Podemos ver las tablas de frecuencias de los datos:
 
 ```{r}
-# Tabla de frecuencias de los datos
 table(poblacion$edad)
 table(poblacion$sexo)
 table(poblacion$prov)
@@ -105,24 +80,29 @@ poblacion$edad <- as.character(poblacion$edad)
 
 # m = n * número de periodos añadidos, se desdobla la lista
 m <- nrow(poblacion)
-m
 
 for(i in 1:m){
   if(poblacion$edad[[i]] == "Total Nacional"){
      poblacion$edad[[i]] = poblacion$prov[[i]]
      poblacion$prov[[i]] = "Total Nacional"
   }
 }
+```
+
+Preprocesamos también la edad.
 
-# Trabajamos con la edad (500 será nuestro código para el total)
+```{r}
 for(i in 1:m){
+  # Quitamos la palabra "años"
   poblacion$edad[[i]] <- strsplit(poblacion$edad[[i]], " ")[[1]][1]
+  # El código 500 será el total de las edades
   if(poblacion$edad[[i]] == "Todas") poblacion$edad[[i]] <- "500"
 }
 
 poblacion$edad <- as.numeric(poblacion$edad)
 ```
 
+Los datos están listos para usarse.
 ```{r}
 # Tabla de frecuencias de los datos
 table(poblacion$edad)
@@ -133,10 +113,13 @@ table(poblacion$Anyo, poblacion$T3_Periodo)
 
 # 3. Ejemplo de uso
 
-```{r grafico final}
-datos <- subset(poblacion, poblacion$edad != 500 & poblacion$prov == "Granada" & poblacion$sexo != "Total")
-
+```{r grafico final, warning = FALSE}
 library(ggplot2)
-qplot(edad, Valor, col = sexo, data = datos, main = "Población por edad simple, por sexos. Varios periodos, Granada.",
-      facets = Anyo~T3_Periodo, ylim = c(0, max(datos$Valor)))
+
+datos <- poblacion %>%
+  filter(edad != 500 & prov == "Granada" & sexo != "Total")
+
+qplot(edad, Valor, col = sexo, data = datos,
+      main = "Población por edad simple, por sexos. Varios periodos, Granada.",
+      facets = Anyo ~ T3_Periodo, ylim = c(0, max(datos$Valor)))
 ```

README.md

@@ -1,6 +1,8 @@
 # Tutorial para descargar datos del Instituto Nacional de Estadística (INE) con R usando el servicio API JSON
 ### *Daniel Redondo Sánchez*
 
+*Trabajo presentado en las XI Jornadas de Usuarios de R, celebradas en Madrid (2019)* 
+
 En este trabajo se describe un método de descarga de información del **Instituto Nacional de Estadística** (INE) usando R. El código es totalmente reproducible.
 
 Se utiliza el servicio **API** (Application Programming Interface) del INE. En primer lugar, se obtiene una URL válida para la descarga, en función del tipo de información a descargar (si es una tabla con número definido, o si es un fichero PCAxis).