+
@@ -1601,8 +349,8 @@
-1.1. ¿Qué es el generador de URL JSON del INE?
Obtención de identificadores de objetos usando INEbase. Permite reconocer el identificador de la operación estadística que se incluye en la URL.
-INE con R: descargando datos del Instituto Nacional de Estadística desde R
-
+
+
-
-
-
-
-
-
+
+
+
+
-.tocify .tocify-item a, .tocify .list-group-item {
-padding: 5px;
-}
-.tocify .nav-pills > li {
-float: none;
-}
-
-
-
-
-
-
-
-
+
-
+
@@ -1408,10 +151,6 @@
margin-left: auto;
margin-right: auto;
}
-code {
- color: inherit;
- background-color: rgba(0, 0, 0, 0.04);
-}
img {
max-width:100%;
}
@@ -1427,6 +166,9 @@
summary {
display: list-item;
}
+pre code {
+ padding: 0;
+}
@@ -1439,7 +181,6 @@
max-height: 500px;
min-height: 44px;
overflow-y: auto;
- background: white;
border: 1px solid #ddd;
border-radius: 4px;
}
@@ -1475,6 +216,7 @@
border: none;
display: inline-block;
border-radius: 4px;
+ background-color: transparent;
}
.tabset-dropdown > .nav-tabs.nav-tabs-open > li {
@@ -1503,6 +245,12 @@
}
}
+@media print {
+.toc-content {
+ /* see https://github.com/w3c/csswg-drafts/issues/4434 */
+ float: right;
+}
+}
.toc-content {
padding-left: 30px;
@@ -1564,7 +312,7 @@
-
1.2. Generar URL sabiendo número de tabla
+
+
+
+
+
-
+
@@ -1874,7 +617,7 @@ 1.2. Generar URL sabiendo el número de tabla
Si queremos descargar información de una URL del tipo
http://ine.es/jaxiT3/Tabla.htm?t=9687&L=0que corresponde a “Población residente por fecha, sexo y edad”, podemos extraer de la URL el identificador de la tabla, que es 9687, y podemos descargar la información en
2. Primera descarga
2.1. Primeros pasos
Cargamos los paquetes necesarios:
- - +library(httr)
+library(rlist)
+library(dplyr)
+library(data.table)url <- "http://servicios.ine.es/wstempus/js/ES/DATOS_TABLA/t15/p417/a2017/l0/01007.px?tip=AM"Usamos la función GET del paquete httr, usando como único parámetro la URL obtenida en el paso anterior.
defunciones_json <- GET(url)La variable status_code indica el éxito (o no) de la petición realizada. Un código que empieza por 2, o 3, suele indicar que la petición ha sido exitosa. Si el status_code comienza por 4, es que hay un problema en tu código (p.e. 404: la página no encuentra lo que solicitas), mientras que si comienza por 5, el problema está en la página web.
defunciones_json$status_code## [1] 200Podemos usar http_type para conocer el tipo de información que hemos obtenido.
http_type(defunciones_json)## [1] "application/json"2.2. Pre-procesamiento
La información debe ser pre-procesada antes de poder ser usada. Vemos la información cruda:
- +defunciones_json## Response [http://servicios.ine.es/wstempus/js/ES/DATOS_TABLA/t15/p417/a2017/l0/01007.px?tip=AM]
-## Date: 2019-10-23 10:02
+## Date: 2021-06-15 10:56
## Status: 200
## Content-Type: application/json;charset=UTF-8
-## Size: 1.48 MB
-## [{"Nombre":"01-93 I-XXII.Todas las causas, Ambos sexos, Total", "MetaDat...
-##
-, "Nombre":"01-93 I-XXII.Todas las causas", "Codigo":"0193ixxiitodaslas...
-##
-,
-##
-{"Variable":{"Nombre":"sexo", "Codigo":"sexo"}
-##
-, "Nombre":"Ambos sexos", "Codigo":"ambossexos"}
-##
-,
-##
-{"Variable":{"Nombre":"semanas de gestación", "Codigo":"semanasdegestac...
-##
-, "Nombre":"Total", "Codigo":"total"}
-##
-]
-##
-, "Data":[{"Valor":1274.0}
+## Size: 1.45 MB
+## [{"Nombre":"01-93 I-XXII.Todas las causas, Ambos sexos, Total", "MetaData":[{...
+## , "Nombre":"01-93 I-XXII.Todas las causas", "Codigo":"0193ixxiitodaslascausas"}
+## ,{"Variable":{"Nombre":"sexo", "Codigo":"sexo"}
+## , "Nombre":"Ambos sexos", "Codigo":"ambossexos"}
+## ,{"Variable":{"Nombre":"semanas de gestación", "Codigo":"semanasdegestacion"}
+## , "Nombre":"Total", "Codigo":"total"}
+## ]
+## , "Data":[{"Valor":1274.0}
+## ]
+## }
## ...La función content extrae el contenido de lo solicitado. Vemos las primeras dos componentes del contenido:
defunciones_contenido <- content(defunciones_json)
+head(defunciones_contenido, 2)## [[1]]
## [[1]]$Nombre
## [1] "01-93 I-XXII.Todas las causas, Ambos sexos, Total"
@@ -1793,27 +532,27 @@ 2.2. Pre-procesamiento
## [[2]]$Data[[1]]$Valor
## [1] 196Ya podríamos acceder a algunos datos, como por ejemplo:
- +defunciones_contenido[[1]]$Nombre## [1] "01-93 I-XXII.Todas las causas, Ambos sexos, Total"defunciones_contenido[[1]]$MetaData[[1]]$Codigo## [1] "0193ixxiitodaslascausas"defunciones_contenido[[1]]$Data[[1]]$Valor## [1] 1274Pero esto no es lo ideal, así que seguimos procesando. Utilizaremos el paquete rlist de manera iterativa para extraer los datos y metadatos de la información descargada, y formar así un data.frame.
n <- length(defunciones_contenido)
-
-for(i in 1:n){
- dato.i <- defunciones_contenido[[i]]
- defunciones.i <- list.select(dato.i$Data, Valor) %>% list.stack %>%
- cbind(codigo = dato.i$MetaData[[1]]$Codigo) %>%
- cbind(sexo = dato.i$MetaData[[2]]$Codigo) %>%
- cbind(s_gest = dato.i$MetaData[[3]]$Codigo)
- ifelse(i == 1,
- defunciones <- defunciones.i,
- defunciones <- rbindlist(list(defunciones, defunciones.i)))
-}
-
-head(defunciones)n <- length(defunciones_contenido)
+
+for(i in 1:n){
+ dato.i <- defunciones_contenido[[i]]
+ defunciones.i <- list.select(dato.i$Data, Valor) %>% list.stack %>%
+ cbind(codigo = dato.i$MetaData[[1]]$Codigo) %>%
+ cbind(sexo = dato.i$MetaData[[2]]$Codigo) %>%
+ cbind(s_gest = dato.i$MetaData[[3]]$Codigo)
+ ifelse(i == 1,
+ defunciones <- defunciones.i,
+ defunciones <- rbindlist(list(defunciones, defunciones.i)))
+}
+
+head(defunciones)## Valor codigo sexo s_gest
## 1: 1274 0193ixxiitodaslascausas ambossexos total
## 2: 196 0193ixxiitodaslascausas ambossexos menosde28semanas
@@ -1822,20 +561,20 @@ 2.2. Pre-procesamiento
## 5: 322 0193ixxiitodaslascausas ambossexos de37a41semanas
## 6: 0 0193ixxiitodaslascausas ambossexos 42semanasymasTambién podríamos haber descargado las etiquetas de las variables, en lugar de los códigos:
-n <- length(defunciones_contenido)
-
-for(i in 1:n){
- dato.i <- defunciones_contenido[[i]]
- defunciones.i <- list.select(dato.i$Data, Valor) %>% list.stack %>%
- cbind(codigo = dato.i$MetaData[[1]]$Nombre) %>%
- cbind(sexo = dato.i$MetaData[[2]]$Nombre) %>%
- cbind(s_gest = dato.i$MetaData[[3]]$Nombre)
- ifelse(i == 1,
- defunciones <- defunciones.i,
- defunciones <- rbindlist(list(defunciones, defunciones.i)))
-}
-
-head(defunciones)n <- length(defunciones_contenido)
+
+for(i in 1:n){
+ dato.i <- defunciones_contenido[[i]]
+ defunciones.i <- list.select(dato.i$Data, Valor) %>% list.stack %>%
+ cbind(codigo = dato.i$MetaData[[1]]$Nombre) %>%
+ cbind(sexo = dato.i$MetaData[[2]]$Nombre) %>%
+ cbind(s_gest = dato.i$MetaData[[3]]$Nombre)
+ ifelse(i == 1,
+ defunciones <- defunciones.i,
+ defunciones <- rbindlist(list(defunciones, defunciones.i)))
+}
+
+head(defunciones)## Valor codigo sexo s_gest
## 1: 1274 01-93 I-XXII.Todas las causas Ambos sexos Total
## 2: 196 01-93 I-XXII.Todas las causas Ambos sexos Menos de 28 semanas
@@ -1846,20 +585,24 @@ 2.2. Pre-procesamiento
2.3. Ejemplo de uso
-Con el data.frame obtenido, podemos trabajar. Por ejemplo:
-library(ggplot2)
-
-datos <- subset(defunciones, defunciones$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")
Podemos hacer un gráfico con los datos descargados:
+library(ggplot2)
+
+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")
2.3. Ejemplo de uso
// add bootstrap table styles to pandoc tables function bootstrapStylePandocTables() { - $('tr.header').parent('thead').parent('table').addClass('table table-condensed'); + $('tr.odd').parent('tbody').parent('table').addClass('table table-condensed'); } $(document).ready(function () { bootstrapStylePandocTables(); @@ -1892,7 +635,7 @@2.3. Ejemplo de uso
$(document).ready(function () { $('.tabset-dropdown > .nav-tabs > li').click(function () { - $(this).parent().toggleClass('nav-tabs-open') + $(this).parent().toggleClass('nav-tabs-open'); }); }); @@ -1913,7 +656,7 @@2.3. Ejemplo de uso
theme: "bootstrap3", context: '.toc-content', hashGenerator: function (text) { - return text.replace(/[.\\/?&!#<>]/g, '').replace(/\s/g, '_').toLowerCase(); + return text.replace(/[.\\/?&!#<>]/g, '').replace(/\s/g, '_'); }, ignoreSelector: ".toc-ignore", scrollTo: 0 diff --git a/02_descarga_avanzada.Rmd b/02_descarga_avanzada.Rmd index 5d69012..f8e5520 100644 --- a/02_descarga_avanzada.Rmd +++ b/02_descarga_avanzada.Rmd @@ -1,9 +1,8 @@ - --- title: "INE con R: descargando datos del Instituto Nacional de Estadística desde R" subtitle: "Segunda parte: Descarga avanzada. Población por provincias, por edad simple" author: "Daniel Redondo-Sánchez" -date: "11-02-2019" +date: "13-06-2021" output: html_document: highlight: tango @@ -15,12 +14,12 @@ output: pdf_document: toc: yes editor_options: - chunk_output_type: console + chunk_output_type: inline --- # 1. Descarga de información -```{r message=FALSE} +```{r message=FALSE, warning = FALSE} # Carga de paquetes library(httr) library(dplyr) @@ -28,45 +27,23 @@ library(rlist) library(data.table) ``` +Se va a realizar una descarga de la población por provincias por edad simple de los últimos 6 periodos disponibles. La descarga puede ser lenta. + ```{r} # Como la URL es: # http://ine.es/jaxiT3/Tabla.htm?t=9687&L=0, # ponemos el identificador 9678 # Descargamos sin metadatos para que sea más rápido -url <- "http://servicios.ine.es/wstempus/js/ES/DATOS_TABLA/9687?nult=5&tip=A" +url <- "http://servicios.ine.es/wstempus/js/ES/DATOS_TABLA/9687?nult=6&tip=A" poblacion_json <- GET(url) - ``` -Parece que la descarga ha sido exitosa: +La descarga ha sido exitosa: ```{r} poblacion_json$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$prov) @@ -105,7 +80,6 @@ poblacion$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"){ @@ -113,16 +87,22 @@ for(i in 1:m){ 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$Valor))) ``` \ No newline at end of file diff --git a/02_descarga_avanzada.html b/02_descarga_avanzada.html index 0634676..5156bf9 100644 --- a/02_descarga_avanzada.html +++ b/02_descarga_avanzada.html @@ -1,11 +1,10 @@ - + - @@ -15,1284 +14,58 @@
+
@@ -1575,338 +323,320 @@
-
+
-
+
+
-
-
+
+
-
-
+
+
+
-
+
@@ -1920,7 +650,7 @@
INE con R: descargando datos del Instituto Nacional de Estadística desde R
Segunda parte: Descarga avanzada. Población por provincias, por edad simple
Daniel Redondo-Sánchez
-11-02-2019
+13-06-2021
1. Descarga de información
- -# Como la URL es:
-# http://ine.es/jaxiT3/Tabla.htm?t=9687&L=0,
-# ponemos el identificador 9678
-# Descargamos sin metadatos para que sea más rápido
-url <- "http://servicios.ine.es/wstempus/js/ES/DATOS_TABLA/9687?nult=5&tip=A"
-poblacion_json <- GET(url)Parece que la descarga ha sido exitosa:
- +# Carga de paquetes
+library(httr)
+library(dplyr)
+library(rlist)
+library(data.table)Se va a realizar una descarga de la población por provincias por edad simple de los últimos 6 periodos disponibles.
+# Como la URL es:
+# http://ine.es/jaxiT3/Tabla.htm?t=9687&L=0,
+# ponemos el identificador 9678
+# Descargamos sin metadatos para que sea más rápido
+url <- "http://servicios.ine.es/wstempus/js/ES/DATOS_TABLA/9687?nult=6&tip=A"
+poblacion_json <- GET(url)La descarga ha sido exitosa:
+poblacion_json$status_code## [1] 200pero
- -## [1] "Petición en proceso. Actualice página pasados unos minutos."así que solicitamos la información hasta que es descargada con éxito:
-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)$status)))
-}## Durmiendo... Obteniendo información, puede tardar unos minutos...
-## [1] "Intento nº1: Petición en proceso. Actualice página pasados unos minutos."
-## Durmiendo... Obteniendo información, puede tardar unos minutos...
-## [1] "Intento nº2: Petición en proceso. Actualice página pasados unos minutos."
-## Durmiendo... Obteniendo información, puede tardar unos minutos...
-## [1] "Intento nº3: Archivo descargado."2. Procesamiento
Extraemos la información necesaria (sexo, edad, provincia) que se encuentran dentro de un mismo campo. Usamos strsplit para dividir la información y seleccionar la componente necesaria.
poblacion_contenido <- content(poblacion_json)
-n <- length(poblacion_contenido)
-
-for(i in 1:n){
- # Medidor de proceso
- # if(i %% 1000 == 0) print(paste0(i, "/", n))
- dato.i <- poblacion_contenido[[i]]$Data
- division <- strsplit(paste(poblacion_contenido[[i]]$Nombre), split = ". ", fixed = T)[[1]]
- poblacion.i <- dato.i %>% list.select(T3_Periodo, Anyo, Valor) %>% list.stack %>%
- cbind(edad = division[1]) %>%
- cbind(sexo = division[3]) %>%
- cbind(prov = division[2])
- ifelse(i == 1, poblacion <- poblacion.i, poblacion <- rbindlist(list(poblacion, poblacion.i)))
-}poblacion_contenido <- content(poblacion_json)
+n <- length(poblacion_contenido)
+
+for(i in 1:n){
+ dato.i <- poblacion_contenido[[i]]$Data
+ division <- strsplit(paste(poblacion_contenido[[i]]$Nombre), split = ". ", fixed = T)[[1]]
+ poblacion.i <- dato.i %>% list.select(T3_Periodo, Anyo, Valor) %>% list.stack %>%
+ cbind(edad = division[1]) %>%
+ cbind(prov = division[2]) %>%
+ cbind(sexo = division[3])
+ ifelse(i == 1, poblacion <- poblacion.i, poblacion <- rbindlist(list(poblacion, poblacion.i)))
+}Podemos ver las tablas de frecuencias de los datos:
+table(poblacion$edad)##
-## Total Nacional Todas las edades 0 años 1 año
-## 1515 780 780 780
-## 2 años 3 años 4 años 5 años
-## 780 780 780 780
-## 6 años 7 años 8 años 9 años
-## 780 780 780 780
-## 10 años 11 años 12 años 13 años
-## 780 780 780 780
-## 14 años 15 años 16 años 17 años
-## 780 780 780 780
-## 18 años 19 años 20 años 21 años
-## 780 780 780 780
+## 0 años 1 año 10 años 100 y más años
+## 936 936 936 954
+## 11 años 12 años 13 años 14 años
+## 936 936 936 936
+## 15 años 16 años 17 años 18 años
+## 936 936 936 936
+## 19 años 2 años 20 años 21 años
+## 936 936 936 936
## 22 años 23 años 24 años 25 años
-## 780 780 780 780
+## 936 936 936 936
## 26 años 27 años 28 años 29 años
-## 780 780 780 780
-## 30 años 31 años 32 años 33 años
-## 780 780 780 780
-## 34 años 35 años 36 años 37 años
-## 780 780 780 780
-## 38 años 39 años 40 años 41 años
-## 780 780 780 780
-## 42 años 43 años 44 años 45 años
-## 780 780 780 780
-## 46 años 47 años 48 años 49 años
-## 780 780 780 780
-## 50 años 51 años 52 años 53 años
-## 780 780 780 780
-## 54 años 55 años 56 años 57 años
-## 780 780 780 780
-## 58 años 59 años 60 años 61 años
-## 780 780 780 780
+## 936 936 936 936
+## 3 años 30 años 31 años 32 años
+## 936 936 936 936
+## 33 años 34 años 35 años 36 años
+## 936 936 936 936
+## 37 años 38 años 39 años 4 años
+## 936 936 936 936
+## 40 años 41 años 42 años 43 años
+## 936 936 936 936
+## 44 años 45 años 46 años 47 años
+## 936 936 936 936
+## 48 años 49 años 5 años 50 años
+## 936 936 936 936
+## 51 años 52 años 53 años 54 años
+## 936 936 936 936
+## 55 años 56 años 57 años 58 años
+## 936 936 936 936
+## 59 años 6 años 60 años 61 años
+## 936 936 936 936
## 62 años 63 años 64 años 65 años
-## 780 780 780 780
+## 936 936 936 936
## 66 años 67 años 68 años 69 años
-## 780 780 780 780
-## 70 años 71 años 72 años 73 años
-## 780 780 780 780
-## 74 años 75 años 76 años 77 años
-## 780 780 780 780
-## 78 años 79 años 80 años 81 años
-## 780 780 780 780
-## 82 años 83 años 84 años 85 años
-## 780 780 780 780
-## 86 años 87 años 88 años 89 años
-## 780 780 780 780
-## 90 años 91 años 92 años 93 años
-## 780 780 780 780
-## 94 años 95 años 96 años 97 años
-## 780 780 780 780
-## 98 años 99 años 100 y más años
-## 780 780 795table(poblacion$sexo)##
-## Total Hombres Mujeres
-## 27030 27030 27030table(poblacion$prov)##
-## Todas las edades Albacete Alicante/Alacant
-## 15 1530 1530
-## Almería Araba/Álava Asturias
-## 1530 1530 1530
-## Ávila Badajoz Balears, Illes
-## 1530 1530 1530
-## Barcelona Bizkaia Burgos
-## 1530 1530 1530
-## Cáceres Cádiz Cantabria
-## 1530 1530 1530
-## Castellón/Castelló Ciudad Real Córdoba
-## 1530 1530 1530
-## Coruña, A Cuenca Gipuzkoa
-## 1530 1530 1530
-## Girona Granada Guadalajara
-## 1530 1530 1530
-## Huelva Huesca Jaén
-## 1530 1530 1530
-## León Lleida Lugo
-## 1530 1530 1530
-## Madrid Málaga Murcia
-## 1530 1530 1530
-## Navarra Ourense Palencia
-## 1530 1530 1530
-## Palmas, Las Pontevedra Rioja, La
-## 1530 1530 1530
-## Salamanca Santa Cruz de Tenerife Segovia
-## 1530 1530 1530
-## Sevilla Soria Tarragona
-## 1530 1530 1530
-## Teruel Toledo Valencia/València
-## 1530 1530 1530
-## Valladolid Zamora Zaragoza
-## 1530 1530 1530
-## Ceuta Melilla 0 años
-## 1530 1530 15
-## 1 año 2 años 3 años
-## 15 15 15
-## 4 años 5 años 6 años
-## 15 15 15
-## 7 años 8 años 9 años
-## 15 15 15
-## 10 años 11 años 12 años
-## 15 15 15
-## 13 años 14 años 15 años
-## 15 15 15
-## 16 años 17 años 18 años
-## 15 15 15
-## 19 años 20 años 21 años
-## 15 15 15
+## 0 años 1 año 10 años
+## 18 18 18
+## 11 años 12 años 13 años
+## 18 18 18
+## 14 años 15 años 16 años
+## 18 18 18
+## 17 años 18 años 19 años
+## 18 18 18
+## 2 años 20 años 21 años
+## 18 18 18
## 22 años 23 años 24 años
-## 15 15 15
+## 18 18 18
## 25 años 26 años 27 años
-## 15 15 15
-## 28 años 29 años 30 años
-## 15 15 15
-## 31 años 32 años 33 años
-## 15 15 15
-## 34 años 35 años 36 años
-## 15 15 15
-## 37 años 38 años 39 años
-## 15 15 15
-## 40 años 41 años 42 años
-## 15 15 15
-## 43 años 44 años 45 años
-## 15 15 15
-## 46 años 47 años 48 años
-## 15 15 15
-## 49 años 50 años 51 años
-## 15 15 15
+## 18 18 18
+## 28 años 29 años 3 años
+## 18 18 18
+## 30 años 31 años 32 años
+## 18 18 18
+## 33 años 34 años 35 años
+## 18 18 18
+## 36 años 37 años 38 años
+## 18 18 18
+## 39 años 4 años 40 años
+## 18 18 18
+## 41 años 42 años 43 años
+## 18 18 18
+## 44 años 45 años 46 años
+## 18 18 18
+## 47 años 48 años 49 años
+## 18 18 18
+## 5 años 50 años 51 años
+## 18 18 18
## 52 años 53 años 54 años
-## 15 15 15
+## 18 18 18
## 55 años 56 años 57 años
-## 15 15 15
-## 58 años 59 años 60 años
-## 15 15 15
-## 61 años 62 años 63 años
-## 15 15 15
-## 64 años 65 años 66 años
-## 15 15 15
-## 67 años 68 años 69 años
-## 15 15 15
-## 70 años 71 años 72 años
-## 15 15 15
-## 73 años 74 años 75 años
-## 15 15 15
-## 76 años 77 años 78 años
-## 15 15 15
-## 79 años 80 años 81 años
-## 15 15 15
+## 18 18 18
+## 58 años 59 años 6 años
+## 18 18 18
+## 60 años 61 años 62 años
+## 18 18 18
+## 63 años 64 años 65 años
+## 18 18 18
+## 66 años 67 años 68 años
+## 18 18 18
+## 69 años 7 años 70 años
+## 18 18 18
+## 71 años 72 años 73 años
+## 18 18 18
+## 74 años 75 años 76 años
+## 18 18 18
+## 77 años 78 años 79 años
+## 18 18 18
+## 8 años 80 años 81 años
+## 18 18 18
## 82 años 83 años 84 años
-## 15 15 15
+## 18 18 18
## 85 años 86 años 87 años
-## 15 15 15
-## 88 años 89 años 90 años
-## 15 15 15
-## 91 años 92 años 93 años
-## 15 15 15
-## 94 años 95 años 96 años
-## 15 15 15
-## 97 años 98 años 99 años
-## 15 15 15
-## Total Nacional
-## 15table(poblacion$Anyo, poblacion$T3_Periodo)##
-## 1 de enero de 1 de julio de
-## 2017 16218 16218
-## 2018 16218 16218
-## 2019 16218 0Hemos observado que hay un error en los datos que hace que, a veces, cuando prov es “Total Nacional”, aparece la edad en el campo prov y la provincia en el campo edad. Lo arreglamos.
-poblacion$prov <- as.character(poblacion$prov)
-poblacion$edad <- as.character(poblacion$edad)
-
-# m = n * número de periodos añadidos, se desdobla la lista
-m <- nrow(poblacion)
-m## [1] 81090for(i in 1:m){
- if(poblacion$edad[[i]] == "Total Nacional"){
- poblacion$edad[[i]] = poblacion$prov[[i]]
- poblacion$prov[[i]] = "Total Nacional"
- }
-}
-
-# Trabajamos con la edad (500 será nuestro código para el total)
-for(i in 1:m){
- poblacion$edad[[i]] <- strsplit(poblacion$edad[[i]], " ")[[1]][1]
- if(poblacion$edad[[i]] == "Todas") poblacion$edad[[i]] <- "500"
-}
-
-poblacion$edad <- as.numeric(poblacion$edad)poblacion$prov <- as.character(poblacion$prov)
+poblacion$edad <- as.character(poblacion$edad)
+
+# m = n * número de periodos añadidos, se desdobla la lista
+m <- nrow(poblacion)
+
+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.
+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.
+# Tabla de frecuencias de los datos
+table(poblacion$edad)##
-## 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
-## 795 795 795 795 795 795 795 795 795 795 795 795 795 795 795 795 795 795
-## 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35
-## 795 795 795 795 795 795 795 795 795 795 795 795 795 795 795 795 795 795
-## 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53
-## 795 795 795 795 795 795 795 795 795 795 795 795 795 795 795 795 795 795
-## 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71
-## 795 795 795 795 795 795 795 795 795 795 795 795 795 795 795 795 795 795
-## 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89
-## 795 795 795 795 795 795 795 795 795 795 795 795 795 795 795 795 795 795
-## 90 91 92 93 94 95 96 97 98 99 100 500
-## 795 795 795 795 795 795 795 795 795 795 795 795table(poblacion$sexo)##
-## Total Hombres Mujeres
-## 27030 27030 27030table(poblacion$prov)##
## Albacete Alicante/Alacant Almería
-## 1530 1530 1530
+## 1836 1836 1836
## Araba/Álava Asturias Ávila
-## 1530 1530 1530
+## 1836 1836 1836
## Badajoz Balears, Illes Barcelona
-## 1530 1530 1530
+## 1836 1836 1836
## Bizkaia Burgos Cáceres
-## 1530 1530 1530
+## 1836 1836 1836
## Cádiz Cantabria Castellón/Castelló
-## 1530 1530 1530
+## 1836 1836 1836
## Ceuta Ciudad Real Córdoba
-## 1530 1530 1530
+## 1836 1836 1836
## Coruña, A Cuenca Gipuzkoa
-## 1530 1530 1530
+## 1836 1836 1836
## Girona Granada Guadalajara
-## 1530 1530 1530
+## 1836 1836 1836
## Huelva Huesca Jaén
-## 1530 1530 1530
+## 1836 1836 1836
## León Lleida Lugo
-## 1530 1530 1530
+## 1836 1836 1836
## Madrid Málaga Melilla
-## 1530 1530 1530
+## 1836 1836 1836
## Murcia Navarra Ourense
-## 1530 1530 1530
+## 1836 1836 1836
## Palencia Palmas, Las Pontevedra
-## 1530 1530 1530
+## 1836 1836 1836
## Rioja, La Salamanca Santa Cruz de Tenerife
-## 1530 1530 1530
+## 1836 1836 1836
## Segovia Sevilla Soria
-## 1530 1530 1530
+## 1836 1836 1836
## Tarragona Teruel Toledo
-## 1530 1530 1530
+## 1836 1836 1836
## Total Nacional Valencia/València Valladolid
-## 1530 1530 1530
+## 1836 1836 1836
## Zamora Zaragoza
-## 1530 1530table(poblacion$Anyo, poblacion$T3_Periodo)##
-## 1 de enero de 1 de julio de
-## 2017 16218 16218
-## 2018 16218 16218
-## 2019 16218 03. Ejemplo de uso
-datos <- subset(poblacion, poblacion$edad != 500 & poblacion$prov == "Granada" & poblacion$sexo != "Total")
-
-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$Valor)))
library(ggplot2)
+
+datos <- poblacion %>%
+ filter(edad != 500 & prov == "Granada" & sexo != "Total")
+
+qplot(edad, Valor, col = sexo, data = datos,
+ main = "Población por edad simple, por sexos. Varios periodos, Granada.",
+ facets = Anyo ~ T3_Periodo, ylim = c(0, max(datos$Valor)))