-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathDesempleo.R
247 lines (197 loc) · 8 KB
/
Desempleo.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
library(dplyr)
library(tidyverse)
library(pxR)
#Lectura del archivo línea por línea
Desempleo <- readLines("INPUT/DATA/Desempleo.px", encoding = "ISO-8859-1")
#Modifica la codificación original del texto a la codificación UTF-8
Desempleo_utf8 <- iconv(Desempleo, from = "ISO-8859-1", to = "UTF-8")
#Creación del archivo temporal .px
archivo_desempleo <- tempfile(fileext = ".px")
#Se escribe el contenido codificado en UTF-8 al archivo temporal
writeLines(Desempleo_utf8, archivo_desempleo)
# Lee el archivo temporal con read.px
Desempleo_datos <- read.px(archivo_desempleo)
Desempleo_frame <- as.data.frame(Desempleo_datos)
Desempleo_frame
#view(Desempleo_frame)
#Agrupación de los rangos de edades y correción de caraceteres extraños
Desempleo_agrup <- Desempleo_frame %>%
transmute(
Edad = case_when(
Edad == "De 16 a 19 años" ~ "De 18 a 24 años",
Edad == "De 20 a 24 años" ~ "De 18 a 24 años",
Edad == "De 25 a 29 años" ~ "De 25 a 64 años",
Edad == "De 30 a 34 años" ~ "De 25 a 64 años",
Edad == "De 35 a 39 años" ~ "De 25 a 64 años",
Edad == "De 40 a 44 años" ~ "De 25 a 64 años",
Edad == "De 45 a 49 años" ~ "De 25 a 64 años",
Edad == "De 50 a 54 años" ~ "De 25 a 64 años",
Edad == "De 55 a 59 años" ~ "De 25 a 64 años",
Edad == "De 60 a 64 años" ~ "De 25 a 64 años",
Edad == "De 65 a 69 años" ~ "65 o más",
Edad == "70 y más años" ~ "65 o más",
),
Tiempo.de.búsqueda.de.empleo = case_when(
Tiempo.de.búsqueda.de.empleo == "2 años o más" ~ "2 años o más",
Tiempo.de.búsqueda.de.empleo == "Ya ha encontrado empleo" ~ "Ya ha encontrado empleo",
Tiempo.de.búsqueda.de.empleo == "De 1 mes a menos de 3 meses" ~ "De 1 mes a menos de 3 meses",
Tiempo.de.búsqueda.de.empleo == "De 3 meses a menos de 6 meses" ~ "De 3 meses a menos de 6 meses",
Tiempo.de.búsqueda.de.empleo == "De 6 meses a menos de 1 año" ~ "De 6 meses a menos de 1 año",
Tiempo.de.búsqueda.de.empleo == "De 1 año a menos de 2 años" ~ "De 1 año a menos de 2 años",
Tiempo.de.búsqueda.de.empleo == "Total" ~ "Total",
),
Periodo = Periodo,
Tiempo.de.búsqueda.de.empleo=Tiempo.de.búsqueda.de.empleo,
Edad = Edad,
Sexo = Sexo,
value = value,
)%>%
#Cambio del nombre de la columna tiempo de búsqueda de empleo
mutate(Desempleo_agrup, Tiempo_de_búsqueda_de_empleo= Tiempo.de.búsqueda.de.empleo)%>%
select(-Tiempo.de.búsqueda.de.empleo)
#view(Desempleo_agrup)
#Eliminar filas es la que salia el valor NA
Desempleo_no_NA <- Desempleo_agrup%>%
drop_na(value, Tiempo_de_búsqueda_de_empleo, Edad, Periodo, Sexo)
Desempleo_no_NA
#view(Desempleo_no_NA)
#Elimino los valores de ambos sexos y total, y selecciono solo los datos del 2021
Desempleo_data <- Desempleo_no_NA %>%
filter(
Sexo != "Ambos sexos",
Tiempo_de_búsqueda_de_empleo != "Total",
Periodo == "2021"
)
#view(Desempleo_data)
#GRÁFICAS
library(ggplot2)
#GRÁFICA DE DESEMPLEO POR GRUPO DE EDAD EN 2021
ggplot(Desempleo_data, aes(x = Edad, y = value, fill = Sexo)) +
geom_bar(stat = "identity", position = "dodge", aes(fill=factor(Sexo))) +
labs(title = "Desempleo por Grupo de Edad en 2021", x = "Grupo de Edad", y = "Cantidad de Desempleo") +
theme_minimal() +
theme(
axis.text.x = element_text(angle = 45, hjust = 1)
)
#GRÁFICA PARA OBSERVAR LA TENDENCIA DE DESEMPLEO EN DSTINTOS PERIODOS
ggplot(Desempleo_data, aes(x = Periodo, y = value, fill = Edad)) +
geom_bar(stat = "identity", position = "dodge", aes(fill=factor(Sexo))) +
labs(title = "Tendencia del Desempleo por Edad", x = "Año", y = "Cantidad de Desempleo") +
theme_minimal() +
theme(
axis.text.x = element_text(angle = 45, hjust = 1)
)
#GRÁFICA PARA COMPARAR EL DESEMPLEO ENTRE HOMBRES Y MUJERES EN 2021 POR GRUPO_EDAD_18_24
Desempleo_HM <- ggplot(Desempleo_data %>% filter(Edad == "De 18 a 24 años"), aes(x = Sexo, y = value, fill = Sexo)) +
geom_bar(stat = "identity", aes(fill=factor(Sexo))) +
labs(title = "Comparación de Desempleo entre Hombres y Mujeres (18 a 24 años, 2021)", x = "Sexo", y = "Cantidad de Desempleo") +
theme_minimal() +
theme(
axis.text.x = element_text(angle = 45, hjust = 1)
)
Desempleo_HM
ggsave(
filename = "Desempleo_Hombres_Mujeres_18_24.jpeg",
plot = Desempleo_HM ,
path = "OUTPUT/Figures/Desempleo", # ruta relativa
scale = 0.5,
width = 40,
height = 20,
units = "cm",
dpi = 320
)
#GRÁFICA PARA COMPARAR EL DESEMPLEO ENTRE HOMBRES Y MUJERES EN 2021 POR GRUPO_EDAD_25_64
Desempleo_HM2 <- ggplot(Desempleo_data %>% filter(Edad == "De 25 a 64 años"), aes(x = Sexo, y = value, fill = Sexo)) +
geom_bar(stat = "identity", aes(fill=factor(Sexo))) +
labs(title = "Comparación de Desempleo entre Hombres y Mujeres (25 a 64 años, 2021)", x = "Sexo", y = "Cantidad de Desempleo") +
theme_minimal() +
theme(
axis.text.x = element_text(angle = 45, hjust = 1)
)
Desempleo_HM2
ggsave(
filename = "Desempleo_Hombres_Mujeres_25_64.jpeg",
plot = Desempleo_HM2,
path = "OUTPUT/Figures/Desempleo", # ruta relativa
scale = 0.5,
width = 40,
height = 20,
units = "cm",
dpi = 320
)
#GRÁFICA PARA COMPARAR EL DESEMPLEO ENTRE HOMBRES Y MUJERES EN 2021 POR GRUPO_EDAD_65
Desempleo_HM3 <- ggplot(Desempleo_data %>% filter(Edad == "65 o más"), aes(x = Sexo, y = value, fill = Sexo)) +
geom_bar(stat = "identity", aes(fill=factor(Sexo))) +
labs(title = "Comparación de Desempleo entre Hombres y Mujeres (65 o más, 2021)", x = "Sexo", y = "Cantidad de Desempleo") +
theme_minimal() +
theme(
axis.text.x = element_text(angle = 45, hjust = 1)
)
Desempleo_HM3
ggsave(
filename = "Desempleo_Hombres_Mujeres_65.jpeg",
plot = Desempleo_HM3,
path = "OUTPUT/Figures/Desempleo", # ruta relativa
scale = 0.5,
width = 40,
height = 20,
units = "cm",
dpi = 320
)
#RELACIÓN TIMEPO BÚSQUEDA DE EMPLEO CON IMC
Desempleo_IMC <- inner_join(
Desempleo_data,
datos_IMC_df,
by = join_by(Edad, Sexo),
)
#view(Desempleo_IMC)
#Nos quedamos solo con la obesidad y eliminamos los valores total
Desempleo_IMC_filtrado<- Desempleo_IMC%>%
drop_na()%>%
filter(
Masa.corporal.adultos=="Obesidad (IMC>=30 kg/m2)",
Masa.corporal.adultos!="TOTAL",
Nivel.de.estudios!="TOTAL"
)
#view(Desempleo_IMC_filtrado)
#GRÁFICO QUE MUESTRA EL IMC DE HOMBRES Y MUJERES SEGÚN EL TIEMPO DE DESEMPLEO
Desempleo_obesidad <- ggplot(data = Desmepleo_IMC_filtrado, aes(x = Tiempo_de_búsqueda_de_empleo, y = value, fill=Sexo)) +
geom_bar(stat = "identity", position = "dodge", aes(fill=factor(Sexo))) +
facet_wrap(~ Masa.corporal.adultos) + # Dividir por grupos de edad
labs(
title = "Índice de masa corporal según el tiempo de desempleo",
x = "Tiempo de desempleo", #creo que está mal
y = "Personas en desempleo"
) +
theme_minimal() +
theme(
axis.text.x = element_text(angle = 45, hjust = 1) # Rotar etiquetas del eje x para que se vean bien
)
Desempleo_obesidad
ggsave(
filename = "Desempleo_obesidad.jpeg",
plot = Desempleo_obesidad ,
#path = paste(getwd(), "/OUTPUT/Figures", sep = ""), # ruta absoluta
path = "OUTPUT/Figures/Desempleo", # ruta relativa
scale = 0.5,
width = 40,
height = 20,
units = "cm",
dpi = 320
)
#RELACIÓN TIEMPO DE BÚSQUEDA DE EMPLEO CON ALIMENTOS
Desempleo_Alimentacion <- inner_join(
Desempleo_data,
datos_Alimentacion,
by = join_by(Edad,Sexo),
)
#view(Desempleo_Alimentacion)
# Crear gráfico de barras que muestra la relación entre el tiempo de búsqueda de empleo, alimentos, frecuencia y sexo
ggplot(Desempleo_Alimentacion, aes(x = `Frecuencia`, y = Tiempo_de_búsqueda_de_empleo, fill = Sexo)) +
geom_bar(stat = "identity", position = "dodge") +
labs(
title = "Relación entre el tiempo de búsqueda de empleo, frecuencia de consumo de alimentos y sexo",
x = "Tiempo de búsqueda de empleo",
y = "Frecuencia de consumo de alimentos",
fill = "Sexo"
)