Grupo_1.R

###########################################  GRUPO 1 ############################################

#####################################  Miembros del grupo  ######################################

# 20163197, Enrique Alfonso Pazos 
# 20191894, Ilenia Ttito
# 20151595, Rodrigo Ramos
# 20193469, Luis Egusquiza 
# 20163377, Jean Ni�o de Guzm�n

##Se cargan las librer�as necesarias para limpieza de datos y leer archivos de Excel.
library(tidyr)
library(dplyr)
library(readxl)
library(reshape)

##se extrae el usuario para posteriormente pegarlo en el nuevo directorio de la base de datos y pueda correr a cualquier persona con acceso al repositorio del curso.
user <- Sys.getenv("USERNAME")  

##Se setea un directorio para que se cargue la base de datos desde el repositorio del curso y se utilice el usuario de la PC en donde se corra el c�digo.
setwd( paste0("C:/Users/",user,"/Documents/GitHub/1ECO35_2022_2/data") ) 

##Se indica que se extraiga la base de datos "Region_Junin" 
junin_data <- read_excel("../data/Region_Junin.xlsx")

##Se juntan las columnas del dataframe para poder trabajar con cada una independientemente.
attach(junin_data)

### PREGUNTA 1:

#Mostrar los nombres de las 42 variables del Dataframe
names(junin_data)

### PREGUNTA 2:

#Con este comando se pueden mostrar las variables del dataframe con su respectivo tipo de dato.
lapply(junin_data, class)
str(lapply)

#Y con este comando se muestra el resumen estad�stico de los datos de cada variable
summary(junin_data)

### PREGUNTA 3

#Va colocar TRUE en los missing values
is.na(junin_data)

#N�mero de missing values de la base de datos
sum(is.na(junin_data))

#N�mero de casos completos
sum(complete.cases(junin_data))

#Crear una nueva base de datos que omita los missing values
data<- na.omit(junin_data)

#Corroboramos que ya no hay missing values 
sum(is.na(data))

### PREGUNTA 4

#Para conocer los nombres de las columnas de la tabla 
names(data)

#Como son muchas columnas, utilizamos reshape para no contar la posici�n de la columna que deseamos cambiar
require(reshape)

#Renombramos los nombres de las variables solicitadas 
data <- rename(data, c(Place="comunidad", men_not_read="homxlee", women_not_read="mujerxlee", total_not_read="totalxlee"))

#Corroboramos que los nombres hayan sido modificados 
names(data)

### PREGUNTA 5

#Mostramos los identificadores de todas las observaciones
unique(...1)

#Se muestra los valores �nicos de las 2 variables solicitadas

# Valores �nicos de la var. 'comunidad'
# Referenciamos a la �ltima base de datos modificada: 'data'

unique(data$comunidad)

# Valores �nicos de la var. 'District'
# Referenciamos a la �ltima base de datos modificada: 'data'

unique(data$District)

### PREGUNTA 6

#Crear porcentajes solicitados, usando las variables del dataframe
porct_mujxlee<-(data$mujerxlee)/(data$totalxlee)
porct_hmxlee<-(data$homxlee)/(data$totalxlee)
total_pob<-(data$peruvian_men)+(data$peruvian_women)+(data$foreign_men)+(data$foreign_women)
porct_nativos<-(data$natives)/total_pob

# A�adimos las nuevas variabes a la base de datos
data<-cbind(data,porct_mujxlee, porct_hmxlee,porct_nativos)
data

### PREGUNTA 7

#Filtro solamente de acuerdo a esos valores

# a:
pregunta_7_a <- data[data$District %in% c("CIUDAD DEL CERRO","JAUJA", 
                                             "ACOLLA", "SAN GERÓunique(dataNIMO", "TARMA",
                                             "OROYA", "CONCEPCIÓN"),]

#b, Solo quedarme con aquellas observaciones, cuyas variables mestizo y nativos toma un valor estrictamente mayor a 0.

pregunta_7_b <- pregunta_7_a %>% filter( (natives > 0) & ( mestizos > 0) )

#c, SOlo quedarme con las columnas distrito y comunidad

pregunta_7_c <- pregunta_7_b[,c('District','comunidad')]

#d, Guardar la base de datos: 

library("writexl")
write_xlsx(pregunta_7_c, '../data/Base_cleaned_WG1.xlsx')