Cadena Productiva de Café
Estudio R
5 de diciembre de 2017
- Leyendo Base de Datos.
- Estructura de Datos
- Producción Total de Café en todo el país, período 2007 - 2015.
- Cuales fueron los 10 municipios que más produjeron café y cuanto fue la producción? (Período 2007-2015).
- Cuanto del Área Sembrada es realmente Cosechada.
- Cual es el rendimiento promedio por hectárea de los departamentos productores de café en Colombia.
- Cambios en el nivel de producción del período 2010-2015, en los departamentos del eje cafetero (Caldas, Risaralda, Quindío, Valle del Cauca y Tolima).
Leyendo Base de Datos.
datos <- read.csv(file = "CadenaCafe.csv", encoding = "UTF-8")Estos son los datos de la Cadena Productiva del Café (Área, Producción y Rendimiento), comprende los períodos de 2007 a 2015. Los datos se encuentran disponibles en https://www.datos.gov.co/Agricultura-y-Desarrollo-Rural/Cadena-Productiva-Caf-Area-Producci-n-Y-Rendimient/mc73-h8xp. Consultada el 5 de Diciembre de 2017.
Estructura de Datos
str(datos)## 'data.frame': 5464 obs. of 16 variables:
## $ CÓD..DEP. : int 5 5 5 5 5 5 5 5 5 5 ...
## $ DEPARTAMENTO : Factor w/ 24 levels "ANTIOQUIA","ARAUCA",..: 1 1 1 1 1 1 1 1 1 1 ...
## $ CÓD..MUN. : int 5002 5004 5021 5030 5031 5034 5036 5038 5040 5044 ...
## $ MUNICIPIO : Factor w/ 614 levels "ABEJORRAL","ABREGO",..: 1 3 17 24 25 29 30 31 33 36 ...
## $ GRUPO.DE.CULTIVO : Factor w/ 1 level "OTROS PERMANENTES": 1 1 1 1 1 1 1 1 1 1 ...
## $ SUBGRUPO.DE.CULTIVO : Factor w/ 1 level "CAFE": 1 1 1 1 1 1 1 1 1 1 ...
## $ CULTIVO : Factor w/ 1 level "CAFE": 1 1 1 1 1 1 1 1 1 1 ...
## $ DESAGREGACIÓN.REGIONAL.Y.O.SISTEMA.PRODUCTIVO: Factor w/ 1 level "CAFE": 1 1 1 1 1 1 1 1 1 1 ...
## $ CÓDIGO.CULTIVO : num 1.12e+11 1.12e+11 1.12e+11 1.12e+11 1.12e+11 ...
## $ NOMBRE.CIENTIFICO : Factor w/ 1 level "COFFEA ARABICA ": 1 1 1 1 1 1 1 1 1 1 ...
## $ PERIODO : int 2007 2007 2007 2007 2007 2007 2007 2007 2007 2007 ...
## $ Área.Sembrada.ha. : int 4067 135 739 832 1552 8696 600 1240 214 1200 ...
## $ Área.Cosechada.ha. : int 3819 135 733 785 1432 8484 600 1180 194 1140 ...
## $ Producción.t. : int 2329 81 733 570 1439 13574 480 1180 217 1311 ...
## $ Rendimiento.t.ha. : num 0.6 0.6 1 0.7 1 1.6 0.8 1 1.1 1.2 ...
## $ ESTADO.FISICO.PRODUCCION : Factor w/ 1 level "PERGAMINO SECO": 1 1 1 1 1 1 1 1 1 1 ...summary(datos[ ,c(12:15)])## Área.Sembrada.ha. Área.Cosechada.ha. Producción.t. Rendimiento.t.ha.
## Min. : 0 Min. : 0.0 Min. : 0 Min. : 0.1000
## 1st Qu.: 201 1st Qu.: 161.8 1st Qu.: 113 1st Qu.: 0.6000
## Median : 758 Median : 639.0 Median : 506 Median : 0.8900
## Mean : 1506 Mean : 1247.3 Mean : 1216 Mean : 0.8722
## 3rd Qu.: 1818 3rd Qu.: 1543.2 3rd Qu.: 1375 3rd Qu.: 1.0700
## Max. :20465 Max. :17125.0 Max. :18751 Max. :10.7000
## NA's :36Se eliminaron los datos ausentes de Rendimiento por hectárea. Al igual que Áreas y Producción con valor cero (0). Adicional, la variable “PERIODO” fue convertida a factor.
library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, uniondatos2 <- datos %>%
filter(Área.Sembrada.ha. != 0 & Área.Cosechada.ha.!= 0
& Producción.t. != 0 & Rendimiento.t.ha. != "")
summary(datos2[ ,c(12:15)])## Área.Sembrada.ha. Área.Cosechada.ha. Producción.t. Rendimiento.t.ha.
## Min. : 1 Min. : 1 Min. : 1 Min. : 0.1000
## 1st Qu.: 210 1st Qu.: 170 1st Qu.: 119 1st Qu.: 0.6000
## Median : 771 Median : 651 Median : 511 Median : 0.8900
## Mean : 1518 Mean : 1258 Mean : 1226 Mean : 0.8728
## 3rd Qu.: 1840 3rd Qu.: 1557 3rd Qu.: 1385 3rd Qu.: 1.0700
## Max. :20465 Max. :17125 Max. :18751 Max. :10.7000datos2[ ,11] <- factor(datos2[ ,11])
str(datos2[ ,11])## Factor w/ 9 levels "2007","2008",..: 1 1 1 1 1 1 1 1 1 1 ...La base de datos fue llevada de Formato Ancho a Formato Largo.
library(tidyr)
datos3 <- datos2 %>%
gather(key = Variable,
value = Valor,
-c(1:4,11))## Warning in if (!is.finite(x)) return(FALSE): the condition has length > 1
## and only the first element will be used## Warning: attributes are not identical across measure variables;
## they will be droppedProducción Total de Café en todo el país, período 2007 - 2015.
library(ggplot2)
library(ggthemes)
datosP <- datos3 %>%
filter(Variable == "Producción.t.") %>%
mutate(Valor = as.integer(Valor))
datosP2 <- datosP %>%
group_by(PERIODO, Variable) %>%
summarise(Total = sum(Valor)) %>%
select(Variable, PERIODO, Total)
ggplot(data = datosP2, aes(x = PERIODO, y = Total)) +
geom_bar(stat = "identity", color = "green3", fill = "gray20") +
geom_text(aes(label = Total),
color = "darkred",
size = 4.7,
position = position_identity(), vjust = -0.2) +
labs(x = "Año - Período",
y = "Toneladas de Café",
title = "Producción de Café en Colombia, años 2007 a 2015") +
theme_light()
Distribución de la Producción de Café en Colombia.
ggplot(data = datos2, aes(x = Producción.t.)) +
geom_histogram(aes(y = ..density..), bins = 100, color = "blue", fill = "gray20") +
geom_density(alpha = 0.3, fill = "red", colour = "red") +
labs(x = "Producción en Toneladas",
y = "Densidad",
title = "Distribución Producción de Café") +
theme_light()
Cuales fueron los 10 municipios que más produjeron café y cuanto fue la producción? (Período 2007-2015).
#Se agrupo por Municipio y Departamento, debido a que existen Municipios con el mismo nombre en diferentes Departamentos.
datosM <- datosP %>%
group_by(MUNICIPIO, DEPARTAMENTO) %>%
summarise(Total = sum(Valor)) %>%
arrange(-Total)
ggplot(data = datosM[1:10, ], aes(x = MUNICIPIO, y = Total)) +
geom_bar(stat = "identity", fill = "gray20", color = "yellow") +
geom_text(aes(label = Total),
position = position_identity(), vjust = -0.1,
color = "darkred",
size = 4) +
labs(x = "Municipio",
y = "Producción en Toneladas",
title = "10 Municipios con mayor Producción de Café, Período 2007-2015") +
theme_light() +
theme(axis.text.x = element_text(size = 6.5, angle = 90))
Cuanto del Área Sembrada es realmente Cosechada.
datosA <- datos3 %>%
filter(Variable == "Área.Sembrada.ha.") %>%
group_by(Variable) %>%
mutate(Valor = as.integer(Valor)) %>%
summarise(Total = sum(Valor))
datosA1 <- datos3 %>%
filter(Variable == "Área.Cosechada.ha.") %>%
group_by(Variable) %>%
mutate(Valor = as.integer(Valor)) %>%
summarise(Total = sum(Valor))
datosA2 <- data.frame(cbind(AreaSembrada = 8225624, AreaCosechada = 6815097))
datosA3 <- datosA2 %>%
mutate(round((Porcentaje = AreaCosechada/AreaSembrada * 100), digits = 2))
names(datosA3) <- c("Área Sembrada (ha)", "Área Cosechada (ha)", "% de Cosecha")
library(pander)
pander(datosA3)| Área Sembrada (ha) | Área Cosechada (ha) | % de Cosecha |
|---|---|---|
| 8225624 | 6815097 | 82.85 |
Cual es el rendimiento promedio por hectárea de los departamentos productores de café en Colombia.
datosR <- datos3 %>%
filter(Variable == "Rendimiento.t.ha.") %>%
group_by(DEPARTAMENTO) %>%
mutate(Valor = as.integer(Valor)) %>%
summarise(Rendimiento = round(mean(Valor), digits = 3)) %>%
arrange(-Rendimiento)
names(datosR) <- c("Departamento", "Rendimiento (Ton./ha)")
library(DT)
datatable(datosR) %>%
formatStyle(columns = c(1,2), 'text-align' = "center")Cambios en el nivel de producción del período 2010-2015, en los departamentos del eje cafetero (Caldas, Risaralda, Quindío, Valle del Cauca y Tolima).
datosD <- datos3 %>%
filter(DEPARTAMENTO == "CALDAS" |
DEPARTAMENTO == "RISARALDA" |
DEPARTAMENTO == "QUINDIO" |
DEPARTAMENTO == "VALLE DEL CAUCA" |
DEPARTAMENTO == "TOLIMA")
datosD1 <- datosD %>%
filter(Variable == "Producción.t.") %>%
mutate(Valor = as.integer(Valor)) %>%
group_by(DEPARTAMENTO, PERIODO) %>%
summarise(Total = sum(Valor))
datosD2 <- datosD1 %>%
filter(PERIODO == 2010 |
PERIODO == 2011 |
PERIODO == 2012 |
PERIODO == 2013 |
PERIODO == 2014 |
PERIODO == 2015)
ggplot(data = datosD2, aes(x = DEPARTAMENTO, y = Total)) +
geom_bar(aes(fill = PERIODO), stat = "identity", position = "dodge", color = 1) +
scale_fill_brewer(palette = "Set1") +
labs(x = "Departamento",
y = "Producción Total",
title = "Producción de Café en los departamentos del eje cafetero, 2010-2015") +
theme_light()