Taller Procesando datos censales en R

Taller práctico para aprender a explorar y procesar indicadores demográficos con los paquetes ARcenso y tidyverse.

Autor/a

Andrea Gomez Vargas

Manos al código: calculando indicador demográfico

Vamos a calcular la estructura de población de la provincia de Buenos Aires del año 1970.

Instalación de paquetes de trabajo

ARcenso

install.packages("remotes")
remotes::install_github("SoyAndrea/arcenso")

tidyverse

install.packages("tidyverse")
install.packages("gt")

Activación de paquetes con library

esto realizo cada vez que use R

Acá emmpezamos

library(arcenso) # datos censales
library(tidyverse) # procesar la información
library(gt) # hacer tablas

Importo datos con la función get_census()

estructura_pba_1970 <- get_census(year = 1970, 
                              topic = "ESTRUCTURA DE POBLACION", 
                              geolvl = "Provincia de Buenos Aires")

estructura_pba_1970
$c70_buenosaires_poblacion_c1
# A tibble: 162 × 4
   sexo  grupo_de_edad lugar_nacimiento         poblacion
   <chr> <chr>         <chr>                    <chr>    
 1 Total 0-4           Total                    833150   
 2 Total 0-4           Nacidos en el país       827450   
 3 Total 0-4           Nacidos en el extranjero 5700     
 4 Total 5-9           Total                    791450   
 5 Total 5-9           Nacidos en el país       782700   
 6 Total 5-9           Nacidos en el extranjero 8750     
 7 Total 10-14         Total                    759500   
 8 Total 10-14         Nacidos en el país       746150   
 9 Total 10-14         Nacidos en el extranjero 13350    
10 Total 15-19         Total                    743300   
# ℹ 152 more rows

Reviso la estructura de mis datos

str(estructura_pba_1970)
List of 1
 $ c70_buenosaires_poblacion_c1: tibble [162 × 4] (S3: tbl_df/tbl/data.frame)
  ..$ sexo            : chr [1:162] "Total" "Total" "Total" "Total" ...
  ..$ grupo_de_edad   : chr [1:162] "0-4" "0-4" "0-4" "5-9" ...
  ..$ lugar_nacimiento: chr [1:162] "Total" "Nacidos en el país" "Nacidos en el extranjero" "Total" ...
  ..$ poblacion       : chr [1:162] "833150" "827450" "5700" "791450" ...

Elijo la tabla a trabajar como DataFrame

estructura_pba_1970 <- estructura_pba_1970[[1]]

estructura_pba_1970
# A tibble: 162 × 4
   sexo  grupo_de_edad lugar_nacimiento         poblacion
   <chr> <chr>         <chr>                    <chr>    
 1 Total 0-4           Total                    833150   
 2 Total 0-4           Nacidos en el país       827450   
 3 Total 0-4           Nacidos en el extranjero 5700     
 4 Total 5-9           Total                    791450   
 5 Total 5-9           Nacidos en el país       782700   
 6 Total 5-9           Nacidos en el extranjero 8750     
 7 Total 10-14         Total                    759500   
 8 Total 10-14         Nacidos en el país       746150   
 9 Total 10-14         Nacidos en el extranjero 13350    
10 Total 15-19         Total                    743300   
# ℹ 152 more rows

Calculo indicador con dplyr

Estructura de población por grupos quinquenales de edad según sexo

pba_1970 <- estructura_pba_1970 %>%
  filter(sexo != "Total") %>%
  mutate(
    grupo_de_edad = case_when(
      grupo_de_edad == "0-4" ~ "00-04",
      grupo_de_edad == "5-9" ~ "05-09",
      TRUE ~ grupo_de_edad),
    poblacion = as.numeric(poblacion)) %>%
  group_by(sexo) %>%
  mutate(poblacion_rel = if_else(sexo == "Varones", -poblacion / sum(poblacion), 
                                                poblacion /sum(poblacion))) %>%
  ungroup()

Grafico el indicador con ggplot2

g1 <- pba_1970 %>%
  ggplot(aes(x = poblacion_rel, 
             y = grupo_de_edad, 
             fill = sexo)) +
  geom_col() +
  scale_fill_manual(values = c("#003049","#6a994e")) +
  scale_x_continuous(
    limits = c(-0.12, 0.12),
    breaks = seq(-0.12, 0.12, by = 0.03),
    labels = paste0(abs(seq(-12, 12, by = 3)), "%") ) +
  labs(
    title = "Gráfico 1. Estructura de población por sexo y grupo de edad.",
    subtitle = "Provincia de Buenos Aires. Año 1970",
    x = "porcentaje",
    y = "grupo de edad",
    fill = " ",
    caption = "Fuente: INDEC, Censo Nacional de Población, Familias y Viviendas 1970." ) +
  theme_bw() +
  theme(legend.position = "bottom")

Gráfico estático con ggplot2

g1 # observo el resultado

Tabla de resultado en gt

tabla1 <- estructura_pba_1970 %>% 
  pivot_wider(names_from = "sexo", values_from = "poblacion") %>% 
  filter(lugar_nacimiento == "Total") %>% 
  select(-2) %>% 
  mutate(Total = as.numeric(Total),
         Mujeres = as.numeric(Mujeres),
         Varones = as.numeric(Varones))


tabla_pba <- tabla1 %>% 
  gt() %>% 
  tab_header(
    title = "Tabla 1. Estructura de población por sexo y grupo de edad. Provincia de Buenos Aires. Año 1970" ) %>%
  cols_label(
    grupo_de_edad = "Grupo quinquenal de edad"
  ) %>%
  grand_summary_rows(
    columns = c(Total, Varones, Mujeres),
    fns = list("Total población" = ~sum(.))) %>%   
    tab_options(
     heading.align = "left",
     heading.background.color = "#2B5597",
     footnotes.background.color = "#cedcf1",
     column_labels.font.weight = "bold"
  ) %>% 
  tab_source_note('Fuente: INDEC, Censo Nacional de Población, Familias y Viviendas 1970.')

Tabla final

tabla_pba
Tabla 1. Estructura de población por sexo y grupo de edad. Provincia de Buenos Aires. Año 1970
Grupo quinquenal de edad Total Varones Mujeres
0-4 833150 422550 410600
5-9 791450 400900 390550
10-14 759500 381250 378250
15-19 743300 382150 361150
20-24 736150 372250 363900
25-29 666950 337150 329800
30-34 620600 309200 311400
35-39 634350 323900 310450
40-44 627400 318500 308900
45-49 559700 281650 278050
50-54 458800 225900 232900
55-59 408350 201450 206900
60-64 335400 165000 170400
65-69 250250 121600 128650
70-74 165950 75950 90000
75-79 106450 47300 59150
80-84 59250 25450 33800
85 y más 31250 12050 19200
Total población — 8788250 4404200 4384050
Fuente: INDEC, Censo Nacional de Población, Familias y Viviendas 1970.