Gráfico interactivo de comunas de Chile

Este es un ejercicio simple para visualizar información por comunas de Chile. A modo de ejemplo, se destacarán las comunas que poseen artículos en sus nombres (La Serena, El Quisco, Los Ángeles, La Ligua), pero este mismo código se puede aplicar fácilmente para visualizar otros tipos de datos (más interesantes), densidad poblacional, % desempleo, tasa de crímenes, etc.

Los nombres y polígonos de las comunas de Chile estan disponibles en el paquete chilemapas desarrolado por Mauricio Vargas (Pachá). (Hay varias librerías que permiten obtener los detalles de las administraciones territoriales)

El paquete chilemapas dispone de varios conjuntos. El conjunto territorial_codes contiene los nombres de regiones, provincias y comunas, con sus respectivos id’s. Mientras que regions_map y communes_map contiene los polígonos (en clase sf) que servirán para graficar. (Personalmente, esta es la primera vez que trabajo con objetos de clase sf, por lo tanto los códigos a continuación son bien ligeros, perfecto para un ejercicio de principiantes).

Primero cargamos las librerías:

library(chilemapas) # para los datos
library(dplyr) # manipulación
library(stringr) # y para trabajar con carácteres
library(ggplot2) # graficas
library(leaflet) # mapa interactivo

Los datos

Creo un vector articulos que contiene (obviamente) los artículos y la variable datos que contiene las columnas de interés del conjunto de datos.

Nota: Puedes replicar este mismo ejercicio pero con otros carácteres, como por ejemplo “San”, “Santa”, de esta manera ver la influencia de la religión en los nombres de los lugares.

articulos <- c("la", "las", "el", "los")
datos <- codigos_territoriales %>% select(codigo_comuna, nombre_comuna)

Con mutate() creo una columna que contiene la primera palabra de los nombres de las comunas y con tolower transformo a minúscula, veamos el resultado con glimpse:

datos %>% select(codigo_comuna, nombre_comuna) %>%  
  mutate(primera_palabra = tolower(str_extract(nombre_comuna, pattern = "\\w+"))) %>% 
  glimpse

Rows: 346
Columns: 3
$ codigo_comuna   <chr> "01101", "01107", "01401", "01402", "01403", "01404", …
$ nombre_comuna   <chr> "Iquique", "Alto Hospicio", "Pozo Almonte", "Camina", …
$ primera_palabra <chr> "iquique", "alto", "pozo", "camina", "colchane", "huar…

Ahora deseo agregar más información al conjunto. Con case_when() creé una columna para el tipo de género del artículo y de la misma forma indentifiqué si es un artículo plural o singular.

datos <- datos %>% select(codigo_comuna, nombre_comuna) %>%  
  mutate(primera_palabra = tolower(str_extract(nombre_comuna, pattern = "\\w+"))) %>% 
  mutate(es_articulo = primera_palabra %in% articulos) %>% 
  mutate(genero = case_when(
    primera_palabra %in% c("la", "las") ~ "Femenino",
    primera_palabra %in% c("el", "los") ~ "Masculino")) %>% 
  mutate(cantidad = case_when(
    primera_palabra %in% c("las", "los") ~ "Plural",
    primera_palabra %in% c("el", "la") ~ "Singular" ))

Eso sería toda la parte de manipulación. Veamos un pequeño resumen de los datos con summarise().

Un pequeño vistazo

De un total de 346 comunas solamente 25 inician con artículo. (Pocos!!!, pensaba que al menos el 20% comenzaba con artículos…). La proporción en el género son casi las mismas, mientras los artículos singulares superan a los plurales.

datos %>% group_by(es_articulo)%>% 
  summarise( N_articulo = n() , N_femeninos=sum(genero == "Femenino") ,  
             N_masculinos = sum(genero=="Masculino"),
             N_singular = sum(cantidad == "Singular"),
             N_plural = sum(cantidad == "Plural")) 

# A tibble: 2 × 6
  es_articulo N_articulo N_femeninos N_masculinos N_singular N_plural
  <lgl>            <int>       <int>        <int>      <int>    <int>
1 FALSE              321          NA           NA         NA       NA
2 TRUE                25          13           12         16        9

Graficando la Región de Coquimbo:

El conjunto mapa_comunas contiene los polígonos de las comunas por cada región.

mapa_comunas_sf <- st_as_sf(mapa_comunas)
coquimbo <- mapa_comunas_sf %>%
  filter(codigo_region == "04") %>%
  left_join(
    codigos_territoriales %>%
      select(codigo_comuna, nombre_comuna) %>%
      distinct(),
    by = "codigo_comuna"  # Asegúrate de especificar la clave de unión correcta
  ) %>%
  inner_join(datos)  # Ajusta la clave de unión según corresponda

ggplot(coquimbo) + 
  geom_sf(aes(fill = es_articulo)) +
  geom_sf_label(aes(label = nombre_comuna))

Graficando para todo el país

Para graficar a todo Chile lo haré en un mapa interactivo ya que por la forma que tiene el país se hace difícil ver con claridad el color de cada comuna.

chile <- mapa_comunas %>%
  bind_rows() %>%
  left_join(
    codigos_territoriales %>%
      select(codigo_comuna, nombre_comuna) %>%
      distinct(),
    by = "codigo_comuna"  # Asegúrate de que este es el nombre correcto de la clave
  ) %>%
  inner_join(datos, by = "nombre_comuna")  # Ajusta la clave de unión según corresponda

En addPolygons() por medio el parámetro popup especifiqué un vector en formato HTML para que al momento de cliquear sobre las comunas se despliegue un recuadro con información.

chile <- st_as_sf(chile)
chile <- chile %>% select(-(codigo_provincia :codigo_region ))
factpal <- colorFactor(heat.colors(3), chile$genero)


leaflet() %>% addTiles() %>%  
  addPolygons(data = chile,
              color = ~factpal(genero),
              fillOpacity = 0.8, stroke = FALSE,
              popup = paste0( 
                  "Comuna: " , chile$nombre_comuna  , "<br>",
                  "Género del artículo: ", chile$genero,"<br>",
                  "Cantidad del artículo: ", chile$cantidad )
              )