Uso basico del paquete chilemapas

Introduccion

Este paquete se integra perfectamente con ggplot2 y se puede usar incluso con shiny.

Población adulto mayor en la Región de los Ríos

Vamos a mostrar la Region de los Rios y a agregar los nombres de las comunas junto con la informacion de poblacion adulto mayor.

Graficar comunas

library(chilemapas)
library(dplyr)
library(ggplot2)

poblacion_adulto_mayor_comunas <- censo_2017_comunas %>% 
  filter(as.integer(edad) >= 14) %>% 
  group_by(codigo_comuna) %>% 
  summarise(pob_adulto_mayor = sum(poblacion))

comunas_los_rios <- mapa_comunas %>% 
  filter(codigo_region == 14) %>% 
  left_join(
    codigos_territoriales %>% 
      select(matches("comuna"))
  ) %>% 
  left_join(poblacion_adulto_mayor_comunas)

# estos colores vienen del paquete colRoz
# https://github.com/jacintak/colRoz
paleta <- c("#DCA761", "#CFB567", "#BFBC71", "#9EA887", "#819897")

ggplot(comunas_los_rios) + 
  geom_sf(aes(fill = pob_adulto_mayor, geometry = geometry)) +
  geom_sf_label(aes(label = nombre_comuna, geometry = geometry)) +
  scale_fill_gradientn(colours = rev(paleta), name = "Poblacion\nadulto mayor") +
  labs(title = "Poblacion de 65 anios y mas en la Region de los Rios") +
  theme_minimal(base_size = 13)

Graficar provincias

poblacion_adulto_mayor_provincias <- censo_2017_comunas %>% 
  filter(as.integer(edad) >= 14) %>% 
  left_join(codigos_territoriales) %>% 
  group_by(codigo_provincia) %>% 
  summarise(pob_adulto_mayor = sum(poblacion))
#> Joining with `by = join_by(codigo_comuna)`

provincias_los_rios <- mapa_comunas %>% 
  filter(codigo_region == 14) %>% 
  generar_provincias() %>% 
  left_join(
    codigos_territoriales %>% 
      select(matches("provincia")) %>% 
      distinct()
  ) %>% 
  left_join(poblacion_adulto_mayor_provincias)
#> Joining with `by = join_by(codigo_provincia)`
#> Joining with `by = join_by(codigo_provincia)`

ggplot(provincias_los_rios) + 
  geom_sf(aes(fill = pob_adulto_mayor, geometry = geometry)) +
  geom_sf_label(aes(label = nombre_provincia, geometry = geometry)) +
  scale_fill_gradientn(colours = rev(paleta), name = "Poblacion\nadulto mayor") +
  labs(title = "Poblacion de 65 anios y mas en la Region de los Rios") +
  theme_minimal(base_size = 13)

Graficar regiones

poblacion_adulto_mayor_regiones <- censo_2017_comunas %>% 
  filter(as.integer(edad) >= 14) %>% 
  left_join(codigos_territoriales) %>% 
  group_by(codigo_region) %>% 
  summarise(pob_adulto_mayor = sum(poblacion))
#> Joining with `by = join_by(codigo_comuna)`

region_los_rios <- mapa_comunas %>% 
  filter(codigo_region == 14) %>% 
  generar_regiones() %>% 
  left_join(
    codigos_territoriales %>% 
      select(matches("region")) %>% 
      distinct()
  ) %>% 
  left_join(poblacion_adulto_mayor_regiones)
#> Joining with `by = join_by(codigo_region)`
#> Joining with `by = join_by(codigo_region)`

ggplot(region_los_rios) + 
  geom_sf(aes(fill = pob_adulto_mayor, geometry = geometry)) +
  geom_sf_label(aes(label = nombre_region, geometry = geometry)) +
  scale_fill_gradientn(colours = rev(paleta), name = "Poblacion\nadulto mayor") +
  labs(title = "Poblacion de 65 anios y mas en la Region de los Rios") +
  theme_minimal(base_size = 13)

Graficar zonas

Se provee un dataset de todas las zonas urbanas (agregación de manzanas) contempladas en el CENSO.

zonas_valdivia <- mapa_zonas %>% 
  filter(codigo_comuna == "14101") %>% 
  inner_join(
    censo_2017_zonas %>% 
      filter(
        substr(geocodigo, 1, 2) == 14,
        as.integer(edad) >= 4
      )
  )
#> Joining with `by = join_by(geocodigo)`

paleta <- c("#628ca5", "#dca761")

ggplot() + 
  geom_sf(data = zonas_valdivia, aes(fill = poblacion, geometry = geometry)) +
  geom_sf(data = filter(comunas_los_rios, codigo_comuna == "14101"),
          aes(geometry = geometry), colour = "#2A2B75", fill = NA) +
  ylim(-39.9, -39.78) +
  xlim(-73.4, -73.17) +
  scale_fill_gradientn(colors = paleta, name = "Población") +
  labs(title = "Poblacion de 65 anios y mas en la Comuna de Valdivia") +
  theme_minimal(base_size = 13)

Ejercicios para el usuario

  1. Graficar los diputados por distrito de cualquier region del pais usando el data frame divisiones_electorales.
  2. Graficar la poblacion por servicio de salud de cualquier region del pais usando el data frame divisiones_salud.