Show code
knitr::include_graphics("../../figuras/resultados.jpg")
R Markdown
Este es un documento de R Markdown. Markdown es una sintáxis simple para editar HTMLs, PDFs y documentos de Microsoft Word. Para más detalles ver: http://rmarkdown.rstudio.com.
Cuando presionas el botón Knit un documento será generado que incluye tanto el texto plano que incluyas, como código HTML, código matemático LaTeX y código R. Estos pueden ser desplegados para fines didácticos o pueden ser ocultados para simplemente generar un documento sin código.
Si escribo la opción **echo = FALSE** el código no es desplegado, por eso, en este caso, lo he puesto en TRUE. Hay varias opciónes para el bloque de código que permiten controlar los resultados y como se presentan al lector humano.
Distribución de IE por municipio para Yucatán
Por poner un ejemplo podemos cargar el mapa de IE correspondiente al estado de Yucatán utilizando la biblioteca terra.
Luego podemos cargar un shapefile de los municipios del estado.
Show code
mu_yucatan <- vect("../../../data/shapefiles/Basemap_municipios.shp")Pero como podemos ver tienen proyecciones ligeramente distintas.
Show code
crs(ie_yucatan, proj = TRUE)[1] "+proj=lcc +lat_0=12 +lon_0=-102 +lat_1=17.5 +lat_2=29.5 +x_0=2500000 +y_0=0 +datum=WGS84 +units=m +no_defs"Show code
crs(mu_yucatan, proj = TRUE)[1] "+proj=lcc +lat_0=12 +lon_0=-102 +lat_1=17.5 +lat_2=29.5 +x_0=2500000 +y_0=0 +ellps=GRS80 +units=m +no_defs"Podemos asignar el sistema de coordenadas de referencia del shapefile “al vuelo”.
Luego extraer los pixeles correspondientes a cada municipio.
Show code
mu_yucatan_ei <- extract(ie_yucatan, mu_yucatan)
mu_yucatan_ei <- mu_yucatan_ei[complete.cases(mu_yucatan_ei),]Para luego, finalmente, ver la distribución de IE por municipio:
Show code
library("ggplot2")
library("ggridges")
library("tidyverse")
mu_yucatan_ei <- right_join(mu_yucatan_ei, as.data.frame(mu_yucatan),
by = c("ID" = "OID"))
mu_mean <- group_by(mu_yucatan_ei, NOMGEO) %>%
summarise(meanei = mean(ie_yucatan_2018, na.rm = TRUE))%>%
arrange(-meanei)
mu_yucatan_ei$NOMGEO <- factor(mu_yucatan_ei$NOMGEO,
levels = rev(mu_mean$NOMGEO))
ggplot(mu_yucatan_ei,
aes(x = ie_yucatan_2018, y = NOMGEO, fill = "darkred")) +
geom_density_ridges(fill = "dark red", alpha = 0.6) +
theme_ridges() +
xlim(0, 1)+
theme(
legend.position="none",
panel.spacing = unit(0.1, "lines"),
strip.text.x = element_text(size = 8)) +
xlab("Integridad Ecosistémica") +
ylab(" ")
Reporte dinámico basado en datos
Hay una tendencia actual a la producción de de documentos vivos. Es el caso de este trabajo sobre procesos reproducibles de análisis. En el mismo sentido están surgiendo capacidades como las del officeverse, con el interés de vincular herramientas de office con R. Aries mismo, en el “ecosistema SEEA EA” avanza en esta misma dirección.
Show code
knitr::include_graphics("../../figuras/procesos reproducible de análisis.png")
Un poco en esta misma tónica hicimos un ensayo en el piloto NCAVES. Produjimos un reporte dinámico. El código que desarrollamos para hacer esto, usando R y RMarkdown está aquí. El resultado lo encontraras en este vínculo, pero para verlo rapidamente también lo hemos incluido aquí, en el recuadro siguiente.
Tableros
Otra forma de presentar los resultados es un “panel de control”. Hay varias opciones que hemos anotado en las referencias, pero una muy accesible es la biblioteca flexdashboard. Con lo que hemos venido haciendo podemos construir un ejemplo crudo como este, que se ilustra a continuación y se hace así.
Show code
knitr::include_graphics("../../figuras/dashboard_crudo.png")