https://github.com/borjamome/explorando-madrid
Exploring Madrid: A Data-driven Analysis with R 🐻🌳
https://github.com/borjamome/explorando-madrid
data-analysis data-visualization madrid r
Last synced: about 1 year ago
JSON representation
Exploring Madrid: A Data-driven Analysis with R 🐻🌳
- Host: GitHub
- URL: https://github.com/borjamome/explorando-madrid
- Owner: BORJAMOME
- Created: 2024-04-11T12:26:20.000Z (about 2 years ago)
- Default Branch: main
- Last Pushed: 2024-12-02T17:47:24.000Z (over 1 year ago)
- Last Synced: 2024-12-02T17:54:39.000Z (over 1 year ago)
- Topics: data-analysis, data-visualization, madrid, r
- Language: Jupyter Notebook
- Homepage:
- Size: 12.6 MB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Explorando Madrid: Un análisis basado en datos con R
## **Introducción**
En el presente proyecto, se llevará a cabo un análisis detallado de diversos aspectos clave de la ciudad de **Madrid**, con el propósito de obtener una comprensión más profunda de su dinámica social, económica y demográfica. A través de este análisis, abordaremos temas fundamentales como los siguientes:
- **Evolución de la población:** Análisis de los cambios en la población a lo largo del tiempo.
- **Flujos migratorios:** Estudio de los patrones de inmigración y emigración que afectan a la ciudad.
- **Estadísticas de nacimientos y defunciones:** Exploración de las tasas de nacimientos y defunciones en los últimos años.
- **Tasas de desempleo:** Evaluación de la situación laboral de los residentes.
- **Nombres más comunes entre los residentes:** Identificación de los nombres más frecuentes entre los habitantes de Madrid.
Para realizar este análisis, utilizamos datos del **Banco de Datos del Ayuntamiento de Madrid**, una fuente pública y confiable.
# Carga de Datos
El primer paso en este análisis consiste en cargar las bibliotecas necesarias y los conjuntos de datos que se utilizarán para llevar a cabo la investigación. A continuación, se presenta el código utilizado para importar las bibliotecas esenciales y leer los archivos CSV que contienen los datos relevantes para el estudio:
``` r
# Cargar bibliotecas necesarias para el análisis de datos
library(tidyverse) # Paquete para manipulación de datos y gráficos
library(knitr) # Para crear informes dinámicos
library(scales) # Para escalas en gráficos
library(wordcloud2) # Para generar nubes de palabras
library(visNetwork) # Para redes interactivas
library(networkD3) # Para redes dinámicas
# Cambiar la fuente del texto a "Oswald" para mejorar la apariencia visual
library(showtext) # Paquete para añadir fuentes personalizadas
font_add_google("Oswald") # Añadir fuente desde Google Fonts
showtext_auto() # Activar la fuente personalizada para todo el proyecto
# Leer los datos desde los archivos CSV
population <- read.csv("../input/population.csv", sep=",", fileEncoding="UTF-8") # Población total
age_population <- read.csv("../input/age_population.csv", sep=",", fileEncoding="UTF-8") # Población por edad
immigrants_emigrants_by_sex <- read.csv("../input/immigrants_emigrants_by_sex.csv", sep=",", fileEncoding="UTF-8") # Inmigrantes y emigrantes por sexo
immigrants_emigrants_by_destination <- read.csv("../input/immigrants_emigrants_by_destination.csv", sep=",", fileEncoding="UTF-8") # Inmigrantes y emigrantes por destino
immigrants_emigrants_by_destination2 <- read.csv("../input/immigrants_emigrants_by_destination2.csv", sep=",", fileEncoding="UTF-8") # Inmigrantes y emigrantes por destino (segunda tabla)
immigrants_by_nationality <- read.csv("../input/immigrants_by_nationality.csv", sep=",", fileEncoding="UTF-8") # Inmigrantes por nacionalidad
births <- read.csv("../input/births.csv", sep=",", fileEncoding="UTF-8") # Estadísticas de nacimientos
deaths <- read.csv("../input/deaths.csv", sep=",", fileEncoding="UTF-8") # Estadísticas de defunciones
deaths_causes <- read.csv("../input/deaths_causes.csv", sep=",", fileEncoding="UTF-8") # Causas de defunciones
unemployment <- read.csv("../input/unemployment.csv", sep=",", fileEncoding="UTF-8") # Tasa de desempleo
baby_names <- read.csv("../input/most_frequent_baby_names.csv", sep=",") # Nombres de bebés más frecuentes
names <- read.csv("../input/most_frequent_names.csv", sep=",") # Nombres más frecuentes
surname <- read.csv("../input/most_frequent_surname.csv", sep=",") # Apellidos más frecuentes
```
# **Análisis de Datos**
## **Población**
El primer gráfico presenta un análisis de la **población de la ciudad de Madrid** durante el período comprendido entre los años **2018 y 2023**.
### **Objetivo del Análisis:**
- **Analizar la evolución** de la población de Madrid en términos de género durante los últimos cinco años.
- **Identificar tendencias** en el cambio de la proporción entre hombres y mujeres.
```r
# Niveles ordenados de los años
population$Year <- ordered(population$Year, levels=c(2018,2019,2020,2021,2022,2023))
# Análisis de población por género y visualización
population %>%
group_by(Year, Gender) %>%
summarise(count=sum(Number)) %>%
mutate(percent=paste0(round((count/sum(count))*100, 2), "%")) %>%
ggplot(aes(x=Year, y=count)) +
geom_bar(stat="identity", aes(fill=Gender)) +
geom_text(aes(label=percent, group=Gender), position=position_stack(vjust=0.5), size = 3) +
scale_y_continuous(labels=comma) +
scale_fill_manual(values = c("#91C8E4", "#FFABAB"), name = "Gender") +
labs(x="Year", y="Population", title="Population by year (2018-2023)") +
theme_minimal() +
theme(
plot.background = element_rect(fill = "#f6f0ec", color = NA)
) +
theme(
panel.border = element_blank(),
panel.grid = element_blank(),
axis.line = element_line(color = "#f6f0ec"),
text = element_text(family = "Oswald", size = 15, color = "black")
)
```
La población de la ciudad de Madrid se mantiene estable en torno a los **6 millones de personas**. Se observa que la población femenina es ligeramente superior a la masculina, lo que refleja una tendencia demográfica constante durante los últimos años. Este patrón de estabilidad en la población es evidente, lo que nos lleva a centrarnos en un análisis más detallado del último año disponible, **2023**, para la siguiente visualización.
### **Población por Edad**
En este análisis, exploramos la **distribución de la población de Madrid** por grupos de edad durante el año **2023**.
```r
# Ordenar por rango de edad
age_population$Age <- ordered(age_population$Age, levels=c("0-4", "5-9", "10-14", "15-19",
"20-24", "25-29", "30-34", "35-39",
"40-44", "45-49", "50-54", "55-59",
"60-64", "65-69", "70-74", "75-79",
"80-84", "85-89", "90-94", "95-99" ,
"100&more"))
# Población por Edad (2023)
ggplot(data=age_population, aes(x=Age, fill=Gender)) +
geom_bar(data=filter(age_population, Gender=="Female"), aes(y=Number), stat="identity") +
geom_bar(data=filter(age_population, Gender=="Male"), aes(y=Number*(-1)), stat="identity") +
scale_y_continuous(breaks=seq(-100000, 100000, 20000),
labels=comma(abs(seq(-100000, 100000, 20000)))) +
scale_fill_manual(values = c("#91C8E4", "#FFABAB"), name = "Gender") +
labs(x="Age", y="Population", title="Population by age (2023)") +
coord_flip() +
theme_minimal() + # Cambiado a theme_minimal()
theme(
plot.background = element_rect(fill = "#f6f0ec", color = NA)
) +
theme(
panel.border = element_blank(),
panel.grid = element_blank(),
axis.line = element_line(color = "#f6f0ec"),
text = element_text(family = "Oswald", size = 15, color = "black")
)
```
La distribución de la población se centra principalmente en el rango de **45 a 65 años**. Un hallazgo interesante es que la población masculina muestra una disminución considerable a partir del rango de **60-65 años**, mientras que en la población femenina esta disminución es **menos pronunciada**. Este patrón podría reflejar diferencias en la esperanza de vida y otros factores demográficos que afectan de manera distinta a ambos géneros.
### **Mapa de los distritos de la ciudad de Madrid**
Ahora vamos a analizar la población por distritos. Podemos obtener una idea del tamaño y la ubicación de cada distrito utilizando el siguiente mapa.
### **Población de Madrid por distrito**
```r
# Población por distrito (2023)
population %>%
filter(Year=="2023") %>%
group_by(District, Gender) %>%
summarise(count = sum(Number)) %>%
mutate(percent = paste0(round((count / sum(count)) * 100, 2), "%")) %>%
ggplot(aes(x = reorder(District, count), y = count)) +
coord_flip() +
geom_bar(stat = "identity", aes(fill = Gender)) +
geom_text(aes(label = percent, group = Gender), position = position_stack(vjust = 0.5), size= 3) +
scale_fill_manual(values = c("#91C8E4", "#FFABAB"), name = "Gender") +
scale_y_continuous(labels = comma) +
labs(x = "District", y = "Population", title = "Population by District (2023)") +
theme_minimal() +
theme(
plot.background = element_rect(fill = "#f6f0ec", color = NA)
) +
theme(
panel.border = element_blank(),
panel.grid = element_blank(),
axis.line = element_line(color = "#f6f0ec"),
text = element_text(family = "Oswald", size = 15, color = "black")
)
````
**Carabanchel** lidera como el distrito más poblado de Madrid, seguido de cerca por **Fuencarral-El Pardo**, **Latina** y **Puente de Vallecas**. En contraste, **Barajas** es el distrito menos poblado. Observamos una tendencia en la que la población femenina supera a la masculina en todos los barrios, con la excepción de **Centro**. Vamos a profundizar más y desglosar la población por barrios, con más de **131** en total.
### **Población de Madrid por barrios**
```r
# Población de Madrid por barrios (2023)
population %>%
filter(Year=="2023") %>%
group_by(Neighborhood, Gender) %>%
summarise(count = sum(Number)) %>%
mutate(percent = paste0(round((count / sum(count)) * 100, 2), "%")) %>%
ggplot(aes(x = reorder(Neighborhood, count), y = count)) +
coord_flip() +
geom_bar(stat = "identity", aes(fill = Gender)) +
geom_text(aes(label = percent, group = Gender), position = position_stack(vjust = 0.5), size= 1.5) +
scale_fill_manual(values = c("#91C8E4", "#FFABAB"), name = "Gender") +
scale_y_continuous(labels = comma) +
labs(x = "Neighborhood", y = "Population", title = "Population by Neighborhood (2023)") +
theme_minimal() +
theme(
plot.background = element_rect(fill = "#f6f0ec", color = NA)
) +
theme(
panel.border = element_blank(),
panel.grid = element_blank(),
axis.line = element_line(color = "#f6f0ec"),
text = element_text(family = "Oswald", size = 6, color = "black")
)
```
En los **50 principales barrios**, la población femenina es mayor que la masculina, excepto en **Embajadores**.
# Inmigración y Emigración
En esta sección, presentaremos visualizaciones que nos permitirán desentrañar las complejas dinámicas de la **inmigración** y **emigración** en Madrid. El análisis se organiza de manera **anual**, lo que nos permitirá observar las fluctuaciones y tendencias a lo largo del tiempo.
### **Inmigración y Emigración por año (2017-2021)**
```r
immigrants_emigrants_by_sex <- gather(immigrants_emigrants_by_sex, `Immigrants/Emigrants`,
value, Immigrants:Emigrants, na.rm=TRUE)
immigrants_emigrants_by_sex %>%
group_by(Gender, `Immigrants/Emigrants`, Year) %>%
summarise(count = sum(value)) %>%
ggplot(aes(x = `Immigrants/Emigrants`, y = count, fill = Gender)) +
geom_bar(stat = "identity", position = "stack") +
facet_grid(~Year) +
scale_fill_manual(values = c("#91C8E4", "#FFABAB"), name = "Gender") +
labs(y = "Population", title = "Immigration and Emigration by Year (2017-2021)")
scale_y_continuous(labels = comma) +
theme_minimal() +
theme(
plot.background = element_rect(fill = "#f6f0ec", color = NA),
panel.border = element_blank(),
panel.grid = element_blank(),
axis.line = element_line(color = "#f6f0ec"),
text = element_text(family = "Oswald", size = 10, color = "black"),
axis.text.x = element_text(angle = 45, hjust = 1),
axis.title.x = element_blank()
)
````
Según los últimos datos proporcionados por la **Ciudad de Madrid** hasta **2021**, la ciudad ha experimentado un **aumento progresivo** desde **2017** hasta **2019**, seguido de una **disminución** en **2020** debido a la **pandemia de Covid**, y ha vuelto a registrar aumentos en **2021**. En cuanto a la **emigración de los madrileños**, se puede observar un **aumento progresivo** en los últimos años.
### **Inmigración y Emigración por rango de edad (2021)**
```r
immigrants_emigrants_by_age <- gather(immigrants_emigrants_by_age, `Immigrants/Emigrants`,
value, Immigrants:Emigrants, na.rm=TRUE)
# Ordenar según rango de edad
immigrants_emigrants_by_age$Age <- ordered(immigrants_emigrants_by_age$Age,
levels=c("0-4", "5-9", "10-14", "15-19",
"20-24", "25-29", "30-34", "35-39",
"40-44", "45-49", "50-54", "55-59",
"60-64", "65&more"))
# Inmigración y Emigración por rango de edad (2021)
immigrants_emigrants_by_age_2021 <- immigrants_emigrants_by_age %>%
filter(Year=="2021")
ggplot(data=immigrants_emigrants_by_age_2021, aes(x=Age, fill=`Immigrants/Emigrants`)) +
geom_bar(data=filter(immigrants_emigrants_by_age_2021, `Immigrants/Emigrants`=="Immigrants"),
aes(y=value), stat="identity") +
geom_bar(data=filter(immigrants_emigrants_by_age_2021, `Immigrants/Emigrants`=="Emigrants"),
aes(y=value*(-1)), stat="identity") +
scale_y_continuous(breaks=seq(-30000, 30000, 5000), labels=comma(abs(seq(-30000, 30000, 5000)))) +
scale_fill_manual(values = c("#91C8E4", "#FFABAB"), name = "Gender") +
labs(x="Age", y="Population", title="Immigration and emigration by age (2021)") +
coord_flip() +
theme_minimal() +
theme(
plot.background = element_rect(fill = "#f6f0ec", color = NA),
panel.border = element_blank(),
panel.grid = element_blank(), #
axis.line = element_line(color = "#f6f0ec"),
text = element_text(family = "Oswald", size = 15, color = "black"),
axis.text.x = element_text(angle = 45, hjust = 1),
axis.title.x = element_blank()
)
```
Como es evidente a partir de los datos, cerca de **30,000 inmigrantes** de **25 a 29 años** llegaron en **2021**. En términos de **emigración**, surgen **grupos de edad** distintos: uno entre **25 y 39 años**, y otro entre las personas de **65 años en adelante**. Esto sugiere un desafío para los **jóvenes** en la obtención de empleo en Madrid, mientras que los residentes mayores optan por **jubilación** en otros lugares.
### **Emigración por destino**
En la siguiente **visualización**, analizaremos la **emigración por destino** (2021) utilizando un **diagrama de Sankey** (Un **diagrama de Sankey** muestra los **flujos** y sus **cantidades**, relativas entre sí, utilizando el **ancho de las flechas** o **líneas** para mostrar sus magnitudes)
---
```r
nodes <- as.data.frame(unique(immigrants_emigrants_by_destination2$from))
nodes$id <- 1:nrow(nodes)
nodes <- nodes[, c(2,1)]
names(nodes) <- c("id", "label")
# Emigrantes
emigrants_by_destination2 <- immigrants_emigrants_by_destination2 %>%
filter(from %in% c("Centro", "Arganzuela", "Retiro", "Salamanca",
"Chamartín", "Tetuán", "Chamberí", "Fuencarral-El Pardo",
"Moncloa-Aravaca", "Latina","Carabanchel", "Usera", "Puente de Vallecas",
"Moratalaz", "Ciudad Lineal", "Hortaleza", "Villaverde", "Villa de Vallecas",
"Vicálvaro", "San Blas-Canillejas", "Barajas"))
# Edges
edges <- emigrants_by_destination2 %>%
left_join(nodes, by=c("from"="label")) %>%
select(-from) %>%
dplyr::rename(from=id)
edges <- edges %>%
left_join(nodes, by=c("to"="label")) %>%
select(-to) %>%
dplyr::rename(to=id)
nodes_d3 <- mutate(nodes, id=id-1)
edges_d3 <- mutate(edges, from=from-1, to=to-1)
# sankeyNetwork - Destino emigrantes
sankeyNetwork(Links=edges_d3, Nodes=nodes_d3, Source="from", Target="to",
NodeID="label", Value="weight", fontSize=16, unit="Letter(s)")
````
Es importante señalar que el **conjunto de datos** utilizado para esta **visualización** no especifica los **destinos fuera de España** bajo la categoría "Exteriores". Sin embargo, se pueden hacer algunas observaciones sobre los destinos de emigración:
- **Comunidad de Madrid**: La gran mayoría de los habitantes se trasladan a otras áreas dentro de la **Comunidad de Madrid**. Este patrón podría reflejar el deseo de las personas de **mejorar su calidad de vida** fuera del centro de la ciudad, buscando entornos más tranquilos o económicos.
- **Castilla y León, Castilla-La Mancha, Extremadura y Andalucía**: Otro grupo significativo de personas emigra hacia estas regiones. Es probable que estos individuos sean aquellos que emigraron años atrás y ahora regresan a sus lugares de origen, especialmente para **jubilarse**.
- **Destinos Internacionales**: Finalmente, una porción de la población se traslada al **extranjero** en busca de **mejores oportunidades laborales**, lo que refleja las tendencias migratorias hacia países con economías más desarrolladas o con sectores laborales en expansión.
### **Distribución de Inmigrantes por Barrios en Madrid (2023)**
En la siguiente **visualización**, se muestra cómo los **inmigrantes** se distribuyen por los diferentes **barrios** de la ciudad de **Madrid**, reflejando las concentraciones y movimientos más significativos de la población. Este análisis ofrece una visión detallada de cómo los inmigrantes se agrupan en áreas específicas, lo que puede estar influenciado por factores como la disponibilidad de viviendas, el acceso a servicios o las oportunidades laborales en cada barrio.
```r
# Nodes
nodes <- data.frame(label = unique(c(immigrants_emigrants_by_destination2$from, immigrants_emigrants_by_destination2$to)))
nodes$id <- 1:nrow(nodes)
# Inmigrantes
immigrants_by_destination2 <- immigrants_emigrants_by_destination2 %>%
filter(to %in% c("Centro", "Arganzuela", "Retiro", "Salamanca",
"Chamartín", "Tetuán", "Chamberí", "Fuencarral-El Pardo",
"Moncloa-Aravaca", "Latina","Carabanchel", "Usera", "Puente de Vallecas",
"Moratalaz", "Ciudad Lineal", "Hortaleza", "Villaverde", "Villa de Vallecas",
"Vicálvaro", "San Blas-Canillejas", "Barajas"))
# Edges
edges <- immigrants_by_destination2 %>%
left_join(nodes, by=c("from"="label")) %>%
select(-from) %>%
dplyr::rename(from=id)
edges <- edges %>%
left_join(nodes, by=c("to"="label")) %>%
select(-to) %>%
dplyr::rename(to=id)
nodes_d3 <- mutate(nodes, id=id-1)
edges_d3 <- mutate(edges, from=from-1, to=to-1)
# sankeyNetwork - Destino emigrantes
sankeyNetwork(Links=edges_d3, Nodes=nodes_d3, Source="from", Target="to",
NodeID="label", Value="weight", fontSize=16, unit="Letter(s)")
```
Como era de esperar, la gran mayoría de los **inmigrantes** provienen de fuera de **España**, con otra gran parte originaria de la **Comunidad de Madrid**. En la siguiente **visualización**, podemos ver de qué otros **países** provienen en el año **2020**.
### **Inmigrantes por nacionalidad**
```r
# Inmigrantes por nacionalidad
immigrants_by_nationality %>%
filter(Year == 2020, Nationality != "Spain") %>%
group_by(Nationality) %>%
summarise(count = sum(Number)) %>%
top_n(25, count) %>%
ggplot(aes(x = fct_reorder(Nationality, count), y = count)) +
geom_col(aes(fill = count), show.legend = FALSE) +
geom_text(aes(label = count), vjust = 0.5) +
scale_y_continuous(labels = comma) +
scale_fill_gradient(low = "#D2E3C8", high = "#86A789") +
labs(x = "Nationality", y = "Population", title = "Immigrants by nationality (2020)") +
theme_minimal() +
theme(
plot.background = element_rect(fill = "#f6f0ec", color = NA),
panel.border = element_blank(),
panel.grid.major = element_blank(),
axis.line = element_blank(),
text = element_text(family = "Oswald", size = 15, color = "black"),
axis.text.x = element_text(angle = 45, hjust = 1),
axis.title.x = element_blank()
) +
coord_flip()
````
# Nacimientos
Analicemos los **nacimientos** por **año** de la **ciudad de Madrid** (2018-2019).
### **Nacimientos por año**
```r
# Nacimientos por año
births %>%
group_by(Year, Gender) %>%
summarise(Count=sum(Number)) %>%
mutate(percent=paste0(round((Count/sum(Count))*100, 2), "%")) %>%
filter(Year %in% c(2018, 2019)) %>%
mutate(Year = factor(Year, levels = c(2018, 2019))) %>%
ggplot(aes(x=Year, y=Count, fill=Gender)) +
geom_bar(stat="identity", position="stack") +
geom_text(aes(label=percent, group=Gender), position=position_stack(vjust=0.5)) +
scale_fill_manual(values = c("#91C8E4", "#FFABAB"), name = "Gender") +
labs(x="Year", y="Births", title="Births by year (2018-2019)") +
scale_y_continuous(labels=comma) +
theme_minimal() +
theme(
plot.background = element_rect(fill = "#f6f0ec", color = NA),
) +
theme(
panel.border = element_blank(),
panel.grid = element_blank(),
axis.line = element_line(color = "#f6f0ec"),
text = element_text(family = "Oswald", size = 15, color = "black")
)
````
El número de **nacimientos** ha mantenido una **estabilidad constante** en los últimos años. Se observa un ligero predominio de los **nacimientos masculinos** sobre los **femeninos**. A continuación, profundizaremos en el análisis de los **nacimientos** por **distrito** en **2019**.
### **Nacimientos por distrito (2017)**
```r
# Nacimientos por distrito (2017)
births %>%
filter(Year=="2019") %>%
group_by(District, Gender) %>%
summarise(count=sum(Number)) %>%
mutate(percent=paste0(round((count/sum(count))*100, 2), "%")) %>%
ggplot(aes(x=reorder(District, count), y=count)) +
geom_bar(stat="identity", aes(fill=Gender)) +
geom_text(aes(label=percent, group=Gender), position=position_stack(vjust=0.5), size=3) +
scale_fill_manual(values = c("#91C8E4", "#FFABAB"), name = "Gender") +
scale_y_continuous(breaks=seq(0, 5000, 500), labels=comma) +
labs(x="District", y="Births", title="Births by district (2019)") +
theme_minimal() +
theme(
plot.background = element_rect(fill = "#f6f0ec", color = NA),
) +
theme(
panel.border = element_blank(),
panel.grid = element_blank(),
axis.line = element_line(color = "#f6f0ec"),
text = element_text(family = "Oswald", size = 15, color = "black")
) +
coord_flip()
````
### **Nacimientos por barrio (2017)**
```r
# Nacimientos por barrio (2017)
births %>%
filter(Year=="2019") %>%
group_by(Neighborhood, Gender) %>%
summarise(count=sum(Number)) %>%
mutate(percent=paste0(round((count/sum(count))*100, 2), "%")) %>%
ggplot(aes(x=reorder(Neighborhood, count), y=count)) +
geom_bar(stat="identity", aes(fill=Gender)) +
geom_text(aes(label=percent, group=Gender), position=position_stack(vjust=0.5), size = 1.5) +
scale_fill_manual(values = c("#91C8E4", "#FFABAB"), name = "Gender") +
scale_y_continuous(breaks=seq(0, 5000, 500), labels=comma) +
labs(x="Neighborhood", y="Births", title="Births by neighborhood (2019)") +
theme_minimal() +
theme(
plot.background = element_rect(fill = "#f6f0ec", color = NA),
) +
theme(
panel.border = element_blank(),
panel.grid = element_blank(),
axis.line = element_line(color = "#f6f0ec"),
text = element_text(family = "Oswald", size = 4.5, color = "black")
) +
coord_flip()
````
# Muertes
En esta sección, analizaremos la **distribución de género** de los **fallecimientos** en la **ciudad de Madrid** en **2019**.
```r
# Muertes en 2019
deaths %>%
group_by(Year, Gender) %>%
summarise(Count=sum(Number)) %>%
mutate(percent=paste0(round((Count/sum(Count))*100, 2), "%")) %>%
filter(Year %in% c(2019)) %>%
mutate(Year = factor(Year, levels = c(2019))) %>%
ggplot(aes(x=Year, y=Count, fill=Gender)) +
geom_bar(stat="identity", position="stack") +
geom_text(aes(label=percent, group=Gender), position=position_stack(vjust=0.5), size=3) +
scale_fill_manual(values = c("#91C8E4", "#FFABAB"), name = "Gender") +
labs(x="Year", y="Deaths", title="Deaths by year (2019)") +
scale_y_continuous(labels=comma) +
theme_minimal() +
theme(
plot.background = element_rect(fill = "#f6f0ec", color = NA),
) +
theme(
panel.border = element_blank(),
panel.grid = element_blank(),
axis.line = element_line(color = "#f6f0ec"),
text = element_text(family = "Oswald", size = 15, color = "black")
)
```
Como era de esperar, el número de **fallecimientos masculinos** supera al de **fallecimientos femeninos**. Ahora, profundicemos en el análisis del número de **fallecidos** por **distrito** y **barrio** en la **ciudad de Madrid**.
### **Muertes por distrito (2019)**
```r
# Muertes por distrito (2019)
deaths %>%
filter(Year=="2019") %>%
group_by(District, Gender) %>%
summarise(count=sum(Number)) %>%
mutate(percent=paste0(round((count/sum(count))*100, 2), "%")) %>%
ggplot(aes(x=reorder(District, count), y=count)) +
geom_bar(stat="identity", aes(fill=Gender)) +
geom_text(aes(label=percent, group=Gender), position=position_stack(vjust=0.5), size = 3) +
scale_fill_manual(values = c("#91C8E4", "#FFABAB"), name = "Gender") +
scale_y_continuous(breaks=seq(0, 5000, 500), labels=comma) +
labs(x="District", y="Deaths", title="Deaths by district (2019)") +
theme_minimal() +
theme(
plot.background = element_rect(fill = "#f6f0ec", color = NA),
) +
theme(
panel.border = element_blank(),
panel.grid = element_blank(),
axis.line = element_line(color = "#f6f0ec"),
text = element_text(family = "Oswald", size = 15, color = "black")
) +
coord_flip()
````
### **Muertes por barrio (2017)**
```r
# Muertes por barrio (2017)
deaths %>%
filter(Year=="2019") %>%
group_by(Neighborhood, Gender) %>%
summarise(count=sum(Number)) %>%
mutate(percent=paste0(round((count/sum(count))*100, 2), "%")) %>%
ggplot(aes(x=reorder(Neighborhood, count), y=count)) +
geom_bar(stat="identity", aes(fill=Gender)) +
geom_text(aes(label=percent, group=Gender), position=position_stack(vjust=0.5), size = 1) +
scale_fill_manual(values = c("#91C8E4", "#FFABAB"), name = "Gender") +
scale_y_continuous(breaks=seq(0, 5000, 500), labels=comma) +
labs(x="Neighborhood", y="Deaths", title="Deaths by neighborhood (2019)") +
theme_minimal() +
theme(
plot.background = element_rect(fill = "#f6f0ec", color = NA),
) +
theme(
panel.border = element_blank(),
panel.grid = element_blank(),
axis.line = element_line(color = "#f6f0ec"),
text = element_text(family = "Oswald", size = 5, color = "black")
) +
coord_flip()
````
Este gráfico muestra las **20 principales causas de fallecimiento** en el año **2019**, destacándose entre ellas las **enfermedades respiratorias**, la **vejez** y las **enfermedades cardíacas**.
### **Causas de muerte en Madrid (2019)**
```r
# Causas de muerte en Madrid (2019)
death_causes %>%
filter(Year == "2019") %>%
group_by(Cause) %>%
summarise(total = sum(Number)) %>%
top_n(15, total) %>%
ggplot(aes(x = reorder(Cause, total), y = total, fill = total)) +
geom_bar(stat = "identity", show.legend = FALSE) +
geom_text(aes(label = total), vjust = 0.5, size = 3) +
scale_y_continuous(labels = scales::comma) +
scale_fill_gradient(low = "#DADAEB", high = "#9E9AC8") +
labs(x = "Cause", y = "Total", title = "Top 20 causes of death (2019)") +
theme_minimal() +
theme(
plot.background = element_rect(fill = "#f6f0ec", color = NA),
panel.border = element_blank(),
panel.grid.major = element_blank(),
axis.line = element_blank(),
text = element_text(family = "Oswald", size = 10, color = "black"),
axis.text.x = element_text(angle = 45, hjust = 1),
axis.title.x = element_blank()
) +
coord_flip()
```
# Desempleo
El **desempleo** representa uno de los mayores desafíos para los ciudadanos de **Madrid**. Como se puede observar, ha habido una **reducción significativa** del desempleo desde **2021** hasta **2022**, resultado tanto de la disminución de la **pandemia** como de la **reestructuración económica**.
En el análisis mensual, se observa una ligera **disminución** del desempleo durante los meses de verano (**junio**, **julio**, **agosto** y **septiembre**) y en **diciembre**, probablemente influenciada por las **campañas navideñas**.
### **Desempleo por mes y año**
```r
# Desempleo por mes y año (2021-2023)
month_order <- c("January", "February", "March", "April", "May", "June", "July", "August", "September", "October", "November", "December")
unemployed <- unemployed %>%
mutate(Month = factor(Month, levels = month_order))
ggplot(unemployed, aes(x = Month, y = Number, fill = factor(Year))) +
geom_bar(stat = "identity", position = "dodge") +
geom_text(aes(label = comma(Number)), vjust = -0.5, size = 2, position = position_dodge(width = 0.9)) +
labs(x = "Month", y = "Number of unemployed", title = "Unemployment by month and year (2021-2023)", fill = "Year") +
scale_fill_manual(values = c("#EFBC9B", "#FBF3D5", "#D6DAC8")) +
theme_minimal() +
theme(
plot.background = element_rect(fill = "#f6f0ec", color = NA),
panel.grid.major = element_blank(),
axis.line = element_line(color = "#f6f0ec"),
text = element_text(family = "Oswald", size = 15, color = "black"),
axis.text.x = element_text(angle = 45, hjust = 1)
)
````
# Nombres más frecuentes entre los madrileños
En la bulliciosa **ciudad de Madrid**, los nombres más comunes entre **hombres** y **mujeres** incluyen **David**, **María**, **Javier**, **Carmen**, **Antonio** y **José**, cada uno de ellos con una rica **historia** y un sentido de **identidad** profundamente arraigado en la **cultura madrileña**. Estos nombres, llenos de **carácter** y **tradición**, han resonado en las calles de la **capital española** durante generaciones, formando parte de la **diversidad** y **vitalidad** de la comunidad madrileña.
```r
#Nombre del wordcloud
names <- names %>%
group_by(Name) %>%
summarise(count = sum(Frecuency)) %>%
arrange(desc(count))
min_freq <- 10
names_filtered <- names %>%
filter(count >= min_freq)
wordcloud2(names_filtered, size = 1.5, fontFamily = "Oswald", color = "random-light",
backgroundColor = "#f6f0ec", rotateRatio = 0.3, minRotation = -pi/4, maxRotation = pi/4,
gridSize = 10, minSize = 10, shuffle = TRUE)
```
# Apellidos más frecuentes
```r
#Apellidos wordcloud
surname <- surname %>%
group_by(Surname) %>%
summarise(count = sum(Frecuency)) %>%
arrange(desc(count))
min_freq <- 10
surname_filtered <- surname %>%
filter(count >= min_freq)
wordcloud2(surname_filtered, size = 1.5, fontFamily = "Oswald", color = "random-light",
backgroundColor = "#f6f0ec", rotateRatio = 0.3, minRotation = -pi/4, maxRotation = pi/4,
gridSize = 10, minSize = 10, shuffle = TRUE)
````
# Nombres de bebes más frecuentes
```r
# Nombres de bebes más wordcloud
baby_names <- baby_names %>%
group_by(Name) %>%
summarise(count = sum(Frecuency)) %>%
arrange(desc(count))
min_freq <- 10
baby_names_filtered <- baby_names %>%
filter(count >= min_freq)
wordcloud2(baby_names_filtered, size = 1.5, fontFamily = "Oswald", color = "random-light",
backgroundColor = "#f6f0ec", rotateRatio = 0.3, minRotation = -pi/4, maxRotation = pi/4,
gridSize = 10, minSize = 10, shuffle = TRUE)
```
# Referencias
Este proyecto está inspirado en el trabajo realizado por **[Xavier](https://www.kaggle.com/xvivancos)** en **Kaggle** sobre la **ciudad de Barcelona**.