Actualmente intento realizar unos gráficos y para ello necesito reorganizar ciertos datos. Arme una base de datos bastante grande en función de reconocidas bases de datos como v-dem, el global competitiveness index, Rule of Law, entre otras. Luego seleccioné las variables que son de interés y filtré países que responden a tres criterios de comparación respecto de Paraguay (los países de la OCDE, algunos de Latinoamerica y los países de ingresos medios-altos).
Teniendo esta base lista quería hacer algún gráfico bastante sencillo en el cual me gustaría mostrar para una variable (y luego replicarlo con algunas más) la variación que presenta, de los años para los cuales tengo datos, en función de estos tres grupos de países y Paraguay. Esto es un gráfico en donde el eje x sean los años, el eje y los valores que toma la variable, y luego tener cuatro representaciones de estos grupos. Cree un repositorio en github para poder visualizar la base de datos de la que hablo: https://github.com/florenciagayraud/usaidpry
Ahora bien, realmente estoy estancada en como reorganizar los datos para este fin. Lo que debería tener es un data frame que luego utilizaré como input para ggplot en la cual pueda tener un promedio que responda a cada conjunto de países según el año. Inicialmente lo que hice para ordenarme fue crear un dataframe separado por cada grupo de país.
dataplot2 <- usaid_pry2 %>% filter(ocde == 1) %>% select(country, year, Q3.2 | Independent judiciary) %>% filter(!is.na(Q3.2 | Independent judiciary))
Al ejecutar esto obtengo un data frame con tres variables: los países de la ocde, los años y la variable que deseo graficar, quedandome sólo con aquellos años para los cuales se registran datos. `>
head(dataplot2)
A tibble: 6 x 3
Groups: year, country [6]
country year Q3.2 | Independent judiciary
1 Chile 2006 9
2 Chile 2008 9
3 Chile 2010 9
4 Chile 2012 9
5 Chile 2014 9
6 Chile 2016 9 `
Lo que había pensado era agregarle un summarise que cree una variable para cada años, por ejemplo: ocde2006 y que tome como valor el promedio de la variable cuando el año sea 2006, y así sucesivamente para los años siguientes.
summarise(ocde2006 = sum(Q3.2 | Independent judiciary[year == 2006]).
Sin embargo, al hacer esto me salta un error "Error in sum(Q3.2 | Independent judiciary[year == 2006]) : invalid 'type' (character) of argument". Intenté cambiarle la clase a las variables como numeric y sigue el mismo error. Quizás hay otra manera de hacerlo Espero haber sido clara
ACTUALIZACIÓN: Ejecuté este código y funciona bastante bien, salvo el error final que implica para el grupo "uperr-middle" me devuelve NA. ¿Qué puede estar fallando?
> dataplot <- usaid_pry2 %>% select(country, year, `Q3.2 | Independent judiciary`) %>%
+ mutate(grupos = case_when(country %in% c("Australia", "Austria", "Belgium", "Canada", "Chile",
+ "Czech Republic", "Denmark", "Estonia", "Finland",
+ "France", "Germany", "Greece", "Hungary", "Iceland",
+ "Ireland", "Israel", "Italy", "Japan", "South Korea",
+ "Latvia", "Lithuania", "Luxembourg", "Mexico",
+ "Netherlands", "New Zealand", "Norway", "Poland",
+ "Portugal", "Slovakia", "Slovenia", "Spain", "Sweden",
+ "Switzerland", "Turkey", "United Kingdom",
+ "United States of America") ~ "ocde",
+ country %in% c("Uruguay", "Costa Rica", "Chile", "Argentina", "Panama",
+ "Brazil") ~ "latam",
+ country %in% c("Albania", "Algeria", "American Samoa", "Argentina", "Armenia",
+ "Azerbaijan", "Belarus", "Belize", "Bosnia and Herzegovina",
+ "Botswana", "Brazil", "Bulgaria", "China", "Colombia", "Costa Rica",
+ "Cuba", "Dominica", "Dominican Republic", "Ecuador",
+ "Equatorial Guinea", "Fiji", "Gabon", "Georgia",
+ "Grenada", "Guatemala", "Guyana", "Iran", "Iraq", "Jamaica",
+ "Jordan", "Kazahstan", "Kosovo", "Lebanon", "Libya", "Malaysia",
+ "Maldives", "Marshall Islands", "Mauritius", "Mexico", "Montenegro",
+ "Namibia","Nauru", "North Macedonia", "Peru", "Romania",
+ "Russia", "Samoa", "Serbia", "South Africa", "Sri Lanka", "St. Lucia",
+ "St. Vincent and the Grenadines", "Suriname", "Thailand", "Tonga",
+ "Turkey", "Turkmenistan", "Tuvalu","Venezuela") ~ "upper-middle",
+ country == "Paraguay" ~ "Paraguay")) %>%
+ filter(!is.na(`Q3.2 | Independent judiciary`)) %>% group_by(grupos) %>%
+ summarise(promedio_q3_bti = mean(as.numeric(`Q3.2 | Independent judiciary`)))
Warning message:
In mean(as.numeric(`Q3.2 | Independent judiciary`)) :
NAs introduced by coercion
ACTUALIZACIÓN2: Finalmente pude resolverlo de esta manera, al graficarlo funciona muy bien.
dataParaguay <- usaid_pry2 %>% filter(country == "Paraguay") %>%
select(country, year, `Q3.2 | Independent judiciary`) %>% filter(!is.na(`Q3.2 | Independent judiciary`)) %>%
group_by(year) %>% summarise(mean_pry_year=mean(as.numeric(`Q3.2 | Independent judiciary`)))
dataocde <- usaid_pry2 %>% filter(ocde == 1) %>% select(country, year, `Q3.2 | Independent judiciary`) %>%
filter(!is.na(`Q3.2 | Independent judiciary`)) %>% group_by(year) %>%
summarise(mean_ocde_year=mean(as.numeric(`Q3.2 | Independent judiciary`)))
datalatam <- usaid_pry2 %>% filter(latam == 1) %>% select(country, year, `Q3.2 | Independent judiciary`) %>%
filter(!is.na(`Q3.2 | Independent judiciary`)) %>% group_by(year) %>%
summarise(mean_latam_year=mean(as.numeric(`Q3.2 | Independent judiciary`)))
datauppermid <- usaid_pry2 %>% filter(upper-middle == 1) %>% select(country, year, `Q3.2 | Independent judiciary`) %>%
filter(!is.na(`Q3.2 | Independent judiciary`)) %>% group_by(year) %>%
summarise(mean_uppermid_year=mean(as.numeric(`Q3.2 | Independent judiciary`)))
library(ggplot2)
ggplot() + geom_point(dataParaguay, mapping = aes(x = year, y = mean_pry_year, color = "Paraguay")) +
geom_point(data = dataocde, mapping = aes(x = year, y = mean_ocde_year, color = "OCDE")) +
geom_point(data = datalatam, mapping = aes(x = year, y = mean_latam_year, color = "Latam")) +
geom_point(data = datauppermid, mapping = aes(x = year, y = mean_uppermid_year, color = "upper-middle"))