Tabla por defecto

Datos %>% 
  select(-c(pais,continente,continente2)) %>% 
  gather(key = "variable",value ="valor") %>% 
  group_by(variable) %>% 
  summarise(media=mean(valor,na.rm = T),
            max=max(valor,na.rm=T),
            min=min(valor,na.rm = T),
            sd=sd(valor,na.rm = T),
            mediana=median(valor,na.rm = T)) 

Tabla con DT

Datos %>% 
  select(-c(pais,continente,continente2)) %>% 
  gather(key = "variable",value ="valor") %>% 
  group_by(variable) %>% 
  summarise(media=mean(valor,na.rm = T),
            max=max(valor,na.rm=T),
            min=min(valor,na.rm = T),
            sd=sd(valor,na.rm = T),
            mediana=median(valor,na.rm = T)) %>% 
  datatable(data = .,extensions = 'Buttons', 
          options = list( scrollX = TRUE, 
                          fixedColumns = TRUE, 
                          dom = 'Bfrtip',buttons = 
                            list('copy', 
                                 'print', 
                                 list( extend = 'collection', 
                                                        buttons = c('csv', 
                                                                    'excel', 
                                                                    'pdf'), 
                                       text = 'Download'))))

Tabla con knitr

Datos %>% 
  select(-c(pais,continente,continente2)) %>% 
  gather(key = "variable",value ="valor") %>% 
  group_by(variable) %>% 
  summarise(media=mean(valor,na.rm = T),
            max=max(valor,na.rm=T),
            min=min(valor,na.rm = T),
            sd=sd(valor,na.rm = T),
            mediana=median(valor,na.rm = T)) %>% 
  kable(format ="markdown" )

Gráfico simple

• Gráfico con todos los datos:

ggplotly(
  Datos %>% 
    ggplot(.,aes(x=gasto_militar17,y=gasto_edu16, label=pais))+
    theme_bw()+
    geom_point()+
    geom_smooth(method = "lm", 
                se = F)
)

• Gráfico con filtro sobre dato “atípico” en gasto militar:

ggplotly(
  Datos %>% 
    filter(gasto_militar17 <= 10) %>% 
    ggplot(.,aes(x=gasto_militar17,y=gasto_edu16, label=pais))+
    theme_bw()+
    geom_point()+
    geom_smooth(method = "lm", 
                se = F)
)

Matriz Dispersión 1

pairs.panels(
  Datos %>% select_if(is.numeric))

• Matríz de dispersión reducida (Ejemplo)

pairs.panels(
  Datos %>% 
    select(gasto_militar17,
           gasto_edu16,
           desempleo17,
           camas14,pib16,
           gasto_id16) %>% 
    select_if(is.numeric))

Matriz Dispersión 2

ggpairs(
  Datos %>% 
    select(gasto_militar17,
           gasto_edu16,
           desempleo17,
           camas14,pib16,
           gasto_id16)
  
)

Matriz de correlaciones numéricaS

#Obtener correlaciones
matriz_cor <- cor(Datos %>% 
                    select(gasto_militar17,
                           gasto_edu16,
                           desempleo17,
                           camas14,pib16,
                           gasto_id16), 
                  use = "pairwise.complete.obs")
matriz_cor

##                 gasto_militar17  gasto_edu16 desempleo17     camas14
## gasto_militar17     1.000000000  0.005680844  0.07243089 -0.08380492
## gasto_edu16         0.005680844  1.000000000  0.18996210  0.39890799
## desempleo17         0.072430891  0.189962103  1.00000000  0.09568141
## camas14            -0.083804924  0.398907991  0.09568141  1.00000000
## pib16               0.049793587 -0.039946838 -0.08014070  0.12298349
## gasto_id16         -0.073199552 -0.103750960 -0.15564109  0.55237344
##                       pib16  gasto_id16
## gasto_militar17  0.04979359 -0.07319955
## gasto_edu16     -0.03994684 -0.10375096
## desempleo17     -0.08014070 -0.15564109
## camas14          0.12298349  0.55237344
## pib16            1.00000000  0.37707683
## gasto_id16       0.37707683  1.00000000

Matriz de correlaciones gráfica

• Método por defecto:

corrplot(matriz_cor)

• Otro Método gráfico:

corrplot(matriz_cor,method = "pie",type = "upper")

• Otro Gráfico sin la diagonal

corrplot(matriz_cor,method = "pie",type ="upper",diag = F )

• Matriz de correlacion completa metodo Color

corrplot( cor(
  Datos %>% select_if(is.numeric),
  use = "pairwise.complete.obs",
  method = "pearson"),
  method = "color",
  type = "upper",
  diag = F,
  addgrid.col = "black",
  tl.col = "black",
  tl.srt = 45,
  tl.cex = .8,
  col= brewer.pal("BrBG",n=10)
)