Herramientas Cuantitativas para el Análisis Político

# Herramientas Cuantitativas para el Análisis Político
## Maestría en Ciencia Política [CP44]
### 
### Universidad Torcuato Di Tella
### 19/10/2021

---

layout: true
 
<div class="my-footer">Juan Pablo Ruiz Nicolini | @TuQmano | <a href="https://tuqmano.ar/">www.tuqmano.ar</a></div>

---
class: inverse, center, middle

# REPASO

---

##  Ciencia de Datos - Domar Datos

[R para Ciencia de Datos - R4DS](https://es.r4ds.hadley.nz)

---

background-image: url(https://github.com/TuQmano/hex-stickers/raw/master/PNG/tidyr.png)
background-position: 95% 5%
background-size: 10%

# Domar los datos I

## Datos Ordenados

1. Cada variable debe tener su propia columna.

2. Cada observación debe tener su propia fila.

3. Cada valor debe tener su propia celda.

---

background-image: url(https://github.com/TuQmano/hex-stickers/raw/master/PNG/tidyr.png)
background-position: 95% 5%
background-size: 10%

# Domar los datos I

## Datos Ordenados: _pivotear_

Entre los distintos verbos, se destacan:

* `pivot_longer()`: reduce cantidad de columnas y aumenta las filas

* `pivot_wider()`: reduce cantidad de filas y aumenta columnas

### Más verbos:

`complete / fill / replace_na / drop_na`,

`nest / unnest`,

`unite /separate / extract`

[`{tidyr}`](https://tidyr.tidyverse.org/)

---

background-image: url(https://github.com/TuQmano/hex-stickers/raw/master/PNG/dplyr.png)
background-position: 95% 5%
background-size: 10%

# Domar los datos I

## Transformar

### Una caja de herramientas

#### Verbos principales de `{dplyr}` para manipular la _data_

* `filter()`: reduce la cantidad de filas  (observaciones)

* `select()`: reduce la cantidad de columnas (variables)

* `mutate()`: crea o modifica variables

* `arrange()`: ordena (sort)

* `group_by()`: agrupa observaciones

* `summarize()`: reduce múltiples observaciones a un valor

---

background-image: url(https://www.tidyverse.org/blog/2020/06/dplyr-1-0-0/dplyr.png)
background-position: 95% 5%
background-size: 10%

# Domar los datos I

## + verbos de `{dplyr}`

* `n()`

* `slice()` (y variantes:  `slice_*()`)

* `rename()`

* `case_when()` (re versión de `ifelse()`)

* Variantes de `mutate_*()` y `summarise_*()`

- `across()` en el [*nuevo* `{dplyr}` ](https://www.tidyverse.org/blog/2020/06/dplyr-1-0-0/)

---

background-image: url(https://www.tidyverse.org/blog/2020/06/dplyr-1-0-0/dplyr.png)
background-position: 95% 5%
background-size: 10%

## Datos relacionales

.pull-left[
![](https://www.garrickadenbuie.com/project/tidyexplain/images/left-join-extra.gif)

[ Tidy Explain, Garrick Aden-Buie](https://www.garrickadenbuie.com/project/tidyexplain/)

]

* Uniones de transformación (del inglés _mutating joins_), que agregan nuevas variables a un data frame a partir de las observaciones coincidentes en otra tabla (*vg* `left_join()`)

* Uniones de filtro (del inglés _filtering joins_), que filtran observaciones en un _data frame_ con base en si coinciden o no con una observación de otra tabla (*vg* `anti_join()`).

* Operaciones de conjuntos (del inglés _set operations_), que tratan las observaciones como elementos de un conjunto (*vg* `set_diff()`).

[Datos Relacionales - R4DS](https://es.r4ds.hadley.nz/datos-relacionales.html)

]

---
class: inverse, middle, center

# Domar los Datos
### (II Parte)

---

background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/stringr.png)
background-position: 95% 5%
background-size: 10%

# Domar los datos II

## Caracteres

* Funciones que permiten manipular caracteres individuales dentro de las cadenas en vectores de caracteres

**`str_sub(string = x, start = 1, end = 4)`**

* Herramientas para agregar, eliminar y manipular espacios en blanco

**`str_pad(string = x , width = 2 , side = "left" , pad = 0)`**

* Funciones que detectan coincidencia de patrones como las _expresiones regulares_ -[_regex_ ](https://stringr.tidyverse.org/articles/regular-expressions.html) :

**`str_detect(string = x, pattern = ":digits:")`**

[`{stringr}`](https://stringr.tidyverse.org/articles/stringr.html)

---
background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/lubridate.png)
background-position: 95% 5%
background-size: 10%

# Domar los datos II

## Días y horas

`{lubridate}` incluye una gran variedad de funciones para **(a) *paresear* días y horas**; **(b) crear y extraer información**; (c) manejar zonas horarias (_tz_); y hasta calcular intervalos de tiempo y _aritmética de tiempo_

```r
library(lubridate) # (a)
dmy("5 de octubre de 2021")
## [1] "2021-10-05"
```

```r
library(lubridate) # (b)
today() + 365
## [1] "2022-10-19"
```

[`{lubridate}`](https://lubridate.tidyverse.org/index.html)

---

background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/forcats.png)
background-position: 95% 5%
background-size: 10%

# Domar los datos II

## Variables categóricas

> *Los factores son útiles cuando se tiene datos categóricos, variables que tienen un conjunto de valores fijo y conocido, y cuando se desea mostrar los vectores de caracteres en orden no alfabético*

**R4DS - <https://es.r4ds.hadley.nz/factores.html>**

* `fct_reorder()` > modifica el orden

* `fct_recode()` > modifica valores (no niveles)

* `fct_collapse()`> colapsar es útil para re codificar muchos niveles

* `fct_lump()` > agrupa

---

# Programación (Intro)

---

## Referencias

* [_Pipes_, Funciones, Vectores e Iteración](https://es.r4ds.hadley.nz/programar-intro.html), en **Wickham y Grolemnud**

---
background-image: url(https://github.com/tidyverse/magrittr/raw/master/man/figures/logo.png)
background-position: 95% 5%
background-size: 10%

# "*Esto no es una pipa*"

### Una receta

```r
the_data <-
 read.csv('/path/to/data/file.csv') %>%
 subset(variable_a > x) %>%
 transform(variable_c = variable_a/variable_b) %>%
 head(100)
```

[{magrittr}](https://magrittr.tidyverse.org/)

---
background-image: url(https://raw.githubusercontent.com/tidyverse/glue/master/man/figures/logo.png)
background-position: 95% 5%
background-size: 10%

# Facilitando el _pegado_

[{glue}](https://glue.tidyverse.org/)

```r
library(glue)

nombre <- "TuQmano"
ocupacion <- "Cientista de Datos"
aniversario <- as.Date("1983-09-15")

glue("Mi nombre es {nombre}. Trabajo de {ocupacion}.
     Nací el {format(aniversario, '%A, %d de %B de %Y')}")
## Mi nombre es TuQmano. Trabajo de Cientista de Datos.
## Nací el jueves, 15 de septiembre de 1983
```

[ alternativas](https://trinkerrstuff.wordpress.com/2013/09/15/paste-paste0-and-sprintf-2/) como `paste()`, `paste0()` y `sprintf()`

---

background-image: url(https://politicaargentina.github.io/electorAr/reference/figures/logo.png)
background-position: 95% 3%
background-size: 10%

## % votos

```r
library(electorAr)
library(dplyr)

tucuman_dip_gral_2017 %>% 
 get_names() %>% 
 transmute(nombre_lista, votos, 
* pct = round(votos/sum(votos)*100,1))
## # A tibble: 6 x 4
## # Groups: codprov [1]
## codprov nombre_lista votos pct
## <chr> <chr> <dbl> <dbl>
## 1 23 FUERZA REPUBLICANA 154930 15.5
## 2 23 FRENTE DE IZQUIERDA Y DE LOS TRABAJADORES 46609 4.7
## 3 23 CAMBIEMOS PARA EL BICENTENARIO 319221 32 
## 4 23 FRENTE JUSTICIALISTA POR TUCUMAN 459257 46 
## 5 23 blancos 5920 0.6
## 6 23 nulos 12947 1.3
```

---

background-image: url(https://github.com/PoliticaArgentina/electorAr/raw/main/man/figures/logo.png)
background-position: 95% 3%
background-size: 10%

## `function()`

### generalizar cálculo de % para un vector

```r
calcular_pct <- function(data){
 
* round(data/sum(data)*100,1)
}
```

---

background-image: url(https://github.com/PoliticaArgentina/electorAr/raw/main/man/figures/logo.png)
background-position: 95% 3%
background-size: 10%

## % votos 
###  `calcular_pct(data)`

```r
datos <- electorAr::tucuman_dip_gral_2017
datos %>% 
 get_names() %>% 
 dplyr::transmute(nombre_lista,
* pct = calcular_pct(data = votos))
## # A tibble: 6 x 3
## # Groups: codprov [1]
## codprov nombre_lista pct
## <chr> <chr> <dbl>
## 1 23 FUERZA REPUBLICANA 15.5
## 2 23 FRENTE DE IZQUIERDA Y DE LOS TRABAJADORES 4.7
## 3 23 CAMBIEMOS PARA EL BICENTENARIO 32 
## 4 23 FRENTE JUSTICIALISTA POR TUCUMAN 46 
## 5 23 blancos 0.6
## 6 23 nulos 1.3
```

---

background-image: url(https://github.com/tidyverse/purrr/raw/master/man/figures/logo.png)
background-position: 95% 5%
background-size: 10%

# Iteración

[{purrr}](https://purrr.tidyverse.org/)

**<https://www.gerkelab.com/blog/2018/09/import-directory-csv-purrr-readr/>**

---

background-image: url(https://github.com/tidyverse/purrr/raw/master/man/figures/logo.png)
background-position: 95% 5%
background-size: 10%

# Iteración

## Ejemplo de escritura de múltiples archivos

[ **Claus Wilke**: _Reading and combining many tidy data files in R_](https://clauswilke.com/blog/2016/06/13/reading-and-combining-many-tidy-data-files-in-r/)

```r
require(readr)  # para write_csv()
require(dplyr)  # para mutate()
require(tidyr)  # para unnest()
require(purrr)  # para map()
```

---

background-image: url(https://github.com/tidyverse/purrr/raw/master/man/figures/logo.png)
background-position: 95% 5%
background-size: 10%

# Iteración

## Ejemplo de escritura de múltiples archivos

```r
library(electorAr)

datos <- get_election_data(district = "arg", category = "presi", round = "gral", year = 2003) %>% 
 get_names()

datos
## # A tibble: 480 x 9
## # Groups: codprov [24]
## category round year codprov name_prov electores listas votos nombre_lista 
## <chr> <chr> <dbl> <chr> <chr> <dbl> <chr> <dbl> <chr> 
## 1 presi gral 2003 01 CABA 2590435 0001 2985 Mov. de Integr~
## 2 presi gral 2003 01 CABA 2590435 0003 16216 Unión Cívica R~
## 3 presi gral 2003 01 CABA 2590435 0005 6324 Partido Demócr~
## 4 presi gral 2003 01 CABA 2590435 0014 14828 Partido Obrero 
## 5 presi gral 2003 01 CABA 2590435 0022 16371 Partido Humani~
## 6 presi gral 2003 01 CABA 2590435 0030 7302 Partido Social~
## 7 presi gral 2003 01 CABA 2590435 0037 1843 Mov. por la Di~
## 8 presi gral 2003 01 CABA 2590435 0050 50703 Partido Social~
## 9 presi gral 2003 01 CABA 2590435 0051 4264 Partido Popula~
## 10 presi gral 2003 01 CABA 2590435 0053 15948 Conf. Para que~
## # ... with 470 more rows
```

---

background-image: url(https://github.com/tidyverse/purrr/raw/master/man/figures/logo.png)
background-position: 95% 5%
background-size: 10%

# Iteración

## Ejemplo de escritura de múltiples archivos

```r

nested <- datos %>% 
 group_by(name_prov) %>% 
 nest()

nested
## # A tibble: 24 x 2
## # Groups: name_prov [24]
## name_prov data 
## <chr> <list> 
## 1 CABA <tibble [20 x 8]>
## 2 BUENOS AIRES <tibble [20 x 8]>
## 3 CATAMARCA <tibble [20 x 8]>
## 4 CORDOBA <tibble [20 x 8]>
## 5 CORRIENTES <tibble [20 x 8]>
## 6 CHACO <tibble [20 x 8]>
## 7 CHUBUT <tibble [20 x 8]>
## 8 ENTRE RIOS <tibble [20 x 8]>
## 9 FORMOSA <tibble [20 x 8]>
## 10 JUJUY <tibble [20 x 8]>
## # ... with 14 more rows
```

---

background-image: url(https://github.com/tidyverse/purrr/raw/master/man/figures/logo.png)
background-position: 95% 5%
background-size: 10%

# Iteración

## Ejemplo de escritura de múltiples archivos

```r

nested %>% 
  
pwalk( ~ write_csv(x = .y, file = glue::glue("{here::here('clases', 'data', 'multiple_files')}/{.x}.csv")))

```

---

# Data Viz I

## La _Gramática de los Gráficos_

---
class: inverse, middle

# Garmática de los Gráficos

>**Un conjunto formal de reglas para la producción de gráficos estadísticos**
--

> **Se basa en la definición de capas**
--

**- _Leland Wilkinson_**

* Estadística y Ciencia de Computación  **+**

* Experto en Viz (_SPSS, Tableau_) **+**

**->**  [_**Grammar of Graphics**_ (1999)](https://www.springer.com/gp/book/9780387245447)

---

## Referencias (I)

Tres libros relevantes:

- [`ggplot2`: _**Elegant Graphics for Data Analysis**_](https://ggplot2-book.org/) (**H. Wickham**) es el material principal con definiciones de la aplicación de la _gramática de gráficos_ en `R`.

- [_**Data Visualization: A Pracitcal Introduction**_](https://socviz.co/index.html#preface) (**K. Heley**) disute principios sobre visualización de datos, y consejos práctivos de su aplicación acompañado de código en `R` par reproducirlos.

- En [_**Fundamentals of Data Visualization**_](https://clauswilke.com/dataviz/) (**Claus Wilke**) presentan argumentos y consejos para realizar visualizaciones profesionales que representen correctamente los datos.

---

## Referencias (II)

1. _Visualización de Datos (Intro)_, en "[R para Ciencia de Datos](https://es.r4ds.hadley.nz/visualizaci%C3%B3n-de-datos.html#introducci%C3%B3n-1)" (Wickham y Grolemnud).

2. [_ModernDive_](https://moderndive.com/2-viz.html)

3. [(a) Urdinez y Cruz](https://arcruz0.github.io/libroadp/dataviz.html); [(b) Montané](https://martinmontane.github.io/CienciaDeDatosBook/visualizaciones-de-datos-en-r.html); y [(c) Vázquez Brust](https://bitsandbricks.github.io/ciencia_de_datos_gente_sociable/visualizaci%C3%B3n.html).

---

background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 15%
background-size: 10%

# Data Viz

## La **g**ramática de los **g**ráficos en `R`

#### _Dibujando por capas_ con [`{ggplot2}`](https://ggplot2.tidyverse.org/index.html)

**** [_Plotting Anything with `ggplot2`_](https://www.youtube.com/watch?v=h29g21z0a68) - Thomas Lin Pedersen.

---

background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 15%
background-size: 10%

# Data Viz

## RECETA BÁSICA

```r
ggplot(data = <DATA>) + 
 <GEOM_FUNCTION>(mapping = aes(<MAPPINGS>))
```

---

background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 10%
background-size: 10%

# Data Viz

### `millas` del [paquete `{datos}`](https://cienciadedatos.github.io/datos/)

```r
library(tidyverse)
library(datos)
dplyr::as_tibble(millas)
## # A tibble: 234 x 11
## fabricante modelo cilindrada anio cilindros transmision traccion ciudad
## <chr> <chr> <dbl> <int> <int> <chr> <chr> <int>
## 1 audi a4 1.8 1999 4 auto(l5) d 18
## 2 audi a4 1.8 1999 4 manual(m5) d 21
## 3 audi a4 2 2008 4 manual(m6) d 20
## 4 audi a4 2 2008 4 auto(av) d 21
## 5 audi a4 2.8 1999 6 auto(l5) d 16
## 6 audi a4 2.8 1999 6 manual(m5) d 18
## 7 audi a4 3.1 2008 6 auto(av) d 18
## 8 audi a4 quattro 1.8 1999 4 manual(m5) 4 18
## 9 audi a4 quattro 1.8 1999 4 auto(l5) 4 16
## 10 audi a4 quattro 2 2008 4 manual(m6) 4 20
## # ... with 224 more rows, and 3 more variables: autopista <int>,
## # combustible <chr>, clase <chr>
```

---
background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 15%
background-size: 10%

# Data Viz: _ggplot2_

### Receta básica

```r
ggplot(data = millas) +  # DATOS 
  geom_point(mapping = aes(x = cilindrada,      
                           y = autopista)) # ESTETICAS
```

---

background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 15%
background-size: 10%

# _Dibujando por capas_

### mapeo y estéticas

---

## Una capa estética extra con **_aes()_**

```r
ggplot(data = millas) +   # 'Esteticas'
  geom_point(mapping = aes(x = cilindrada,      
                           y = autopista,         
*                          colour = clase))
```

---
background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 5%
background-size: 10%

## _mapping_ VS _setting_

```r
*# Que pasa acá?
ggplot(data = millas) +  
  geom_point(mapping = aes(x = cilindrada,      
                           y = autopista, 
*                          colour = "blue"))
```

---
background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 1%
background-size: 10%

## Data Viz: _ggplot2_

```r
ggplot(data = millas) +  
  geom_point(mapping = aes(x = cilindrada,      
                           y = autopista), 
*            colour = "blue")
```

---
background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 1%
background-size: 10%

## Data Viz: _ggplot2_

Cada **_geometry_ tiene parámetros específicos** que pueden ser ajustados dentro de la capa _estética_.  El **color** es uno de ellos.

A `geom_point` podemos asignarle una forma particular en función de valores de alguna variable, por ejemplo:

* `shape`

* `size`

* `alpha`

* `fill`

---

background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 15%
background-size: 10%

## _Dibujando por capas_ : **_facets_**

---

background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 1%
background-size: 10%

## Data Viz: _ggplot2_: **facetas**

##### _small multiples_

```r
ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista)) +
* facet_wrap(~ clase, nrow = 2)
```

---

background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 15%
background-size: 10%

## _Dibujando por capas_: **_geometry_**

---
background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 1%
background-size: 10%

## Data Viz: _ggplot2_:

variedad de **geometrías** posibles

```r
# izquierda
ggplot(data = millas) +
* geom_point(mapping = aes(x = cilindrada, y = autopista))
# derecha
ggplot(data = millas) +
* geom_smooth(mapping = aes(x = cilindrada, y = autopista))
```

---
background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 1%
background-size: 10%

## Data Viz: _ggplot2_

> Integramos los dos `geom_` como capas de un mismo gráfico

```r
ggplot(data = millas) +
  geom_point(mapping = aes(x = cilindrada, y = autopista)) +
  geom_smooth(mapping = aes(x = cilindrada, y = autopista))
```

#### **Que notan en el código?**

---
background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 1%
background-size: 10%

## Data Viz: _ggplot2_

**Podemos asignar parametros _globales_ para todo el gráfico (que pueden ser sobrescritos en capas siguientes)**

```r
ggplot(data = millas, aes(x = cilindrada, y = autopista)) +
  geom_point() +
  geom_smooth()
```

---
background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 1%
background-size: 10%

## Data Viz: _ggplot2_

```r
ggplot(millas, aes(cilindrada, autopista)) +
  geom_point() +
  geom_smooth()
```

> **Se pueden elidir los nombres de parámetros**
--

**** Más detalle en esta [Intro a ggplot]("https://es.r4ds.hadley.nz/visualización-de-datos.html")

---

background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/ggplot2.png)
background-position: 95% 15%
background-size: 10%

## _Dibujando por capas_: **_theme_**

---

## Data Viz: _ggplot2_: **_theme()_**

```r
ggplot(millas, aes(cilindrada, autopista)) +
  geom_point() +
  geom_point(data = millas %>% 
               filter(fabricante == "audi"), color = "blue", size =3) +
  geom_smooth(se = FALSE) +
  labs(title = "Performance de los AUDI",  subtitle = "Un gráfico del TuQmano", 
        y = "Etiqueta Y",  x = "Etiqueta X", 
        caption = "FUENTE: {datos} 'R Para Ciencia de Datos'") +
* ggthemes::theme_wsj()
```