Instrumentos de Análisis Urbanos II

class: center, middle, inverse, title-slide

.title[
# Instrumentos de Análisis Urbanos II
]
.subtitle[
## Maestría en Economía Urbana
]
.author[
### 
]
.institute[
### Universidad Torcuato Di Tella
]
.date[
### 25/07/2023
]

---

layout: true
  
<div class="my-footer"><span>Instrumentos de Análisis Urbanos II - <a href="https://tuqmano.github.io/geo_utdt/">https://tuqmano.github.io/geo_utdt/</a></span></div>

---
# FUNCIONES + LOOPS (*for*)

## HOJA DE RUTA

- ¿Para qué sirven las funciones?

- Aprender a crear una función propia.

- "Si se repite más de tres veces, merece ser una función"

- Iterar (*for*)

---
# ¿Cuándo necesitamos crear una función?

---
# ¿Cómo armamos una función?

---
# ¿Cómo armamos una función?

### Quiero armar una función que le sume `2` a un número cualquiera:

```r
le_sumo_dos_a <- function(numero) {
  
  numero + 2

}
```

```r
le_sumo_dos_a(2)
## [1] 4
```

```r
le_sumo_dos_a(5)
## [1] 7
```

---
# ¿Cómo armamos una función?

### En este ejemplo, el argumento `numero` es un genérico. Lo puedo llamar como desee, siempre y cuando respete ese nombre en todo el cuerpo de la función.

```r
le_sumo_dos_a <- function(numero) {
  
  numero + 2

}
```

```r
le_sumo_dos_a <- function(pepito) {
  
  pepito + 2

}
```

---
class: inverse, middle, center

# Práctica

- Diseñar una función que multiplique por 4 a cualquier valor que le indique

---
# Ejemplo

### Quiero una función que tome un nombre de varón y devuelva un texto

```r
pongo_nombre <- function(texto) {
  
  paste("el", texto, "está en cualquiera", sep = " ")

}

pongo_nombre("Pablo")
## [1] "el Pablo está en cualquiera"
```

---
# Ejemplo

### Quiero aplicar siempre un formato de salida de valores numéricos para que el separador de decimales sea la `,` y el de miles el `.`:

```r
formateo <- function(valor) {
  
  format(valor, 
         big.mark = ".", 
         decimal.mark = ",", 
         digits = 2, nsmall = 2)}
```
--

```r
formateo(2349382.456)
## [1] "2.349.382,46"
```

```r
formateo(3/4)
## [1] "0,75"
```

---
# Recomendaciones

<br>

### Para construir una función suele ser útil comenzar por lo simple:

<br>

💡 Primero escribo la línea de código que necesito automatizar

<br>

💡 Luego la hago función

---
# Armando una función

### Supongamos que suelo tener que calcular la __tasa de empleo__, por lo que una función nos vendría bien para evitar tantas líneas de código:

#### Tal como se sugirió, vamos a generar el resultado deseado para luego pasar a pensar la función:

```r
library(eph)
base_eph_ind <- toybase_individual_2016_04

base_eph_ind %>% 
  summarise(pob_tot = sum(PONDERA),
            pob_ocupada = sum(PONDERA[ESTADO == 1]),
            tasa_empleo = pob_ocupada / pob_tot * 100) %>% 
  select(tasa_empleo)
##   tasa_empleo
## 1    43.78169
```

---
# Armando una función

### Lo transformo en una función:

```r
tasa_empleo <- function(base){
  
  base %>% 
    summarise(pob_tot = sum(PONDERA),
              pob_ocupada = sum(PONDERA[ESTADO == 1]),
              tasa_empleo = pob_ocupada / pob_tot * 100)  %>% 
    select(tasa_empleo)
  
}
```

```r
tasa_empleo(base_eph_ind)
##   tasa_empleo
## 1    43.78169
```

---
class: inverse, middle, center

# Práctica

- Diseñar una función que estime la tasa de desocupación

---
# Condicionales - if / if else

## if
La función *if* sirve para ejecutar una sentencia sólo *si una condición es verdadera*:
     
```
if(condicion){

codigo a ejecutar si se cumple la condición

}
```

```r
if( 2+2 == 4){

print("Todo marcha bien")

}
## [1] "Todo marcha bien"
```

```r
if( 2+2 == 148.24){
  
  print("R, tenemos un problema")

}
```

---
## if + else

La función **if** también puede utilizarse para indicar la ejecución de uno u otro fragmentos de código según se cumpla o no una condición. Para ello, agregamos **`else{}`** y el código a ejecutar en caso de NO cumplimiento de la condición, de la siguiente manera:

```r
if(condicion){
  
  codigo a ejecutar si se cumple la condición
  
} else {
  
  codigo a ejecutar si NO se cumple la condición
}
```

---
# Ejemplo de uso

Creamos una sentencia que verifica si el objeto `base_inmuebles` fue creado y existe en el ambiente de R. Para ello nos ayudamos de la función `exists()`:

```r
base_cargada <- exists("base_inmuebles")

base_cargada
## [1] FALSE
```

Luego corremos la siguiente sentencia:

```r
if (exists("base_inmuebles") == TRUE) {
  
    print("La base ya se encuentra en el ambiente")
  
  } else {
    
    print("La base no se encuentra en el ambiente, procedemos a importarla")
    
    base_inmuebles <- vroom::vroom("data/inmuebles-estado-nacional.csv")
    
    print("ahora sí, base cargada")
}
## [1] "La base no se encuentra en el ambiente, procedemos a importarla"
## [1] "ahora sí, base cargada"
```

---
# Se picó

## Necesito una única función que estime las principales tasas del mercado de trabajo y devuelva el resultado en función de cuál de ellas quiero en particular

---
# Se picó (primer paso)

```r
tasa <- function(base, tasa = NULL) {
  
  ## Armo la tabla
  
  tabla <- base %>% 
    summarise(pob_tot = sum(PONDERA),
              pob_activa = sum(PONDERA[ESTADO %in% c(1,2)]),
              pob_ocupada = sum(PONDERA[ESTADO == 1]),
              pob_desocupada = sum(PONDERA[ESTADO == 2]),
              pob_inactiva = sum(PONDERA[ESTADO %in% c(3,4)]),
              tasa_empleo = pob_ocupada / pob_tot * 100,
              tasa_desempleo = pob_desocupada / pob_activa * 100,
              tasa_inactividad = pob_inactiva / pob_tot * 100)
  
  
  ## Defino la salida
  
  if(tasa == "empleo") { # <-- Si se cumple esta condición
    
    select(tabla, tasa_empleo) # <-- Quiero que pase esto
    
  } else { # <-- ¿Y si no?
    
    if(tasa == "desempleo"){ # <-- Chequeo si se cumple esta condición
      
      select(tabla, tasa_desempleo) # <-- Y que pase esto
      
    }
  }
}
```

```r
tasa(base_eph_ind, tasa = "empleo")
##   tasa_empleo
## 1    43.78169
```

---
# Se picó (final)

```r
tasa <- function(base, tasa = NULL) {
  
  tabla <- base %>% 
    summarise(pob_tot = sum(PONDERA),
              pob_activa = sum(PONDERA[ESTADO %in% c(1,2)]),
              pob_ocupada = sum(PONDERA[ESTADO == 1]),
              pob_desocupada = sum(PONDERA[ESTADO == 2]),
              pob_inactiva = sum(PONDERA[ESTADO %in% c(3,4)]),
              tasa_empleo = pob_ocupada / pob_tot * 100,
              tasa_desempleo = pob_desocupada / pob_activa * 100,
              tasa_inactividad = pob_inactiva / pob_tot * 100)
  
  if(tasa == "empleo") { # <-- Si se cumple esta condición
    
    select(tabla, tasa_empleo) # <-- Quiero que pase esto
    
  } else { # <-- ¿Y si no?
    
    if(tasa == "desempleo"){ # <-- Chequeo si se cumple esta condición
      
      select(tabla, tasa_desempleo) # <-- Y que pase esto
      
    } else { 
      
      if(tasa == "inactividad"){ 
        
        select(tabla, tasa_inactividad)
        
      } else { 
        
        if(tasa == "todas"){
          
          select(tabla, contains("tasa"))
          
        }
      }
      
    }
  }
}
```

---
# Iterar (*for*)

- ¿Cuándo? Necesitamos realizar una operación donde cambia un valor pero no la estructura de la sentencia

### Ejemplo

```r
1 + 1
## [1] 2
1 + 2
## [1] 3
1 + 3
## [1] 4
1 + 4
## [1] 5
1 + 5
## [1] 6
```

---
# Solución

```r
for (i in 1:5) {
  print(1 + i)
}
## [1] 2
## [1] 3
## [1] 4
## [1] 5
## [1] 6
```

---
# Caso de uso

- Necesito calcular la tasa de empleo para todas las REGIONES de la Encuesta Permanente de Hogares

- Descargo la base de juguete y reviso las categorías de la variable `REGION`

```r
library(eph)
library(tidyverse)

b_eph <- toybase_individual_2016_03

unique(b_eph$REGION)
## [1]  1 44 43 40 41 42
```

---
# Caso de uso

### Calculo la tasa, para la **primera** región:

```r
b_eph %>%
  filter(REGION == 1) %>% 
  group_by(REGION) %>% 
  summarise(pob_tot = sum(PONDERA),
            pob_ocupada = sum(PONDERA[ESTADO == 1]),
            tasa_empleo = round(pob_ocupada / pob_tot * 100, digits = 1)) %>%
  select(REGION, tasa_empleo)
## # A tibble: 1 × 2
##   REGION tasa_empleo
##    <int>       <dbl>
## 1      1          46
```

### Calculo la tasa, para la **segunda** región:

```r
b_eph %>%
  filter(REGION == 44) %>% 
  group_by(REGION) %>% 
  summarise(pob_tot = sum(PONDERA),
            pob_ocupada = sum(PONDERA[ESTADO == 1]),
            tasa_empleo = round(pob_ocupada / pob_tot * 100, digits = 1)) %>%
  select(REGION, tasa_empleo)
## # A tibble: 1 × 2
##   REGION tasa_empleo
##    <int>       <dbl>
## 1     44          39
```

---
# Caso de uso (con _for_)

```r
for (i in unique(b_eph$REGION)) {
  
  tasa <- b_eph %>%
    filter(REGION == i) %>% 
    group_by(REGION) %>% 
    summarise(pob_tot = sum(PONDERA),
              pob_ocupada = sum(PONDERA[ESTADO == 1]),
              tasa_empleo = pob_ocupada / pob_tot * 100) %>%
    select(REGION, tasa_empleo)
  
  print(tasa)
}
## # A tibble: 1 × 2
##   REGION tasa_empleo
##    <int>       <dbl>
## 1      1        46.0
## # A tibble: 1 × 2
##   REGION tasa_empleo
##    <int>       <dbl>
## 1     44        39.0
## # A tibble: 1 × 2
##   REGION tasa_empleo
##    <int>       <dbl>
## 1     43        39.3
## # A tibble: 1 × 2
##   REGION tasa_empleo
##    <int>       <dbl>
## 1     40        42.7
## # A tibble: 1 × 2
##   REGION tasa_empleo
##    <int>       <dbl>
## 1     41        45.1
## # A tibble: 1 × 2
##   REGION tasa_empleo
##    <int>       <dbl>
## 1     42        43.0
```