Dataset
Los ejercicios realizados a lo largo de este post, que nos servirán para mostrar la aplicación de las funciones que queremos exponer, se harán sobre el dataset del Valor Agregado Bruto de las Comunidades Autónomas Españolas por sectores productivos utilizado en este post anterior. Utilizaremos, por ejemplo, los datos relativos al año 1980, que multiplicaremos por 1000 para tener el valor completo (nótese que el VAB está expresado en valores constantes y en miles de euros)
library(readxl)
library(tidyverse)
library(stringr)
# cargamos el archivo excel
ce_vab <- read_excel("C:/Users/Usuario/Desktop/r_que_r/r_que_r/content/datasets/cambioestructural.xlsx",
sheet = "vab")
head(ce_vab)
## # A tibble: 6 x 38
## Region CCAA Sector Nombre Actividad Ramas `1980` `1981` `1982` `1983` `1984`
## <chr> <chr> <chr> <chr> <chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 AND Anda~ Agric~ AGR Agro Agri~ 2.78e6 2.67e6 2.51e6 2.51e6 2.83e6
## 2 ARA Arag~ Agric~ AGR Agro Agri~ 9.41e5 5.58e5 6.58e5 7.03e5 9.41e5
## 3 AST Astu~ Agric~ AGR Agro Agri~ 3.97e5 4.08e5 4.15e5 4.13e5 3.92e5
## 4 BAL Bale~ Agric~ AGR Agro Agri~ 2.20e5 1.85e5 1.75e5 1.83e5 1.80e5
## 5 CAN Cana~ Agric~ AGR Agro Agri~ 6.47e5 6.69e5 5.94e5 5.99e5 6.56e5
## 6 CANT Cant~ Agric~ AGR Agro Agri~ 2.68e5 2.86e5 2.60e5 2.76e5 2.79e5
## # ... with 27 more variables: `1985` <dbl>, `1986` <dbl>, `1987` <dbl>,
## # `1988` <dbl>, `1989` <dbl>, `1990` <dbl>, `1991` <dbl>, `1992` <dbl>,
## # `1993` <dbl>, `1994` <dbl>, `1995` <dbl>, `1996` <dbl>, `1997` <dbl>,
## # `1998` <dbl>, `1999` <dbl>, `2000` <dbl>, `2001` <dbl>, `2002` <dbl>,
## # `2003` <dbl>, `2004` <dbl>, `2005` <dbl>, `2006` <dbl>, `2007` <dbl>,
## # `2008` <dbl>, `2009` <dbl>, `2010` <dbl>, `2011` <dbl>
# seleccionamos las columnas: CCAA, Sector y 1980. Multip
year_1980 <- ce_vab %>%
mutate(vab_1980 = `1980` * 1000) %>%
select(CCAA, Sector, vab_1980)
head(year_1980)
## # A tibble: 6 x 3
## CCAA Sector vab_1980
## <chr> <chr> <dbl>
## 1 Andalucía Agricultura 2776590000
## 2 Aragón Agricultura 941490000
## 3 Asturias Agricultura 397052000
## 4 Baleares Agricultura 220089000
## 5 Canarias Agricultura 646876000
## 6 Cantabria Agricultura 268312000
función format()
La función format() nos permite modificar los números en el formato que consideremos más conveniente y adecuado en nuestro análisis. Ante un número de considerable magnitud puede interesarnos anotar la cantidad en forma científica. Podemos configurar el formato científico de la siguiente forma:
a <- format(year_1980$vab_1980, digits = 2)
head(a)
## [1] "2.8e+09" "9.4e+08" "4.0e+08" "2.2e+08" "6.5e+08" "2.7e+08"
a2 <- format(year_1980$vab_1980, digits = 4)
head(a2)
## [1] "2.777e+09" "9.415e+08" "3.971e+08" "2.201e+08" "6.469e+08" "2.683e+08"
b <- format(year_1980$vab_1980, scientific = F)
head(b)
## [1] " 2776590000" " 941490000" " 397052000" " 220089000" " 646876000"
## [6] " 268312000"
Puede que nos sea útil utilizar separadores de miles en los números que estemos utilizando. En este caso tenemos varias opciones que podemos utilizar:
# Separador mediante un espacio en blanco:
year_1980$vab_1980_espacio <- format(year_1980$vab_1980, big.mark = " ")
year_1980 %>%
select(CCAA, Sector, vab_1980_espacio)
## # A tibble: 255 x 3
## CCAA Sector vab_1980_espacio
## <chr> <chr> <chr>
## 1 Andalucía Agricultura " 2 776 590 000"
## 2 Aragón Agricultura " 941 490 000"
## 3 Asturias Agricultura " 397 052 000"
## 4 Baleares Agricultura " 220 089 000"
## 5 Canarias Agricultura " 646 876 000"
## 6 Cantabria Agricultura " 268 312 000"
## 7 Castilla y León Agricultura " 1 669 747 000"
## 8 Castilla la Mancha Agricultura " 1 516 187 000"
## 9 Cataluña Agricultura " 1 861 573 000"
## 10 Valencia Agricultura " 1 454 922 000"
## # ... with 245 more rows
# Separador mediante uso de comas:
year_1980$vab_1980_comas <- format(year_1980$vab_1980, big.mark = ",")
year_1980 %>%
select(CCAA, Sector, vab_1980_comas)
## # A tibble: 255 x 3
## CCAA Sector vab_1980_comas
## <chr> <chr> <chr>
## 1 Andalucía Agricultura " 2,776,590,000"
## 2 Aragón Agricultura " 941,490,000"
## 3 Asturias Agricultura " 397,052,000"
## 4 Baleares Agricultura " 220,089,000"
## 5 Canarias Agricultura " 646,876,000"
## 6 Cantabria Agricultura " 268,312,000"
## 7 Castilla y León Agricultura " 1,669,747,000"
## 8 Castilla la Mancha Agricultura " 1,516,187,000"
## 9 Cataluña Agricultura " 1,861,573,000"
## 10 Valencia Agricultura " 1,454,922,000"
## # ... with 245 more rows
# Separador mediante uso de puntos:
year_1980$vab_1980_puntos <- format(year_1980$vab_1980, big.mark = ".")
## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' and 'decimal.mark' are both '.', which could be confusing
year_1980 %>%
select(CCAA, Sector, vab_1980_puntos)
## # A tibble: 255 x 3
## CCAA Sector vab_1980_puntos
## <chr> <chr> <chr>
## 1 Andalucía Agricultura " 2.776.590.000"
## 2 Aragón Agricultura " 941.490.000"
## 3 Asturias Agricultura " 397.052.000"
## 4 Baleares Agricultura " 220.089.000"
## 5 Canarias Agricultura " 646.876.000"
## 6 Cantabria Agricultura " 268.312.000"
## 7 Castilla y León Agricultura " 1.669.747.000"
## 8 Castilla la Mancha Agricultura " 1.516.187.000"
## 9 Cataluña Agricultura " 1.861.573.000"
## 10 Valencia Agricultura " 1.454.922.000"
## # ... with 245 more rows
Podemos también ordenar los valores numéricos y alinearlos a la derecha (default) o a la izquierda con la función trim = TRUE.
Andalucia_1980 <- ce_vab %>%
filter( CCAA == "Andalucía") %>%
mutate(vab_1980 = `1980` * 1000) %>%
select(CCAA, Nombre, vab_1980)
head(Andalucia_1980, n = 15)
## # A tibble: 15 x 3
## CCAA Nombre vab_1980
## <chr> <chr> <dbl>
## 1 Andalucía AGR 2776590000
## 2 Andalucía IND_ALIM 2418657000
## 3 Andalucía IND_TEXT 591322000
## 4 Andalucía IND_MAD 561817000
## 5 Andalucía IND_COQ 1172748000
## 6 Andalucía IND_PLAS 1526154000
## 7 Andalucía IND_INF 331774000
## 8 Andalucía IND_TRANS 449915000
## 9 Andalucía IND_MUE 496089000
## 10 Andalucía IND_REST 3146472000
## 11 Andalucía CON 7226562000
## 12 Andalucía COM 11605641000
## 13 Andalucía TYC 4010545000
## 14 Andalucía IN_FIN 1959274000
## 15 Andalucía OS 21430188000
Andalucia_1980$vab_1980 <- format(Andalucia_1980$vab_1980, big.mark= ".", trim = TRUE)
## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' and 'decimal.mark' are both '.', which could be confusing
head(Andalucia_1980, n = 15)
## # A tibble: 15 x 3
## CCAA Nombre vab_1980
## <chr> <chr> <chr>
## 1 Andalucía AGR 2.776.590.000
## 2 Andalucía IND_ALIM 2.418.657.000
## 3 Andalucía IND_TEXT 591.322.000
## 4 Andalucía IND_MAD 561.817.000
## 5 Andalucía IND_COQ 1.172.748.000
## 6 Andalucía IND_PLAS 1.526.154.000
## 7 Andalucía IND_INF 331.774.000
## 8 Andalucía IND_TRANS 449.915.000
## 9 Andalucía IND_MUE 496.089.000
## 10 Andalucía IND_REST 3.146.472.000
## 11 Andalucía CON 7.226.562.000
## 12 Andalucía COM 11.605.641.000
## 13 Andalucía TYC 4.010.545.000
## 14 Andalucía IN_FIN 1.959.274.000
## 15 Andalucía OS 21.430.188.000
Andalucia_1980$vab_1980 <- format(Andalucia_1980$vab_1980, big.mark= ".", justify= "left")
head(Andalucia_1980, n = 15)
## # A tibble: 15 x 3
## CCAA Nombre vab_1980
## <chr> <chr> <chr>
## 1 Andalucía AGR "2.776.590.000 "
## 2 Andalucía IND_ALIM "2.418.657.000 "
## 3 Andalucía IND_TEXT "591.322.000 "
## 4 Andalucía IND_MAD "561.817.000 "
## 5 Andalucía IND_COQ "1.172.748.000 "
## 6 Andalucía IND_PLAS "1.526.154.000 "
## 7 Andalucía IND_INF "331.774.000 "
## 8 Andalucía IND_TRANS "449.915.000 "
## 9 Andalucía IND_MUE "496.089.000 "
## 10 Andalucía IND_REST "3.146.472.000 "
## 11 Andalucía CON "7.226.562.000 "
## 12 Andalucía COM "11.605.641.000"
## 13 Andalucía TYC "4.010.545.000 "
## 14 Andalucía IN_FIN "1.959.274.000 "
## 15 Andalucía OS "21.430.188.000"
Existen otras formas que nos pueden servir para ordenar y presentar de forma conveniente nuestros datos. Por ejemplo, combinando la función writeLines() y la función paste() podemos organizar/alinear los datos de nuestras columnas de la siguiente forma:
sectores <- format(Andalucia_1980$Nombre, justify = "right")
sectores
## [1] " AGR" " IND_ALIM" " IND_TEXT" " IND_MAD" " IND_COQ" " IND_PLAS"
## [7] " IND_INF" "IND_TRANS" " IND_MUE" " IND_REST" " CON" " COM"
## [13] " TYC" " IN_FIN" " OS"
valores_vab_1980 <- format(Andalucia_1980$vab_1980, big.mark= ".")
valores_vab_1980
## [1] "2.776.590.000 " "2.418.657.000 " "591.322.000 " "561.817.000 "
## [5] "1.172.748.000 " "1.526.154.000 " "331.774.000 " "449.915.000 "
## [9] "496.089.000 " "3.146.472.000 " "7.226.562.000 " "11.605.641.000"
## [13] "4.010.545.000 " "1.959.274.000 " "21.430.188.000"
writeLines(sectores)
## AGR
## IND_ALIM
## IND_TEXT
## IND_MAD
## IND_COQ
## IND_PLAS
## IND_INF
## IND_TRANS
## IND_MUE
## IND_REST
## CON
## COM
## TYC
## IN_FIN
## OS
writeLines(valores_vab_1980)
## 2.776.590.000
## 2.418.657.000
## 591.322.000
## 561.817.000
## 1.172.748.000
## 1.526.154.000
## 331.774.000
## 449.915.000
## 496.089.000
## 3.146.472.000
## 7.226.562.000
## 11.605.641.000
## 4.010.545.000
## 1.959.274.000
## 21.430.188.000
columnas <- paste(sectores, valores_vab_1980, sep = " ")
writeLines(columnas)
## AGR 2.776.590.000
## IND_ALIM 2.418.657.000
## IND_TEXT 591.322.000
## IND_MAD 561.817.000
## IND_COQ 1.172.748.000
## IND_PLAS 1.526.154.000
## IND_INF 331.774.000
## IND_TRANS 449.915.000
## IND_MUE 496.089.000
## IND_REST 3.146.472.000
## CON 7.226.562.000
## COM 11.605.641.000
## TYC 4.010.545.000
## IN_FIN 1.959.274.000
## OS 21.430.188.000
función formatC()
Otra forma de formatear los datos es con la función formatC(). Para examinar su utilidad creamos un nuevo dataset, esta vez con los datos del VAB de 2011.
year_2011 <- ce_vab %>%
mutate(vab_2011 = `2011` * 1000) %>%
select(CCAA, Nombre, vab_2011)
head(year_2011)
## # A tibble: 6 x 3
## CCAA Nombre vab_2011
## <chr> <chr> <dbl>
## 1 Andalucía AGR 6766581000
## 2 Aragón AGR 1427819000
## 3 Asturias AGR 413867000
## 4 Baleares AGR 225131000
## 5 Canarias AGR 412177000
## 6 Cantabria AGR 269603000
En primer lugar podemos establecer el formato fixed mediante el comando format = "f". En
# El formato fixed lo establecemos de la siguiente forma:
year_2011$vab_2011_fixed <- formatC(year_2011$vab_2011, format= "f")
year_2011 %>%
select(CCAA, Nombre, vab_2011_fixed)
## # A tibble: 255 x 3
## CCAA Nombre vab_2011_fixed
## <chr> <chr> <chr>
## 1 Andalucía AGR 6766581000.0000
## 2 Aragón AGR 1427819000.0000
## 3 Asturias AGR 413867000.0000
## 4 Baleares AGR 225131000.0000
## 5 Canarias AGR 412177000.0000
## 6 Cantabria AGR 269603000.0000
## 7 Castilla y León AGR 3633373000.0000
## 8 Castilla la Mancha AGR 2245401000.0000
## 9 Cataluña AGR 2313743000.0000
## 10 Valencia AGR 1849193000.0000
## # ... with 245 more rows
# Añadimos solo un dígito con digits = 1 (podemos añadir más digitos según conveniencia)
year_2011$vab_2011_fixed_b <- formatC(year_2011$vab_2011, format= "f",digits= 1)
year_2011 %>%
select(CCAA, Nombre, vab_2011_fixed_b)
## # A tibble: 255 x 3
## CCAA Nombre vab_2011_fixed_b
## <chr> <chr> <chr>
## 1 Andalucía AGR 6766581000.0
## 2 Aragón AGR 1427819000.0
## 3 Asturias AGR 413867000.0
## 4 Baleares AGR 225131000.0
## 5 Canarias AGR 412177000.0
## 6 Cantabria AGR 269603000.0
## 7 Castilla y León AGR 3633373000.0
## 8 Castilla la Mancha AGR 2245401000.0
## 9 Cataluña AGR 2313743000.0
## 10 Valencia AGR 1849193000.0
## # ... with 245 more rows
# Al igual que hemos hecho previamente podemos separar los miles
year_2011$vab_2011_fixed_c <- formatC(year_2011$vab_2011, format= "f",digits= 1, big.mark = ".")
year_2011 %>%
select(CCAA, Nombre, vab_2011_fixed_c)
## # A tibble: 255 x 3
## CCAA Nombre vab_2011_fixed_c
## <chr> <chr> <chr>
## 1 Andalucía AGR 6.766.581.000.0
## 2 Aragón AGR 1.427.819.000.0
## 3 Asturias AGR 413.867.000.0
## 4 Baleares AGR 225.131.000.0
## 5 Canarias AGR 412.177.000.0
## 6 Cantabria AGR 269.603.000.0
## 7 Castilla y León AGR 3.633.373.000.0
## 8 Castilla la Mancha AGR 2.245.401.000.0
## 9 Cataluña AGR 2.313.743.000.0
## 10 Valencia AGR 1.849.193.000.0
## # ... with 245 more rows
Con la función formatC() establecemos el formato científico con el comando `format= “e” de la siguiente forma:
year_2011$vab_2011_e <- formatC(year_2011$vab_2011, digits = 1, format= "e")
year_2011 %>%
select(CCAA, Nombre, vab_2011_e)
## # A tibble: 255 x 3
## CCAA Nombre vab_2011_e
## <chr> <chr> <chr>
## 1 Andalucía AGR 6.8e+09
## 2 Aragón AGR 1.4e+09
## 3 Asturias AGR 4.1e+08
## 4 Baleares AGR 2.3e+08
## 5 Canarias AGR 4.1e+08
## 6 Cantabria AGR 2.7e+08
## 7 Castilla y León AGR 3.6e+09
## 8 Castilla la Mancha AGR 2.2e+09
## 9 Cataluña AGR 2.3e+09
## 10 Valencia AGR 1.8e+09
## # ... with 245 more rows
year_2011$vab_2011_e_b <- formatC(year_2011$vab_2011, digits = 3, format= "e")
year_2011 %>%
select(CCAA, Nombre, vab_2011_e_b)
## # A tibble: 255 x 3
## CCAA Nombre vab_2011_e_b
## <chr> <chr> <chr>
## 1 Andalucía AGR 6.767e+09
## 2 Aragón AGR 1.428e+09
## 3 Asturias AGR 4.139e+08
## 4 Baleares AGR 2.251e+08
## 5 Canarias AGR 4.122e+08
## 6 Cantabria AGR 2.696e+08
## 7 Castilla y León AGR 3.633e+09
## 8 Castilla la Mancha AGR 2.245e+09
## 9 Cataluña AGR 2.314e+09
## 10 Valencia AGR 1.849e+09
## # ... with 245 more rows
Por último, el formato “g” que se obtiene al especificar format = "g" utiliza el formato fixed o el formato científico dependiendo de cuál de ellos ocupa menos espacio.
year_2011$vab_2011_g <- formatC(year_2011$vab_2011, digits = 1, format= "g")
year_2011 %>%
select(CCAA, Nombre, vab_2011_g)
## # A tibble: 255 x 3
## CCAA Nombre vab_2011_g
## <chr> <chr> <chr>
## 1 Andalucía AGR 7e+09
## 2 Aragón AGR 1e+09
## 3 Asturias AGR 4e+08
## 4 Baleares AGR 2e+08
## 5 Canarias AGR 4e+08
## 6 Cantabria AGR 3e+08
## 7 Castilla y León AGR 4e+09
## 8 Castilla la Mancha AGR 2e+09
## 9 Cataluña AGR 2e+09
## 10 Valencia AGR 2e+09
## # ... with 245 more rows
year_2011$vab_2011_g_b <- formatC(year_2011$vab_2011, digits = 9, format= "g")
year_2011 %>%
select(CCAA, Nombre, vab_2011_g_b)
## # A tibble: 255 x 3
## CCAA Nombre vab_2011_g_b
## <chr> <chr> <chr>
## 1 Andalucía AGR "6.766581e+09"
## 2 Aragón AGR "1.427819e+09"
## 3 Asturias AGR " 413867000"
## 4 Baleares AGR " 225131000"
## 5 Canarias AGR " 412177000"
## 6 Cantabria AGR " 269603000"
## 7 Castilla y León AGR "3.633373e+09"
## 8 Castilla la Mancha AGR "2.245401e+09"
## 9 Cataluña AGR "2.313743e+09"
## 10 Valencia AGR "1.849193e+09"
## # ... with 245 more rows
Cómo incluir elementos como % o +/-
En primer lugar vamos a seleccionar únicamente los datos del sector “Otros Servicios (OS)”, calculamos el total del VAB de este sector en el país y calculamos el porcentaje que corresponde a cada una de las Comunidades Autónomas.
porcentaje_2011 <- ce_vab %>%
filter( Nombre == "OS") %>%
mutate(suma = sum(`2011`) ) %>%
mutate(porcentaje = `2011` / sum(`2011`)) %>%
select(CCAA, Nombre, `2011`, suma, porcentaje)
#paste("$", year_1980$vab_1980_f, sep = " ")
Para indicar el porcentaje que corresponde a cada Comunidad Autónoma puede resultarnos conveniente, según el momento o preferencias, hacerlo a través de alguna de las siguientes formas:
# 1. Indicamos el resultado de la división entre el VAB regional y el VAB total en Otros Servicios.
porcentaje_2011$porcentaje <- formatC(porcentaje_2011$porcentaje, format = "f", digits=4)
head(porcentaje_2011, n=20)
## # A tibble: 17 x 5
## CCAA Nombre `2011` suma porcentaje
## <chr> <chr> <dbl> <dbl> <chr>
## 1 Andalucía OS 56020551 355444209 0.1576
## 2 Aragón OS 10365710 355444209 0.0292
## 3 Asturias OS 7496718 355444209 0.0211
## 4 Baleares OS 8975587 355444209 0.0253
## 5 Canarias OS 15303694 355444209 0.0431
## 6 Cantabria OS 4413472 355444209 0.0124
## 7 Castilla y León OS 18321755 355444209 0.0515
## 8 Castilla la Mancha OS 11574356 355444209 0.0326
## 9 Cataluña OS 61317424 355444209 0.1725
## 10 Valencia OS 33594542 355444209 0.0945
## 11 Extremadura OS 6517225 355444209 0.0183
## 12 Galicia OS 17919874 355444209 0.0504
## 13 Madrid OS 66694357 355444209 0.1876
## 14 Murcia OS 9584324 355444209 0.0270
## 15 Navarra OS 5343182 355444209 0.0150
## 16 País Vasco OS 19696497 355444209 0.0554
## 17 Rioja OS 2304941 355444209 0.0065
# 2. Multiplicamos la columna obtenida en el punto #1 por 100:
porcentaje_2011 <- porcentaje_2011 %>%
mutate(porcentaje_b = as.numeric(porcentaje) * 100)
head(porcentaje_2011, n=20)
## # A tibble: 17 x 6
## CCAA Nombre `2011` suma porcentaje porcentaje_b
## <chr> <chr> <dbl> <dbl> <chr> <dbl>
## 1 Andalucía OS 56020551 355444209 0.1576 15.8
## 2 Aragón OS 10365710 355444209 0.0292 2.92
## 3 Asturias OS 7496718 355444209 0.0211 2.11
## 4 Baleares OS 8975587 355444209 0.0253 2.53
## 5 Canarias OS 15303694 355444209 0.0431 4.31
## 6 Cantabria OS 4413472 355444209 0.0124 1.24
## 7 Castilla y León OS 18321755 355444209 0.0515 5.15
## 8 Castilla la Mancha OS 11574356 355444209 0.0326 3.26
## 9 Cataluña OS 61317424 355444209 0.1725 17.2
## 10 Valencia OS 33594542 355444209 0.0945 9.45
## 11 Extremadura OS 6517225 355444209 0.0183 1.83
## 12 Galicia OS 17919874 355444209 0.0504 5.04
## 13 Madrid OS 66694357 355444209 0.1876 18.8
## 14 Murcia OS 9584324 355444209 0.0270 2.7
## 15 Navarra OS 5343182 355444209 0.0150 1.5
## 16 País Vasco OS 19696497 355444209 0.0554 5.54
## 17 Rioja OS 2304941 355444209 0.0065 0.65
# 3. Añadimos el signo % sobre el valor obtenido en el punto #2:
porcentaje_2011$porcentaje_c <- paste(porcentaje_2011$porcentaje_b, "%", sep = "")
porcentaje_2011 %>%
select(CCAA, Nombre, porcentaje, porcentaje_b, porcentaje_c)
## # A tibble: 17 x 5
## CCAA Nombre porcentaje porcentaje_b porcentaje_c
## <chr> <chr> <chr> <dbl> <chr>
## 1 Andalucía OS 0.1576 15.8 15.76%
## 2 Aragón OS 0.0292 2.92 2.92%
## 3 Asturias OS 0.0211 2.11 2.11%
## 4 Baleares OS 0.0253 2.53 2.53%
## 5 Canarias OS 0.0431 4.31 4.31%
## 6 Cantabria OS 0.0124 1.24 1.24%
## 7 Castilla y León OS 0.0515 5.15 5.15%
## 8 Castilla la Mancha OS 0.0326 3.26 3.26%
## 9 Cataluña OS 0.1725 17.2 17.25%
## 10 Valencia OS 0.0945 9.45 9.45%
## 11 Extremadura OS 0.0183 1.83 1.83%
## 12 Galicia OS 0.0504 5.04 5.04%
## 13 Madrid OS 0.1876 18.8 18.76%
## 14 Murcia OS 0.0270 2.7 2.7%
## 15 Navarra OS 0.0150 1.5 1.5%
## 16 País Vasco OS 0.0554 5.54 5.54%
## 17 Rioja OS 0.0065 0.65 0.65%
# 4. Puede que nos resulte adecuado añadir el signo + / -
porcentaje_2011$porcentaje_d <- formatC(porcentaje_2011$porcentaje_b, digits=3, flag= "+")
porcentaje_2011 %>%
select(CCAA, Nombre, porcentaje, porcentaje_c, porcentaje_d)
## # A tibble: 17 x 5
## CCAA Nombre porcentaje porcentaje_c porcentaje_d
## <chr> <chr> <chr> <chr> <chr>
## 1 Andalucía OS 0.1576 15.76% +15.8
## 2 Aragón OS 0.0292 2.92% +2.92
## 3 Asturias OS 0.0211 2.11% +2.11
## 4 Baleares OS 0.0253 2.53% +2.53
## 5 Canarias OS 0.0431 4.31% +4.31
## 6 Cantabria OS 0.0124 1.24% +1.24
## 7 Castilla y León OS 0.0515 5.15% +5.15
## 8 Castilla la Mancha OS 0.0326 3.26% +3.26
## 9 Cataluña OS 0.1725 17.25% +17.2
## 10 Valencia OS 0.0945 9.45% +9.45
## 11 Extremadura OS 0.0183 1.83% +1.83
## 12 Galicia OS 0.0504 5.04% +5.04
## 13 Madrid OS 0.1876 18.76% +18.8
## 14 Murcia OS 0.0270 2.7% +2.7
## 15 Navarra OS 0.0150 1.5% +1.5
## 16 País Vasco OS 0.0554 5.54% +5.54
## 17 Rioja OS 0.0065 0.65% +0.65