manejo_datos.R

In flor14/ShinyGolem.PaperScenarios: Suplementary material - Shiny app

# estos resultados pueden ser una cantidad variable entradas por uc, 
# ya que son la sunidades que caen dentro de los percentiles definidos.

res60 <- read.csv("C:/Users/FLORENCIA/Dropbox/paper_escenarios/EscenariosCompendio/filtrado809090_X60.csv") %>% 
  select(order, carto_unit, pesticide, kd.1, "values_60" = values)

res4 <- read.csv("C:/Users/FLORENCIA/Dropbox/paper_escenarios/EscenariosCompendio/filtrado809090_X4.csv") %>% 
  select(order, carto_unit, pesticide, kd.1, "values_4" = values )

base_triple <- read.delim(sep = " ", "C:/Users/FLORENCIA/Dropbox/pwc_repositorio_final/archivos/generacion_databases/base_triple.txt") %>% 
  as_tibble() %>% 
  select(id_uc_gid, ZonaORA,SNAM, HYDGRP )



library(forcats)
freq_4_60 <- as_tibble(left_join(res4, res60)) %>% # aparecen NAs en la base de datos de 60 ya que hay menos valores
left_join(base_triple, by = c("carto_unit" = "id_uc_gid")) 

freq_4_60 <- freq_4_60 %>% 
  mutate( kd_factor = cut(kd.1, breaks = c(0, 3, 50, max(freq_4_60$kd.1))) ) 
  
write.csv(freq_4_60, "base_tab_resultados_shiny.csv")

library(ggplot2)

ggplot(freq_4_60)+
  geom_point(aes(order, values_4, color = kd_factor)) +
  facet_grid(vars(kd_factor))


freq_4_60 %>% View()
  select(-values_60) %>% 
 count(carto_unit, sort = TRUE)

freq_4_60 %>% 
  select(-values_4) %>% 
  count(carto_unit, sort = TRUE)