# App: visualizador de mapas comunales del Censo 2024 por manzanas > Continuando con la exploración de los datos georeferenciados del Censo 2024 por manzanas, en vez de ponerme a hacer mapas interesantes, hice una aplicación para visualizar mapas de cualquier variable del Censo en cualquier comuna del país, a nivel de manzana. - URL: https://bastianolea.rbind.io/blog/app_censo_mapas/ - Fecha: 2025-12-19 - Autor: Bastián Olea Herrera - Etiquetas: apps, shiny, mapas, Chile - Recursos: [aplicación](https://bastianoleah.shinyapps.io/censo_2024_mapas/) [código](https://github.com/bastianolea/censo_2024_mapas) [tutorial](https://bastianolea.rbind.io/blog/mapas_censo_2024) --- Continuando con la exploración de los datos georeferenciados del Censo 2024 por manzanas, en vez de ponerme a hacer mapas interesantes, hice una **[aplicación](https://bastianoleah.shinyapps.io/censo_2024_mapas/) para visualizar mapas** de cualquier variable del Censo en cualquier comuna del país, a nivel de manzana. ![](https://bastianolea.rbind.io/blog/app_censo_mapas/app_censo_mapas.jpg) **Publicación relacionada:** [Explorar datos del Censo de Población y Vivienda 2024 con R](https://bastianolea.rbind.io/blog/censo_2024/index.md): Una de las dificultades más frecuentes en el análisis de datos es poder acceder a datos censales, porque su tamaño suele ser muy grande para la mayoría de los computadores, o bien imposible de abrir… ## Aplicación Es una aplicación súper sencilla, que carga las **cartografías oficiales del Censo** en formato Arrow como una base de datos, a la cual por medio de _queries_ se le filtran región, comuna y la columna de variable elegida, para generar un mapa simple de una comuna dividida en manzanas censales 🍎 [App mapas Censo 2024](https://bastianoleah.shinyapps.io/censo_2024_mapas/) Toda la app fue **hecha en R en menos de media hora** ⏱️ gracias a la conveniencia de `{dplyr}` para poder conectarse a los **datos cargados como [base de datos por Arrow](https://jthomasmock.github.io/bigger-data/#49)**, al [**tutorial de hacer mapas** del Censo 2024 con `{ggplot2}`](https://bastianolea.rbind.io/blog/mapas_censo_2024), al [tutorial para poner **temas a las apps** Shiny](https://bastianolea.rbind.io/blog/shiny_temas/) y al [tutorial para **temas de gráficos** `ggplot2`](https://bastianolea.rbind.io/blog/ggplot_temas/). En el fondo hice la app para aprender la carga de datos formato Arrow como base de datos, que es extremadamente fácil de hacer con R y `{dplyr}`, y me hizo pasar de cargar datos y filtrar en 1.1 segundos a tan sólo 0.1 segundos! 🚀 Si quieres que haga un tutorial de eso déjame un comentario o escríbeme 🤭 > **Nota:** Si quieres explorar más aplicaciones de datos sociales, revisa mi [portafolio de aplicaciones](https://bastianolea.github.io/shiny_apps/) **Publicación relacionada:** [Visualiza datos del Censo 2024 en mapas a nivel de manzana con R](https://bastianolea.rbind.io/blog/mapas_censo_2024/index.md): Recientemente lanzaron los datos 2024 del Censo de Población y Vivienda de Chile, incluyendo más de 200 variables a nivel de manzana. En este tutorial veremos dos formas de visualizar datos censales a… ## Resumen del código Quiero destacar lo simple que es hacer aplicaciones como ésta con **[Shiny](https://bastianolea.rbind.io/tags/shiny/)**. El código de la app son apenas 200 líneas, donde prácticamente lo único que se hace es crear los botoncitos, cargar los datos, filtrarlos y generar el gráfico. La carga de los datos con `{arrow}` se hace con `open_dataset()` para cargar como base de datos **sin leer todo el archivo ni traer los datos a la memoria**. ```r # cargar datos datos <- arrow::open_dataset("Cartografia_censo2024_Pais_Manzanas.parquet", partitioning = c("COD_REGION", "CUT") ) ``` Luego simplemente con `{dplyr}` se hacen los filtros, que internamente se convierten a _queries_ SQL que van a cargar y obtener solamente los datos necesarios desde la base de datos: ```r datos_fitrados <- datos() |> # filtrar filas filter(COD_REGION == input$region, CUT == input$comuna) |> # seleccionar columnas select(all_of(input$variable), SHAPE) |> # traer datos a memoria collect() |> # convertir mapa st_as_sf(crs = 4326) ``` Finalmente los datos filtrados se visualizan como un mapa en `{ggplot2}`: ```r datos_filtrados |> ggplot() + aes(fill = !!sym(input$variable)) + # variable elegida geom_sf(color = "#181818", linewidth = 0.1) + # paleta de colores scale_fill_fermenter(palette = 13, na.value = "#181818") + # tema theme(axis.text.x = element_text(angle = 90, vjust = .5), axis.ticks = element_blank(), panel.background = element_blank(), panel.grid = element_line(color = "#333333"), axis.text = element_text(color = "#444444"), legend.text = element_text(color = "#666666")) + guides(fill = guide_legend(title = NULL, position = "top")) ``` > **Nota:** Si quieres aprender a hacer estos mismos mapas, revisa este [tutorial de mapas del Censo 2024]/blog/mapas_censo_2024), o revisa el [tutorial completo de mapas en R](https://bastianolea.rbind.io/blog/mapas_sf/) La gracia de Shiny es que puedes tomar cualquier código de R que harías normalmente, y ponerlo dentro de una app interactiva, para lo que solamente necesitas reemplazar los filtros, selecciones, y otros lugares donde escribirías cosas a mano por un `input$algo` que sería la selección hecha por la/él usuaria/o de la aplicación web. **Publicaciones sobre apps:** - [Tutorial: Crea aplicaciones web interactivas en R con Shiny](https://bastianolea.rbind.io/blog/shiny/index.md) - [Aplicación: Visualizador de densidad de población urbana en comunas de Chile](https://bastianolea.rbind.io/blog/app_densidad_comunas/index.md) - [Plataforma de análisis: Índice de Brechas de Género](https://bastianolea.rbind.io/blog/indice_brechas_genero/index.md) - [Plataforma de visualización de resultados del Estudio de Brechas Comunales](https://bastianolea.rbind.io/blog/estudio_brechas_comunales/index.md) - [App: Suicidios en Chile (2017-2024) desde una perspectiva de género](https://bastianolea.rbind.io/blog/app_suicidios_genero/index.md)