{territorial}: un paquete de R para trabajar con datos de comunas y regiones de Chile

El objetivo de este paquete es entregar numerosas funciones para simplificar el análisis de datos territoriales de Chile, facilitando tareas de limpieza y procesamiento de datos que suelen ser necesarias al trabajar con datos de Chile a nivel comunal y regional.

Los datos públicos sobre temáticas sociales siempre vienen en dudosa calidad, sobre todo cuando se refieren a comunas: nombres mal escritos, en mayúsculas, sin eñes, sin tildes, etc. Así que creé {territorial} para facilitar este tipo de tareas!

Por ejemplo:

• Revisar si los nombres de comunas y regiones vienen bien escritos (validar_comunas() y validar_regiones())
• Limpiar los nombres de las comunas automáticamente con limpiar_comunas(), incluso si vienen con faltas de ortografía o mal escritas
• Agregar todos los datos territoriales (regiones y provincias con sus códigos únicos) a partir de las comunas (contextualizar())
• Convertir nombres de comunas a códigos únicos territoriales (as_codigo_comuna()) y viceversa (as_nombre_comuna())
• Ordenar las regiones del país de norte a sur (ordenar_regiones())
• Redactar los nombres de las regiones (redactar_region()) para que, por ejemplo, “Maule” sea “Región del Maule”
• Clasificar las comunas de Chile en urbanas, mixtas y rurales con agregar_clasificacion()
• Clasificar las regiones de Chile en macrozonas con agregar_macrozona()
• Abreviar las comunas de Chile a siglas de tres caracteres con abreviar_comunas()
• y más!

Revisa la viñeta vignette("territorial") para una introducción!

Paquete {territorial}

Herramientas para facilitar el procesamiento de datos de comunas y regiones de Chile con R, ofreciendo funciones para validación de comunas, limpiar nombres de comunas, ordenar regiones, y más.

Instalación

Puedes instalar la versión de desarrollo¹ desde GitHub:

# install.packages("pak")
pak::pak("bastianolea/territorial")

Usando {territorial}

Como su nombre lo dice, {territorial} entrega varias herramientas para trabajar con datos territoriales de Chile, principalmente sus regiones o comunas.

library(territorial)

La premisa del paquete es que tenemos una tabla (territorial::territorios) que contiene los nombres oficiales y los códigos únicos territoriales de todas las regiones, provincias y comunas de Chile.

También se plantea el estándar de llamar las columnas territoriales como nombre_{x} y codigo_{x} (por ejemplo, nombre_comuna y codigo_comuna), para mantener orden y compatibilidad de datos (pero es sólo una sugerencia).

Probemos {territorial} con una tabla con datos de ejemplo:

# crear una tabla con datos de ejemplo
datos <- dplyr::tibble(
  nombre_comuna = c("PIRQUE", "El Monte", "Maipu", "nunoa",
                    "santiago", "prohibidencia", "CERRILLOS", 
                    "San José De Maipo", "OHiggins")
)

datos

# A tibble: 9 × 1
  nombre_comuna    
  <chr>            
1 PIRQUE           
2 El Monte         
3 Maipu            
4 nunoa            
5 santiago         
6 prohibidencia    
7 CERRILLOS        
8 San José De Maipo
9 OHiggins         

Estas comunas vienen en mayúsculas, con faltas de ortografía, y mal escritas!

Si tienes datos comunales de Chile, puedes revisar la calidad de sus comunas con validar_comunas(), para detectar posibles problemas:

datos |> 
  validar_comunas(nombre_comuna) # cuando la columna con nombres de comunas se llama `nombre_comuna`, no es necesario especificarla

ℹ Validando calidad de nombres de comuna desde tabla de datos

! Resumen: 8 casos de comunas que no conciden con comunas correctamente escritas (ver `territorial::comunas()`): PIRQUE, Maipu, nunoa, santiago, prohibidencia, CERRILLOS, San José De Maipo y OHiggins

! Mayúsculas: 2 casos de comunas escritas en mayúsculas: PIRQUE y CERRILLOS

! Minúsculas: 3 casos de comunas escritas en minúsculas: nunoa, santiago y prohibidencia

! Mayúsculas: 1 caso de comunas con preposiciones ('de', 'del') escritas en mayúsculas: San José De Maipo

ℹ Tildes: 1 caso de comunas que deberían tener tildes y no los tienen: Maipu

ℹ Eñes: 1 caso de comunas escritas sin eñe: nunoa

ℹ Problemas comunes: 1 caso de comunas popularmente mal escritas: OHiggins

✖ Validación de comunas: se encontraron 17 problemas con las comunas! Usa `territorial::limpiar_comunas()` para solucionarlos.

También puedes limpiar automáticamente las comunas con limpiar_comunas(), y obtener una columna con las comunas correctas (que salen de la tabla territorial::territorios), obtenidas por medio de varias técnicas de limpieza de datos:

datos |> 
  limpiar_comunas(nombre_comuna)

ℹ Limpiando 9 nombres de comunas (9 son distintas)

── Paso 1: confirmar comunas correctas 

ℹ De las 9 comunas distintas, 1 ya eran correctas: El Monte

── Paso 2: coincidencias por limpieza de texto 

ℹ A partir de la limpieza de texto, se limpiaron 8 de 9 comunas: Pirque, El Monte, Maipú, Ñuñoa, Santiago, Cerrillos, San José de Maipo y O'Higgins

── Paso 3: casos especiales 

ℹ Se encontraron 0 casos especiales: 

── Paso 4: coincidencias aproximadas de texto 

ℹ Se limpiaron 1 de 1 comunas por medio de coincidencias aproximadas de texto: Providencia

── Conclusión de limpieza de comunas 

✔ De las 9 comunas distintas, se limpiaron 9 en total (100%)

# A tibble: 9 × 1
  nombre_comuna    
  <chr>            
1 Pirque           
2 El Monte         
3 Maipú            
4 Ñuñoa            
5 Santiago         
6 Providencia      
7 Cerrillos        
8 San José de Maipo
9 O'Higgins        

Si necesitamos agregar variables territoriales faltantes a una tabla de datos que solamente tiene las comunas o los códigos únicos territoriales de Chile (vignette(codigos_unicos_territoriales)), podemos usar contextualizar() para agregar rápidamente todas las columnas territoriales que falten.

datos <- dplyr::tribble(
  ~nombre_comuna, ~poblacion,
  "Puente Alto",    1,
  "La Florida",     1,
  "La Granja",      1,
  "San Joaquín",    1)

datos |>
  contextualizar(nombre_comuna)

ℹ columnas agregadas: codigo_region, nombre_region, codigo_provincia, nombre_provincia y codigo_comuna

# A tibble: 4 × 7
  codigo_region nombre_region    codigo_provincia nombre_provincia codigo_comuna
          <dbl> <chr>                       <dbl> <chr>                    <dbl>
1            13 Metropolitana d…              132 Cordillera               13201
2            13 Metropolitana d…              131 Santiago                 13110
3            13 Metropolitana d…              131 Santiago                 13111
4            13 Metropolitana d…              131 Santiago                 13129
# ℹ 2 more variables: nombre_comuna <chr>, poblacion <dbl>

Así, un dataframe que solamente tiene nombres de comuna puede pasar a tener todas las demás variables que descrien territorialmente a esos datos.

Estas son algunas de las funciones principales, pero existen muchas más que facilitan el trabajo con datos territoriales de Chile: revisa el índice!

Publicaciones sobre Chile

Mapas bivariados de adultos mayores en relación a viviendas propias en las comunas de Chile Crea mapas bivariados en R para visualizar la relación entre dos variables Mapas de las regiones de Chile según macrozonas {rutera}: un paquete de R para limpiar y procesar RUTs chilenos

Limpieza y validación de RUT en R

Paquete desarrollado bajo el programa de Campeones de ROpenSci, con el apoyo de mi mentora Andrea Gómez Vargas