# Crea un mapa de Chile desde la cartografía oficial en R > En este tutorial aprenderemos a crear mapas de Chile en R usando datos geográficos o shapes oficiales, obtenidos desde la Subsecretaría de Desarrollo Regional y Administrativo (Subdere) y la Biblioteca del Congreso Nacional de Chile. El objetivo será aprender a visualizar mapas desde shapefiles obtenidos de internet, y a procesar datos geográficos más complejos con R, para generar mapas de Chile con polígonos y límites geográficamente correctos. - URL: https://bastianolea.rbind.io/blog/tutorial_mapa_chile_subdere/ - Fecha: 2025-10-14 - Autor: Bastián Olea Herrera - Etiquetas: mapas, ggplot2, gráficos, ciencias sociales, Chile - Recursos: [Código](https://gist.github.com/bastianolea/a9e7af5392a31251e33f68ca041e8dd6) [IDE Subdere](https://ide.subdere.gov.cl) --- En post anteriores mostré cómo hacer [mapas comunales y regionales de Chile](https://bastianolea.rbind.io/blog/tutorial_mapa_chile/) con R, y a hacer [mapas de los territorios urbanos del país](https://bastianolea.rbind.io/blog/tutorial_mapa_urbano/). En este tutorial aprenderemos a crear mapas de Chile en R usando datos geográficos o *shapes* oficiales de Chile, obtenidos desde la [Subsecretaría de Desarrollo Regional y Administrativo](https://ide.subdere.gov.cl/descargas-con-filtros/) (Subdere) y la [Biblioteca del Congreso Nacional de Chile](https://www.bcn.cl/siit/mapas_vectoriales) (BCN). El objetivo será aprender a visualizar mapas desde *shapefiles* obtenidos de internet, y a procesar datos geográficos más complejos con R, para generar mapas de Chile con polígonos y límites geográficamente correctos. ## Obtener datos geográficos El primer paso para visualizar mapas es obtener los datos geográficos. Con esto nos referimos a los polígonos (figuras geométricas que usualmente representan territorios), líneas (que pueden representar límites o redes viales) y puntos (que pueden representar ubicaciones como municipios o capitales). Los datos geográficos suelen venir como *shapes*, que usualmente son carpetas que contienen archivos, principalmente *shapefiles* (.shp). Los siguientes botones ofrecen descargas directas de los datos que usaremos desde sus fuentes originales, la mayoría de ellos obtenidos desde la [IDE Subdere](https://ide.subdere.gov.cl/descargas-con-filtros/). ------------------------------------------------------------------------ La **división político-administrativa** contiene los polígonos a nivel comunal, provincial y regional que consituyen el territorio de Chile, y provienen de la Subdere (2023): [Polígonos de división político-administrativa](https://ide.subdere.gov.cl/descargas/SHP/Limite_DPA_03082023.rar) Los **límites comunales** de la división político-administrativa contiene las líneas que limitan las unidades administrativas (comunas) del país, y provienen de la Subdere (2022): [Líneas de límites comunales](https://ide.subdere.gov.cl/wp-content/uploads/74_limites_dpa_2022.zip) Las **ubicaciones de los municipios** marcan con puntos la localización de estas instituciones, y provienen de la Subdere (2022): [Puntos de ubicación de municipios del país](https://ide.subdere.gov.cl/descargas/SHP/Municipios_15112022.zip) La **red vial** es el conjunto de líneas que representan las carreteras y caminos de todo el país, y provienen de la Bibioteca del Congreso Nacional de Chile (BCN): [Líneas de red vial del país](https://www.bcn.cl/obtienearchivo?id=repositorio/10221/10403/2/Red_Vial.zip) Alternativamente, puedes descargar los archivos desde R ejecutando este código: ``` r dir.create("shapes") # crear carpeta # descargar download.file("https://ide.subdere.gov.cl/wp-content/uploads/74_limites_dpa_2022.zip", "shapes/74_limites_dpa_2022.zip") download.file("https://ide.subdere.gov.cl/descargas/SHP/Limite_DPA_03082023.rar", "shapes/Limite_DPA_03082023.rar") download.file("https://ide.subdere.gov.cl/descargas/SHP/Municipios_15112022.zip", "shapes/Municipios_15112022.zip") download.file("https://www.bcn.cl/obtienearchivo?id=repositorio/10221/10403/2/Red_Vial.zip", "shapes/Red_Vial.zip") ``` Una vez que descargamos los archivos, debemos descomprimirlos para obtener las carpetas que contienen los *shapes.* ## Cargar datos geográficos Para trabajar con datos geográficos usamos el paquete `{sf}`, abreviación de *simple features*, que es un estándar para manejar datos geoespaciales. Si no tienes instalado el paquete, instálalo con `install.packages("sf")`. Para leer un archivo geoespacial usamos la función `read_sf()` apuntada a la carpeta que contiene los *shapefiles*: ``` r library(sf) library(janitor) # polígonos de comunas comunas <- read_sf("shapes/DPA_2023/COMUNAS") |> clean_names() # límites comunales limites <- read_sf("shapes/74_limites_dpa_2022") |> clean_names() # ubicación de municipalidades municipios <- read_sf("shapes/Municipios_15112022") |> clean_names() # red vial calles <- read_sf("shapes/Red_Vial") |> clean_names() ``` Algunos de estos mapas pueden ser muy detallados y/o complejos, por lo que pueden tardarse en cargar[^1]. Si verificamos la clase de uno de los objetos geográficos cargados, vemos que una de sus clases es `sf`, pero al mismo tiempo `tbl` y `data.frame`: ``` r class(comunas) ``` [1] "sf" "tbl_df" "tbl" "data.frame" Si lo imprimimos en la consola, confirmamos que los objetos cargados desde los *shapefiles* son tablas de datos que arriba dicen *Simple feature collection*; es decir, son tablas de datos que además tienen información geográfica. ``` r comunas ``` Simple feature collection with 345 features and 7 fields Geometry type: MULTIPOLYGON Dimension: XY Bounding box: xmin: -109.4549 ymin: -56.53777 xmax: -66.41559 ymax: -17.4984 Geodetic CRS: GCS_SIRGAS-Chile # A tibble: 345 × 8 cut_reg cut_prov cut_com region provincia comuna superficie 1 11 113 11302 Aysén del General Carlo… Capitán … O'Hig… 7785. 2 05 055 05503 Valparaíso Quillota Hijue… 268. 3 08 083 08308 Biobío Biobío Quila… 1124. 4 09 092 09209 La Araucanía Malleco Renai… 265. 5 09 092 09202 La Araucanía Malleco Colli… 1306. 6 15 152 15201 Arica y Parinacota Parinaco… Putre 5890. 7 07 071 07110 Maule Talca San R… 263. 8 08 083 08311 Biobío Biobío Santa… 1251. 9 12 121 12102 Magallanes y de la Antá… Magallan… Lagun… 3568. 10 11 113 11303 Aysén del General Carlo… Capitán … Tortel 19991. # ℹ 335 more rows # ℹ 1 more variable: geometry Estas tablas de datos cuentan con una columna `geometry`, que contiene la información geográfica de los polígonos, puntos y/o líneas de cada observación. A su vez, encima de la tabla de datos vemos información especial, como el tipo de geometría, las dimensiones de la caja (*bounding box*), y el sistema de coordenadas de referencia (*CRS*), que indica el tipo de proyección usada. ## Visualizar mapas Una vez cargados los *shapes*, simplemente es cosa de aplicarlos por capas a un gráfico de `{ggplot2}`. Las capas de datos geográficos se agregan con `geom_sf()`, y en este caso, que tenemos varios *shapes*, en cada capa habría que definir el objeto correspondiente en el argumento `data`; es decir, cada capa se basa en datos distintos, pero que coinciden en términos de coordenadas. Entonces, empezamos un gráfico con `ggplot()`, y luego vamos agregando capas de `geom_sf()`, recordando que el orden en que agreguemos las capas importa: las primeras (más arriba) serán los objetos en el fondo, y las siguientes capas (en sucesivas líneas) se visualizarán encima de las anteriores. ``` r library(dplyr) library(ggplot2) ggplot() + # capa de fondo: polígonos de comunas geom_sf(data = comunas, aes(fill = region), linewidth = 0) + # límites regionales encima de las comunas geom_sf(data = limites, color = "peachpuff4", linewidth = 0.2, alpha = 0.8) + # calles geom_sf(data = calles |> filter(clase_ruta <= 3), color = "peachpuff4", linewidth = 0.1, alpha = 0.3) + # puntos de municipios geom_sf(data = municipios, color = "peachpuff4", size = 0.7, alpha = 0.6) + # borde oscuro geom_sf(data = municipios, color = "cornsilk1", size = 0.1, alpha = 0.9) + # centro claro # recortar Chile continental coord_sf(expand = FALSE, xlim = c(-76, -66), ylim = c(-56.2, -17)) + # paleta de colores colorspace::scale_fill_discrete_qualitative( palette = "Warm", c1 = 40, # intensidad del color l1 = 85) + # brillo del color theme_minimal() + theme(legend.position = "none") ``` ![](https://bastianolea.rbind.io/blog/tutorial_mapa_chile_subdere/mapa_chile_subdere.jpeg) A las capas de objetos geográficos le especificamos el sistema de coordenadas con `coord_sf()` para recortar el mapa al territorio continental del país, y [además le pusimos una escala de colores](https://bastianolea.rbind.io/blog/colores/#usar-paletas-de-colores-en-ggplot2) cálidos desde el paquete `{colorspace}`, que además tiene la cualidad de poder adaptar la intensidad y brillo de sus colores. Listo! La gracia de `{sf}` es poder entregar herramientas para cargar cualquier tipo de datos geográficos y habilitar que `{ggplot2}` los pueda graficar sin problemas. A menos que ocurran problemas. Lo cual veremos [en otro post](https://bastianolea.rbind.io/tags/mapas/) 😬 [^1]: Al tratarse de mapas oficiales, estos datos geográficos contienen mucho nivel de detalle; usualmente mucho más del necesario para hacer mapas a nivel nacional, donde el nivel de detalle es visualmente imperceptible. Dado que una mayor calidad significa mapas más pesados y por ende procesos más lentos, podemos [simplificar las geometrías](https://bastianolea.rbind.io/blog/simplificar_mapas/) con la función `ms_simplify()` del paquete `{rmapshaper}`, como detallamos [en este post.](https://bastianolea.rbind.io/blog/simplificar_mapas/)