transformaciones.R

#Cargamos los datos con el PIB y export 
a = read.csv("C:/Users/Santiago/Documents/CARRERA/5º PRIMER CUATRI/DESI/Proyecto D3/Proyecto/all.csv", header = T, sep=";")
#Cargamos los datos con los continentes
b = read.csv("C:/Users/Santiago/Documents/CARRERA/5º PRIMER CUATRI/DESI/Proyecto D3/Proyecto/growth-of-income-and-trade.csv", header = T, sep=",")

#Hacemos join entre los dataset por el código del país y renombramos las columnas
colnames(a)[3] = "Code"
b = b[(as.character(b$Code) != ""),]
resul = merge(x = b, y = a[,c(3,6,7)], by = "Code", all.x = TRUE)
colnames(resul) = c("code", "entity", "year", "export", "PIBpc", "population", "region", "subregion")

#calculamos el PIB total
resul$PIBt = as.numeric(resul$PIBpc)*as.numeric(resul$population)
resul$expt = as.numeric(resul$export)*as.numeric(resul$PIBt)/100

#calculamos el crecimiento del PIB total y de las exportaciones por cada año y país
#para ello, ordenamos el dataframe por estas dos variables y utilizamos la librería dplyr
resul = resul[with(resul, order(entity, year)), ]
resulp = resul[,c(1,3,9,10)]
library(dplyr)
growth <- function(x)(x/lag(x)-1)*100
resulp = resulp %>% 
  group_by(code) %>% 
  mutate_each(funs(growth), PIBt, expt)

#juntamos las columnas que nos interesan en un solo dataframe
datos = cbind(resul[,c(1,2,3,6,7,8)],resulp[,c(3,4)])
datos$code = as.character(datos$code)
head(datos)
#eliminamos NAs y años menor del 2005
datos = na.omit(datos)
datos = datos[datos$year > 2004,]

#escribimos el fichero
write.csv(datos, file = "C:/Users/Santiago/Documents/CARRERA/5º PRIMER CUATRI/DESI/Proyecto D3/Proyecto/data.csv", 
          row.names = T)