análisis de matriculas de colegios con R

gistfile1.txt

#install.packages("RMySQL")
#install.packages("dplyr")
#install.packages("ggplot2")

#2.- Habilitacion de paquetes
library(RMySQL)
library(dplyr)
library(ggplot2)


#3.- Establecemos conexion con bd
conexion <- dbConnect(MySQL(),user="graciany", 
                      password="root", 
                      dbname="trabajos_mineria",
                      host="192.168.6.4")


# Cargar los datos desde la base de datos 
datos_todos <- dbGetQuery(conexion, "SELECT * FROM matriculas_2023_agrupacion")


# Filtro para seleccionar solo los colegios de la comuna de TEMUCO
datos_temuco <- datos_todos %>% filter(trimws(NOM_COM_RBD) == "TEMUCO")

# Filtrar los 10 colegios con mayores matrícula de Temuco
top_10_colegios <- datos_temuco %>% arrange(desc(MAT_TOTAL)) %>% head(10)

# Filtro para seleccionar solo el colegio "INSTITUTO CLARET" su rbd es 5654
colegio_claret <- datos_todos %>% filter(RBD == 5654)

#Filtro para seleccionar solo el colegio "LICEO POLITECNICO PUEBLO NUEVO" su rbd es 5656
colegio_politenicoPuebloNuevo <- datos_todos %>% filter(RBD == 5656)



#Gráfico de barras: Top 10 Colegios con Mayor Matrícula en Temuco
#------------------------------------------------------------------------------------------------------------
ggplot(top_10_colegios, aes(x = reorder(NOM_RBD, -MAT_TOTAL), y = MAT_TOTAL)) +
  geom_bar(stat = "identity", fill = "steelblue") +
  labs(title = "Top 10 Colegios con Mayor Matrícula en Temuco",
       x = "Nombre del Colegio",
       y = "Total de Matrículas") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) +  # Rotar etiquetas del eje x
  coord_flip()  # Opcional: voltear los ejes para mejorar la legibilidad


#Gráfico de torta: Calcular totales de mujeres y hombres para instituto claret
#------------------------------------------------------------------------------------------------------------
totales <- data.frame(
  Categoria = c("Mujeres", "Hombres"),
  Total = c(colegio_claret$MAT_MUJ_TOT, colegio_claret$MAT_HOM_TOT)
)

# Calcular los porcentajes
totales <- totales %>%
  mutate(Porcentaje = Total / sum(Total) * 100)

# Crear el gráfico de torta
ggplot(totales, aes(x = "", y = Total, fill = Categoria)) +
  geom_bar(width = 1, stat = "identity") +
  coord_polar(theta = "y") + 
  labs(title = "Distribución de Matriculados por Género en el Instituto Claret") +
  theme_void() + 
  scale_fill_manual(values = c("blue", "pink")) + 
  geom_text(aes(label = paste0(round(Porcentaje, 1), "%")), 
            position = position_stack(vjust = 0.5), 
            color = "white") 

#Gráfico de torta: Calcular totales de mujeres y hombres para Liceo Politecnico Pueblo Nuevo
#------------------------------------------------------------------------------------------------------------
# Calcular totales de mujeres y hombres
totales_puebloNuevo <- data.frame(
  Categoria = c("Mujeres", "Hombres"),
  Total = c(colegio_politenicoPuebloNuevo$MAT_MUJ_TOT, colegio_politenicoPuebloNuevo$MAT_HOM_TOT)
)
  
# Calcular los porcentajes
totales_puebloNuevo <- totales_puebloNuevo %>%
  mutate(Porcentaje = Total / sum(Total) * 100)

# Crear el gráfico de torta
ggplot(totales_puebloNuevo, aes(x = "", y = Total, fill = Categoria)) +
  geom_bar(width = 1, stat = "identity") +
  coord_polar(theta = "y") + 
  labs(title = "Distribución de Matriculados por Género en el Colegio Politécnico Pueblo Nuevo") +
  theme_void() + 
  scale_fill_manual(values = c("blue", "pink")) + 
  geom_text(aes(label = paste0(round(Porcentaje, 1), "%")), 
            position = position_stack(vjust = 0.5), 
            color = "white") 


#Histograma de Tamaño de Matrícula en los Colegios de Temuco
#------------------------------------------------------------------------------------------------------------
ggplot(datos_temuco, aes(x = MAT_TOTAL)) +
  geom_histogram(binwidth = 100, fill = "cornflowerblue", color = "black") +
  labs(title = "Distribución de Tamaño de Matrícula en Colegios de Temuco (Rangos de 500)", 
       x = "Total Matrículas", y = "Frecuencia") +
  theme_minimal() +
  scale_x_continuous(breaks = seq(0, max(datos_temuco$MAT_TOTAL), by = 500))