voto_cluster_departamento.Rmd

---
title: "voto_cluster por departamentos"
output: html_notebook
editor_options: 
  chunk_output_type: console
---

# library
```{r}
library(tidyverse)
```

# Get Data (previa trabajada en otra script)

```{r}
df_inicial = read.csv("E:/Proyectos R/elecciones2021/df_webscraping.csv")
df_inicial = df_inicial[,3:5]

df_inicial$TOTAL_VOTOS = parse_number(df_inicial$TOTAL_VOTOS, locale = locale(grouping_mark = ","))
colnames(df_inicial)
str(df_inicial)
```

# set direccion
```{r}
setwd("E:/Proyectos R/web scraping/ONPE 2021_1")
getwd()
```

# limpieza de datos

[19] "TOTAL DE VOTOS VÁLIDOS"                        
[20] "VOTOS EN BLANCO"                               
[21] "VOTOS NULOS"                                   
[22] "TOTAL DE VOTOS EMITIDOS"   

```{r}
unique(df_inicial$AGRUPACION)
```

```{r}
out = c("TOTAL DE VOTOS VÁLIDOS",                        
"VOTOS EN BLANCO",                               
"VOTOS NULOS",                                   
"TOTAL DE VOTOS EMITIDOS")  

lista_agrupaciones = unique(df_inicial$AGRUPACION)
lista_agrupaciones
lista_agrupaciones = lista_agrupaciones[1:18]

df_oficial = filter(df_inicial, AGRUPACION %in% lista_agrupaciones)
```

# Spread data y rownames

```{r}
df_oficial_s = spread(df_oficial, key = DESC_DEP, value = TOTAL_VOTOS)

# row names
df_oficial_names = df_oficial_s$AGRUPACION
df_oficial_row = data.frame(df_oficial_s[,-1], row.names = df_oficial_names)
```

## usar solo si las label son departamentos ##
```{r}
df_oficial_row = as.data.frame(t(df_oficial_row))
```

# Cluster

```{r}
k_means = kmeans(dist(df_oficial_row),3)
```

# Agregando Cluster a departamentos

```{r}
df_oficial_row_clus = data.frame(k_means$cluster, df_oficial_row)
```


## ACP: ACP
```{r}
acp = prcomp(df_oficial_row, scale. = T)

```

```{r}
componentes =  as.data.frame(acp$x[,1:2])
classificacion = ifelse(componentes$PC2 >= 0, "Derecha", "Izquierda")
df_final = data.frame(componentes, classificacion,df_oficial_row_clus)
```

```{r}
write.csv(df_final, "cluster_agrup.csv")
```


```{r}
colnames(df_final)
```

## graf. por departamentos con PC1 y PC2

```{r}
ggplot(df_final, aes(x=PC1, y=PC2, color = as.factor(k_means.cluster), label = rownames(df_final)))+
  geom_point()+ geom_vline(xintercept = 0)+ geom_hline(yintercept = 0)+
  geom_text()+
  labs(title = "Diagrama de dispersión por departamentos según los dos primeros componentes principales", subtitle = "Elaborado: Luis Miguel Meza Ramos")+
  theme(legend.position="top")
```

#exp. grafico
```{r}
ggsave("voto_cluster_139_dep.png", scale = 2)
```

---------------------------------------------
## Voto por departamento

```{r}
sum_dep = apply(df_oficial_row, 1, FUN = "sum")
df_agg = data.frame(df_final, sum_dep)

```
## graf. por departamentos con PC1 y PC2 y vol de votos

```{r}
ggplot(df_agg, aes(x=PC1, y=PC2, color = as.factor(k_means.cluster), label = rownames(df_final), size = sum_dep))+
  geom_point(alpha =0.5)+ geom_vline(xintercept = 0)+ geom_hline(yintercept = 0)+
  geom_text()+
  labs(title = "Diagrama de dispersión por departamentos según los dos primeros componentes principales", subtitle = "Elaborado: Luis Miguel Meza Ramos")+
  theme(legend.position="top")
```

#exp. grafico
```{r}
ggsave("voto_cluster_139_dep.png", scale = 2)
```


## agr por cluster y vol de votos por departamento

```{r}
aggregate(df_agg$sum_dep, by = list(df_agg$k_means.cluster), FUN = "mean")
```


## agr por cluster y vol de votos por ideologia 
```{r}
aggregate(df_agg$sum_dep, by = list(df_agg$classificacion), FUN = "mean")
```

--------------