analiza vut valencia (distritos, barrios y tlf) y municipios en com. valenciana

analysis/vut-analysis.R

 # script para analizar las viviendas turísticas de la comunidad Valenciana
 
-# Load libraries
+# Load libraries ----------------------------
 library(tidyverse)
 # for maps and theme nothing
 library(ggmap)
@@ -10,12 +10,12 @@ library(gsubfn)
 
 # load data ------
 vut_valenciana <- read.csv("data/original/190302_viviendas-turisticas-comunidad-valenciana.csv",stringsAsFactors = FALSE)
-vut_valencia <- read.csv("data/original/190302_viviendas-turisticas-comunidad-valenciana_valencia.csv",stringsAsFactors = FALSE)
+vut_valencia <- read.csv("data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_geocoded-photon3_barrio-distrito.csv",stringsAsFactors = FALSE)
 
-vut <- read_csv("data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_geocoded_barrio-distrito.csv")
+# vut <- read_csv("data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_geocoded_barrio-distrito.csv")
 
-export.to.geocode <- vut %>% filter(is.na(barrio))
-write.csv(airbnb, file = "data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_por-geocodificar.csv", row.names = FALSE)
+# export.to.geocode <- vut %>% filter(is.na(barrio))
+# write.csv(export.to.geocode, file = "data/output/190302_viviendas-turisticas-comunidad-valenciana_valencia_por-geocodificar.csv", row.names = FALSE)
 
 # shapes
 barrios <-   readOGR("data/original/shapes/barrios.valencia.wgs84.geojson")
@@ -23,31 +23,35 @@ distritos <- readOGR("data/original/shapes/distritos.valencia.wgs84.geojson")
 # municipios <-  distritos
 municipios <- readOGR("data/original/shapes/municipios.provincia.valencia.geojson")
 
-# Analisis comunidad valenciana -------------
+# Analisis comunidad valenciana por municipios -------------
 vut.municipio <- group_by(vut_valenciana,Municipio) %>% summarise( n= n() ) %>% arrange(desc(n))
 
+png(filename="images/vut/vut-municipios-top25-comunidad-valenciana-201903.png",width = 600,height = 500)
 vut.municipio  %>% head(25) %>%
   ggplot(aes(x = reorder(Municipio,n), y = n)) +
+  scale_y_continuous(labels=function(x) format(x, big.mark = ".", scientific = FALSE)) +
   geom_col()  + coord_flip() +
   theme_minimal(base_family = "Roboto Condensed", base_size = 14) +
   theme(
     panel.grid.minor.y = element_blank(), panel.grid.major.y = element_blank(),
     legend.position = "bottom"
   ) +
-  labs(title = "Número de viviendas turísticas por municipo: top 25",
-       subtitle = "Valencia. Marzo 2019.",
-       y = "nº anuncios",
-       x = "tlf",
-       caption = "Datos: Comunidad Valenciana. Gráfico: lab.montera34.com/airbnb") 
+  labs(title = "Viviendas turísticas en registro oficial por municipo: top 25",
+       subtitle = "Comunidad Valenciana. Marzo 2019.",
+       y = "Número de VUT",
+       x = "",
+       caption = "Datos: Generalitat Valenciana. Gráfico: lab.montera34.com/airbnb") +
+  geom_text(aes(label = format(n, big.mark = ".", scientific = FALSE), x=reorder(Municipio,n), y = n+50),
+            position = "dodge",
+            size=3,color="#888888", hjust=0) 
+dev.off()
 
 # analisis Valencia -----------------
-# names(vut) <- c("signatura","municipio","provincia","addres","tlf","lat","lon")
 
-ggplot(data=vut)+
-  geom_bar(stat='identity', aes(x = signatura, y = tlf))
-
-ntlf<- group_by(vut,Teléfono) %>% summarise( n= n() ) %>%  arrange(desc(n))
+# por teléfono --------------
+ntlf<- group_by(vut_valencia,Teléfono) %>% summarise( n= n() ) %>%  arrange(desc(n))
 
+png(filename="images/vut/vut-telefonos-top25-valencia-201903.png",width = 600,height = 500)
 ntlf[!is.na(ntlf$Teléfono),] %>% head(25) %>%
 ggplot(aes(x = reorder(Teléfono,n), y = n)) +
   geom_col()  + coord_flip() +
@@ -59,8 +63,12 @@ theme_minimal(base_family = "Roboto Condensed", base_size = 14) +
   labs(title = "Número de viviendas turísticas por teléfono: top 25",
        subtitle = "Valencia. Marzo 2019.",
        y = "nº anuncios",
-       x = "tlf",
-       caption = "Datos: Comunidad Valenciana. Gráfico: lab.montera34.com/airbnb") 
+       x = "",
+       caption = "Datos: Comunidad Valenciana. Gráfico: lab.montera34.com/airbnb") +
+  geom_text(aes(label = format(n, big.mark = ".", scientific = FALSE), x=reorder(Teléfono,n), y = n+2),
+            position = "dodge",
+            size=3,color="#888888", hjust=0) 
+dev.off()
 
 # select(vut,Teléfono=="963356793")
 # 
@@ -69,7 +77,7 @@ theme_minimal(base_family = "Roboto Condensed", base_size = 14) +
 # 
 # tlf=="963356793"
 
-vut$Teléfono <- as.factor(vut$Teléfono)
+# vut$Teléfono <- as.factor(vut$Teléfono)
 
 # extract VUT ID --------
 # vut_valencia$registro.number <- str_extract(vut_valencia$Signatura,"[:punctuation:]?[:blank:]?-\\d{5}")
@@ -135,8 +143,11 @@ ggplot() +
   guides(colour = guide_legend(override.aes = list(size=3))) 
 
 # por distrito en Valencia------------
-vut.distrito <- group_by(vut,distrito) %>% summarise( n= n() ) %>% arrange(desc(n))
+vut.distrito <- group_by(vut_valencia,distrito) %>% summarise( n= n(), na ) %>% arrange(desc(n)) %>% ungroup()
+
+vut.distrito[is.na(vut.distrito$distrito),]$distrito <- "POR CLASIFICAR"
 
+png(filename="images/vut/vut-distritos-valencia-201903.png",width = 600,height = 500)
 vut.distrito  %>% #filter(!is.na(distrito)) %>%
 ggplot(aes(x = reorder(distrito,n), y = n)) +
   geom_col()+ 
@@ -145,29 +156,39 @@ ggplot(aes(x = reorder(distrito,n), y = n)) +
             hjust = 0,
             size=3,color="#000000") +
   coord_flip() +
-  theme_minimal(base_family = "Roboto Condensed", base_size = 10) +
+  theme_minimal(base_family = "Roboto Condensed", base_size = 14) +
   theme(
     panel.grid.minor.y = element_blank(), panel.grid.major.y = element_blank(),
     legend.position = "bottom"
   ) +
-  labs(title = "Número de viviendas turísticas por distrito",
+  labs(title = "Número de viviendas turísticas por distrito en registro oficial",
        subtitle = "Valencia. Marzo 2019.",
        y = "nº anuncios",
-       x = "tlf",
+       x = "",
        caption = "Datos: Comunidad Valenciana. Gráfico: lab.montera34.com/airbnb") 
+dev.off()
 
-# por barrio
+# por barrio -----------------------------
 vut.barrio <- group_by(vut,barrio) %>% summarise( n= n() ) %>% arrange(desc(n))
 
-vut.barrio  %>% ggplot(aes(x = reorder(barrio,n), y = n)) +
+vut.barrio[is.na(vut.barrio$barrio),]$barrio <- "POR CLASIFICAR"
+
+png(filename="images/vut/vut-barrios-valencia-201903.png",width = 600,height = 1100)
+vut.barrio  %>% filter(!barrio == "POR CLASIFICAR") %>%
+  ggplot(aes(x = reorder(barrio,n), y = n)) +
   geom_col()  + coord_flip() +
-  theme_minimal(base_family = "Roboto Condensed", base_size = 10) +
+  geom_text(data = vut.barrio  %>% filter(!barrio == "POR CLASIFICAR"),
+            aes(label =  n,y = n+1),
+            hjust = 0,
+            size=3,color="#000000") +
+  theme_minimal(base_family = "Roboto Condensed", base_size = 14) +
   theme(
     panel.grid.minor.y = element_blank(), panel.grid.major.y = element_blank(),
     legend.position = "bottom"
   ) +
-  labs(title = "Número de viviendas turísticas por barrio",
-       subtitle = "Valencia. Marzo 2019.",
+  labs(title = "Número de viviendas turísticas por barrioen registro oficial",
+       subtitle = "Valencia. Marzo 2019. (1.202 por clasificar).",
        y = "nº anuncios",
-       x = "tlf",
+       x = "",
        caption = "Datos: Comunidad Valenciana. Gráfico: lab.montera34.com/airbnb") 
+dev.off()