---
title: "Uso básico de los mapas"
output: rmarkdown::html_vignette
vignette: >
  %\VignetteIndexEntry{Uso básico de los mapas}
  %\VignetteEngine{knitr::rmarkdown}
  %\VignetteEncoding{UTF-8}
---

```{r, include = FALSE}
knitr::opts_chunk$set(
  collapse = TRUE,
  comment = "#>"
)
```

# Cargar `perumapas`

El paquete `perumapas` contiene tres conjuntos de datos con las geometrías necesarias para dibujar mapas de al división política administrativa del Perú a nivel distrital, provincial y regional. Para poder usar estos mapas, es necesario usar al mismo tiempo el paquete `sf`, que permite manipular las geometrías en formato *simple features*.

```{r setup, message=FALSE}
library(perumapas)
library(sf) # obligatorio!
```

Para fines de este documento, se carga también los paquets `dplyr` y `ggplot2` para la manipulación del conjunto de datos y creación de mapas, respectivamente. Se omiten los *messages* de carga.

```{r, message=FALSE}
library(dplyr)
library(ggplot2)
```

# Mapas regionales, provinciales y distritales

Para dibujar los mapas, usaremos la función `geom_sf()` del paquete `ggplot2`. Por defecto, usará la columna *geometry* del conjunto de datos para el dibujo.

## Mapa regional

El conjunto de datos `mapa_regional` contiene la información necesaria para elaborar mapas con las divisiones regionales.

```{r}
mapa_regional %>% 
  ggplot() +
  geom_sf()
```

Para obtener el mapa de una región determinada, basta con agregar una línea de código de filtrado.

```{r}
mapa_regional %>% 
  filter(departamento == "LIMA") %>% 
  ggplot() +
  geom_sf()
```

## Mapa provincial

Para obtener el gráfico con nivel de resumen provincial, se puede utilizar `mapa_provincial`. Se debe tomar en cuenta que mientras mayor sea la cantidad de unidades (provincias), los recursos computacionales necesarios para generar el mapa aumentarán.

```{r}
mapa_provincial %>% 
  ggplot() +
  geom_sf()
```

Del mismo modo, si se requiere dibujar las provincias de alguna región en específico, basta con agregar una línea de filtrado.

```{r}
mapa_provincial %>% 
  filter(departamento == "LIMA") %>% 
  ggplot() +
  geom_sf()
```

Para un gráfico departamental, usar `mapa_regional`.

```{r}
mapa_regional %>% 
  filter(departamento == "ANCASH") %>% 
  ggplot() +
  geom_sf()
```

## Mapa distrital

El nivel de detalle más alto se obtiene con el conjunto de datos `mapa_distrital`.

```{r, cache=TRUE}
mapa_distrital %>% 
  ggplot() +
  geom_sf()
```

Nuevamente, se debe tomar en cuenta los recursos computacionales necesarios para elaborar (renderizar) el mapa. Me tomó alrededor de 4 segundos con una CPU Ryzen 5 3600 6-Core 3.69GHz RAM 16GB GPU Rx 580 8GB.

# Mapas personalizados

## Distritos agrupados

Una manera de personalizar los mapas es creando grupos de distritos o provincias según algún criterio. Por ejemplo, podemos obtener el mapa de Lima Metropolitana por zonas. Para ello, `perumapas` provee el conjunto de datos `zonas_lima`.

```{r}
zonas_lima
```

Al hacer un join/merge con `mapa_distrital` se puede recalcular las geometrías para dibujar el mapa por zonas.

```{r}
mapa_lima_zonas <- mapa_distrital %>% 
  filter(departamento == "LIMA", provincia == "LIMA") %>% 
  left_join(zonas_lima, by = "ubigeo") %>% 
  group_by(zona) %>% 
  summarise(geometry = st_union(geometry))
```

Una vez recalculadas las geometrías, el mapa se genera igual que en los casos anteriores.

```{r}
mapa_lima_zonas %>% 
  ggplot() +
  geom_sf()
```

## Color según criterio

### Criterio categórico

Es posible colorear los mapas según algún otro criterio. Por ejemplo, los distritos de Lima según la zona en la que se ubican. Para ello, nuevamente podemos hacer uso de `zonas_lima` y el atributo *fill* del mapa.

```{r}
mapa_distrital %>% 
  filter(departamento == "LIMA", provincia == "LIMA") %>% 
  left_join(zonas_lima, by = "ubigeo") %>% 
  ggplot() +
  geom_sf(aes(fill = zona))
```

### Criterio numérico

Además de colorear por valores categóricos, es posible mapear el relleno del mapa según valores numéricos. Para este ejemplo se usará el mapa de pobreza de Lima 2018 del paquete `perupobreza2018`.

```{r}
library(perupobreza2018)

pobreza_lima <- pobreza2018 %>% 
  filter(region == "LIMA", provincia == "LIMA") %>% 
  select(distrito, ubigeo, pobreza_monetaria)
```

Este conjunto de datos brinda, entre otras cosas, el porcentaje de población en condiciones de pobreza monetaria para cada distrito.

```{r}
pobreza_lima
```

Debido a que se cuenta con el ubigeo, es posible hacer el join/merge con los mapas.

```{r}
mapa_pobreza_lima <- mapa_distrital %>% 
  filter(departamento == "LIMA", provincia == "LIMA") %>% 
  left_join(pobreza_lima, by = "ubigeo")
```

Con esta información, es posible obtener el mapa de pobreza de Lima, los colores indican el porcentaje de pobreza monetaria.

```{r}
mapa_pobreza_lima %>% 
  ggplot() +
  geom_sf(aes(fill = pobreza_monetaria))
```

Por supuesto, también se puede crear una escala de colores manualmente usando `scale_fill_gradient2()`.

```{r}
mapa_pobreza_lima %>% 
  ggplot() +
  geom_sf(aes(fill = pobreza_monetaria)) +
  scale_fill_gradient2(low = "green", 
                       mid = "yellow", 
                       high = "darkred", 
                       midpoint = 10)
```