exploracion_datos.Rmd

---
title: "dataset_mujeres"
author: "Azalea"
date: "2/18/2020"
output: html_document
---

Lo primero, cargamos libreria(s)
```{r setup, include=FALSE}
library(tidyverse)
```


Ahora importamos los datos.
```{r}
capitulos_rladies <- readr::read_csv("https://raw.githubusercontent.com/cienciadedatos/datos-de-miercoles/master/datos/2019/2019-06-26/capitulos_rladies.csv")
eventos_rladies <- readr::read_csv("https://raw.githubusercontent.com/cienciadedatos/datos-de-miercoles/master/datos/2019/2019-06-26/eventos_rladies.csv")
```

Una vez que se hayan leído los datos, lo que sigue es explorarlos.
Vamos a revisar las variables vs observaciones del primer dataset: R-Ladies

```{r}
names(capitulos_rladies)
str(capitulos_rladies)
names(eventos_rladies)
str(eventos_rladies)
```

Quiero saber cuáles son los capítulos de MX
```{r}
capitulos_rladies %>% 
  filter(pais == "MX")
```

Cuáles son los capítulos con más miembros?
```{r}
capitulos_rladies %>%
  arrange(desc(miembros))
```

Cuáles son los capítulos con más de mil miembros?
```{r}
capitulos_rladies %>%
  arrange(desc(miembros)) %>% 
  filter(miembros > 1000)
```

Capitulo con más de 500 miebros, pero menos de mil.
```{r}
capitulos_rladies %>%
    arrange(desc(miembros)) %>% 
    filter(between(miembros, 500, 1000))
```

La cantidad de miembros está relacionado con la fecha de creación del capítulo?
```{r}
capitulos_rladies %>%
    arrange(creacion)
```


Los capítulos de MX
```{r}
capitulos_rladies %>%
  filter(pais == "MX") %>% 
  arrange(miembros)

capitulos_rladies %>%
  filter(pais == "MX") %>% 
  arrange(desc(miembros))
```


Vamos a explorar LOS EVENTOS de los Capítulos de MX, ahora con `eventos_rladies`:
```{r}
eventos_rladies %>% 
  filter(capitulo == "R-Ladies Queretaro")

eventos_rladies %>% 
  filter(capitulo == "R-Ladies CDMX")

eventos_rladies %>% 
  filter(capitulo == "R-Ladies Xalapa")
```


```{r}
eventos_rladies %>% 
  filter(capitulo == "R-Ladies San Francisco")
```


## GENERA UNA PREGUNTA QUE TE GUSTARÍA CONTESTAR CON LAS BASES DE DATOS DE R-LADIES



# Ahora con el otro set de datos:

Otra vez, comenzamos por cargar la base de datos que se componen de tres conjuntos de datos (dataset):
```{r}
jobs_gender <- readr::read_csv("https://raw.githubusercontent.com/rfordatascience/tidytuesday/master/data/2019/2019-03-05/jobs_gender.csv")
earnings_female <- readr::read_csv("https://raw.githubusercontent.com/rfordatascience/tidytuesday/master/data/2019/2019-03-05/earnings_female.csv") 
employed_gender <- readr::read_csv("https://raw.githubusercontent.com/rfordatascience/tidytuesday/master/data/2019/2019-03-05/employed_gender.csv") 
```

Vamos a explorar los datos
```{r}
names(jobs_gender)

summary(jobs_gender$total_earnings)
summary(jobs_gender$total_earnings_male)
summary(jobs_gender$total_earnings_female)
```

Ahora vamos a ver qué tipo de trabajo o profesiones hay en la base de datos
```{r}
unique(jobs_gender$occupation)
unique(jobs_gender$major_category)
unique(jobs_gender$minor_category)
 
#ggplot(jobs_gender, aes(workers_male, workers_female, color = major_category)) + 
#  	geom_point(alpha = 0.5)
```

Nos quedamos con __major_category__ como factor.
```{r}
jobs_gender$major_category <- as.factor(jobs_gender$major_category)
```

Graficamos la proporción de mujeres (female) para cada categoría y después lo mismo para los hombres (male)
```{r}
w_female <- ggplot(jobs_gender, aes(x = 1, y = workers_female, fill = major_category)) +
	# Use a column geometry.
	geom_col() +
	# Change coordinate system to polar and set theta to 'y'.
	coord_polar(theta = 'y')

w_male <- ggplot(jobs_gender, aes(x = 1, y = workers_male, fill = major_category)) +
	# Use a column geometry.
	geom_col() +
	# Change coordinate system to polar and set theta to 'y'.
	coord_polar(theta = 'y')
```

Juntamos las dos graficas para poder compararlas
```{r}
library(patchwork)
w_female + w_male
```


Ahora vamos a explorar cuántos trabajadores de cada sexo se desempeñan en cada __major_category__ por año de la encuesta.
```{r}
library(cowplot)

bw_female <- ggplot(jobs_gender, aes(year, workers_female, fill = major_category)) +
  geom_bar(stat="identity") + 
  ylim(0, 60000000)

bw_male <- ggplot(jobs_gender, aes(year, workers_male, fill = major_category)) +
  geom_bar(stat="identity") +
  ylim(0, 60000000)

plot_grid(bw_female, bw_male, labels = "AUTO")
```

EL porcentaje de mujeres para cada __major category__
```{r}
ggplot(jobs_gender, aes(major_category, percent_female, fill = major_category)) +
  geom_boxplot()
```

Revisemos rápido las ganancias de acuerdo a mujeres y hombres
*Mejora estas gráficas para poder comparar las ganancias de las mujeres vs hombres* 
```{r}
ggplot(jobs_gender, aes(major_category, total_earnings, fill = major_category)) +
  geom_boxplot()

ggplot(jobs_gender, aes(major_category, total_earnings_female, fill = major_category)) +
  geom_boxplot()

ggplot(jobs_gender, aes(major_category, total_earnings_male, fill = major_category)) +
  geom_boxplot()
```


También están los datos `earnings_female` y `employed_gender`
```{r}
# vamos explorarlos ...
```