Resultados Dashboard con Python

Créditos agropecuarios y evaluaciones agropecuarias en café

Autor/a

Edimer David Jaramillo

1 Importando bibliotecas

import pandas as pd
import numpy as np
from plotnine import *

2 Importando datos

# Datos de créditos agropecuarios en café
creditos_cafe = pd.read_csv("datos/créditos_café_colombia.csv")
creditos_cafe.head()
year_es mes fuente_colocacion id_tipo_prod tipo_productor valor_inversion colocacion id_depto departamento_inversion id_munic ... linea_de_credito linea_de_produccion id_rubro destino_de_credito genero percent_fag vlr_inic_garantia latitud longitud cantidad
0 2021 4 REDESCUENTO 0 PEQUEÑO 10000000.0 10000000 85 CASANARE 85136 ... Inversión SIEMBRAS (I) 141100 141100 Café H 80.0 8000000.0 6.185278 -72.344444 1
1 2021 4 REDESCUENTO 0 PEQUEÑO 6000000.0 6000000 85 CASANARE 85400 ... Inversión SIEMBRAS (I) 141100 141100 Café H 80.0 4800000.0 5.829722 -72.163333 1
2 2021 4 REDESCUENTO 0 PEQUEÑO 8000000.0 8000000 17 CALDAS 17013 ... Inversión SIEMBRAS (I) 141100 141100 Café H 80.0 6400000.0 5.633333 -75.416667 1
3 2021 4 REDESCUENTO 0 PEQUEÑO 25000000.0 20000000 68 SANTANDER 68669 ... Inversión SIEMBRAS (I) 141100 141100 Café H NaN NaN 6.833333 -72.750000 1
4 2021 9 REDESCUENTO 0 PEQUEÑO 9000000.0 9000000 73 TOLIMA 73520 ... Inversión SIEMBRAS (I) 141100 141100 Café M 80.0 7200000.0 5.133333 -75.033333 1

5 rows × 27 columns

# Datos de evaluaciones agropecuarias
eva_cafe = pd.read_csv("datos/evas_café.csv")
eva_cafe.head()
codigo_dane_departamento departamento codigo_dane_municipio municipio desagregacion_cultivo cultivo ciclo_del_cultivo grupo_cultivo subgrupo year_es periodo area_sembrada_ha area_cosechada_ha produccion_t rendimiento_t_ha nombre_cientifico_del_cultivo codigo_del_cultivo estado_fisico_del_cultivo
0 5 Antioquia 5001 Medellín Café Café Permanente Cultivos tropicales tradicionales Cultivos tropicales tradicionales 2019 2019 465.00 417.00 517.0000 1.24 Coffea arabica 2030300 Pergamino o seco de trilla
1 5 Antioquia 5001 Medellín Café Café Permanente Cultivos tropicales tradicionales Cultivos tropicales tradicionales 2020 2020 450.00 394.00 452.0000 1.15 Coffea arabica 2030300 Pergamino o seco de trilla
2 5 Antioquia 5001 Medellín Café Café Permanente Cultivos tropicales tradicionales Cultivos tropicales tradicionales 2021 2021 437.58 378.22 276.1006 0.73 Coffea arabica 2030300 Pergamino o seco de trilla
3 5 Antioquia 5001 Medellín Café Café Permanente Cultivos tropicales tradicionales Cultivos tropicales tradicionales 2022 2022 420.87 387.08 241.1800 0.62 Coffea arabica 2030300 Pergamino o seco de trilla
4 5 Antioquia 5001 Medellín Café Café Permanente Cultivos tropicales tradicionales Cultivos tropicales tradicionales 2023 2023 368.73 335.26 238.6600 0.71 Coffea arabica 2030300 Pergamino o seco de trilla

3 Municipios en ambas tablas

  • Primero identificamos a partir de cuáles variables podríamos unir las dos bases de datos.
  • ¿Unimos los créditos a las EVAs o las EVAs a los créditos? En este caso nos interesan municipios que estén en ambas bases de datos.
    • ¿Cuántos municipios hay en la base de datos de créditos?
    • ¿Cuántos municipios hay en la base de datos de EVAs?
# Total de municipios direrentes
mpios_unicos_creditos = creditos_cafe["id_munic"].unique()
mpios_unicos_evas = eva_cafe["codigo_dane_municipio"].unique()

print(len(mpios_unicos_creditos))
print(len(mpios_unicos_evas))
717
640
  • ¿Cuántos municipios comparten las dos bases de datos?
sum(np.isin(mpios_unicos_creditos, mpios_unicos_evas))
np.int64(623)

4 Resumen por municipio

  • Para simplificar el ejercicio vamos a calcular algunas métricas estadísticas por municipio.
resumen_creditos = (
    creditos_cafe
    .groupby(
        ["id_depto", "departamento_inversion", "id_munic", "municipio_inversion"]
    )
    .agg(
        promedio_plazo = ("plazo", "mean"),
        promedio_valor = ("vlr_inic_garantia", "mean")
    )
    .reset_index()
)

resumen_creditos.head()
id_depto departamento_inversion id_munic municipio_inversion promedio_plazo promedio_valor
0 5 ANTIOQUIA 5001 MEDELLÍN 67.714286 1.100000e+07
1 5 ANTIOQUIA 5002 ABEJORRAL 79.545455 1.009633e+07
2 5 ANTIOQUIA 5004 ABRIAQUÍ 75.648649 9.169697e+06
3 5 ANTIOQUIA 5021 ALEJANDRÍA 88.168317 1.119543e+07
4 5 ANTIOQUIA 5030 AMAGÁ 70.026316 6.445704e+06 
resumen_evas = (
    eva_cafe
    .groupby(
        ["codigo_dane_departamento", "departamento", "codigo_dane_municipio", "municipio"]
    )
    .agg(
        promedio_rto = ("rendimiento_t_ha", "mean"),
        promedio_pdn = ("produccion_t", "mean")
    )
    .reset_index()
)

resumen_evas.head()
codigo_dane_departamento departamento codigo_dane_municipio municipio promedio_rto promedio_pdn
0 5 Antioquia 5001 Medellín 0.890 344.98812
1 5 Antioquia 5002 Abejorral 1.372 3445.49862
2 5 Antioquia 5004 Abriaquí 1.332 134.02920
3 5 Antioquia 5021 Alejandría 1.214 589.95256
4 5 Antioquia 5030 Amagá 1.222 573.34512

5 Unión de datos

  • Ahora unimos los dos resúmenes. La unión se realiza teniendo en cuenta la variable municipio, pero es importante tener en cuenta que tienen diferente nombre en cada tabla.
print(resumen_creditos.columns)
print(resumen_evas.columns)
Index(['id_depto', 'departamento_inversion', 'id_munic', 'municipio_inversion',
       'promedio_plazo', 'promedio_valor'],
      dtype='object')
Index(['codigo_dane_departamento', 'departamento', 'codigo_dane_municipio',
       'municipio', 'promedio_rto', 'promedio_pdn'],
      dtype='object')
  • Opcional: para facilitar el proceso podemos hacer dos cosas antes de unir las bases de datos:
    • Editar los nombres de la variable que es común en ambas tablas y a través de la cual realizamos la unión.
    • Como el nombre del municipio y departamento está en ambas tablas, solo es necesario que lo mantengamos en una tabla, ya que se repetirá.
resumen_evas2 = (
    resumen_evas
    .rename(columns = {"codigo_dane_municipio": "id_munic"})
    .loc[:, ["id_munic", "promedio_rto", "promedio_pdn"]]
)

resumen_evas2.head()
id_munic promedio_rto promedio_pdn
0 5001 0.890 344.98812
1 5002 1.372 3445.49862
2 5004 1.332 134.02920
3 5021 1.214 589.95256
4 5030 1.222 573.34512
  • Ahora unimos las dos tablas.
df_completa = pd.merge(resumen_creditos, resumen_evas2, on = "id_munic")
df_completa.head()
id_depto departamento_inversion id_munic municipio_inversion promedio_plazo promedio_valor promedio_rto promedio_pdn
0 5 ANTIOQUIA 5001 MEDELLÍN 67.714286 1.100000e+07 0.890 344.98812
1 5 ANTIOQUIA 5002 ABEJORRAL 79.545455 1.009633e+07 1.372 3445.49862
2 5 ANTIOQUIA 5004 ABRIAQUÍ 75.648649 9.169697e+06 1.332 134.02920
3 5 ANTIOQUIA 5021 ALEJANDRÍA 88.168317 1.119543e+07 1.214 589.95256
4 5 ANTIOQUIA 5030 AMAGÁ 70.026316 6.445704e+06 1.222 573.34512
  • ¿Cuál es la dimensión de esta nueva base de datos?
df_completa.shape
(625, 8)

6 Visualizaciones

  • Plazo del crédito:
(
    df_completa >>
    ggplot(aes(x = "promedio_plazo")) +
    geom_histogram(color = "black") +
    labs(x = "Plazo (meses)",
         y = "Frecuencia",
         title = "Distribución del plazo en créditos agropecuarios",
         subtitle = "Colombia") +
    theme_minimal() 
)
c:\Users\edimer.david\AppData\Local\miniconda3\envs\semillero\Lib\site-packages\plotnine\stats\stat_bin.py:109: PlotnineWarning: 'stat_bin()' using 'bins = 32'. Pick better value with 'binwidth'.

  • Valor del crédito:
(
    df_completa >>
    ggplot(aes(x = "promedio_valor")) +
    geom_histogram(color = "black") +
    labs(x = "Valor ($)",
         y = "Frecuencia",
         title = "Distribución del valor en créditos agropecuarios",
         subtitle = "Colombia") +
    theme_minimal() 
)
c:\Users\edimer.david\AppData\Local\miniconda3\envs\semillero\Lib\site-packages\plotnine\stats\stat_bin.py:109: PlotnineWarning: 'stat_bin()' using 'bins = 66'. Pick better value with 'binwidth'.
c:\Users\edimer.david\AppData\Local\miniconda3\envs\semillero\Lib\site-packages\plotnine\layer.py:284: PlotnineWarning: stat_bin : Removed 2 rows containing non-finite values.

  • Rendimiento del cultivo de café:
(
    df_completa >>
    ggplot(aes(x = "promedio_rto")) +
    geom_histogram(color = "black") +
    labs(x = "Rendimiento (t/ha)",
         y = "Frecuencia",
         title = "Distribución del rendimiento promedio en café",
         subtitle = "Colombia") +
    theme_minimal() 
)
c:\Users\edimer.david\AppData\Local\miniconda3\envs\semillero\Lib\site-packages\plotnine\stats\stat_bin.py:109: PlotnineWarning: 'stat_bin()' using 'bins = 30'. Pick better value with 'binwidth'.

  • Producción en toneladas del cultivo de café:
(
    df_completa >>
    ggplot(aes(x = "promedio_pdn")) +
    geom_histogram(color = "black") +
    labs(x = "Producción (t)",
         y = "Frecuencia",
         title = "Distribución de producción promedio en café",
         subtitle = "Colombia") +
    theme_minimal() 
)
c:\Users\edimer.david\AppData\Local\miniconda3\envs\semillero\Lib\site-packages\plotnine\stats\stat_bin.py:109: PlotnineWarning: 'stat_bin()' using 'bins = 72'. Pick better value with 'binwidth'.

  • ¿En qué departamentos se solicita mayor monto de créditos?
(
    df_completa >> 
    ggplot(aes(x = "departamento_inversion", y = "promedio_valor")) +
    geom_boxplot() +
    labs(x = "Departamento",
         y = "Valor ($)",
         title = "Distribución de monto de crédito por departamento",
         subtitle = "Colombia") +
    theme_minimal() +
    theme(axis_text_x = element_text(angle = 45, hjust = 1))
)
c:\Users\edimer.david\AppData\Local\miniconda3\envs\semillero\Lib\site-packages\plotnine\layer.py:284: PlotnineWarning: stat_boxplot : Removed 2 rows containing non-finite values.

  • ¿En qué departamentos hay mayores rendimientos?
(
    df_completa >> 
    ggplot(aes(x = "departamento_inversion", y = "promedio_rto")) +
    geom_boxplot() +
    labs(x = "Departamento",
         y = "Rendimiento (t/ha)",
         title = "Distribución del rendimiento por departamento",
         subtitle = "Colombia") +
    theme_minimal() +
    theme(axis_text_x = element_text(angle = 45, hjust = 1))
)

  • ¿Existe asociación entre el monto del crédito y el rendimiento?
df_completa[["promedio_valor", "promedio_rto"]].corr()
promedio_valor promedio_rto
promedio_valor 1.000000 -0.098442
promedio_rto -0.098442 1.000000
  • Graficamos el diagrama de dispersión:
(
    
    df_completa >>
    # df_completa[df_completa["promedio_valor"] < 4e+07] >> 
    ggplot(aes(x = "promedio_valor", y = "promedio_rto")) +
    geom_point() +
    labs(x = "Valor ($)",
         y = "Rendimiento (t/ha)",
         title = "Monto del crédito vs rendimiento",
         subtitle = "Colombia") +
    theme_minimal()
)
c:\Users\edimer.david\AppData\Local\miniconda3\envs\semillero\Lib\site-packages\plotnine\layer.py:364: PlotnineWarning: geom_point : Removed 2 rows containing missing values.

  • Ahora relacionamos el valor del crédito con la producción:
df_completa[["promedio_valor", "promedio_pdn"]].corr()
promedio_valor promedio_pdn
promedio_valor 1.000000 -0.099401
promedio_pdn -0.099401 1.000000
  • Gráfico:
(
    
    # df_completa >>
    df_completa[df_completa["promedio_valor"] < 4e+07] >> 
    ggplot(aes(x = "promedio_valor", y = "promedio_pdn")) +
    geom_point() +
    labs(x = "Valor ($)",
         y = "Producción (t)",
         title = "Monto del crédito vs producción",
         subtitle = "Colombia") +
    theme_minimal() +
    scale_y_log10()
)
c:\Users\edimer.david\AppData\Local\miniconda3\envs\semillero\Lib\site-packages\pandas\core\arraylike.py:399: RuntimeWarning: divide by zero encountered in log10