3. Unión de tablas y limpieza de datos
Pueden encontrar la versión de las notas de datos limpuis usando gather() y
spread() [aquí](https://tereom.github.io/tutoriales/datos_limpios.html.
Trabajaremos con los datos df_marital,
- ¿Están limpios los datos? en caso de que no ¿qué principio no cumplen?
library(estcomp)
df_marital
#> # A tibble: 29,484 x 14
#> state_code municipio_code region state_name state_abbr municipio_name sex
#> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
#> 1 01 001 01001 Aguascali… AGS Aguascalientes Total
#> 2 01 001 01001 Aguascali… AGS Aguascalientes Total
#> 3 01 001 01001 Aguascali… AGS Aguascalientes Total
#> 4 01 001 01001 Aguascali… AGS Aguascalientes Total
#> 5 01 001 01001 Aguascali… AGS Aguascalientes Homb…
#> 6 01 001 01001 Aguascali… AGS Aguascalientes Homb…
#> 7 01 001 01001 Aguascali… AGS Aguascalientes Homb…
#> 8 01 001 01001 Aguascali… AGS Aguascalientes Homb…
#> 9 01 001 01001 Aguascali… AGS Aguascalientes Muje…
#> 10 01 001 01001 Aguascali… AGS Aguascalientes Muje…
#> # … with 29,474 more rows, and 7 more variables: age_group <chr>, pop <dbl>,
#> # single <dbl>, married <dbl>, living_w_partner <dbl>, separated <dbl>,
#> # other <dbl>Limpia los datos y muestra las primeras y últimas líneas (usa
head()ytail()).Filtra para eliminar los casos a total en las variables sexo y edad, calcula a nivel nacional cuál es la proporción en cada situación conyugal por grupo de edad y sexo. ¿Cómo puedes graficar o presentar los resultados?
Regresando a los datos que obtuviste en 2, une la tabla de datos con
df_edu, ¿qué variables se usarán para unir?