Si has trabajado con datos sociales o públicos de Chile antes, sabrás que uno de los desafíos es lidiar con los nombres de regiones y comunas: nombres mal escritos, faltas de tildes, mayúsculas inconsistentes. Esta complicación me llevó a crear un paquete de R para a simplificar la limpieza y procesamiento de datos territoriales chilenos.
Objetivos principales
El objetivo principal es facilitar tareas de limpieza de datos que, si se hacen manualmente, son tediosas y propensas a errores:
- Validación de nombres: Antes de asumir la calidad de tus datos, puedes usar funciones como
validar_comunas()para detectar inconsistencias (p. ej., casos donde una comuna está en minúsculas o le falta una tilde). - Limpieza automática: Con
limpiar_comunas(), el paquete estandariza los nombres mediante diversas técnicas de limpieza. - Contextualización: Si tienes solo los nombres de comunas o sus códigos únicos territoriales, la función
contextualizar()agrega todas las variables territoriales faltantes (región, provincia, etc.). - Organización: Funciones útiles como
ordenar_regiones()oagregar_macrozona()ayudan al análisis geográfico de los datos.
En la documentación del paquete agregué varios ejemplos y casos reales de uso del paquete para detectar y limpiar datos territoriales. Si no sabes por dónde empezar, lee la guía de primeros pasos
Instala la versión de desarrollo del paquete directamente desde GitHub con pak::pak("bastianolea/territorial").
Para mi ha sido algo muy nuevo aprender a desarrollar paquetes en R, y todo fue gracias al programa de Campeones/as de rOpenSci, quienes nos han formado durante todo este año para contribuir a la comunidad de software libre.
Si bien antes pensaba que el desarrollo de paquetes era algo súper complicado, ha sido muy agradable notar que el sistema de desarrollo en R es amigable y estructurado, con muchas herramientas que te ayudan a ir avanzando con todas las precauciones para producir software de calidad. Incluso llega a ser entretenido el loop de crear funciones, documentarlas, crear sus tests, aplicar los tests, chequear que todo funciona, actualizar el sitio, y repetir. Quiero escribir pronto un tutorial en mi blog de R para compartir esta experiencia más a fondo!