Creación de mapas estadísticos en R: el caso del Índice de Desarrollo
Humano Cantonal para Costa Rica
Roger Enrique Bonilla Carrión
InterSedes, Revista electrónica de las sedes regionales de la Universidad de Costa Rica,
ISSN 2215-2458, Volumen XXIV, Número 50, Julio-Diciembre, 2023.
10.15517/isucr.v24i50.51353 | intersedes.ucr.ac.cr | intersedes@ucr.ac.cr
A: Statistical maps are thematic representations for the graphing of statistical
information from administrative units. For the representation of maps, there is a wide range
of soware, generally high cost and few free soware. R is free computational statistical and
graphing soware available for research. e objective of the article is to present a routine
for the graphing of statistical maps using R and its dierent libraries, through the case of the
Cantonal Human Development Index (HDI). R and the ggplot2, ggspatial, sf, rgdal, plyr,
ggrepel and readxl libraries were obtained. e base map was obtained from a vector map
in GeoJSON format and the information at the canton level was obtained from an EXCEL
spreadsheet, with information from the Cantonal Human Development Atlas, 2021. e
vector map information was integrated with EXCEL and did the graphical representation in
R. In the generated map, the cantons of Santa Ana, Escazú and Belén have the highest HDI
values among all the cantons and, in general, the cantons of Heredia are the ones with the
highest values as a whole. e canton of Matina in the province of Limón has the lowest HDI
in the country. e resulting map in R is a high-resolution graph that can be exported to the
most popular graphic formats JPG, TIFF, PNG, BMP, thus being R a free soware alternative
to generate high resolution statistical maps.
R:
Los mapas estadísticos son representaciones temáticas para la gracación de
datos estadísticos a partir de unidades administrativas. Para la representación de mapas,
existe una amplia gama de soware, en general de alto costo y pocos con licencia de uso libre.
R es un soware libre para estadística computacional y para gracación, disponible para la
investigación. El objetivo del artículo es presentar una rutina para la gracación de mapas
estadísticos utilizando R y sus diferentes librerías, mediante el caso del Índice de Desarrollo
Humano Cantonal (IDH). Se utilizó R y las librerías ggplot2, ggspatial, sf, rgdal, plyr, ggrepel
y readxl. El mapa base se obtuvo de un mapa vectorial en formato GeoJSON y la información
a nivel de cantones se obtuvo de una hoja electrónica Excel, con información del Atlas de
Desarrollo Humano Cantonal, 2021. Se integró la información del mapa vectorial con el
Excel y se hizo la representación gráca en R. En el mapa generado, los cantones de Santa
Ana, Escazú y Belén tienen los valores de IDH más altos de forma general, los cantones de
Heredia son los que poseen los valores más altos en conjunto. El cantón de Matina, en la
provincia de Limón, posee el IDH más bajo del país. El mapa resultante en R es un gráco
de alta resolución que puede ser exportado a los formatos grácos más populares JPG, TIFF,
PNG, BMP, siendo así R una alternativa de soware libre para generar mapas estadísticos
de alta resolución.
Universidad de Costa Rica
Sede del Atlántico
Turrialba, Costa Rica
roger.bonilla@ucr.ac.cr
Publicado por la Editorial Sede del Pacíco, Universidad de Costa Rica
P : estadísticas cientícas, estadísticas demográcas, mapas estadísticos,
geografía, gráco.
K: scientic statistics, demographic statistics, statistical maps, geography, graph.
Creation of Statistical Maps in R: the case of the Cantonal Human Development Index for Costa Rica
Recibido: 22-08-22 | Aceptado: 1-02-23
C (APA): Bonilla Carrión, R., Méndez Montero, N. (2023). Creación de Mapas Estadísticos en
R: el caso del Índice de Desarrollo Humano Cantonal para Costa Rica. InterSedes, 24(50), 405-422. DOI
10.15517/isucr.v24i50.54009
Nelson Martín Méndez Montero
Universidad de Costa Rica
Sede del Atlántico
Turrialba, Costa Rica
martin.mendez@ucr.ac.cr
InterSedes, ISSN 2215-2458, Volumen 24, Número 50
Julio-Diciembre, 2023, pp.405-422 (Nota Técnica / X Simp. Inf. Emp.).
INTERSEDES |
406
Introducción
El lenguaje gráfico tiene un papel fundamental en la organi-
zación, descripción y análisis de datos, al ser un instrumento de
transnumeración, una de las formas básicas de razonamiento
estadístico (Wild & Pfannkuch, 1999). Un lector podría leer crí-
ticamente los gráficos estadísticos disponibles en los medios de
comunicación, identificar las tendencias y variabilidad de los
datos, así como detectar los errores que puedan distorsionar la
información representada (Schield, 2006).
Los mapas estadísticos son representaciones temáticas para la
graficación de datos estadísticos a partir de unidades adminis-
trativas (provincias, cantones, distritos) (Salgado, 2016; Maass &
Valdez, 2003). Para la representación de mapas, existe una amplia
gama de software comercial, en general de alto costo monetario y
pocos de carácter libre (Barbosa et al. 2018; Salas, 2008). R es un
software libre para estadística computacional y para graficación,
disponible para la academia y la investigación (Avello Martínez
& Seisdedo Losa, 2017; Lara, 2013; Oliden, 2009; Velásquez etal.,
2010).
El objetivo de este artículo es presentar una rutina para la grafi-
cación de mapas estadísticos utilizando R y sus diferentes librerías,
mediante el caso del Índice de Desarrollo Humano Cantonal (IDH)
para Costa Rica.
Marco teórico o antecedentes
Para la representación de mapas estadísticos, existe una lista
extensa de software clasificado por su naturaleza en dos grandes
grupos: los de licencia de pago y los libres (Barbosa et al. 2018;
Salas, 2008).
Los softwares de licencia de pago tienen la característica de
que no pueden ser modificados ya que su código es privativo y es
necesario pagar un monto por concepto de licencia para su uso.
Algunos ejemplos de software para la representación de mapas
estadísticos de licencia de pago se enumeran a continuación:
InterSedes, ISSN 2215-2458, Volumen 24, Número 50
Julio-Diciembre, 2023, pp. 405-422 (Nota Técnica / X Simp. Inf. Emp.).
BONILLA & MÉNDEZ |
Creación de mapas estadísticos en R
407
1. Los softwares ArcGIS y sus subproductos ArcMap,
ArcGlobe, ArcScene, ArcEarth, producidos por la compa-
ñía ESRI (ESRI, 2022).
2. El software Geomedia, producido por la compañía Hexagon
Geospatial (Hexagon Geospatial, 2022), es uno de los prin-
cipales softwares comerciales y lidera la graficación de
mapas estadísticos desde la década de 1970.
3. MapInfo Professional, producido por la empresa Geobis
International (Geobis International, 2022) es otro software
comercial para el mapeo y el análisis de ubicación, especial-
mente para información contenida en polígonos.
4. Global Mapper, producido por Blue Marble Geographic
(Blue Marble Geographic, 2022), es un software muy versátil
que se ha llamado navaja suiza, por cumplir las necesidades
de mapas estadísticos de usuarios novatos y avanzados.
5. Manifold GIS, producido por la compañía Manifold
(Manifold, 2022), es un software de representación de mapas
estadísticos que trabaja sobre la plataforma Windows y que
tiene un precio más accesible que los softwares anterior-
mente mencionados.
6. Smallworld, producido por General Electric (General
Electric, 2022) es un software comercial utilizado en apli-
caciones geográficas en telecomunicaciones, gas y recursos
hídricos.
7. Bentley Map (Bentley Systems, 2022) es un software comer-
cial que combina la tecnología CAD (diseño asistido por
computador) y los SIG (sistemas de información geográfi-
cos). El software puede representar mapas en 3D.
8. MapViewer y Surfer, producidos por la compañía Golden
Software (Golden Software, 2022), son softwares que imple-
mentan herramientas geoespaciales y, particularmente,
Surfer realiza óptimas representaciones en mapas en la
dirección XYZ.
9. Maptitude, producido por la compañía Caliper Corporation
(Caliper Corporation, 2022), es un software que se espe-
cializa en la representación de mapas estadísticos muy
estéticos y analiza patrones geográficos.
InterSedes, ISSN 2215-2458, Volumen 24, Número 50
Julio-Diciembre, 2023, pp.405-422 (Nota Técnica / X Simp. Inf. Emp.).
INTERSEDES |
408
Existen otros softwares comerciales para la representación
de mapas estadísticos cuyos precios son económicamente más
accesibles que los primeros: SuperGIS (Supergeo Technologies,
2022); IDRISI (Clark Laboratories, 2022); AutoCAD Map 3D
(Autodesk, 2022); Tatuk GIS (Tatuk GIS Development Team,
2022); MicroImages (TNTgis, 2022); MapMaker Pro (MapMaker,
2022); XMap (Delorme, 2022); MapRite (Envitia, 2022).
Además, los softwares libres tienen la característica de no reque-
rir pago por licencia para su uso y, en algunos casos, el código del
programa puede ser modificado (open source) y compartido de
forma gratuita por la comunidad de usuarios. Algunos ejemplos
de software libres para la representación de mapas estadísticos se
enumeran a continuación:
1. QGIS 3, (Quantum GIS, 2022) y
2. QGIS 2 (Quantum GIS), (Quantum GIS, 2022) son los
líderes de los softwares libres en la graficación de mapas
estadísticos, prácticamente realizan todas las funciones que
hace ArcGIS, el líder de los softwares comerciales.
3. GRASS GIS (GRASS Development Team, 2022) es un sof-
tware libre desarrollado por el Cuerpo de Ingenieros del
Ejército de los Estados Unidos como una herramienta para
el uso de manejo de tierras y planeación ambiental.
4. Whitebox GAT (Lindsay, 2022) es otro software libre uti-
lizado para la graficación de mapas estadísticos con un
énfasis particular en el tema de la hidrología.
5. gVSIG (Asociación gvSIG, 2022) es un software libre para
la graficación de mapas estadísticos, mejor opción des-
pués de QGIS. Debido a que gVGIS tiene una interfase y
herramientas de GPS, el software puede ser ejecutado en
dispositivos móviles.
6. ILWIS (University of Twente, 2022) es uno de los softwares
libres que originalmente fue de tipo comercial, creado por
la Universidad de Twente en los Países Bajos.
InterSedes, ISSN 2215-2458, Volumen 24, Número 50
Julio-Diciembre, 2023, pp. 405-422 (Nota Técnica / X Simp. Inf. Emp.).
BONILLA & MÉNDEZ |
Creación de mapas estadísticos en R
409
7. SAGA GIS (SAGA GIS Development Team, 2022) es uno
de los softwares clásicos en el mundo de la graficación
de mapas estadísticos. En sus orígenes se utilizó para en
análisis de suelos, manejo de cuencas y representación de
fenómenos ambientales.
8. GeoDa (Anselin, 2022) es un software libre muy popular en
el análisis de datos espaciales, su principal fortaleza es que
realiza exploración de datos estadísticos y ejecuta modelos
espaciales.
9. MapWindow (MapWindow Open Source Team, 2022) es
uno de los softwares más populares entre los usuarios de
mapas, debido a que realiza aproximadamente el 90% de
las necesidades de los usuarios. Este software es una de las
alternativas más populares entre los usuarios de software
libre que realizan mapas estadísticos.
Entre otros softwares libres para la representación de mapas
estadísticos pueden mencionarse: uDig (Refractions Research,
2022); OpenJump (Steiniger, Blake & Michaud, 2022); FalconView
(Georgia Tech Research Institute, 2022); OrbisGIS (CNRS France,
2022) y Diva GIS (Hijmans, 2022).
La principal fortaleza que presenta el software R y sus librerías
frente a los softwares comerciales y libres para graficar mapas esta-
dísticos es que R es un un entorno y lenguaje de programación con
un fuerte enfoque al análisis estadístico. Una debilidad consiste en
que R cuenta con una curva de aprendizaje mayor, debido a que,
a diferencia, de los softwares comerciales y libres, es un entorno y
lenguaje de programación.
Materiales y métodos
Fuente de datos: se utilizaron los datos del Índice de Desarrollo
Humano (IDH) para Costa Rica del año 2021, en el que el can-
tón es la unidad básica geográfica (82 cantones). Los datos fueron
desarrollados por la Escuela de Estadística de la Universidad de
InterSedes, ISSN 2215-2458, Volumen 24, Número 50
Julio-Diciembre, 2023, pp.405-422 (Nota Técnica / X Simp. Inf. Emp.).
INTERSEDES |
410
Costa Rica (UCR) y el Programa de las Naciones Unidas para el
Desarrollo (PNUD) (PNUD, 2022).
Análisis de datos: el software R 4.0.5 (R Core Team, 2021) y las
librerías ggplot2, ggspatial, sf, rgdal, plyr, ggrepel y readxl fueron
utilizados para mapear los datos del IDH por cantón. Los códigos
de los cantones y el IDH correspondientes se procesaron en una
hoja electrónica de Microsoft Excel y exportada al software R 4.0.5
(R Core Team, 2021). Los códigos de los cantones fueron obteni-
dos en el Instituto Geográfico Nacional y posteriormente la hoja
electrónica con los datos fue enlazada al archivo de mapa vectorial
en formato GeoJSON, para su graficación según los códigos de los
cantones.
Explicación de la rutina en R: se cargó la librería readxl, para
hacer lectura de la hoja electrónica Microsoft Excel con los datos
de los códigos de los cantones y el IDH (ver Tabla 1), para ello se
utiliza la instrucción read_excel.
library(readxl)
idh <- read_excel(“F:/CR_IDH_2021.xlsx”)
Posteriormente, se cargan en memoria las librerías rgdal, sf,
ggplot2 y ggspatial que permiten leer y manipular los archivos de
mapas vectoriales en formato GeoJSON. Se leyeron los mapas de
Costa Rica a nivel de cantones, a nivel de provincias, y los mapas
nacionales de Panamá y Nicaragua, países limítrofes con Costa
Rica, para realizar una composición en el mapa.
library(rgdal)
library(sf)
library(ggplot2)
library(ggspatial)
cantones <- st_read(“F:/CRI_adm2.geojson”
InterSedes, ISSN 2215-2458, Volumen 24, Número 50
Julio-Diciembre, 2023, pp. 405-422 (Nota Técnica / X Simp. Inf. Emp.).
BONILLA & MÉNDEZ |
Creación de mapas estadísticos en R
411
prov <- st_read(“F:/CRI_adm1.geojson”)
pa0 <- st_read(“F:/PAN_adm0.geojson”)
ni0 <- st_read(“F:/NIC_adm0.geojson”)
T
Í D H (IDH)
C R,
Provincia/ cantón IDH Provincia/ cantón IDH
COSTA RICA 0.80 GUANACASTE 0.78
SAN JOSÉ 0.82 Liberia 0.81
S José 0.83 Nicoya 0.80
Escazú 0.92 Sta Cruz 0.78
Desamparados 0.80 Bagaces 0.79
Puriscal 0.80 Carrillo 0.78
Tarrazú 0.74 Cañas 0.79
Aserrí 0.80 Abangares 0.79
Mora 0.85 Tilarán 0.83
Goicoechea 0.82 Nandayure 0.78
Sta Ana 0.94 La Cruz 0.71
Alajuelita 0.77 Hojancha 0.78
InterSedes, ISSN 2215-2458, Volumen 24, Número 50
Julio-Diciembre, 2023, pp.405-422 (Nota Técnica / X Simp. Inf. Emp.).
INTERSEDES |
412
Coronado 0.84 PUNTARENAS 0.78
Acosta 0.79 Puntarenas 0.80
Tibás 0.83 Esparza 0.83
Moravia 0.88 B Aires 0.72
M de Oca 0.92 M de Oro 0.81
Turrubares 0.73 Osa 0.77
Dota 0.71 Quepos 0.78
Curridabat 0.91 Golfito 0.76
P Zeledón 0.80 Coto Brus 0.75
León Cortés 0.73 Parrita 0.79
ALAJUELA 0.80 Corredores 0.75
Alajuela 0.83 Garabito 0.78
S Ramón 0.83 LIMÓN 0.75
Grecia 0.83 Limón 0.77
S Mateo 0.79 Pococí 0.78
Atenas 0.82 Siquirres 0.78
Naranjo 0.81 Talamanca 0.71
Palmares 0.81 Matina 0.69
Poás 0.81 Guácimo 0.75
InterSedes, ISSN 2215-2458, Volumen 24, Número 50
Julio-Diciembre, 2023, pp. 405-422 (Nota Técnica / X Simp. Inf. Emp.).
BONILLA & MÉNDEZ |
Creación de mapas estadísticos en R
413
Orotina 0.83 HEREDIA 0.86
S Carlos 0.81 Heredia 0.88
Zarcero 0.82 Barva 0.85
Sarchí 0.78 Sarapiquí 0.75
Upala 0.75 S Domingo 0.88
Los Chiles 0.71 S Bárbara 0.84
Guatuso 0.75 S Rafael 0.87
Río Cuarto 0.79 S Isidro 0.89
CARTAGO 0.82 Belén 0.92
Cartago 0.84 Flores 0.86
Paraíso 0.80 S Pablo 0.89
La Unión 0.88
Jiménez 0.76
Turrialba 0.80
Alvarado 0.81
Oreamuno 0.82
El Guarco 0.83
Se carga en memoria la librería plyr que permite enlazar la hoja
electrónica Microsoft Excel con los datos de los códigos de los
InterSedes, ISSN 2215-2458, Volumen 24, Número 50
Julio-Diciembre, 2023, pp.405-422 (Nota Técnica / X Simp. Inf. Emp.).
INTERSEDES |
414
cantones y el IDH con el archivo de mapas vectoriales a nivel de
cantones de Costa Rica en formato GeoJSON.
library(plyr)
mapa <- merge(x = cantones, y = idh, by = “PC”, all = TRUE)
A continuación, se carga en memoria la librería ggrepel que
permite generar etiquetas o puntos de referencia geocodifica-
dos dentro del mapa, como los nombres de los océanos (Océano
Pacífico y Mar Caribe) y los nombres de los países de Nicaragua y
Panamá en sus lugares geográficos correspondientes, para lograr
otra composición en el mapa.
library(ggrepel)
puntos <- c(“Océano Pacífico”, “Mar Caribe”, “NICARAGUA”,”PANAMÁ”)
coordenadas <- data.frame(long = c(-85,-82.5, -84.5, -82.75),
lat= c(9,10.5, 11.25, 9),
stringsAsFactors = F)
coordenadas$puntos <- puntos
Se usó la función png, para exportar el mapa resultante como un
gráfico de alta resolución en el formato gráfico PNG.
png(“IDH CR 2021.png”)
Finalmente, se generó el mapa con el siguiente conjunto de ins-
trucciones, que presenta los datos del IDH a nivel cantonal con una
paleta en tonos azulados (PuBu), un enrejado cuadriculado con
la latitud y la longitud, el título del mapa, una escala en kilóme-
tros, una flecha indicando el norte, el contorno de las provincias de
Costa Rica marcado en un color fuerte, los contornos de los países
InterSedes, ISSN 2215-2458, Volumen 24, Número 50
Julio-Diciembre, 2023, pp. 405-422 (Nota Técnica / X Simp. Inf. Emp.).
BONILLA & MÉNDEZ |
Creación de mapas estadísticos en R
415
de Nicaragua y Panamá de forma transparente, y la composición
con los puntos de referencia geocodificados.
ggplot(data = mapa) +
geom_sf(aes(ll=idh)) +
scale_ll_distiller(palette = “PuBu”, direction = 1) +
xlab(“Longitud”) + xlim(-86,-82.5) +
ylab(“Latitud”) + ylim(8,11.25) +
ggtitle(“Costa Rica. Indice de Desarrollo Humano (IDH)”,
subtitle = “por cantones, 2021”) +
annotation_scale() +
annotation_north_arrow(location=’tr’) +
geom_sf(data=prov, color = “black”, ll=”transparent”)+
geom_sf(data=pa0, color = “black”, ll=”transparent”)+
geom_text_repel(data = coordenadas, aes(long, lat, label =puntos))+
geom_sf(data=ni0, color = “black”, ll=”transparent”)
dev.o()
Resultados
La rutina en R construida con el uso de las librerías presenta-
das genera el mapa en el que se muestra el Índice de Desarrollo
Humano (IDH) por cantones para Costa Rica del año 2021 (ver
Figura 1). En el mapa generado, los cantones de Santa Ana (0.94),
InterSedes, ISSN 2215-2458, Volumen 24, Número 50
Julio-Diciembre, 2023, pp.405-422 (Nota Técnica / X Simp. Inf. Emp.).
INTERSEDES |
416
Escazú (0.92) y Belén (0.92), hacia el centro de Costa Rica, tienen
los valores de IDH más altos de todos y, en general, los cantones de
Heredia (centro-norte de Costa Rica) son los que poseen los valo-
res más altos en conjunto, ya que nueve de los diez cantones tienen
un IDH muy alto: Belén (0.92), San Pablo (0.89), San Isidro (0.89),
Santo Domingo (0.88), Heredia (0.88), San Rafael (0.87), Flores
(0.86), Barva (0.85) y Santa Bárbara (0.84). El cantón de Matina,
junto con el de Talamanca (Caribe de Costa Rica), en la provincia
de Limón, poseen los IDH más bajos de todo el país (0.69 y 0.71
respectivamente).
F
Í D H (IDH) . C R ,
Fuente: Elaboración propia con datos del IDH.
InterSedes, ISSN 2215-2458, Volumen 24, Número 50
Julio-Diciembre, 2023, pp. 405-422 (Nota Técnica / X Simp. Inf. Emp.).
BONILLA & MÉNDEZ |
Creación de mapas estadísticos en R
417
El mapa generado con R es un gráfico con muy alta resolu-
ción y este puede ser exportado en los formatos gráficos más
populares, por ejemplo, JPG, TIFF, PNG, BMP, siendo así R una
alternativa de software libre para generar mapas estadísticos de
alta resolución.
Discusión
Este artículo presentó una rutina para la graficación de un
mapa estadístico que muestra el Índice de Desarrollo Humano
Cantonal (IDH) para Costa Rica del año 2021 utilizando R y sus
diferentes librerías. Como se puede observar, el mapa generado
con R es un gráfico con una alta resolución y ofrece la posibi-
lidad de ser exportado a los formatos gráficos más populares,
siendo así R una alternativa de software libre para generar mapas
estadísticos de alta resolución (Avello Martínez & Seisdedo Losa,
2017; Lara, 2013; Velásquez et al. 2010; Oliden, 2009). La rutina
presentada en este artículo puede ser utilizada para la graficación
de mapas con otros indicadores a nivel cantonal para Costa Rica.
El presente estudio tiene una limitación: la rutina R presentada
requiere de archivos de mapas vectoriales en formato GeoJSON,
este es un formato diferente a los más utilizados de forma estándar
para la creación de mapas vectoriales, como los archivos SHAPE,
MID/MIF o KML, en el sentido que el formato GeoJSON no está
desarrollado y respaldado por una organización oficial, sino que
es mantenido por una comunidad de desarrolladores en Internet.
Eso hace que los mapas vectoriales en formato GeoJSON y la
información contenida deba de ser manejada en los formatos
originales, por ejemplo, SHAPE y posteriormente sean exporta-
dos al formato GeoJSON, antes de ejecutar la presente rutina.
Existen sitios gratuitos de internet en donde se puede realizar
dicha exportación, como Aspose.com (https://products.aspose.
app/gis/es/conversion/shapefile-to-geojson). Sin embargo, este
estudio presenta una rutina sistematizada en R y sus librerías
para generar mapas estadísticos de alta resolución.
InterSedes, ISSN 2215-2458, Volumen 24, Número 50
Julio-Diciembre, 2023, pp.405-422 (Nota Técnica / X Simp. Inf. Emp.).
INTERSEDES |
418
Conclusiones
Se presentó una rutina para la graficación de mapas estadísti-
cos, utilizando R y sus diferentes librerías. Se usó como ejemplo
el Índice de Desarrollo Humano Cantonal (IDH) para Costa Rica
para el año 2021.
Los mapas generados con R son gráficos de alta resolución que
pueden ser exportados en los formatos gráficos más populares.
R es una alternativa de software libre para generar mapas esta-
dísticos de alta resolución.
La rutina en R presentada en este artículo puede ser utilizada
para la graficación de mapas haciendo uso de otros indicadores a
nivel cantonal para Costa Rica.
Agradecimientos
Los autores agradecen a la Sede del Atlántico de la Universidad
de Costa Rica por el apoyo administrativo para la realización de
este trabajo y a la Escuela de Estadística de la Universidad de
Costa Rica (UCR) y el Programa de las Naciones Unidas para el
Desarrollo (PNUD) por suministrar la información base para la
redacción de este artículo.
Referencias
Aragón, L. G. (2016). Estadística en el área de las Ciencias Sociales
y Administrativas. Alfaomega.
Anselin, L. (2022). GeoDa (1.20) [Software]. https://geodacenter.
github.io
Asociación gvSIG (2022). gVSIG (2.5.1) [Software]. http://www.
gvsig.com
Autodesk (2022). AutoCAD Map 3D (2022) [Software]. http://
www.autodesk.com
Avello Martínez, R., & Seisdedo Losa, A. (2017). El procesamiento esta-
dístico con R en la investigación científica. Medisur 15(5), 583-586.
InterSedes, ISSN 2215-2458, Volumen 24, Número 50
Julio-Diciembre, 2023, pp. 405-422 (Nota Técnica / X Simp. Inf. Emp.).
BONILLA & MÉNDEZ |
Creación de mapas estadísticos en R
419
Barbosa, A. M., Bencatel, J., Matos, J., Sousa, L. G., & Álvares,
F. (2018). Mapas interactivos en software libre como herra-
mienta de investigación y divulgación en biogeografía.
Bosque mediterráneo y humedales 2(2), 982-983. https://dial-
net.unirioja.es/servlet/articulo?codigo=6515331
Bentley Systems (2022). Bentley Map (8.1) [Software]. https://
www.bentley.com
Blue Marble Geographic (2022). Global Mapper (21.0) [Software].
https://www.bluemarblegeo.com/global-mapper
Caliper Corporation (2022). Maptitude (2022) [Software].
https://www.caliper.com/maptovu.htm
Clark Laboratories (2022). IDRISI (19) [Software]. https://clar-
klabs.org
CNRS France (2022). OrbisGIS (5.1) [Software]. http://orbisgis.
org
Delorme (2022). Xmap (1.1.2) [Software]. https://www.environ-
mental-expert.com
Envitia (2022). MapRite (1.3.8) [Software]. https://www.envitia.
com
ESRI. (2022). ArcGIS (10.3.1) [Software]. http://www.esri.com
General Electric (2022). Smallworld (5.0) [Software]. https://
www.ge.com
Geobis International (2022). MapInfo Professional (16.0.4)
[Software]. http://www.geobis.com
Georgia Tech Research Institute (2022). FalconView (5.1)
[Software]. http://www.falconview.org
Golden Software (2022). MapViewer (8.1) [Software]. https://
www.goldensoftware.com
GRASS Development Team (2022). GRASS GIS (7.8) [Software].
https://grass.osgeo.org
Hexagon Geospatial (2022). Geomedia (16.5) [Software]. https://
www.hexagongeospatial.com
Maass S. & Valdez Pérez María Eugenia. (2003). Principios bá-
sicos de cartografía y cartografía automatizada. Universidad
Autónoma del Estado de México.
Hijmans, R. (2022). Diva GIS (7.5) [Software]. https://www.diva-
gis.org
InterSedes, ISSN 2215-2458, Volumen 24, Número 50
Julio-Diciembre, 2023, pp.405-422 (Nota Técnica / X Simp. Inf. Emp.).
INTERSEDES |
420
Lara, R. C. H. (2013). Herramientas de Software Libre para
Aplicaciones en Ciencias e Ingeniería. Revista Politécnica,
32. https://revistapolitecnica.epn.edu.ec/ojs2/index.php/
revista_politecnica2/article/view/30
Lindsay, J. (2022). Whitebox GAT (3.4.0) [Software]. https://mappin-
ggis.com
Manifold (2022). Manifold GIS (9.0) [Software]. https://manifold.net
MapMaker (2022). MapMaker Pro (5.0) [Software]. https://map-
maker.com
MapWindow Open Source Team (2022). MapWindow (4.8.8)
[Software]. https://www.mapwindow.org
Oliden, P. E. (2009). ¿Existe vida más allá del SPSS? Descubre R.
Psicothema, 21(4), 652-655. https://www.psicothema.com/
pdf/3686.pdf
Programa de las Naciones Unidas para el Desarrollo. (2021). Atlas de
desarrollo humano cantonal, 2021. 01-Abr-2022, de Programa
de las Naciones Unidas para el Desarrollo. Sitio web: https://
www.cr.undp.org/content/costarica/es/home/atlas-de-desarro-
llo-humano-cantonal.html
Quantum GIS (2022). QGIS 2 (2.8) [Software]. https://www.qgis.org
Quantum GIS (2022). QGIS 3 (3.28) [Software]. https://www.qgis.
org
R Core Team (2021). R: A language and environment for statistical
computing. R Foundation for Statistical Computing, Vienna,
Austria. https://www.R-project.org/
SAGA GIS Development Team (2022). SAGA GIS (7.2.0) [Software].
https://saga-gis.sourceforge.io
Refractions Research (2022). uDig (1.2.1) [Software]. http://udig.
refractions.net
Salas, C. (2008). ¿Por qué comprar un programa estadístico si existe
R?. Ecología austral, 18(2), 223-231. http://www.scielo.org.ar/
pdf/ecoaus/v18n2/v18n2a07.pdf
Schield, M. (2006). Statistical literacy survey analy-
sis: Reading graphs and tables of rates and
percentages. In Proceedings of the Sixth International
Conference on Teaching Statistics. https://citeseerx.ist.psu.edu/
viewdoc/download?doi=10.1.1.144.5687&rep=rep1&type=pdf
InterSedes, ISSN 2215-2458, Volumen 24, Número 50
Julio-Diciembre, 2023, pp. 405-422 (Nota Técnica / X Simp. Inf. Emp.).
BONILLA & MÉNDEZ |
Creación de mapas estadísticos en R
421
Steiniger, S; Blake L & M. Michaud (2022). OpenJump (2.1)
[Software]. http://www.openjump.org
Supergeo Technologies (2022). SuperGIS (3.1) [Software]. https://
www.supergeotek.com
Tatuk GIS Development Team (2022). Tatuk GIS (1.0) [Software].
https://www.tatukgis.com
TNTgis (2022). MicroImages (2.7.9) [Software]. https://www.
microimages.com
University of Twente, The Netherlands. (2022). ILWIS (3.3)
[Software]. https://www.itc.nl/ilwis
Velásquez, J. D., Montoya, O. L., & Castaño, N. (2010). ¿Es el
proyecto R para la computación estadística apropiado para
la inteligencia computacional?. Ingeniería y Competitividad,
12(2), 81-94. https://doi.org/10.25100/iyc.v12i2.2695
Wild, C. J., & Pfannkuch, M. (1999). Statistical thinking in empi-
rical enquiry. International statistical review, 67(3), 223-248.
https://doi.org/10.1111/j.1751-5823.1999.tb00442.x
ANEXO
Rutina para la graficación del Índice de Desarrollo Humano
Cantonal (IDH) para Costa Rica utilizando R y sus diferentes
librerías.
library(readxl)
idh <- read_excel(“F:/CR_IDH_2021.xlsx”)
library(rgdal)
library(sf)
library(ggplot2)
library(ggspatial)
cantones <- st_read(“F:/CRI_adm2.geojson”)
prov <- st_read(“F:/CRI_adm1.geojson”)
pa0 <- st_read(“F:/PAN_adm0.geojson”)
ni0 <- st_read(“F:/NIC_adm0.geojson”)
library(plyr)
mapa <- merge(x = cantones, y = idh, by = “PC”, all = TRUE)
InterSedes, ISSN 2215-2458, Volumen 24, Número 50
Julio-Diciembre, 2023, pp.405-422 (Nota Técnica / X Simp. Inf. Emp.).
INTERSEDES |
422
library(ggrepel)
puntos <- c(“Océano Pacíco”, “Mar Caribe”, “NICARAGUA”,”PANAMÁ”)
coordenadas <- data.frame(long = c(-85, -82.5, -84.5, -82.75),
lat= c(9,10.5, 11.25, 9),
stringsAsFactors = F)
coordenadas$puntos <- puntos
png(“IDH CR 2021.png”)
ggplot(data = mapa) +
geom_sf(aes(ll=idh)) +
scale_ll_distiller(palette = “PuBu”, direction = 1)+
xlab(“Longitud”) + xlim(-86,-82.5) +
ylab(“Latitud”) + ylim(8,11.25) +
ggtitle(“Costa Rica. Indice de Desarrollo Humano (IDH)”,
subtitle = “por cantones, 2021”) +
annotation_scale() +
annotation_north_arrow(location=’tr’) +
geom_sf(data=prov, color = “black”, ll=”transparent”)+
geom_sf(data=pa0, color = “black”, ll=”transparent”)+
geom_text_repel(data = coordenadas, aes(long, lat, label
=puntos))+
geom_sf(data=ni0, color = “black”, ll=”transparent”)
dev.o()
