Es posible mejorar o mejor dicho, agregar nuevos temas dentro de RStudio, distinto a los que vienen por defecto cuando instalamos R, así como también, podemos agregar nuevas fonts (tipo de letra) para ver mejor el texto en los códigos, tipo hacker inclusive. Estos heredados de otras IDE, como lo es VisualStudioCode.

En este caso debemos instalar primero la librería remotes en R y luego instalar rsthemes.

install.packages('devtools')
library(devtools)
devtools::install_github("gadenbuie/rsthemes")
library(rsthemes)
rsthemes::install_rsthemes()
rsthemes::install_rsthemes(include_base16 = TRUE)

Aquí te dejo un vídeo tutorial en mi canal de YouTube para que puedas visualizar un poco mejor cómo hacer el cambio en el tema de R.

Para pasar de esto:

A esto:

Este es solo un ejemplo, pero hay gran cantidad de temas que los puedes explorar una vez los hayas instalado.

El enlace donde están los pasos y el código para la instalación de Rstudio: https://github.com/gadenbuie/rsthemes

Página web para descargar las fonts (tipos de letra): https://www.nerdfonts.com/

Sí requieres ayuda / asesoría personalizada, me puedes contactar vía whatsapp:

En este tutorial realizamos un dashboard, que es básicamente un visor iteractivo de datos, en este caso espaciales referentes a los municipios ZOMAC y PEDET, son los municipios que más han sido afectados por el conflicto armado en Colombia, producto del surgimiento y accisón de grupos al margen de la ley, tales como las FARC – EP y el ELN.

Esta temática aquí presentada hace parte del trabajo de tesis de maestría en Ciencias de la Información Geográfica de la Universidad de Salzburgo en Austria (parte del programa de UNIGIS).

Aquí un screen de lo que realizamos en el vídeo tutorial

Si deseas replicar este ejercicio, puedes descargar tanto los datos como el código de mi respositorio en GitHub.

Código: https://github.com/fabiolexcastro/tutorials_youtube/blob/master/flexdashboardMaps/data/flexhdashboard.Rmd

Datos: https://github.com/fabiolexcastro/tutorials_youtube/tree/master/flexdashboardMaps/data

En el caso que tengas alguna duda o pregunta al respecto me puedes escribir a mi whatsapp:

El presente es un tutorial para la realización de un mapa de población con R, esta vez haremos uso de leaflet para realizar el mapa iteractivo, esto nos permite visualizar la cantidad de habitantes cuando nos paramos sobre cada uno de los municipios.

Hacemos uso de datos del DANE de población para el año 2017, así como también los datos de municipios del IGAC (OT).

En este tutorial, tenemos dos datos:

1. Tabla de cantidad de habitantes a nivel municipal para el año 2017
2. Shapefile de municipios según la base de datos del IGAC

Estos dos archivos se unen mediante el comando inner_join, siendo esto lo trabajado en el código 01, ya en el código 02 se realiza el mapa y la customización del mismo.

Si quieres descargar los datos y replicar el ejercicio, puedes visitar mi reposititorio en GitHub. Clic aquí.

Vale la pena mencionar que es posible publicar este mapa en GitHub, para ello, tengo un vídeo tutorial en YouTube el cual puedes visitar en este enlace.

El presente tutorial ilustra el cómo descargar información de cambio climático según el sexto informe de cambio climático del IPCC, conocido como CMIP6.

Estos datos son archivos espaciales tipo raster de variables como precipitación, temperatura máxima y temperatura mínima, vienen a resolución espacial de aproximadamente 55 km, y una resolución temporal diaria. Es posible descargar estos archivos de forma manual, visitando el sitio web de CORDEX.

Dar clic en la imagen para visitar el sitio web.

Ahora bien, con el apoyo de R y de un par de librerías, es posible hacer la descarga automatizada de estos datos, tanto los históricos, como los futuros para los distintos SSP, tales como:

• SSP 126
• SSP 245
• SSP 370
• SSP 585

Recordemos que estos son distintos modelos que se basan en el comportamiento del hombre en temas socioeconómicos de cara al futuro (sobre el tema). En la siguiente figura se ilustran los distintos cambios de CO2 según los SSPs.

Siguiendo con el tutorial, ya he publicado un vídeo en YouTube donde se explica cómo descargar la información con la ayuda de R, decir además que estos datos se descargar a resolución apróximada de 55 km2, está información es posible procesarla para mejorar la resolución espacial a 5 km o 1 km de ser necesario.

Para replicar el ejercicio, puedes visitar mi repositorio de GitHub.