---
title: "Nuestro informe chulo"
author: "Nosotros"
date: "2023-09-13"
format:
  html:
    theme: minty #- zephyr yeti vapor united superhero(ok) solar (ok) slate sketchy simplex sandstone quartz pulse morph minty materia lux journal darkly cyborg cerulean 
    toc: true
    toc-location: left
embed-resources: true
execute: 
  warning: false
  message: false
---


```{r}
#| echo: false
#| message: false

library(tidyverse)     #- install.packages("tidyverse")
library(ggthemes)      #- #install.packages("ggthemes")
library(jtools)        #- install.packages("jtools")
```

# Introducción

Estoy muy preocupado por el calentamiento global, así que quiero ver si realmente el volumen de CO2 está relacionado con la temperatura en la Tierra.

# Etapa 1: Cargar datos

Conseguí encontrar datos de $CO_{2}$ y temperatura en la web de la NASA, así que me descargue los datos.

```{r}
#emisiones <- rio::import("./datos/emisiones.xlsx") #- está en nuestro ordenador PERO no funciona con .qmd

emisiones <- rio::import(here::here("datos", "emisiones.xlsx")) #- está en nuestro ordenador

temperaturas <- rio::import("https://raw.githubusercontent.com/perezp44/archivos_download/master/df_temperaturas.csv")
```

# Etapa 2: Arreglar los datos

Arregle los datos un poquito. Tuve que transformar y renombrar alguna variable. Lo hice con el código de abajo:


```{r}
#- Etapa 2: arreglamos un poco los datos ------------------------------------
temperaturas <- temperaturas %>%
                mutate(celsius = (temp_1 - 32)* 5/9) #- creamos la v. "celsius" 

temperaturas <- temperaturas %>% 
                select(year, celsius)     #- seleccionamos lo q nos hace falta
```


Además tuve que juntar/fusionar los dos conjuntos de datos. Lo hice con el siguiente código:

```{r}
datos <- inner_join(emisiones, temperaturas)
```


# Etapa 3: análisis exploratorio

Lo primero que hice fueron unos gráficos con el paquete ggplot2. Por ejemplo:


```{r}
my_plot <- ggplot(datos, aes(CO2, celsius)) + 
  geom_point() + 
  geom_smooth(method = "lm") +
    labs(title = "Temperatura vs. CO2",
         subtitle = "1959-2018",
         caption = "https://go.nasa.gov/2r8ryH1",
         x = "Nivel de CO2")

my_plot
```



# Etapa 4: análisis de regresión

Planteé un modelo entre las variables Celsius y CO2 para cuantificar su relación:



```{r}
my_model <- lm(celsius ~ CO2, datos)
jtools::export_summs(my_model)
```




-----------------------------------------------------------

# Tareas adicionales

## Gráfico interactivo

Hay que a hacer el gráfico `my_plot` interactivo


```{r}
plotly::ggplotly(my_plot)
```

## Tabla interactiva

Tienes que hacerla con la función `datatable()` del paquete `DT`


```{r}
DT::datatable(datos)
```

Con esto damos por acabado el informe. Este es el **FÍN**


