16/12/25
El gráfico muestra la evolución del número de abortos en distintos países europeos entre 1990 y 2017. En la parte superior del gráfico aparecen, para cada año, los países con mayor número de abortos, mientras que en la parte inferior se representan aquellos con las cifras más bajas. Además, se incluye la evolución de España y de Italia.
global_abort_europa <- global_abortion %>%
select(country, yearstart, numberofabortions, region) %>%
filter(region == "Europe and Northern America") %>%
filter(!(country %in% c("Canada", "Ukraine", "United States of America",
"Russian Federation", "Romania"))) %>%
filter(!is.na(numberofabortions))
p1 <- ggplot() +
geom_line(data = global_abort_europa %>% group_by(yearstart) %>% slice_max(numberofabortions),
aes(yearstart, numberofabortions), color = "black") +
geom_line(data = global_abort_europa %>% group_by(yearstart) %>% slice_min(numberofabortions),
aes(yearstart, numberofabortions), color = "black") +
geom_line(data = global_abort_europa%>% filter(country %in% c("Spain", "Italy")),
aes(x = yearstart, y = numberofabortions, color = country)) +
labs(
title = "Abortos en Europa entre 1990 y 2017",
x = "Año",
y= "Abortos") +
theme_minimal()
p2 <- p1 +
geom_label(data = global_abort_europa %>% group_by(yearstart) %>% slice_max(numberofabortions) %>%
filter(yearstart == max(yearstart)), aes(yearstart, numberofabortions, label = country),
show.legend = FALSE, size = 3) +
geom_label(data = global_abort_europa %>% group_by(yearstart) %>% slice_min(numberofabortions) %>%
filter(yearstart == max(yearstart)), aes(yearstart, numberofabortions, label = country),
show.legend = FALSE, size = 3)
mapa_ccaa <- gisco_get_nuts(
country = "ES",
nuts_level = "2",
resolution = "3"
)
datos_2024_completo <- datos_long %>%
filter(Year == 2024, Comunidad != "Total") %>%
mutate(
CCAA_Limpia = case_when(
Comunidad == "Asturias, Principado de" ~ "Principado de Asturias",
Comunidad == "Baleares, Illes" ~ "Illes Balears",
Comunidad == "C. Valenciana" ~ "Comunidad Valenciana",
Comunidad == "Madrid, Comunidad de" ~ "Comunidad de Madrid",
Comunidad == "Murcia, Región de" ~ "Región de Murcia",
Comunidad == "Navarra, Comunidad Foral de" ~ "Comunidad Foral de Navarra",
Comunidad == "Castilla - La Mancha" ~ "Castilla-La Mancha",
Comunidad == "Ceuta y Melilla, Ciudades Autónomas" ~ "Ciudad Autónoma de Ceuta",
TRUE ~ Comunidad
),
Tasa = trimws(Tasa),
Tasa = str_replace(Tasa, ",", "."),
Tasa = as.numeric(Tasa))
datos_2024_completo <- bind_rows(
datos_2024_completo,
datos_2024_completo %>%
filter(CCAA_Limpia == "Ciudad Autónoma de Ceuta") %>%
mutate(CCAA_Limpia = "Ciudad Autónoma de Melilla"))
datos_2024_completo <- datos_2024_completo %>%
mutate(Categoria = cut(
Tasa,
breaks = c(-Inf, 9.0, 13.0, Inf),
labels = c("Baja (Gris)", "Media (Violeta Claro)", "Alta (Violeta)"),
right = FALSE))
mapa_final <- mapa_ccaa %>%
mutate(
CCAA_Limpia = case_when(
NAME_LATN %in% c("Ceuta", "Melilla") ~ "Ceuta y Melilla",
TRUE ~ NAME_LATN
)
) %>%
left_join(datos_2024_completo, by = "CCAA_Limpia")
paleta_colores <- c(
"Baja (Gris)" = "lightgrey",
"Media (Violeta Claro)" = "#E6E6FA",
"Alta (Violeta)" = "plum"
)
mapa_coropleta <- ggplot(mapa_final) +
geom_sf(
aes(fill = Categoria),
color = "grey60",
linewidth = 0.2
) +
scale_fill_manual(
values = paleta_colores,
name = "Tasa de Abortos (por 1.000) - 2024"
) +
geom_sf_text(
aes(label = CCAA_Limpia),
size = 2,
fontface = "bold",
check_overlap = TRUE
) +
labs(
title = "Tasa de Abortos por CCAA (2024)",
caption = "Clasificación: Baja < 9.0, Media < 13.0, Alta ≥ 13.0",
fill = "Categoría de Tasa"
) +
theme_minimal() +
theme(
axis.text = element_blank(),
axis.title = element_blank(),
panel.grid = element_blank(),
legend.position = "left",
legend.title = element_text(face = "bold.italic"),
legend.text = element_text(size = 12),
plot.title = element_text(hjust = 0.5, face = "bold.italic", size = 16))