Generación de Reportes con R y Docker

Un Taller Completo: De la Plantilla R Markdown a la Ejecución en un Contenedor.

El Taller Definitivo de Reportes

En esta lección integraremos todo lo aprendido. Nuestro objetivo es implementar la funcionalidad de generación de reportes parametrizados en PDF. Pero lo haremos de la forma profesional, usando Docker para crear un entorno que garantice que el reporte se pueda generar siempre, sin importar la máquina donde se ejecute.

Este taller te guiará a través de todo el proceso: primero construiremos los componentes en R (la plantilla y la lógica de Shiny) y luego crearemos el entorno de Docker para desplegar nuestra solución.

Parte 1: Construyendo los Componentes en R

Antes de pensar en Docker, necesitamos tener el código de R que genera el reporte.

Paso 1: La Plantilla `reporte.Rmd` (para PDF)

Este es el "molde" de nuestro reporte. En la raíz de tu proyecto, crea un archivo llamado `reporte.Rmd`. Su encabezado YAML define los `params` que recibirá desde la aplicación Shiny y, crucialmente, el formato de salida `pdf_document`.

---
title: "Reporte Sencillo de Resultados ICFES"
output: pdf_document
params:
naturaleza_filtro: "OFICIAL"
variable_x: "punt_matematicas"
variable_y: "punt_lectura_critica"
datos_reporte: NULL
---

```{r setup, include=FALSE}
# Opciones globales del chunk
knitr::opts_chunk$set(echo = FALSE, warning = FALSE, message = FALSE)

# Librerías mínimas necesarias para el reporte
library(ggplot2)
library(dplyr)
```

## Análisis para Colegios de Naturaleza: `r params$naturaleza_filtro`

Este reporte muestra el análisis de los puntajes para los colegios de tipo **`r params$naturaleza_filtro`**.
El conjunto de datos contiene **`r nrow(params$datos_reporte)`** registros.

### Gráfico de Dispersión

```{r analysis-plot}
# Se crea el gráfico usando el dataframe y las variables pasadas desde Shiny.
# Se usa .data[[...]] para una evaluación segura de las variables.
ggplot(params$datos_reporte, aes(x = .data[[params$variable_x]], y = .data[[params$variable_y]])) +
geom_point(alpha = 0.6, color = "steelblue") +
labs(
    title = paste("Relación entre", params$variable_x, "y", params$variable_y),
    x = params$variable_x,
    y = params$variable_y
) +
theme_light()
```

### Resumen Estadístico

A continuación se presenta un resumen de los principales puntajes.

```{r summary-table}
# Usamos print(summary()) para una salida de texto simple que no depende de LaTeX.
# Esta es la forma más robusta de mostrar un resumen sin añadir dependencias.
params$datos_reporte %>%
select(starts_with("punt_")) %>%
summary() %>%
print()
```

Paso 2: La Aplicación `app_reportes.R`

Ahora creamos la aplicación Shiny que servirá de interfaz. Esta app contendrá los filtros y la lógica para llamar a la plantilla Rmd. Fíjate cómo el `downloadHandler` está configurado para generar un archivo `.pdf`.


# ==============================================================================
# APP_REPORTES.R - APLICACIÓN DEDICADA A LA GENERACIÓN DE REPORTES
# Versión Corregida:
# 1. Pasa el dataframe filtrado como parámetro al Rmd para evitar errores de ruta.
# 2. Usa .data[[...]] en ggplot() para evitar la advertencia de 'aes_string()'.
# 3. Mejora el manejo de notificaciones y errores.
# ==============================================================================

# --- Carga de Librerías ---
library(shiny)
library(bslib)
library(readr)
library(dplyr)
library(rmarkdown)
library(ggplot2)

# --- Carga y Procesamiento de Datos ---
# Los datos se cargan UNA SOLA VEZ al iniciar la app.
datos_saber <- read_delim("data/raw/Examen_Saber_11_20242.txt", delim = ";", show_col_types = FALSE) %>%
na.omit()

# --- Interfaz de Usuario (UI) ---
# (La UI no necesita cambios, se mantiene idéntica)
ui <- fluidPage(
theme = bs_theme(bootswatch = "darkly"),
titlePanel("Generador de Reportes ICFES"),
sidebarLayout(
    sidebarPanel(
    h3("Parámetros del Reporte"),
    p("Selecciona los filtros para generar tu reporte personalizado."),
    selectInput("naturaleza_select", "Naturaleza del Colegio:",
                choices = c("OFICIAL", "NO OFICIAL"), selected = "OFICIAL"),
    selectInput("var_x", "Seleccione la Variable del Eje X:",
                choices = names(datos_saber |> select(starts_with("punt_"))), selected = "punt_matematicas"),
    selectInput("var_y", "Seleccione la Variable del Eje Y:",
                choices = names(datos_saber |> select(starts_with("punt_"))), selected = "punt_lectura_critica"),
    hr(),
    downloadButton("descargar_reporte", "Generar y Descargar Reporte (PDF)", icon = icon("file-pdf"), class = "btn-primary btn-lg")
    ),
    mainPanel(
    h3("Bienvenido al Generador de Reportes"),
    p("Usa los controles del panel izquierdo para configurar el contenido de tu reporte. Una vez que hayas hecho tus selecciones, haz clic en el botón 'Generar y Descargar'."),
    p("El sistema tomará tus selecciones, las pasará a una plantilla de R Markdown y compilará un documento PDF listo para ser compartido."),
    h4("Vista Previa del Gráfico del Reporte"),
    plotOutput("preview_plot")
    )
)
)

# --- Lógica del Servidor (SERVER) ---
server <- function(input, output, session) {

datos_filtrados_preview <- reactive({
    req(input$naturaleza_select)
    filter(datos_saber, cole_naturaleza == input$naturaleza_select)
})

output$preview_plot <- renderPlot({
    # Advertencia solucionada: cambiamos aes_string() por aes() con .data
    ggplot(datos_filtrados_preview(), aes(x = .data[[input$var_x]], y = .data[[input$var_y]])) +
    geom_point(aes(color = cole_naturaleza), alpha = 0.6) +
    labs(title = paste("Vista Previa: Relación entre", input$var_x, "y", input$var_y),
        x = input$var_x, y = input$var_y, color = "Naturaleza") +
    theme_minimal()
}, res = 96)

output$descargar_reporte <- downloadHandler(
    filename = function() {
    paste0("reporte-icfes-", Sys.Date(), "-", input$naturaleza_select, ".pdf")
    },
    content = function(file) {
    # Usamos tryCatch para manejar errores de forma elegante
    tryCatch({
        # Mejora: La notificación persiste hasta que termina el proceso
        id <- showNotification("Generando reporte en PDF...", duration = NULL, closeButton = FALSE)
        on.exit(removeNotification(id), add = TRUE)

        # 1. Filtramos los datos DENTRO de la app.
        datos_para_el_reporte <- datos_saber %>%
        filter(cole_naturaleza == input$naturaleza_select)

        # 2. Creamos la lista de parámetros, incluyendo el NUEVO dataframe.
        params_list <- list(
        naturaleza_filtro = input$naturaleza_select,
        variable_x = input$var_x,
        variable_y = input$var_y,
        datos_reporte = datos_para_el_reporte
        )

        # Copiamos el reporte a un directorio temporal para evitar problemas de permisos/rutas
        tempReport <- file.path(tempdir(), "reporte.Rmd")
        file.copy("reporte.Rmd", tempReport, overwrite = TRUE)

        # Renderizamos el Rmd a PDF
        rmarkdown::render(
        tempReport,
        output_file = file,
        params = params_list,
        envir = new.env(parent = globalenv())
        )
    }, error = function(e) {
        # Si ocurre un error, muéstralo en una notificación clara
        showNotification(paste("Error al generar el reporte:", e$message), duration = NULL, type = "error")
        # Devolvemos NULL para que no intente descargar un archivo fallido
        return(NULL)
    })
    }
)
}

# --- Ejecución ---
shinyApp(ui, server)

Parte 2: Creando el Entorno con Docker

Ahora que tenemos el código de R, lo "empaquetaremos" en un contenedor. Aquí es donde resolvemos el problema de las dependencias de `pandoc` y `LaTeX` de una vez por todas.

Paso 3: El `Dockerfile` con Dependencias para PDF

Este archivo le dice a Docker cómo construir el entorno. La parte más importante es la sección `RUN apt-get install`, donde instalamos explícitamente `pandoc` y una distribución de `LaTeX` (`texlive`).

# ==============================================================================
# DOCKERFILE PARA LA APLICACIÓN SHINY ICFES
# Objetivo: Crear un entorno reproducible y aislado para ejecutar la aplicación.
# Cambio clave: Se añade 'texlive-latex-recommended' para soportar tablas
#               complejas en los reportes PDF generados con R Markdown.
# ==============================================================================

# Usamos una imagen base oficial de R mantenida por el proyecto Rocker.
# Se especifica una versión concreta (4.4.1) para asegurar la reproducibilidad.
FROM rocker/r-ver:4.4.1

# 1. Instalar dependencias del sistema operativo (APT)
#    - pandoc: Necesario para R Markdown.
#    - texlive-*: Dependencias de LaTeX para generar PDFs.
#      'texlive-latex-recommended' es la adición clave que incluye el paquete
#      'booktabs' necesario para las tablas con kable().
#    - lib*: Librerías de desarrollo para compilar paquetes de R.
RUN apt-get update && apt-get install -y \
    pandoc \
    libcurl4-openssl-dev \
    libssl-dev \
    libxml2-dev \
    libpng-dev \
    libjpeg-dev \
    texlive-latex-base \
    texlive-latex-recommended \
    texlive-fonts-recommended \
    texlive-fonts-extra \
    texlive-latex-extra \
    && rm -rf /var/lib/apt/lists/*

# 2. Establecer un directorio de trabajo limpio dentro del contenedor.
#    Todos los comandos siguientes se ejecutarán desde /app.
WORKDIR /app

# 3. Copiar TODO el proyecto al directorio de trabajo del contenedor.
#    Esto incluye app.R, reporte.Rmd, renv.lock, .Rprofile y la carpeta de datos.
COPY . .

# 4. Instalar 'renv' y restaurar las dependencias del proyecto.
#    'renv::restore()' leerá el archivo 'renv.lock' y instalará las versiones
#    exactas de los paquetes de R, garantizando la reproducibilidad.
RUN R -e "install.packages('renv')"
RUN R -e "renv::restore()"

# 5. Exponer el puerto que Shiny usará.
#    Esto informa a Docker que el contenedor escuchará en el puerto 3838,
#    pero no lo publica automáticamente. Se debe usar 'docker run -p'.
EXPOSE 3838

# 6. Comando para ejecutar la aplicación al iniciar el contenedor.
#    - host = '0.0.0.0' permite que la app sea accesible desde fuera del contenedor.
#    - port = 3838 coincide con el puerto expuesto.
CMD ["R", "-e", "shiny::runApp('app_reportes.R', host = '0.0.0.0', port = 3838)"]

Paso 4: Construir y Ejecutar

Con el `Dockerfile` en la raíz de tu proyecto, abre una terminal y ejecuta los siguientes comandos.

1. Construir la Imagen (puede tardar por LaTeX):

docker build -t shiny-icfes-app .

2. Ejecutar el Contenedor:

docker run --rm -p 3838:3838 --name mi-app-shiny shiny-icfes-app

¡Listo! Abre tu navegador en http://localhost:3838. La aplicación se ejecutará y el botón de "Generar Reporte" funcionará a la perfección, generando un PDF sin errores.

El Ciclo Completo

Ahora que tenemos un entorno robusto que garantiza la generación de reportes, podemos añadir con confianza las funcionalidades de descarga directa de otros artefactos.

Lección 7.1: Docker Siguiente: Descargas Directas