class: title-slide, inverse, middle, right background-image: url(https://images.unsplash.com/photo-1564939558297-fc396f18e5c7?ixid=MXwxMjA3fDB8MHxwaG90by1wYWdlfHx8fGVufDB8fHw%3D&ixlib=rb-1.2.1&auto=format&fit=crop&w=1351&q=80) background-size: cover ### Operaciones en R # ## **Miriam Lerma**<br> Febrero 2021 --- ## 1. Intro - Operaciones sencillas. - Ejercicios usando operaciones. - Datos ordenados. - Ejercicios con funciones de tidyverse. -- ### Ustedes - Conocimientos básicos de R (saben abrirlo, cargar paquetes y datos) - Quieren hacer algunas operaciones matemáticas usando R. - Quieren tener un dataframe que les sirva para hacer análisis y gráficos. --- class: inverse ## Créditos -Material basado en el libro: [<svg aria-hidden="true" role="img" viewBox="0 0 576 512" style="height:1em;width:1.12em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:#f2cc8f;overflow:visible;position:relative;"><path d="M542.22 32.05c-54.8 3.11-163.72 14.43-230.96 55.59-4.64 2.84-7.27 7.89-7.27 13.17v363.87c0 11.55 12.63 18.85 23.28 13.49 69.18-34.82 169.23-44.32 218.7-46.92 16.89-.89 30.02-14.43 30.02-30.66V62.75c.01-17.71-15.35-31.74-33.77-30.7zM264.73 87.64C197.5 46.48 88.58 35.17 33.78 32.05 15.36 31.01 0 45.04 0 62.75V400.6c0 16.24 13.13 29.78 30.02 30.66 49.49 2.6 149.59 12.11 218.77 46.95 10.62 5.35 23.21-1.94 23.21-13.46V100.63c0-5.29-2.62-10.14-7.27-12.99z"/></svg> R4DS, editado por Riva Quiroga](https://r4ds-en-espaniol.netlify.app/) -Y materiales de RLadies [<svg aria-hidden="true" role="img" viewBox="0 0 480 512" style="height:1em;width:0.94em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:#f2cc8f;overflow:visible;position:relative;"><path d="M186.1 328.7c0 20.9-10.9 55.1-36.7 55.1s-36.7-34.2-36.7-55.1 10.9-55.1 36.7-55.1 36.7 34.2 36.7 55.1zM480 278.2c0 31.9-3.2 65.7-17.5 95-37.9 76.6-142.1 74.8-216.7 74.8-75.8 0-186.2 2.7-225.6-74.8-14.6-29-20.2-63.1-20.2-95 0-41.9 13.9-81.5 41.5-113.6-5.2-15.8-7.7-32.4-7.7-48.8 0-21.5 4.9-32.3 14.6-51.8 45.3 0 74.3 9 108.8 36 29-6.9 58.8-10 88.7-10 27 0 54.2 2.9 80.4 9.2 34-26.7 63-35.2 107.8-35.2 9.8 19.5 14.6 30.3 14.6 51.8 0 16.4-2.6 32.7-7.7 48.2 27.5 32.4 39 72.3 39 114.2zm-64.3 50.5c0-43.9-26.7-82.6-73.5-82.6-18.9 0-37 3.4-56 6-14.9 2.3-29.8 3.2-45.1 3.2-15.2 0-30.1-.9-45.1-3.2-18.7-2.6-37-6-56-6-46.8 0-73.5 38.7-73.5 82.6 0 87.8 80.4 101.3 150.4 101.3h48.2c70.3 0 150.6-13.4 150.6-101.3zm-82.6-55.1c-25.8 0-36.7 34.2-36.7 55.1s10.9 55.1 36.7 55.1 36.7-34.2 36.7-55.1-10.9-55.1-36.7-55.1z"/></svg> Zero to Hero](https://github.com/rladies/meetup-presentations_freiburg) -Presentaciones de tidyverse: [<svg aria-hidden="true" role="img" viewBox="0 0 480 512" style="height:1em;width:0.94em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:#f2cc8f;overflow:visible;position:relative;"><path d="M186.1 328.7c0 20.9-10.9 55.1-36.7 55.1s-36.7-34.2-36.7-55.1 10.9-55.1 36.7-55.1 36.7 34.2 36.7 55.1zM480 278.2c0 31.9-3.2 65.7-17.5 95-37.9 76.6-142.1 74.8-216.7 74.8-75.8 0-186.2 2.7-225.6-74.8-14.6-29-20.2-63.1-20.2-95 0-41.9 13.9-81.5 41.5-113.6-5.2-15.8-7.7-32.4-7.7-48.8 0-21.5 4.9-32.3 14.6-51.8 45.3 0 74.3 9 108.8 36 29-6.9 58.8-10 88.7-10 27 0 54.2 2.9 80.4 9.2 34-26.7 63-35.2 107.8-35.2 9.8 19.5 14.6 30.3 14.6 51.8 0 16.4-2.6 32.7-7.7 48.2 27.5 32.4 39 72.3 39 114.2zm-64.3 50.5c0-43.9-26.7-82.6-73.5-82.6-18.9 0-37 3.4-56 6-14.9 2.3-29.8 3.2-45.1 3.2-15.2 0-30.1-.9-45.1-3.2-18.7-2.6-37-6-56-6-46.8 0-73.5 38.7-73.5 82.6 0 87.8 80.4 101.3 150.4 101.3h48.2c70.3 0 150.6-13.4 150.6-101.3zm-82.6-55.1c-25.8 0-36.7 34.2-36.7 55.1s10.9 55.1 36.7 55.1 36.7-34.2 36.7-55.1-10.9-55.1-36.7-55.1z"/></svg> María Paula Caldas](https://mpaulacaldas.github.io/rrrtidyverse/) [<svg aria-hidden="true" role="img" viewBox="0 0 576 512" style="height:1em;width:1.12em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:#f2cc8f;overflow:visible;position:relative;"><path d="M549.655 124.083c-6.281-23.65-24.787-42.276-48.284-48.597C458.781 64 288 64 288 64S117.22 64 74.629 75.486c-23.497 6.322-42.003 24.947-48.284 48.597-11.412 42.867-11.412 132.305-11.412 132.305s0 89.438 11.412 132.305c6.281 23.65 24.787 41.5 48.284 47.821C117.22 448 288 448 288 448s170.78 0 213.371-11.486c23.497-6.321 42.003-24.171 48.284-47.821 11.412-42.867 11.412-132.305 11.412-132.305s0-89.438-11.412-132.305zm-317.51 213.508V175.185l142.739 81.205-142.739 81.201z"/></svg> RLadiesBuenosAires](https://www.youtube.com/watch?v=ycudMihLues&t=3605s) -Imágenes adicionales: [<svg aria-hidden="true" role="img" viewBox="0 0 512 512" style="height:1em;width:1em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:#f2cc8f;overflow:visible;position:relative;"><path d="M48 32C21.5 32 0 53.5 0 80v352c0 26.5 21.5 48 48 48h416c26.5 0 48-21.5 48-48V80c0-26.5-21.5-48-48-48H48zm0 32h106c3.3 0 6 2.7 6 6v20c0 3.3-2.7 6-6 6H38c-3.3 0-6-2.7-6-6V80c0-8.8 7.2-16 16-16zm426 96H38c-3.3 0-6-2.7-6-6v-36c0-3.3 2.7-6 6-6h138l30.2-45.3c1.1-1.7 3-2.7 5-2.7H464c8.8 0 16 7.2 16 16v74c0 3.3-2.7 6-6 6zM256 424c-66.2 0-120-53.8-120-120s53.8-120 120-120 120 53.8 120 120-53.8 120-120 120zm0-208c-48.5 0-88 39.5-88 88s39.5 88 88 88 88-39.5 88-88-39.5-88-88-88zm-48 104c-8.8 0-16-7.2-16-16 0-35.3 28.7-64 64-64 8.8 0 16 7.2 16 16s-7.2 16-16 16c-17.6 0-32 14.4-32 32 0 8.8-7.2 16-16 16z"/></svg> Unsplash](https://unsplash.com/) [<svg aria-hidden="true" role="img" viewBox="0 0 512 512" style="height:1em;width:1em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:#f2cc8f;overflow:visible;position:relative;"><path d="M48 32C21.5 32 0 53.5 0 80v352c0 26.5 21.5 48 48 48h416c26.5 0 48-21.5 48-48V80c0-26.5-21.5-48-48-48H48zm0 32h106c3.3 0 6 2.7 6 6v20c0 3.3-2.7 6-6 6H38c-3.3 0-6-2.7-6-6V80c0-8.8 7.2-16 16-16zm426 96H38c-3.3 0-6-2.7-6-6v-36c0-3.3 2.7-6 6-6h138l30.2-45.3c1.1-1.7 3-2.7 5-2.7H464c8.8 0 16 7.2 16 16v74c0 3.3-2.7 6-6 6zM256 424c-66.2 0-120-53.8-120-120s53.8-120 120-120 120 53.8 120 120-53.8 120-120 120zm0-208c-48.5 0-88 39.5-88 88s39.5 88 88 88 88-39.5 88-88-39.5-88-88-88zm-48 104c-8.8 0-16-7.2-16-16 0-35.3 28.7-64 64-64 8.8 0 16 7.2 16 16s-7.2 16-16 16c-17.6 0-32 14.4-32 32 0 8.8-7.2 16-16 16z"/></svg> Portada por StellrWeb](https://unsplash.com/) <br> [<svg aria-hidden="true" role="img" viewBox="0 0 512 512" style="height:1em;width:1em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:#f2cc8f;overflow:visible;position:relative;"><path d="M48 32C21.5 32 0 53.5 0 80v352c0 26.5 21.5 48 48 48h416c26.5 0 48-21.5 48-48V80c0-26.5-21.5-48-48-48H48zm0 32h106c3.3 0 6 2.7 6 6v20c0 3.3-2.7 6-6 6H38c-3.3 0-6-2.7-6-6V80c0-8.8 7.2-16 16-16zm426 96H38c-3.3 0-6-2.7-6-6v-36c0-3.3 2.7-6 6-6h138l30.2-45.3c1.1-1.7 3-2.7 5-2.7H464c8.8 0 16 7.2 16 16v74c0 3.3-2.7 6-6 6zM256 424c-66.2 0-120-53.8-120-120s53.8-120 120-120 120 53.8 120 120-53.8 120-120 120zm0-208c-48.5 0-88 39.5-88 88s39.5 88 88 88 88-39.5 88-88-39.5-88-88-88zm-48 104c-8.8 0-16-7.2-16-16 0-35.3 28.7-64 64-64 8.8 0 16 7.2 16 16s-7.2 16-16 16c-17.6 0-32 14.4-32 32 0 8.8-7.2 16-16 16z"/></svg> Allison Horst](https://github.com/allisonhorst/palmerpenguins) --- ## 1. CRAN Los datos de pinguinos solo están en github, aun no en CRAN ```r install.packages(remotes) remotes::install_github("cienciadedatos/datos") ``` Les va a aparecer: Downloading GitHub repo cienciadedatos/datos@HEAD Enter one or more numbers, or an empty line to skip updates: Pueden darle 1 si quieren, pero tarda un poquito. --- ## 1. CRAN Carguen los datos de pinguinos 🐧, los vamos a usar mas adelante. ```r library(datos) ``` ``` ## Warning: package 'datos' was built under R version 4.2.3 ``` ```r Pingus<-datos::pinguinos ``` Otra opción es usar read_csv desde su computadora. --- ## 1. CRAN **[CRAN](https://cran.r-project.org/)** es un acrónimo de **C**omprehensive **R** **A**rchive **N**etwork. - CRAN tiene hasta Noviembre de 2020, 16mil paquetes. - Cualquiera puede crear su paquete y someterlo a CRAN. - Cada paquete pasa por varias pruebas, y si pasa todas las pruebas queda disponible en el Archive. --- class: title-slide, inverse, bottom,right background-image: url(https://images.unsplash.com/photo-1564939558297-fc396f18e5c7?ixid=MXwxMjA3fDB8MHxwaG90by1wYWdlfHx8fGVufDB8fHw%3D&ixlib=rb-1.2.1&auto=format&fit=crop&w=1351&q=80) background-size: cover # 2. Operaciones --- ## 2.1. Operaciones basicas Sumas ```r 15+6 ``` ``` ## [1] 21 ``` Restas ```r 4-6 ``` ``` ## [1] -2 ``` --- ## 2.1. Operaciones basicas Divisiones ```r 1700/8 ``` ``` ## [1] 212.5 ``` Multiplicaciones ```r 20*20 ``` ``` ## [1] 400 ``` --- ## 2.2. Operaciones usando objetos ```r Personas<-5+6 Pizzas<-5*12 ``` Cuantos pedazos le toca a cada quien? ```r Personas/Pizzas ``` ``` ## [1] 0.1833333 ``` --- ## 2.3. Funciones comunes Media ```r Temperatura<-c(34,45,67,20) mean(Temperatura) ``` ``` ## [1] 41.5 ``` Mediana ```r median(Temperatura) ``` ``` ## [1] 39.5 ``` Desviacion estandar ```r sd(Temperatura) ``` ``` ## [1] 19.84103 ``` --- ## 2.3. Funciones comunes Rangos ```r range(Temperatura) ``` ``` ## [1] 20 67 ``` Minimo ```r min(Temperatura) ``` ``` ## [1] 20 ``` Maximo ```r max(Temperatura) ``` ``` ## [1] 67 ``` --- ## 2.4. Buscar ayuda ```r mean(1,3,6,9,12) ``` ``` ## [1] 1 ``` Porque me da 1? no me parece correcto. Pregúntale a R ```r ?mean ``` Las instrucciones aparecerán en la esquina inferior derecha, en la pestaña **Help**. Hay que poner la c de ***concatenar*** ```r mean(c(1,3,6,9,12)) ``` ``` [1] 6.2 ``` Ya tiene más sentido. --- ## 2.4. Buscar ayuda Parte de la fortalezas de R y porque es tan usado es que hay muchos sitios para pedir ayuda. Lo primero que hay que hacer es tener paciencia y revisar que no hayamos escrito algo mal. Si no funciona, otra opción es literalmente copiar el error que nos aparece y escribirlo en google. Fuentes confiables son: - stackoverflow Seguro lo vamos a usar en algún momento durante la clase. - twitter Hashtag: #rstatsES (en español) o #rstats (en inglés). --- class: inverse # Ejercicios <svg aria-hidden="true" role="img" viewBox="0 0 512 512" style="height:1em;width:1em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:#FFFFFF;overflow:visible;position:relative;"><path d="M497.9 142.1l-46.1 46.1c-4.7 4.7-12.3 4.7-17 0l-111-111c-4.7-4.7-4.7-12.3 0-17l46.1-46.1c18.7-18.7 49.1-18.7 67.9 0l60.1 60.1c18.8 18.7 18.8 49.1 0 67.9zM284.2 99.8L21.6 362.4.4 483.9c-2.9 16.4 11.4 30.6 27.8 27.8l121.5-21.3 262.6-262.6c4.7-4.7 4.7-12.3 0-17l-111-111c-4.8-4.7-12.4-4.7-17.1 0zM124.1 339.9c-5.5-5.5-5.5-14.3 0-19.8l154-154c5.5-5.5 14.3-5.5 19.8 0s5.5 14.3 0 19.8l-154 154c-5.5 5.5-14.3 5.5-19.8 0zM88 424h48v36.3l-64.5 11.3-31.1-31.1L51.7 376H88v48z"/></svg> Realizar operaciones en R usando objetos --- ## 2.5. Ejercicios Tengo tres gatos y cada uno come 2 latas de comida, cuantas latas tengo que comprar? ```r Gatitos<-3 Latas<-2 Gatitos*Latas ``` -- Tengo 4 perros y ya se cuantos gatos, cuantas mascotas tengo en total? ```r Perritos<-4 Mascotas<-Perritos+Gatitos Mascotas ``` --- ## 2.5 Ejercicios Quiero calcular cuantos kilos de croquetas debo comprar si mis perritos (que son 3) se comen 0.5 Kg al día y quiero ir al super cada 15 días por lo de la pandemia? ```r #Perritos<- #Croquetas<- #Dias<- ``` ```r #(Perritos*Croquetas)*Dias ``` Hasta le podríamos agregar el precio de las croquetas, si quisiéramos. <h1><svg aria-hidden="true" role="img" viewBox="0 0 576 512" style="height:1em;width:1.12em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:#black;overflow:visible;position:relative;"><path d="M298.06,224,448,277.55V496a16,16,0,0,1-16,16H368a16,16,0,0,1-16-16V384H192V496a16,16,0,0,1-16,16H112a16,16,0,0,1-16-16V282.09C58.84,268.84,32,233.66,32,192a32,32,0,0,1,64,0,32.06,32.06,0,0,0,32,32ZM544,112v32a64,64,0,0,1-64,64H448v35.58L320,197.87V48c0-14.25,17.22-21.39,27.31-11.31L374.59,64h53.63c10.91,0,23.75,7.92,28.62,17.69L464,96h64A16,16,0,0,1,544,112Zm-112,0a16,16,0,1,0-16,16A16,16,0,0,0,432,112Z"/></svg></h1> --- ## 2.6. Datos pinguinos. Inspeccionen los datos de pinguinos. ```r library(datos) Pingus<-pinguinos ``` .center[ <img src="https://raw.githubusercontent.com/allisonhorst/palmerpenguins/master/man/figures/lter_penguins.png" height="350" /> ] --- ## 2.6. Datos pinguinos. Incluye datos de hembras y machos, de tres especies diferentes en tres islas diferentes. Incluye datos de medidas como masa corporal, longitud del pico, largo de la aleta. .center[ <img src="https://raw.githubusercontent.com/allisonhorst/palmerpenguins/master/man/figures/culmen_depth.png" height="250" /> ] --- ## 2.6. Datos pinguinos. Como calculo el **rango** de la masa corporal de los pinguinos? **Cuidado con los NAs!, na.rm me sirve para ignorarlos** ```r range(Pingus$masa_corporal_g, * na.rm=TRUE) ``` Cuanto pesan en **promedio** los pinguinos en kilos? Guardarlo en un objeto y transformar de kilos a gramos. ```r PromedioPesoPingus<-mean(Pingus$masa_corporal_g,na.rm=TRUE) PromedioPesoPingus/1000 ``` ``` ## [1] 4.201754 ``` --- ## 2.7. Ejercicios pinguinos. - Como calculo el **promedio** del largo del pico de los pinguinos? ```r m**n(Pingus$largo_pico_mm,na.rm=TRUE) ``` - Como obtengo el **rango** de valores del largo del pico de los pinguinos? ```r r***e(Pingus$*****,na.rm=TRUE) ``` - Como obtengo el valor **mínimo** del largo del pico de los pinguinos? ```r m**(Pingus$*****,na.rm=TRUE) ``` --- class: inverse, bottom background-image: url(https://images.unsplash.com/photo-1516382799247-87df95d790b7?ixid=MXwxMjA3fDB8MHxwaG90by1wYWdlfHx8fGVufDB8fHw%3D&ixlib=rb-1.2.1&auto=format&fit=crop&w=1353&q=80) background-size: cover # **3. Inspeccionar <br>data frames** --- ## 3.1. Inspeccionar data frames - Ver mis primeras y ultimas filas - Ver filas especificas - Ver columnas especificas - Extraer específicos de acuerdo a su columna y fila <img src="https://www.frases333.com/wp-content/uploads/2019/03/Filas-Columnas.png" height="300" /> Fuente: frases333 --- ## 3.2. head() y tail() Para ver mis primeras y ultimas filas ```r head(Pingus) ``` ``` ## # A tibble: 6 × 8 ## especie isla largo_pico_mm alto_pico_mm largo_aleta…¹ masa_…² sexo anio ## <fct> <fct> <dbl> <dbl> <int> <int> <fct> <int> ## 1 Adelia Torgersen 39.1 18.7 181 3750 macho 2007 ## 2 Adelia Torgersen 39.5 17.4 186 3800 hemb… 2007 ## 3 Adelia Torgersen 40.3 18 195 3250 hemb… 2007 ## 4 Adelia Torgersen NA NA NA NA <NA> 2007 ## 5 Adelia Torgersen 36.7 19.3 193 3450 hemb… 2007 ## 6 Adelia Torgersen 39.3 20.6 190 3650 macho 2007 ## # … with abbreviated variable names ¹​largo_aleta_mm, ²​masa_corporal_g ``` ```r tail(Pingus) ``` ``` ## # A tibble: 6 × 8 ## especie isla largo_pico_mm alto_pico_mm largo_aleta_mm masa_cor…¹ sexo anio ## <fct> <fct> <dbl> <dbl> <int> <int> <fct> <int> ## 1 Barbijo Dream 45.7 17 195 3650 hemb… 2009 ## 2 Barbijo Dream 55.8 19.8 207 4000 macho 2009 ## 3 Barbijo Dream 43.5 18.1 202 3400 hemb… 2009 ## 4 Barbijo Dream 49.6 18.2 193 3775 macho 2009 ## 5 Barbijo Dream 50.8 19 210 4100 macho 2009 ## 6 Barbijo Dream 50.2 18.7 198 3775 hemb… 2009 ## # … with abbreviated variable name ¹​masa_corporal_g ``` --- ## 3.3. Filas Las filas se pone entre corchetes en la **primera** posición. ```r (Pingus[1,]) ``` ``` ## # A tibble: 1 × 8 ## especie isla largo_pico_mm alto_pico_mm largo_aleta…¹ masa_…² sexo anio ## <fct> <fct> <dbl> <dbl> <int> <int> <fct> <int> ## 1 Adelia Torgersen 39.1 18.7 181 3750 macho 2007 ## # … with abbreviated variable names ¹​largo_aleta_mm, ²​masa_corporal_g ``` Muéstrame las primeras 3 filas. <br> El signo de **:** es como decir "de aquí hasta acá". ```r (Pingus[1:3,]) ``` ``` ## # A tibble: 3 × 8 ## especie isla largo_pico_mm alto_pico_mm largo_aleta…¹ masa_…² sexo anio ## <fct> <fct> <dbl> <dbl> <int> <int> <fct> <int> ## 1 Adelia Torgersen 39.1 18.7 181 3750 macho 2007 ## 2 Adelia Torgersen 39.5 17.4 186 3800 hemb… 2007 ## 3 Adelia Torgersen 40.3 18 195 3250 hemb… 2007 ## # … with abbreviated variable names ¹​largo_aleta_mm, ²​masa_corporal_g ``` --- ## 3.4. Columnas Las columnas se pone entre corchetes en la **segunda** posición. ```r head(Pingus[,1]) ``` ``` ## # A tibble: 6 × 1 ## especie ## <fct> ## 1 Adelia ## 2 Adelia ## 3 Adelia ## 4 Adelia ## 5 Adelia ## 6 Adelia ``` Usando $ y el nombre de la columna. ```r head(Pingus$especie) ``` ``` ## [1] Adelia Adelia Adelia Adelia Adelia Adelia ## Levels: Adelia Barbijo Papúa ``` --- ## 3.5. Columnas y filas Muéstrame un dato especifico [**fila**, **columna**] ```r (Pingus[1,1]) ``` ``` ## # A tibble: 1 × 1 ## especie ## <fct> ## 1 Adelia ``` ```r (Pingus[3,2]) ``` ``` ## # A tibble: 1 × 1 ## isla ## <fct> ## 1 Torgersen ``` --- class: inverse, bottom, left background-image: url(https://images.unsplash.com/photo-1586892477838-2b96e85e0f96?ixid=MXwxMjA3fDB8MHxwaG90by1wYWdlfHx8fGVufDB8fHw%3D&ixlib=rb-1.2.1&auto=format&fit=crop&w=1341&q=80) background-size: cover # 4. Datos <br>ordenados --- ## 4.1. Ordenar datos El proceso mas tardado es el de limpieza y preparación de los datos, y se realiza varias veces. <img src="https://r4ds-en-espaniol.netlify.app/diagrams_w_text_as_path/es/data-science.svg" height="300" /> --- ## 4.2. Datos ordenados Los datos ordenados (**"tidy"**), es una estructuración de los conjuntos de datos para facilitar el análisis. <img src="https://r4ds-en-espaniol.netlify.app/diagrams_w_text_as_path/es/tidy-1.svg" height="200" /> - Cada variable debe estar columna - Cada observación es una fila - Cada tipo de unidad de observación forma una tabla --- ## 4.3. Errores comunes Se recomienda que al almacenar datos: - Diferentes tipos de variables se almacenen en columnas separadas. ```r MiPrimerAcomodo<-'Miriam (Mujer)' MiMejorAcomodo<-c('Miriam','Mujer') ``` Es importante que cuando recolecten datos por primera vez piensen en como van a estructurarlos. Si no el proceso de ordenarlos puede ser tardado 🕟. --- ## 4.4. Ordenar Hay muchas maneras de ordenar y manipular tus datos. En ingles le dicen 'data wrangling' que significa como rodeo. Hay muchas maneras de hacer las mismas operaciones. Hoy usaremos el paquete **tidyverse**. ```r library(tidyverse) ``` ``` ## Warning: package 'tidyverse' was built under R version 4.2.3 ``` ``` ## Warning: package 'ggplot2' was built under R version 4.2.3 ``` ``` ## Warning: package 'tibble' was built under R version 4.2.3 ``` ``` ## Warning: package 'readr' was built under R version 4.2.3 ``` ``` ## Warning: package 'dplyr' was built under R version 4.2.3 ``` ``` ## Warning: package 'forcats' was built under R version 4.2.3 ``` ``` ## Warning: package 'lubridate' was built under R version 4.2.3 ``` <h1><svg aria-hidden="true" role="img" viewBox="0 0 640 512" style="height:1em;width:1.25em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:#FFFFFF;overflow:visible;position:relative;"><path d="M260.8 291.06c-28.63-22.94-62-35.06-96.4-35.06C87 256 21.47 318.72 1.43 412.06c-3.55 16.6-.43 33.83 8.57 47.3C18.75 472.47 31.83 480 45.88 480H592c-103.21 0-155-37.07-233.19-104.46zm234.65-18.29L468.4 116.2A64 64 0 0 0 392 64.41L200.85 105a64 64 0 0 0-50.35 55.79L143.61 226c6.9-.83 13.7-2 20.79-2 41.79 0 82 14.55 117.29 42.82l98 84.48C450.76 412.54 494.9 448 592 448a48 48 0 0 0 48-48c0-25.39-29.6-119.33-144.55-127.23z"/></svg><h1> --- ## 4.5. Ordenar **Porque usar datos ordenados? ** - Muchos comandos se basan en la suposición de que tus datos están ordenados. - El formato es el esperado para análisis estadísticos. - Tener datos ordenados ayudan a realizar los gráficos. - Podemos compartirlos y la otra persona podría entender nuestra tabla mas rápido que en una tabla desordenada. --- ## 4.6. Tidyverse Tidyverse engloba varios paquetes, la mayoría para específicamente para inspeccionar y manipular tus datos. .center[ <img src="https://tidyverse.tidyverse.org/articles/tidyverse-logo.png" height="350" /> ] --- ## 4.7. Pipe Vamos a usar mucho el **pipe** un argumento que se usa para encadenar funciones. En su teclado: strg+alt+M ```r %>% ``` --- ## 4.8. Manipular El paquete dplyr nos da una serie de herramientas para **manipular** datos Las principales funciones, o **verbos** de dplyr, son: - **count()** para contar - **select()**, para seleccionar columnas - **filter()**, para filtrar filas - **mutate()**, para crear o modificar columnas - **summarise()**, para resumir información de las columnas Hoy veremos **count** y **select**, la próxima clase los otros. --- ## 4.9. count() ¿Cuantos datos tengo? ```r Pingus %>% count() ``` ¿Cuantos datos tengo por especie? ```r Pingus %>% count(especie) ``` --- ## 4.10. count() ¿Cuantos datos tengo por isla y por especie? ```r Pingus %>% count(isla,especie) ``` ``` ## # A tibble: 5 × 3 ## isla especie n ## <fct> <fct> <int> ## 1 Biscoe Adelia 44 ## 2 Biscoe Papúa 124 ## 3 Dream Adelia 56 ## 4 Dream Barbijo 68 ## 5 Torgersen Adelia 52 ``` El argumento **arrange()** nos ayuda ordenarlos ```r Pingus %>% count(anio) %>% arrange((n)) ``` --- ## 4.11. select() Con la función **select()**, podemos elegir: Que columnas quiero ver. ```r Pingus %>% * select(especie) %>% head() ``` ``` ## # A tibble: 6 × 1 ## especie ## <fct> ## 1 Adelia ## 2 Adelia ## 3 Adelia ## 4 Adelia ## 5 Adelia ## 6 Adelia ``` --- ## 4.12. select(-) Que columnas no quiero ver. El signo **-** es como decir "menos ese" ```r Pingus %>% * select(-sexo) %>% head() ``` ``` ## # A tibble: 6 × 7 ## especie isla largo_pico_mm alto_pico_mm largo_aleta_mm masa_corpo…¹ anio ## <fct> <fct> <dbl> <dbl> <int> <int> <int> ## 1 Adelia Torgersen 39.1 18.7 181 3750 2007 ## 2 Adelia Torgersen 39.5 17.4 186 3800 2007 ## 3 Adelia Torgersen 40.3 18 195 3250 2007 ## 4 Adelia Torgersen NA NA NA NA 2007 ## 5 Adelia Torgersen 36.7 19.3 193 3450 2007 ## 6 Adelia Torgersen 39.3 20.6 190 3650 2007 ## # … with abbreviated variable name ¹​masa_corporal_g ``` --- ## 4.13. select(-) El signo de admiración **!** es como decir "diferente a". ```r Pingus %>% * select(!sexo) %>% head() ``` ``` ## # A tibble: 6 × 7 ## especie isla largo_pico_mm alto_pico_mm largo_aleta_mm masa_corpo…¹ anio ## <fct> <fct> <dbl> <dbl> <int> <int> <int> ## 1 Adelia Torgersen 39.1 18.7 181 3750 2007 ## 2 Adelia Torgersen 39.5 17.4 186 3800 2007 ## 3 Adelia Torgersen 40.3 18 195 3250 2007 ## 4 Adelia Torgersen NA NA NA NA 2007 ## 5 Adelia Torgersen 36.7 19.3 193 3450 2007 ## 6 Adelia Torgersen 39.3 20.6 190 3650 2007 ## # … with abbreviated variable name ¹​masa_corporal_g ``` --- ## 4.14. select(:) Seleccionar columnas que están en medio de varias columnas. El signo de **:** es como decir "de aquí hasta acá". ```r Pingus %>% * select(largo_pico_mm:masa_corporal_g) %>% head() ``` ``` ## # A tibble: 6 × 4 ## largo_pico_mm alto_pico_mm largo_aleta_mm masa_corporal_g ## <dbl> <dbl> <int> <int> ## 1 39.1 18.7 181 3750 ## 2 39.5 17.4 186 3800 ## 3 40.3 18 195 3250 ## 4 NA NA NA NA ## 5 36.7 19.3 193 3450 ## 6 39.3 20.6 190 3650 ``` --- ## 4.15. select(:) También se pueden usar cadenas de caracteres (strings). Tanto usando como termina el nombre de la columna. ```r Pingus %>% select(ends_with("mm")) ``` ``` ## # A tibble: 344 × 3 ## largo_pico_mm alto_pico_mm largo_aleta_mm ## <dbl> <dbl> <int> ## 1 39.1 18.7 181 ## 2 39.5 17.4 186 ## 3 40.3 18 195 ## 4 NA NA NA ## 5 36.7 19.3 193 ## 6 39.3 20.6 190 ## 7 38.9 17.8 181 ## 8 39.2 19.6 195 ## 9 34.1 18.1 193 ## 10 42 20.2 190 ## # … with 334 more rows ``` --- ## 4.16. select(:) También se pueden usar cadenas de caracteres (strings). Como seleccionando como inicia el nombre de la columna. ```r Pingus %>% select(starts_with("masa")) ``` ``` ## # A tibble: 344 × 1 ## masa_corporal_g ## <int> ## 1 3750 ## 2 3800 ## 3 3250 ## 4 NA ## 5 3450 ## 6 3650 ## 7 3625 ## 8 4675 ## 9 3475 ## 10 4250 ## # … with 334 more rows ``` --- class: inverse # Ejercicios <svg aria-hidden="true" role="img" viewBox="0 0 512 512" style="height:1em;width:1em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:#FFFFFF;overflow:visible;position:relative;"><path d="M497.9 142.1l-46.1 46.1c-4.7 4.7-12.3 4.7-17 0l-111-111c-4.7-4.7-4.7-12.3 0-17l46.1-46.1c18.7-18.7 49.1-18.7 67.9 0l60.1 60.1c18.8 18.7 18.8 49.1 0 67.9zM284.2 99.8L21.6 362.4.4 483.9c-2.9 16.4 11.4 30.6 27.8 27.8l121.5-21.3 262.6-262.6c4.7-4.7 4.7-12.3 0-17l-111-111c-4.8-4.7-12.4-4.7-17.1 0zM124.1 339.9c-5.5-5.5-5.5-14.3 0-19.8l154-154c5.5-5.5 14.3-5.5 19.8 0s5.5 14.3 0 19.8l-154 154c-5.5 5.5-14.3 5.5-19.8 0zM88 424h48v36.3l-64.5 11.3-31.1-31.1L51.7 376H88v48z"/></svg> .pull-left[ ```r Pingus %>% count() ``` ```r Pingus %>% count(especie) ``` ] .pull-right[ ```r Pingus %>% select(especie) %>% head() ``` ```r Pingus %>% select(-sexo) %>% head() ``` ```r PingusSinSexo<-Pingus %>% select(-sexo) %>% head() ``` ] --- class: inverse background-size: cover ## Recapitulando Esta clase: - Operaciones matemáticas simples. - Funciones básicas (mean, median, sd, range). - Funciones tidyverse (count, select). Siguiente clase: - Funciones tidyverse (filter, group_by, summarize) - Unir dataframes (join) - Exportar dataframes (write_csv) .right[ #### Contacto Este material esta accesible <br> y se encuentra en mi [<svg aria-hidden="true" role="img" viewBox="0 0 512 512" style="height:1em;width:1em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:#ffd166;overflow:visible;position:relative;"><path d="M432,320H400a16,16,0,0,0-16,16V448H64V128H208a16,16,0,0,0,16-16V80a16,16,0,0,0-16-16H48A48,48,0,0,0,0,112V464a48,48,0,0,0,48,48H400a48,48,0,0,0,48-48V336A16,16,0,0,0,432,320ZM488,0h-128c-21.37,0-32.05,25.91-17,41l35.73,35.73L135,320.37a24,24,0,0,0,0,34L157.67,377a24,24,0,0,0,34,0L435.28,133.32,471,169c15,15,41,4.5,41-17V24A24,24,0,0,0,488,0Z"/></svg>github](https://github.com/MiriamLL/Curso_CIAD/) y mi [<svg aria-hidden="true" role="img" viewBox="0 0 512 512" style="height:1em;width:1em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:#ffd166;overflow:visible;position:relative;"><path d="M432,320H400a16,16,0,0,0-16,16V448H64V128H208a16,16,0,0,0,16-16V80a16,16,0,0,0-16-16H48A48,48,0,0,0,0,112V464a48,48,0,0,0,48,48H400a48,48,0,0,0,48-48V336A16,16,0,0,0,432,320ZM488,0h-128c-21.37,0-32.05,25.91-17,41l35.73,35.73L135,320.37a24,24,0,0,0,0,34L157.67,377a24,24,0,0,0,34,0L435.28,133.32,471,169c15,15,41,4.5,41-17V24A24,24,0,0,0,488,0Z"/></svg>página](https://www.miriam-lerma.com) ] <h1> .right[ [<svg aria-hidden="true" role="img" viewBox="0 0 576 512" style="height:1em;width:1.12em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:#ffd166;overflow:visible;position:relative;"><path d="M280.37 148.26L96 300.11V464a16 16 0 0 0 16 16l112.06-.29a16 16 0 0 0 15.92-16V368a16 16 0 0 1 16-16h64a16 16 0 0 1 16 16v95.64a16 16 0 0 0 16 16.05L464 480a16 16 0 0 0 16-16V300L295.67 148.26a12.19 12.19 0 0 0-15.3 0zM571.6 251.47L488 182.56V44.05a12 12 0 0 0-12-12h-56a12 12 0 0 0-12 12v72.61L318.47 43a48 48 0 0 0-61 0L4.34 251.47a12 12 0 0 0-1.6 16.9l25.5 31A12 12 0 0 0 45.15 301l235.22-193.74a12.19 12.19 0 0 1 15.3 0L530.9 301a12 12 0 0 0 16.9-1.6l25.5-31a12 12 0 0 0-1.7-16.93z"/></svg>](https://www.miriam-lerma.com/teaching.html) ]</h1> <br> <br>