Realiza los siguientes ejercicios durante tu tiempo libre para mejorar tus habilidades de manejo del lenguaje de programación R.
Recuerda realizar esta práctica luego de haber aprendido la información de la clase 1 y 2 de la semana 1, y la clase 1 de la semana 2, es decir, luego de haber desarrollado:
R-Notebook-C1-S1-clase1.Rmd
R-Notebook-C1-S1-clase2.Rmd
Funciones útiles.R (Script)
Nota: Si necesitas crear un code chunk los atajos en el teclado son en WINDOWS:
Crtl+Alt+i, y en MAC:Command+Alt+i.
Crea una variables llamada tlf que contengan la suma de los dígitos de tu número de celular, dividido entre el total de números que tiene. Visualiza el resultado ejecutando el nombre de la variable. Redondea esta cifra a dos decimales usando una de las funciones que aprendiste en el script “Funciones útiles”.
tlf <- sum(9+3+2+0+9+3+2+8+5)/9
tlf## [1] 4.555556round(tlf)## [1] 5Crea los vectores siguientes:
# 2.1.
# Números del (1,2,3,4,...,20,21) en ese orden
1:21## [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21# 2.2.
# Números del (21,20,19,18,...,2,1) en ese orden
# Tip: usa el operador para rangos
21:1## [1] 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1# 2.3.
# Prueba creando un vector con vectores dentro
# Crea un vector que contenga lo números
# (1,2,3,4,...,20,21,21,20,19,18,...,2,1)
c(1:21,21:1)## [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 21 20 19 18
## [26] 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1# 2.4.
# Asigna a temperatura el valor 24.3
temperatura <- 24.3
# 2.5.
# Asigna a precipitacion los valores 202.7, 10.5, 209.2
precipitacion <- c(202.7, 10.5, 209.2)
# 2.6.
# Además de bases de datos precargadas por defecto, en R exiten
# algunos vectores creados por defecto en la memoria del programa.
# El vector letters y el vector LETTERS contienen las letras
# del alfabeto. Podemos acceder a ellas simplemente ejecutando
# su nombre
letters## [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q" "r" "s"
## [20] "t" "u" "v" "w" "x" "y" "z"LETTERS## [1] "A" "B" "C" "D" "E" "F" "G" "H" "I" "J" "K" "L" "M" "N" "O" "P" "Q" "R" "S"
## [20] "T" "U" "V" "W" "X" "Y" "Z"# Ahora, indexa las letras del 10 al 20 en mayúsculas,
# y las letras a,b,c,d en las letras minúsculas
# Recuerda que estos objetos son vectores.
LETTERS[10:20]## [1] "J" "K" "L" "M" "N" "O" "P" "Q" "R" "S" "T"letters[1:4]## [1] "a" "b" "c" "d"# 2.7.
# Usa la función paste() para crear un vector que contenga
# los valores ("Parcela 1", "Parcela 2", ....., "Parcela 30").
# otro con los valores ("Especie1", "Especie2", ....., "Especie10")
# y otro con los valores ("Hospital-A", "Hospital-B", "Hospital-C", "Hospital-D")
paste("Parcela", 1:30)## [1] "Parcela 1" "Parcela 2" "Parcela 3" "Parcela 4" "Parcela 5"
## [6] "Parcela 6" "Parcela 7" "Parcela 8" "Parcela 9" "Parcela 10"
## [11] "Parcela 11" "Parcela 12" "Parcela 13" "Parcela 14" "Parcela 15"
## [16] "Parcela 16" "Parcela 17" "Parcela 18" "Parcela 19" "Parcela 20"
## [21] "Parcela 21" "Parcela 22" "Parcela 23" "Parcela 24" "Parcela 25"
## [26] "Parcela 26" "Parcela 27" "Parcela 28" "Parcela 29" "Parcela 30"paste0("Especie",1:10)## [1] "Especie1" "Especie2" "Especie3" "Especie4" "Especie5" "Especie6"
## [7] "Especie7" "Especie8" "Especie9" "Especie10"paste("Hospital", c("A","B","C"), sep="-")## [1] "Hospital-A" "Hospital-B" "Hospital-C"paste("Hospital", LETTERS[1:4], sep="-")## [1] "Hospital-A" "Hospital-B" "Hospital-C" "Hospital-D"Practica la indexación de vectores, factores y data.frames (lo mismo aplica para matrices y tibbles):
# Carga la base de datos airquality
data("airquality")
# 3.1.
# Indexa la posición columna 4, fila 100
airquality[100,4]## [1] 90# 3.2.
# Indexa la columna Ozone y las filas del 100 al 120
airquality[100:120,"Ozone"]## [1] 89 110 NA NA 44 28 65 NA 22 59 23 31 44 21 9 NA 45 168 73
## [20] NA 76# 3.3.
# Indexa las columnas Ozone y Temp en el mismo
# rango de filas que el ejercicio 3.2.
# Asigna el resultado al nombre aire
aire <- airquality[100:120,c("Ozone","Temp")]
# 3.4.
# Halla la suma de los valores de la columna Temp
# de la variable aire que creaste en 3.3.
sum(aire$Temp)## [1] 1728# 3.5.
# Ahora trata de hacer lo mismo para ambas columnas
# de la variable aire, pero usando la función colSums()
# aprendida en el script "Funciones Útiles.R"
colSums(aire)## Ozone Temp
## NA 1728Si observas la suma de valores de Ozone, que debería de ser un número, aparece como NA (valor perdido). Cuando una columna tiene valores perdidos cualquier operación matemática o estadística se convierte en NA. Para evitarlo, usa dentro de colSums() el argumento na.rm = TRUE. Este argumento cuando es TRUE remueve los NA (de ello derivan las siglas na.rm).
# 3.6.
# Usa na.rm = TRUE dentro de colSums() y obtén
#la suma de ambas columnas en la variable aire.
colSums(aire, na.rm = T)## Ozone Temp
## 907 1728# Calcula el promedio de ambas columnas en aire,
# usando la función apply() aprendida en el script "Funciones Útiles.R"
# usa na.rm=TRUE como cuarto argumento de la función apply.
apply(aire, 2, mean, na.rm=TRUE)## Ozone Temp
## 56.68750 82.28571# 3.7.
# Extrae la columna Species de la base de datos y guárdala
# con el nombre "esp".
data(iris)
esp <- iris$Species
# Visualiza esp
esp## [1] setosa setosa setosa setosa setosa setosa
## [7] setosa setosa setosa setosa setosa setosa
## [13] setosa setosa setosa setosa setosa setosa
## [19] setosa setosa setosa setosa setosa setosa
## [25] setosa setosa setosa setosa setosa setosa
## [31] setosa setosa setosa setosa setosa setosa
## [37] setosa setosa setosa setosa setosa setosa
## [43] setosa setosa setosa setosa setosa setosa
## [49] setosa setosa versicolor versicolor versicolor versicolor
## [55] versicolor versicolor versicolor versicolor versicolor versicolor
## [61] versicolor versicolor versicolor versicolor versicolor versicolor
## [67] versicolor versicolor versicolor versicolor versicolor versicolor
## [73] versicolor versicolor versicolor versicolor versicolor versicolor
## [79] versicolor versicolor versicolor versicolor versicolor versicolor
## [85] versicolor versicolor versicolor versicolor versicolor versicolor
## [91] versicolor versicolor versicolor versicolor versicolor versicolor
## [97] versicolor versicolor versicolor versicolor virginica virginica
## [103] virginica virginica virginica virginica virginica virginica
## [109] virginica virginica virginica virginica virginica virginica
## [115] virginica virginica virginica virginica virginica virginica
## [121] virginica virginica virginica virginica virginica virginica
## [127] virginica virginica virginica virginica virginica virginica
## [133] virginica virginica virginica virginica virginica virginica
## [139] virginica virginica virginica virginica virginica virginica
## [145] virginica virginica virginica virginica virginica virginica
## Levels: setosa versicolor virginica# De esp, indexa la posicion 78 ¿A qué especie corresponde?
esp[78]## [1] versicolor
## Levels: setosa versicolor virginica# Dado que en la parte inferior del resulta en la consola aparece
# Levels: setosa versicolor virginica
# Debo pensar que este vector de datos en realidad es un factor.
# Compruébalo usando la función is()
is(esp)## [1] "factor" "integer" "oldClass"
## [4] "double" "numeric" "vector"
## [7] "data.frameRowLabels"# Ahora coerciona esp de factor a vector tipo caracter
# Y guárdalo asignándole el nombre char.
char <- as.character(esp)
# Indexa la misma posición, 78, en char y verifica
# si el resultado te muestra niveles.
# Si la respuestas es no, es porque ya no es factor,
# ahora es un vector tipo carácter.
char[78]## [1] "versicolor"Es muy importante saber reemplazar el nombre de los niveles de un factor con otros valores, ya sea como variables independientes o como una columna dentro de una tabla. Para este ejercicio necesitaremos cargar la base de datos airquality. Trabajaremos con la columna Month, meses en español. Veamos la tabla:
data("airquality")
head(airquality)## Ozone Solar.R Wind Temp Month Day
## 1 41 190 7.4 67 5 1
## 2 36 118 8.0 72 5 2
## 3 12 149 12.6 74 5 3
## 4 18 313 11.5 62 5 4
## 5 NA NA 14.3 56 5 5
## 6 28 NA 14.9 66 5 6Veamos los valores únicos de la columna Month con la función unique():
unique(airquality$Month)## [1] 5 6 7 8 9La columna Month se puede considerar un vector numérico, con valores del 5 al 9 repetidos varias veces. Cada cifra representa los meses (según su número de orden en el año) Mayo, Junio, Julio, Agosto, Septiembre. Podemos usar la función factor() para convertir la columna en factor y, a la vez, aprovechar reemplazar los números por sus respectivos nombres de mes, utilizando el argumento labels. Cada nivel debe ser reemplazado con un valor como lo menciona el código a continuación:
factor(airquality$Month, labels = c("5"="Mayo", "6"="Junio", "7"="Julio",
"8"="Agosto","9"="Septiembre"))## [1] Mayo Mayo Mayo Mayo Mayo Mayo
## [7] Mayo Mayo Mayo Mayo Mayo Mayo
## [13] Mayo Mayo Mayo Mayo Mayo Mayo
## [19] Mayo Mayo Mayo Mayo Mayo Mayo
## [25] Mayo Mayo Mayo Mayo Mayo Mayo
## [31] Mayo Junio Junio Junio Junio Junio
## [37] Junio Junio Junio Junio Junio Junio
## [43] Junio Junio Junio Junio Junio Junio
## [49] Junio Junio Junio Junio Junio Junio
## [55] Junio Junio Junio Junio Junio Junio
## [61] Junio Julio Julio Julio Julio Julio
## [67] Julio Julio Julio Julio Julio Julio
## [73] Julio Julio Julio Julio Julio Julio
## [79] Julio Julio Julio Julio Julio Julio
## [85] Julio Julio Julio Julio Julio Julio
## [91] Julio Julio Agosto Agosto Agosto Agosto
## [97] Agosto Agosto Agosto Agosto Agosto Agosto
## [103] Agosto Agosto Agosto Agosto Agosto Agosto
## [109] Agosto Agosto Agosto Agosto Agosto Agosto
## [115] Agosto Agosto Agosto Agosto Agosto Agosto
## [121] Agosto Agosto Agosto Septiembre Septiembre Septiembre
## [127] Septiembre Septiembre Septiembre Septiembre Septiembre Septiembre
## [133] Septiembre Septiembre Septiembre Septiembre Septiembre Septiembre
## [139] Septiembre Septiembre Septiembre Septiembre Septiembre Septiembre
## [145] Septiembre Septiembre Septiembre Septiembre Septiembre Septiembre
## [151] Septiembre Septiembre Septiembre
## Levels: Mayo Junio Julio Agosto SeptiembreComo viste, a pesar de que los niveles fueron números, estos deben ser colocados con comillas "", y con símbolo de igual = designar con qué valor va a ser reemplazado. Sin embargo, cuando revisamos cual es la clase de la columna Month en airquality vemos que sigue siendo numérica.
airquality$Month## [1] 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 6 6 6 6 6 6
## [38] 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 6 7 7 7 7 7 7 7 7 7 7 7 7 7
## [75] 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8
## [112] 8 8 8 8 8 8 8 8 8 8 8 8 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9 9
## [149] 9 9 9 9 9Lo que sucede es que con el código de la función factor() solo creaste un factor, pero no lo usaste para reemplazar a la columna Month. Para ello debes asignarle el factor que crees a la columna que deseas reemplazar.
airquality$Month <- factor(airquality$Month,
labels = c("5"="Mayo", "6"="Junio", "7"="Julio",
"8"="Agosto","9"="Septiembre"))Ahora revisemos el contenido de dicha columna
airquality$Month## [1] Mayo Mayo Mayo Mayo Mayo Mayo
## [7] Mayo Mayo Mayo Mayo Mayo Mayo
## [13] Mayo Mayo Mayo Mayo Mayo Mayo
## [19] Mayo Mayo Mayo Mayo Mayo Mayo
## [25] Mayo Mayo Mayo Mayo Mayo Mayo
## [31] Mayo Junio Junio Junio Junio Junio
## [37] Junio Junio Junio Junio Junio Junio
## [43] Junio Junio Junio Junio Junio Junio
## [49] Junio Junio Junio Junio Junio Junio
## [55] Junio Junio Junio Junio Junio Junio
## [61] Junio Julio Julio Julio Julio Julio
## [67] Julio Julio Julio Julio Julio Julio
## [73] Julio Julio Julio Julio Julio Julio
## [79] Julio Julio Julio Julio Julio Julio
## [85] Julio Julio Julio Julio Julio Julio
## [91] Julio Julio Agosto Agosto Agosto Agosto
## [97] Agosto Agosto Agosto Agosto Agosto Agosto
## [103] Agosto Agosto Agosto Agosto Agosto Agosto
## [109] Agosto Agosto Agosto Agosto Agosto Agosto
## [115] Agosto Agosto Agosto Agosto Agosto Agosto
## [121] Agosto Agosto Agosto Septiembre Septiembre Septiembre
## [127] Septiembre Septiembre Septiembre Septiembre Septiembre Septiembre
## [133] Septiembre Septiembre Septiembre Septiembre Septiembre Septiembre
## [139] Septiembre Septiembre Septiembre Septiembre Septiembre Septiembre
## [145] Septiembre Septiembre Septiembre Septiembre Septiembre Septiembre
## [151] Septiembre Septiembre Septiembre
## Levels: Mayo Junio Julio Agosto SeptiembreO veamos la tabla
View(airquality)Algo que también es importante es reordenar los niveles de un factor. Cambia el orden del factor Monthen la base de datos airquality para que comience por Septiembre y termine en Mayo, usando el argumento levels. Este orden, a pesar de que parece no afectar en nada a la tabla, tiene un gran impacto en cómo se verán gráficas o análisis basados en esta columna.
airquality$Month <- factor(airquality$Month,
levels = c("Septiembre","Agosto","Julio","Junio","Mayo"))Revisemos nuevamente el contenido de Month
airquality$Month## [1] Mayo Mayo Mayo Mayo Mayo Mayo
## [7] Mayo Mayo Mayo Mayo Mayo Mayo
## [13] Mayo Mayo Mayo Mayo Mayo Mayo
## [19] Mayo Mayo Mayo Mayo Mayo Mayo
## [25] Mayo Mayo Mayo Mayo Mayo Mayo
## [31] Mayo Junio Junio Junio Junio Junio
## [37] Junio Junio Junio Junio Junio Junio
## [43] Junio Junio Junio Junio Junio Junio
## [49] Junio Junio Junio Junio Junio Junio
## [55] Junio Junio Junio Junio Junio Junio
## [61] Junio Julio Julio Julio Julio Julio
## [67] Julio Julio Julio Julio Julio Julio
## [73] Julio Julio Julio Julio Julio Julio
## [79] Julio Julio Julio Julio Julio Julio
## [85] Julio Julio Julio Julio Julio Julio
## [91] Julio Julio Agosto Agosto Agosto Agosto
## [97] Agosto Agosto Agosto Agosto Agosto Agosto
## [103] Agosto Agosto Agosto Agosto Agosto Agosto
## [109] Agosto Agosto Agosto Agosto Agosto Agosto
## [115] Agosto Agosto Agosto Agosto Agosto Agosto
## [121] Agosto Agosto Agosto Septiembre Septiembre Septiembre
## [127] Septiembre Septiembre Septiembre Septiembre Septiembre Septiembre
## [133] Septiembre Septiembre Septiembre Septiembre Septiembre Septiembre
## [139] Septiembre Septiembre Septiembre Septiembre Septiembre Septiembre
## [145] Septiembre Septiembre Septiembre Septiembre Septiembre Septiembre
## [151] Septiembre Septiembre Septiembre
## Levels: Septiembre Agosto Julio Junio MayoCrea un code chunk. Luego, carga la base de datos trees y responde:
¿Cuál es el número de columnas de la data frame trees?
¿Cuál es el número de filas de la data frame trees?
Crea un subconjunto la tabla trees usando las filas de 10 a las 20 y las columnas 1 y 3. Guarda la tabla resultante con el nombre trees.sub. Visualiza la data frame tree.sub.
[Crea el code chunk aquí]
# 4.1.
# Data trees
data(trees)
# 4.2.
# N columnas
ncol(trees)## [1] 3# 4.3.
# N filas
nrow(trees)## [1] 31# 4.4.
# Subconjunto
trees[1:10,c(1,3)]## Girth Volume
## 1 8.3 10.3
## 2 8.6 10.3
## 3 8.8 10.2
## 4 10.5 16.4
## 5 10.7 18.8
## 6 10.8 19.7
## 7 11.0 15.6
## 8 11.0 18.2
## 9 11.1 22.6
## 10 11.2 19.9Puedes eliminar una columna de una tabla si le asignas a esa columna el valor NULL usando el operador de asignación: <- NULL. Por ejemplo, al cargar la base de datos iris con data(iris), podemos eliminar la columna Species de la siguiente manera:
# Carga la base de datos
data("iris")
# Visualicemos la tabla con head()
head(iris)## Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1 5.1 3.5 1.4 0.2 setosa
## 2 4.9 3.0 1.4 0.2 setosa
## 3 4.7 3.2 1.3 0.2 setosa
## 4 4.6 3.1 1.5 0.2 setosa
## 5 5.0 3.6 1.4 0.2 setosa
## 6 5.4 3.9 1.7 0.4 setosa# Utiliza $ para seleccionar la columna Species
# y eliminala
iris$Species <- NULL
# Visualicemos nuevamente para verificar que
# Species fue eliminada
head(iris)## Sepal.Length Sepal.Width Petal.Length Petal.Width
## 1 5.1 3.5 1.4 0.2
## 2 4.9 3.0 1.4 0.2
## 3 4.7 3.2 1.3 0.2
## 4 4.6 3.1 1.5 0.2
## 5 5.0 3.6 1.4 0.2
## 6 5.4 3.9 1.7 0.4Ahora tú, elimina la columna Height de la base de datos trees.
# Escribe aquí tu código
trees$Height <- NULL
# Visualiza la tabla
head(trees)## Girth Volume
## 1 8.3 10.3
## 2 8.6 10.3
## 3 8.8 10.2
## 4 10.5 16.4
## 5 10.7 18.8
## 6 10.8 19.7Por último, trabaja identificando valores perdidos para lidiar con ellos más adelante.
# Ejecuta este código para crear una data frame
# conteniendo valores perdidos (NAs)
df <- data.frame(Col1 = c(1,2,3,NA,5,6,NA,8,9,10),
Col2 = 20:29,
Col3 = c(LETTERS[1:5],NA,"J","K","I","NA"))
# Visualiza df
View(df)Los valores NA emulan una celda en blanco en una tabla de excel. Cuando uno coloca manualmente NA como texto en las celdas en blanco de un Excel, R las reconocerá como texto "NA", tal cual se puso intencionalmente en la columna Col3, un NA y un "NA". Al ubicar los valores perdidos, las siguientes fórmulas obviarán los textos "NA" que hayas escrito en tu Excel. Es recomendable NO colocar "NA" y simplemente dejar las celdas vacías si vamos a cargar nuestra tabla a RStudio.
Obviando que dicho NA no es un valor perdido real, realiza las siguientes indicaciones:
# Cuántos NA hay en toda la tabla
sum(is.na(df))## [1] 3# Identifica dónde (filas y columnas) aparecen las NA
which(is.na(df), arr.ind = TRUE)## row col
## [1,] 4 1
## [2,] 7 1
## [3,] 6 3# Identifica cuántos NA tiene cada columna
colSums(is.na(df))## Col1 Col2 Col3
## 2 0 1# Ver cuál filas son casos completos (sin NA)
which(complete.cases(df))## [1] 1 2 3 5 8 9 10# Ver cuál filas NO son casos completos (tienen al menos un NA)
which(!complete.cases((df)))## [1] 4 6 7# Elimina todas las filas con al menos un NA
# y asigna la nueva tabla a df2
df2 <- na.omit(df)
# Visualiza df2
View(df2)