Link de la práctica desarrollada: Introducción a R para Ciencias C1-S3-clase2 (irwingss.github.io)
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 3:
Nota: Si necesitas crear un code chunk los atajos en el teclado son en WINDOWS:
Crtl+Alt+i, y en MAC:Command+Alt+i.
library(tidyverse)
library(gapminder)Calcula el promedio del GDP Percápita (columna gdpPercap) para cada continente de la base de datos gapminder. Crea un resumen estadístico que contenga estos nuevos datos en la columna llamada pib_percapita_prom. Asegúrate de reordenar la tabla final para que muestre el valor más alto en la primera fila. Asigna el resultado final a gdp_continentes.
data(gapminder)
gdp_continentes <- gapminder %>%
group_by(continent) %>%
summarise(pib_percapita_prom = mean(gdpPercap)) %>%
arrange(desc(pib_percapita_prom))
gdp_continentes## # A tibble: 5 x 2
## continent pib_percapita_prom
## <fct> <dbl>
## 1 Oceania 18622.
## 2 Europe 14469.
## 3 Asia 7902.
## 4 Americas 7136.
## 5 Africa 2194.¿Qué continente tiene el mayor Producto Interno Bruto per cápita promedio?
Rpta/. Oceanía.
%in%El realizar filtrados es muy útil. Cuando deseamos filtrar un valor dentro de una columna usamos una estructura lógica similar a COL == "Valor". Sin embargo, algunas veces es necesario buscar más de un valor en la columna. En esos casos uno imaginaría que es útil hacer algo como COL == c("Valor1", "Valor2", "Valor3"). Veamos si es correcto.
# Verifica la cantidad de filas que existe
# para Perú y Ecuador en la base de datos gapminder
# Usa el operador lógico "o" | para definir dos condiciones
# que deben de cumplirse, una o la otra, para filtrar las filas
gapminder %>% filter(country == "Peru" | country == "Ecuador") %>%
group_by(country) %>% count(country)## # A tibble: 2 x 2
## # Groups: country [2]
## country n
## <fct> <int>
## 1 Ecuador 12
## 2 Peru 12# Utilicemos la estructura COL == c("Valor1", "Valor2")
gapminder %>% filter(country == c("Peru","Ecuador")) %>%
group_by(country) %>% count(country)## # A tibble: 2 x 2
## # Groups: country [2]
## country n
## <fct> <int>
## 1 Ecuador 6
## 2 Peru 6Claramente, esta estructura no funciona. Nos indica 6 filas para cada país, en lugar de 12 que son las que tiene cada uno. Siempre que quieras buscar más de un valor en una condición lógica, evita el uso de == y usa en su lugar %in%. El operador %in% busca cada elemento del vector que le proporcionemos a la derecha, en el conjunto de datos que le brindemos a la izquierda. Por ejemplo, COL %in% c("A", "B") busca A en COL y luego busca B en COL, filtrando todas las filas que cumplan con una u otra búsqueda. Por tanto, %in% reemplaza una secuencia de condiciones lógicas “o” |.
# Utilicemos el operador %in%
gapminder %>% filter(country %in% c("Peru","Ecuador")) %>%
group_by(country) %>% count(country)## # A tibble: 2 x 2
## # Groups: country [2]
## country n
## <fct> <int>
## 1 Ecuador 12
## 2 Peru 12# Incluso podemos usar un index
index <- c("Ecuador","Peru","Chile","Mexico","Colombia")
gapminder %>% filter(country %in% index) %>%
group_by(country) %>% count(country)## # A tibble: 5 x 2
## # Groups: country [5]
## country n
## <fct> <int>
## 1 Chile 12
## 2 Colombia 12
## 3 Ecuador 12
## 4 Mexico 12
## 5 Peru 12Ahora aplica lo aprendido para calcular el promedio de vida (columna lifeExp) de cada uno de los paises (columna country) mencionados en el index para gapminder.
gapminder %>% filter(country %in% index) %>%
group_by(country) %>%
summarise(prom = mean(lifeExp)) %>%
arrange(desc(prom))## # A tibble: 5 x 2
## country prom
## <fct> <dbl>
## 1 Chile 67.4
## 2 Mexico 65.4
## 3 Colombia 63.9
## 4 Ecuador 62.8
## 5 Peru 58.9¿Qué país, de los seleccionados, tiene el mayor Producto Interno Bruto per cápita promedio?
Rpta/. Chile.
Filtrado de valores que “Comienzan con la letra …”
Esto a veces es una gran necesidad. Aprenderemos a filtrar valores que comienzan con una letra usando la función substr() para crear una condición lógica dentro de filter(). Primero conoce como usar substr().
# Crea un vector con tres países
paises <- c("República dominicana", "Costa Rica", "Colombia")
# Ejecuta substr para que veas qué hacen los argumentos
# start y stop de substr(). Cambia los números si gustas
substr(paises, start = 1, stop = 1)## [1] "R" "C" "C"substr(paises, start = 1, stop = 3)## [1] "Rep" "Cos" "Col"substr(paises, start = 3, stop = 5)## [1] "púb" "sta" "lom"La función substr() le aplica lo mismo a todos los elementos de un vector de tipo carácter (o una columna de tipo carácter dentro de una tabla), indicando en qué posición dentro de cada elemento iniciar a mostrar los caracteres (start) y dónde detenerse (stop). start =1, stop = 2 significaría: muéstrame desde la primera hasta la segunda letra de cada elemento del conjunto de datos.
Podemos usar esta función como el lado izquierdo de una condición lógica con %in%. Indica que busque, por ejemplo, la letra "A" en el conjunto de datos “recortado” con substr() que muestre sólo la primera letra del texto en cada fila en la columna continent.
gapminder %>%
filter(substr(continent, start = 1, stop = 1) %in% "A") %>%
distinct(continent)## # A tibble: 3 x 1
## continent
## <fct>
## 1 Asia
## 2 Africa
## 3 AmericasAhora aplica lo aprendido, filtra la base de datos para que solo aparezcan los países que comienzan con “Co”.
gapminder %>%
filter(substr(country, start = 1, stop = 2) %in% "Co") %>%
distinct(country)## # A tibble: 6 x 1
## country
## <fct>
## 1 Colombia
## 2 Comoros
## 3 Congo, Dem. Rep.
## 4 Congo, Rep.
## 5 Costa Rica
## 6 Cote d'Ivoire¿Cuántos nombres de países inician con la sílaba “Co”?
Rpta/. Son seis países.
Llama a la base de datos airquality y calcula el promedio y la desviación estándar de las primeras 4 columnas de la base de datos, agrupando los datos por mes (columna Month). Asigna el resultado con el nombre prom.meses. Redondea los valores numéricos de prom.meses a dos decimales con la función round()
# Escribe tu código aquí
prom.meses <- airquality %>% group_by(Month) %>%
select(1:4) %>% summarise_all(funs(mean), na.rm=TRUE)## Adding missing grouping variables: `Month`## Warning: `funs()` was deprecated in dplyr 0.8.0.
## Please use a list of either functions or lambdas:
##
## # Simple named list:
## list(mean = mean, median = median)
##
## # Auto named with `tibble::lst()`:
## tibble::lst(mean, median)
##
## # Using lambdas
## list(~ mean(., trim = .2), ~ median(., na.rm = TRUE))# Visualiza prom.meses
round(prom.meses[2:5])## # A tibble: 5 x 4
## Ozone Solar.R Wind Temp
## <dbl> <dbl> <dbl> <dbl>
## 1 31 167 10 77
## 2 60 172 9 84
## 3 59 216 9 84
## 4 29 190 10 79
## 5 24 181 12 66Modifica el tibble prom.meses convirtiendo la columna Month a factor y cambiando los valores numéricos por el nombre de cada mes según corresponda.
# Escribe tu código aquí
prom.meses$Month <- factor(prom.meses$Month, labels = c("5"="Mayo",
"6"="Junio",
"7"="Julio",
"8"="Agosto",
"9"="Setiembre"))
# Visualiza prom.meses
prom.meses## # A tibble: 5 x 5
## Month Ozone Solar.R Wind Temp
## <fct> <dbl> <dbl> <dbl> <dbl>
## 1 Mayo 31.4 167. 10.2 76.9
## 2 Junio 60.0 172. 8.79 84.0
## 3 Julio 59.1 216. 8.94 83.9
## 4 Agosto 29.4 190. 10.3 79.1
## 5 Setiembre 23.6 181. 11.6 65.5Une los valores de la columna Month y Day de la base de datos airquality en una nueva columna llamada Mes_Dia, consignando el separador el guión bajo "_". Usa alguna de las funciones de la parte de tablas anchas o largas de la clase, y usa pipe lo más que puedas en tu código. Filtra las filas que tengan valores de radiación solar (columna Solar.R) mayores a 250 y valores de ozono (columna Ozone) mayores a 40.
# Escribe tu código aquí
airquality %>%
unite(Mes_Dia, Month, Day, sep="_") %>%
filter(Solar.R > 250 & Ozone > 40)## Ozone Solar.R Wind Temp Mes_Dia
## 1 45 252 14.9 81 Mayo_29
## 2 71 291 13.8 90 Junio_9
## 3 135 269 4.1 84 Julio_1
## 4 77 276 5.1 88 Julio_7
## 5 97 267 6.3 92 Julio_8
## 6 97 272 5.7 92 Julio_9
## 7 48 260 6.9 81 Julio_16
## 8 61 285 6.3 84 Julio_18
## 9 80 294 8.6 86 Julio_24
## 10 50 275 7.4 86 Julio_29
## 11 64 253 7.4 83 Julio_30
## 12 59 254 9.2 81 Julio_31
## 13 122 255 4.0 89 Agosto_7¿A qué mes pertenecen la mayor cantidad de observaciones con estas características de radiación solar y ozono?
Rpta/. Al mes 7
Convierte la base de datos airquality a tabla larga, apilando todas las columnas numéricas y manteniendo las columnas Month y Day. Asignale el nombre t_larga. Una vez guardada la variable úsala para filtra la variable Ozone del mes 8 y calcula el promedio de dicho conjunto de datos.
# Crea la variable t_larga
t_larga <- gather(airquality, Variables, Valores, -Month, -Day)
# Visualiza la variable t_larga
View(t_larga)
# Realiza el filtrado
t_larga %>%
filter(Month=="8" & Variables == "Ozone") %>%
summarise(promedio = mean(Valores, na.rm=TRUE))## promedio
## 1 NaN