6.14 Ejercicios del capítulo

  1. Carga la base de datos aids de la librería boot. Se pretenden obtener el promedio de las columnas delay, dud, time ey, por cuarto (quarter) y por año (year). Asegúrate de que la tabla esté reordenada de menor a mayor por año (year) y por cuarto (quarter).
  2. Utilizando la base de dato aids, encuentra cuales son los años (o el año) en que se tuvieron valores mayores igual a 30 en time y valores de mayores a 25 en delay.
  3. La función grepl() provee una manera muy interesante de filtrar filas. Permite especificar un texto que será buscado dentro de cada palabra en cada celda de dicha columna, para filtrar las filas que contengan dicha cadena de texto. Pueden ser solo letras consecutivas, una palabras completa, etc. Usando grepl() dentro de la función filter(), se filtrarán las filas que coincidan con la búsqueda hecha por grepl().

Una vez entendido el uso de la función grepl(), instala y activa la librería gapminder, y carga la base de datos del mismo nombre. Filtra las filas que en la columna country tengan el patrón de texto “ru”. Luego, realiza una segunda pipeline para realizar lo mismo pero ahora con el patrón “nia”, indicando que se ignore mayúsculas o minúsculas.

# Conjunto de datos
vector <- c("Andrea","Breta","Mark","Elon")

# Buscar la letra A mayúscula en los elementos del vector
grepl("A", vector)
# [1]  TRUE FALSE FALSE FALSE

# Buscar la letra A (mayúscula o minúscula) en los elementos del vector
grepl("A", vector, ignore.case = TRUE)
# [1]  TRUE  TRUE  TRUE FALSE

# Buscar re mayúscula en los elementos del vector
grepl("re", vector)
# [1]  TRUE  TRUE FALSE FALSE
# Inicia el ejercicio con la instalación de gapminder
install.packages("gapminder")
library(gapminder)

# Carga la base de datos gapminder
data("gapminder")

  1. Carga la base de datos breslow de la librería boot. Esta base contiene información sobre el estatus de fumador/no fumador y edad de varios pacientes. Filtra las filas de las personas fumadoras (1) en la columna smoke que tengan age (edad) mayor a 40. Si realizas el ejercicio y no te funciona, la respuesta no era tan sencilla como aparenta. Revisar la str() de una base de datos es crucial siempre, aquí ayuda a entender que originalmente age es un factor, y debería ser numérica para aplicarle el filtrado con mayor a 40. Algo similar pasa con smoke, es numérica y debe ser un factor. Utiliza la función respectiva de dplyr para transformar estas columnas. Aquí el truco para age es primero convertirla de factor a character, y luego a numeric. Pasar de factor directamente a numeric puede hacer que se pierda la información. Juega un poco con la base y notarás estos problemas.

  2. Carga la base de datos population de la librería tidyr. Identifica cuales son los seis países con mayor población (asegúrate de expresarlo en millones) en 1995, y luego en 2007. ¿Cambió algún país en la lista del top 6 ordenada de mayor a menor?