Curso R básico
Jonathan V. Solórzano
1 Introducción a R
¿De qué se trata?
- Lenguaje de programación creado con fines estadísticos.
- Distribución libre.
- Con retroalimentación de todos los usuarios.
- Permite crear paqueterías propias.
- Han aparecido nuevas capacidades para este lenguaje con nuevas paqueterías.
Ventajas
- Permite hacer prácticamente cualquier análisis estadístico.
- Permite crear métodos que se pueden utilizar con diferentes datos.
- Permite automatizar el procesamiento de datos.
- Permite crear gráficos totalmente editables.
- No hay un enfoque de caja negra ya que se puede accesar al detalle de todas las funciones.
- Permite manejar hojas de datos de manera rápida.
- Permite hacer análisis o cálculos no estrictamente estadísticos (como calcular variables comunitarias a partir de medidas individuales, p. ej. AB, riqueza de especies, etc.)
¿Cómo obtenerlo?
- Ingresar a: https://cran.r-project.org/
- Descargar la versión para el sistema operativo que se desea
- Lo dejamos descargando en lo que seguimos
Algunos ejemplos
Instalamos R
- Podemos dejar todo tal cual por default.
Sugerencia para trabajar: RStudio
- Entrar al sitio: https://www.rstudio.com/
- Descargar la versión para el sistema operativo que se desea
- Lo dejamos descargando en lo que seguimos
Pantalla principal de R
- Ver los elementos principales
Instalar RStudio
- Podemos dejar todo tal cual por default.
Pantalla principal de RStudio
- Una vez instalado lo abrimos y vemos lo siguiente:
- Ver los elementos principales
Sugerencia para trabajar: RStudio
¿Qué es RStudio?
- Integrated Development Environment (IDE) o un entorno de desarrollo integrado para R.
- Es un entorno para desarrollar proyectos con R.
- Tiene varias ventajas que facilitan el trabajo con R:
- Organización por proyectos (cambio de directorio de trabajo automático).
- Inspección de objetos en el espacio de trabajo.
- Ventana integrada de gráficos y ayuda.
- Correr por líneas o selección con ctrl + R, ctrl + enter …
- Permite guardar líneas de código.
- Resulta más fácil de trabar con código que en la consola.
- Son los archivos de código que creas en la ventana de “scripts”
- Son los archivos del proyecto de RStudio, que incluyen el espacio de trabajo (.wd), el historial (.h) y directorio de trabajo (setwd)
Consola
## [1] 1## [1] 2## [1] "1"## Error in "1" + "1": argumento no-numérico para operador binario## [1] TRUE## [1] FALSE1.1 Conceptos básicos
Tipos de variables
- Numérica: 1,2,3
- Carácter: “cadenas de caracteres”
- Factores: “cadenas de caracteres cifrados como factores”
- Lógicos: TRUE, FALSE, T, F. Tipos de operadores
- Lógicos: &, |
- Relacionales: >, <, >=, <=, ==, !=
- Matemáticos: + , -, *, /, ^, sqrt, %% (uso de paréntesis)
Hacer las siguientes operaciones en la consola:
- 1+ 2
- 1000/99-554/111+ 63
- 1000/(99-554)/(111+ 63)
- 1+ “2”
- “1”+ “2”
- 3>1
- 1&3>2
- 1>2&3>2
- 1>2|3>2
## [1] 3## [1] 68.11002## [1] -0.01263105## Error in 1 + "2": argumento no-numérico para operador binario## Error in "1" + "2": argumento no-numérico para operador binario## [1] TRUE## [1] TRUE## [1] FALSE## [1] TRUEHacer las siguientes operaciones en la consola:
- 4==4
- 4==8
- 2>=2
- 6<=7
- 4!=5
- 10^3
- sqrt(1000)
- ((5*2)+ 12)>5
- ((5*50)/4>10|54<100)
## [1] TRUE## [1] FALSE## [1] TRUE## [1] TRUE## [1] TRUE## [1] 1000## [1] 31.62278## [1] TRUE## [1] TRUEModulo
- x %% y
- Da el residuo (número entero) de un número x entre algún múltiplo de y
- No da el residuo después del punto decimal.
## [1] 0## [1] 1## [1] 2## [1] 4Ejercicio
- (4^2)%%8
- sqrt(100)%%10
- 5*8+ (8%%5)
## [1] 0## [1] 0## [1] 431.2 Otros conceptos básicos
Espacio de trabajo (Workspace)
- Espacio donde vamos a trabajar
- Se puede cambiar (avanzado)
- Todos los objetos que se usen en una sesión tienen que estar guardados en el actual espacio de trabajo para poder ser llamados
- Esto implica que todos los objetos deben ser primero declarados para ser utilizados
Sintaxis básica:
- Para hacer comentarios se usa “#”.
- Números escritos como tal.
- Caracteres van entre “” ó ‘ ‘.
- Crear objetos con: nombre<-contenido, contenido->nombre, nombre=contenido.
- Nombres de objetos sin espacios
- A excepción de los nombres, los espacios no influyen en la sintaxis.
- Lenguaje sensible a mayúsculas y minúsculas
- Funciones siempre llevan () aunque no hayan argumentos dentro.
Funciones útiles
- class()
## [1] "numeric"## [1] "character"## [1] "logical"Utilizar la función class para revisar las clases de los siguientes objetos:
- 1
- “1”
- T
Creando objetos
- Los objetos una vez creados quedan disponibles en el espacio de trabajo.
- Se pueden crear mediante ->, <-, =.
- Todos los objetos que se usen en una sesión tienen que estar guardados en el actual espacio de trabajo para poder ser llamados
- Esto implica que todos los objetos deben ser primero declarados para ser utilizados
## Error in eval(expr, envir, enclos): objeto 'num_1' no encontrado## [1] 1## Error in eval(expr, envir, enclos): objeto 'Num_1' no encontrado## [1] 3## Error in num1 + char1: argumento no-numérico para operador binarioLos objetos también pueden ser más cosas:
- Funciones
- Gráficos
- Resultados de algún método
- Hojas de datos
- Imágenes
- Shapes
- Puntos
- Cualquier cosa
Crear los siguientes tipos de objetos
- usar cualquier nombre excepto c (es una función)
- mi_string <- “Este es una cadena de caracteres o string”
- mi_num<-80*95+ 63/87
Revisar su clase
Ayuda de R (para funciones)
- help(función)
- ??función
Funciones
- Nombre_de_la_función(argumento1,argumento2,argumento3…)
- Descripción
- Uso
- Ejemplos
- Referencias
- En la ayuda vienen qué tipo de variables tiene que ser cada argumento
- Viene la explicación del método
- Detalles más específicos de la función
- En que paquete viene (esto lo vemos después)
- {vegan}
Buscar la ayuda de las siguientes funciónes, ¿qué hacen?
- mean
- sd
- rep
- sqrt
- seq
- c
## starting httpd help server ... done1.3 Tipos de objetos
Objetos básicos simples
- Variables sencillas
- 1
- Vectores
- c(1,2,3,4,5,6,7,8,9,10… n).
- Data frames
- Conjunto de vectores acomodados por columnas o renglones.
- Matrices
- Como data frames pero solo permiten un tipo de variable en sus entradas.
- Listas
- Conjunto de data frames o matrices o vectores o variables.
Funciones útiles v2
- Para vectores
- length()
- Para data frames y matrices:
- nrow(), ncol()
- dim()
- Para listas
- length()
- Para todas ellas:
- str()
Para crear cada uno de esos objetos Se crean con una función determinada
- Vector
- Objeto<-c(…)
- Data frame
- Objeto<-data.frame(c(…), c(…),…)
- Matriz
- Objeto<-matrix(ncol=x,nrow=y)
- Lista
- Objeto<-vector(“list”,x)
## [1] 1 2 3 4 5## vector1 vector1.1
## 1 1 1
## 2 2 2
## 3 3 3
## 4 4 4
## 5 5 5## [,1] [,2]
## [1,] NA NA
## [2,] NA NA## [[1]]
## NULL
##
## [[2]]
## NULLCrear cada uno de los objetos anteriores:
- vector1<-c(1,2,3,4,5)
- df1<-data.frame(vector1, vector1)
- mat1<-matrix(ncol=2,nrow=2)
- lista1<-vector(“list”,2)
Ver su estructura Analizar la longitud, número de columnas, renglones y dimensiones
Para accesar cada elemento
- Vector
- Vec1[entrada] (solamente un número porque solo tiene una dimensión).
- Matriz o Data frame
- Df1[entrada_fila, entrada_columna] (dos números porque tienen dos dimensiones).
- Lista
- Lista[[entrada de lista]][entrada_de_vector]
- Lista[[entrada de lista]][entrada_de_fila, entrada_de_columna]
## [1] 1## [1] 2## vector1 vector1.1
## 1 1 1## [1] 1 2 3 4 5## NULL## [1] 2## [1] 3## [,1] [,2]
## [1,] 8 6
## [2,] NA NA## [,1] [,2]
## [1,] 8 6
## [2,] 7 7## [[1]]
## [1] "Hey"
##
## [[2]]
## [1] "Que"## [[1]]
## [,1] [,2]
## [1,] 8 6
## [2,] 7 7
##
## [[2]]
## vector1 vector1.1
## 1 1 1
## 2 2 2
## 3 3 3
## 4 4 4
## 5 5 5Accesar a las siguientes entradas:
- Posición 10 de vector1
- Posición 3 de vector1
- Renglón 2 de df1
- Entrada 2,2 de df1
- Columna 1 de df1
- Entrada 11,10 de df1
- Entrada 1,2 de mat1
- Columna 2 de mat1
- Entrada 7,2 de mat1
- Entrada 1 de lista1
- Entrada 2 de lista2
Accesar a las siguientes entradas y sustituirla:
- mat1[1,1]<-8
- mat1[1,2]<-6
- mat1[2,]<-7
- lista1[[1]][1]<-“Hey”
- lista1[[2]][1]<-“Que”
- lista1[[1]][1]<-mat1
- lista1[[2]][1]<-df1
- Entrar a la entrada 2,2 de df1 dentro de lista1
- Entrar a la entrada 1,1 de df1 dentro de lista1
Nombrar elementos
- names(vector)<-vector de nombres
- colnames(df)<-vector de nombres
- rownames(df)<-vector de nombres
- names(lista)<-vector de nombres
## Obs1 Obs2 Obs3 Obs4 Obs5
## 1 2 3 4 5colnames(df1)<-c("Col1","Col2")
rownames(df1)<-c("muestra1","muestra2","muestra3","muestra4","muestra5")
df1## Col1 Col2
## muestra1 1 1
## muestra2 2 2
## muestra3 3 3
## muestra4 4 4
## muestra5 5 5## C1 C2
## m1 8 6
## m2 7 7## $lista_A
## [,1] [,2]
## [1,] 8 6
## [2,] 7 7
##
## $lista_B
## vector1 vector1.1
## 1 1 1
## 2 2 2
## 3 3 3
## 4 4 4
## 5 5 5Crear 2 vectores (vector_a y vector_b), el primero del 1 al 4, y el segundo del 5 al 8. Crear un data frame que se llame datos_nums, donde la col1 se llame: Num1 y la col2: Num2. Accesar mediante corchetes al renglón 2 y columna 1 Accesar mediante corchetes al renglón 4 y columna 2. Sumarlos
Notar el : y su uso, al igual que la asignación de nombre rápida
Otra forma de accesar entradas
- Vector
- vector[“nombre_de_la_entrada”]
- DF
- df$nombre_de_la_columna[renglón_de_entrada]
- Matriz
- mat[nombre_del_renglón,nombre_de_la_columna]
- Lista
- lista$nombre_de_entrada_lista[renglón, columna]
## Obs1
## 1## [1] 1 2 3 4 5## [1] 1 2 3 4 5## m1 m2
## 8 7## C1 C2
## 8 6## [,1] [,2]
## [1,] 8 6
## [2,] 7 7## [1] 8## [1] 1 2 3 4 5Sumar los vectores anteriores (vector_a y vector_b) mediante el método $.
Más funciones útiles
- rep()
- seq()
- número:número
- c()
- cbind()
- rbind()
- as.numeric(), as.character(), as.factor(), as.data.frame(),as.matrix()…
- unlist()
Averiguar qué hace cada una de las funciones anteriores y utilizarlas para:
- Repetir 5 veces la entrada 1,1 de datos_nums.
- Construir una secuencia de 1 a 1000.
- Contruir una secuencia de 1 a 100 con : y guardarla en sec1.
- Contruir una secuencia de 101 a 200 con : y guardarla en sec2.
- Concatenar vector_a y vector_b en objeto vectorsote.
- cbind_seq<-Aplicar cbind para sec1 y sec2
- rbind_seq<-Aplicar rbind para sec1 y sec2
- Aplicar unlist a lista1
Convertir sec1 a caracter (sec1_char) y (sec1_fac) factor Revisar objetos con str y class.
Revisar el objeto cbind_seq Revisen su clase. Sumar la columna 1 y 2 de cbind_seq
Crear un vector de factores (vec_fac) que sea 50 veces “A” y 50 veces “B” (tip, revisen la ayuda de rep)
- Aplicar cbind vec_fac a cbind_seq
- Revisen su clase
- ¿Qué le pasó?
- Sumar la columna 1 y 2 de cbind_seq
- ¿Qué pasó?
- ¿Cómo lo resolverían?
Consejo
- Para que cada variable (columna) se pueda juntar con otras y se respete el tipo de variable de éste recuerden esta regla:
- cbind y rbind son funciones que transforman sus argumentos a tipo matrix.
- Los objetos tipo matriz sólo aceptan un tipo de variable, ya sea númerica o caracter en todas sus columnas.
- Por eso al combinar, un vector de caracteres con numéricos se convierte todo a caracteres.
- O mejor aún, crear desde un principio un data frame con las variables deseadas.
Consejo: así se hacen las cosas
vec_fac<-rep(c("A","B"),each=50)
#Opción 1
base_vec<-data.frame(factor=vec_fac,sec1=cbind_seq[,1],sec2=cbind_seq[,2])
str(base_vec)## 'data.frame': 100 obs. of 3 variables:
## $ factor: Factor w/ 2 levels "A","B": 1 1 1 1 1 1 1 1 1 1 ...
## $ sec1 : int 1 2 3 4 5 6 7 8 9 10 ...
## $ sec2 : int 101 102 103 104 105 106 107 108 109 110 ...Consejo: así no (cont.)
- La lógica nos diría que podríamos convertir en la matriz, algunas variables de tipo factor a numérico, pero la conversión factor * numérico siempre debe ser evitada.
- ¿Por qué?
- Como factor es considerado un caracter que determina un nivel para los datos, no conserva una coincidencia con su número (como numérico).
- Vamos a verlo.
## 'data.frame': 100 obs. of 3 variables:
## $ vec_fac: Factor w/ 2 levels "A","B": 1 1 1 1 1 1 1 1 1 1 ...
## $ sec1 : Factor w/ 100 levels "1","10","100",..: 1 13 24 35 46 57 68 79 90 2 ...
## $ sec2 : Factor w/ 100 levels "101","102","103",..: 1 2 3 4 5 6 7 8 9 10 ...## 'data.frame': 100 obs. of 3 variables:
## $ vec_fac: Factor w/ 2 levels "A","B": 1 1 1 1 1 1 1 1 1 1 ...
## $ sec1 : num 1 13 24 35 46 57 68 79 90 2 ...
## $ sec2 : num 1 2 3 4 5 6 7 8 9 10 ...Data.frame o matrix
- Siempre usar data.frames.
- Casi todos los datos se acomodan mejor en un data.frame.
- Cuando se necesite hacer una conversión a matrix para utilizar alguna función o un caso similar, hacer lo siguiente:
- Dejar las entradas numéricas en las entradas de la matriz.
- Los caracteres ponerlos como nombres de columnas y renglones.
- Si esto no tiene sentido, entonces usar data.frame.
Diferencia entre Factor y Caracter
- El factor es un caracter que tiene un significado para los datos (p.ej. variable cualitativa que explica otra variable).
- Los factores se mantienen aunque recortes la hoja de datos.
- p.ej. tomas algunos datos de tu hoja de datos, sin embargo dentro de los niveles siempre va a aparecer la totalidad de los niveles.
- La conversión entre factor y caracter si respeta los caracteres o factores deseados.
## [1] A A A B B C
## Levels: A B C## [1] A A A
## Levels: A B C## [1] "A" "A" "A"1.4 Funciones propias
Podemos poner muchos argumentos dentro de la función Se pueden llamar funciones dentro de otras funciones, siempre y cuando se carguen en el espacio de trabajo.
#function(x)
# {
# nuestra función
# return(el resultado que queremos que regrese #la función)
#}
mi_func1<-function(x)
{
resul<-x+ 2
return(resul)
}
mi_func1(8)## [1] 10Crear una función (mi_funcion) que tome como argumento un número (x), le sume la mitad de sí mismo y regrese ese nuevo número.
## [1] 12Condicional
- Permiten evaluar la condición deseada
- Permiten seguir un camino si se cumple la condición y otro en caso de que no suceda esto
#if(condicion)
# {
# si se cumple la condición se hace esto
# }else{ #es opcinoal el else, se puede poner o no
# si no, se hace esto
# }
x<-20
if(x>=5)
{
print("El número es mayor o igual a 5")
}else{
print("El número es menor a 5")
}## [1] "El número es mayor o igual a 5"Crear una condicional sobre una variable x de caracter, y definir dos mensajes dependiendo si se cumple o no la variable. * p.ej. chara<-“A”, evaluar si es “A” o no lo es. * imprimir el chara es A o B
## [1] "chara es A"Ciclos
- Sirven para repetir una misma operación o procedimiento sobre subsecuentes entradas
- Permite ahorrar mucho tiempo
#for(definir variable e intervalo de valores que va a tomar)
# {
# esto se hace de manera cíclica cambiando el valor de la #variable en el intervalo de datos que se le indicó
# }
resul<-vector(length=3)
resul## [1] FALSE FALSE FALSE## [1] 1 2 3Crear ciclo en el cual a un vector de números (1 * 10) se le multiplique 4.
## [1] 4 8 12 16 20 24 28 32 36 40Crear una función (mi_func2) que permita sumar el número anterior a cada entrada de sum_vec. Sin embargo, tener en cuenta que en la primera entrada esto no se puede hacer. En este caso que la entrada sea igual a sí misma.
mi_func2<-function(x)
{
for(i in 1:length(x))
{
if(i==1)
{
x[i]<-x[i]
}else{
x[i]<-x[i]+ x[(i-1)]
}
}
return(x)
}
x<-seq(1,10,1)
mi_func2(x)## [1] 1 3 6 10 15 21 28 36 45 55Recomendaciones para hacer funciones propias
- Utilizar variables, no constantes
- Esto asegura que se puedan utilizar con cualquier dato.
- Por lo tanto las hacen funciones útiles en el futuro
Una pequeña nota adelantada
- Para analizar a detalle funciones propias:
- Utilizar debug(nombre_de_la_función)
- Correr la función con los argumentos deseados
- Cargar funciones propias en otros trabajos
- Se pueden construir funciones en scripts y cargarlas.
- Se utiliza la función source(“Nombre_archivo.R”)
- Se carga la función al espacio de trabajo
Otras funciones útiles
- which(condición)
- is.na(datos)
- ifelse(condición, si se cumple haz esto, si no, haz esto)
- apply(datos,por columna o por renglón, función a aplicar)
- sapply()
- lapply()
Otras funciones útiles ¿Que es NA?
## Obs3
## 3## Obs1 Obs2 Obs3 Obs4 Obs5
## FALSE FALSE FALSE FALSE FALSE## Obs2
## "B"## Obs1 Obs2 Obs3 Obs4 Obs5
## 1 2 3 4 5## Col1 Col2
## 3 3## muestra1 muestra2 muestra3 muestra4 muestra5
## 1 2 3 4 5Utilizar help para ver qué hace cada una de las funciones anteriores. Aplicar las funciones anteriores a base_vec.
En base_vec
- Encontrar cuál entrada de sec1 == 8
- Encontrar cuál entrada de vec_fac == “A”
- Evaluar si la entrada 1,1 de base_vec es “A”
- Si es el caso imprimir “es A”
- Si no, imprimir “no es A”
- Sacar la media de sec1 y sec2 con apply
Recordar:
- Cualquier variable, función, dato, gráfico, etc. cargado en el espacio de trabajo es un objeto.
- Funciones requieren de ciertos argumentos con ciertas propiedades para funcionar bien
- Todo paréntesis debe quedar cerrado, si no aparecen errores muy extraños
- {} con para marcar funciones que contienen una serie de operaciones
1.5 Paquetes
Un paso más allá: uso de paquetes
- Los paquetes son conjuntos de funciones que vienen en un paquete.
- Para usar las funciones contenidas en un paquete hay que descargarlas
- Y luego cargarlas en el espacio de trabajo
- ¿Cómo?:
- Instala el paquete en el disco local (TX mirror recomendado)
install.packages(“nombre del paquete”)
- Una vez instalado
library(“nombre del paquete”)
- Así queda cargado en el espacio de trabajo y ya podemos usar las funciones
- Instala el paquete en el disco local (TX mirror recomendado)
Recordar: cada vez que se abre R de nuevo, hay que cargar los paquetes deseados.
Instalar paquetes
## Installing package into 'C:/Users/JonathanVSV/Documents/R/win-library/3.6'
## (as 'lib' is unspecified)## Error in contrib.url(repos, "source"): trying to use CRAN without setting a mirrorInstalar vegan Cargar vegan
??vegan para sacar la ayuda y ver qué hace
Paquetes personalizados
- Uno puede crear su propio paquete de funciones
- Distribuirlo para otros usuarios
- Sólo se requiere seguir una documentación para informar sobre lo que hace el paquete, cada función, el desarrollador, el tipo de licencia, etc.
- Estos paquetes se pueden subir en github.com
- De este sitio también se pueden descargar otros paquetes desarrollados por usuarios .
Otros paquetes
- vegan: Community Ecology Package.
- raster: Geographic Data Analysis and Modeling.
- ggplot2: Create Elegant Data Visualisations Using the Grammar of Graphics.
- rgeos: Interface to Geometry Engine * Open Source (‘GEOS’).
- cluster: Finding Groups in Data: Cluster Analysis Extended.
- nlstools: Tools for Nonlinear Regression Analysis.
- knitr: A General-Purpose Package for Dynamic Report Generation in R.
consultar: https://cran.r-project.org/web/packages/available_packages_by_name.html
1.6 Lectura y escritura
Hasta ahora todo ha sido dentro de R
- Importar tablas de Excel
- Guardar la tabla como csv
- Importarlo mediante el comando read.csv(“Ruta del archivo.csv”)
- Las rutas deben de contener únicamente / y no (default de Windows).
- Meter la tabla a un objeto
- Exportar tablas de Excel
- Guardar la tabla en un objeto
- Exportar objeto mediante el comando write.csv(obj_resul,”Ruta del archivo.csv”)
Normalmente las variables se acomodan en las columnas, mientras que en los renglones cada observación.
Cargar Revisar el directorio de trabajo utilizando getwd() Escribir el nombre del archivo con todo y extensión Abrir BD. El archivo está disponible en la siguiente liga: https://github.com/JonathanVSV/JonathanVSV.github.io/blob/master/Curso_basico_R/BD.csv
Al entrar a la página presionar la tecla Alt y dar click en el botón de “Raw” para descargarlo a su disco duro.
## Country Year CO2.emissions..kt. Livestock.production.index..2004.2006...100.
## 1 Mexico 1961 65305.60 21.04
## 2 Mexico 1962 63809.47 23.02
## 3 Mexico 1963 66361.70 22.73
## 4 Mexico 1964 74278.75 22.72
## 5 Mexico 1965 75246.84 23.88
## 6 Mexico 1966 80930.69 26.24
## Food.production.index..2004.2006...100.
## 1 23.70
## 2 25.39
## 3 26.28
## 4 28.48
## 5 30.82
## 6 33.01
## Crop.production.index..2004.2006...100. Cereal.production..metric.tons.
## 1 28.71 8516733
## 2 30.30 8605792
## 3 32.50 9539077
## 4 37.06 11710533
## 5 40.09 12488283
## 6 42.08 12987982
## GDP.per.capita..current.US.. Life.expectancy.at.birth..total..years.
## 1 359.2909 57.65615
## 2 374.4455 58.18024
## 3 403.8241 58.64290
## 4 463.8963 59.05559
## 5 489.2027 59.43371
## 6 528.9433 59.79322
## Urban.population Urban.population....of.total. Population..total
## 1 20323430 51.590 39394126
## 2 21311766 52.428 40649588
## 3 22339277 53.265 41939880
## 4 23405971 54.100 43264272
## 5 24511884 54.931 44623043
## 6 25656215 55.761 46011038
## Land.area..sq..km.
## 1 1943950
## 2 1943950
## 3 1943950
## 4 1943950
## 5 1943950
## 6 1943950## 'data.frame': 162 obs. of 13 variables:
## $ Country : Factor w/ 3 levels "Guatemala","Mexico",..: 2 2 2 2 2 2 2 2 2 2 ...
## $ Year : int 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 ...
## $ CO2.emissions..kt. : num 65306 63809 66362 74279 75247 ...
## $ Livestock.production.index..2004.2006...100.: num 21 23 22.7 22.7 23.9 ...
## $ Food.production.index..2004.2006...100. : num 23.7 25.4 26.3 28.5 30.8 ...
## $ Crop.production.index..2004.2006...100. : num 28.7 30.3 32.5 37.1 40.1 ...
## $ Cereal.production..metric.tons. : int 8516733 8605792 9539077 11710533 12488283 12987982 13068481 13925652 13843149 15006401 ...
## $ GDP.per.capita..current.US.. : num 359 374 404 464 489 ...
## $ Life.expectancy.at.birth..total..years. : num 57.7 58.2 58.6 59.1 59.4 ...
## $ Urban.population : int 20323430 21311766 22339277 23405971 24511884 25656215 26839108 28070545 29361089 30708544 ...
## $ Urban.population....of.total. : num 51.6 52.4 53.3 54.1 54.9 ...
## $ Population..total : int 39394126 40649588 41939880 43264272 44623043 46011038 47429812 48894019 50423481 52029861 ...
## $ Land.area..sq..km. : int 1943950 1943950 1943950 1943950 1943950 1943950 1943950 1943950 1943950 1943950 ...Otra opción útil para fijar rutas de trabajo es setwd(“Ruta a la que quieres cambiar”)
Recomendación para leer archivos
- Por default R lee las columnas con caracteres como factores.
- Recuerden el problema de hacer conversión de factores a números.
- Recomendación: añadan stringsAsFactors= F como último argumento de read.csv.
Exportar Escribir el nombre del archivo con todo y extensión
1.7 Manejo de un data frame (hoja de datos)
Consultar datos de https://data.worldbank.org/ Ver archivos y ver de qué se trata ¿Qué nos interesa? Seleccionar por lo menos 3 variables. Acomodar datos para importar desde Excel Guardar como separado por comas (.csv) Importar una hoja de datos Guardarlo en un objeto Ver su estructura Describir la hoja de datos
Se pueden filtrar datos mediante
- which(datos cumplen una condición)
- Devuelve los renglones que cumplen con la condición de alguna columna
- Luego seleccionar dichos datos
- P.ej. temp<-which(datos$var1 ==x)
- datos[temp,] #para selccionar todas las columnas de esos renglones se deja vacía la segunda entrada
subset(datos, seleccionar los datos que cumplan con esta condición) datos2<-subset(datos,datos$var1==x)
## Country Year CO2.emissions..kt. Livestock.production.index..2004.2006...100.
## 1 Mexico 1961 65305.60 21.04
## 2 Mexico 1962 63809.47 23.02
## 3 Mexico 1963 66361.70 22.73
## 4 Mexico 1964 74278.75 22.72
## 5 Mexico 1965 75246.84 23.88
## 6 Mexico 1966 80930.69 26.24
## Food.production.index..2004.2006...100.
## 1 23.70
## 2 25.39
## 3 26.28
## 4 28.48
## 5 30.82
## 6 33.01
## Crop.production.index..2004.2006...100. Cereal.production..metric.tons.
## 1 28.71 8516733
## 2 30.30 8605792
## 3 32.50 9539077
## 4 37.06 11710533
## 5 40.09 12488283
## 6 42.08 12987982
## GDP.per.capita..current.US.. Life.expectancy.at.birth..total..years.
## 1 359.2909 57.65615
## 2 374.4455 58.18024
## 3 403.8241 58.64290
## 4 463.8963 59.05559
## 5 489.2027 59.43371
## 6 528.9433 59.79322
## Urban.population Urban.population....of.total. Population..total
## 1 20323430 51.590 39394126
## 2 21311766 52.428 40649588
## 3 22339277 53.265 41939880
## 4 23405971 54.100 43264272
## 5 24511884 54.931 44623043
## 6 25656215 55.761 46011038
## Land.area..sq..km.
## 1 1943950
## 2 1943950
## 3 1943950
## 4 1943950
## 5 1943950
## 6 1943950## Country Year CO2.emissions..kt.
## 40 Mexico 2000 398382.880
## 94 Guatemala 2000 8368.094
## 148 USA 2000 5693684.894
## Livestock.production.index..2004.2006...100.
## 40 86.83
## 94 72.93
## 148 97.48
## Food.production.index..2004.2006...100.
## 40 88.41
## 94 80.78
## 148 95.98
## Crop.production.index..2004.2006...100. Cereal.production..metric.tons.
## 40 88.51 27995057
## 94 84.77 1160727
## 148 94.66 342628299
## GDP.per.capita..current.US.. Life.expectancy.at.birth..total..years.
## 40 6720.902 74.29973
## 94 1655.596 67.77102
## 148 36449.855 76.63659
## Urban.population Urban.population....of.total. Population..total
## 40 76006974 74.722 101719673
## 94 5257631 45.127 11650743
## 148 223069137 79.057 282162411
## Land.area..sq..km.
## 40 1943950
## 94 107160
## 148 9161920## Country Year CO2.emissions..kt. Livestock.production.index..2004.2006...100.
## 1 Mexico 1961 65305.60 21.04
## 2 Mexico 1962 63809.47 23.02
## 3 Mexico 1963 66361.70 22.73
## 4 Mexico 1964 74278.75 22.72
## 5 Mexico 1965 75246.84 23.88
## 6 Mexico 1966 80930.69 26.24
## Food.production.index..2004.2006...100.
## 1 23.70
## 2 25.39
## 3 26.28
## 4 28.48
## 5 30.82
## 6 33.01
## Crop.production.index..2004.2006...100. Cereal.production..metric.tons.
## 1 28.71 8516733
## 2 30.30 8605792
## 3 32.50 9539077
## 4 37.06 11710533
## 5 40.09 12488283
## 6 42.08 12987982
## GDP.per.capita..current.US.. Life.expectancy.at.birth..total..years.
## 1 359.2909 57.65615
## 2 374.4455 58.18024
## 3 403.8241 58.64290
## 4 463.8963 59.05559
## 5 489.2027 59.43371
## 6 528.9433 59.79322
## Urban.population Urban.population....of.total. Population..total
## 1 20323430 51.590 39394126
## 2 21311766 52.428 40649588
## 3 22339277 53.265 41939880
## 4 23405971 54.100 43264272
## 5 24511884 54.931 44623043
## 6 25656215 55.761 46011038
## Land.area..sq..km.
## 1 1943950
## 2 1943950
## 3 1943950
## 4 1943950
## 5 1943950
## 6 1943950## Country Year CO2.emissions..kt.
## 40 Mexico 2000 398382.880
## 94 Guatemala 2000 8368.094
## 148 USA 2000 5693684.894
## Livestock.production.index..2004.2006...100.
## 40 86.83
## 94 72.93
## 148 97.48
## Food.production.index..2004.2006...100.
## 40 88.41
## 94 80.78
## 148 95.98
## Crop.production.index..2004.2006...100. Cereal.production..metric.tons.
## 40 88.51 27995057
## 94 84.77 1160727
## 148 94.66 342628299
## GDP.per.capita..current.US.. Life.expectancy.at.birth..total..years.
## 40 6720.902 74.29973
## 94 1655.596 67.77102
## 148 36449.855 76.63659
## Urban.population Urban.population....of.total. Population..total
## 40 76006974 74.722 101719673
## 94 5257631 45.127 11650743
## 148 223069137 79.057 282162411
## Land.area..sq..km.
## 40 1943950
## 94 107160
## 148 9161920Ver los valores únicos hay en una variable * País (Country) * Year trasponer datos de Country Promedio de variable de emisiones de C02 Desviación estándar de emisiones de C02
## [1] Mexico Guatemala USA
## Levels: Guatemala Mexico USA## [1] 162## [1] 1685032## Warning in mean.default(datos$Country): argument is not numeric or logical:
## returning NA## [1] NA## [1] 15.63411## [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11] [,12] [,13] [,14]
## [1,] 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974
## [,15] [,16] [,17] [,18] [,19] [,20] [,21] [,22] [,23] [,24] [,25] [,26]
## [1,] 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986
## [,27] [,28] [,29] [,30] [,31] [,32] [,33] [,34] [,35] [,36] [,37] [,38]
## [1,] 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998
## [,39] [,40] [,41] [,42] [,43] [,44] [,45] [,46] [,47] [,48] [,49] [,50]
## [1,] 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
## [,51] [,52] [,53] [,54] [,55] [,56] [,57] [,58] [,59] [,60] [,61] [,62]
## [1,] 2011 2012 2013 2014 1961 1962 1963 1964 1965 1966 1967 1968
## [,63] [,64] [,65] [,66] [,67] [,68] [,69] [,70] [,71] [,72] [,73] [,74]
## [1,] 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980
## [,75] [,76] [,77] [,78] [,79] [,80] [,81] [,82] [,83] [,84] [,85] [,86]
## [1,] 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992
## [,87] [,88] [,89] [,90] [,91] [,92] [,93] [,94] [,95] [,96] [,97] [,98]
## [1,] 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004
## [,99] [,100] [,101] [,102] [,103] [,104] [,105] [,106] [,107] [,108]
## [1,] 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
## [,109] [,110] [,111] [,112] [,113] [,114] [,115] [,116] [,117] [,118]
## [1,] 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970
## [,119] [,120] [,121] [,122] [,123] [,124] [,125] [,126] [,127] [,128]
## [1,] 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980
## [,129] [,130] [,131] [,132] [,133] [,134] [,135] [,136] [,137] [,138]
## [1,] 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990
## [,139] [,140] [,141] [,142] [,143] [,144] [,145] [,146] [,147] [,148]
## [1,] 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000
## [,149] [,150] [,151] [,152] [,153] [,154] [,155] [,156] [,157] [,158]
## [1,] 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
## [,159] [,160] [,161] [,162]
## [1,] 2011 2012 2013 2014Ordenar
- sort()
- Devuelve la variable ordenada.
- order()
- Devuelve las posiciones de los elementos en orden.
- Es la más útil para trabajar con hojas de datos.
## [1] 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975
## [16] 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990
## [31] 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
## [46] 2006 2007 2008 2009 2010 2011 2012 2013 2014## [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
## [26] 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
## [51] 51 52 53 54## [1] 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975
## [16] 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990
## [31] 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
## [46] 2006 2007 2008 2009 2010 2011 2012 2013 2014Buscar en la ayuda para qué sirve cada función Ordenar los datos en orden decrecente en función del año
## Country Year CO2.emissions..kt. Livestock.production.index..2004.2006...100.
## 1 Mexico 1961 65305.60 21.04
## 2 Mexico 1962 63809.47 23.02
## 3 Mexico 1963 66361.70 22.73
## 4 Mexico 1964 74278.75 22.72
## 5 Mexico 1965 75246.84 23.88
## 6 Mexico 1966 80930.69 26.24
## Food.production.index..2004.2006...100.
## 1 23.70
## 2 25.39
## 3 26.28
## 4 28.48
## 5 30.82
## 6 33.01
## Crop.production.index..2004.2006...100. Cereal.production..metric.tons.
## 1 28.71 8516733
## 2 30.30 8605792
## 3 32.50 9539077
## 4 37.06 11710533
## 5 40.09 12488283
## 6 42.08 12987982
## GDP.per.capita..current.US.. Life.expectancy.at.birth..total..years.
## 1 359.2909 57.65615
## 2 374.4455 58.18024
## 3 403.8241 58.64290
## 4 463.8963 59.05559
## 5 489.2027 59.43371
## 6 528.9433 59.79322
## Urban.population Urban.population....of.total. Population..total
## 1 20323430 51.590 39394126
## 2 21311766 52.428 40649588
## 3 22339277 53.265 41939880
## 4 23405971 54.100 43264272
## 5 24511884 54.931 44623043
## 6 25656215 55.761 46011038
## Land.area..sq..km.
## 1 1943950
## 2 1943950
## 3 1943950
## 4 1943950
## 5 1943950
## 6 19439501.8 Gráficas
Gráficas básicas
- plot(variable de eje x, variable de eje y)
- Type
- Col
- Xlim
- Ylim
Hagan una gráfica de Año vs producción de cereales
plot(datos$Year,datos$CO2.emissions..kt.,type="l",col="red",
ylim=c(2000000,6000000),xlim=c(1980,2010))
Ver ayuda de plot Crear una gráfica de Año vs Población total
1.9 Gráficas avanzadas
En las gráficas anteriores estábamos graficando las variables de los tres países juntas, pero una buena gráfica debería poder separar por país. En la siguiente sección veremos cómo hacer eso.
#Simple plot
#BD
datos<-read.csv("BD.csv")
M_C02<-datos[which(datos[,1]=="Mexico"),]
G_C02<-datos[which(datos[,1]=="Guatemala"),]
U_C02<-datos[which(datos[,1]=="USA"),]Gráfica puntos
#plot de puntos
plot(M_C02[,2],M_C02[,3],col="red",type="p",xlab="year",ylab="C02 (kt)",
xlim=c(1961,2014),ylim=c(0,6000000))
points(U_C02[,2],U_C02[,3],col="blue",type="p",
xlim=c(1961,2014),ylim=c(0,6000000))
points(G_C02[,2],G_C02[,3],col="green",type="p",
xlim=c(1961,2014),ylim=c(0,6000000))
Histograma
#Histograma
hist(datos$Life.expectancy.at.birth..total..years.,
xlab="Expectativa de vida (años)",ylab="Frecuencia")
Densidad de probabilidad
Dotchart
Barplot
pobl_2014<-subset(datos,datos$Year==2014)
pobl_2014<-data.frame(pobl_2014[,1],pobl_2014$Population..total)
barplot(pobl_2014[,2],names.arg=pobl_2014[,1],
ylab="Población en 2014 (personas)",xlab="País")
Line chart
plot(M_C02[,2],M_C02[,3],col="red",type="l",xlab="year",ylab="C02 (kt)",
xlim=c(1961,2014),ylim=c(0,6000000))
lines(U_C02[,2],U_C02[,3],col="blue",type="l",
xlim=c(1961,2014),ylim=c(0,6000000))
lines(G_C02[,2],G_C02[,3],col="green",type="l",
xlim=c(1961,2014),ylim=c(0,6000000))
Pie
C02_2014<-subset(datos,datos$Year==2014)
C02_2014<-data.frame(C02_2014$Country,C02_2014$CO2.emissions..kt.)
pie(C02_2014[,2],labels=C02_2014[,1])
Boxplot
Hacer una gráfica de alguno de los tipos que vimos ahorita con los datos de “datos”.
1.10 Gráficas aún más avanzadas: ggplot2
ggplot2, otro paquete de R.
plotter<-data.frame(datos[,c(1:3)])
colnames(plotter)<-c("Country","Year","C02")
p1= ggplot(plotter,aes(x=Year,y=C02,factor=Country,col=Country))
p1= p1 + geom_line()
p1 = p1 + theme_bw()
p1 = p1 + theme(strip.background=element_rect(fill="white"),plot.title=element_text(size=12,hjust = 0),text=element_text(size=14),axis.line=element_line(colour="black"),panel.grid.major=element_blank(),panel.grid.minor=element_blank(),panel.border=element_blank(),panel.background=element_rect(fill="white"))
p1 = p1 + scale_x_continuous(expand=c(0,0),limit=c(1961,2014))
p1 = p1 + scale_y_continuous(expand=c(0,0),limit=c(0,6000000))
Exportar gráficas
jpeg(filename = "Gráfica_sencilla.jpeg",width=18,height=12,units="cm",res=300)
plot(M_C02[,2],M_C02[,3],col="red",type="l",xlab="year",ylab="C02 (kt)",
xlim=c(1961,2014),ylim=c(0,6000000))
lines(U_C02[,2],U_C02[,3],col="blue",type="l",
xlim=c(1961,2014),ylim=c(0,6000000))
lines(G_C02[,2],G_C02[,3],col="green",type="l",
xlim=c(1961,2014),ylim=c(0,6000000))
dev.off()## png
## 2## png
## 2Exportar gráficas
jpeg()
png()
pdf()
bmp()
tiff()
jpeg(…)
plot(…)
dev.off()
Exportar una gráfica a jpeg.
1.11 Manejo de errores comunes
No existe la función o el objeto Error: object ‘X’ not found
- Revisar que el objeto o función esté bien escrita, con mayúsculas, minúsculas, _, etc.
- Revisar que el objeto o la función haya sido declarada en el espacio de trabajo.
- Revisar que se haya cargado el paquete en el que viene la función a utilizar, en el espacio de trabajo.
Warnings
Escribir warnings() para ver de qué se tratan las advertencias.
Normalmente no se tratan de errores críticos, pero pueden avisar sobre detalles importantes a considerar en el análisis (pueden sugerir cambios en el análisis).
No existe el archivo Error in file(file, “rt”) : cannot open the connection In addition: Warning message: cannot open file ‘X’: No such file or directory
Revisar que la ruta esté escrita correctamente, utilizando:
- Extensión del archivo (.csv)
- / en lugar de
- Algunas veces hay problemas con caracteres especiales (acentos o espacios). Sugerencia: utilizar _ para espacios y evitar acentos.
Error de asignación de dimensiones
Error in X : subscript out of boundsRevisar que el objeto sea del tipo y dimensiones que se piensa (p.ej. data frame y con x renglones y columnas)
Revisar la estructura del objeto
Error de asignación de dimensiones