Exporación de datos

Estructuras de datos en R

Vectores

Los vectores son la estructura mas básica de datos en R, y es una secuencia de datos, los cuales pueden ser numéricos, de caracteres (letras), booleanos (Verdaderos o Falsos), etc.

La forma mas común de crear un vector es con la función c, como ejemplo generaremos un vector llamado x, el cual tendrá los numero del 0 al 100 en intervalos de 10.

x <- c(0, 10, 20, 30, 40, 50, 60, 70, 80, 90, 100)

Otra forma de crear un vector, es con la función seq. El mismo vector x, lo podemos generar con el siguiente comando.

x <- seq(from = 0, to = 100, by = 10)

Para seleccionar o subsetear elementos de un vector, escribimos el nombre del vector y en corchetes cuadrados escribimos el o los elementos en forma de vector (es un vectorception si se quiere). Por ejemplo si quisieran tomar el primer elemento de el vector x de ese vector, usarían el siguiente comando:

x[1]
## [1] 0

Si quisieran eliminar el tercer y quinto elemento de el vector x, usaríamos este otro comando:

x[-c(3, 5)]
## [1]   0  10  30  50  60  70  80  90 100

En el siguiente ejercicio obtén un nuevo vector y con el tercer, quinto y décimo elemento:

Ejercicio 1

y <- x

y

Ejercicio 2

Quiz

Data Frame

El data frame es el corazón de las bases de datos, y es una tabla nada más, y en ese sentido podríamos decir que cada columna es un vector, un ejemplo de un dataframe es la base de datos iris, la cual vemos en la siguiente tabla

Sepal.Length Sepal.Width Petal.Length Petal.Width Species
5.1 3.5 1.4 0.2 setosa
4.9 3.0 1.4 0.2 setosa
4.7 3.2 1.3 0.2 setosa
4.6 3.1 1.5 0.2 setosa
5.0 3.6 1.4 0.2 setosa
5.4 3.9 1.7 0.4 setosa
4.6 3.4 1.4 0.3 setosa
5.0 3.4 1.5 0.2 setosa
4.4 2.9 1.4 0.2 setosa
4.9 3.1 1.5 0.1 setosa
5.4 3.7 1.5 0.2 setosa
4.8 3.4 1.6 0.2 setosa
4.8 3.0 1.4 0.1 setosa
4.3 3.0 1.1 0.1 setosa
5.8 4.0 1.2 0.2 setosa
5.7 4.4 1.5 0.4 setosa
5.4 3.9 1.3 0.4 setosa
5.1 3.5 1.4 0.3 setosa
5.7 3.8 1.7 0.3 setosa
5.1 3.8 1.5 0.3 setosa
5.4 3.4 1.7 0.2 setosa
5.1 3.7 1.5 0.4 setosa
4.6 3.6 1.0 0.2 setosa
5.1 3.3 1.7 0.5 setosa
4.8 3.4 1.9 0.2 setosa
5.0 3.0 1.6 0.2 setosa
5.0 3.4 1.6 0.4 setosa
5.2 3.5 1.5 0.2 setosa
5.2 3.4 1.4 0.2 setosa
4.7 3.2 1.6 0.2 setosa
4.8 3.1 1.6 0.2 setosa
5.4 3.4 1.5 0.4 setosa
5.2 4.1 1.5 0.1 setosa
5.5 4.2 1.4 0.2 setosa
4.9 3.1 1.5 0.2 setosa
5.0 3.2 1.2 0.2 setosa
5.5 3.5 1.3 0.2 setosa
4.9 3.6 1.4 0.1 setosa
4.4 3.0 1.3 0.2 setosa
5.1 3.4 1.5 0.2 setosa
5.0 3.5 1.3 0.3 setosa
4.5 2.3 1.3 0.3 setosa
4.4 3.2 1.3 0.2 setosa
5.0 3.5 1.6 0.6 setosa
5.1 3.8 1.9 0.4 setosa
4.8 3.0 1.4 0.3 setosa
5.1 3.8 1.6 0.2 setosa
4.6 3.2 1.4 0.2 setosa
5.3 3.7 1.5 0.2 setosa
5.0 3.3 1.4 0.2 setosa
7.0 3.2 4.7 1.4 versicolor
6.4 3.2 4.5 1.5 versicolor
6.9 3.1 4.9 1.5 versicolor
5.5 2.3 4.0 1.3 versicolor
6.5 2.8 4.6 1.5 versicolor
5.7 2.8 4.5 1.3 versicolor
6.3 3.3 4.7 1.6 versicolor
4.9 2.4 3.3 1.0 versicolor
6.6 2.9 4.6 1.3 versicolor
5.2 2.7 3.9 1.4 versicolor
5.0 2.0 3.5 1.0 versicolor
5.9 3.0 4.2 1.5 versicolor
6.0 2.2 4.0 1.0 versicolor
6.1 2.9 4.7 1.4 versicolor
5.6 2.9 3.6 1.3 versicolor
6.7 3.1 4.4 1.4 versicolor
5.6 3.0 4.5 1.5 versicolor
5.8 2.7 4.1 1.0 versicolor
6.2 2.2 4.5 1.5 versicolor
5.6 2.5 3.9 1.1 versicolor
5.9 3.2 4.8 1.8 versicolor
6.1 2.8 4.0 1.3 versicolor
6.3 2.5 4.9 1.5 versicolor
6.1 2.8 4.7 1.2 versicolor
6.4 2.9 4.3 1.3 versicolor
6.6 3.0 4.4 1.4 versicolor
6.8 2.8 4.8 1.4 versicolor
6.7 3.0 5.0 1.7 versicolor
6.0 2.9 4.5 1.5 versicolor
5.7 2.6 3.5 1.0 versicolor
5.5 2.4 3.8 1.1 versicolor
5.5 2.4 3.7 1.0 versicolor
5.8 2.7 3.9 1.2 versicolor
6.0 2.7 5.1 1.6 versicolor
5.4 3.0 4.5 1.5 versicolor
6.0 3.4 4.5 1.6 versicolor
6.7 3.1 4.7 1.5 versicolor
6.3 2.3 4.4 1.3 versicolor
5.6 3.0 4.1 1.3 versicolor
5.5 2.5 4.0 1.3 versicolor
5.5 2.6 4.4 1.2 versicolor
6.1 3.0 4.6 1.4 versicolor
5.8 2.6 4.0 1.2 versicolor
5.0 2.3 3.3 1.0 versicolor
5.6 2.7 4.2 1.3 versicolor
5.7 3.0 4.2 1.2 versicolor
5.7 2.9 4.2 1.3 versicolor
6.2 2.9 4.3 1.3 versicolor
5.1 2.5 3.0 1.1 versicolor
5.7 2.8 4.1 1.3 versicolor
6.3 3.3 6.0 2.5 virginica
5.8 2.7 5.1 1.9 virginica
7.1 3.0 5.9 2.1 virginica
6.3 2.9 5.6 1.8 virginica
6.5 3.0 5.8 2.2 virginica
7.6 3.0 6.6 2.1 virginica
4.9 2.5 4.5 1.7 virginica
7.3 2.9 6.3 1.8 virginica
6.7 2.5 5.8 1.8 virginica
7.2 3.6 6.1 2.5 virginica
6.5 3.2 5.1 2.0 virginica
6.4 2.7 5.3 1.9 virginica
6.8 3.0 5.5 2.1 virginica
5.7 2.5 5.0 2.0 virginica
5.8 2.8 5.1 2.4 virginica
6.4 3.2 5.3 2.3 virginica
6.5 3.0 5.5 1.8 virginica
7.7 3.8 6.7 2.2 virginica
7.7 2.6 6.9 2.3 virginica
6.0 2.2 5.0 1.5 virginica
6.9 3.2 5.7 2.3 virginica
5.6 2.8 4.9 2.0 virginica
7.7 2.8 6.7 2.0 virginica
6.3 2.7 4.9 1.8 virginica
6.7 3.3 5.7 2.1 virginica
7.2 3.2 6.0 1.8 virginica
6.2 2.8 4.8 1.8 virginica
6.1 3.0 4.9 1.8 virginica
6.4 2.8 5.6 2.1 virginica
7.2 3.0 5.8 1.6 virginica
7.4 2.8 6.1 1.9 virginica
7.9 3.8 6.4 2.0 virginica
6.4 2.8 5.6 2.2 virginica
6.3 2.8 5.1 1.5 virginica
6.1 2.6 5.6 1.4 virginica
7.7 3.0 6.1 2.3 virginica
6.3 3.4 5.6 2.4 virginica
6.4 3.1 5.5 1.8 virginica
6.0 3.0 4.8 1.8 virginica
6.9 3.1 5.4 2.1 virginica
6.7 3.1 5.6 2.4 virginica
6.9 3.1 5.1 2.3 virginica
5.8 2.7 5.1 1.9 virginica
6.8 3.2 5.9 2.3 virginica
6.7 3.3 5.7 2.5 virginica
6.7 3.0 5.2 2.3 virginica
6.3 2.5 5.0 1.9 virginica
6.5 3.0 5.2 2.0 virginica
6.2 3.4 5.4 2.3 virginica
5.9 3.0 5.1 1.8 virginica

Para subsetear un dataframe, usamos los corchetes cuadrados nuevamente, pero usamos una coma para separar las filas y las columnas, donde antes de la coma tenemos las filas y después las columnas. De esa forma para generar desde el dataframe iris un nuevo dataframe llamado DF que tiene las columnas de largo de pétalo (tercera columna) y la especie (quinta columna), de las primeras diez observaciones lo haría de la siguiente forma:

DF <- iris[c(1:10),c(3,5)]

Genera un nuevo Dataframe en base a iris, llamado df, el cual tenga las primeras 3 medidas de largo de sépalo y largo de pétalo de cada una de las 3 especies, para esto, modifica el siguiente código

df <- iris[c(1:10),c(3,5)]
df

Resumen de datos en R

Una de las herramientas mas poderosas para resumir y explorar datos están en el paquete tidyverse. Dentro de este paquete usaremos las siguientes funciones:

  • summarize
  • group_by
  • filter
  • %>% pipeline

summarize y group_by

Estas dos funciones usualmente se usan en conjunto, summarize resume una variable y group_by reúne observaciones según una variable. Volviendo al caso de iris puedo generar una tabla que sea la media del largo del pétalo usando solo la función summarize:

MEAN <- summarize(iris, MEAN.PETAL = mean(Petal.Length))
MEAN.PETAL
3.758

A su vez, si quiero agrupar por especie y ver la media de la misma variable ocupo el siguiente código

MEAN <- group_by(iris, Species)
MEAN <- summarize(MEAN, MEAN.PETAL = mean(Petal.Length))
Species MEAN.PETAL
setosa 1.462
versicolor 4.260
virginica 5.552

Pipeline (%>%)

El pipeline %>% me ahorra unas pocas lineas. Al usar el pipeline se parte con un data.frame y se agregan funciones de dplyr hasta llegar al resultado deseado. Puedo llegar al mismo resultado que en el código anterior con el siguiente código usando el pipeline:

MEAN <- iris %>% group_by(Species) %>% summarize(MEAN.PETAL = mean(Petal.Length))
Species MEAN.PETAL
setosa 1.462
versicolor 4.260
virginica 5.552

Ejercicio 3

Usando la base de datos storm del paquete tidyverse (la cual ya esta cargada), calcula la velocidad promedio y diámetro promedio (hu_diameter) de las tormentas declaradas huracanes por año

storms %>% select(year)