——————LABORATORIO 29———————-
Uso de herramienta dplyr
Sumar una cierta variable pero agrupado por otra variable (ejemplo PCI con location_name)
Cargar paquetes
library(data.table)
library(dplyr)
##
## Attaching package: 'dplyr'
## The following objects are masked from 'package:data.table':
##
## between, first, last
## The following objects are masked from 'package:stats':
##
## filter, lag
## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union
Cargar base de datos choose.files() seleccionando la carpeta
Creamos objeto llamado data2013
Colocamos asignación (alt -) <-
El archivo se leerá con read.csv y se copia y pega la ruta del archivo
```r
data2013 <- read.csv("C:\\Users\\Lenovo\\Documents\\GitHub\\LAB-29\\L29 input\\greenR_2013.csv")
Se transforma a tabla de datos
Signo de asiganción y debe leerlo as.date.table de data 2013
data2013 <- as.data.table(data2013)
Para sabér qué clase de datos son se coloca class
class(data2013)
## [1] "data.table" "data.frame"
En la consola se puede visualizar que es un datatable, también llamad dataframe
Suma de variable agurpada por la categoría de la entidad
Crear dataframe resultados. Sigo de asignación <- Proviene de data2013 y activamos operador pipe
Se agrupan group_by por el bombre de la localidad
Otro pipe %>% para el summarise (la suma) de GCI_2013 que será igual a la suma de dicha variable
na.rm significa que los valores faltantes se omitan, por lo que colocamos TRUE.
También se requiere otra suma de GP_SINVCR.
El último sumarise es la variable GCP_2013 omitiendo valores faltantes.
Por último, hacer conteo de las celdas
resultados2013 <- data2013 %>%
group_by(location_name) %>%
summarise(suma_GCI_2013 = sum(GCI_2013, na.rm = T),
suma_GP_SINVCR = sum(GP_SINVCR, na.rm = T),
suma_GCP_2013 = sum(GCP_2013, na.rm = T),
count = n())
Para visualizar
resultados2013
## # A tibble: 32 × 5
## location_name suma_GCI_2013 suma_GP_SINVCR suma_GCP_2013 count
## <chr> <dbl> <int> <dbl> <int>
## 1 Aguascalientes 16.1 91 2.98 106
## 2 Baja California 25.7 75 6.34 106
## 3 Baja California Sur 2.74 101 1.58 106
## 4 Campeche -0.217 105 0.280 106
## 5 Chiapas 1.22 103 1.12 106
## 6 Chihuahua 17.9 83 5.19 106
## 7 Coahuila 18.6 79 5.22 106
## 8 Colima -2.34 101 1.76 106
## 9 Distrito Federal 6.24 97 7.27 106
## 10 Durango 8.34 93 3.26 106
## # … with 22 more rows
——————FIN LABORATORIO 29———————–