——————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———————–