#Manipulacion de datos

##funciones concatenar c()

#un vector del 1 al 5

a<- c(1,2,3,4,5)
a
## [1] 1 2 3 4 5

Codigo del 1 al 10

b<-c(1:10)
b
##  [1]  1  2  3  4  5  6  7  8  9 10
c<-c(10:1)
c
##  [1] 10  9  8  7  6  5  4  3  2  1
d<- c(1.5:7.5)
d
## [1] 1.5 2.5 3.5 4.5 5.5 6.5 7.5
e<-c(1:5,2,4,-3)
e
## [1]  1  2  3  4  5  2  4 -3
f<- seq(1:10)
f
##  [1]  1  2  3  4  5  6  7  8  9 10
g<- seq(1,20,2)
g
##  [1]  1  3  5  7  9 11 13 15 17 19
i<- seq(1, 10, length=6)
i
## [1]  1.0  2.8  4.6  6.4  8.2 10.0

#funcion repetir

j <- rep(3,10)
j
##  [1] 3 3 3 3 3 3 3 3 3 3
k<- rep(a,2)
k
##  [1] 1 2 3 4 5 1 2 3 4 5

#funcion generador de niveles o clases gl()

n <- gl(2,6)
n
##  [1] 1 1 1 1 1 1 2 2 2 2 2 2
## Levels: 1 2
o <- gl(2,6,labels=c('Rojo', "Azul"))
o
##  [1] Rojo Rojo Rojo Rojo Rojo Rojo Azul Azul Azul Azul Azul Azul
## Levels: Rojo Azul

#funciones tablas de combiaciones expand.grind()

#genera una tabla con edades (36 o 25), peso (75 o 60) y equipo favorito (tigres o rayados)

p <- expand.grid(edad=c(36,25), peso= c(75,60), equipo= c("Tigres", "Rayados"))
p
##   edad peso  equipo
## 1   36   75  Tigres
## 2   25   75  Tigres
## 3   36   60  Tigres
## 4   25   60  Tigres
## 5   36   75 Rayados
## 6   25   75 Rayados
## 7   36   60 Rayados
## 8   25   60 Rayados

#funcion nombrar columnas names()

names(a) <- c("Lunes", "Martes", "Miercoles", "Jueves", "Viernes")
a
##     Lunes    Martes Miercoles    Jueves   Viernes 
##         1         2         3         4         5

#Funciones modo mode()

mode(b)
## [1] "numeric"
mode(b)<-"character"
b
##  [1] "1"  "2"  "3"  "4"  "5"  "6"  "7"  "8"  "9"  "10"
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