#Función concatenar

#?c

#Un vector del 1 al 5

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

#del 1 al 10

b <- c(1:10)
b
##  [1]  1  2  3  4  5  6  7  8  9 10
c <- c(1:10)

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

#Función secuencia seq()

f <-seq(1:10)
f
##  [1]  1  2  3  4  5  6  7  8  9 10
g <- seq(1,20,2)# Valor inicial, valor final, secuecnia
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

#Función replicar rep()

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

#Función generador de niveles o clases gl()

n <- gl(2,16)
n
##  [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 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

#Función tabla de combinaciones expnad.grid()

#Generar una tabla con edades (36 o 25), peso (75 o 65) 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

#Funciones nombrar columnas names()

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

#FUncion 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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