TIDYVERSE

INGENIERÍA EN ESTADÍSTICA

Utilizando la base de datos interna mtcars, resolver los siguientes enunciados:

1. Seleccionamos las 3 primeras columnas del dataset mtcars y mostramos la cabecera

library(tidyverse)

## Warning: package 'tidyverse' was built under R version 4.3.1

## Warning: package 'ggplot2' was built under R version 4.3.1

## Warning: package 'readr' was built under R version 4.3.1

## Warning: package 'dplyr' was built under R version 4.3.1

## Warning: package 'forcats' was built under R version 4.3.1

## Warning: package 'lubridate' was built under R version 4.3.1

## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.2     ✔ readr     2.1.4
## ✔ forcats   1.0.0     ✔ stringr   1.5.0
## ✔ ggplot2   3.4.2     ✔ tibble    3.2.1
## ✔ lubridate 1.9.2     ✔ tidyr     1.3.0
## ✔ purrr     1.0.1     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

head(select(mtcars, 1:3))

##                    mpg cyl disp
## Mazda RX4         21.0   6  160
## Mazda RX4 Wag     21.0   6  160
## Datsun 710        22.8   4  108
## Hornet 4 Drive    21.4   6  258
## Hornet Sportabout 18.7   8  360
## Valiant           18.1   6  225

2. Utiliza la ayuda ?select_helpers para que observes el resultado

?select_helpers

## starting httpd help server ... done

3. Seleccionar las columnas que empiezan por d

head(select(mtcars, starts_with("d")))

##                   disp drat
## Mazda RX4          160 3.90
## Mazda RX4 Wag      160 3.90
## Datsun 710         108 3.85
## Hornet 4 Drive     258 3.08
## Hornet Sportabout  360 3.15
## Valiant            225 2.76

4. Seleccionar las columnas que terminan por p

head(select(mtcars, ends_with("p")))

##                   disp  hp
## Mazda RX4          160 110
## Mazda RX4 Wag      160 110
## Datsun 710         108  93
## Hornet 4 Drive     258 110
## Hornet Sportabout  360 175
## Valiant            225 105

5. head(select( mtcars, -drat, -am )) (Explica que resultado obtienes ?)

head(select( mtcars, -drat, -am ))

##                    mpg cyl disp  hp    wt  qsec vs gear carb
## Mazda RX4         21.0   6  160 110 2.620 16.46  0    4    4
## Mazda RX4 Wag     21.0   6  160 110 2.875 17.02  0    4    4
## Datsun 710        22.8   4  108  93 2.320 18.61  1    4    1
## Hornet 4 Drive    21.4   6  258 110 3.215 19.44  1    3    1
## Hornet Sportabout 18.7   8  360 175 3.440 17.02  0    3    2
## Valiant           18.1   6  225 105 3.460 20.22  1    3    1

6. head(select( mtcars, contains( “a” ) )) (Explica que resultado obtienes ?)

head(select( mtcars, contains("a")))

##                   drat am gear carb
## Mazda RX4         3.90  1    4    4
## Mazda RX4 Wag     3.90  1    4    4
## Datsun 710        3.85  1    4    1
## Hornet 4 Drive    3.08  0    3    1
## Hornet Sportabout 3.15  0    3    2
## Valiant           2.76  0    3    1

7. head(filter( mtcars, mpg > 20, gear == 4)) (Explica que resultado obtienes ?)

head(filter( mtcars, mpg > 20, gear == 4))

##                mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4     21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag 21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710    22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
## Merc 240D     24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
## Merc 230      22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
## Fiat 128      32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1

8. Seleccionar los sujetos con tipo de transmisión (am) 1 que, además, tienen 6 cilindros o menos

head(filter(mtcars, am == 1, cyl <= 6))

##                 mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4      21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag  21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710     22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
## Fiat 128       32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
## Honda Civic    30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
## Toyota Corolla 33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1

9. Seleccionar los sujetos que bien consumen menos de 21 mpg o bien tienen menos de 3 carburantes (carb) y menos de 4 engranajes (gear)

head(filter(mtcars, (mpg < 21 | carb < 3) & gear < 4))

##                    mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## Hornet 4 Drive    21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout 18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
## Valiant           18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
## Duster 360        14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
## Merc 450SE        16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
## Merc 450SL        17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3

10. Ordena por cilindrada (cyl) y por desplazamiento (disp)

head(select(mtcars, cyl, disp, everything()))

##                   cyl disp  mpg  hp drat    wt  qsec vs am gear carb
## Mazda RX4           6  160 21.0 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag       6  160 21.0 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710          4  108 22.8  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive      6  258 21.4 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout   8  360 18.7 175 3.15 3.440 17.02  0  0    3    2
## Valiant             6  225 18.1 105 2.76 3.460 20.22  1  0    3    1

11. Crea una nueva columna que indique los kilogramos que pesa el coche, sabiendo que 1 libra = 0.45 kg. La variable wt indica el peso en libras.

mtcars$kg <- (mtcars$wt*0.45)
head(mtcars)

##                    mpg cyl disp  hp drat    wt  qsec vs am gear carb      kg
## Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4 1.17900
## Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4 1.29375
## Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1 1.04400
## Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1 1.44675
## Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2 1.54800
## Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1 1.55700

12. La función summarise() agrupa los valores en una tabla de acuerdo a la función que indiquemos. Calcula la media de disp usando la función summarise:

grupo_disp <- group_by(mtcars, disp)
grupo_disp

## # A tibble: 32 × 12
## # Groups:   disp [27]
##      mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb    kg
##    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
##  1  21       6  160    110  3.9   2.62  16.5     0     1     4     4  1.18
##  2  21       6  160    110  3.9   2.88  17.0     0     1     4     4  1.29
##  3  22.8     4  108     93  3.85  2.32  18.6     1     1     4     1  1.04
##  4  21.4     6  258    110  3.08  3.22  19.4     1     0     3     1  1.45
##  5  18.7     8  360    175  3.15  3.44  17.0     0     0     3     2  1.55
##  6  18.1     6  225    105  2.76  3.46  20.2     1     0     3     1  1.56
##  7  14.3     8  360    245  3.21  3.57  15.8     0     0     3     4  1.61
##  8  24.4     4  147.    62  3.69  3.19  20       1     0     4     2  1.44
##  9  22.8     4  141.    95  3.92  3.15  22.9     1     0     4     2  1.42
## 10  19.2     6  168.   123  3.92  3.44  18.3     1     0     4     4  1.55
## # ℹ 22 more rows

summarise(grupo_disp, mean(disp))

## # A tibble: 27 × 2
##     disp `mean(disp)`
##    <dbl>        <dbl>
##  1  71.1         71.1
##  2  75.7         75.7
##  3  78.7         78.7
##  4  79           79  
##  5  95.1         95.1
##  6 108          108  
##  7 120.         120. 
##  8 120.         120. 
##  9 121          121  
## 10 141.         141. 
## # ℹ 17 more rows

13. summarise(group_by(mtcars, cyl), max = max(disp)) (Explica que resultado obtienes ?)

summarise(group_by(mtcars, cyl), max = max(disp))

## # A tibble: 3 × 2
##     cyl   max
##   <dbl> <dbl>
## 1     4  147.
## 2     6  258 
## 3     8  472

14. mtcars %>% select( mpg:disp )%>% head (Explica que resultado obtienes ?)

mtcars %>% select(mpg:disp)%>% head

##                    mpg cyl disp
## Mazda RX4         21.0   6  160
## Mazda RX4 Wag     21.0   6  160
## Datsun 710        22.8   4  108
## Hornet 4 Drive    21.4   6  258
## Hornet Sportabout 18.7   8  360
## Valiant           18.1   6  225

15. head(select(select(mtcars, contains(“a”)), -drat, -am)) (Explica que resultado obtienes ?)

head(select(select(mtcars, contains("a")), -drat, -am))

##                   gear carb
## Mazda RX4            4    4
## Mazda RX4 Wag        4    4
## Datsun 710           4    1
## Hornet 4 Drive       3    1
## Hornet Sportabout    3    2
## Valiant              3    1

16. Utilizando pipes ejecuta el ejercicio 15

mtcars %>%
  select((contains("a")), -drat, -am)

##                     gear carb
## Mazda RX4              4    4
## Mazda RX4 Wag          4    4
## Datsun 710             4    1
## Hornet 4 Drive         3    1
## Hornet Sportabout      3    2
## Valiant                3    1
## Duster 360             3    4
## Merc 240D              4    2
## Merc 230               4    2
## Merc 280               4    4
## Merc 280C              4    4
## Merc 450SE             3    3
## Merc 450SL             3    3
## Merc 450SLC            3    3
## Cadillac Fleetwood     3    4
## Lincoln Continental    3    4
## Chrysler Imperial      3    4
## Fiat 128               4    1
## Honda Civic            4    2
## Toyota Corolla         4    1
## Toyota Corona          3    1
## Dodge Challenger       3    2
## AMC Javelin            3    2
## Camaro Z28             3    4
## Pontiac Firebird       3    2
## Fiat X1-9              4    1
## Porsche 914-2          5    2
## Lotus Europa           5    2
## Ford Pantera L         5    4
## Ferrari Dino           5    6
## Maserati Bora          5    8
## Volvo 142E             4    2

17. mtcars_filtered = filter(mtcars, wt > 1.5)

mtcars_grouped = group_by(mtcars_filtered, cyl)

summarise(mtcars_grouped, mn = mean(mpg), sd = sd(mpg)) (Explica que resultado obtienes ?)

mtcars_filtered = filter(mtcars, wt > 1.5)
mtcars_grouped = group_by(mtcars_filtered, cyl)
summarise(mtcars_grouped, mn = mean(mpg), sd = sd(mpg))

## # A tibble: 3 × 3
##     cyl    mn    sd
##   <dbl> <dbl> <dbl>
## 1     4  26.7  4.51
## 2     6  19.7  1.45
## 3     8  15.1  2.56

18. Utilizando pipes ejecuta el ejercicio 17

mtcars %>% filter(wt > 1.5) %>% group_by(cyl) %>% summarise(mean(mpg), sd(mpg))

## # A tibble: 3 × 3
##     cyl `mean(mpg)` `sd(mpg)`
##   <dbl>       <dbl>     <dbl>
## 1     4        26.7      4.51
## 2     6        19.7      1.45
## 3     8        15.1      2.56

19. Es obligatorio utilizar las funciones del paquete dplyr y recomendable utilizar pipes %>% para los siguientes ejercicios

20. Descarga el fichero de datos vuelos.csv situado en http://gauss.inf.um.es/datos/; en local o localiza la url donde se encuentra

21. Descarga el archivo y Guarda los datos en una variable llamada vuelos

vuelos<-read.csv("C:/Users/FLOR MARIA MOROCHO/Downloads/vuelos.csv")
head(vuelos)

##         date hour minute  dep  arr dep_delay arr_delay carrier flight dest
## 1 2011-01-01   14      0 1400 1500         0       -10      AA    428  DFW
## 2 2011-01-02   14      1 1401 1501         1        -9      AA    428  DFW
## 3 2011-01-03   13     52 1352 1502        -8        -8      AA    428  DFW
## 4 2011-01-04   14      3 1403 1513         3         3      AA    428  DFW
## 5 2011-01-05   14      5 1405 1507         5        -3      AA    428  DFW
## 6 2011-01-06   13     59 1359 1503        -1        -7      AA    428  DFW
##    plane cancelled time dist
## 1 N576AA         0   40  224
## 2 N557AA         0   45  224
## 3 N541AA         0   48  224
## 4 N403AA         0   39  224
## 5 N492AA         0   44  224
## 6 N262AA         0   45  224

22. Selecciona los vuelos con destino SFO u OAK utilizando las funciones del paquete dplyr. ¿Con cuantos vuelos nos quedamos?

destinos <- vuelos %>% select(dest) %>% filter(dest == "SFO" | dest == "OAK")
head(destinos)

##     dest
## 373  SFO
## 389  SFO
## 402  SFO
## 436  SFO
## 467  SFO
## 468  SFO

count(destinos)

##      n
## 1 1121

23. Selecciona los vuelos que se han retrasado más de una hora. ¿Cuál es el destino que más se retrasa en proporción al número de vuelos?

x <- select(vuelos, dest, arr_delay)
x <- filter(x, arr_delay >= 60)
x <- xtabs(x$arr_delay ~ x$dest + x$arr_delay)
head(x, 20)

## x$dest
##   ABQ   AEX   AMA   ASE   ATL   AUS   AVL   BFL   BHM   BNA   BOS   BRO   BTR 
##  4025  1274  1769   429 23255  6749   491   240  3963  5577  1438  1953  1794 
##   BWI   CAE   CHS   CLE   CLT   CMH   COS 
##  3197   913  1726  1823  6081  1802  2209

atrasos <- data.frame(x)
head(atrasos)

##   x.dest  Freq
## 1    ABQ  4025
## 2    AEX  1274
## 3    AMA  1769
## 4    ASE   429
## 5    ATL 23255
## 6    AUS  6749

atrasosord <- arrange(atrasos, Freq)
head(atrasosord, 20)

##    x.dest Freq
## 1     GRK  108
## 2     RNO  197
## 3     CRW  205
## 4     BFL  240
## 5     GUC  282
## 6     HDN  310
## 7     MLU  318
## 8     ASE  429
## 9     LCH  456
## 10    AVL  491
## 11    ORF  650
## 12    SJU  680
## 13    MFE  717
## 14    GSO  762
## 15    DAY  803
## 16    SNA  871
## 17    SJC  893
## 18    CAE  913
## 19    PBI  944
## 20    DCA 1011

max(atrasosord$Freq)

## [1] 23255

min(atrasosord$Freq)

## [1] 108

24. Encuentra 4 maneras diferentes de utilizar la función select para seleccionar las variables relacionadas con los retrasos (delay)

head(select(vuelos, contains("delay")))

##   dep_delay arr_delay
## 1         0       -10
## 2         1        -9
## 3        -8        -8
## 4         3         3
## 5         5        -3
## 6        -1        -7

head(select(vuelos, arr_delay))

##   arr_delay
## 1       -10
## 2        -9
## 3        -8
## 4         3
## 5        -3
## 6        -7

head(select(vuelos, plane,time))

##    plane time
## 1 N576AA   40
## 2 N557AA   45
## 3 N541AA   48
## 4 N403AA   39
## 5 N492AA   44
## 6 N262AA   45

head(select(vuelos, matches("ca")))

##   carrier cancelled
## 1      AA         0
## 2      AA         0
## 3      AA         0
## 4      AA         0
## 5      AA         0
## 6      AA         0

25. Agrupa los vuelos por fecha y calcula: media, mediana y cuartil 75 de los retrasos en los vuelos por hora

library("dplyr")
agfecha <- vuelos %>% 
  select(date, hour, arr_delay) %>%
  group_by(date) %>% 
  summarise(media = mean(arr_delay, na.rm = T), mediana = median(arr_delay, na.rm = T), cuatil_75 = quantile(arr_delay, 0.75, na.rm = T))
head(agfecha)

## # A tibble: 6 × 4
##   date       media mediana cuatil_75
##   <chr>      <dbl>   <dbl>     <dbl>
## 1 2011-01-01 10.1        5      17  
## 2 2011-01-02 10.5        3      17  
## 3 2011-01-03  6.04      -2      10.5
## 4 2011-01-04  7.97       4      16  
## 5 2011-01-05  4.17      -1      11  
## 6 2011-01-06  6.07       2      13

26. Utilizando pipes calcula la media de retraso en los vuelos por día y hora, la cantidad de vuelos por día y hora y luego muestra solo los casos para los cuales haya más de 10

cantidadvuelos <- vuelos %>%
  select(date, hour, arr_delay, flight) %>%
  filter(flight > 10) %>%
  group_by(date) %>%
  summarise(media_retraso = mean(arr_delay, na.rm = T),
            cantidad_vuelos = n_distinct(flight))
head(cantidadvuelos)

## # A tibble: 6 × 3
##   date       media_retraso cantidad_vuelos
##   <chr>              <dbl>           <int>
## 1 2011-01-01          9.97             531
## 2 2011-01-02         10.5              649
## 3 2011-01-03          6.18             668
## 4 2011-01-04          8.07             554
## 5 2011-01-05          4.23             561
## 6 2011-01-06          6.17             629

27. Importar la base de datos realizada en MYSQL a R (Consultarlo como hacerlo)

library("RODBC")

# conexvuelos <- odbcConnect("MySQL Connection1", uid = "root", pwd = "1725385981")
# vuelos <- sqlQuery(conexvuelos, "SELECT * FROM vuelos.vuelos")
head(vuelos)

##         date hour minute  dep  arr dep_delay arr_delay carrier flight dest
## 1 2011-01-01   14      0 1400 1500         0       -10      AA    428  DFW
## 2 2011-01-02   14      1 1401 1501         1        -9      AA    428  DFW
## 3 2011-01-03   13     52 1352 1502        -8        -8      AA    428  DFW
## 4 2011-01-04   14      3 1403 1513         3         3      AA    428  DFW
## 5 2011-01-05   14      5 1405 1507         5        -3      AA    428  DFW
## 6 2011-01-06   13     59 1359 1503        -1        -7      AA    428  DFW
##    plane cancelled time dist
## 1 N576AA         0   40  224
## 2 N557AA         0   45  224
## 3 N541AA         0   48  224
## 4 N403AA         0   39  224
## 5 N492AA         0   44  224
## 6 N262AA         0   45  224