Actividad 2.1: Maneja una base de datos

Introducción

En esta actividad estaré trabajando en R con una base de datos de excel, y posteriormente mostraré técnicas de filtrado para la base de datos. Las técnicas utilizadas fueron:

Eliminación de valores duplicados: Es importante eliminar valores duplicados en la base de datos para que no interfiera en el conteo de datos o la descripción de los mismos, asimismo puede interferir al querer manipular la base de datos en el futuro para extraer hallazgos.

Eliminación de valores irrelevantes: Aquí decidí eliminar los valores cuyo precio sea menor a 0 porque no traen ingresos para la tienda. Asimismo decidí eliminar todos aquellos artículos que tengan una cantidad faltante en el excel.

Reajuste del formato de fecha: Simplemente para que se lea de manera más sencilla el documento, se cambió la fecha a formato dd/mm/aa.

Carga de Datos

Primero, cargamos los datos desde un archivo Excel usando la librería readxl.

library(readxl)

ruta_archivo <- “C:/Users/maxwi/Desktop/Abarrotes_Ventas-2.xlsx” nombre_hoja <- “Total”

datos <- read_excel(ruta_archivo, sheet = nombre_hoja)

Código para clasificar las variables

num_variables <- ncol(datos)

num_registros <- nrow(datos)

cat(“Número de variables (columnas):”, num_variables, “”) cat(“Número de registros (filas):”, num_registros, “”)

clasificacion <- sapply(datos, function(columna) { if (is.factor(columna) || is.character(columna)) { “Cualitativa” } else if (is.integer(columna)) { “Cuantitativa Discreta” } else if (is.numeric(columna)) { “Cuantitativa Continua” } else { “n/a” } })

for (i in seq_along(clasificacion)) { cat(names(datos)[i], “:”, clasificacion[i], “”) }

##Escala de medición determinar_escala <- function(columna) { if (is.factor(columna) || is.character(columna)) { “Nominal” } else if (is.integer(columna)) { “ordinal o cuantitativa discreta” } else if (is.numeric(columna)) { if (length(unique(columna)) < 10) { “Ordinal” } else { “cuantitativa continua” } } else { “desconocido” } }

escalas <- sapply(datos, determinar_escala)

for (i in seq_along(escalas)) { cat(names(datos)[i], “:”, escalas[i], “”) }

Código para filtrar y eliminar.

#Primera técnica de filtración: Eliminar filas duplicadas con unique. datos_sfd <- unique(datos) num_filas_originales_sfd <- nrow(datos) num_filas_limpio_sfd <- nrow(datos_sfd) cat(“Número de filas originales:”, num_filas_originales_sfd, “”) cat(“Número de filas después de la limpieza:”, num_filas_limpio_sfd, “”)

#Segunda técnica de filtración: Eliminar valores irrelevantes. (Filas donde la cantidad es 0) #Eliminando filas en donde el precio sea menor que 0. columna_a_filtrar <- “Precio” datos_limpio <- datos[datos[[columna_a_filtrar]] >= 0, ] num_filas_originales_svi <- nrow(datos) num_filas_limpio_svi <- nrow(datos_limpio) cat(“Número de filas originales:”, num_filas_originales_svi, “”) cat(“Número de filas después de la limpieza:”, num_filas_limpio_svi, “”)

#Eliminando filas donde la cantidad de unidades sea faltante. datos_limpio_sf <- datos[!is.na(datos$Unidades), ] num_filas_originales_sf <- nrow(datos) num_filas_limpio_sf <- nrow(datos_limpio) cat(“Número de filas originales:”, num_filas_originales_sf, “”) cat(“Número de filas después de la limpieza:”, num_filas_limpio_sf, “”)

#Cambiando la columna Fecha a formato dd/mm/aa columna_fecha_texto <- “Fecha” datos\(Fecha <- as.Date(datos[[columna_fecha_texto]], format = "%A, %d de %B de %Y") head(datos\)Fecha)

Reflexión

En este modulo estuvimos viendo introducción a R, un lenguaje de programación bastante efectivo y sencillo, el cual al momento de ser utilizado para trabajar con bases de datos se asemeja mucho a python. Los recursos proporcionados por el maestro en clase fueron bastante claros y sencillos de usar, ayudan a entender el fundamento de R y cómo se entrelaza de manera fácil con la filtración de bases de datos. No hace falta ser un expero para poder poner en práctica estos conocimientos y manipular bases de datos para poder extraer información relevante y hallazgos. Esto mismo sucederá con el RETO posteriormente, puesto que poderemos ejercer lo aprendido en el módulo para poder maniobrar de manera efectiva con las bases de datos del INEGI.