Tidiverse es una forma eficiente de manejar datos en R
.
2023-2P
INTRODUCCIÓN A TIDYVERSE EN R
Desarrollando Análisis Avanzados
.
Como Funciona?
.
Empecemos con TIDYVERSE
Cargue el paquete gapminder
# install.packages("gapminder")
library(gapminder)
Cargue el paquete dplyr
library(dplyr)
Mire el conjunto de datos de gapminder
gapminder
Ejemplo de tibble
gapminder
## # A tibble: 1,704 × 6 ## country continent year lifeExp pop gdpPercap ## <fct> <fct> <int> <dbl> <int> <dbl> ## 1 Afghanistan Asia 1952 28.8 8425333 779. ## 2 Afghanistan Asia 1957 30.3 9240934 821. ## 3 Afghanistan Asia 1962 32.0 10267083 853. ## 4 Afghanistan Asia 1967 34.0 11537966 836. ## 5 Afghanistan Asia 1972 36.1 13079460 740. ## 6 Afghanistan Asia 1977 38.4 14880372 786. ## 7 Afghanistan Asia 1982 39.9 12881816 978. ## 8 Afghanistan Asia 1987 40.8 13867957 852. ## 9 Afghanistan Asia 1992 41.7 16317921 649. ## 10 Afghanistan Asia 1997 41.8 22227415 635. ## # ℹ 1,694 more rows
Resumen de un DatasetEjemplo de tibble
summary(gapminder)
## country continent year lifeExp ## Afghanistan: 12 Africa :624 Min. :1952 Min. :23.60 ## Albania : 12 Americas:300 1st Qu.:1966 1st Qu.:48.20 ## Algeria : 12 Asia :396 Median :1980 Median :60.71 ## Angola : 12 Europe :360 Mean :1980 Mean :59.47 ## Argentina : 12 Oceania : 24 3rd Qu.:1993 3rd Qu.:70.85 ## Australia : 12 Max. :2007 Max. :82.60 ## (Other) :1632 ## pop gdpPercap ## Min. :6.001e+04 Min. : 241.2 ## 1st Qu.:2.794e+06 1st Qu.: 1202.1 ## Median :7.024e+06 Median : 3531.8 ## Mean :2.960e+07 Mean : 7215.3 ## 3rd Qu.:1.959e+07 3rd Qu.: 9325.5 ## Max. :1.319e+09 Max. :113523.1 ##
FILTER EN R
El verbo filtro extrae observaciones particulares basadas en una condición. En este ejercicio filtrará las observaciones de un año determinado.
.
Filtrar en gapminder dataset de el año 1957
gapminder %>% filter(year == 1957)
## # A tibble: 142 × 6 ## country continent year lifeExp pop gdpPercap ## <fct> <fct> <int> <dbl> <int> <dbl> ## 1 Afghanistan Asia 1957 30.3 9240934 821. ## 2 Albania Europe 1957 59.3 1476505 1942. ## 3 Algeria Africa 1957 45.7 10270856 3014. ## 4 Angola Africa 1957 32.0 4561361 3828. ## 5 Argentina Americas 1957 64.4 19610538 6857. ## 6 Australia Oceania 1957 70.3 9712569 10950. ## 7 Austria Europe 1957 67.5 6965860 8843. ## 8 Bahrain Asia 1957 53.8 138655 11636. ## 9 Bangladesh Asia 1957 39.3 51365468 662. ## 10 Belgium Europe 1957 69.2 8989111 9715. ## # ℹ 132 more rows
Filtrar en gapminder dataset de el año 1957 de la forma tradicional
gapminder[gapminder$year == 1957, ]
## # A tibble: 142 × 6 ## country continent year lifeExp pop gdpPercap ## <fct> <fct> <int> <dbl> <int> <dbl> ## 1 Afghanistan Asia 1957 30.3 9240934 821. ## 2 Albania Europe 1957 59.3 1476505 1942. ## 3 Algeria Africa 1957 45.7 10270856 3014. ## 4 Angola Africa 1957 32.0 4561361 3828. ## 5 Argentina Americas 1957 64.4 19610538 6857. ## 6 Australia Oceania 1957 70.3 9712569 10950. ## 7 Austria Europe 1957 67.5 6965860 8843. ## 8 Bahrain Asia 1957 53.8 138655 11636. ## 9 Bangladesh Asia 1957 39.3 51365468 662. ## 10 Belgium Europe 1957 69.2 8989111 9715. ## # ℹ 132 more rows
Multiples Filtros
También puedes usar el verbo filter() para establecer dos condiciones, que podría recuperar una sola observación.
Al igual que en el último ejercicio, puedes hacer esto en dos líneas de código, comenzando con gapminder %>% y teniendo el filter() en la segunda línea.
Mantener un verbo en cada línea ayuda a que el código sea legible. Tenga en cuenta que cada vez colocará el pipe %>% al final de la primera línea (como gapminder %>%); poniendo el pipe en el El comienzo de la segunda línea arrojará un error.
NOTA
El símbolo & implica que ambas condiciones deben cumplirse. Así como este existen otros:
| Símbolo | Condición |
|---|---|
| == | es igual a |
| != | es distinto a |
| < | es menor |
| <= | es menor igual |
| > | es menor |
| >= | es menor igual |
| %in% | se encuentra en o entre los valores |
| &; | se cumpla una condición y la otra |
| |
se cumple una condición o la otra |
Filtrar China 2002
gapminder %>% filter(country=="China" & year== 2002)
## # A tibble: 1 × 6 ## country continent year lifeExp pop gdpPercap ## <fct> <fct> <int> <dbl> <int> <dbl> ## 1 China Asia 2002 72.0 1280400000 3119.
ARRANGE EN R
.
ARRANGE EN R
Se utiliza arrange() para ordenar las observaciones en forma ascendente o orden descendente de una variable particular.
En este caso, ordenará los datos según la variable lifeExp. Ordenar en orden ascendente de lifeExp
gapminder %>% arrange(lifeExp)
ARRANGE EN R
gapminder %>% arrange(lifeExp)
## # A tibble: 1,704 × 6 ## country continent year lifeExp pop gdpPercap ## <fct> <fct> <int> <dbl> <int> <dbl> ## 1 Rwanda Africa 1992 23.6 7290203 737. ## 2 Afghanistan Asia 1952 28.8 8425333 779. ## 3 Gambia Africa 1952 30 284320 485. ## 4 Angola Africa 1952 30.0 4232095 3521. ## 5 Sierra Leone Africa 1952 30.3 2143249 880. ## 6 Afghanistan Asia 1957 30.3 9240934 821. ## 7 Cambodia Asia 1977 31.2 6978607 525. ## 8 Mozambique Africa 1952 31.3 6446316 469. ## 9 Sierra Leone Africa 1957 31.6 2295678 1004. ## 10 Burkina Faso Africa 1952 32.0 4469979 543. ## # ℹ 1,694 more rows
ARRANGE EN R
Ordenar en orden descendente de lifeExp
gapminder %>% arrange(desc(lifeExp))
## # A tibble: 1,704 × 6 ## country continent year lifeExp pop gdpPercap ## <fct> <fct> <int> <dbl> <int> <dbl> ## 1 Japan Asia 2007 82.6 127467972 31656. ## 2 Hong Kong, China Asia 2007 82.2 6980412 39725. ## 3 Japan Asia 2002 82 127065841 28605. ## 4 Iceland Europe 2007 81.8 301931 36181. ## 5 Switzerland Europe 2007 81.7 7554661 37506. ## 6 Hong Kong, China Asia 2002 81.5 6762476 30209. ## 7 Australia Oceania 2007 81.2 20434176 34435. ## 8 Spain Europe 2007 80.9 40448191 28821. ## 9 Sweden Europe 2007 80.9 9031088 33860. ## 10 Israel Asia 2007 80.7 6426679 25523. ## # ℹ 1,694 more rows
Filtering y arranging
A menudo necesitarás usar el operador de pipe %>% para combinar múltiples verbos dplyr seguidos. En este caso, combinará un filter() con un arrange() para encontrar la población más alta países en un año determinado.
Filtrar por el año 1957, luego ordénelo en orden descendente de población
gapminder %>% filter(year==1957)%>% arrange(desc(pop))
Filtering y arranging
Filtrar por el año 1957, luego ordénelo en orden descendente de población
gapminder %>% filter(year==1957)%>% arrange(desc(pop))
## # A tibble: 142 × 6 ## country continent year lifeExp pop gdpPercap ## <fct> <fct> <int> <dbl> <int> <dbl> ## 1 China Asia 1957 50.5 637408000 576. ## 2 India Asia 1957 40.2 409000000 590. ## 3 United States Americas 1957 69.5 171984000 14847. ## 4 Japan Asia 1957 65.5 91563009 4318. ## 5 Indonesia Asia 1957 39.9 90124000 859. ## 6 Germany Europe 1957 69.1 71019069 10188. ## 7 Brazil Americas 1957 53.3 65551171 2487. ## 8 United Kingdom Europe 1957 70.4 51430000 11283. ## 9 Bangladesh Asia 1957 39.3 51365468 662. ## 10 Italy Europe 1957 67.8 49182000 6249. ## # ℹ 132 more rows
Mutate en R
.
Utilizando Mutate en R
Supongamos que queremos medir la esperanza de vida en meses. en lugar de años: habría que multiplicar el valor existente por 12.
Puede utilizar el verbo mutate() para cambiar esta columna o para cree una nueva columna que se calcule de esta manera.
Usar mutate para cambiar lifeExp en meses
gapminder %>% mutate( lifeExp = 12*lifeExp)
gapminder %>% mutate( lifeExpMonths = 12*lifeExp)
Filter, mutate, y arrange con gapminder
En este ejercicio, combinarás los tres verbos que has aprendido en este capítulo, para encontrar los países con mayor Esperanza de vida, en meses, en el año 2007.
gapminder %>% filter(year == 2007) %>%
mutate(lifeExpMonths = 12*lifeExp)%>%
arrange(desc(lifeExpMonths))
Filter, mutate, y arrange con gapminder
gapminder %>% filter(year == 2007) %>%
mutate(lifeExpMonths = 12*lifeExp)%>%
arrange(desc(lifeExpMonths))
## # A tibble: 142 × 7 ## country continent year lifeExp pop gdpPercap lifeExpMonths ## <fct> <fct> <int> <dbl> <int> <dbl> <dbl> ## 1 Japan Asia 2007 82.6 127467972 31656. 991. ## 2 Hong Kong, China Asia 2007 82.2 6980412 39725. 986. ## 3 Iceland Europe 2007 81.8 301931 36181. 981. ## 4 Switzerland Europe 2007 81.7 7554661 37506. 980. ## 5 Australia Oceania 2007 81.2 20434176 34435. 975. ## 6 Spain Europe 2007 80.9 40448191 28821. 971. ## 7 Sweden Europe 2007 80.9 9031088 33860. 971. ## 8 Israel Asia 2007 80.7 6426679 25523. 969. ## 9 France Europe 2007 80.7 61083916 30470. 968. ## 10 Canada Americas 2007 80.7 33390141 36319. 968. ## # ℹ 132 more rows
Visualizacion con GGPLOT2
Crear un data set con gapminder_2007
gapminder_2007 <- gapminder %>%
filter(year == 2007)
Visualizacion con GGPLOT2
Crear un data set con gapminder_2007
gapminder_2007 <- gapminder %>%
filter(year == 2007)
gapminder_2007
## # A tibble: 142 × 6 ## country continent year lifeExp pop gdpPercap ## <fct> <fct> <int> <dbl> <int> <dbl> ## 1 Afghanistan Asia 2007 43.8 31889923 975. ## 2 Albania Europe 2007 76.4 3600523 5937. ## 3 Algeria Africa 2007 72.3 33333216 6223. ## 4 Angola Africa 2007 42.7 12420476 4797. ## 5 Argentina Americas 2007 75.3 40301927 12779. ## 6 Australia Oceania 2007 81.2 20434176 34435. ## 7 Austria Europe 2007 79.8 8199783 36126. ## 8 Bahrain Asia 2007 75.6 708573 29796. ## 9 Bangladesh Asia 2007 64.1 150448339 1391. ## 10 Belgium Europe 2007 79.4 10392226 33693. ## # ℹ 132 more rows
Visualizacion Tradicional de R
plot(gapminder_2007$gdpPercap, gapminder_2007$lifeExp )
Visualizacion con GGPLOT2
Scatterplot con GGPLOT2
#install.packages("ggplot2")
library(ggplot2)
ggplot(gapminder_2007, aes(x = gdpPercap, y = lifeExp)) +
geom_point()
Escala Log
ggplot(gapminder_2007, aes(x = gdpPercap, y = lifeExp)) + geom_point() +scale_x_log10()
Agregando color en aesthetic
ggplot(gapminder_2007, aes(x = gdpPercap, y = lifeExp, color = continent)) + geom_point() + scale_x_log10()
Agregando tamaño/color en aesthetic
ggplot(gapminder_2007, aes(x = gdpPercap, y = lifeExp, color = continent, size = pop)) + geom_point() + scale_x_log10()
Faceting
ggplot(gapminder_2007, aes(x = gdpPercap, y = lifeExp)) + geom_point() + scale_x_log10() + facet_wrap(~ continent)
Replicar este Grafico
Replicar este Grafico
G1 = gapminder
ggplot(G1, aes(x = gdpPercap, y = lifeExp, color = continent,
size = pop)) +
geom_point() + scale_x_log10() + facet_wrap(~ year)
Funcion sum
gapminder %>% summarize(meanLifeExp = mean(lifeExp))
## # A tibble: 1 × 1 ## meanLifeExp ## <dbl> ## 1 59.5
Funcion sum (Sumando entre columnas)
gapminder %>% filter(year == 2007) %>% summarize(meanLifeExp = mean(lifeExp), totalPop = sum(pop))
## # A tibble: 1 × 2 ## meanLifeExp totalPop ## <dbl> <dbl> ## 1 67.0 6251013179
Funciones que se pueden Utilizar
- mean
- sum
- median
- min
- max
The group_by
Agrupados por año
gapminder %>%
group_by(year) %>%
summarize(meanLifeExp = mean(lifeExp),
totalPop = sum(as.numeric(pop)))
## # A tibble: 12 × 3 ## year meanLifeExp totalPop ## <int> <dbl> <dbl> ## 1 1952 49.1 2406957150 ## 2 1957 51.5 2664404580 ## 3 1962 53.6 2899782974 ## 4 1967 55.7 3217478384 ## 5 1972 57.6 3576977158 ## 6 1977 59.6 3930045807 ## 7 1982 61.5 4289436840 ## 8 1987 63.2 4691477418 ## 9 1992 64.2 5110710260 ## 10 1997 65.0 5515204472 ## 11 2002 65.7 5886977579 ## 12 2007 67.0 6251013179
The group_by
Agrupados por continente
gapminder %>%
group_by(continent) %>%
summarize(meanLifeExp = mean(lifeExp),
totalPop = sum(as.numeric(pop)))
## # A tibble: 5 × 3 ## continent meanLifeExp totalPop ## <fct> <dbl> <dbl> ## 1 Africa 48.9 6187585961 ## 2 Americas 64.7 7351438499 ## 3 Asia 60.1 30507333901 ## 4 Europe 71.9 6181115304 ## 5 Oceania 74.3 212992136
The group_by
Agrupados por continente y año
gapminder %>%
group_by(year,continent) %>%
summarize(meanLifeExp = mean(lifeExp),
totalPop = sum(as.numeric(pop)))
## `summarise()` has grouped output by 'year'. You can override using the ## `.groups` argument.
## # A tibble: 60 × 4 ## # Groups: year [12] ## year continent meanLifeExp totalPop ## <int> <fct> <dbl> <dbl> ## 1 1952 Africa 39.1 237640501 ## 2 1952 Americas 53.3 345152446 ## 3 1952 Asia 46.3 1395357351 ## 4 1952 Europe 64.4 418120846 ## 5 1952 Oceania 69.3 10686006 ## 6 1957 Africa 41.3 264837738 ## 7 1957 Americas 56.0 386953916 ## 8 1957 Asia 49.3 1562780599 ## 9 1957 Europe 66.7 437890351 ## 10 1957 Oceania 70.3 11941976 ## # ℹ 50 more rows
Graficando : The group_by
Agrupados en un objeto; Caso por año
O1= gapminder %>%
group_by(year) %>%
summarize(meanLifeExp = mean(lifeExp),
totalPop = sum(as.numeric(pop)))
Graficando : The group_by
Agrupados en un objeto; Caso por año
ggplot(O1, aes(x = year, y = totalPop)) + geom_point()
Graficando : The group_by
Agrupados en un objeto; Caso por año y continente
O2= gapminder %>%
group_by(year,continent) %>%
summarize(meanLifeExp = mean(lifeExp),
totalPop = sum(as.numeric(pop)))
## `summarise()` has grouped output by 'year'. You can override using the ## `.groups` argument.
Graficando : The group_by
Agrupados en un objeto; Caso por año y continente
ggplot(O2, aes(x = year, y = totalPop, color= continent)) + geom_point() + expand_limits(y = 0)
