Introduccion a R estudio
Mi segundo script
Comentario: En el siguiente scrip, se presentara algunas de las
funciones que puede realizar R studio.El cual es un entorno de
desarrollo integrado para el lenguaje de programacion R, dedicado a la
computacion, estadistica y graficos.
lenguaje de R
# R tiene su propio lenguaje, no reconoce idiomas ya que estos los muestra como errores.
# R no entiende idiomas------
Guardar objetos en R
# R puede percibir palabras como valores numericos.
mango<-15
mango<-23
mango<-
1000
R puede realizar las 4 operaciones basicas de matematicas.
# sumas
2 + 2 # Sumas
## [1] 4
# restas
3 - 1 # Restar
## [1] 2
# multiplicaciones
4*5 # Multiplicar
## [1] 20
# divisiones
12 / 3 # Dividir
## [1] 4
Ademas de realizar otras operaciones
7 ^ 2 # 7 al cuadrado
## [1] 49
Realiza series
0:25 # Seres
## [1] 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
## [26] 25
R puede hacer comparaciones con los signos de desigualda, y con
estos puede hacer afirmaciones ya sean verdaderas o falsas.
3 == 5 # es igual?
## [1] FALSE
5 != 0 # es distino?
## [1] TRUE
2 > 9 # es mayor que
## [1] FALSE
1 < 8 # es menor que
## [1] TRUE
5 >= 5 # es mayor o igual que
## [1] TRUE
4 <= 1 # es menor o igual que
## [1] FALSE
Caracteres en R studio
# se deben de usar las comillas para los trabajos textuales
# (CARACTERES) Asi:
nome_1 <- "usp"
nome_1
## [1] "usp"
## [1] "usp"
nome_2 <- 'usp'
nome_2
## [1] "usp"
## [1] "usp"
nome_1 == nome_2
## [1] TRUE
## [1] TRUE
nome_1 != nome_2
## [1] FALSE
Como realiza una clasificación R studio
# Este es un objeto lógico
verdadero <- nome_1 == nome_2
verdadero
## [1] TRUE
falso <- nome_1 != nome_2
falso
## [1] FALSE
# Otros valores importantes:
# valor lógico que significa verdadero
TRUE #logical
## [1] TRUE
T #logical
## [1] TRUE
FALSE #logical
## [1] FALSE
F #logical
## [1] FALSE
# No disponible
NA #logical ES DISTINO DE CERO!!!!!!
## [1] NA
# R tambien nos permite anular vectores u objetos
NULL #NULL
## NULL
# Puede tomar valores infinitos
Inf #numeric
## [1] Inf
En R studio tambien se pueden crear vectores.
# Con la función concatenar (c) R estudio crea vectores.
vetor <-
c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)
vetor
## [1] 1 2 3 4 5 6 7 8 9 10
# vectores Textuales
# primeramente se debe de guardar el vector, para despues llamarlo.
nomes <- c("jimmy","alexander", "rojas")
nomes
## [1] "jimmy" "alexander" "rojas"
Podemos encontrar otras muchas mas funciones en R studio.
1- Redondear.
# R studio tiene la capacidad de redondear cifras decimales al numero entero mas cercano. Ejm el numero pi:
round(
x = 3.141592)
## [1] 3
# R puede utilizar diversas finciones, una de ellas es la utilizacion de un paramatro para que un numero solo tenga los decimales que se requiera.
round(x = 3.141592, digits = 2)
## [1] 3.14
2- En R studio podemos encontrar un manual de ayuda, el cual nos
facilitara algunas funciones en este programa.
# Podemos acceder a un manual de ayuda utilizando el simbolo "?".
args(round)
## function (x, digits = 0)
## NULL
round
## function (x, digits = 0) .Primitive("round")
3- En R studio tambien se pueden realizar interpretaciones.
# R tiene la capacidad de asignar caracteristicas a palabras o valores nUméricos
nomes_e_idades <- c("mariana", 22, "pedro", 30, "daniela", 45)
nomes_e_idades
## [1] "mariana" "22" "pedro" "30" "daniela" "45"
## [1] "character"
## [1] "logical"
# De nuevo:
class(nomes_e_idades)
## [1] "character"
4- Jerarquia en R studio.
# R tiene una Jerarquia para clasificar que tipo de vector es,asi:
# textuales o categorico > valores númericos > valores lógicos.
teste <- c("laranja", 230, FALSE)
teste
## [1] "laranja" "230" "FALSE"
class(teste)
## [1] "character"
otro_teste <- c(12, 37, FALSE, TRUE, FALSE, TRUE, TRUE, TRUE, TRUE)
otro_teste
## [1] 12 37 0 1 0 1 1 1 1
class(otro_teste)
## [1] "numeric"
missings <- c(12, 37, FALSE, TRUE, FALSE, TRUE, TRUE, TRUE, TRUE, NA)
missings
## [1] 12 37 0 1 0 1 1 1 1 NA
class(missings)
## [1] "numeric"
R studio tambien maneja variables categoricas.
# R studio puede trasformar un caracter en un factor, tiene variables
tipo_sanguineo <- c(
"A+", "A-", "B+", "B-", "AB+", "AB-", "O+", "O-")
tipo_sanguineo
## [1] "A+" "A-" "B+" "B-" "AB+" "AB-" "O+" "O-"
class(tipo_sanguineo)
## [1] "character"
# Transformación:
tipo_sanguineo <- factor(tipo_sanguineo)
tipo_sanguineo
## [1] A+ A- B+ B- AB+ AB- O+ O-
## Levels: A- A+ AB- AB+ B- B+ O- O+
class(tipo_sanguineo)
## [1] "factor"
# R puede realizar vectores de tipo categorico, pero ademas de eso tambien realiza vectores de tipo ordinal.
# R También puede organizar personajes por niveles dependiendo de cómo los escribamos
nivel_escolarizacao <- c("fundamental", "medio", "pregrado")
nivel_escolarizacao
## [1] "fundamental" "medio" "pregrado"
class(nivel_escolarizacao)
## [1] "character"
nivel_escolarizacao
## [1] "fundamental" "medio" "pregrado"
## Niveles, factor():
nivel_escolarizacao <- factor(nivel_escolarizacao,
levels = c("medio","fundamental","pregrado"))
Bases de datos en R studio.
# Bases de datos en R ---------------------------
#visualizar datos o paquetes para realizar programas
help(package = "datasets")
data("Orange")
head(x =Orange)
## Tree age circumference
## 1 1 118 30
## 2 1 484 58
## 3 1 664 87
## 4 1 1004 115
## 5 1 1231 120
## 6 1 1372 142
# Observar base de datos grandes
tail(x = Orange)
## Tree age circumference
## 30 5 484 49
## 31 5 664 81
## 32 5 1004 125
## 33 5 1231 142
## 34 5 1372 174
## 35 5 1582 177
head(Orange, n = 1)
## Tree age circumference
## 1 1 118 30
tail(Orange, n = 7)
## Tree age circumference
## 29 5 118 30
## 30 5 484 49
## 31 5 664 81
## 32 5 1004 125
## 33 5 1231 142
## 34 5 1372 174
## 35 5 1582 177
# estructura, str():
str(Orange)
## Classes 'nfnGroupedData', 'nfGroupedData', 'groupedData' and 'data.frame': 35 obs. of 3 variables:
## $ Tree : Ord.factor w/ 5 levels "3"<"1"<"5"<"2"<..: 2 2 2 2 2 2 2 4 4 4 ...
## $ age : num 118 484 664 1004 1231 ...
## $ circumference: num 30 58 87 115 120 142 145 33 69 111 ...
## - attr(*, "formula")=Class 'formula' language circumference ~ age | Tree
## .. ..- attr(*, ".Environment")=<environment: R_EmptyEnv>
## - attr(*, "labels")=List of 2
## ..$ x: chr "Time since December 31, 1968"
## ..$ y: chr "Trunk circumference"
## - attr(*, "units")=List of 2
## ..$ x: chr "(days)"
## ..$ y: chr "(mm)"
# R studio nos mostrara la estructura de las variables y nos indicara un ejemplo detallado
# numero de lineas
nrow(Orange)
## [1] 35
# para obserbar el numero de colunmas
ncol(Orange)
## [1] 3
dim(Orange)
## [1] 35 3
# para obserbar los nombres
names(Orange)
## [1] "Tree" "age" "circumference"