“MI PRIMER SCRIPT”
Andrés Chaucanes
2023-10-06
Aquí plasmo mis enseñanzas practicas adquiridas en clase trabajando con Rstudio, ya que buscamos comprender su funcionalidad, para ello se dan a conocer un manual práctico, trabajando con base de datos con variables cuantitativas y categóricas
LENGUAJE DE R
# R no entiende idiomas, este opera bajo un lenguaje propio.CREANDO Y GUARDANDO OBJETOS EN R
mango<-15
mango<-23
mango<-
1000OPERACIONES MATEMÁTICAS EN R
R nos permite realizar operaciones matemáticas.
15 + 2## [1] 17mango + 2## [1] 1002# Puede realizar operaciones matemáticas como las siguientes:
15 + 2## [1] 17# [1] 17
mango + 2## [1] 1002# [1] 1002
2 + 2 # Sumas ## [1] 4# [1] 4
3 - 1 # Restar ## [1] 2# [1] 2
4*5 # Multiplicar## [1] 20# [1] 20
12 / 3 # Dividir ## [1] 4# [1] 4
7 ^ 2 # 7 al cuadrado ## [1] 49# [1] 49
# R puede realizar series
# > 0:25 # Series
# [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 2R RESOLVIENDO PREGUNTAS
R puede resolver preguntas, pero implementando: Falso(F), Verdadero (V), Mayor (>), Menor (<), Igual (=), Diferente (≠)
3 == 5 # es igual?## [1] FALSE# [1] FALSE
5 != 0 # es distino?## [1] TRUE# [1] TRUE
2 > 9 # ## [1] FALSE# [1] FALSE
1 < 8 ## [1] TRUE# [1] TRUE
5 >= 5 ## [1] TRUE# [1] TRUE
4 <= 1 ## [1] FALSE# [1] FALSE
mango < -1## [1] FALSEFALSE## [1] FALSECARACTERES EN R
El uso de comillas siempre se deben emplear con valores 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## [1] FALSECLASIFICACIÓN SEGUN R
Algortimos de clasificación con Rstudio.
# *Este es un objeto lógico*
verdadero <- nome_1 == nome_2
verdadero## [1] TRUE## [1] TRUE
falso <- nome_1 != nome_2
falso## [1] FALSE## [1] FALSE
# Outros valores importantes:
# valor lógico que significa verdadero
TRUE #logical## [1] TRUE## [1] TRUE
T #logical## [1] TRUE## [1] TRUE
FALSE #logical## [1] FALSE## [1] FALSE
F #logical## [1] FALSE## [1] FALSE
# No disponible
NA #logical ES DISTINO DE CERO!!!!!!## [1] NA## [1] NA
# Sirve para anular vectores u objetos
NULL #NULL## NULL## NULL
# valores infinitos
Inf #numeric## [1] Inf## [1] Inf
-Inf #numeric## [1] -Inf## [1] -InfCREANDO VECTORES EN R
Objetos de única dimensión que puede contener datos numéricos, nombres, cadena de caracteres o datos lógicos, entre otros.
# > vector <- c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)
# > vector
## [1] 1 2 3 4 5 6 7 8 9 10
# vectores Textuales
# primero se debe guardar el vector, luego debo llamarlo
# > nomes <- c("mariana", "pedro", "daniela")
# > nomes
# [1] "mariana" "pedro" "daniela"OTRAS FUNCIONES DE R
Realiza aproximaciones en números decimales a partir de 0.5
# > # redondear:
# > round(
# x = 3.141592)
# [1] 3
# > round(x = 3.141592,
# digits = 2)
# [1] 3.14MANUAL DE AYUDA
Escribir la función help() o el operador «?» para acceder a páginas con documentación sobre las funciones de R, conjuntos de datos, y listas de términos semejantes a tu búsqueda que se encuentran en los paquetes de R.
# > args(round)
function (x, digits = 0)
NULL## function (x, digits = 0)
## NULL# > # o as?:
# > args(round)
function (x, digits = 0)
NULL## function (x, digits = 0)
## NULL# > round
function (x, digits = 0) .Primitive("round")## function (x, digits = 0) .Primitive("round")INTERPTRETACION EN R
R asigna la caracteristica a palabras o valores núméricos.
# > nomes_e_idades
# [1] "mariana" "22" "pedro" "30" "daniela" "45"
# R Clasifica que tipo es, a cada vector que asignemos
# > class(nomes_e_idades)
# [1] "character"
#> class(mi_segundo_objeto)
#[1] "numeric"
#> class(verdadero)
#[1] "logical"
#> # De nuevo:
#> class(nomes_e_idades)
#[1]"character"JERARQUIAEN R
R tiene una Jerarquia para clasificar el tipo de vector de la siguiente manera:
#textuales o categorico > valores númericos > valores lógicos.
#> teste <- c("laranja", 230, FALSE)
#> teste
#[1] "laranja" "230" "FALSE"
#> class(teste)
#[1] "character"
#> outro_teste <- c(12, 37, FALSE, TRUE, FALSE, TRUE, TRUE, TRUE, TRUE)
#> class(outro_teste)
#[1] "numericVARIABLES CATEGORICAS
R puede trasformar un caracter en un factor, tiene variables, es decir pueden pertenecer a una de varias clases o categorias.
# R puede crear bases de datos con las variables que nosotrosqueramos
empresas <- c("Empresa A", NA, "Empresa C", "Empresa D", "Empresa E")
funcionarios <- c(100, 5000, 230, 12000, 1700)
presenca_bolsa <- c(F,T,NA,T,TRUE)
sede_brasil <- c(NA,0,1,0,0)
diretor_executivo <- c(NA,"daniel","carlos","carla","solange")
# Iguales
length(empresas)## [1] 5## [1] 5
length(funcionarios)## [1] 5## [1] 5
length(presenca_bolsa)## [1] 5## [1] 5
length(sede_brasil)## [1] 5## [1] 5
length(diretor_executivo)## [1] 5## [1] 5
# Para crear una tabla con los vectores utilizamos la palabra data.frame
dados <- data.frame(empresas, funcionarios, presenca_bolsa,
sede_brasil, diretor_executivo)
dados## empresas funcionarios presenca_bolsa sede_brasil diretor_executivo
## 1 Empresa A 100 FALSE NA <NA>
## 2 <NA> 5000 TRUE 0 daniel
## 3 Empresa C 230 NA 1 carlos
## 4 Empresa D 12000 TRUE 0 carla
## 5 Empresa E 1700 TRUE 0 solange## empresas funcionarios presenca_bolsa sede_brasil diretor_executivo
## 1 Empresa A 100 FALSE NA <NA>
## 2 <NA> 5000 TRUE 0 daniel
## 3 Empresa C 230 NA 1 carlos
## 4 Empresa D 12000 TRUE 0 carla
## 5 Empresa E 1700 TRUE 0 solange
# función para visualizar la base de datos
View(dados)
# puede adicionar el nombre que nosotros queramos
dados <- data.frame(companies = empresas,
employees = funcionarios,
stock_exchange = presenca_bolsa,
brazil_hq = sede_brasil,
ceo = diretor_executivo)
dados## companies employees stock_exchange brazil_hq ceo
## 1 Empresa A 100 FALSE NA <NA>
## 2 <NA> 5000 TRUE 0 daniel
## 3 Empresa C 230 NA 1 carlos
## 4 Empresa D 12000 TRUE 0 carla
## 5 Empresa E 1700 TRUE 0 solange## companies employees stock_exchange brazil_hq ceo
## 1 Empresa A 100 FALSE NA <NA>
## 2 <NA> 5000 TRUE 0 daniel
## 3 Empresa C 230 NA 1 carlos
## 4 Empresa D 12000 TRUE 0 carla
## 5 Empresa E 1700 TRUE 0 solange
View(dados)INTERPRETACION BASE DE DATOS
R puede visualizar paquetes o programas para realizar procedimientos.
help(package = "datasets")
data("randu")
# Se mira las primeras observaciones
head(x = randu)## x y z
## 1 0.000031 0.000183 0.000824
## 2 0.044495 0.155732 0.533939
## 3 0.822440 0.873416 0.838542
## 4 0.322291 0.648545 0.990648
## 5 0.393595 0.826873 0.418881
## 6 0.309097 0.926590 0.777664## x y z
## 1 0.000031 0.000183 0.000824
## 2 0.044495 0.155732 0.533939
## 3 0.822440 0.873416 0.838542
## 4 0.322291 0.648545 0.990648
## 5 0.393595 0.826873 0.418881
## 6 0.309097 0.926590 0.777664
# se mira las Ultimas observaciones
tail(x = randu)## x y z
## 395 0.464697 0.748429 0.308307
## 396 0.428804 0.390935 0.486373
## 397 0.531088 0.992282 0.173898
## 398 0.656463 0.930601 0.675440
## 399 0.811441 0.008876 0.750293
## 400 0.874628 0.240614 0.572030## x y z
## 395 0.464697 0.748429 0.308307
## 396 0.428804 0.390935 0.486373
## 397 0.531088 0.992282 0.173898
## 398 0.656463 0.930601 0.675440
## 399 0.811441 0.008876 0.750293
## 400 0.874628 0.240614 0.572030
# se observa el número de lineas que se quiere ver
head(randu, n = 1)## x y z
## 1 3.1e-05 0.000183 0.000824## x y z
## 1 3.1e-05 0.000183 0.000824
tail(randu, n = 7)## x y z
## 394 0.622253 0.835295 0.411495
## 395 0.464697 0.748429 0.308307
## 396 0.428804 0.390935 0.486373
## 397 0.531088 0.992282 0.173898
## 398 0.656463 0.930601 0.675440
## 399 0.811441 0.008876 0.750293
## 400 0.874628 0.240614 0.572030## x y z
## 394 0.622253 0.835295 0.411495
## 395 0.464697 0.748429 0.308307
## 396 0.428804 0.390935 0.486373
## 397 0.531088 0.992282 0.173898
## 398 0.656463 0.930601 0.675440
## 399 0.811441 0.008876 0.750293
## 400 0.874628 0.240614 0.572030
# se mira una estructura de la base de datos, str(): nombre de las varibles,
# clase y ejemplo de los datos
str(randu)## 'data.frame': 400 obs. of 3 variables:
## $ x: num 0.000031 0.044495 0.82244 0.322291 0.393595 ...
## $ y: num 0.000183 0.155732 0.873416 0.648545 0.826873 ...
## $ z: num 0.000824 0.533939 0.838542 0.990648 0.418881 ...## 'data.frame': 400 obs. of 3 variables:
## $ x: num 0.000031 0.044495 0.82244 0.322291 0.393595 ...
## $ y: num 0.000183 0.155732 0.873416 0.648545 0.826873 ...
## $ z: num 0.000824 0.533939 0.838542 0.990648 0.418881 ...
# se mira el número de lineas que tiene
nrow(randu)## [1] 400## [1] 400
# Se mira el número de columnas
ncol(randu)## [1] 3## [1] 3
# Para ver la dimesión completa de la base de datos
dim(randu)## [1] 400 3## [1] 400 3
# para ver los nombres
names(randu)## [1] "x" "y" "z"## [1] "x" "y" "z"
rm(randu)
# cargando nuevamente
data("randu")
alt text