Tarea 5: R Avanzado

Enlace Código en RPubs: Tarea 5: RPubs

# Cargar Paquetes a utilizar
library(knitr)
library(purrr)
library(gt)
library(DT)

Llamar bases de datos

# Asignación de nombre al directorio
directorio <- "../data/raw/MaxN"

# hacer vector con nombre y direccion de archivos
archivos <-
  list.files(
    path = directorio,
    full.names = TRUE, # Puede brindar la ruta de direccion donde se encuentra
    pattern = "TXT$" #busca solo archivos que sea txt y ese txt esté hasta le final (formato o extensión del archivo)
  )


head(archivos)

## [1] "../data/raw/MaxN/2022-09-02_R3-LcamT3-RcamN4_Pel1_2021-09-24_MaxN.TXT"       
## [2] "../data/raw/MaxN/2022-09-03_S6-LB13-RB12_PuntaMariaOeste_2022-03-24_MaxN.TXT"
## [3] "../data/raw/MaxN/2022-09-03_T4-LB19-RB18_PuntaMariaOeste_2022-03-24_MaxN.TXT"
## [4] "../data/raw/MaxN/2022-09-04_S1-LB10-RN9_Arco2_2022-07-15_MaxN.TXT"           
## [5] "../data/raw/MaxN/2022-09-07_P1-LB12-RB13_Gissler_2022-03-30_MaxN.TXT"        
## [6] "../data/raw/MaxN/2022-09-11_P1-LB14-RB13_Risco_2022-03-26_MaxN.TXT"

Desarrollo del bucle “for”

datos_camaras <- NULL # Fijar vector vacío


# Inicio del bucle for; se designa de qué conjunto de datos tomará los valores (i; en este ejemplo de las bases de datos denominadas "archivos")

for (i in archivos) {

# linea de código que nos ayuda a leer los datos contenidos en las bases "archivos"   

dtxt <- read.table(i, header = T, sep = "\t", fill = TRUE, skip = 4)

# línea de código para agregar la nueva columna ("archivo") con los nombres de la extensión o archivo del cual provienen

datos <- data.frame(archivo = basename(i), dtxt)

# guardar los resultados en el vector vacio del inicio

datos_camaras <- rbind(datos_camaras, datos)
}

Visualicación de datos

# Visualización de la tabla de datos: datos_camaras
head(datos_camaras, 10) |>
gt() |> 
tab_options(table.background.color = "#1C1C1C")

Desarrollo del bucle “sapply”

# inicio del bucle, con lectura unique para cada archivo i en datos_camaras
n_familias <- sapply(X = unique(datos_camaras$archivo), FUN = function(i) {

# línea de código para generar un subconjunto de datos para cada archivo i
d_camaras <- datos_camaras[datos_camaras$archivo == i, ]

# línea de código para número de familias unicas en cada archivo i
fam <- length(unique(d_camaras$Family))
})

# línea de código para generar el data frame resumen con nombre de archivos y número de familias
dff <- data.frame(archivo = basename(unique(datos_camaras$archivo)), n_familias)

Visualización de datos

gt(dff) |> 
tab_options(table.background.color = "#1C1C1C")

Desarrollo del bucle “sapply”

# inicio del bucle, con lectura unique para cada archivo i en datos_camaras
n_generos <- sapply(X = unique(datos_camaras$archivo), FUN = function(i) {

# línea de código para generar un subconjunto de datos para cada archivo i
d_camaras <- datos_camaras[datos_camaras$archivo == i, ]

# línea de código para número de géneros unicos en cada archivo i
gen <- length(unique(d_camaras$Genus))
})

# línea de código para generar el data frame resumen con nombre de archivos y número de familias
dfg <- data.frame(archivo = basename(unique(datos_camaras$archivo)), n_familias, n_generos)

Visualización de datos

gt(dfg) |> 
tab_options(table.background.color = "#1C1C1C")

Desarrollo del bucle “sapply”

# inicio del bucle, con lectura unique para cada archivo i en datos_camaras
Fecha <- sapply(X = unique(datos_camaras$archivo), FUN = function(i) {

# línea de código para generar un subconjunto de datos para cada archivo i
d_camaras <- datos_camaras[datos_camaras$archivo == i, ]

# línea de código para número de géneros unicos en cada archivo i
date <- length(unique(d_camaras$Date))
})

# línea de código para generar el data frame resumen con nombre de archivos y número de familias
dffch <- data.frame(archivo = basename(unique(datos_camaras$archivo)), n_familias, n_generos, Fecha)

Visualización de datos

gt(dffch) |> 
tab_options(table.background.color = "#1C1C1C")

Desarrollo del bucle “sapply”

spp <- unique(datos_camaras$Species)[-1] # Línea de código que me ayuda a generar el listado unico de especies de la base de datos, se omite [-1] el primer valor denominado ("")

n_obs <- sapply(X = spp, FUN = function(i) { #observaciones en relacion a las especies

# línea de código para generar un subconjunto de datos para cada archivo i
d_camaras <- datos_camaras[datos_camaras$Species == i, ]

# línea de código para número de especies unicas en cada archivo i
especies <- (unique(d_camaras$Species))

# Línea de código para el cálculo del número de veces que se observó la spp
obs <- sum(d_camaras$MaxN) 

})

# línea de código para generar el data frame resumen con nombre de archivos y número de familias
dfsp <- data.frame(spp, n_obs)

Visualización de datos

datatable(dfsp) |> formatStyle(
  'spp',
  backgroundColor = "#B2F2FF")

Desarrollo del bucle “sapply”

# Profundidad máxima

datos_camaras[9] <- map_df(datos_camaras[9], ~ gsub(" m", "", .x)) #solucionar errores que se encuentran en la base original, de escritura por ejemplo (valores con letras, o signos diferentes, tal como: comas o puntos en el caso de los decimales)

datos_camaras[9] <- map_df(datos_camaras[9], ~ gsub(",", ".", .x))

# Transforma a variable numerica la profundidad
datos_camaras$Depth <- as.numeric(datos_camaras$Depth)


max_prof <- sapply(X = spp, FUN = function(i) { 
    
d_camaras <- datos_camaras[datos_camaras$Species == i, ] # # línea de código para generar un subconjunto de datos para cada archivo i
    
maxi_prof <- max(d_camaras$Depth) # profundida mínima a la que se encontró (i) especie
    
})

# Profundidad mínima

min_prof <- sapply(X = spp, FUN = function(i) { 
    
d_camaras <- datos_camaras[datos_camaras$Species == i, ] # línea de código para generar un subconjunto de datos para cada archivo i
    
mini_prof <- min(d_camaras$Depth) # profundida mínima a la que se encontró (i) especie

})

dfmin <- data.frame(spp, n_obs, min_prof, max_prof)

Visualización de datos

datatable(dfmin)

Desarrollo del bucle “sapply”

datos_camaras$Depth <- as.numeric(datos_camaras$Depth) # Nota para mi: Recordar verificar que las variables se encuentren definidas correctamentamente, tal como: numericas, factores.

rango <- sapply(X = spp,  FUN = function(i) {
    
    d_camaras <- datos_camaras[datos_camaras$Species == i, ] # línea de código para generar un subconjunto de datos para cada archivo i
    
    ran <- abs(max(datos_camaras$Depth) - min(datos_camaras$Depth)) # línea de código para calcular el rango de profundidad a la que se encontró cada especie

    })

dft <- data.frame(spp, n_obs, min_prof, max_prof, rango) # se agrega el nuevo resultado "rango" al df de base