TALLER-APE 10: TIDYVERSE

UNIVERSIDAD CENTRAL DEL ECUADOR

FACULTAD DE CIENCIAS ECONÓMICAS

CARRERA DE INGENIERÍA ESTADÍSTICA

Curso: S3-P2 Asignatura: Programación

INTEGRANTES:

John Escorza
Erika Ortiz
Lesly Proaño
Josheline Quilumbaquin
Docente: Francisco Valverde (PhD en Informática)

-Utilizando la base de datos interna mtcars, resolver los siguientes enunciados:

Descargamos el paquete dplyr y cargamos la libreria

#install.packages("dplyr")
library(dplyr)

## Warning: package 'dplyr' was built under R version 4.3.2

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

#install.packages("tidyverse")
library(tidyverse)

## Warning: package 'tidyverse' was built under R version 4.3.2

## Warning: package 'ggplot2' was built under R version 4.3.2

## Warning: package 'tibble' was built under R version 4.3.2

## Warning: package 'tidyr' was built under R version 4.3.2

## Warning: package 'readr' was built under R version 4.3.2

## Warning: package 'purrr' was built under R version 4.3.2

## Warning: package 'stringr' was built under R version 4.3.2

## Warning: package 'forcats' was built under R version 4.3.2

## Warning: package 'lubridate' was built under R version 4.3.2

## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ forcats   1.0.0     ✔ readr     2.1.4
## ✔ ggplot2   3.4.4     ✔ stringr   1.5.1
## ✔ lubridate 1.9.3     ✔ tibble    3.2.1
## ✔ purrr     1.0.2     ✔ tidyr     1.3.0

## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

View(mtcars)

EJERCICIO 1:

Seleccionamos las 3 primeras columnas del dataset mtcars y mostramos la cabecera

head(mtcars)

##                    mpg cyl disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
## Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

Existen dos formas de seleccionar las columnas
FORMA 1:

head(select(mtcars,1,2,3))

##                    mpg cyl disp
## Mazda RX4         21.0   6  160
## Mazda RX4 Wag     21.0   6  160
## Datsun 710        22.8   4  108
## Hornet 4 Drive    21.4   6  258
## Hornet Sportabout 18.7   8  360
## Valiant           18.1   6  225

FORMA 2:

head(select(mtcars,1:3))

##                    mpg cyl disp
## Mazda RX4         21.0   6  160
## Mazda RX4 Wag     21.0   6  160
## Datsun 710        22.8   4  108
## Hornet 4 Drive    21.4   6  258
## Hornet Sportabout 18.7   8  360
## Valiant           18.1   6  225

EJERCICIO 2:

Utiliza la ayuda ?select_helpers para que observes el resultado

?select_helpers

## starting httpd help server ... done

#Help on topic 'select_helpers' was found in the following packages:

#Objects exported from other packages
#(in package dplyr in library C:/Users/qnoem/AppData/Local/R/win-library/4.3)
#Selection language
#(in package tidyselect in library C:/Users/qnoem/AppData/Local/R/win-library/4.3)
#Objects exported from other packages
#(in package tidyr in library C:/Users/qnoem/AppData/Local/R/win-library/4.3)

EJERCICIO 3:

Seleccionar las columnas que empiezan por d

head(select(mtcars,starts_with("d")))

##                   disp drat
## Mazda RX4          160 3.90
## Mazda RX4 Wag      160 3.90
## Datsun 710         108 3.85
## Hornet 4 Drive     258 3.08
## Hornet Sportabout  360 3.15
## Valiant            225 2.76

EJERCICIO 4:

Seleccionar las columnas que terminan por p

head(select(mtcars,starts_with("p")))

## data frame with 0 columns and 6 rows

EJERCICIO 5:

head(select( mtcars, -drat, -am )) (Explica que resultado obtienes ?)

head(select( mtcars, -drat, -am ))

##                    mpg cyl disp  hp    wt  qsec vs gear carb
## Mazda RX4         21.0   6  160 110 2.620 16.46  0    4    4
## Mazda RX4 Wag     21.0   6  160 110 2.875 17.02  0    4    4
## Datsun 710        22.8   4  108  93 2.320 18.61  1    4    1
## Hornet 4 Drive    21.4   6  258 110 3.215 19.44  1    3    1
## Hornet Sportabout 18.7   8  360 175 3.440 17.02  0    3    2
## Valiant           18.1   6  225 105 3.460 20.22  1    3    1

EXPLICACIÓN: Muestra todas las columnas de mtcars excepto las columnas drat y am se descartan por el (-).

EJERCICIO 6:

head(select( mtcars, contains( “a” ) )) (Explica que resultado obtienes ?)

head(select( mtcars, contains( "a" ) ))

##                   drat am gear carb
## Mazda RX4         3.90  1    4    4
## Mazda RX4 Wag     3.90  1    4    4
## Datsun 710        3.85  1    4    1
## Hornet 4 Drive    3.08  0    3    1
## Hornet Sportabout 3.15  0    3    2
## Valiant           2.76  0    3    1

EXPLICAIÓN: Selecciona las columnas que contengan la letra “a” en el nombre de la variable.

EJERCICIO 7:

head(filter( mtcars, mpg > 20, gear == 4)) (Explica que resultado obtienes ?)

head(filter( mtcars, mpg > 20, gear == 4))

##                mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4     21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag 21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710    22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
## Merc 240D     24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
## Merc 230      22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
## Fiat 128      32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1

EXPLICACIÓN: Selecciona los datos de las columnas mpg mayores a 20 y datos de la columna gear igual a 4 mientras las otras columnas siguen igual.

EJERCICIO 8:

#Seleccionar los sujetos con tipo de transmisión (am) 1 que, además, tienen 6 cilindros o menos

PROCEDIMIENTO

head(filter(mtcars, am == 1, cyl <= 6))

##                 mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4      21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag  21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710     22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
## Fiat 128       32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
## Honda Civic    30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
## Toyota Corolla 33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1

EJERCICIO 9:

#Seleccionar los sujetos que bien consumen menos de 21 mpg o bien tienen menos de 3 carburantes (carb) y menos de 4 engranajes (gear)

PROCEDIMIENTO

head(filter(mtcars, (mpg < 21 | carb < 3) & gear < 4))

##                    mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## Hornet 4 Drive    21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout 18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
## Valiant           18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
## Duster 360        14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
## Merc 450SE        16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
## Merc 450SL        17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3

EJERCICIO 10:

#Ordena por cilindrada (cyl) y por desplazamiento (disp)

PROCEDIMIENTO

head(select(mtcars, cyl, disp, everything()))

##                   cyl disp  mpg  hp drat    wt  qsec vs am gear carb
## Mazda RX4           6  160 21.0 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag       6  160 21.0 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710          4  108 22.8  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive      6  258 21.4 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout   8  360 18.7 175 3.15 3.440 17.02  0  0    3    2
## Valiant             6  225 18.1 105 2.76 3.460 20.22  1  0    3    1

EJERCICIO 11:

#Crea una nueva columna que indique los kilogramos que pesa el coche, sabiendo que 1 libra = 0.45 kg. La variable wt indica el peso en libras.

PROCEDIMIENTO

mtcars$kg <- (mtcars$wt*0.45)
head(mtcars)

##                    mpg cyl disp  hp drat    wt  qsec vs am gear carb      kg
## Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4 1.17900
## Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4 1.29375
## Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1 1.04400
## Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1 1.44675
## Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2 1.54800
## Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1 1.55700

EJERCICIO 12:

#La función summarise() agrupa los valores en una tabla de acuerdo a la función que indiquemos. Calcula la media de disp usando la función summarise:

PROCEDIMIENTO

grupo_calc <- group_by(mtcars, disp)
grupo_calc

## # A tibble: 32 × 12
## # Groups:   disp [27]
##      mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb    kg
##    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
##  1  21       6  160    110  3.9   2.62  16.5     0     1     4     4  1.18
##  2  21       6  160    110  3.9   2.88  17.0     0     1     4     4  1.29
##  3  22.8     4  108     93  3.85  2.32  18.6     1     1     4     1  1.04
##  4  21.4     6  258    110  3.08  3.22  19.4     1     0     3     1  1.45
##  5  18.7     8  360    175  3.15  3.44  17.0     0     0     3     2  1.55
##  6  18.1     6  225    105  2.76  3.46  20.2     1     0     3     1  1.56
##  7  14.3     8  360    245  3.21  3.57  15.8     0     0     3     4  1.61
##  8  24.4     4  147.    62  3.69  3.19  20       1     0     4     2  1.44
##  9  22.8     4  141.    95  3.92  3.15  22.9     1     0     4     2  1.42
## 10  19.2     6  168.   123  3.92  3.44  18.3     1     0     4     4  1.55
## # ℹ 22 more rows

summarise(grupo_calc, mean(disp))

## # A tibble: 27 × 2
##     disp `mean(disp)`
##    <dbl>        <dbl>
##  1  71.1         71.1
##  2  75.7         75.7
##  3  78.7         78.7
##  4  79           79  
##  5  95.1         95.1
##  6 108          108  
##  7 120.         120. 
##  8 120.         120. 
##  9 121          121  
## 10 141.         141. 
## # ℹ 17 more rows

EJERCICIO 13:

#summarise(group_by(mtcars, cyl), max = max(disp)) (Explica que resultado obtienes ?)

PROCEDIMIENTO

summarise(group_by(mtcars, cyl), max = max(disp))

## # A tibble: 3 × 2
##     cyl   max
##   <dbl> <dbl>
## 1     4  147.
## 2     6  258 
## 3     8  472

Explicación: Este codigo lo que hizo fue Agrupa los datos del cilindraje por su valor y finalmente obtiene el máximo de ese conjunto de datos.

EJERCICIO 14:

#mtcars %>% select( mpg:disp )%>% head (Explica que resultado obtienes ?)

PROCEDIMIENTO

mtcars %>% select(mpg:disp)%>% head

##                    mpg cyl disp
## Mazda RX4         21.0   6  160
## Mazda RX4 Wag     21.0   6  160
## Datsun 710        22.8   4  108
## Hornet 4 Drive    21.4   6  258
## Hornet Sportabout 18.7   8  360
## Valiant           18.1   6  225

Explicación: Lo que hace este código es seleccionar las columnas desde mpg hasta disp y nos muestra los 6 primeros valores de esta.

EJERCICIO 15:

##head(select(select(mtcars, contains(“a”)), -drat, -am)) (Explica que resultado obtienes ?) #### PROCEDIMIENTO

head(select(select(mtcars, contains("a")), -drat, -am))

##                   gear carb
## Mazda RX4            4    4
## Mazda RX4 Wag        4    4
## Datsun 710           4    1
## Hornet 4 Drive       3    1
## Hornet Sportabout    3    2
## Valiant              3    1

Explicación: Obtengo las columnas de la data mtcars que contengan la letra “a”en su nombre, menos la columna drat y am.

EJERCICIO 16:

##Utilizando pipes ejecuta el ejercicio 15 #### PROCEDIMIENTO

mtcars %>%
  select((contains("a")), -drat, -am)

##                     gear carb
## Mazda RX4              4    4
## Mazda RX4 Wag          4    4
## Datsun 710             4    1
## Hornet 4 Drive         3    1
## Hornet Sportabout      3    2
## Valiant                3    1
## Duster 360             3    4
## Merc 240D              4    2
## Merc 230               4    2
## Merc 280               4    4
## Merc 280C              4    4
## Merc 450SE             3    3
## Merc 450SL             3    3
## Merc 450SLC            3    3
## Cadillac Fleetwood     3    4
## Lincoln Continental    3    4
## Chrysler Imperial      3    4
## Fiat 128               4    1
## Honda Civic            4    2
## Toyota Corolla         4    1
## Toyota Corona          3    1
## Dodge Challenger       3    2
## AMC Javelin            3    2
## Camaro Z28             3    4
## Pontiac Firebird       3    2
## Fiat X1-9              4    1
## Porsche 914-2          5    2
## Lotus Europa           5    2
## Ford Pantera L         5    4
## Ferrari Dino           5    6
## Maserati Bora          5    8
## Volvo 142E             4    2

EJERCICIO 17:

###mtcars_filtered = filter(mtcars, wt > 1.5) mtcars_grouped = group_by(mtcars_filtered, cyl) summarise(mtcars_grouped, mn = mean(mpg), sd = sd(mpg)) (Explica que resultado obtienes ?) #### PROCEDIMIENTO

mtcars_filtered = filter(mtcars, wt > 1.5)
mtcars_grouped = group_by(mtcars_filtered, cyl)
summarise(mtcars_grouped, mn = mean(mpg), sd = sd(mpg))

## # A tibble: 3 × 3
##     cyl    mn    sd
##   <dbl> <dbl> <dbl>
## 1     4  26.7  4.51
## 2     6  19.7  1.45
## 3     8  15.1  2.56

Explicación: Se obtiene la media y la desviación estándar de la columna mpg, agrupagas según su cilindraje y siempre y cuando su wt sea mayor a 1.5.

EJERCICIO 18:

###Utilizando pipes ejecuta el ejercicio 17 #### PROCEDIMIENTO

mtcars %>%
  filter(wt>1.5) %>%
  group_by(cyl) %>%
  summarise(mn = mean(mpg), sd = sd(mpg))

## # A tibble: 3 × 3
##     cyl    mn    sd
##   <dbl> <dbl> <dbl>
## 1     4  26.7  4.51
## 2     6  19.7  1.45
## 3     8  15.1  2.56

EJERCICIO 19:

###Es obligatorio utilizar las funciones del paquete dplyr y recomendable utilizar pipes %>% para los siguientes ejercicios #### PROCEDIMIENTO

install.packages("dplyr")

## Warning: package 'dplyr' is in use and will not be installed

library(dplyr)

EJERCICIO 20

Descarga el fichero de datos vuelos.csv situado en http://gauss.inf.um.es/datos/

url<-("http://gauss.inf.um.es/datos/vuelos.csv")
url

## [1] "http://gauss.inf.um.es/datos/vuelos.csv"

EJERCICIO 21

Descarga el archivo y Guarda los datos en una variable llamada vuelos

destino<-"C:\\Users\\qnoem\\OneDrive\\Documentos\\PROGRAMACION II\\vuelos.csv"
download.file(url,destino)
vuelos<-read.csv(destino,header = T,sep = ",")
head(vuelos)

##         date hour minute  dep  arr dep_delay arr_delay carrier flight dest
## 1 2011-01-01   14      0 1400 1500         0       -10      AA    428  DFW
## 2 2011-01-02   14      1 1401 1501         1        -9      AA    428  DFW
## 3 2011-01-03   13     52 1352 1502        -8        -8      AA    428  DFW
## 4 2011-01-04   14      3 1403 1513         3         3      AA    428  DFW
## 5 2011-01-05   14      5 1405 1507         5        -3      AA    428  DFW
## 6 2011-01-06   13     59 1359 1503        -1        -7      AA    428  DFW
##    plane cancelled time dist
## 1 N576AA         0   40  224
## 2 N557AA         0   45  224
## 3 N541AA         0   48  224
## 4 N403AA         0   39  224
## 5 N492AA         0   44  224
## 6 N262AA         0   45  224

EJERCICIO 22

*Selecciona los vuelos con destino SFO u OAKutilizando las funciones del paquete dplyr. ¿Con cuantos vuelos nos quedamos?**

SFO_OAK<-(filter(vuelos,(dest=="SFO"|dest=="OAK")))
head(SFO_OAK)

##           date hour minute  dep  arr dep_delay arr_delay carrier flight dest
## 373 2011-01-31    8     51  851 1052         1       -27      CO    170  SFO
## 389 2011-01-31   11     29 1129 1351         4         1      CO    270  SFO
## 402 2011-01-31   14     32 1432 1656         7         5      CO    370  SFO
## 436 2011-01-31   17     48 1748 2001         3        -4      CO    570  SFO
## 467 2011-01-31   21     43 2143 2338        50        24      CO    770  SFO
## 468 2011-01-31    7     29  729 1002        -1         2      CO    771  SFO
##      plane cancelled time dist
## 373 N35407         0  225 1635
## 389 N37420         0  228 1635
## 402 N27213         0  229 1635
## 436 N75436         0  236 1635
## 467 N37281         0  224 1635
## 468 N26226         0  237 1635

EJERCICIO 23

Selecciona los vuelos que se han retrasado más de una hora.
¿Cuál es el destino que más se retrasa en proporción al número de vuelos?

 vuelos%>%select(dest, dep_delay)%>%
  filter(dep_delay >60)%>%
  group_by(dest)%>%
  summarise(destino_retraso= n_distinct(dep_delay))%>%head

## # A tibble: 6 × 2
##   dest  destino_retraso
##   <chr>           <int>
## 1 ABQ                28
## 2 AEX                13
## 3 AMA                11
## 4 ASE                 6
## 5 ATL               105
## 6 AUS                49

EJERCICIO 24

Encuentra 4 maneras diferentes de utilizar la función select para seleccionar las variables relacionadas con los retrasos (delay)

select(vuelos, dep_delay, arr_delay)%>%head

##   dep_delay arr_delay
## 1         0       -10
## 2         1        -9
## 3        -8        -8
## 4         3         3
## 5         5        -3
## 6        -1        -7

select(vuelos, date, dep_delay)%>%head

##         date dep_delay
## 1 2011-01-01         0
## 2 2011-01-02         1
## 3 2011-01-03        -8
## 4 2011-01-04         3
## 5 2011-01-05         5
## 6 2011-01-06        -1

select(vuelos, date, arr_delay)%>%head

##         date arr_delay
## 1 2011-01-01       -10
## 2 2011-01-02        -9
## 3 2011-01-03        -8
## 4 2011-01-04         3
## 5 2011-01-05        -3
## 6 2011-01-06        -7

select(vuelos, dest, dep_delay)%>%head

##   dest dep_delay
## 1  DFW         0
## 2  DFW         1
## 3  DFW        -8
## 4  DFW         3
## 5  DFW         5
## 6  DFW        -1

EJERCICIO 25

Agrupa los vuelos por fecha y calcula: media, mediana y cuartil 75 de los retrasos en los vuelos por hora

vuelos%>%
select(date,hour,minute,dep_delay)%>%
group_by(date)%>%
summarise(media= mean(dep_delay, na.rm=T), 
mediana= median(dep_delay, na.rm=T),
cuartil_75= quantile(dep_delay, 0.75, na.rm=T))%>%head

## # A tibble: 6 × 4
##   date       media mediana cuartil_75
##   <chr>      <dbl>   <dbl>      <dbl>
## 1 2011-01-01 10.7        3       15  
## 2 2011-01-02 15.7        7       20  
## 3 2011-01-03 13.4        4       18  
## 4 2011-01-04 11.9        5       18  
## 5 2011-01-05  6.33       1        8.5
## 6 2011-01-06  5.28       0        7

EJERCICIO 26

Utilizando pipes calcula la media de retraso en los vuelos por día y hora, la cantidad de vuelos por día y hora y luego muestra solo los casos para los cuales haya más de 10

vuelos%>%select(dep_delay, date, hour, flight)%>%
filter(flight> 10)%>%
group_by(date)%>%
summarise(media_retraso= mean(dep_delay, na.rm=T),
cantidad_vuelos= n_distinct(flight))%>%head

## # A tibble: 6 × 3
##   date       media_retraso cantidad_vuelos
##   <chr>              <dbl>           <int>
## 1 2011-01-01         10.6              531
## 2 2011-01-02         15.7              649
## 3 2011-01-03         13.6              668
## 4 2011-01-04         12.0              554
## 5 2011-01-05          6.42             561
## 6 2011-01-06          5.34             629

EJERCICIO 27

Importar la base de datos realizada en MYSQL a R

#install.packages("RMySQL")
#library(RMySQL)
#conexion<- odbcConnect("DATABASE", uid= "root", pwd= "root")
#vuelos1<- sqlQuery(conexion, "SELECT * FROM programacion_vuelos1")
#head(vuelos1)

TALLER-APE 10: TIDYVERSE

Grupo 3

UNIVERSIDAD CENTRAL DEL ECUADOR

FACULTAD DE CIENCIAS ECONÓMICAS

CARRERA DE INGENIERÍA ESTADÍSTICA

INTEGRANTES:

EJERCICIO 1:

EJERCICIO 2:

EJERCICIO 3:

EJERCICIO 4:

EJERCICIO 5:

EJERCICIO 6:

EJERCICIO 7:

EJERCICIO 8:

PROCEDIMIENTO

EJERCICIO 9:

PROCEDIMIENTO

EJERCICIO 10:

PROCEDIMIENTO

EJERCICIO 11:

PROCEDIMIENTO

EJERCICIO 12:

PROCEDIMIENTO

EJERCICIO 13:

PROCEDIMIENTO

EJERCICIO 14:

PROCEDIMIENTO

EJERCICIO 15:

EJERCICIO 16:

EJERCICIO 17:

EJERCICIO 18:

EJERCICIO 19: