1 Presentación

El presente documento contiene el solucionario a los ejercicios 10.5 del libro de R for Data Science de Hadley Wickham y Garrett Grolemund en su versión en español.

Este documento se realiza con fines académicos para el curso de Técnicas de Exploración de Datos de la carrera de Estadística e Informática de la Universidad Nacional Agraria La Molina de Lima, Perú.

2 Marco téorico

2.1 Interactuando con código antiguo

Algunas funciones más antiguas no funcionan con los tibbles. Si te encuentras en uno de esos casos, usa as.data.frame() para convertir un tibble de nuevo en un data.frame:

class(as.data.frame(tb))
## [1] "data.frame"

La principal razón de que algunas funciones previas no funcionen con tibbles es la función [. En este libro no usamos mucho [ porque dplyr::filter() y dplyr::select() resuelven los mismos problemas con un código más claro (aprenderás un poco sobre ello en el capítulo sobre subjoncuntos de vectores). Con los data frames de R base, [ a veces devuelve un data frame y a veces devuelve un vector. Con tibbles, [ siempre devuelve otro tibble.

3 Ejercicios

3.1 Ejercicio 01

¿Cómo puedes saber si un objeto es un tibble? (Sugerencia: imprime mtautos en consola, que es un data frame clásico).

Para saber si un objeto es un tibble, usamos la función class(), para observar la funcionalidad de esta función, primero vamos a imprimir mtautos en nuestra consola.

mtautos # Observamos nuestro objeto
##                     millas cilindros cilindrada caballos  eje  peso velocidad
## Mazda RX4             21.0         6      160.0      110 3.90 2.620     16.46
## Mazda RX4 Wag         21.0         6      160.0      110 3.90 2.875     17.02
## Datsun 710            22.8         4      108.0       93 3.85 2.320     18.61
## Hornet 4 Drive        21.4         6      258.0      110 3.08 3.215     19.44
## Hornet Sportabout     18.7         8      360.0      175 3.15 3.440     17.02
## Valiant               18.1         6      225.0      105 2.76 3.460     20.22
## Duster 360            14.3         8      360.0      245 3.21 3.570     15.84
## Merc 240D             24.4         4      146.7       62 3.69 3.190     20.00
## Merc 230              22.8         4      140.8       95 3.92 3.150     22.90
## Merc 280              19.2         6      167.6      123 3.92 3.440     18.30
## Merc 280C             17.8         6      167.6      123 3.92 3.440     18.90
## Merc 450SE            16.4         8      275.8      180 3.07 4.070     17.40
## Merc 450SL            17.3         8      275.8      180 3.07 3.730     17.60
## Merc 450SLC           15.2         8      275.8      180 3.07 3.780     18.00
## Cadillac Fleetwood    10.4         8      472.0      205 2.93 5.250     17.98
## Lincoln Continental   10.4         8      460.0      215 3.00 5.424     17.82
## Chrysler Imperial     14.7         8      440.0      230 3.23 5.345     17.42
## Fiat 128              32.4         4       78.7       66 4.08 2.200     19.47
## Honda Civic           30.4         4       75.7       52 4.93 1.615     18.52
## Toyota Corolla        33.9         4       71.1       65 4.22 1.835     19.90
## Toyota Corona         21.5         4      120.1       97 3.70 2.465     20.01
## Dodge Challenger      15.5         8      318.0      150 2.76 3.520     16.87
## AMC Javelin           15.2         8      304.0      150 3.15 3.435     17.30
## Camaro Z28            13.3         8      350.0      245 3.73 3.840     15.41
## Pontiac Firebird      19.2         8      400.0      175 3.08 3.845     17.05
## Fiat X1-9             27.3         4       79.0       66 4.08 1.935     18.90
## Porsche 914-2         26.0         4      120.3       91 4.43 2.140     16.70
## Lotus Europa          30.4         4       95.1      113 3.77 1.513     16.90
## Ford Pantera L        15.8         8      351.0      264 4.22 3.170     14.50
## Ferrari Dino          19.7         6      145.0      175 3.62 2.770     15.50
## Maserati Bora         15.0         8      301.0      335 3.54 3.570     14.60
## Volvo 142E            21.4         4      121.0      109 4.11 2.780     18.60
##                     forma transmision cambios carburadores
## Mazda RX4               0           1       4            4
## Mazda RX4 Wag           0           1       4            4
## Datsun 710              1           1       4            1
## Hornet 4 Drive          1           0       3            1
## Hornet Sportabout       0           0       3            2
## Valiant                 1           0       3            1
## Duster 360              0           0       3            4
## Merc 240D               1           0       4            2
## Merc 230                1           0       4            2
## Merc 280                1           0       4            4
## Merc 280C               1           0       4            4
## Merc 450SE              0           0       3            3
## Merc 450SL              0           0       3            3
## Merc 450SLC             0           0       3            3
## Cadillac Fleetwood      0           0       3            4
## Lincoln Continental     0           0       3            4
## Chrysler Imperial       0           0       3            4
## Fiat 128                1           1       4            1
## Honda Civic             1           1       4            2
## Toyota Corolla          1           1       4            1
## Toyota Corona           1           0       3            1
## Dodge Challenger        0           0       3            2
## AMC Javelin             0           0       3            2
## Camaro Z28              0           0       3            4
## Pontiac Firebird        0           0       3            2
## Fiat X1-9               1           1       4            1
## Porsche 914-2           0           1       5            2
## Lotus Europa            1           1       5            2
## Ford Pantera L          0           1       5            4
## Ferrari Dino            0           1       5            6
## Maserati Bora           0           1       5            8
## Volvo 142E              1           1       4            2
class(mtautos) # Obtenemos la clase del objeto
## [1] "data.frame"

Con la función class() obtuvimos que el objeto mtautos es una data frame clásico, ahora convertimos el data frame en un tibble.

mtautos_tibble <- as_tibble(mtautos)
class(mtautos_tibble) # Obtenemos la clase del objeto
## [1] "tbl_df"     "tbl"        "data.frame"

Para un tibble, class() debería retornar “tbl_df”, “tbl”, y “data.frame”.

mtautos_tibble # Observamos que efectivamente es un tibble
## # A tibble: 32 × 11
##    millas cilindros cilindrada caballos   eje  peso velocidad forma transmision
##     <dbl>     <dbl>      <dbl>    <dbl> <dbl> <dbl>     <dbl> <dbl>       <dbl>
##  1   21           6       160       110  3.9   2.62      16.5     0           1
##  2   21           6       160       110  3.9   2.88      17.0     0           1
##  3   22.8         4       108        93  3.85  2.32      18.6     1           1
##  4   21.4         6       258       110  3.08  3.22      19.4     1           0
##  5   18.7         8       360       175  3.15  3.44      17.0     0           0
##  6   18.1         6       225       105  2.76  3.46      20.2     1           0
##  7   14.3         8       360       245  3.21  3.57      15.8     0           0
##  8   24.4         4       147.       62  3.69  3.19      20       1           0
##  9   22.8         4       141.       95  3.92  3.15      22.9     1           0
## 10   19.2         6       168.      123  3.92  3.44      18.3     1           0
## # ℹ 22 more rows
## # ℹ 2 more variables: cambios <dbl>, carburadores <dbl>

3.2 Ejercicio 02

Compara y contrasta las siguientes operaciones aplicadas a un data frame y a un tibble equivalente. ¿Qué es diferente? ¿Por qué podría causarte problemas el comportamiento por defecto del data frame?

3.2.1 Mostramos un data frame y un tibble:

# Data Frame   ----------------------------------------------------------------
df <- data.frame(abc = 1, xyz = "a")

# Tibble   --------------------------------------------------------------------
tb <- tibble(abc = 1, xyz = "a")

3.2.2 Primera operación:

# Data Frame   ----------------------------------------------------------------
df$x
## [1] "a"
# Tibble   --------------------------------------------------------------------
tb$x
## NULL

Observaciones:

  • Para un data frame, la operación df$x podría no devolver NULL, como en este caso, esto sucede porque x coincide parcialmente con el nombre de alguna columna existente y esa coincidencia es única. Este comportamiento puede ser útil en ciertos contextos pero también es potencialmente peligroso porque puede llevara errores difíciles de detectar, especialmente en data frames grandes con muchas columnas o cuando se modifican o actualizan los nombres de las columnas en el código.

  • Para un tibble, el acceso con tb$x resultará en un error si la columna x no existe, ya que los tibbles no permiten la coincidencia parcial de nombres de columnas cuando se accede a ellos de esta manera.Este es un diseño intencionado para evitar los problemas que pueden surgir con las coincidencias parciales en data.frames, donde podrías obtener una columna diferente a la esperada si no eres específico con el nombre.

3.2.3 Segunda operación:

# Data Frame   ----------------------------------------------------------------
df[, "xyz"]
## [1] "a"
# Tibble   --------------------------------------------------------------------
tb[, "xyz"]
## # A tibble: 1 × 1
##   xyz  
##   <chr>
## 1 a

Observaciones:

  • Para un data frame, se obtiene el vector de la columna “xyz”. Por defecto, esta operación simplificará el resultado a la clase más simple posible; en este caso, un vector de caracteres.

  • Para un tibble preserva el tibble como resultado. Los tibbles tienen un comportamiento diferente, no simplifican el resultado, esto significa que, en lugar de devolver un vector, devolverá un tibble que contiene solo la columna xyz. Esta diferencia es significativa porque afecta cómo se manejan los datos subsiguientes.

3.2.4 Tercera operación:

# Data Frame   ----------------------------------------------------------------
df[, c("abc", "xyz")]
##   abc xyz
## 1   1   a
# Tibble   --------------------------------------------------------------------
tb[, c("abc", "xyz")]
## # A tibble: 1 × 2
##     abc xyz  
##   <dbl> <chr>
## 1     1 a

Observaciones:

  • En un data frame seleccionará ambas columnas abc y xyz del data.frame, devolviendo otro data.frame.

  • En un tibble se seleccionará ambas columnas y devolviendo otro tibble.

3.2.5 ¿Por qué podría causarte problemas el comportamiento por defecto del data frame?

  1. Simplificación automática: Los data frames simplificarán automáticamente el resultado a la clase más básica posible cuando se extrae una sola columna (a menos que se especifique drop = FALSE), mientras que los tibbles no lo hacen. Esto puede causar confusión o errores inesperados en el código si se espera un data frame o tibble y se obtiene un vector.

  2. Nombres parciales: Los data frames permiten el uso de nombres de columnas parciales con el operador $, lo cual puede ser conveniente pero también riesgoso si no se maneja con cuidado, ya que puede llevar a errores difíciles de detectar si los nombres de las columnas cambian o si se agregan nuevas columnas que coincidan parcialmente con los nombres existentes. Los tibbles no permiten este comportamiento, lo cual es más seguro y predecible.

  3. Compatibilidad con tipos y estructuras: Al trabajar con tibbles, puedes esperar una mayor consistencia en el manejo de tipos de datos y estructuras de datos. Los data frames pueden tener comportamientos inesperados debido a la conversión automática de tipos o la simplificación de estructuras.

3.3 Ejercicio 03

Si tienes el nombre de una variable guardada en un objeto, p.e., var <- “mpg”, ¿cómo puedes extraer esta variable de un tibble?

Para extraer una variable (columna) de un tibble en R, se puede usar diferentes métodos, como el operador [[, o la función pull() o select() de dplyr, a continuación se mostrará un ejemplo con cada uno de estos métodos.

df <- tibble(
  mpg = c(1, 2, 3),
  abc = c(44, 55, 66),
  def = c(777, 888, 999))

# Nombre de la variable almacenado en un objeto
var <- "mpg"

3.3.1 Se extrae la variable del tibble, con el operador “[[”

variable_tb1 <- df[[var]] # Devuelve como vector
variable_tb1
## [1] 1 2 3

3.3.2 Se extrae la variable del tibble, con la función “pull”

variable_tb2 <- pull(df, var) # Devuelve como vector
variable_tb2
## [1] 1 2 3

3.3.3 Se extrae la variable del tibble, con la función “select”

variable_tb3 <- select(df, var) # Devuelve un tibble ("select" devuelve un objeto 
                                # del mismo tipo que el objeto de entrada, ya
                                # sea un data frame o un tibble.)
variable_tb3
## # A tibble: 3 × 1
##     mpg
##   <dbl>
## 1     1
## 2     2
## 3     3

3.3.4 OBSERVACIÓN:

No podemos extraer la variable del tibble, con el operador “$”, esto debido a que el operador $ espera un nombre de columna literal, no una variable que contenga el nombre de la columna. Es decir, cuando haces df$var, R busca literalmente una columna llamada “var” en tu tibble df, la cual no existe, y por eso te da el mensaje de advertencia y NULL como resultado.

variable_tb4 <- df$var
variable_tb4
## NULL

3.4 Ejercicio 04

Practica referenciar nombres no sintácticos en el siguiente data frame:

molesto <- tibble(
  `1` = 1:10,
  `2` = `1` * 2 + rnorm(length(`1`)))
molesto
## # A tibble: 10 × 2
##      `1`   `2`
##    <int> <dbl>
##  1     1  4.25
##  2     2  3.83
##  3     3  5.49
##  4     4  7.81
##  5     5  8.67
##  6     6 12.8 
##  7     7 14.6 
##  8     8 15.9 
##  9     9 18.4 
## 10    10 20.1

3.4.1 Extrayendo la variable llamada 1.

columna1 <- select(molesto, `1`)
columna1
## # A tibble: 10 × 1
##      `1`
##    <int>
##  1     1
##  2     2
##  3     3
##  4     4
##  5     5
##  6     6
##  7     7
##  8     8
##  9     9
## 10    10

3.4.2 Generando un gráfico de dispersión de 1 vs 2

ggplot(molesto, aes(x = `1`, y = `2`)) +
  geom_point() + theme_bw() +
  labs(x = "1", y = "2", title = "Gráfico de dispersión de 1 vs 2")

3.4.3 Creando una nueva columna llamada 3 que sea el resultado de la división de 2 por 1

molesto <- molesto %>%
  mutate(`3` = `2` / `1`)

3.4.4 Renombrando las columnas como uno, dos y tres

molesto %>%
  rename(uno = `1`, dos = `2`, tres = `3`)
## # A tibble: 10 × 3
##      uno   dos  tres
##    <int> <dbl> <dbl>
##  1     1  4.25  4.25
##  2     2  3.83  1.92
##  3     3  5.49  1.83
##  4     4  7.81  1.95
##  5     5  8.67  1.73
##  6     6 12.8   2.13
##  7     7 14.6   2.09
##  8     8 15.9   1.99
##  9     9 18.4   2.04
## 10    10 20.1   2.01

3.5 Ejercicio 05

¿Qué hace tibble::enframe()? ¿Cuándo lo usarías?

La función tibble::enframe() convierte un vector, una lista o un objeto similar en un tibble (un tipo de data frame moderno proporcionado por el paquete tibble en R).

library(tibble)
vec <- c(a = 1, b = 2, c = 3)
enframe(vec)
## # A tibble: 3 × 2
##   name  value
##   <chr> <dbl>
## 1 a         1
## 2 b         2
## 3 c         3

Emplearía tibble::enframe() cuando necesite trabajar con datos que están en forma de vector o lista pero requieren ser manejados o analizados como tibble. Algunas situaciones de su uso incluirían:

  1. Análisis de Datos: Cuando se quiere aplicar filtraciones, mutaciones, o cualquier otra operación típica de manipulación de datos.

  2. Visualización: Convertir datos en un formato que pueda ser fácilmente visualizado usando paquetes que trabajan mejor con data frames o tibbles, como ggplot2.

  3. Interoperabilidad: Cuando necesitas pasar datos a funciones o paquetes que esperan un data frame/tibble en lugar de un vector o lista.

  4. Transformación de Datos: Para transformar y organizar datos que originalmente vienen en vectores o listas en una estructura que facilita su exploración y análisis.

En resumen, tibble::enframe() es una herramienta conveniente para la transformación de estructuras de datos básicas de R en tibbles, facilitando su manipulación y análisis dentro del ecosistema de tidyverse.

3.6 Ejercicio 06

¿Qué opción controla cuántos nombres de columnas adicionales se muestran al pie de un tibble?

Se sabe que los tibbles por defecto muestran solo las primeras 10 filas y las columnas que caben en la ventana de la consola. Para controlar la visualización de columnas de un tibble, se puede usar:

3.6.1 Primera opción:

Muestra todas las columnas.

vuelos %>%
  print(width = Inf)
## # A tibble: 336,776 × 19
##     anio   mes   dia horario_salida salida_programada atraso_salida
##    <int> <int> <int>          <int>             <int>         <dbl>
##  1  2013     1     1            517               515             2
##  2  2013     1     1            533               529             4
##  3  2013     1     1            542               540             2
##  4  2013     1     1            544               545            -1
##  5  2013     1     1            554               600            -6
##  6  2013     1     1            554               558            -4
##  7  2013     1     1            555               600            -5
##  8  2013     1     1            557               600            -3
##  9  2013     1     1            557               600            -3
## 10  2013     1     1            558               600            -2
##    horario_llegada llegada_programada atraso_llegada aerolinea vuelo codigo_cola
##              <int>              <int>          <dbl> <chr>     <int> <chr>      
##  1             830                819             11 UA         1545 N14228     
##  2             850                830             20 UA         1714 N24211     
##  3             923                850             33 AA         1141 N619AA     
##  4            1004               1022            -18 B6          725 N804JB     
##  5             812                837            -25 DL          461 N668DN     
##  6             740                728             12 UA         1696 N39463     
##  7             913                854             19 B6          507 N516JB     
##  8             709                723            -14 EV         5708 N829AS     
##  9             838                846             -8 B6           79 N593JB     
## 10             753                745              8 AA          301 N3ALAA     
##    origen destino tiempo_vuelo distancia  hora minuto fecha_hora         
##    <chr>  <chr>          <dbl>     <dbl> <dbl>  <dbl> <dttm>             
##  1 EWR    IAH              227      1400     5     15 2013-01-01 05:00:00
##  2 LGA    IAH              227      1416     5     29 2013-01-01 05:00:00
##  3 JFK    MIA              160      1089     5     40 2013-01-01 05:00:00
##  4 JFK    BQN              183      1576     5     45 2013-01-01 05:00:00
##  5 LGA    ATL              116       762     6      0 2013-01-01 06:00:00
##  6 EWR    ORD              150       719     5     58 2013-01-01 05:00:00
##  7 EWR    FLL              158      1065     6      0 2013-01-01 06:00:00
##  8 LGA    IAD               53       229     6      0 2013-01-01 06:00:00
##  9 JFK    MCO              140       944     6      0 2013-01-01 06:00:00
## 10 LGA    ORD              138       733     6      0 2013-01-01 06:00:00
## # ℹ 336,766 more rows

3.6.2 Segunda opción:

Establece una opción global que controla el ancho máximo para la impresión de tibbles.

options(tibble.width = 80) 
vuelos 
## # A tibble: 336,776 × 19
##     anio   mes   dia horario_salida salida_programada atraso_salida
##    <int> <int> <int>          <int>             <int>         <dbl>
##  1  2013     1     1            517               515             2
##  2  2013     1     1            533               529             4
##  3  2013     1     1            542               540             2
##  4  2013     1     1            544               545            -1
##  5  2013     1     1            554               600            -6
##  6  2013     1     1            554               558            -4
##  7  2013     1     1            555               600            -5
##  8  2013     1     1            557               600            -3
##  9  2013     1     1            557               600            -3
## 10  2013     1     1            558               600            -2
## # ℹ 336,766 more rows
## # ℹ 13 more variables: horario_llegada <int>, llegada_programada <int>,
## #   atraso_llegada <dbl>, aerolinea <chr>, vuelo <int>, codigo_cola <chr>,
## #   origen <chr>, destino <chr>, tiempo_vuelo <dbl>, distancia <dbl>,
## #   hora <dbl>, minuto <dbl>, fecha_hora <dttm>

En este caso,esta configuración ajusta cómo los tibbles se visualizan en la consola, intentando limitar la representación de los mismos a un máximo de 80 caracteres de ancho.