R Markdown

library(readr)
## Buscad   información de  vuestro conjunto    de  datos   y   de  vuestras variables.
datos_invent <-
read.csv("C:/Users/NICO/Documents/uoc/RStudio/inventados.txt", 
sep=";")
View(datos_invent)
summary(datos_invent)
##        Id             Edad            Gene         Trat          
##  Min.   : 1.00   Min.   : 1.00   Min.   :1.0   Length:30         
##  1st Qu.: 8.25   1st Qu.:16.50   1st Qu.:1.0   Class :character  
##  Median :15.50   Median :32.50   Median :1.5   Mode  :character  
##  Mean   :15.50   Mean   :38.93   Mean   :1.5                     
##  3rd Qu.:22.75   3rd Qu.:52.25   3rd Qu.:2.0                     
##  Max.   :30.00   Max.   :96.00   Max.   :2.0                     
##       Peso             Alt       
##  Min.   : 17.00   Min.   : 78.0  
##  1st Qu.: 57.75   1st Qu.:159.0  
##  Median : 77.00   Median :172.0  
##  Mean   : 68.57   Mean   :162.4  
##  3rd Qu.: 81.00   3rd Qu.:178.0  
##  Max.   :101.00   Max.   :196.0
##Cálculo IMC
IMC <- datos_invent$Peso/(datos_invent$Alt/100)^2
IMC
##  [1] 22.79036 22.85714 27.68166 28.68514 27.77778 23.94835 25.18079 20.07960
##  [9] 22.85714 24.81633 24.60973 27.96802 27.08416 25.56495 23.42209 24.79667
## [17] 23.92486 46.87500 22.18935 25.73708 24.34176 22.40879 22.71468 22.53061
## [25] 27.68166 27.39800 23.14050 20.00000 27.94214 31.91222
## Cread     dos     data    frames  diferenciados   para    hombres     y   mujeres     con     dos     nombres diferentes:    Df_Hombres y    Df_Mujeres.

dataIMC <- data.frame(datos_invent, IMC)

##print(length(datos_invent))
##print(length(IMC))
Df_Mujeres <- subset(dataIMC, datos_invent$Gene==1)
Df_Mujeres
##    Id Edad Gene Trat Peso Alt      IMC
## 1   1   28    1    A   78 185 22.79036
## 3   3   48    1    C   80 170 27.68166
## 5   5   48    1    B   90 180 27.77778
## 7   7   33    1    C   78 176 25.18079
## 9   9   15    1    A   70 175 22.85714
## 11 11   84    1    A   67 165 24.60973
## 13 13   89    1    B   82 174 27.08416
## 15 15   10    1    C   57 156 23.42209
## 17 17   23    1    C   81 184 23.92486
## 19 19   95    1    A   54 156 22.18935
## 21 21   83    1    B   60 157 24.34176
## 23 23   50    1    C   82 190 22.71468
## 25 25   12    1    C   80 170 27.68166
## 27 27    5    1    C   28 110 23.14050
## 29 29    1    1    A   17  78 27.94214
 View(Df_Mujeres)

Df_Hombres <- subset(dataIMC, datos_invent$Gene==2)
Df_Hombres
##    Id Edad Gene Trat Peso Alt      IMC
## 2   2   38    2    B   70 175 22.85714
## 4   4   96    2    A   80 167 28.68514
## 6   6   21    2    C   92 196 23.94835
## 8   8   56    2    B   56 167 20.07960
## 10 10   53    2    A   76 175 24.81633
## 12 12   35    2    B   78 167 27.96802
## 14 14   32    2    B   81 178 25.56495
## 16 16    8    2    C   50 142 24.79667
## 18 18    1    2    C   30  80 46.87500
## 20 20   32    2    A   90 187 25.73708
## 22 22   47    2    B   71 178 22.40879
## 24 24   31    2    C   69 175 22.53061
## 26 26   24    2    A  101 192 27.39800
## 28 28    3    2    B   20 100 20.00000
## 30 30   67    2    B   89 167 31.91222
 View(Df_Hombres)
##Combinad   de  nuevo   los     dos     ficheros    anteriores  y   cread   el  primero     de  nuevo   con     el comando rbind()
Df_Todo<-rbind(Df_Hombres, Df_Mujeres)
Df_Todo
##    Id Edad Gene Trat Peso Alt      IMC
## 2   2   38    2    B   70 175 22.85714
## 4   4   96    2    A   80 167 28.68514
## 6   6   21    2    C   92 196 23.94835
## 8   8   56    2    B   56 167 20.07960
## 10 10   53    2    A   76 175 24.81633
## 12 12   35    2    B   78 167 27.96802
## 14 14   32    2    B   81 178 25.56495
## 16 16    8    2    C   50 142 24.79667
## 18 18    1    2    C   30  80 46.87500
## 20 20   32    2    A   90 187 25.73708
## 22 22   47    2    B   71 178 22.40879
## 24 24   31    2    C   69 175 22.53061
## 26 26   24    2    A  101 192 27.39800
## 28 28    3    2    B   20 100 20.00000
## 30 30   67    2    B   89 167 31.91222
## 1   1   28    1    A   78 185 22.79036
## 3   3   48    1    C   80 170 27.68166
## 5   5   48    1    B   90 180 27.77778
## 7   7   33    1    C   78 176 25.18079
## 9   9   15    1    A   70 175 22.85714
## 11 11   84    1    A   67 165 24.60973
## 13 13   89    1    B   82 174 27.08416
## 15 15   10    1    C   57 156 23.42209
## 17 17   23    1    C   81 184 23.92486
## 19 19   95    1    A   54 156 22.18935
## 21 21   83    1    B   60 157 24.34176
## 23 23   50    1    C   82 190 22.71468
## 25 25   12    1    C   80 170 27.68166
## 27 27    5    1    C   28 110 23.14050
## 29 29    1    1    A   17  78 27.94214
 View(Df_Todo)