TALLER PRÁCTICA FINAL ESPOCH SEDE ORELLANA
Ing. Geovanny Silva
2024-04-10
MANIPULACIÓN DE DATOS CON R
EJERCICIO 1.
1. Cargue a RStudio el conjunto de datos “pinguinos” del paquete datos. pinguinos incluye medidas de especies de pingüinos de las islas del Archipiélago de Palmer, incluye tamaño (largo de aleta, masa corporal, dimensiones de pico) y sexo de los pinguinos. Muestre la siguiente tabla donde se visualicen las 5 primeras observaciones del conjunto de datos.
library(tidyverse)## Warning: package 'tidyverse' was built under R version 4.3.3## Warning: package 'ggplot2' was built under R version 4.3.3## Warning: package 'tibble' was built under R version 4.3.3## Warning: package 'tidyr' was built under R version 4.3.3## Warning: package 'readr' was built under R version 4.3.3## Warning: package 'purrr' was built under R version 4.3.3## Warning: package 'dplyr' was built under R version 4.3.3## Warning: package 'stringr' was built under R version 4.3.3## Warning: package 'forcats' was built under R version 4.3.3## Warning: package 'lubridate' was built under R version 4.3.3## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.4 ✔ readr 2.1.5
## ✔ forcats 1.0.0 ✔ stringr 1.5.1
## ✔ ggplot2 3.5.0 ✔ tibble 3.2.1
## ✔ lubridate 1.9.3 ✔ tidyr 1.3.1
## ✔ purrr 1.0.2
## ── 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 errorslibrary(datos)## Warning: package 'datos' was built under R version 4.3.3pinguinos## # A tibble: 344 × 8
## especie isla largo_pico_mm alto_pico_mm largo_aleta_mm masa_corporal_g sexo
## <fct> <fct> <dbl> <dbl> <int> <int> <fct>
## 1 Adelia Torg… 39.1 18.7 181 3750 macho
## 2 Adelia Torg… 39.5 17.4 186 3800 hemb…
## 3 Adelia Torg… 40.3 18 195 3250 hemb…
## 4 Adelia Torg… NA NA NA NA <NA>
## 5 Adelia Torg… 36.7 19.3 193 3450 hemb…
## 6 Adelia Torg… 39.3 20.6 190 3650 macho
## 7 Adelia Torg… 38.9 17.8 181 3625 hemb…
## 8 Adelia Torg… 39.2 19.6 195 4675 macho
## 9 Adelia Torg… 34.1 18.1 193 3475 <NA>
## 10 Adelia Torg… 42 20.2 190 4250 <NA>
## # ℹ 334 more rows
## # ℹ 1 more variable: anio <int>library(magrittr)## Warning: package 'magrittr' was built under R version 4.3.3##
## Attaching package: 'magrittr'## The following object is masked from 'package:purrr':
##
## set_names## The following object is masked from 'package:tidyr':
##
## extractdata_pinguinos <- pinguinos
head(data_pinguinos, 5)## # A tibble: 5 × 8
## especie isla largo_pico_mm alto_pico_mm largo_aleta_mm masa_corporal_g sexo
## <fct> <fct> <dbl> <dbl> <int> <int> <fct>
## 1 Adelia Torge… 39.1 18.7 181 3750 macho
## 2 Adelia Torge… 39.5 17.4 186 3800 hemb…
## 3 Adelia Torge… 40.3 18 195 3250 hemb…
## 4 Adelia Torge… NA NA NA NA <NA>
## 5 Adelia Torge… 36.7 19.3 193 3450 hemb…
## # ℹ 1 more variable: anio <int>EJERCICIO 2.
2. Revise la estructura del conjunto de datos pinguinos.
str(data_pinguinos)## tibble [344 × 8] (S3: tbl_df/tbl/data.frame)
## $ especie : Factor w/ 3 levels "Adelia","Barbijo",..: 1 1 1 1 1 1 1 1 1 1 ...
## $ isla : Factor w/ 3 levels "Biscoe","Dream",..: 3 3 3 3 3 3 3 3 3 3 ...
## $ largo_pico_mm : num [1:344] 39.1 39.5 40.3 NA 36.7 39.3 38.9 39.2 34.1 42 ...
## $ alto_pico_mm : num [1:344] 18.7 17.4 18 NA 19.3 20.6 17.8 19.6 18.1 20.2 ...
## $ largo_aleta_mm : int [1:344] 181 186 195 NA 193 190 181 195 193 190 ...
## $ masa_corporal_g: int [1:344] 3750 3800 3250 NA 3450 3650 3625 4675 3475 4250 ...
## $ sexo : Factor w/ 2 levels "hembra","macho": 2 1 1 NA 1 2 1 2 NA NA ...
## $ anio : int [1:344] 2007 2007 2007 2007 2007 2007 2007 2007 2007 2007 ...EJERCICIO 3.
3. Identifique las especies de pinguinos, las islas y los años de la información que contiene “pinguinos”.
unique(data_pinguinos$especie)## [1] Adelia Papúa Barbijo
## Levels: Adelia Barbijo Papúaunique(data_pinguinos$isla)## [1] Torgersen Biscoe Dream
## Levels: Biscoe Dream Torgersenunique(data_pinguinos$anio)## [1] 2007 2008 2009EJERCICIO 4.
4. Hoy aprenderás un nuevo paquete para generar un resumen estadístico de tus datos. Instala la librería modelsummary) y con la función datasummary_skim() genera el siguiente resumen de datos y responde a las siguientes preguntas:
library(modelsummary)## Warning: package 'modelsummary' was built under R version 4.3.3## `modelsummary` 2.0.0 now uses `tinytable` as its default table-drawing
## backend. Learn more at: https://vincentarelbundock.github.io/tinytable/
##
## Revert to `kableExtra` for one session:
##
## options(modelsummary_factory_default = 'kableExtra')
##
## Change the default backend persistently:
##
## config_modelsummary(factory_default = 'gt')
##
## Silence this message forever:
##
## config_modelsummary(startup_message = FALSE)datasummary_skim(data_pinguinos)| Unique | Missing Pct. | Mean | SD | Min | Median | Max | Histogram | |
|---|---|---|---|---|---|---|---|---|
| largo_pico_mm | 165 | 1 | 43.9 | 5.5 | 32.1 | 44.5 | 59.6 |  |
| alto_pico_mm | 81 | 1 | 17.2 | 2.0 | 13.1 | 17.3 | 21.5 |  |
| largo_aleta_mm | 56 | 1 | 200.9 | 14.1 | 172.0 | 197.0 | 231.0 |  |
| masa_corporal_g | 95 | 1 | 4201.8 | 802.0 | 2700.0 | 4050.0 | 6300.0 |  |
| anio | 3 | 0 | 2008.0 | 0.8 | 2007.0 | 2008.0 | 2009.0 |  |
| N | % | |||||||
| especie | Adelia | 152 | 44.2 | |||||
| Barbijo | 68 | 19.8 | ||||||
| Papúa | 124 | 36.0 | ||||||
| isla | Biscoe | 168 | 48.8 | |||||
| Dream | 124 | 36.0 | ||||||
| Torgersen | 52 | 15.1 | ||||||
| sexo | hembra | 165 | 48.0 | |||||
| macho | 168 | 48.8 |
- ¿Cuánto miden en promedio el largo y alto de los picos de los pinguinos de la muestra?
Promedio de largo es = 43.9 mm
- ¿Cuál es el peso corporal máximo de los pinguinos de la muestra?
Promedio de alto es = 17.2 mm
EJERCICIO 5.
5. Recree el código en R para generar la siguiente tabla que muestra el mínimo, el máximo y la media aritmética de las medidas del largo de las aletas de los pinguinos, clasificada por especie.
data_pinguinos %>%
group_by(especie) %>%
summarise("minimo" = min(largo_aleta_mm, na.rm = TRUE),
"maximo" = max(largo_aleta_mm, na.rm = TRUE),
"media" = mean(largo_aleta_mm, na.rm = TRUE))## # A tibble: 3 × 4
## especie minimo maximo media
## <fct> <int> <int> <dbl>
## 1 Adelia 172 210 190.
## 2 Barbijo 178 212 196.
## 3 Papúa 203 231 217.EJERCICIO 6.
6. Con el paquete modelsummary puede generar tablas con más información que la anterior y con una mejor estructura. Utilice la función datasummary() del paquete modelsummary y recree el código para generar la siguiente tabla. No se olvide consultar la ayuda para conocer los argumentos y parámetros que contiene la función.
datasummary(largo_aleta_mm + largo_pico_mm + alto_pico_mm + masa_corporal_g ~ especie * (Mean + SD),
data = data_pinguinos)| Adelia | Barbijo | Papúa | ||||
|---|---|---|---|---|---|---|
| Mean | SD | Mean | SD | Mean | SD | |
| largo_aleta_mm | 189.95 | 6.54 | 195.82 | 7.13 | 217.19 | 6.48 |
| largo_pico_mm | 38.79 | 2.66 | 48.83 | 3.34 | 47.50 | 3.08 |
| alto_pico_mm | 18.35 | 1.22 | 18.42 | 1.14 | 14.98 | 0.98 |
| masa_corporal_g | 3700.66 | 458.57 | 3733.09 | 384.34 | 5076.02 | 504.12 |
VISUALIZACIÓN DE DATOS CON R
EJERCICIO 1.
1. Recree el código R para generar la siguiente gráfica que muestra la distribución de los datos sobre la longitud de las aletas de los pinguinos de la muestra clasificado por especie y por isla, puede modificar la estética a su gusto.
data_pinguinos %>%
ggplot(aes(x=largo_aleta_mm, fill = especie)) +
ggtitle("Gráfico 1: Distribucion de la longitud de las aletas de los pinguinos") +
facet_grid(rows = vars(isla), margins = FALSE) +
geom_density(alpha = 0.4) +
labs(subtitle = "(diferenciando por especie e isla)",
caption = "Datos provenientes de pinguinos dataset",
x = "Longitud de Aleta",
y = " ",
color = "Especie de pinguino")## Warning: Removed 2 rows containing non-finite outside the scale range
## (`stat_density()`).
EJERCICIO 2.
2. Si usted desea visualizar la relación que existe entre el largo del pico y el largo de la aleta de los pinguinos por especie. ¿Qué gráficos utilizaría?. Genere el gráfico que usted considere pertinente para cumplir con su objetivo, agregue el tema, colores y estética necesaria.
data_pinguinos %>%
ggplot(aes(largo_aleta_mm, largo_pico_mm, color = especie)) +
geom_point(stat="identity") +
labs(title = "Gráfico 2: Largo del Pico frente a Largo de aleta",
subtitle = "(diferenciando por especie de pinguinos)",
caption = "Datos provenientes de pinguinos dataset",
x = "Largo de Aleta",
y = "Largo de Pico",
color = "Especie de pinguino")## Warning: Removed 2 rows containing missing values or values outside the scale range
## (`geom_point()`).