Conceptualización e interfaz de R

¿Qué es un objeto en R?

Un objeto es una estructura de datos que almacena valores y tiene un nombre asociado.

¿Cómo se crea y se manipula un objeto?

Para poder crear un objeto debemos tener en cuenta el código en este caso el mas sencillo es (<-) con este podemos definir un objeto y agregarle elementos.

x <- 5

para poderlo manipular, luego de que esté creado basta con llamarlo por el nombre que le hemos dado para ocuparlo en lo que necesitemos.

¿Cuál es la diferencia entre una variable y un objeto?

Variable: En R, una variable es un nombre que se utiliza para hacer referencia a un objeto. Es una etiqueta que se asigna a un objeto para poder acceder y manipular dicho objeto en el entorno de R. Por lo tanto, una variable en R es simplemente un símbolo que representa un valor o un objeto almacenado en la memoria.

Objeto: En R, un objeto es una estructura de datos que almacena valores y tiene un nombre asociado. Un objeto puede ser cualquier cosa que pueda ser asignada a una variable, incluyendo vectores, matrices, listas, data frames, funciones, entre otros. Los objetos en R pueden contener cualquier tipo de datos y pueden ser manipulados mediante funciones y operadores.

¿Qué es un script en R?

Un script en R es un archivo de texto plano que contiene una serie de comandos y funciones escritos en el lenguaje de programación R. Estos scripts se utilizan para realizar tareas específicas, como cargar datos, realizar análisis estadísticos, crear gráficos, entre otros, de manera secuencial y reproducible.

Explica cómo se ejecuta un script y cuál es su utilidad.

  1. Abrimos R y en la parte superior izquierda encontramos varias opciones.
  2. Buscamos “file” y allí le damos click al script.
  3. Se abre una nueva plantilla de estudio y podemos trabajar desde R con todos los códigos posibles.
  4. Para ejecutarlo solo basta con correr cada uno de sus códigos y recalcar que esten bien escritos para que todo funcione.
  5. finalmente lo guardamos como un documento normal y luego lo podemos volver abrir en R sin ningun problema. La utilidad del script recae en una de las cosas más importantes que es el cuerpo de nuestro trabajo, así que sin esto no podriamos tener documentos.

Describe la función de la ventana de comandos en el entorno de R

la ventana de comandos en el entorno de R es una herramienta esencial que proporciona un espacio interactivo y dinámico para escribir, ejecutar y depurar comandos de R, lo que facilita el análisis de datos y el desarrollo de código en R.

¿Cuáles son las ventajas de usar la ventana de comandos frente a un script?

Los scripts proporcionan una manera de organizar y documentar tu trabajo de manera reproducible, permiten la automatización de tareas y facilitan la colaboración y el intercambio de código con otros usuarios. La ventana de comandos y los scripts tienen sus propias fortalezas y se pueden utilizar de manera complementaria dependiendo de las necesidades específicas del trabajo en cuestión.

Nombra al menos cinco tipos de objetos que existen en R. Describe las características y usos de cada uno

VARIABLES

Las variables sirven para almacenar un valor que luego vamos a utilizar en algún procedimiento.

Para hacer la asignación de un valor a alguna variable se utiliza el operador <- entre el valor y el nombre de la variable. Ejemplo

x <- 76

VECTORES

Los vectores vectores son arreglos ordenados en los cuales se puede almacenar información de tipo numérico (variable cuantitativa), alfanumérico (variable cualitativa) o lógico (TRUE o FALSE), pero no mezclas de éstos. La función de R para crear un vector es c() y que significa concatenar; dentro de los paréntesis de esta función se ubica la información a almacenar.

Una vez construído el vector se acostumbra a etiquetarlo con un nombre corto y representativo de la información que almacena, la asignación se hace por medio del operador <- entre el nombre y el vector.

edad <- c(15, 19, 13, 18)
sexo <- c("M", "H", "H", "M")
deporte <- c(TRUE, TRUE, FALSE, TRUE)

MATRICES

Las matrices son arreglos rectangulares de filas y columnas con información numérica, alfanumérica o lógica. Para construir una matriz se usa la función matrix( )

matriz <- matrix(data=1:20, nrow=4, ncol=5, byrow=FALSE)

##      [,1] [,2] [,3] [,4] [,5]
## [1,]    1    5    9   13   17
## [2,]    2    6   10   14   18
## [3,]    3    7   11   15   19
## [4,]    4    8   12   16   20

ARREGLOS

Un arreglo es una matriz de varias dimensiones con información numérica, alfanumérica o lógica

miarray <- array(data=letters[1:24], dim=c(3, 4, 2))

MARCO DE DATOS

El marco de datos marco de datos o data frame es uno de los objetos más utilizados porque permite agrupar vectores con información de diferente tipo (numérica, alfanumérica o lógica) en un mismo objeto, la única restricción es que los vectores deben tener la misma longitud.

data.frame(edad, deporte, sexo)
##   edad deporte sexo
## 1   15    TRUE    M
## 2   19    TRUE    H
## 3   13   FALSE    H
## 4   18    TRUE    M

¿Qué tipo de objeto se debe utilizar para almacenar datos categóricos?

se recomienda utilizar factores.

Los factores son un tipo de objeto en R que se utiliza para representar variables categóricas o de tipo nominal. Los factores almacenan niveles, que son las categorías o etiquetas posibles que puede tomar una variable categórica.

¿Cuáles son las funciones básicas de R para importar y exportar datos?

Importación de datos

Exportación de datos

-La función write.csv() se utiliza para exportar datos a un archivo CSV. -La función write.table() se utiliza para exportar datos a un archivo de texto. -La función write.xlsx() se utiliza para exportar datos a un archivo de Excel.

¿Cómo se define la clase de un objeto en R? ¿Cuáles son algunos ejemplos de las posibles clases que un objeto puede tener?

  1. numeric: Vectores numéricos, matrices numéricas, y otros objetos que contienen números.
  2. character: Vectores de caracteres, que almacenan cadenas de texto.
  3. factor: Factores, que se utilizan para representar variables categóricas o de tipo nominal.
  4. logical: Vectores lógicos, que contienen valores booleanos (TRUE o FALSE).
  5. list: Listas, que pueden contener elementos de diferentes clases, como vectores, matrices, otros objetos y funciones.
  6. data.frame: Data frames, que son estructuras de datos tabulares similares a las matrices, pero que pueden contener columnas de diferentes clases.
  7. function: Funciones, que encapsulan bloques de código con un nombre y parámetros de entrada.

Manejo de datos básicos

Nombre <-c("Luisa", "Diego", "Juan", "Camila", "Fernando")
Edad <-c(19, 18, 18, 15, 17)
Ciudad <-c("Cali", "Florencia", "Neiva", "Bogotá", "Medellín")

Funcion <-c(data.frame(Nombre, Edad, Ciudad))
ii <- order(Funcion$Edad)
datos_filtrados <- Funcion[Funcion$Edad > 30 ]

Manipulación de datos

Visualización de datos

Nombre <-c("Luisa", "Diego", "Juan", "Camila", "Fernando")
Edad <-c(19, 18, 18, 15, 17)
Ciudad <-c("Cali", "Florencia", "Neiva", "Bogotá", "Medellín")

Funcion <-c(data.frame(Nombre, Edad, Ciudad))

El grafico al tener muy pocos valores R no puede graficarlo, la manera en como se toman los datos tienen que tener minimo 30 elementos, así que no se puede hallar un grafico de dimensiones tan pequeñas.

Análisis estadístico básico

##       mpg             cyl             disp             hp       
##  Min.   :10.40   Min.   :4.000   Min.   : 71.1   Min.   : 52.0  
##  1st Qu.:15.43   1st Qu.:4.000   1st Qu.:120.8   1st Qu.: 96.5  
##  Median :19.20   Median :6.000   Median :196.3   Median :123.0  
##  Mean   :20.09   Mean   :6.188   Mean   :230.7   Mean   :146.7  
##  3rd Qu.:22.80   3rd Qu.:8.000   3rd Qu.:326.0   3rd Qu.:180.0  
##  Max.   :33.90   Max.   :8.000   Max.   :472.0   Max.   :335.0  
##       drat             wt             qsec             vs        
##  Min.   :2.760   Min.   :1.513   Min.   :14.50   Min.   :0.0000  
##  1st Qu.:3.080   1st Qu.:2.581   1st Qu.:16.89   1st Qu.:0.0000  
##  Median :3.695   Median :3.325   Median :17.71   Median :0.0000  
##  Mean   :3.597   Mean   :3.217   Mean   :17.85   Mean   :0.4375  
##  3rd Qu.:3.920   3rd Qu.:3.610   3rd Qu.:18.90   3rd Qu.:1.0000  
##  Max.   :4.930   Max.   :5.424   Max.   :22.90   Max.   :1.0000  
##        am              gear            carb      
##  Min.   :0.0000   Min.   :3.000   Min.   :1.000  
##  1st Qu.:0.0000   1st Qu.:3.000   1st Qu.:2.000  
##  Median :0.0000   Median :4.000   Median :2.000  
##  Mean   :0.4062   Mean   :3.688   Mean   :2.812  
##  3rd Qu.:1.0000   3rd Qu.:4.000   3rd Qu.:4.000  
##  Max.   :1.0000   Max.   :5.000   Max.   :8.000