Clase 10: Datos relacionales

class: left, bottom, inverse
background-image: url(Figuras/UC2.png)
background-position: 86% 10%
background-size: 28%
# Clase 10: Datos relacionales
----
## **Computación Estadística**
### Prof. Ana María Alvarado
### Primer Semestre 2024

---
class: left, middle

# La clase de hoy 
----

.pull-left[
.left[

* [Datos Relacionales](#join)

* [Taller práctico](#taller)

]

]

.pull-right[
.left[

* [Cadenas de Caracteres](#str)

* [Taller práctico](#tallerstr)

* [Referencias y material complementario](#adios)
]

]

---
class: left, middle

# La clase de hoy

----
## Packages para esta clase
.pull-left[

* `dplyr`
* `tidy`
* `janitor`
* `stringr`
 
]
.pull-right[
]

## Algunas funciones de esta clase

.pull-left[
* `bind_rows()`, `bind_cols()`
* `fill()`]

.pull-right[
* `inner_join()`
* `left_join()`, `right_join()`
* `full_join()`]

---
name: join
class: inverse, middle
# Datos relacionales

---
name: join
# Datos relacionales

En análisis de datos, en general, se deben combinar muchas tablas para responder a las preguntas de interés. De manera colectiva, se le llama datos relacionales a esas múltiples tablas de datos, ya que sus relaciones, y no solo los conjuntos de datos individuales, son importantes.

.center[
<img src="https://es.r4ds.hadley.nz/diagrams_w_text_as_path/es/relational-nycflights.svg" width="500px" />
]

Por lo general, los datos se estructuran en varias tablas, que se pueden unir a través de una clave principal o una clave externa. Estos identificadores demuestran las diferentes relaciones que existen entre las tablas y estas relaciones generalmente se ilustran a través de diferentes tipos de modelos de datos.

---
name: join
# Unión de varios conjuntos de datos

Recordemos que para unir o combinar varios conjuntos de datos por filas o columnas, sin un identificador común,
usamos las funciones `bind_rows()` y `bind_cols()`

* La función `bind_rows()` se usa para combinar filas de dos conjuntos de datos.

.center[
<img src="Figuras\bind_row.png" width="400px" />
]

* La función `bind_cols()` se usa para combinar columnas de dos conjuntos de datos.

.center[
<img src="Figuras\bind_col.png" width="400px" />
]

---
# Unión de varios conjuntos de datos a través de una llave

La librería `dplyr` cuenta con diferentes funciones que permiten el entrelazado de bases de datos. Las funciones **join()** son útiles cuando se quiere cruzar información de distintas fuentes pero con alguna variable en común (como por ejemplo, alguna variable ID).

.center[
<img src="https://www.garrickadenbuie.com/project/tidyexplain/images/static/png/original-dfs.png" width="400px" />
]

---
.-.
.left-column[
 
# Full join

Mantiene los registros de ambas tablas. Cuando no hay valores coincidentes, devuelve `NA`.

]
.right-column[
<img src="https://raw.githubusercontent.com/gadenbuie/tidyexplain/main/images/full-join.gif" width="500px" />
 
> Animaciones: Garrick Aiden-Buie
]

---
.-.
.left-column[
 
# Inner join

Mantiene las filas que están en ambos conjuntos de datos

]
.right-column[
<img src="https://raw.githubusercontent.com/gadenbuie/tidyexplain/main/images/inner-join.gif" width="500px" />
 
 
]

---
.-.
.left-column[
 
# Left join

Prioriza los datos de la tabla de la izquierda...

]
.right-column[
<img src="https://raw.githubusercontent.com/gadenbuie/tidyexplain/main/images/left-join.gif" width="500px" />
]

---
.-.
.left-column[
 
# Left join

... si hay varias coincidencias, devuelve las combinaciones de las coincidencias.
]
.right-column[
<img src="https://raw.githubusercontent.com/gadenbuie/tidyexplain/main/images/left-join-extra.gif" width="500px" />
]

---
.-.
.left-column[
 
# Right join

Similar a la anterior, pero prioriza la tabla de la derecha.

]
.right-column[
<img src="https://raw.githubusercontent.com/gadenbuie/tidyexplain/main/images/right-join.gif" width="500px" />
]

---
.-.
.left-column[
 
# Semi join
Mantiene las filas de las `x` que hay valores coincidentes `y`, manteniendo solo las columnas `x`.

]
.right-column[
<img src="https://raw.githubusercontent.com/gadenbuie/tidyexplain/main/images/semi-join.gif" width="500px" />
]

---
.-.
.left-column[
 
# Anti join

Todas las filas de las `x` que no hay valores coincidentes `y`, manteniendo solo las columnas de `x`.

]
.right-column[
<img src="https://raw.githubusercontent.com/gadenbuie/tidyexplain/main/images/anti-join.gif" width="500px" />
 
 
]

---
# Taller Práctico

Los datos **INE-Comunas-2002-2020.xls** contiene información de la población estimada por comuna y la evolución de algunos indicadores demográficos entre los años 2002-2020. Use esta información, en conjunto con la información en **codigos.xls** para obtener la población estimada anual por región.

*Fuente: www.ine.cl*

---
name: adios
class: inverse, middle
# Referencias y Material Complementario

---
# Referencias y Material Complementario

* R4DS: [Datos relacionales](https://es.r4ds.hadley.nz/13-relational-data.html)

* Pagina Web dplyr para [Join](https://www.tidyverse.org/blog/2023/01/dplyr-1-1-0-joins/)

* Data Wrangling with dplyr and tidyr[Cheat Sheet](https://www.rstudio.com/wp-content/uploads/2015/02/data-wrangling-cheatsheet.pdf/)

* [tidiexplain](https://www.garrickadenbuie.com/project/tidyexplain/) por Garrick Aden‑Buie.

---
class: middle, inverse
background-image: url(Figuras/fondo.jpg)
background-size: cover

.pull-left[
# **¡Gracias!**

## Ana María Alvarado 
### amalvara@uc.cl

]