Vignettes are long form documentation commonly included in packages. Because they are part of the distribution of the package, they need to be as compact as possible. The html_pretty output format in package prettydoc , an alternative to html_document and html_vignette contained in the rmarkdown package, is able to generate small and nice HTML pages.

Paqueria o liberias

#Para procesar los chunks debo tejerlos con knit superior en medio y con eso se procesa a word

  • También está la opción de escribir el documento aquí, sin chunk como procesados de textos. Ejemplo, para el documento usé readxl ejemplo de escritura csv csv csv

  • Readrxl: es el paquete o librería que se utiliza para leer una tabla en formato .csv

  • janitor: Es la librería que funciona para limpiar o codificar

  • Para crear un objeto, es decir que se pueda trabajar con una base de datos se coloca el objeto, por ejemplo: mtcars = matcars, ya así creé un objeto

Presentación de paquetes - En este chunk presento los paquetes que estoy utilizando para el análisis, este debe ser la primer parte

  • los subtitulos los puedo leer del lado derecho con el ‘outline’ dandi clic puedo revisar todas las partes del documento

  • Para cargar los datos a trabajar debo usar ‘read()’. Tmabién puedo hacerlo en el lado derecho, desde Environment-Import Dataset y ahora sí la llamo desde ‘read.csv()’ y enseguida convierto a objeto con el signo = Cargar ‘.csv’ crear objeto y head-tail

  • ‘Readr.’ es el paquete o liberia que se utiliza para leer una tabal con formatado .csv

  • ‘janitor’: Es la liberia que tiene funciones para “limpiar” o modificar las tablas a trabajar

para leer la base de datos Um eine Exeldatei / XLSX einzufügen kann man dies mit der Funktion “Import Dataset” öffenen –> es öffnet sich ein Fenster, mit dessen man den Befehl kopieren kann, dann man in R einfügen kann

library(readxl)
feminicidios <- read_excel("C:/Users/anton/Downloads/data_1727307889.xlsx")
View(feminicidios)

um es umzubennen kann man den einen anderen Namen vor dem Pfeil schreiben

Para hacer un resumen

  • ‘Skimr’ es un paquete que cargué en “packages” del lado derecho
  • ‘Skim()’ me funciona para obtener un resumen bonito de la tabla mtcars usé el signo ‘$’ el signo = y el ‘as.factor’ para transformar cada uno de los rangos de los autos en factores
library(skimr)
## Warning: Paket 'skimr' wurde unter R Version 4.4.1 erstellt
data("mtcars")

Previsualisazion

  • para por ejemplo, seleccionar sólo las primeras seis filas colocamos el comando ‘data()’ es para colocar todas las bases de datos que tengo precargadas en mi programa R, que ya he cargado desde la compu al software
  • ‘head()’ y ‘tail()’ son para visualizar la primer parte de la tabla o la última parte al pner el número, en este caso escribí 4 y 5
head(mtcars, 3)
##                mpg cyl disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4     21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag 21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710    22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
tail(mtcars, 3)
##                mpg cyl disp  hp drat   wt qsec vs am gear carb
## Ferrari Dino  19.7   6  145 175 3.62 2.77 15.5  0  1    5    6
## Maserati Bora 15.0   8  301 335 3.54 3.57 14.6  0  1    5    8
## Volvo 142E    21.4   4  121 109 4.11 2.78 18.6  1  1    4    2

Modificacion del contenido de la tabla

  • ‘skim()’ funciona para darme un resumen más o menods detallado sobre el grupo de datos es casi lo mismo que ‘summary’ y structure: ‘str’
skim(mtcars)
Data summary
Name mtcars
Number of rows 32
Number of columns 11
_______________________
Column type frequency:
numeric 11
________________________
Group variables None

Variable type: numeric

skim_variable n_missing complete_rate mean sd p0 p25 p50 p75 p100 hist
mpg 0 1 20.09 6.03 10.40 15.43 19.20 22.80 33.90 ▃▇▅▁▂
cyl 0 1 6.19 1.79 4.00 4.00 6.00 8.00 8.00 ▆▁▃▁▇
disp 0 1 230.72 123.94 71.10 120.83 196.30 326.00 472.00 ▇▃▃▃▂
hp 0 1 146.69 68.56 52.00 96.50 123.00 180.00 335.00 ▇▇▆▃▁
drat 0 1 3.60 0.53 2.76 3.08 3.70 3.92 4.93 ▇▃▇▅▁
wt 0 1 3.22 0.98 1.51 2.58 3.33 3.61 5.42 ▃▃▇▁▂
qsec 0 1 17.85 1.79 14.50 16.89 17.71 18.90 22.90 ▃▇▇▂▁
vs 0 1 0.44 0.50 0.00 0.00 0.00 1.00 1.00 ▇▁▁▁▆
am 0 1 0.41 0.50 0.00 0.00 0.00 1.00 1.00 ▇▁▁▁▆
gear 0 1 3.69 0.74 3.00 3.00 4.00 4.00 5.00 ▇▁▆▁▂
carb 0 1 2.81 1.62 1.00 2.00 2.00 4.00 8.00 ▇▂▅▁▁ 
mtcars$cyl=as.factor(mtcars$cyl)
mtcars$carb=as.factor(mtcars$carb)
mtcars$vs =as.factor(mtcars$vs)
mtcars$am =as.factor(mtcars$am)
mtcars$gear =as.factor(mtcars$gear)

skim(mtcars)
Data summary
Name mtcars
Number of rows 32
Number of columns 11
_______________________
Column type frequency:
factor 5
numeric 6
________________________
Group variables None

Variable type: factor

skim_variable n_missing complete_rate ordered n_unique top_counts
cyl 0 1 FALSE 3 8: 14, 4: 11, 6: 7
vs 0 1 FALSE 2 0: 18, 1: 14
am 0 1 FALSE 2 0: 19, 1: 13
gear 0 1 FALSE 3 3: 15, 4: 12, 5: 5
carb 0 1 FALSE 6 2: 10, 4: 10, 1: 7, 3: 3

Variable type: numeric

skim_variable n_missing complete_rate mean sd p0 p25 p50 p75 p100 hist
mpg 0 1 20.09 6.03 10.40 15.43 19.20 22.80 33.90 ▃▇▅▁▂
disp 0 1 230.72 123.94 71.10 120.83 196.30 326.00 472.00 ▇▃▃▃▂
hp 0 1 146.69 68.56 52.00 96.50 123.00 180.00 335.00 ▇▇▆▃▁
drat 0 1 3.60 0.53 2.76 3.08 3.70 3.92 4.93 ▇▃▇▅▁
wt 0 1 3.22 0.98 1.51 2.58 3.33 3.61 5.42 ▃▃▇▁▂
qsec 0 1 17.85 1.79 14.50 16.89 17.71 18.90 22.90 ▃▇▇▂▁

Style

Bild einfügen

´[(C:)]