_________________________________________________________________________________________________________________________

1 ¿Qué es el tidyverse?


El Tidyverse es un conjunto de paquetes de R diseñados para la manipulación, transformación y visualización de datos de manera coherente y eficiente. Entre los paquetes más destacados dentro del Tidyverse se encuentran ggplot2 para visualización de datos, dplyr para manipulación de datos, tidyr para ordenarlos, y readr para la lectura de archivos de datos, entre otros.
Todos estos paquetes comparten una filosofía de diseño común, utilizando funciones que son fáciles de aprender y aplicar, además de estar integrados entre sí, lo que permite un flujo de trabajo fluido y uniforme.
Su uso es de gran importancia ya que facilita el análisis de datos con un enfoque modular y lógico, proporcionando herramientas para resolver tareas comunes. Al aprender Tidyverse, los estudiantes y profesionales pueden mejorar sus habilidades en el procesamiento de datos, realizar transformaciones complejas y visualizar resultados de manera clara y reproducible. Además, su sintaxis intuitiva y coherente reduce la complejidad del código, lo que promueve la comprensión y el trabajo colaborativo.



2 Instalamos y/o cargamos los paquetes

#Solo instalamos el paquete una vez
install.packages("tidyverse")
library(tidyverse)
## ── 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   3.5.1     ✔ tibble    3.2.1
## ✔ lubridate 1.9.3     ✔ tidyr     1.3.1
## ✔ purrr     1.0.2     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter()  masks stats::filter()
## ✖ lubridate::hms() masks vembedr::hms()
## ✖ dplyr::lag()     masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors


3 Importamos y/o cargamos la base de datos


3.1 La base de datos: “iris”

Continuaremos trabajando con la base de datos “iris”.

iris
?iris

Es un famoso conjunto de datos de iris (de Fisher o Anderson) que proporciona las medidas en centímetros de las variables longitud y ancho del sépalo y longitud y ancho de los pétalos, respectivamente, para 50 flores de cada una de 3 especies de iris (Iris setosa, Iris versicolor e Iris virginica).

Contiene 150 casos (filas) y 5 variables (columnas) denominadas Sepal.Length( longitud de sépalo), Sepal.Width (ancho de sépalo), Petal.Length (longitud de pétalo), Petal.Width (ancho de pétalo) y Species.

# la función "names()" permite obtener los nombres de las variables de la base de datos.
names(iris)
## [1] "Sepal.Length" "Sepal.Width"  "Petal.Length" "Petal.Width"  "Species"


4 Ordenar y Transformar


4.1 El paquete dplyr

logo

dplyr forma parte de los paquetes que integran el Tydiverse. Presenta una gramática de manipulación de datos, que proporciona un conjunto consistente de verbos que le ayudan a resolver los desafíos de manipulación de datos más comunes. Estos verbos se pueden organizar en tres categorías en función del componente del conjunto de datos con el que trabajan:

  • Filas
    • filter() permite seleccionar un subconjunto de filas en una base de datos.
    • arrange() reordena las filas en forma ascendente o descendente.

  • Columnas
    • select() permite seleccionar un subconjunto de filas en una base de datos.
    • rename() cambia el nombre de las columnas.
    • mutate() crea nuevas variables mutando las existentes.
    • relocate() cambia el orden de las columnas.
       
  • Grupos de filas
    • summarise() permite el cálculo de medidas de resumen.


Veamos un ejemplo:

# Seleccionar solo las observaciones o filas de la especie "setosa"
setosa <- iris %>%
  filter(Species == "setosa")
setosa


4.1.1 Funcionamiento

Como habrás observado la sintáxis y el funcionamiento de los verbos presentan las siguientes características en común:

  1. El primer argumento es siempre un data frame.

  2. Los argumentos posteriores describen qué hacer con el data frame, permitiendo hacer referencia directa a las columnas o variables sin usar $.

  3. El resultado de cada operación es un nuevo marco de datos

Estas propiedades en conjunto facilitan la construcción de cadenas de operaciones simples que, combinadas, permiten obtener resultados complejos de manera clara y eficiente.



4.2 El operador de tuberías (%>%)

El operador de tubería o pipe (%>%), permite encadenar o combinar múltiples operaciones.

El pipe toma lo que está a la izquierda y lo coloca como el primer argumento de la llamada de función que está a la derecha. Se puede utilizar para múltiples llamadas de función, en una cadena.


4.3 Veamos otros ejemplo…

Vamos a renombrar las variables del data frame iris

#Usamos la función "rename" del paquete "dplyr"
iris.es <- iris %>% 
  rename(LONG.SEPALOS = Sepal.Length , 
         ANCHO.SEPALOS = Sepal.Width ,
         LONG.PETALOS = Petal.Length,
         ANCHO.PETALOS = Petal.Width,
         ESPECIES = Species)
glimpse (iris.es)
## Rows: 150
## Columns: 5
## $ LONG.SEPALOS  <dbl> 5.1, 4.9, 4.7, 4.6, 5.0, 5.4, 4.6, 5.0, 4.4, 4.9, 5.4, 4…
## $ ANCHO.SEPALOS <dbl> 3.5, 3.0, 3.2, 3.1, 3.6, 3.9, 3.4, 3.4, 2.9, 3.1, 3.7, 3…
## $ LONG.PETALOS  <dbl> 1.4, 1.4, 1.3, 1.5, 1.4, 1.7, 1.4, 1.5, 1.4, 1.5, 1.5, 1…
## $ ANCHO.PETALOS <dbl> 0.2, 0.2, 0.2, 0.2, 0.2, 0.4, 0.3, 0.2, 0.2, 0.1, 0.2, 0…
## $ ESPECIES      <fct> setosa, setosa, setosa, setosa, setosa, setosa, setosa, …


5 Bibliografía y sitios de interés