Evaluación del 3er Encuentro: Análisis exploratorio de datos
Alumnos: Arturo Murua, Carlos Salcedo, Yuliana Vera
Taller de R y RStudio
Facultad de Ciencias Agrarias - Universidad Nacional de Catamarca
En el contexto de dicha evaluación de análisis exploratorio de datos, se realizará un análisis comparativo gráfico de dos variedades de mandarinas cultivadas en el Campo Experimental de la Facultad de Ciencias Agrarias de la UNCA, de modo explorativo buscando analizar y evaluar sus relaciones mediante las herramientas del software R y RStudio. Para el desarrollo de este análisis seguiremos un flujo de trabajo que consta de: Instalación y Cargar paquetes, Importar, Ordenar, Transformar, Visualizar y Comunicar. ________________________________________________________________________________________________________________
Instalación y activación de los paquetes necesarios
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()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorslibrary(readxl)
library(dplyr)
library(ggplot2)Base de datos
Importamos la base de datos que se utilizará para el análisis requerido.
MANDARINAS_2024 <- read_excel("MANDARINAS_2024.xlsx")glimpse(MANDARINAS_2024)## Rows: 419
## Columns: 8
## $ N <dbl> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 1…
## $ GRUPO <dbl> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,…
## $ VARIEDAD <chr> "Clementina", "Clementina", "Clementina", "Clementina", …
## $ N_DE_FRUTO <dbl> 19, 9, 21, 8, 4, 30, 22, 23, 17, 27, 29, 14, 16, 13, 25,…
## $ PESO <dbl> 101, 122, 127, 126, 37, 139, 140, 130, 138, 142, 121, 15…
## $ DIAM_ECUAT <dbl> 64.2, 64.2, 64.7, 64.9, 65.9, 66.4, 67.1, 67.5, 68.2, 68…
## $ NIVEL_DE_DAÑO <dbl> 1, 0, 3, 3, 2, 2, 3, 1, 2, 2, 2, 1, 1, 2, 1, 1, 0, 1, 0,…
## $ COLOR <dbl> 4, 5, 4, 1, 5, 4, 4, 3, 3, 4, 4, 1, 1, 3, 4, 1, 4, 1, 5,…MANDARINAS_2024## # A tibble: 419 × 8
## N GRUPO VARIEDAD N_DE_FRUTO PESO DIAM_ECUAT NIVEL_DE_DAÑO COLOR
## <dbl> <dbl> <chr> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1 1 Clementina 19 101 64.2 1 4
## 2 2 1 Clementina 9 122 64.2 0 5
## 3 3 1 Clementina 21 127 64.7 3 4
## 4 4 1 Clementina 8 126 64.9 3 1
## 5 5 1 Clementina 4 37 65.9 2 5
## 6 6 1 Clementina 30 139 66.4 2 4
## 7 7 1 Clementina 22 140 67.1 3 4
## 8 8 1 Clementina 23 130 67.5 1 3
## 9 9 1 Clementina 17 138 68.2 2 3
## 10 10 1 Clementina 27 142 68.2 2 4
## # ℹ 409 more rowsnames(MANDARINAS_2024)## [1] "N" "GRUPO" "VARIEDAD" "N_DE_FRUTO"
## [5] "PESO" "DIAM_ECUAT" "NIVEL_DE_DAÑO" "COLOR"Análisis Exploratorio
Para realizar los gráficos es necesario crear nuevos objetos que contenga los datos filtrados y ordenados según la consiga lo indique.
1. Análisis Comparativo de Variedades
Para comparar las variedades “Clementina” y “Criolla” utilizando las variables “peso” y “diámetro ecuatorial” por separado filtramos las observaciones de los grupos asignados (4 y 6), sin hacer distincion de éstos, para cada variedad.
- Variable Peso:
El primer nuevo objeto corresponde al peso del fruto según la variedad, incorporando los valores de ambos grupos.
PESOS <- MANDARINAS_2024 %>%
filter(VARIEDAD == "Criolla" | VARIEDAD == "Clementina",
GRUPO %in% c(4, 6)) %>%
select(GRUPO, VARIEDAD, PESO)
PESOS## # A tibble: 120 × 3
## GRUPO VARIEDAD PESO
## <dbl> <chr> <dbl>
## 1 4 Clementina 64
## 2 4 Clementina 79
## 3 4 Clementina 90
## 4 4 Clementina 94
## 5 4 Clementina 99
## 6 4 Clementina 109
## 7 4 Clementina 123
## 8 4 Clementina 126
## 9 4 Clementina 123
## 10 4 Clementina 121
## # ℹ 110 more rowsVisualizamos este análisis mediante un gráfico de histograma que nos muestra, para cada variedad, seis intervalos sobre los valores de peso y la frecuencia con la que éstos se presentan.
ggplot(PESOS, aes(x = PESO, fill = VARIEDAD)) +
geom_histogram(bins = 6, position = "dodge") +
geom_freqpoly(binwidth = 30, color = "black", linewidth = 0.5) +
labs(title = "Distribución del Peso según la Variedad",
x = "Peso",
y = "Frecuencia",
fill = "Variedad") +
facet_grid(.~ VARIEDAD) +
theme_classic() +
scale_fill_manual(values = c("Criolla" = "orange", "Clementina" = "orangered3"))
Gráfico Nº1: Histograma según el peso y la variedad
Con base en el gráfico Nº1, podemos observar valores con mayor frecuencia en la variedad Criolla entre 150 a 180 gramos pero no es una diferencia significativa con respecto a la variedad Clementina ya que en pesos más altos no es consistente con solo una mandarina en los pesos de 200 gramos.
- Variable Diámetro Ecuatorial:
Para esta variable creamos un objeto que contenga el diámetro del fruto según la variedad, incorporando los valores de ambos grupos.
DIAMETROS <- MANDARINAS_2024 %>%
filter(VARIEDAD == "Clementina" | VARIEDAD == "Criolla",
GRUPO %in% c(4, 6)) %>%
select(GRUPO, VARIEDAD, DIAM_ECUAT)
DIAMETROS## # A tibble: 120 × 3
## GRUPO VARIEDAD DIAM_ECUAT
## <dbl> <chr> <dbl>
## 1 4 Clementina 50.3
## 2 4 Clementina 50.4
## 3 4 Clementina 50.9
## 4 4 Clementina 60.1
## 5 4 Clementina 60.1
## 6 4 Clementina 60.1
## 7 4 Clementina 60.5
## 8 4 Clementina 60.5
## 9 4 Clementina 60.6
## 10 4 Clementina 60.7
## # ℹ 110 more rowsA través de los valores promedio ya calculados e incorporados en un objeto “DIAMETROS” podemos visualizar la comparación entre las variedad mediante un gráfico de tipo boxplot .
ggplot(DIAMETROS, aes(x = factor(VARIEDAD), y = DIAM_ECUAT, fill = VARIEDAD)) +
geom_boxplot() +
labs(x = "Variedad", y = "Diámetro", title = "Comparación de Diámetro entre Variedades") +
theme_minimal() +
stat_summary(fun = mean, color = "black") +
scale_fill_manual(values = c("Criolla" = "orange", "Clementina" = "orangered3"))## Warning: Removed 2 rows containing missing values or values outside the scale range
## (`geom_segment()`).
Gráfico Nº2: Boxplot según el diámetro ecuatorial de cada variedad
Con respecto a los diámetros de las variedades, las mismas no presentan grandes diferencias, ya que ambas presentan una distribución semejante teniendo una mayor frecuencia en diametros cercanos a los 70cm.
2. Relación entre Peso y Diámetro por Grupo
Para esta consigna se analiza la relación entre el peso y el diámetro ecuatorial de las mandarinas según el grupo, Nº4 o Nº6.
Desde la base de datos original partimos creando un objeto en el que se encuentren filtrados los valores de peso y diámetro ecuatorial de ambas variedad, sin hacer distinción de ellas, y seleccionando los grupos.
GRUPOS <- MANDARINAS_2024 %>%
filter(VARIEDAD %in% c("Criolla", "Clementina"),
GRUPO == 4 | GRUPO == 6 ) %>%
select(GRUPO, VARIEDAD, DIAM_ECUAT, PESO)
GRUPOS## # A tibble: 120 × 4
## GRUPO VARIEDAD DIAM_ECUAT PESO
## <dbl> <chr> <dbl> <dbl>
## 1 4 Clementina 50.3 64
## 2 4 Clementina 50.4 79
## 3 4 Clementina 50.9 90
## 4 4 Clementina 60.1 94
## 5 4 Clementina 60.1 99
## 6 4 Clementina 60.1 109
## 7 4 Clementina 60.5 123
## 8 4 Clementina 60.5 126
## 9 4 Clementina 60.6 123
## 10 4 Clementina 60.7 121
## # ℹ 110 more rowsCon el propósito de ver cómo se distribuyen los valores de las mandarinas de cada grupo según su peso y diámetro ecuatorial reliazmos un gráfico de puntos o dispersión.
ggplot(GRUPOS, aes(PESO, DIAM_ECUAT, colour = factor(GRUPO))) +
geom_point() +
labs(x = "Peso", y = "Diámetro", title = "Relación Peso-Diámetro Ecuatorial según el grupo") +
facet_grid(GRUPO ~.) +
theme_gray()
Gráfico Nº3: Gráfico de dispersión del peso y diámetro ecuatorial según el grupo perteneciente
¿Observa alguna diferencia notable en la distribución del peso y el diámetro entre los dos grupos seleccionados? Comente sobre cualquier patrón o tendencia identificada.
Si se puede ver que entre ambos tienen una relación sobre el diámetro y el peso, entre los grupos una medición más constante el grupo 6 mientras que el grupo 4 tiene inconsistencias en sus mediciones.
3. Relación entre Peso y Diámetro por Variedad
A fin de observar la relación entre el peso y el diámetro ecuatorial de las mandarinas, diferenciada variedades:
Empezamos creando un objeto en el que se encuentren filtrados los valores de peso y diámetro ecuatorial de ambos grupos, sin hacer distinción de ellos, y seleccionando cada una de las variedades.
RELACIONV <- MANDARINAS_2024 %>%
filter(VARIEDAD == "Criolla" | VARIEDAD == "Clementina",
GRUPO %in% c(4, 6)) %>%
select(GRUPO, VARIEDAD, DIAM_ECUAT, PESO)
RELACIONV## # A tibble: 120 × 4
## GRUPO VARIEDAD DIAM_ECUAT PESO
## <dbl> <chr> <dbl> <dbl>
## 1 4 Clementina 50.3 64
## 2 4 Clementina 50.4 79
## 3 4 Clementina 50.9 90
## 4 4 Clementina 60.1 94
## 5 4 Clementina 60.1 99
## 6 4 Clementina 60.1 109
## 7 4 Clementina 60.5 123
## 8 4 Clementina 60.5 126
## 9 4 Clementina 60.6 123
## 10 4 Clementina 60.7 121
## # ℹ 110 more rowsPor último, se genera un gráfico de dispersión de modo que de visualizar la relacion entre las dos variables continuas a través de la disposición de los puntos.
ggplot(RELACIONV, aes(x = PESO, y = DIAM_ECUAT, shape = VARIEDAD, color = VARIEDAD)) +
geom_point(size= 2) +
labs(x = "Peso", y = "Diámetro", title = "Relación Peso-Diámetro Ecuatorial según la variedad")
Gráfico Nº4: Gráfico de dispersión del peso y diámetro ecuatorial según la variedad
¿Existen diferencias notables en la distribución del peso y el diámetro entre las variedades “Clementina” y “Criolla”? Describa cualquier patrón o tendencia observada.
No existe una diferencia notable entre la relación PESO-DIÁMETRO entre las VARIEDADES pero se observa que aunque poco la Variedad Clementina tiene mas peso y diámetro mayor que la Variedad Criolla.