En R, los datos se pueden clasificar en diferentes tipos y estructuras. En este documento, veremos ejemplos de tipos de datos básicos y estructuras de datos más complejas, como vectores, matrices, data frames, listas y factores.
En R, los datos se pueden clasificar en diferentes tipos básicos:
numéricos, enteros, caracteres, lógicos, complejos, fechas y horas. Para
identificar el tipo de un objeto, puedes usar la función
class() o mode().
# Números (numeric)
numero <- 42.5
numero
class(numero) # "numeric"
# Enteros (integer)
entero <- as.integer(10) # o usar 10L
entero
class(entero) # "integer"
# Caracteres (character)
texto <- "Hola, mundo"
texto
class(texto) # "character"
# Lógicos (logical)
logico <- TRUE
logico
class(logico) # "logical"
# Complejos (complex)
complejo <- 3 + 2i
complejo
class(complejo) # "complex"
# Fechas (Date)
fecha <- as.Date("2021-10-01")
fecha
class(fecha) # "Date"
# Hora solamente (POSIXct)
hora <- as.POSIXct("12:00:00", format = "%H:%M:%S")
hora
class(hora) # "POSIXct"
# Fecha con hora (POSIXct)
fecha_hora <- as.POSIXct("2021-10-01 12:00:00")
fecha_hora
class(fecha_hora) # "POSIXct"class() o mode():
edad con el valor 21.fiestas con el texto
"Navidad, Año Nuevo y Reyes".taller_aburrido con el valor
FALSE.fecha_nacimiento con tu fecha de
nacimiento "aaaa-mm-dd".Para trabajar con datos más allá de variables con un valor, R ofrece
diferentes estructuras de datos. A continuación, veremos ejemplos de
vectores, matrices, data frames, listas y factores. Para identificar el
tipo de una estructura de datos, puedes usar la función
str() (muestra la estructura de un objeto).
Un vector es una colección de elementos del mismo tipo. Puedes crear
vectores con la función c().
# Crear un vector numérico
numeros <- c(1.5, 2.3, 3, 4.01, 5.6)
numeros
# Crear un vector de caracteres
nombres <- c("Juan", "Ana", "Luis")
nombres
# Modificación de vectores
suma <- numeros + 2 # Suma 2 a cada elemento
suma
# Secuencias
secuencia <- 1:10 # 1, 2, 3, ..., 10
secuencia
# Acceder a elementos del vector
elementoV1 <- numeros[3] # Tercer elemento
elementosV2 <- numeros[c(1, 4)] # Primer y cuarto elemento
elementoV1
elementosV2EJERCICIO:
temperaturas con los valores:
23, 25, 21, 19, 22.class() y str().Las matrices son arreglos bidimensionales con elementos del mismo tipo.
# Crear una matriz
matriz <- matrix(1:9, ncol= 3, byrow = FALSE)
matriz
# Acceder a elementos
elementoM1 <- matriz[2, 3] # Fila 2, columna 3
elementoM1
# Acceder a varios elementos
elementosM2 <- matriz[1:2, c(1,3)] # Filas 1 y 2, columnas 2 y 3
elementosM2
# Extraer una fila
filaM <- matriz[1, ] # Fila 1 completa
filaMEJERCICIO:
class()
y str().Un data frame es una tabla donde cada columna puede tener un tipo
diferente de datos. Para crear un data frame, puedes usar la función
data.frame() o convertir un tibble con
as_tibble(). Puedes crear primero los vectores y luego
combinarlos en un data frame o hacero directamente en la función
data.frame(). Para acceder a columnas, puedes usar el
operador $. Para seleccionar filas o columnas, puedes usar
subset().
# Crear un data frame
pacientes <- data.frame(
Nombre = c("Juan", "Ana", "Luis"),
Edad = c(25, 30, 35),
Diabetes = c(TRUE, FALSE, TRUE)
)
pacientes
# Acceder a columnas
edades <- pacientes$Edad
edades
# Filtrar datos
diabeticos <- subset(pacientes, Diabetes == TRUE)
diabeticos
# crear un tibble
library(tibble)
tibble_pacientes <- as_tibble(pacientes)
tibble_pacientesEJERCICIO:
class() y str().Las listas pueden contener elementos de diferentes tipos. Se crean
con la función list().
# Crear una lista
mi_lista <- list(
vector = c(1, 2, 3),
texto = "Hola",
matriz = matrix(c(3, 5, 8, 1), nrow = 2)
)
mi_lista
# Acceder a elementos
mi_lista$texto
mi_lista$matriz[1, 2]EJERCICIO:
1. Crea una lista llamada info que contenga:
Los factores representan datos categóricos.
# Crear un factor
genero <- factor(c("Masculino", "Femenino", "Femenino", "Masculino"))
# Ver niveles
levels(genero)
# cambiar el orden de los niveles
genero <- factor(genero, levels = c("Masculino", "Femenino"))
levels(genero)EJERCICIO:
estado_civil con los valores:
Soltero, Casado,
Divorciado.Soltero sea el
primero.En R, puedes realizar operaciones matemáticas, lógicas y de texto con los datos. A continuación, veremos ejemplos de operaciones con datos numéricos, de texto y lógicos.
Crear los objetos var1 y var2 con valores
numéricos y realizar las siguientes operaciones:
Suma: var1 + var2
Resta: var1 - var2
Multiplicación: var1 * var2
División: var1 / var2
Potencia: var1 ^ var2
Raíz cuadrada de var1 y var2 Usar
sqrt()
Logaritmo natural de var1 y var2 Usar
log()
Valor absoluto de var1 / var2 Usar
abs()
Crea un objeto con tu fecha de nacimiento y otro con la fecha actual. Calcula tu edad.
Crear los objetos texto1 y texto2 con
valores de texto (tu nombre, frases cortas) y realizar las siguientes
operaciones:
Concatenar:paste(texto1, texto2)
Número de caracteres: nchar(texto1)
Convertir a mayúsculas: toupper(texto1)
Convertir a minúsculas: tolower(texto2)
Extraer una parte del texto:
substr(texto1, 1, 3)
Reemplazar parte del texto:
sub("a", "o", texto1)
Dividir el texto en palabras:
strsplit(texto2, " ")
Usando los objetos anteriores, realizar las siguientes operaciones lógicas:
Comparar si var1 es mayor que
var2
Comparar si texto1 es igual a
texto2
Comparar si var1 es igual a
var2
Comparar si var1 es diferente de var2
Usar !=
Comparar si texto1 contiene la palabra “hola” Usar
grepl("texto", objeto)
Usa el siguiente código para crear un data frame de ejemplo:
data <- data.frame(
Producto = c("A", "B", "C", "D"),
Precio = c(10, 15, 8, 12),
Ventas = c(100, 200, 150, 50)
)Responde:
Calcula el ingreso total por producto
(Precio * Ventas) y agrega una nueva columna al data
frame.
Encuentra el producto con mayores ventas. Usar
subset y max() en un filtrado.