knitr::opts_chunk$set(echo = TRUE)#1. Crea un vector a con los valores 2, 4, 6, 8, 10, 12.
a <- c(2, 4, 6, 8, 10, 12)
print(a)## [1] 2 4 6 8 10 12#2. Calcula la suma de los elementos del vector a. # Calcular la suma de los elementos del vector ‘a’
suma_a <- sum(a)
print(suma_a)## [1] 42#3. Calcula el producto de los elementos del vector a. # Calcular el producto de los elementos del vector ‘a’
producto_a <- prod(a)
print(producto_a)## [1] 46080#4. Crea un vector b con los valores 1, 3, 5, 7, 9. Calcula la diferencia entre los elementos del vector a y el vector b. # Crear el vector ‘b’ con los valores especificados
b <- c(1, 3, 5, 7, 9)diferencia <- a - b## Warning in a - b: longitud de objeto mayor no es múltiplo de la longitud de uno
## menorprint(diferencia)## [1] 1 1 1 1 1 11#5. Crear dos vectores y calcular: Suma, producto, potenciación, radicación # Crear dos vectores
vector1 <- c(2, 4, 6, 8, 10)
vector2 <- c(1, 3, 5, 7, 9)suma_vectores <- vector1 + vector2
print(suma_vectores) # Resultado: [1] 3 7 11 15 19## [1] 3 7 11 15 19producto_vectores <- vector1 * vector2
print(producto_vectores) # Resultado: [1] 2 12 30 56 90## [1] 2 12 30 56 90potenciacion_vectores <- vector1 ^ vector2
print(potenciacion_vectores)## [1] 2 64 7776 2097152 1000000000#calcular radicacion
radicacion_vector1 <- sqrt(vector1)
radicacion_vector2 <- sqrt(vector2)
print(radicacion_vector1)## [1] 1.414214 2.000000 2.449490 2.828427 3.162278print(radicacion_vector2)## [1] 1.000000 1.732051 2.236068 2.645751 3.000000#6. Comparar dos cantidades que sean iguales y dos diferentes. #(==, !=, >, <, >=, <=) # Comparar dos cantidades iguales
cantidad1 <- 10
cantidad2 <- 10
comparacion_igual <- cantidad1 == cantidad2
print(comparacion_igual) ## [1] TRUEcantidad3 <- 5
cantidad4 <- 8
comparacion_diferente <- cantidad3 != cantidad4
print(comparacion_diferente) ## [1] TRUE#7. Crea un nuevo data frame df2 con las columnas nombre y edad de las personas que viven en la ciudad de “Neiva”. Agrega 12 filas con datos ficticios. De lo anterior Calcula el número de personas que viven en cada ciudad en el data frame df
df <- data.frame(
nombre = c("Ana", "Carlos", "Luis", "Marta", "Jorge", "Lucía", "Andrés", "María", "Raúl", "Sofía", "Pedro", "Elena",
"Juan", "Laura", "Pablo", "Ana", "Fernando", "Isabel", "Diego", "Valentina"),
edad = c(25, 34, 28, 22, 45, 30, 33, 26, 40, 19, 38, 31, 29, 24, 35, 27, 39, 32, 21, 23),
ciudad = c("Neiva", "Neiva", "Neiva", "Neiva", "Neiva", "Neiva", "Neiva", "Neiva", "Neiva", "Neiva", "Neiva", "Neiva",
"Bogotá", "Bogotá", "Bogotá", "Cali", "Cali", "Cali", "Medellín", "Medellín")
)conteo_ciudades <- table(df$ciudad)
print(conteo_ciudades)##
## Bogotá Cali Medellín Neiva
## 3 3 2 12#8. Agregar dos columnas: Estrato, nivel de estudios, al anterior dataframe
df$Estrato <- c(3, 4, 2, 1, 5, 3, 4, 2, 3, 1, 4, 3, 2, 3, 4, 5, 2, 3, 4, 2)
df$Nivel_de_estudios <- c("Secundaria", "Universitario", "Secundaria", "Bachillerato", "Universitario",
"Secundaria", "Universitario", "Secundaria", "Universitario", "Bachillerato",
"Universitario", "Secundaria", "Bachillerato", "Universitario", "Secundaria",
"Universitario", "Secundaria", "Universitario", "Bachillerato", "Secundaria")#9. Agregar cuatro filas de datos ficticios # Agregar nuevas columnas al data frame df con valores ficticios
df$peso <- c(65, 78, 70, 60, 85, 72, 80, 68, 77, 55, 90, 76, 80, 68, 82, 90, 79, 67, 75, 64)
df$altura <- c(170, 175, 172, 165, 180, 170, 178, 169, 176, 160, 185, 174, 182, 167, 177, 188, 173, 168, 175, 166)
df$sexo <- c("M", "M", "M", "F", "M", "F", "M", "F", "M", "F", "M", "F", "M", "F", "M", "F", "M", "F", "M", "F")
df$color <- c("Rojo", "Azul", "Verde", "Amarillo", "Rojo", "Azul", "Verde", "Amarillo", "Rojo", "Azul", "Verde", "Amarillo", "Rojo", "Azul", "Verde", "Amarillo", "Rojo", "Azul", "Verde", "Amarillo")
print(df)## nombre edad ciudad Estrato Nivel_de_estudios peso altura sexo color
## 1 Ana 25 Neiva 3 Secundaria 65 170 M Rojo
## 2 Carlos 34 Neiva 4 Universitario 78 175 M Azul
## 3 Luis 28 Neiva 2 Secundaria 70 172 M Verde
## 4 Marta 22 Neiva 1 Bachillerato 60 165 F Amarillo
## 5 Jorge 45 Neiva 5 Universitario 85 180 M Rojo
## 6 Lucía 30 Neiva 3 Secundaria 72 170 F Azul
## 7 Andrés 33 Neiva 4 Universitario 80 178 M Verde
## 8 María 26 Neiva 2 Secundaria 68 169 F Amarillo
## 9 Raúl 40 Neiva 3 Universitario 77 176 M Rojo
## 10 Sofía 19 Neiva 1 Bachillerato 55 160 F Azul
## 11 Pedro 38 Neiva 4 Universitario 90 185 M Verde
## 12 Elena 31 Neiva 3 Secundaria 76 174 F Amarillo
## 13 Juan 29 Bogotá 2 Bachillerato 80 182 M Rojo
## 14 Laura 24 Bogotá 3 Universitario 68 167 F Azul
## 15 Pablo 35 Bogotá 4 Secundaria 82 177 M Verde
## 16 Ana 27 Cali 5 Universitario 90 188 F Amarillo
## 17 Fernando 39 Cali 2 Secundaria 79 173 M Rojo
## 18 Isabel 32 Cali 3 Universitario 67 168 F Azul
## 19 Diego 21 Medellín 4 Bachillerato 75 175 M Verde
## 20 Valentina 23 Medellín 2 Secundaria 64 166 F Amarillo