knitr::opts_chunk$set( collapse = TRUE, comment = “#>”)

  1. Responder las siguientes preguntas.
  1. ¿Qué es un objeto en R? ¿Cómo se crea y se manipula un objeto?

En R, un objeto es cualquier entidad que almacena datos o funciones (variables, vectores, data frames, etc.). Para crearlo, utilizamos el operador de asignación (<- o =). Podemos manipularlo reasignando valores o aplicando funciones.

# Creamos un objeto x con valor 10
x <- 10

# Lo manipulamos incrementándolo en 5
x <- x + 5

# Mostramos el resultado
x
## [1] 15
  1. Diferencia entre una variable y un objeto:

En la práctica, en R se usan casi como sinónimos.

Variable: Suele referirse a un valor (numérico, texto, etc.).

Objeto: Es un término más amplio que incluye variables, pero también funciones, listas, data frames, etc.

  1. ¿Qué es un script en R?

Un script en R es un archivo de texto plano que contiene una secuencia de comandos o instrucciones escritas en el lenguaje de programación R. Estos archivos, que normalmente tienen la extensión .R, se utilizan para: Automatizar tareas, documentar análisis, reproducibilidad.

  1. ¿Qué es un comentario en R y cómo se utilizan?

Un comentario es texto ignorado por R al ejecutar el código. Se indica con el símbolo #. Se usa para documentar y explicar lo que hace el código.

# Esto es un comentario

y <- 20  #Asignamos 20 a y (comentario en la misma línea)
  1. Explica la diferencia entre un archivo .R y un archivo .RMarkdown.

.R: Solo código R y comentarios. Ideal para scripts y desarrollo de funciones.

.Rmd: Combina texto, código y resultados en un mismo documento, ideal para reportes, documentación y análisis reproducibles.

  1. ¿Cómo se ejecuta solo un trozo o parte de un script en RStudio?

Selecciona el fragmento de código y presiona:

Ctrl + Enter

  1. ¿Cuál es la función de la pestaña Environment en RStudio?

Muestra los objetos creados en la sesión de trabajo (variables, data frames, listas, etc.) y permite ver detalles de cada uno (tipo, dimensiones, etc.).

  1. Explica la diferencia entre la función print() y la ejecución directa de un objeto en la consola.

La ejecución directa es cómoda en la consola interactiva, ya que R muestra automáticamente el resultado. Sin embargo, en scripts, funciones o documentos reproducibles (como R Markdown), es recomendable usar print() para asegurar que el valor se muestre en la salida final.

  1. ¿Cuál es la diferencia entre los operadores =, y, <- en R?

<- es el operador de asignación preferido para crear y modificar objetos.

= se usa tanto para asignaciones como para especificar argumentos en funciones, pero se recomienda reservarlo para la segunda función para mantener el código claro.

  1. Tipos de objetos, funciones más comunes, operaciones lógicas.
  1. Crea un vector con los nombres de cinco países e imprime el tercero y el quinto elemento.
paises <- c("México", "Argentina", "España", "Colombia", "Chile")

tercer_pais <- paises[3]
quinto_pais <- paises[5]

cat("Tercer país:", tercer_pais, "\n")
## Tercer país: España
cat("Quinto país:", quinto_pais, "\n")
## Quinto país: Chile
  1. ¿Cuál es la diferencia entre un vector y un data.frame en R?

Vector:

Es una secuencia unidimensional de elementos.

Todos los elementos deben ser del mismo tipo (por ejemplo, todos numéricos, todos caracteres, o todos lógicos).

Se usa para almacenar una colección simple de datos.

# Ejemplo de vector numérico
numeros <- c(1, 2, 3, 4, 5)

Data Frame:

Es una estructura bidimensional similar a una tabla o a una hoja de cálculo.

Cada columna del data frame es un vector, pero cada columna puede ser de un tipo diferente (por ejemplo, una columna numérica, otra de caracteres, etc.).

Es ideal para trabajar con datos tabulados, ya que permite almacenar y manipular conjuntos de datos complejos con múltiples variables.

# Ejemplo de data frame con columnas de distintos tipos
df <- data.frame(
  Numeros = c(1, 2, 3, 4, 5),
  Letras  = c("A", "B", "C", "D", "E"),
  Logicos = c(TRUE, FALSE, TRUE, TRUE, FALSE)

)
print(df)
##   Numeros Letras Logicos
## 1       1      A    TRUE
## 2       2      B   FALSE
## 3       3      C    TRUE
## 4       4      D    TRUE
## 5       5      E   FALSE
  1. ¿Qué resultado devuelve la siguiente operación lógica en R? (5 >= 3) & (4 == 2 + 2) | (7 < 1)

(5 >= 3): Esto es TRUE, ya que 5 es mayor o igual a 3.

(4 == 2 + 2): Aquí 2+2 es 4, y 4 es igual a 4, por lo tanto es TRUE.

El operador & combina ambos: TRUE & TRUE resulta en TRUE.

(7 < 1): Esto es FALSE, ya que 7 no es menor que 1.

Finalmente, el operador | combina TRUE y FALSE: TRUE | FALSE es TRUE.

Por lo tanto, el resultado de la operación es TRUE.

  1. ¿Cómo se puede verificar si un objeto en R es de tipo numeric?

Para comprobar si un objeto es numérico se utiliza la función is.numeric(). Esta función devuelve TRUE si el objeto es de tipo numeric y FALSE en caso contrario.

library(readxl)
## Warning: package 'readxl' was built under R version 4.4.3
Ventas <- read_excel("C:/Users/Ryuma/Desktop/Ventas.xlsx")
View(Ventas)

Ventas_data <- data.frame(Ventas)
print(Ventas_data)
##          Mes    Artículo  Precio
## 1     Agosto Calculadora 1.0e+05
## 2 Septiembre      Espejo 3.8e+04
## 3    Octubre    Portatil 1.8e+07
## 4 Septiembre Diccionario 5.8e+04
  1. ¿Cómo se importa un archivo Excel en R utilizando el paquete readxl?

Siguiendo el siguiente proceso: File, import datased, from excel. Luego buscar el nombre del documento y listo.

  1. ¿Cómo se pueden renombrar las columnas de un dataframe en R?

Para cambiar el nombre de todas las columnas, puedes asignar un vector de nombres al dataframe:

# Ejemplo: Creamos un dataframe de ejemplo
df1 <- data.frame(a = 1:3, b = 4:6)

# Renombrar todas las columnas
colnames(df) <- c("Columna1", "Columna2")
# También puedes usar names(df) de forma similar:
# names(df) <- c("Columna1", "Columna2")

print(df1)
##   a b
## 1 1 4
## 2 2 5
## 3 3 6

Si es para otra columna.

# Renombrar únicamente la primera columna
colnames(df1)[1] <- "NuevaColumna1"

print(df1)
##   NuevaColumna1 b
## 1             1 4
## 2             2 5
## 3             3 6

Resto del punto 3.

Rol_en_la_compañía<- c("Doctor", "Gerente", "Empleado", "Empleado", "Secretario" )
Horas_de_trabajo <- c(6, 8, 10, 10, 9)
Permisos_en_mes <- c(3, 3, 2, 2, 2)

Empresa <- data.frame(Rol_en_la_compañía, Horas_de_trabajo, Permisos_en_mes)

print(Empresa)
##   Rol_en_la_compañía Horas_de_trabajo Permisos_en_mes
## 1             Doctor                6               3
## 2            Gerente                8               3
## 3           Empleado               10               2
## 4           Empleado               10               2
## 5         Secretario                9               2