## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

Objetivos

Explorar y comprender la estructura del conjunto de datos starwars, disponible en el paquete dplyr, que contiene información sobre personajes del universo de Star Wars.
Identificar la disponibilidad de datos biográficos, e investigar el origen de los mismos.
Aplicar limpieza, agrupación y visualización de los datos, para luego con ggplot2 para generar gráficos interpretables y bien estructurados.
Realizar intepretaciones sobre los graficos realizados, dejando constancia y razon de cada uno de ellos, poniendo en practica el analisis de la informacion.

Descripción de los datos

El conjunto de datos starwars contiene información sobre 87 personajes del universo ficticio de Star Wars. Cada fila representa un personaje, y las columnas incluyen datos físicos (altura, peso, color de piel), biográficos (sexo, género, planeta de origen) y de participación en la saga (películas, vehículos y naves en las que aparece).

Fuente del conjunto de datos `starwars` y paquetes relacionados

El conjunto de datos starwars incluido en el paquete dplyr del ecosistema tidyverse contiene información sobre personajes del universo de Star Wars. Este dataset fue creado con fines educativos y está basado en datos recopilados públicamente de fuentes como la Star Wars API (SWAPI). Está estructurado como un tibble y preparado para ser utilizado directamente en análisis sin necesidad de limpieza previa.

Relación con otros paquetes

starwarsdb: Este paquete proporciona una estructura relacional más completa de los datos de Star Wars, dividiéndolos en múltiples tablas (films, people, planets, etc.). Fue construido también a partir de SWAPI y está diseñado para enseñar principios de bases de datos relacionales en R. Además, permite utilizar los datos como una base de datos DuckDB local.
rwars (no en CRAN): Otro paquete orientado a facilitar el acceso en tiempo real a SWAPI desde R. Fue desarrollado con un enfoque en llamadas a API en lugar de análisis preprocesado.

Ambos comparten origen en la misma fuente (SWAPI), pero sirven a propósitos distintos dentro del entorno de R.

Tamaño del dataset

Filas (observaciones): 87 personajes
Columnas (variables): 14

Tipos de variables

Variables numéricas: height, mass, birth_year
Variables categóricas: hair_color, skin_color, eye_color, sex, gender, homeworld, species
Variables listas: films, vehicles, starships (listas de strings con nombres)

Período de observación (birth_year)

La variable birth_year indica el año de nacimiento de los personajes en relación al evento “Battle of Yavin”: - Mínimo: 8 ABY (After) - Máximo: 896 BBY (Before)

Valores perdidos

Varias columnas contienen valores faltantes (NA).

Variable	Cantidad de NA
height	6
mass	28
birth_year	44
hair_color	algunos
films	0
vehicles	muchos (listas vacías)
starships	muchos (listas vacías)

Observación:
- mass y birth_year tienen muchos valores faltantes posiblemente porque hay personajes con poca información oficial.
- Las variables tipo lista como vehicles y starships tienen estructuras vacías para personajes que no usan medios de transporte propios.
- Los NA en hair_color pueden deberse a especies sin cabello (como droides o criaturas alienígenas).

Tabla resumen de variables

Variable	Descripción
name	Nombre del personaje
height	Altura en centímetros
mass	Peso en kilogramos
hair_color	Color de cabello del personaje
skin_color	Color de piel
eye_color	Color de ojos
birth_year	Año de nacimiento según cronología ficticia
sex	Sexo biológico (male, female, none)
gender	Identidad de género (masculine, feminine, none)
homeworld	Planeta de origen
species	Especie del personaje (Human, Droid, etc.)
films	Lista de películas en las que aparece
vehicles	Lista de vehículos que ha conducido
starships	Lista de naves espaciales piloteadas

Visualizaciones de datos

Grafico #1

birth_na <- starwars %>%
  mutate(has_birthyear = ifelse(is.na(birth_year), "Desconocido", "Registrado"))

ggplot(birth_na, aes(x = has_birthyear, fill = has_birthyear)) +
  geom_bar(width = 0.6, color = "white", alpha = 0.9) +
  geom_text(stat = "count", aes(label = after_stat(count)), vjust = -0.5, size = 5, fontface = "bold") +
  scale_fill_manual(values = c("Desconocido" = "#D95F02", "Registrado" = "#1B9E77")) +
  labs(
    title = "Disponibilidad del año de nacimiento",
    subtitle = "En el universo de personajes de Star Wars",
    x = NULL,
    y = "Cantidad"
  ) +
  theme_minimal(base_size = 14) +
  theme(
    plot.title = element_text(face = "bold", size = 18, hjust = 0.5),
    plot.subtitle = element_text(size = 13, hjust = 0.5),
    axis.text = element_text(size = 12),
    axis.title.y = element_text(margin = margin(r = 10))
  ) +
  guides(fill = "none")

Interpretación del gráfico:

El gráfico muestra que hay una cantidad casi equilibrada de personajes con año de nacimiento registrado (43) y desconocido (44). Esto sugiere que, aunque hay muchos personajes documentados en el universo de Star Wars, no todos cuentan con datos completos.

Una posible explicación es que los personajes que tienen mayor protagonismo o relevancia narrativa tienden a tener más datos disponibles, mientras que los personajes secundarios, criaturas, o entidades con apariciones menores no tienen tanta información registrada, como es el caso de muchos droides, extraterrestres o personajes de fondo.

Este patrón refleja cómo la visibilidad y la importancia de un personaje podrían estar relacionadas con la cantidad de atributos biográficos que conocemos sobre ellos.

Análisis previo: cantidad de películas por personaje

## # A tibble: 2 × 4
##   has_birthyear Promedio_peliculas Max_peliculas Min_peliculas
##   <lgl>                      <dbl>         <int>         <int>
## 1 FALSE                       1.32             3             1
## 2 TRUE                        2.67             7             1

Este análisis muestra que los personajes con año de nacimiento registrado participan en más películas en promedio (2.67 frente a 1.32) y también alcanzan un máximo de 7 películas, mientras que los del grupo desconocido no superan las 3 apariciones.

Esta diferencia sugiere que los personajes más relevantes dentro de la narrativa —aquellos que aparecen en más películas— tienden a tener mayor información biográfica documentada, como su año de nacimiento. Este patrón será visualizado y confirmado en el gráfico de caja a continuación.

starwars %>%
  mutate(
    num_films = lengths(films),
    has_birthyear = ifelse(is.na(birth_year), "Desconocido", "Registrado")
  ) %>%
  ggplot(aes(x = has_birthyear, y = num_films, fill = has_birthyear)) +
  geom_boxplot() +
  labs(title = "Películas por personaje según disponibilidad de año de nacimiento",
       x = "Año de nacimiento",
       y = "Cantidad de películas") +
  theme_minimal() +
  scale_fill_manual(values = c("Desconocido" = "#D95F02", "Registrado" = "#1B9E77")) +
  guides(fill = "none")

Interpretación del gráfico:

Este gráfico de caja muestra la cantidad de películas en las que participan los personajes, comparando aquellos que tienen año de nacimiento registrado con los que no.

Se puede observar que los personajes con año de nacimiento registrado tienden a aparecer en más películas en promedio que aquellos con año de nacimiento desconocido. Además, la mediana del grupo “Registrado” es visiblemente mayor que la del grupo “Desconocido”, lo cual refuerza la hipótesis inicial.

Esto sugiere que los personajes más importantes o recurrentes en la saga suelen tener más información biográfica documentada, como su fecha de nacimiento. En cambio, los personajes secundarios o con menor relevancia narrativa suelen carecer de este tipo de detalles, lo que respalda la idea inicial que la completitud de los datos está correlacionada con la prominencia del personaje en la saga.

Grafico #2

ggplot(
  data = starwars %>% filter(!is.na(height), !is.na(mass), !is.na(species)),
  aes(x = height, y = mass, color = species)
) +
  geom_point(size = 3, alpha = 0.8) +
  labs(
    title = "Altura vs Peso según especie",
    subtitle = "Relación entre características físicas por especie",
    x = "Altura (cm)",
    y = "Peso (kg)",
    color = "Especie"
  ) +
  theme_minimal(base_size = 14) +
  theme(
    plot.title = element_text(face = "bold", hjust = 0.5),
    plot.subtitle = element_text(hjust = 0.5),
    legend.position = "right", # Mueve la leyenda a la derecha
    legend.text = element_text(size = 8),
    legend.title = element_text(size = 10)
  ) +
  guides(color = guide_legend(ncol = 2, byrow = TRUE))

Interpretación del gráfico:

El gráfico de dispersión muestra la relación entre la altura y el peso de los personajes del universo Star Wars, categorizados por especie mediante el color.

Se observa una fuerte concentración de personajes en un rango de altura entre 150 y 200 cm, y peso entre 50 y 120 kg, lo cual sugiere que la mayoría de las especies humanoides comparten proporciones físicas similares. Esto incluye especies como los humanos, mirialan, twi’lek y zabrak, entre otras.

También destaca un outlier vertical importante: un personaje de gran altura y peso —probablemente Jabba el Hutt— con un peso superior a los 1000 kg, lo que indica que algunas especies tienen características físicas extremadamente distintas y afectan la escala visual del gráfico.

## # A tibble: 31 × 5
##    species        `Promedio altura (cm)` `Promedio peso (kg)` `Máx altura (cm)`
##    <chr>                           <dbl>                <dbl>             <int>
##  1 Wookiee                          231                 124                 234
##  2 Kaminoan                         229                  88                 229
##  3 Kaleesh                          216                 159                 216
##  4 Gungan                           210                  74                 224
##  5 Pau'an                           206                  80                 206
##  6 Besalisk                         198                 102                 198
##  7 Cerean                           198                  82                 198
##  8 Nautolan                         196                  87                 196
##  9 Skakoan                          193                  48                 193
## 10 Neimodian                        191                  90                 191
## 11 Trandoshan                       190                 113                 190
## 12 Kel Dor                          188                  80                 188
## 13 Tholothian                       184                  50                 184
## 14 Geonosian                        183                  80                 183
## 15 Human                            180.                 81.3               202
## 16 Mon Calamari                     180                  83                 180
## 17 Togruta                          178                  57                 178
## 18 Twi'lek                          178                  55                 178
## 19 Hutt                             175                1358                 175
## 20 Zabrak                           175                  80                 175
## 21 Rodian                           173                  74                 173
## 22 Clawdite                         168                  55                 168
## 23 Mirialan                         168                  53.1               170
## 24 Toong                            163                  65                 163
## 25 Sullustan                        160                  68                 160
## 26 Droid                            140                  69.8               200
## 27 Dug                              112                  40                 112
## 28 Vulptereen                        94                  45                  94
## 29 Ewok                              88                  20                  88
## 30 Aleena                            79                  15                  79
## 31 Yoda's species                    66                  17                  66
## # ℹ 1 more variable: `Máx peso (kg)` <dbl>

Proyecto: Resumen del dataset starwars del paquete dplyr

Carlos Pac

28/04/2025

Objetivos

Descripción de los datos

Fuente del conjunto de datos `starwars` y paquetes relacionados

Relación con otros paquetes

Tamaño del dataset

Tipos de variables

Período de observación (birth_year)

Valores perdidos

Tabla resumen de variables

Visualizaciones de datos

Grafico #1

Grafico #2

Proyecto: Resumen del dataset starwars del paquete dplyr

Carlos Pac

28/04/2025

Objetivos

Descripción de los datos

Fuente del conjunto de datos starwars y paquetes relacionados

Relación con otros paquetes

Tamaño del dataset

Tipos de variables

Período de observación (birth_year)

Valores perdidos

Tabla resumen de variables

Visualizaciones de datos

Grafico #1

Grafico #2

Fuente del conjunto de datos `starwars` y paquetes relacionados