La siguiente tarea busca reforzar tu aprendiza de los temas cubiertos en clase, así como poner en práctica tus habilidades en el manejo de datos masivos.
Resuelve cada uno de los puntos para la base de datos trucks.xlsx No olvides cargar la libreria ´dplyr´antes de iniciar con tu programa
library(readxl)
library(MASS)
library(stats)
library(psych)
library(dplyr)##
## Attaching package: 'dplyr'## The following object is masked from 'package:MASS':
##
## select## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(openxlsx)
library(ggplot2)##
## Attaching package: 'ggplot2'## The following objects are masked from 'package:psych':
##
## %+%, alphaAlmacena la información del archivo trucks.xlsx en una variable llamada mis_datos y revisa su estructura con la función head()
mis_datos <- read_xlsx("Trucks.xlsx")
head(mis_datos)## # A tibble: 6 × 15
## Make Model Type Origin DriveTrain MSRP Invoice EngineSize Cylinders
## <chr> <chr> <chr> <chr> <chr> <dbl> <dbl> <dbl> <dbl>
## 1 Acura MDX SUV Asia All 36945 33337 3.5 6
## 2 Acura RSX Type S 2… Sedan Asia Front 23820 21761 2 4
## 3 Acura TSX 4dr Sedan Asia Front 26990 24647 2.4 4
## 4 Acura TL 4dr Sedan Asia Front 33195 30299 3.2 6
## 5 Acura 3.5 RL 4dr Sedan Asia Front 43755 39014 3.5 6
## 6 Acura 3.5 RL w/Nav… Sedan Asia Front 46100 41100 3.5 6
## # ℹ 6 more variables: Horsepower <dbl>, MPG_City <dbl>, MPG_Highway <dbl>,
## # Weight <dbl>, Wheelbase <dbl>, Length <dbl>Como puedes ver, la base de datos cuenta con 428 observaciones y 15 variables. Las variables incluidas son: - Make = La marca del fabricante del automóvil - Model = El modelo del automóvil - Type = El tipo de automóvil - Origin = En dónde fue fabricado - DriveTrain = Indica el tipo de transmición - MSRP = Es el precio de venta en dólares sugerido por el fabricate - Invoice = Es el valor de la factura del automóvil - EngineSize = Es el tamaño del motor - Cylinders = Indica con cuántos cilindros cuenta - Horsepower = La potencia del automóvil en caballos de fuerza - MPG_City = Millas por galón de combustible en la ciudad - MPG_Highway = Millas por galón de combustible en carretera - Weight = Peso del automóvil en libras - Wheelbase = La distancia que hay entre el eje delantero y el eje trasero en pulgadas - Length = La longitud del automóvil en pulgadas
Revisa si en la variable mis_datos existen missing values, de ser así reemplazalos por la media.
mis_datos[] <- lapply(mis_datos, function(x) {
if(is.numeric(x)) {
x[is.na(x)] <- mean(x, na.rm = TRUE)
}
return(x)
})Utilizando algoritmos con la variable mis_datos, responde las siguientes preguntas:
¿Qué marca produce más vehículos y qué marca produce menos?
table(mis_datos$Make)##
## Acura Audi BMW Buick Cadillac
## 7 19 20 9 8
## Chevrolet Chrysler Dodge Ford GMC
## 27 15 13 23 8
## Honda Hummer Hyundai Infiniti Isuzu
## 17 1 12 8 2
## Jaguar Jeep Kia Land Rover Lexus
## 12 3 11 3 11
## Lincoln Mazda Mercedes-Benz Mercury MINI
## 9 11 26 9 2
## Mitsubishi Nissan Oldsmobile Pontiac Porsche
## 13 17 3 11 7
## Saab Saturn Scion Subaru Suzuki
## 7 8 2 11 8
## Toyota Volkswagen Volvo
## 28 15 12mis_datos %>%
group_by(Make) %>%
summarise(Cantidad = n()) %>%
arrange(desc(Cantidad)) #mas## # A tibble: 38 × 2
## Make Cantidad
## <chr> <int>
## 1 Toyota 28
## 2 Chevrolet 27
## 3 Mercedes-Benz 26
## 4 Ford 23
## 5 BMW 20
## 6 Audi 19
## 7 Honda 17
## 8 Nissan 17
## 9 Chrysler 15
## 10 Volkswagen 15
## # ℹ 28 more rows mis_datos %>%
group_by(Make) %>%
summarise(Cantidad = n()) %>%
arrange(Cantidad) %>%
slice(1)## # A tibble: 1 × 2
## Make Cantidad
## <chr> <int>
## 1 Hummer 1¿Cuántos autos se producen por región de origen?
mis_datos %>%
group_by(Origin) %>%
summarise(Cantidad = n()) %>%
arrange(desc(Cantidad))## # A tibble: 3 × 2
## Origin Cantidad
## <chr> <int>
## 1 Asia 158
## 2 USA 147
## 3 Europe 123Encuentra cuál es el precio sugerido más caro, cuál es el precio sugerido más barato, las millas por galón promedio para ciudad y el Horsepower promedio, utiliza el comando “table” y/o “summarise” para mostrar la información
mis_datos %>%
summarise(
Precio_mas_caro = max(`MSRP`, na.rm = TRUE),
Precio_mas_barato = min(`MSRP`, na.rm = TRUE),
MPG_Ciudad_promedio = mean(`MPG_City`, na.rm = TRUE),
Horsepower_promedio = mean(Horsepower, na.rm = TRUE)
)## # A tibble: 1 × 4
## Precio_mas_caro Precio_mas_barato MPG_Ciudad_promedio Horsepower_promedio
## <dbl> <dbl> <dbl> <dbl>
## 1 192465 10280 20.1 216.Selecciona solo las variables Make, Model, Type, Origin, Cylinders, MSRP, Wheelbase y Lenght. Conserva solo las observaciones cuyo DriveTrain sea Front y almacena esta información en una variable llamada datos_nuevos.
Imprime las primeras observaciones de la variable datos_nuevos
datos_nuevos <- subset(mis_datos, DriveTrain == "Front",
select = c("Make", "Model", "Type", "Origin", "Cylinders", "MSRP", "Wheelbase", "Length"))Con la información de la variable datos_nuevos, necesitamos crear 3 nuevas variables, la primera llamada Weight_kl que indique cuál es el peso del automóvil en kilos, la segunda llamada Wheelbase_cm que muestre el valor de la variable Wheelbase en centímetros, y una última variable llamada Length_cm que indique la longitud del vehículo en centímetros. Almacena toda esta información dentro de la variable mis_nuevos_datos
mis_nuevos_datos <- datos_nuevos
mis_nuevos_datos <- merge(datos_nuevos, mis_datos[, c("Make", "Model", "Weight")], by = c("Make", "Model"), all.x = TRUE)
mis_nuevos_datos$Weight_kl <- mis_nuevos_datos$Weight * 0.453592
mis_nuevos_datos$Wheelbase_cm <- mis_nuevos_datos$Wheelbase * 2.54
mis_nuevos_datos$Length_cm <- mis_nuevos_datos$Length * 2.54Con la información de la variable mis_nuevos_datos, crea una nueva variable llamada opinion que esté en función del precio sugerido para la venta. Si el precio es mayor o igual a 67,000 el valor de la variable opinion debe ser “Expensive” Y si el precio es menor a 67,000 la variable opinion debe sugerir “Cheap”. Almacena la información en la variable mis_nuevos_datos
mis_nuevos_datos$opinion <- ifelse(mis_nuevos_datos$MSRP >= 67000, "Expensive", "Cheap")