-Crea un vector llamado edades con al menos cinco números enteros.
-Calcula el promedio de las edades. Determina cuántos elementos hay en el vector.
-Identifica a qué clase (tipo) pertenece el vector.
-Escribe una línea de código para mostrar el segundo elemento del vector.
# Crear un vector llamado edades con al menos cinco números enterosedades <-c(23, 30, 18, 45, 27)# Calcular el promedio de las edadesmedia_edades <-mean(edades)# Determinar cuántos elementos hay en el vectorcantidad_elementos <-length(edades)# Identificar a qué clase (tipo) pertenece el vectorclase_vector <-class(edades)# Mostrar el segundo elemento del vectorsegundo_elemento <- edades[2]# Imprimir resultados explícitamenteprint(paste("media de edades:", media_edades))
[1] "media de edades: 28.6"
print(paste("Cantidad de elementos:", cantidad_elementos))
[1] "Cantidad de elementos: 5"
print(paste("Clase del vector:", clase_vector))
[1] "Clase del vector: numeric"
print(paste("Segundo elemento del vector:", segundo_elemento))
[1] "Segundo elemento del vector: 30"
Parte 2 - Matriz
Crea una matriz con 6 números distribuidos en 2 filas y 3 columnas.
Muestra el contenido de la matriz.
Extrae el valor ubicado en la fila 1, columna 2.
Muestra la tercera columna completa.
¿Qué clase de objeto es la matriz?
# Crear una matriz con 6 números distribuidos en 2 filas y 3 columnasmatriz <-matrix(c(1, 2, 3, 4, 5, 6), nrow =2, ncol =3)# Mostrar el contenido de la matrizprint(matriz)
[,1] [,2] [,3]
[1,] 1 3 5
[2,] 2 4 6
# Extraer el valor ubicado en la fila 1, columna 2valor_fila1_col2 <- matriz[1, 2]print(valor_fila1_col2)
[1] 3
# Mostrar la tercera columna completacolumna_3 <- matriz[, 3]print(columna_3)
[1] 5 6
# ¿Qué clase de objeto es la matriz?clase_matriz <-class(matriz)print(clase_matriz)
[1] "matrix" "array"
Parte 3 - Data Frames
Crea un data frame que contenga tres columnas: nombres, edades y carrera.
Llénalo con al menos tres filas de datos simulados.
Muestra el contenido completo del data frame.
Calcula el promedio de las edades.
Usa una función que resuma la información del data frame (mínimos, máximos, etc.).
# Crear un data frame con tres columnas: nombres, edades y carreranombres <-c("Nico", "Joaquin", "Isma")edades <-c(19, 18, 21)carrera <-c("Medicina", "Ingeniería", "Derecho")df <-data.frame(nombres, edades, carrera)# Mostrar el contenido completo del data frameprint(df)
# Calcular el promedio de las edadespromedio_edades_df <-mean(df$edades)print(promedio_edades_df)
[1] 19.33333
# Usar una función que resuma la información del data frameresumen_df <-summary(df)print(resumen_df)
nombres edades carrera
Length:3 Min. :18.00 Length:3
Class :character 1st Qu.:18.50 Class :character
Mode :character Median :19.00 Mode :character
Mean :19.33
3rd Qu.:20.00
Max. :21.00
Parte 4 – Reflexión final
1. ¿Cuál es la diferencia entre un vector y una matriz en R?
Un vector es una estructura unidimensional que almacena elementos del mismo tipo.
Una matriz es una estructura bidimensional (con filas y columnas) que también almacena elementos del mismo tipo.
2. ¿Qué sucede si intentas mezclar texto y números en un mismo vector?
R convierte todos los elementos a un mismo tipo para mantener la homogeneidad.
Si mezclas texto y números, todos los números se convierten a texto (caracteres).
3. ¿Por qué es útil usar un data frame en análisis de datos?
Porque permite almacenar datos heterogéneos (números, texto, factores) en columnas separadas,
facilitando la manipulación y análisis de datos tabulares.
4. ¿Qué función te pareció más clara y útil en esta práctica?
La función summary() me pareció muy útil porque resume rápidamente la información estadística y categórica de un data frame.
5. ¿Qué dudas te quedaron al trabajar con estas estructuras?
Me gustaría entender mejor cómo funcionan los factores en los data frames y cómo manipularlos.