Software para el análisis de datos: LAB1
María del Mar Mascarell López
2025-09-29
Ejercicios y casos prácticos con R
Ejercicio 1:
Utilizando las funciones citadas en este Laboratorio, comprobad qué paquetes tenéis instalados en vuestra versión de RStudio e instalad el paquete MASS y el paquete Survival y comprobad la información que contienen.
Buscad información sobre el paquete Rcmdr (R Commander) desde la consola.
Respuesta:
Para comprobar qué paquetes están instalados:
library()Para instalar los paquetes MASS y Survival:
install.packages(c("MASS", "survival"), repos = "https://cloud.r-project.org/")## package 'MASS' successfully unpacked and MD5 sums checked## package 'survival' successfully unpacked and MD5 sums checked
##
## The downloaded binary packages are in
## C:\Users\marma\AppData\Local\Temp\RtmpO2GfCr\downloaded_packagesEsta es la información que contiene el paquete MASS:
packageDescription("MASS")## Package: MASS
## Priority: recommended
## Version: 7.3-65
## Date: 2025-02-19
## Revision: $Rev: 3681 $
## Depends: R (>= 4.4.0), grDevices, graphics, stats, utils
## Imports: methods
## Suggests: lattice, nlme, nnet, survival
## Authors@R: c(person("Brian", "Ripley", role = c("aut", "cre", "cph"),
## email = "Brian.Ripley@R-project.org"), person("Bill",
## "Venables", role = c("aut", "cph")), person(c("Douglas", "M."),
## "Bates", role = "ctb"), person("Kurt", "Hornik", role = "trl",
## comment = "partial port ca 1998"), person("Albrecht",
## "Gebhardt", role = "trl", comment = "partial port ca 1998"),
## person("David", "Firth", role = "ctb", comment = "support
## functions for polr"))
## Description: Functions and datasets to support Venables and Ripley,
## "Modern Applied Statistics with S" (4th edition, 2002).
## Title: Support Functions and Datasets for Venables and Ripley's MASS
## LazyData: yes
## ByteCompile: yes
## License: GPL-2 | GPL-3
## URL: http://www.stats.ox.ac.uk/pub/MASS4/
## Contact: <MASS@stats.ox.ac.uk>
## NeedsCompilation: yes
## Packaged: 2025-02-19 08:49:43 UTC; ripley
## Author: Brian Ripley [aut, cre, cph], Bill Venables [aut, cph], Douglas
## M. Bates [ctb], Kurt Hornik [trl] (partial port ca 1998),
## Albrecht Gebhardt [trl] (partial port ca 1998), David Firth
## [ctb] (support functions for polr)
## Maintainer: Brian Ripley <Brian.Ripley@R-project.org>
## Repository: CRAN
## Date/Publication: 2025-02-28 17:44:52 UTC
## Built: R 4.5.1; x86_64-w64-mingw32; 2025-10-06 00:50:00 UTC; windows
## Archs: x64
## RemoteType: standard
## RemotePkgRef: MASS
## RemoteRef: MASS
## RemoteRepos: https://cran.rstudio.com
## RemoteSha: 7.3-65
##
## -- File: D:/R-4.5.1/library/MASS/Meta/package.rdsY esta la que tiene el paquete Survival:
packageDescription("survival")## Title: Survival Analysis
## Priority: recommended
## Package: survival
## Version: 3.8-3
## Date: 2024-12-17
## Depends: R (>= 3.5.0)
## Imports: graphics, Matrix, methods, splines, stats, utils
## LazyData: Yes
## LazyDataCompression: xz
## ByteCompile: Yes
## Authors@R: c(person(c("Terry", "M"), "Therneau",
## email="therneau.terry@mayo.edu", role=c("aut", "cre")),
## person("Thomas", "Lumley", role=c("ctb", "trl"),
## comment="original S->R port and R maintainer until 2009"),
## person("Atkinson", "Elizabeth", role="ctb"), person("Crowson",
## "Cynthia", role="ctb"))
## Description: Contains the core survival analysis routines, including
## definition of Surv objects, Kaplan-Meier and Aalen-Johansen
## (multi-state) curves, Cox models, and parametric accelerated
## failure time models.
## License: LGPL (>= 2)
## URL: https://github.com/therneau/survival
## NeedsCompilation: yes
## Packaged: 2024-12-17 16:37:18 UTC; therneau
## Author: Terry M Therneau [aut, cre], Thomas Lumley [ctb, trl] (original
## S->R port and R maintainer until 2009), Atkinson Elizabeth
## [ctb], Crowson Cynthia [ctb]
## Maintainer: Terry M Therneau <therneau.terry@mayo.edu>
## Repository: CRAN
## Date/Publication: 2024-12-17 20:20:02 UTC
## Built: R 4.5.1; x86_64-w64-mingw32; 2025-10-06 01:53:08 UTC; windows
## Archs: x64
##
## -- File: D:/R-4.5.1/library/survival/Meta/package.rdsPara buscar información sobre el paquete Rcmdr desde la consola:
??Rcmdr## starting httpd help server ... doneEjercicio 2:
- Importad un archivo de texto y buscad un summary() de tres variables que escojáis.
Importo el archivo “survey.txt”, sabiendo que usa tabulador como separador y asegurándome de que los datos numéricos se lean como tal y no como cadenas de texto.
survey <- read.csv(here("datasets", "survey.txt"), sep = "\t", stringsAsFactors = FALSE)
head(survey)## Sex Wr.Hnd NW.Hnd W.Hnd Fold Pulse Clap Exer Smoke Height M.I
## 1 Female 18.5 18.0 Right R on L 92 Left Some Never 173.00 Metric
## 2 Male 19.5 20.5 Left R on L 104 Left None Regul 177.80 Imperial
## 3 Male 18.0 13.3 Right L on R 87 Neither None Occas NA <NA>
## 4 Male 18.8 18.9 Right R on L NA Neither None Never 160.00 Metric
## 5 Male 20.0 20.0 Right Neither 35 Right Some Never 165.00 Metric
## 6 Female 18.0 17.7 Right L on R 64 Right Some Never 172.72 Imperial
## Age
## 1 18.250
## 2 17.583
## 3 16.917
## 4 20.333
## 5 23.667
## 6 21.000De entre todas las variables escojo “Sex”, “Pulse” y “Exer” para hacer un resumen de las mismas:
summary(survey$Sex)## Length Class Mode
## 237 character charactersummary(survey$Pulse)## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 35.00 66.00 72.50 74.15 80.00 104.00 45summary(survey$Exer)## Length Class Mode
## 237 character character- Importad un archivo «.csv» y buscad un fivenum() de dos variables que os parezcan relevantes para el estudio.
leuk <- read.csv(here("datasets", "leuk.csv"))
head(leuk)## wbc ag time
## 1 2300 present 65
## 2 750 present 156
## 3 4300 present 100
## 4 2600 present 134
## 5 6000 present 16
## 6 10500 present 108Escojo la variable wbc y time para extraer
los cinco números:
fivenum(leuk$wbc)## [1] 750 5300 10500 32000 100000fivenum(leuk$time)## [1] 1 4 22 65 156Ejercicio 3:
A partir del conjunto de datos anorexia del paquete MASS, que corresponden a los datos de cambio de peso de pacientes jóvenes con anorexia, mostrad los tipos de datos que contiene y comprobad si existen valores NA y NULL. Para la variable Treat, transformad los valores «CBT», «Cont» y «FT» en «Cogn Beh Tr», «Contr» y «Fam Tr», respectivamente.
Respuesta:
library("MASS")##
## Adjuntando el paquete: 'MASS'## The following objects are masked _by_ '.GlobalEnv':
##
## leuk, surveydata("anorexia") # cargar dataset
str(anorexia) # tipos de datos## 'data.frame': 72 obs. of 3 variables:
## $ Treat : Factor w/ 3 levels "CBT","Cont","FT": 2 2 2 2 2 2 2 2 2 2 ...
## $ Prewt : num 80.7 89.4 91.8 74 78.1 88.3 87.3 75.1 80.6 78.4 ...
## $ Postwt: num 80.2 80.1 86.4 86.3 76.1 78.1 75.1 86.7 73.5 84.6 ...is.na(anorexia) # hay NA?## Treat Prewt Postwt
## 1 FALSE FALSE FALSE
## 2 FALSE FALSE FALSE
## 3 FALSE FALSE FALSE
## 4 FALSE FALSE FALSE
## 5 FALSE FALSE FALSE
## 6 FALSE FALSE FALSE
## 7 FALSE FALSE FALSE
## 8 FALSE FALSE FALSE
## 9 FALSE FALSE FALSE
## 10 FALSE FALSE FALSE
## 11 FALSE FALSE FALSE
## 12 FALSE FALSE FALSE
## 13 FALSE FALSE FALSE
## 14 FALSE FALSE FALSE
## 15 FALSE FALSE FALSE
## 16 FALSE FALSE FALSE
## 17 FALSE FALSE FALSE
## 18 FALSE FALSE FALSE
## 19 FALSE FALSE FALSE
## 20 FALSE FALSE FALSE
## 21 FALSE FALSE FALSE
## 22 FALSE FALSE FALSE
## 23 FALSE FALSE FALSE
## 24 FALSE FALSE FALSE
## 25 FALSE FALSE FALSE
## 26 FALSE FALSE FALSE
## 27 FALSE FALSE FALSE
## 28 FALSE FALSE FALSE
## 29 FALSE FALSE FALSE
## 30 FALSE FALSE FALSE
## 31 FALSE FALSE FALSE
## 32 FALSE FALSE FALSE
## 33 FALSE FALSE FALSE
## 34 FALSE FALSE FALSE
## 35 FALSE FALSE FALSE
## 36 FALSE FALSE FALSE
## 37 FALSE FALSE FALSE
## 38 FALSE FALSE FALSE
## 39 FALSE FALSE FALSE
## 40 FALSE FALSE FALSE
## 41 FALSE FALSE FALSE
## 42 FALSE FALSE FALSE
## 43 FALSE FALSE FALSE
## 44 FALSE FALSE FALSE
## 45 FALSE FALSE FALSE
## 46 FALSE FALSE FALSE
## 47 FALSE FALSE FALSE
## 48 FALSE FALSE FALSE
## 49 FALSE FALSE FALSE
## 50 FALSE FALSE FALSE
## 51 FALSE FALSE FALSE
## 52 FALSE FALSE FALSE
## 53 FALSE FALSE FALSE
## 54 FALSE FALSE FALSE
## 55 FALSE FALSE FALSE
## 56 FALSE FALSE FALSE
## 57 FALSE FALSE FALSE
## 58 FALSE FALSE FALSE
## 59 FALSE FALSE FALSE
## 60 FALSE FALSE FALSE
## 61 FALSE FALSE FALSE
## 62 FALSE FALSE FALSE
## 63 FALSE FALSE FALSE
## 64 FALSE FALSE FALSE
## 65 FALSE FALSE FALSE
## 66 FALSE FALSE FALSE
## 67 FALSE FALSE FALSE
## 68 FALSE FALSE FALSE
## 69 FALSE FALSE FALSE
## 70 FALSE FALSE FALSE
## 71 FALSE FALSE FALSE
## 72 FALSE FALSE FALSENo hay valores NA en la tabla.
is.null(anorexia) ## [1] FALSEis.NULL() devuelve FALSE porque el objeto
“anorexia” existe.
Como Treat es un factor tal y como hemos visto con
str(), podemos cambiar sus niveles de la siguiente
forma:
levels(anorexia$Treat) <- c("Cogn Beh Tr", "Contr", "Fam Tr")
str(anorexia$Treat)## Factor w/ 3 levels "Cogn Beh Tr",..: 2 2 2 2 2 2 2 2 2 2 ...Al ser un factor se guardarán ordenados.
Ejercicio 4:
- Exportad los datos biopsy del paquete MASS a un archivo «.csv.»
data("biopsy")
write.csv(biopsy, here("datasets", "biopsy.csv"))- Exportad los datos melanoma del paquete MASS a archivos de tres diferentes formatos y comprobad que se han creado los diferentes archivos en los formatos y las rutas especificados. Podéis generar una captura de pantalla de su ubicación en la carpeta.
# Exporto el dataset
data("Melanoma")
write.csv(Melanoma, here("datasets", "melanoma.csv"), row.names = FALSE)
write.csv(Melanoma, here("datasets", "melanoma.txt"), row.names = FALSE)
write_xlsx(Melanoma, here("datasets", "melanoma.xlsx"))
# Compruebo que se han creado correctamente, deberían cargarse
melanoma_csv <- read.csv(here("datasets", "melanoma.csv"))
melanoma_txt <- read.csv(here("datasets", "melanoma.txt"))
menlanoma_xlsx <- read_xlsx(here("datasets", "melanoma.xlsx"))- Generad un resumen (summary) de la variable age de melanoma y guardad la salida que os aparece en un documento .doc
summ_age <- capture.output(summary(Melanoma$age))
writeLines(summ_age, here("datasets", "summary_age_melanoma.doc"))- Buscad un data frame en algún repositorio de datos de Biomedicina, descargad un conjunto de datos en «.csv» e importad este fichero a un documento R Markdown usando el código o el menú de importación de RStudio.
diabetes <- read.csv(here("datasets", "diabetes.csv"))
head(diabetes)## id chol stab.glu hdl ratio glyhb location age gender height weight frame
## 1 1000 203 82 56 3.6 4.31 Buckingham 46 female 62 121 medium
## 2 1001 165 97 24 6.9 4.44 Buckingham 29 female 64 218 large
## 3 1002 228 92 37 6.2 4.64 Buckingham 58 female 61 256 large
## 4 1003 78 93 12 6.5 4.63 Buckingham 67 male 67 119 large
## 5 1005 249 90 28 8.9 7.72 Buckingham 64 male 68 183 medium
## 6 1008 248 94 69 3.6 4.81 Buckingham 34 male 71 190 large
## bp.1s bp.1d bp.2s bp.2d waist hip time.ppn
## 1 118 59 NA NA 29 38 720
## 2 112 68 NA NA 46 48 360
## 3 190 92 185 92 49 57 180
## 4 110 50 NA NA 33 38 480
## 5 138 80 NA NA 44 41 300
## 6 132 86 NA NA 36 42 195Ejercicio 5:
En el siguiente ejemplo veremos cómo utilizar diferentes operadores sobre el conjunto de datos birthwt, así como también algunas funciones que nos permiten obtener más información de las variables:
- ¿Cuál es la edad máxima de las madres del conjunto de datos?
data("birthwt")
max(birthwt$age)## [1] 45- ¿Cuál es la edad mínima de las madres del conjunto de datos?
min(birthwt$age)## [1] 14- ¿Cuál es el rango de edad de las madres?
range(birthwt$age)## [1] 14 45- ¿Fumaba la madre cuyo recién nacido era el de menor peso?
birthwt$smoke[birthwt$bwt == min(birthwt$bwt)]## [1] 1Sí fumaba
- ¿Cuánto pesó el recién nacido cuya madre tenía la edad máxima?
birthwt$bwt[birthwt$age == max(birthwt$age)]## [1] 4990- Listad los pesos de los recién nacidos, cuyas madres visitarán menos de dos veces al médico durante el primer trimestre.
birthwt[birthwt$ftv < 2, c("bwt", "ftv")]## bwt ftv
## 85 2523 0
## 87 2557 1
## 89 2600 0
## 91 2622 0
## 92 2637 1
## 93 2637 1
## 94 2663 1
## 95 2665 0
## 96 2722 0
## 97 2733 1
## 98 2751 0
## 100 2769 0
## 101 2769 0
## 102 2778 0
## 104 2807 0
## 105 2821 1
## 108 2836 1
## 109 2863 0
## 112 2877 0
## 113 2906 0
## 115 2920 0
## 116 2920 1
## 117 2920 1
## 118 2948 1
## 119 2948 1
## 120 2977 1
## 121 2977 0
## 125 2922 0
## 127 3033 1
## 130 3062 1
## 131 3062 0
## 132 3062 0
## 133 3062 0
## 135 3090 0
## 137 3090 0
## 138 3100 1
## 139 3104 0
## 140 3132 0
## 142 3175 0
## 143 3175 0
## 144 3203 0
## 145 3203 0
## 146 3203 0
## 147 3225 0
## 148 3225 0
## 150 3232 0
## 151 3234 0
## 154 3260 0
## 155 3274 1
## 160 3317 1
## 162 3317 0
## 164 3331 1
## 166 3374 0
## 167 3374 0
## 168 3402 0
## 169 3416 1
## 172 3444 0
## 173 3459 0
## 174 3460 1
## 175 3473 0
## 176 3544 0
## 177 3487 0
## 179 3544 0
## 180 3572 0
## 181 3572 0
## 182 3586 0
## 183 3600 0
## 184 3614 1
## 185 3614 0
## 187 3629 0
## 188 3637 0
## 189 3643 0
## 190 3651 1
## 191 3651 1
## 192 3651 0
## 193 3651 0
## 195 3699 1
## 196 3728 1
## 197 3756 0
## 199 3770 0
## 200 3770 1
## 201 3770 0
## 202 3790 0
## 203 3799 1
## 204 3827 0
## 208 3884 1
## 210 3912 1
## 211 3940 0
## 212 3941 1
## 213 3941 0
## 214 3969 0
## 216 3997 1
## 217 3997 1
## 218 4054 0
## 219 4054 1
## 220 4111 0
## 223 4174 1
## 224 4238 0
## 225 4593 1
## 226 4990 1
## 4 709 0
## 11 1135 0
## 13 1330 0
## 15 1474 0
## 16 1588 0
## 17 1588 1
## 18 1701 1
## 19 1729 0
## 20 1790 1
## 22 1818 0
## 23 1885 0
## 24 1893 0
## 25 1899 1
## 26 1928 0
## 29 1936 0
## 30 1970 0
## 31 2055 0
## 32 2055 1
## 34 2084 0
## 35 2084 0
## 36 2100 0
## 37 2125 0
## 42 2187 1
## 43 2187 0
## 44 2211 0
## 45 2225 0
## 46 2240 1
## 47 2240 0
## 49 2282 0
## 50 2296 0
## 51 2296 0
## 54 2325 0
## 56 2353 1
## 57 2353 0
## 59 2367 1
## 60 2381 0
## 61 2381 0
## 62 2381 0
## 63 2410 0
## 65 2410 0
## 67 2410 1
## 69 2424 0
## 75 2442 1
## 77 2466 0
## 78 2466 0
## 82 2495 0
## 83 2495 0Ejercicio 6:
A partir del conjunto de datos anorexia trabajado en apartados anteriores, cread una matriz que tenga como columnas los valores de Prewt y Postwt, y cada fila sean los valores correspondientes para cada posición.
data1 <- c(anorexia$Prewt, anorexia$Postwt)
data2 <- (c(72,2))
matrix(data1, data2)## [,1] [,2]
## [1,] 80.7 80.2
## [2,] 89.4 80.1
## [3,] 91.8 86.4
## [4,] 74.0 86.3
## [5,] 78.1 76.1
## [6,] 88.3 78.1
## [7,] 87.3 75.1
## [8,] 75.1 86.7
## [9,] 80.6 73.5
## [10,] 78.4 84.6
## [11,] 77.6 77.4
## [12,] 88.7 79.5
## [13,] 81.3 89.6
## [14,] 78.1 81.4
## [15,] 70.5 81.8
## [16,] 77.3 77.3
## [17,] 85.2 84.2
## [18,] 86.0 75.4
## [19,] 84.1 79.5
## [20,] 79.7 73.0
## [21,] 85.5 88.3
## [22,] 84.4 84.7
## [23,] 79.6 81.4
## [24,] 77.5 81.2
## [25,] 72.3 88.2
## [26,] 89.0 78.8
## [27,] 80.5 82.2
## [28,] 84.9 85.6
## [29,] 81.5 81.4
## [30,] 82.6 81.9
## [31,] 79.9 76.4
## [32,] 88.7 103.6
## [33,] 94.9 98.4
## [34,] 76.3 93.4
## [35,] 81.0 73.4
## [36,] 80.5 82.1
## [37,] 85.0 96.7
## [38,] 89.2 95.3
## [39,] 81.3 82.4
## [40,] 76.5 72.5
## [41,] 70.0 90.9
## [42,] 80.4 71.3
## [43,] 83.3 85.4
## [44,] 83.0 81.6
## [45,] 87.7 89.1
## [46,] 84.2 83.9
## [47,] 86.4 82.7
## [48,] 76.5 75.7
## [49,] 80.2 82.6
## [50,] 87.8 100.4
## [51,] 83.3 85.2
## [52,] 79.7 83.6
## [53,] 84.5 84.6
## [54,] 80.8 96.2
## [55,] 87.4 86.7
## [56,] 83.8 95.2
## [57,] 83.3 94.3
## [58,] 86.0 91.5
## [59,] 82.5 91.9
## [60,] 86.7 100.3
## [61,] 79.6 76.7
## [62,] 76.9 76.8
## [63,] 94.2 101.6
## [64,] 73.4 94.9
## [65,] 80.5 75.2
## [66,] 81.6 77.8
## [67,] 82.1 95.5
## [68,] 77.6 90.7
## [69,] 83.5 92.5
## [70,] 89.9 93.8
## [71,] 86.0 91.7
## [72,] 87.3 98.0Ejercicio 7:
Identificador <- c("I1","I2","I3","I4","I5","I6","I7","I8","I9","I10","I11","I12","I13","I14", "I15","I16","I17","I18","I19","I20","I21","I22","I23","I24","I25")
Edad <- c(23,24,21,22,23,25,26,24,21,22,23,25,26,24,22,21,25,26,24,21,25,27,26,22,29)
Sexo <-c(1,2,1,1,1,2,2,2,1,2,1,2,2,2,1,1,1,2,2,2,1,2,1,1,2) #1 para mujeres y 2 para hombres
Peso <- c(76.5,81.2,79.3,59.5,67.3,78.6,67.9,100.2,97.8,56.4,65.4,67.5,87.4,99.7,87.6
,93.4,65.4,73.7,85.1,61.2,54.8,103.4,65.8,71.7,85.0)
Alt <- c(165,154,178,165,164,175,182,165,178,165,158,183,184,164,189,167,182,179,165
,158,183,184,189,166,175) #altura en cm
Fuma <- c("SÍ","NO","SÍ","SÍ","NO","NO","NO","SÍ","SÍ","SÍ","NO","NO","SÍ","SÍ","SÍ",
"SÍ","NO","NO","SÍ","SÍ","SÍ","NO","SÍ","NO","SÍ")
Trat_Pulmon <- data.frame(Identificador,Edad,Sexo,Peso,Alt,Fuma)
Trat_Pulmon ## Identificador Edad Sexo Peso Alt Fuma
## 1 I1 23 1 76.5 165 SÍ
## 2 I2 24 2 81.2 154 NO
## 3 I3 21 1 79.3 178 SÍ
## 4 I4 22 1 59.5 165 SÍ
## 5 I5 23 1 67.3 164 NO
## 6 I6 25 2 78.6 175 NO
## 7 I7 26 2 67.9 182 NO
## 8 I8 24 2 100.2 165 SÍ
## 9 I9 21 1 97.8 178 SÍ
## 10 I10 22 2 56.4 165 SÍ
## 11 I11 23 1 65.4 158 NO
## 12 I12 25 2 67.5 183 NO
## 13 I13 26 2 87.4 184 SÍ
## 14 I14 24 2 99.7 164 SÍ
## 15 I15 22 1 87.6 189 SÍ
## 16 I16 21 1 93.4 167 SÍ
## 17 I17 25 1 65.4 182 NO
## 18 I18 26 2 73.7 179 NO
## 19 I19 24 2 85.1 165 SÍ
## 20 I20 21 2 61.2 158 SÍ
## 21 I21 25 1 54.8 183 SÍ
## 22 I22 27 2 103.4 184 NO
## 23 I23 26 1 65.8 189 SÍ
## 24 I24 22 1 71.7 166 NO
## 25 I25 29 2 85.0 175 SÍ- Seleccionad los registros con edad > 22.
Trat_Pulmon_22 <- Trat_Pulmon[Trat_Pulmon$Edad > 22, ]
Trat_Pulmon_22## Identificador Edad Sexo Peso Alt Fuma
## 1 I1 23 1 76.5 165 SÍ
## 2 I2 24 2 81.2 154 NO
## 5 I5 23 1 67.3 164 NO
## 6 I6 25 2 78.6 175 NO
## 7 I7 26 2 67.9 182 NO
## 8 I8 24 2 100.2 165 SÍ
## 11 I11 23 1 65.4 158 NO
## 12 I12 25 2 67.5 183 NO
## 13 I13 26 2 87.4 184 SÍ
## 14 I14 24 2 99.7 164 SÍ
## 17 I17 25 1 65.4 182 NO
## 18 I18 26 2 73.7 179 NO
## 19 I19 24 2 85.1 165 SÍ
## 21 I21 25 1 54.8 183 SÍ
## 22 I22 27 2 103.4 184 NO
## 23 I23 26 1 65.8 189 SÍ
## 25 I25 29 2 85.0 175 SÍ- Seleccionad el elemento 3 de la columna 4 del conjunto de datos (contando el identificador).
elemento <- Trat_Pulmon[3,4]
elemento## [1] 79.3- Usad el comando subset() para seleccionar todas las filas que tienen una edad menor que 27 años y sin incluir la columna Alt.
Trat_Pulmon_27 <- subset(Trat_Pulmon, Edad < 27, select = c(-Alt))
Trat_Pulmon_27## Identificador Edad Sexo Peso Fuma
## 1 I1 23 1 76.5 SÍ
## 2 I2 24 2 81.2 NO
## 3 I3 21 1 79.3 SÍ
## 4 I4 22 1 59.5 SÍ
## 5 I5 23 1 67.3 NO
## 6 I6 25 2 78.6 NO
## 7 I7 26 2 67.9 NO
## 8 I8 24 2 100.2 SÍ
## 9 I9 21 1 97.8 SÍ
## 10 I10 22 2 56.4 SÍ
## 11 I11 23 1 65.4 NO
## 12 I12 25 2 67.5 NO
## 13 I13 26 2 87.4 SÍ
## 14 I14 24 2 99.7 SÍ
## 15 I15 22 1 87.6 SÍ
## 16 I16 21 1 93.4 SÍ
## 17 I17 25 1 65.4 NO
## 18 I18 26 2 73.7 NO
## 19 I19 24 2 85.1 SÍ
## 20 I20 21 2 61.2 SÍ
## 21 I21 25 1 54.8 SÍ
## 23 I23 26 1 65.8 SÍ
## 24 I24 22 1 71.7 NOEjercicio 8:
Incorporad el dataset ChickWeight que contiene información sobre el peso de 578 pollitos en gramos (weight), el tiempo desde la medición al nacer (Time), una variable identificadora de cada pollito (Chick) a partir del rango de peso y una variable factor con el tipo de dieta experimental que cada pollito recibió (Diet).
- Incorporad el conjunto de datos ChickWeight del paquete datasets a vuestro entorno de trabajo.
library(datasets)
data("ChickWeight")- Generad un gráfico de dispersión de la variable weight.
plot(ChickWeight$weight, main = "Gráfico de dispersión del peso")
- Cread un diagrama de caja con la variable Time.
boxplot(ChickWeight$Time, main = "Boxplot de días hasta medición", ylab = "Days")
Ejercicio 9:
A partir del conjunto de datos anorexia del paquete MASS, cread otro
data frame que se llame anorexia_treat_df formado por Treat y por un
vector nuevo calculado a partir de la diferencia Prewt-Postwt. De esta
manera, nos quedará un data frame que contenga el tipo de tratamiento y
el valor del peso ganado o perdido después de haber realizado el
tratamiento.
Seleccionad aquellos individuos que han ganado peso después del
tratamiento y cread un nuevo conjunto llamado anorexia_treat_C_df que
contenga solo los datos de aquellos que han seguido el tratamiento
«Cont» y que han ganado peso después del tratamiento.
# Creo el df y cambio el nombre de las columnas
anorexia_dif_peso <- data.frame(anorexia$Treat, anorexia$Postwt - anorexia$Prewt )
colnames(anorexia_dif_peso)[1] <- "Treat"
colnames(anorexia_dif_peso)[2] <- "Prewt-Postwt"
head(anorexia_dif_peso)## Treat Prewt-Postwt
## 1 Contr -0.5
## 2 Contr -9.3
## 3 Contr -5.4
## 4 Contr 12.3
## 5 Contr -2.0
## 6 Contr -10.2# Los que han ganado peso:
anorexia_treat_C_df <- subset(anorexia_dif_peso, anorexia_dif_peso$`Prewt-Postwt` > 0 & anorexia_dif_peso$Treat == "Contr")
head(anorexia_treat_C_df)## Treat Prewt-Postwt
## 4 Contr 12.3
## 8 Contr 11.6
## 10 Contr 6.2
## 13 Contr 8.3
## 14 Contr 3.3
## 15 Contr 11.3Caso práctico
Resolved los siguientes apartados:
- Cread un conjunto de datos inventado con R. Debe contener treinta observaciones (quince para hombres y quince para mujeres) para seis variables.
set.seed(27)
Id <- as.character(trunc(runif(n = 30, min = 90000, max = 99999)))
Edad <- trunc(runif(n = 30, min = 18, max = 35))
genero <- c(rep("mujer", 15), rep("hombre", 15))
Gene <- factor(genero,
levels = c("mujer", "hombre"),
labels = c("mujer", "hombre"))
tratamiento <- trunc(runif(n = 30, min = 1, max = 4))
Trat <- factor(tratamiento,
levels = c("1", "2", "3"),
labels = c("A", "B", "C"))
Peso <- round(runif(n = 30, min = 60, max = 120), digits = 2)
Alt <- round(runif(n = 30, min = 150, max = 190), digits = 2)
caso_df <- data.frame(Id, Edad, Gene, Trat, Peso, Alt)
head(caso_df)## Id Edad Gene Trat Peso Alt
## 1 99716 20 mujer B 68.40 155.18
## 2 90837 26 mujer B 108.89 179.54
## 3 98737 18 mujer A 62.34 176.98
## 4 93291 22 mujer B 117.58 174.31
## 5 92222 20 mujer C 100.15 165.90
## 6 94016 26 mujer C 80.13 182.79- Buscad información de vuestro conjunto de datos y de vuestras variables.
str(caso_df)## 'data.frame': 30 obs. of 6 variables:
## $ Id : chr "99716" "90837" "98737" "93291" ...
## $ Edad: num 20 26 18 22 20 26 26 28 28 24 ...
## $ Gene: Factor w/ 2 levels "mujer","hombre": 1 1 1 1 1 1 1 1 1 1 ...
## $ Trat: Factor w/ 3 levels "A","B","C": 2 2 1 2 3 3 1 2 2 2 ...
## $ Peso: num 68.4 108.9 62.3 117.6 100.2 ...
## $ Alt : num 155 180 177 174 166 ...summary(caso_df$Edad)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 18.00 20.00 26.00 24.77 28.00 33.00summary(caso_df$Peso)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 60.72 80.25 98.91 95.66 111.63 118.82summary(caso_df$Alt)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 150.7 159.7 175.5 171.5 181.2 189.8summary(caso_df$Gene)## mujer hombre
## 15 15summary(caso_df$Trat)## A B C
## 6 14 10- Cread una nueva variable a partir de alguna de las que tengamos. Por ejemplo, podéis calcular el IMC (IMC = peso (kg)/ [estatura (m)]2 e incluid la nueva variable en el conjunto de datos.
caso_df$IMC <- round((caso_df$Peso / (caso_df$Alt/100)^2), digit = 2)
head(caso_df)## Id Edad Gene Trat Peso Alt IMC
## 1 99716 20 mujer B 68.40 155.18 28.40
## 2 90837 26 mujer B 108.89 179.54 33.78
## 3 98737 18 mujer A 62.34 176.98 19.90
## 4 93291 22 mujer B 117.58 174.31 38.70
## 5 92222 20 mujer C 100.15 165.90 36.39
## 6 94016 26 mujer C 80.13 182.79 23.98- Cread dos data frames diferenciados para hombres y mujeres con dos nombres diferentes: Df_Hombres y Df_Mujeres.
Df_Hombres <- subset(caso_df, Gene == "hombre")
head(Df_Hombres)## Id Edad Gene Trat Peso Alt IMC
## 16 97862 33 hombre B 69.56 179.87 21.50
## 17 99835 26 hombre B 66.24 160.07 25.85
## 18 90906 20 hombre A 92.22 152.63 39.59
## 19 95939 18 hombre C 117.29 178.50 36.81
## 20 90460 28 hombre C 117.84 182.18 35.51
## 21 90993 19 hombre A 108.33 164.34 40.11Df_Mujeres <- subset(caso_df, Gene == "mujer")
head(Df_Mujeres)## Id Edad Gene Trat Peso Alt IMC
## 1 99716 20 mujer B 68.40 155.18 28.40
## 2 90837 26 mujer B 108.89 179.54 33.78
## 3 98737 18 mujer A 62.34 176.98 19.90
## 4 93291 22 mujer B 117.58 174.31 38.70
## 5 92222 20 mujer C 100.15 165.90 36.39
## 6 94016 26 mujer C 80.13 182.79 23.98- Combinad de nuevo los dos ficheros anteriores y cread el primero de nuevo con el comando rbind().
nuevo_caso_df <- rbind(Df_Mujeres, Df_Hombres)
head(nuevo_caso_df)## Id Edad Gene Trat Peso Alt IMC
## 1 99716 20 mujer B 68.40 155.18 28.40
## 2 90837 26 mujer B 108.89 179.54 33.78
## 3 98737 18 mujer A 62.34 176.98 19.90
## 4 93291 22 mujer B 117.58 174.31 38.70
## 5 92222 20 mujer C 100.15 165.90 36.39
## 6 94016 26 mujer C 80.13 182.79 23.98