Trabajo sobre Data Frames
AUTORES Nieto Tipan Stalin Andres, Molina Atiaga Tifanny Briceth, Quintana Chamba Maria Luisa
Fecha: 2025-12-13
.
———————————————————————————-
Introducción
En este documento se desarrolla ejercicios referentes al manejo de data frames. Se crean diferentes objetos en R, tales como data frames y listas, y se realizan operaciones las cuales estaran basados en lo el ejercicio nos pida realizar.
A continuación se presenta todo el proceso paso a paso.
———————————————————————————-
Ejercicio 1
La tabla presenta la altura, en metros, de los arboles que se encuentran en 4 áreas de terreno.
Planteamiento de problema
Se dispone de una tabla que presenta las alturas, medidas en metros, de los árboles muestreados en cuatro áreas de terreno distintas (Área 1, Área 2, Área 3 y Área 4). El objetivo es utilizar las capacidades de programación y análisis de datos de R para realizar una serie de manipulaciones y cálculos estadísticos sobre estos datos de altura.
———————————————————————————-
Solución
Codigo en R:
—– a) Crear vectores numéricos —–
area1 <- c(7.5, 12, 14.5)
area2 <- c(12.5, 10.5, 13, 9, 18.5)
area3 <- c(11, 8, 7.5, 9.5, 19, 14)
area4 <- c(12.5, 16, 9.5, 10)Imprimimos para verificar
print("Área 1:")## [1] "Área 1:"print(area1)## [1] 7.5 12.0 14.5print("Área 2:")## [1] "Área 2:"print(area2)## [1] 12.5 10.5 13.0 9.0 18.5print("Área 3:")## [1] "Área 3:"print(area3)## [1] 11.0 8.0 7.5 9.5 19.0 14.0print("Área 4:")## [1] "Área 4:"print(area4)## [1] 12.5 16.0 9.5 10.0—– b) Agrupar en una lista —–
lista_areas <- list(area1 = area1, area2 = area2, area3 = area3, area4 = area4)
print("Lista de Áreas:")## [1] "Lista de Áreas:"print(lista_areas)## $area1
## [1] 7.5 12.0 14.5
##
## $area2
## [1] 12.5 10.5 13.0 9.0 18.5
##
## $area3
## [1] 11.0 8.0 7.5 9.5 19.0 14.0
##
## $area4
## [1] 12.5 16.0 9.5 10.0—– c) ¿El primer árbol es mayor que el último? —–
resultado_c <- sapply(lista_areas, function(x) x[1] > x[length(x)])
print("c) Primer árbol > Último árbol:")## [1] "c) Primer árbol > Último árbol:"print(resultado_c)## area1 area2 area3 area4
## FALSE FALSE FALSE TRUEResultado esperado:
- area1 FALSE
- area2 FALSE
- area3 FALSE
- area4 TRUE
—– d) Logaritmo decimal del 3er árbol del área 3 —–
log_area3_3ro <- log10(area3[3])
print("d) log10 de 3er árbol en área 3:")## [1] "d) log10 de 3er árbol en área 3:"print(log_area3_3ro)## [1] 0.8750613—– e) Suma de las alturas de los 3 primeros árboles del área 4 —–
suma_area4_3 <- sum(area4[1:3])
print("e) Suma de los 3 primeros árboles del área 4:")## [1] "e) Suma de los 3 primeros árboles del área 4:"print(suma_area4_3)## [1] 38—– f) Altura media de los árboles del área 1 —–
media_area1 <- mean(area1)
print("f) Altura media del área 1:")## [1] "f) Altura media del área 1:"print(media_area1)## [1] 11.33333———————————————————————————-
Ejercicio 2
La tabla recopila información de 5 pacientes (sexo, presión arterial y pulsos por minuto), atendidos en un hospital.
Planteamiento de problema
El ejercicio requiere la creación, manipulación y análisis elemental de un pequeño conjunto de datos médicos que contiene el sexo, la presión arterial y el pulso por minuto de cinco pacientes. El objetivo principal es demostrar la habilidad para estructurar correctamente estos datos en un dataframe, acceder a filas y columnas específicas mediante indexación, realizar comparaciones lógicas entre valores condicionales, calcular la media para un subconjunto de datos (hombres) y aplicar una función matemática básica (raíz cuadrada) a un dato individual, cubriendo así las operaciones fundamentales de gestión de datos en R.
———————————————————————————-
Solución
Codigo en R:
—-(a) y (b) Creación del dataset—-
datos <- data.frame(
Sexo = c("Hombre", "Mujer", "Hombre", "Hombre", "Mujer"),
Presion = c(119, 99, 102, 78, 78),
Pulso = c(59, 89, 107, 76, 91)
)—- (c) Visualizar valores para el 1er y 4to individuo —-
datos[c(1, 4), ]## Sexo Presion Pulso
## 1 Hombre 119 59
## 4 Hombre 78 76—- (d) Determinar si la primera mujer (2) tiene mayor presión que la segunda mujer (5) —-
datos$Presion[2] > datos$Presion[5]## [1] TRUE—- (e) Media del pulso de los hombres —-
mean(datos$Pulso[datos$Sexo == "Hombre"])## [1] 80.66667—- (f) Raíz cuadrada de la presión del cuarto paciente —-
sqrt(datos$Presion[4])## [1] 8.831761———————————————————————————-
Ejercicio 3
Ejercicio Integral con el Dataset mtcars Planteamiento del Ejercicio:
Dataset: mtcars
Descripción: El conjunto de datos mtcars contiene datos sobre 32 modelos de automóviles, con variables que incluyen el consumo de combustible, el número de cilindros, la potencia, y más.
Objetivo: Responder a una serie de preguntas utilizando técnicas de manipulación de dataframes en R.
Preguntas:
Carga y Exploración Inicial
Pregunta: Carga el dataset mtcars y muestra las primeras 10 filas
Resumen del Dataset
Pregunta: ¿Cuántas observaciones y variables hay en el dataset? Muestra un resumen estadístico del dataset.
Acceso a Columnas Específicas
Pregunta: Selecciona y muestra las columnas mpg (millas por galón) y hp (caballos de fuerza).
Filtrado de Datos
Pregunta: Filtra el dataset para mostrar solo los automóviles que tienen 6 cilindros.
Estadísticas Descriptivas
Pregunta: ¿Cuál es el valor promedio de mpg para cada número de cilindros?
Añadir Nueva Columna
Pregunta: Añade una nueva columna llamada kpl que sea el equivalente en kilómetros por litro (1 milla por galón = 0.425144 km por litro)
Ordenar Datos
Pregunta: Ordena el dataset por hp en orden descendente y muestra las primeras 10 filas
Visualización de Datos
Pregunta: Crea un diagrama de dispersión de mpg vs wt (peso) coloreado por cyl
Matriz de Correlación
Pregunta: Calcula y muestra la matriz de correlación entre las variables numéricas del dataframe
Planteamiento de problema
En el ejercicio se va ha aplicar técnicas de manipulación y análisis exploratorio de dataframes en R sobre el dataset mtcars, que contiene datos sobre 32 modelos de automóviles y sus características (consumo, cilindros, potencia, etc.). El desafío se estructura en una serie de pasos secuenciales que deben resolverse con código en RStudio: primero, se debe realizar la carga y exploración inicial del dataset, mostrando sus primeras filas. Luego, se debe obtener un resumen estadístico y determinar el número de observaciones y variables. A continuación, se requiere la selección y visualización de columnas específicas (como mpg y hp). Posteriormente, se debe aplicar filtrado de datos para aislar únicamente los vehículos con 6 cilindros. Finalmente, se concluye con un análisis descriptivo calculando el promedio de millas por galón (mpg) para cada número de cilindros, demostrando la capacidad de agrupar y resumir la información dentro del dataframe.
———————————————————————————-
Solución
Codigo en R:
Cargar el dataset mtcars
data(mtcars)1) Mostrar las primeras 10 filas
head(mtcars, 10)## mpg cyl disp hp drat wt qsec vs am gear carb
## Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
## Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
## Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
## Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
## Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
## Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
## Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
## Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
## Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 42) ¿Cuántas observaciones y variables?
dim(mtcars)## [1] 32 11Resumen estadístico del dataset
summary(mtcars)## mpg cyl disp hp
## Min. :10.40 Min. :4.000 Min. : 71.1 Min. : 52.0
## 1st Qu.:15.43 1st Qu.:4.000 1st Qu.:120.8 1st Qu.: 96.5
## Median :19.20 Median :6.000 Median :196.3 Median :123.0
## Mean :20.09 Mean :6.188 Mean :230.7 Mean :146.7
## 3rd Qu.:22.80 3rd Qu.:8.000 3rd Qu.:326.0 3rd Qu.:180.0
## Max. :33.90 Max. :8.000 Max. :472.0 Max. :335.0
## drat wt qsec vs
## Min. :2.760 Min. :1.513 Min. :14.50 Min. :0.0000
## 1st Qu.:3.080 1st Qu.:2.581 1st Qu.:16.89 1st Qu.:0.0000
## Median :3.695 Median :3.325 Median :17.71 Median :0.0000
## Mean :3.597 Mean :3.217 Mean :17.85 Mean :0.4375
## 3rd Qu.:3.920 3rd Qu.:3.610 3rd Qu.:18.90 3rd Qu.:1.0000
## Max. :4.930 Max. :5.424 Max. :22.90 Max. :1.0000
## am gear carb
## Min. :0.0000 Min. :3.000 Min. :1.000
## 1st Qu.:0.0000 1st Qu.:3.000 1st Qu.:2.000
## Median :0.0000 Median :4.000 Median :2.000
## Mean :0.4062 Mean :3.688 Mean :2.812
## 3rd Qu.:1.0000 3rd Qu.:4.000 3rd Qu.:4.000
## Max. :1.0000 Max. :5.000 Max. :8.0003) Seleccionar y mostrar columnas mpg y hp
mtcars[, c("mpg", "hp")]## mpg hp
## Mazda RX4 21.0 110
## Mazda RX4 Wag 21.0 110
## Datsun 710 22.8 93
## Hornet 4 Drive 21.4 110
## Hornet Sportabout 18.7 175
## Valiant 18.1 105
## Duster 360 14.3 245
## Merc 240D 24.4 62
## Merc 230 22.8 95
## Merc 280 19.2 123
## Merc 280C 17.8 123
## Merc 450SE 16.4 180
## Merc 450SL 17.3 180
## Merc 450SLC 15.2 180
## Cadillac Fleetwood 10.4 205
## Lincoln Continental 10.4 215
## Chrysler Imperial 14.7 230
## Fiat 128 32.4 66
## Honda Civic 30.4 52
## Toyota Corolla 33.9 65
## Toyota Corona 21.5 97
## Dodge Challenger 15.5 150
## AMC Javelin 15.2 150
## Camaro Z28 13.3 245
## Pontiac Firebird 19.2 175
## Fiat X1-9 27.3 66
## Porsche 914-2 26.0 91
## Lotus Europa 30.4 113
## Ford Pantera L 15.8 264
## Ferrari Dino 19.7 175
## Maserati Bora 15.0 335
## Volvo 142E 21.4 1094) Filtrar automóviles con 6 cilindros
mtcars_6cyl <- mtcars[mtcars$cyl == 6, ]
mtcars_6cyl## mpg cyl disp hp drat wt qsec vs am gear carb
## Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
## Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
## Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
## Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
## Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
## Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 65) Valor promedio de mpg por número de cilindros
tapply(mtcars$mpg, mtcars$cyl, mean)## 4 6 8
## 26.66364 19.74286 15.100006) Añadir nueva columna kpl (kilómetros por litro)
mtcars$kpl <- mtcars$mpg * 0.425144Mostrar dataset con la nueva columna
head(mtcars)## mpg cyl disp hp drat wt qsec vs am gear carb kpl
## Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4 8.928024
## Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4 8.928024
## Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1 9.693283
## Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1 9.098082
## Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2 7.950193
## Valiant 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1 7.6951067) Ordenar por hp en orden descendente y mostrar primeras 10 filas
mtcars_order_hp <- mtcars[order(-mtcars$hp), ]
head(mtcars_order_hp, 10)## mpg cyl disp hp drat wt qsec vs am gear carb
## Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8
## Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
## Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
## Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4
## Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
## Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
## Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
## Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
## Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
## Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
## kpl
## Maserati Bora 6.377160
## Ford Pantera L 6.717275
## Duster 360 6.079559
## Camaro Z28 5.654415
## Chrysler Imperial 6.249617
## Lincoln Continental 4.421498
## Cadillac Fleetwood 4.421498
## Merc 450SE 6.972362
## Merc 450SL 7.354991
## Merc 450SLC 6.4621898) Diagrama de dispersión de mpg vs wt, coloreado por número de cilindros
library(ggplot2)
ggplot(mtcars, aes(x = wt, y = mpg, color = factor(cyl))) +
geom_point(size = 3) +
labs(x = "Peso (1000 lbs)", y = "Millas por galón",
color = "Cilindros") +
theme_minimal()
9) Matriz de correlación entre las variables numéricas
cor(mtcars)## mpg cyl disp hp drat wt
## mpg 1.0000000 -0.8521620 -0.8475514 -0.7761684 0.68117191 -0.8676594
## cyl -0.8521620 1.0000000 0.9020329 0.8324475 -0.69993811 0.7824958
## disp -0.8475514 0.9020329 1.0000000 0.7909486 -0.71021393 0.8879799
## hp -0.7761684 0.8324475 0.7909486 1.0000000 -0.44875912 0.6587479
## drat 0.6811719 -0.6999381 -0.7102139 -0.4487591 1.00000000 -0.7124406
## wt -0.8676594 0.7824958 0.8879799 0.6587479 -0.71244065 1.0000000
## qsec 0.4186840 -0.5912421 -0.4336979 -0.7082234 0.09120476 -0.1747159
## vs 0.6640389 -0.8108118 -0.7104159 -0.7230967 0.44027846 -0.5549157
## am 0.5998324 -0.5226070 -0.5912270 -0.2432043 0.71271113 -0.6924953
## gear 0.4802848 -0.4926866 -0.5555692 -0.1257043 0.69961013 -0.5832870
## carb -0.5509251 0.5269883 0.3949769 0.7498125 -0.09078980 0.4276059
## kpl 1.0000000 -0.8521620 -0.8475514 -0.7761684 0.68117191 -0.8676594
## qsec vs am gear carb kpl
## mpg 0.41868403 0.6640389 0.59983243 0.4802848 -0.55092507 1.0000000
## cyl -0.59124207 -0.8108118 -0.52260705 -0.4926866 0.52698829 -0.8521620
## disp -0.43369788 -0.7104159 -0.59122704 -0.5555692 0.39497686 -0.8475514
## hp -0.70822339 -0.7230967 -0.24320426 -0.1257043 0.74981247 -0.7761684
## drat 0.09120476 0.4402785 0.71271113 0.6996101 -0.09078980 0.6811719
## wt -0.17471588 -0.5549157 -0.69249526 -0.5832870 0.42760594 -0.8676594
## qsec 1.00000000 0.7445354 -0.22986086 -0.2126822 -0.65624923 0.4186840
## vs 0.74453544 1.0000000 0.16834512 0.2060233 -0.56960714 0.6640389
## am -0.22986086 0.1683451 1.00000000 0.7940588 0.05753435 0.5998324
## gear -0.21268223 0.2060233 0.79405876 1.0000000 0.27407284 0.4802848
## carb -0.65624923 -0.5696071 0.05753435 0.2740728 1.00000000 -0.5509251
## kpl 0.41868403 0.6640389 0.59983243 0.4802848 -0.55092507 1.0000000———————————————————————————-
CONCLUCIÓN
En el trabajo se pudo aplicar varios comandos para el manejo de data frames, esto ayuda a poder realizar de mejor manera los ejercicios.
El conjunto de ejercicios realizados sobre el dataset mtcars en R demuestra de manera integral la capacidad de manipular, explorar y resumir dataframes, lo cual es fundamental en el análisis exploratorio de datos (EDA). A través de la carga, el resumen estadístico, la selección de columnas, el filtrado condicional y la agregación de datos (cálculo de promedios por grupos), se lograron extraer información valiosa y específica del dataset. En esencia, se aplicaron las herramientas básicas pero poderosas de R para transformar datos brutos en estadísticas descriptivas accionables, permitiendo entender rápidamente la estructura del dataset, la distribución de sus variables clave (mpg, hp, cyl), y la relación entre ellas, como la eficiencia de combustible (mpg) en función del número de cilindros.