El Ciclo Básico

IMPORTAR > ORDENAR > TRANSFORMAR > VISUALIZAR > COMUNICAR

R para ciencia de Datos

Tidyverse es una colección de paquetes diseñados para la ciencia de datos. Todos los paquetes comparten:

• Filosofía de diseño

• Gramática

• Estructuras de datos subyacentes

Para instalar el tidyverse completo:

install.packages("tidyverse")

library(tidyverse)

Pipes

Las funciones de Tidyverse pueden encadenarse a través del operador pipe (tubo), ya sea el del paquete magrittr (%>%) o el del paquete base de R (|>). Los procesos se enlazan con pipes para formar pipelines (tuberías).

mpg |> select(manufacturer)

Paquete sf (Simple Features)

Durante años, el paquete estándar en R fue sp.

Potente, pero complejo: trataba los datos espaciales como objetos extraños y difíciles de manipular.

El paquete sf (Edzer Pebesma) cambió las reglas del juego al adoptar la filosofía tidy.

Claves

• Dataframes como base: En sf, un mapa es simplemente un dataframe (una tabla).

• La columna geometry: Es una “columna lista” especial (generalmente llamada geometry) que contiene las coordenadas.

• Compatibilidad total: Como es un dataframe, puedes usar todos los verbos de dplyr (select, filter, mutate, group_by) directamente sobre tus mapas.

Clave: “Los datos espaciales no son especiales; son solo datos con atributos geométricos”.

El Ecosistema Tidy Espacial

La filosofía tidy no viene sola; trae consigo una familia de herramientas diseñadas para trabajar en armonía:

Ventajas de la filosofía “Tidy” en lo espacial

1. Legibilidad: El código se lee como una oración.

   • Antes: Tenías que extraer coordenadas, unir tablas con IDs complejos y luego plotear.

   • Ahora: leer_datos() |> filtrar(region == "X") |> calcular_area() |> plotear()

2. Manipulación de atributos: Puedes hacer joins espaciales (unir datos por posición) con la misma facilidad que un left_join normal.

3. Consistencia: No tienes que aprender una sintaxis para tus datos estadísticos y otra diferente para tus datos geográficos.

Ejemplo

Se necesita filtrar un mapa de ciudades para dejar solo las grandes y luego dibujarlas.

Sin filosofía Tidy (Estilo antiguo/base):

# Requería indexación compleja y gestión de objetos S4 
ciudades_grandes <- ciudades[ciudades$poblacion > 100000, ] 
plot(ciudades_grandes) 

Con filosofía Tidy (sf + dplyr + ggplot2):

ciudades %>%   
filter(poblacion > 100000) %>%   
ggplot()

El futuro: La evolución continúa

Actualmente, el ecosistema está madurando hacia el manejo de Big Data espacial (usando paquetes como arrow junto con sf) y la integración fluida con bases de datos espaciales (PostGIS) sin salir del entorno de RStudio.

CSV

#archivo local
datos <- read_csv("data/students.txt")

#desde una URL
datos <- read_csv("https://pos.it/r4ds-students-csv")

datos <- read_csv("data/students.txt", na = c("N/A", ""))

Escritura

write_csv(datos, "/data/datos-1.csv")

Paso 1: Cargar las librerías necesarias

Necesitas tres paquetes:

1. geodata: Para descargar los mapas de GADM.

2. sf: Para convertir el mapa a formato tidy (Simple Features).

3. tidyverse: Para manipular los datos (dplyr, ggplot2).

library(geodata)   # Descarga de datos 
library(sf)        # Manejo espacial tidy 
library(tidyverse) # Manipulación y gráficos 
library(tidyterra) # Métodos y gráficos para objetos 'terra'

Paso 2: Descargar datos con gadm()

El proyecto gadm.org se encarga de organizar y distribuir los esfuerzos para mantener una base de datos actualizada y completa de archivos digitales vectoriales de los límites internacionales y político administrativos:

La función gadm() descarga los límites. Sus argumentos clave son:

• country: El código ISO del país (ej. “ESP” para España, “CHL” para Chile, “ARG” para Argentina).

• level: El nivel de detalle administrativo.

  • 0: Límite país.

  • 1: Estados/Regiones/Comunidades Autónomas.

  • 2: Provincias/Municipios (depende del país).

  • 3: Distrito/Comuna (depende del país).

  • 4: Canton (ej. Francia).

  • 5: Commune (ej. Francia).

• path: Carpeta donde se guardarán los archivos (para no descargarlos cada vez).

Un paquete muy potente y útil es rvest para facilitar la descarga y luego manipulación de HTML y XML

Códigos Iso

library(rvest)

html = read_html('https://www.iban.com/country-codes')
isos = html |> 
  html_elements("tr") |> 
  html_elements("td") |> 
  html_text() |>
  matrix(ncol = 4, byrow = TRUE) |>
  as_tibble()

Paso 3: El Puente a Tidy (st_as_sf)

Aquí ocurre la magia. Transformamos el objeto opaco de terra en un objeto sf (que es un dataframe con geometría).

# Convertimos a Simple Feature (sf) 
mapa_tidy <- st_as_sf(mapa_crudo)  
# Podemos ver que es una tabla 
glimpse(mapa_tidy) 

Rows: 24
Columns: 12
$ GID_1     <chr> "ARG.1_1", "ARG.2_1", "ARG.3_1", "ARG.4_1", "ARG.5_1", "ARG.…
$ GID_0     <chr> "ARG", "ARG", "ARG", "ARG", "ARG", "ARG", "ARG", "ARG", "ARG…
$ COUNTRY   <chr> "Argentina", "Argentina", "Argentina", "Argentina", "Argenti…
$ NAME_1    <chr> "Buenos Aires", "Catamarca", "Chaco", "Chubut", "Ciudad de B…
$ VARNAME_1 <chr> "Baires|Buenos Ayres", NA, "El Chaco|Presidente Juan Peron",…
$ NL_NAME_1 <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, …
$ TYPE_1    <chr> "Provincia", "Provincia", "Provincia", "Provincia", "Distrit…
$ ENGTYPE_1 <chr> "Province", "Province", "Province", "Province", "Federal Dis…
$ CC_1      <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, …
$ HASC_1    <chr> "AR.BA", "AR.CT", "AR.CC", "AR.CH", "AR.DF", "AR.CB", "AR.CN…
$ ISO_1     <chr> "AR-B", "AR-K", "AR-H", "AR-U", NA, NA, "AR-W", NA, "AR-P", …
$ geometry  <GEOMETRY [°]> MULTIPOLYGON (((-62.10181 -..., POLYGON ((-65.14583…

¿Por qué convertir?

Los datos de geodata (GADM) vienen por defecto en un sistema geográfico (WGS84).

• Unidades: Grados decimales (Latitud/Longitud).
• Forma: Esferoide (el mundo curvo).
• Problema: No puedes medir distancias planas (metros) ni áreas con precisión (ni facilidad!) en una esfera deformada.

Necesitamos aplanar el mapa proyectándolo a un sistema métrico (como UTM o proyecciones nacionales).

Código: EPSG y st_transform()

En el mundo sf, usamos códigos EPSG (un número corto que identifica la proyección) y la función st_transform().

• EPSG:4326: WGS84 (El estándar mundial de GPS/GADM). Unidad: Grados.
• EPSG:3857: Pseudo-Mercator (Google Maps). Unidad: Metros (pero distorsiona áreas).
• EPSG Locales: Depende del país (ej. ETRS89 para España, MAGNA para Colombia, SIRGAS para Chile). Unidad: Metros (alta precisión).

Preparemos nuestros datos para cálculos geométricos.

PASO 1. Recuperamos los datos y consultamos su “ADN” espacial. (st_crs)

#Conversión a Tidy (sf)
mapa_sf <- st_as_sf(mapa_crudo)

#Diagnóstico: ¿En qué sistema estamos?
st_crs(mapa_sf)$input

[1] "WGS 84"

# Debería decir "WGS 84" o algo similar.
# Nota importante: Si miras el dataframe, la columna 'geometry' muestra números como -77.7, -6.9 (Grados).

PASO 2. La Transformación (st_transform)

Supongamos que queremos calcular áreas en metros cuadrados. Necesitamos pasar a una proyección por ej. UTM.

Aquí es donde brilla el estilo tidy: la transformación es solo un paso más en la cadena.

mapa_metros <- mapa_sf |>
  # Seleccionamos columnas de interés para limpiar
  select(nombre = NAME_1) |>
  # TRANSFORMACIÓN: Aquí ocurre la magia
  st_transform(crs = 32717) 

# Verificamos el cambio
glimpse(mapa_metros)

Rows: 24
Columns: 2
$ nombre   <chr> "Buenos Aires", "Catamarca", "Chaco", "Chubut", "Ciudad de Bu…
$ geometry <GEOMETRY [m]> MULTIPOLYGON (((2104164 533..., POLYGON ((2059871 67…

# Mira la columna 'geometry': ¡Ahora los números son gigantes! 
# (ej. 2059871 6723807). Son metros, no grados.

Una vez que tienes mapa en tidy, olvida que estás trabajando con mapas complejos. Piensa que es un Excel.

Escritura

st_write(mapa_metros, "data/mapa_metros.shp", append = FALSE)

Deleting layer `mapa_metros' using driver `ESRI Shapefile'
Writing layer `mapa_metros' to data source 
  `data/mapa_metros.shp' using driver `ESRI Shapefile'
Writing 24 features with 1 fields and geometry type Unknown (any).

Necesitamos cargar elevatr para descargar el DEM (Modelo Digital de Elevación) y terra para procesarlo.

library(elevatr)
library(terra)

La fuente de datos para elevación, se encuentran detalladas en:

Fuente de Datos

El Flujo Tidy: Descarga y Procesamiento

Vamos a encadenar las operaciones. Nota cómo usamos rast() inmediatamente después de descargar para convertir el objeto al formato moderno de terra.

NOTA: usamos el objeto proyectado!!

# z = zoom (1 a 14). Un z=6 es ligero y bueno para ejemplos nacionales.
mapa_dtm = get_elev_raster(locations = mapa_metros, 
                           z = 6, 
                           src = "aws", 
                           clip = "locations", 
                           tmp_dir = tempdir(), 
                           ncpu = ifelse(future::availableCores() > 2, 2, 1)) |>
  rast()

Transformación de un objeto ráster:

mapa_geo <- mapa_dtm |>
  project("+proj=longlat +datum=WGS84")

plot(mapa_geo)

Escritura

writeRaster(mapa_geo, "data/mapa_geo.tif", overwrite = T, NAflag=255)