En R, las operaciones aritméticas y lógicas son vectorizadas, lo que significa que se aplican automáticamente elemento por elemento sin necesidad de usar bucles (for).

v <- c(2, 4, 6)
v * 2   # Multiplica cada elemento por 2

## [1]  4  8 12

v^2     # Eleva cada elemento al cuadrado

## [1]  4 16 36

v + 10  # Suma 10 a cada elemento

## [1] 12 14 16

##1.3 Acceso e Indexación en Vectores ### Para acceder a posiciones específicas de un vector se utilizan corchetes simples [].

###¡Atención! En R los índices comienzan en 1, no en 0.

frutas <- c("manzana", "banana", "naranja", "pera")

# Acceder al primer elemento
frutas[1]

## [1] "manzana"

# Acceder a múltiples elementos mediante un vector de posiciones
frutas[c(1, 3)]

## [1] "manzana" "naranja"

# Excluir un elemento mediante el signo negativo (-)
frutas[-2] # Muestra todas excepto la posición 2

## [1] "manzana" "naranja" "pera"

# Filtrado por condición lógica
numeros <- c(10, 25, 30, 45, 50)
numeros[numeros > 25]

## [1] 30 45 50

En análisis matemático y algebraico es común requerir matrices específicas:

# Matriz Identidad de orden 3 (3x3 con 1s en la diagonal y 0s en el resto)
matriz_identidad <- diag(5)
print(matriz_identidad)

##      [,1] [,2] [,3] [,4] [,5]
## [1,]    1    0    0    0    0
## [2,]    0    1    0    0    0
## [3,]    0    0    1    0    0
## [4,]    0    0    0    1    0
## [5,]    0    0    0    0    1

El acceso a matrices se realiza mediante la sintaxis matriz[fila, columna].

# Acceder a la celda en fila 2, columna 3
mi_matriz[2, 3]

## [1] 7

# Extraer una fila completa (se deja libre el espacio de columna)
mi_matriz[2, ]

## [1] 5 6 7 8

Es altamente recomendado asignar nombres a los elementos de una lista para facilitar su acceso.

# Creación de componentes
hijos <- c("Hugo", "Petra")
edades_hijos <- c(8, 6)
presupuesto <- matrix(c(500, 600, 450, 700), nrow = 2)
colnames(presupuesto) <- c("Enero", "Febrero")

# Lista anidada secundaria
mascota_info <- list(tipo = c("Perro", "Gato"), nombre = c("Fido", "Figaro"), edad = 3)

# Lista principal heterogénea
familia <- list(
  integrantes = hijos,        # Vector de caracteres
  edades      = edades_hijos, # Vector numérico
  gastos      = presupuesto,  # Matriz
  mascota     = mascota_info  # Lista anidada
)

print(familia)

## $integrantes
## [1] "Hugo"  "Petra"
## 
## $edades
## [1] 8 6
## 
## $gastos
##      Enero Febrero
## [1,]   500     450
## [2,]   600     700
## 
## $mascota
## $mascota$tipo
## [1] "Perro" "Gato" 
## 
## $mascota$nombre
## [1] "Fido"   "Figaro"
## 
## $mascota$edad
## [1] 3

Para acceder a un valor dentro de un objeto guardado dentro de una lista, encadenamos los operadores de acceso:

# Acceder al segundo nombre del vector 'integrantes' dentro de 'familia'
familia$integrantes[2]

## [1] "Petra"

# Acceder al valor de la fila 1, columna 2 de la matriz 'gastos' dentro de 'familia'
familia$gastos[1, 2]

## Febrero 
##     450

# Acceder al nombre de la segunda mascota dentro de la lista anidada 'mascota'
familia$mascota$nombre[2]

## [1] "Figaro"

##3.4 Modificación, Adición y Eliminación en Listas . Las listas permiten operaciones complejas de mantenimiento y actualización de datos.

A) Modificar un valor específico dentro de una lista

# Cambiar la edad del primer hijo a 9 años
familia$edades[1] <- 9

# Modificar un valor aplicando un cálculo (ej. incrementar en 20% el gasto de Enero fila 1)
familia$gastos[1, "Enero"] <- familia$gastos[1, "Enero"] * 1.20

print(familia$edades)

## [1] 9 6

print(familia$gastos)

##      Enero Febrero
## [1,]   600     450
## [2,]   600     700

B) Añadir nuevos elementos a una lista Para agregar una nueva variable o componente a una lista existente, simplemente la asignamos usando $ o [[]]

# Agregar un vector con las ciudades de residencia
familia$ciudad <- "San Salvador"

# Agregar un nuevo vector
familia$vehiculos <- c("Sedán", "Pick-up")

print(familia$vehiculos)

## [1] "Sedán"   "Pick-up"

D) Eliminar elementos de una lista Para borrar un elemento de una lista, se le asigna el valor especial NULL:

# Eliminar el elemento 'ciudad'
familia$ciudad <- NULL

# Verificar que ya no existe
names(familia)

## [1] "integrantes" "edades"      "gastos"      "mascota"     "autos"

4.1 Creación de Data Frames

Los Data Frames se crean combinando vectores mediante la función data.frame().

# Crear un data frame con datos de empleados
empleados <- data.frame(
  id = 1:4,
  nombre = c("Ana", "Luis", "Pedro", "Elena"),
  edad = c(25, 30, 28, 35),
  salario = c(1200.50, 1500.00, 1350.75, 1800.00),
  activo = c(TRUE, TRUE, FALSE, TRUE)
)

print(empleados)

##   id nombre edad salario activo
## 1  1    Ana   25 1200.50   TRUE
## 2  2   Luis   30 1500.00   TRUE
## 3  3  Pedro   28 1350.75  FALSE
## 4  4  Elena   35 1800.00   TRUE

Al ser bidimensionales y tener nombres en sus columnas, combinan las técnicas de acceso de las matrices ([fila, columna]) y de las listas ($ / [[]]).

# Acceso por coordenadas [fila, columna]
empleados[2, 3]          # Fila 2, columna 3 (Edad de Luis: 30)

## [1] 30

empleados[1, ]           # Toda la fila 1 (Registro completo de Ana)

##   id nombre edad salario activo
## 1  1    Ana   25  1200.5   TRUE

empleados[, "salario"]   # Toda la columna salario como vector

## [1] 1200.50 1500.00 1350.75 1800.00

# Acceso por nombre de columna (estilo lista)
empleados$nombre         # Extrae la columna 'nombre' como vector

## [1] "Ana"   "Luis"  "Pedro" "Elena"

empleados[["salario"]]   # Mismo resultado usando dobles corchetes

## [1] 1200.50 1500.00 1350.75 1800.00

# Filtrado de observaciones (filas) mediante condiciones lógicas
empleados[empleados$salario > 1300, ]

##   id nombre edad salario activo
## 2  2   Luis   30 1500.00   TRUE
## 3  3  Pedro   28 1350.75  FALSE
## 4  4  Elena   35 1800.00   TRUE

empleados[empleados$activo == TRUE & empleados$edad < 30, ]

##   id nombre edad salario activo
## 1  1    Ana   25  1200.5   TRUE

Podemos actualizar celdas, agregar/eliminar variables (columnas) o registrar nuevos elementos (filas).

# A) Modificar valores de celdas específicas
empleados[3, "salario"] <- 1400.00  # Actualizar salario de Pedro
empleados$salario <- empleados$salario * 1.05 # Incremento general del 5% al salario

# B) Agregar una nueva columna
empleados$departamento <- c("Ventas", "TI", "TI", "Finanzas")

# C) Agregar una nueva fila con rbind()
nueva_empleada <- data.frame(
  id = 5,
  nombre = "Sofía",
  edad = 29,
  salario = 1600.00,
  activo = TRUE,
  departamento = "Ventas"
)
empleados <- rbind(empleados, nueva_empleada)

# D) Eliminar una columna (asignando NULL)
empleados$activo <- NULL

print(empleados)

##   id nombre edad  salario departamento
## 1  1    Ana   25 1260.525       Ventas
## 2  2   Luis   30 1575.000           TI
## 3  3  Pedro   28 1470.000           TI
## 4  4  Elena   35 1890.000     Finanzas
## 5  5  Sofía   29 1600.000       Ventas

En la práctica profesional, antes de manipular un conjunto de datos se utilizan funciones de exploración rápida:

# Dimensiones (filas y columnas)
dim(empleados)

## [1] 5 5

nrow(empleados) # Número de filas

## [1] 5

ncol(empleados) # Número de columnas

## [1] 5

# Estructura de las variables (tipos de datos)
str(empleados)

## 'data.frame':    5 obs. of  5 variables:
##  $ id          : num  1 2 3 4 5
##  $ nombre      : chr  "Ana" "Luis" "Pedro" "Elena" ...
##  $ edad        : num  25 30 28 35 29
##  $ salario     : num  1261 1575 1470 1890 1600
##  $ departamento: chr  "Ventas" "TI" "TI" "Finanzas" ...

# Resumen estadístico descriptivo
summary(empleados)

##        id       nombre               edad         salario    
##  Min.   :1   Length:5           Min.   :25.0   Min.   :1261  
##  1st Qu.:2   Class :character   1st Qu.:28.0   1st Qu.:1470  
##  Median :3   Mode  :character   Median :29.0   Median :1575  
##  Mean   :3                      Mean   :29.4   Mean   :1559  
##  3rd Qu.:4                      3rd Qu.:30.0   3rd Qu.:1600  
##  Max.   :5                      Max.   :35.0   Max.   :1890  
##  departamento      
##  Length:5          
##  Class :character  
##  Mode  :character  
##                    
##                    
## 

# Primeras y últimas filas
head(empleados, 2)

##   id nombre edad  salario departamento
## 1  1    Ana   25 1260.525       Ventas
## 2  2   Luis   30 1575.000           TI

tail(empleados, 2)

##   id nombre edad salario departamento
## 4  4  Elena   35    1890     Finanzas
## 5  5  Sofía   29    1600       Ventas