A22: Ejercicios de manejo de estructuras de datos básicas en R.

Ejercicio 1

  1. Crea una lista llamada acciones que contenga la siguiente información en vectores: apple : 120, 125, 130; google: 1800, 1850, 1900 y amazon = 3200, 3300, 3400. Estos vectores representan los precios de cierre de las acciones de estas empresas en tres días consecutivos. Asigna nombres a los elementos de la lista según el nombre de la empresa.
amazon <- c(3200, 3300, 3400)
aple <- c(120, 125, 130)
google <- c(1800, 1850, 1900)

acciones<- list(
  apple = aple,
  google = google,
  amazon = amazon
)

acciones
## $apple
## [1] 120 125 130
## 
## $google
## [1] 1800 1850 1900
## 
## $amazon
## [1] 3200 3300 3400
  1. Añade un nuevo elemento a la lista de acciones que sea un vector con los precios de cierre de las acciones de Microsoft en los mismos tres días: Microsoft: 210, 215,
acciones$Microsoft <- c(210, 215, 220)
acciones
## $apple
## [1] 120 125 130
## 
## $google
## [1] 1800 1850 1900
## 
## $amazon
## [1] 3200 3300 3400
## 
## $Microsoft
## [1] 210 215 220
  1. Extrae el segundo elemento del vector google que está dentro de la lista acciones
acciones$google[2]
## [1] 1850

Ejercicio 2

Ejercicio 2 1. Crea una nueva lista llamada indicadores que contenga los siguientes objetos: pib = 30000, inflación = c(2.5, 3.0, 3.5), desempleo = matrix(c(5.0, 5.5, 6.0, 4.5, 4.0, 3.5), nrow = 2) y deuda = list(pública = 60, privada = 40). Estos objetos representan el producto interno bruto (PIB), la inflación, el desempleo y la deuda de un país en millones de dólares. Muestra el contenido de la lista.

indicadores <- list( pib =
30000, inflación = c(2.5, 3.0, 3.5), desempleo = matrix(c(5.0, 5.5, 6.0, 4.5, 4.0, 3.5),
nrow = 2), deuda = list(publica = 60, privada = 40))

indicadores
## $pib
## [1] 30000
## 
## $inflación
## [1] 2.5 3.0 3.5
## 
## $desempleo
##      [,1] [,2] [,3]
## [1,]  5.0  6.0  4.0
## [2,]  5.5  4.5  3.5
## 
## $deuda
## $deuda$publica
## [1] 60
## 
## $deuda$privada
## [1] 40
  1. Calcula el promedio de los elementos del tercer elemento de la lista indicadores
mean(indicadores$desempleo)
## [1] 4.75
  1. A través de los comandos apropiados modifica el valor de la deuda pública en un 20% adicional al que ya tiene.
indicadores$deuda$publica <- indicadores$deuda$publica * 1.20

indicadores$deuda$publica
## [1] 72

Ejercicio 3

  1. Crea una lista llamada estudiantes que contenga los siguientes objetos: nombre = c(“Ana”, “Luis”, “Pedro”), edad = c(18, 19, 20) y notas = list(matematicas = c(8, 7, 9), historia = c(6, 8, 7), ingles = c(9, 10, 8)). Estos objetos representan el nombre, la edad y las notas de tres estudiantes en tres asignaturas.
estudiantes <- list(nombre =
c("Ana", "Luis", "Pedro"), edad = c(18, 19, 20), notas = list(matematicas = c(8, 7, 9),
historia = c(6, 8, 7), ingles = c(9, 10, 8)))
estudiantes
## $nombre
## [1] "Ana"   "Luis"  "Pedro"
## 
## $edad
## [1] 18 19 20
## 
## $notas
## $notas$matematicas
## [1] 8 7 9
## 
## $notas$historia
## [1] 6 8 7
## 
## $notas$ingles
## [1]  9 10  8
  1. Modifica el nombre del primer estudiante por “Elena”.
estudiantes$nombre[1] <- "Elena"
estudiantes$nombre[1] 
## [1] "Elena"
  1. Añade un nuevo elemento a la lista estudiantes que sea un vector con los géneros de los estudiantes: genero = c(“F”, “M”, “NB”)
estudiantes$genero <-  c("F", "M", "NB")

estudiantes
## $nombre
## [1] "Elena" "Luis"  "Pedro"
## 
## $edad
## [1] 18 19 20
## 
## $notas
## $notas$matematicas
## [1] 8 7 9
## 
## $notas$historia
## [1] 6 8 7
## 
## $notas$ingles
## [1]  9 10  8
## 
## 
## $genero
## [1] "F"  "M"  "NB"
  1. Cambia la nota de inglés del tercer estudiante por un 9.
estudiantes$notas$ingles[3] <- 9

estudiantes$notas$ingles
## [1]  9 10  9

Ejercicio 4

  1. Crea un Data Frame llamado ventas_tiendas que contenga una matriz de datos de 5 por 5 donde las filas representan 5 tiendas distintas, ventas_tiendas <- data.frame( dia_1 = c(12, 10, 22, 16, 30), dia_2 = c(15, 11, 24, 17, 32), dia_3 = c(14, 13, 21, 19, 31), dia_4 = c(18, 12, 25, 20, 35), dia_5 = c(20, 15, 23, 18, 33), row.names = c(“Tienda A”, “Tienda B”, “Tienda C”, “Tienda D”, “Tienda E”) )
ventas_tiendas <- data.frame(dia_1 = c(12, 10, 22, 16, 30), dia_2 = c(15, 11, 24, 17, 32), dia_3 = c(14, 13, 21, 19, 31),dia_4 = c(18, 12, 25, 20, 35), dia_5 = c(20, 15, 23, 18, 33), row.names = c("Tienda A","Tienda B", "Tienda C", "Tienda D", "Tienda E"))

ventas_tiendas
##          dia_1 dia_2 dia_3 dia_4 dia_5
## Tienda A    12    15    14    18    20
## Tienda B    10    11    13    12    15
## Tienda C    22    24    21    25    23
## Tienda D    16    17    19    20    18
## Tienda E    30    32    31    35    33
  1. Muestra en pantalla el valor ubicado en la fila 3, columna 4 (las ventas de la “Tienda C” en el dia_4).
ventas_tiendas[3,4]
## [1] 25
  1. Muestra los valores de todas las tiendas únicamente para los días dia_2 y dia_5.
ventas_tiendas[, c("dia_2", "dia_5")]
##          dia_2 dia_5
## Tienda A    15    20
## Tienda B    11    15
## Tienda C    24    23
## Tienda D    17    18
## Tienda E    32    33
  1. Cambia las ventas de la “Tienda B” en el dia_1 por un valor de 14.
ventas_tiendas["Tienda B", "dia_1"] <- 14
  1. Incrementa en un 15% todos los valores registrados en la fila de la “Tienda E”.
ventas_tiendas["Tienda E", ] <- ventas_tiendas["Tienda E", ] * 1.15

ventas_tiendas["Tienda E", ] 
##          dia_1 dia_2 dia_3 dia_4 dia_5
## Tienda E  34.5  36.8 35.65 40.25 37.95
  1. Reemplaza toda la columna dia_3 multiplicando sus valores actuales por 2.
ventas_tiendas$dia_3<- ventas_tiendas$dia_3 * 2
ventas_tiendas$dia_3 
## [1] 28.0 26.0 42.0 38.0 71.3