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.

Apple<-c(120,125,130)
Google<-c(1800,1850,1900)
Amazon<-c(3200,3300,3400)

acciones<- list(
  apple = Apple,
  google = Google,
  amazon = Amazon 
)

print(acciones)

## $apple
## [1] 120 125 130
## 
## $google
## [1] 1800 1850 1900
## 
## $amazon
## [1] 3200 3300 3400

2. 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, 220.

acciones$microsoft<- c(210,215,220)

print(acciones)

## $apple
## [1] 120 125 130
## 
## $google
## [1] 1800 1850 1900
## 
## $amazon
## [1] 3200 3300 3400
## 
## $microsoft
## [1] 210 215 220

3. Extrae el segundo elemento del vector google que está dentro de la lista acciones

acciones[[2]][2]

## [1] 1850

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.

Pib<- 30000
Inflacion<- 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, privida = 40)

indicadores<- list(
  pib = Pib,
  inflacion = Inflacion,
  desempleo = Desempleo,
  deuda = Deuda
)

print(indicadores)

## $pib
## [1] 30000
## 
## $inflacion
## [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
## 
## $deuda$privida
## [1] 40

2. Calcula el promedio de los elementos del tercer elemento de la lista indicadores.

promedio_desempleo<- mean(indicadores[[3]])

print(promedio_desempleo)

## [1] 4.75

c) A través de los comandos apropiados modifica el valor de la deuda pública en un 20% 1 adicional al que ya tiene.

indicadores$deuda$publica<- indicadores$deuda$publica*1.20

print(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.

Nombres<- c("Ana", "Luis", "Pedro")
Edad<- c(18,19,20)
Notas<- list( matematicas = c(8,7,9), hitoria = c(6,8,7),
              ingles = c(9,10,8)) 

estudiantes<- list(
  nombres = Nombres,
  edad =  Edad,
  notas = Notas
)

print(estudiantes)

## $nombres
## [1] "Ana"   "Luis"  "Pedro"
## 
## $edad
## [1] 18 19 20
## 
## $notas
## $notas$matematicas
## [1] 8 7 9
## 
## $notas$hitoria
## [1] 6 8 7
## 
## $notas$ingles
## [1]  9 10  8

2. Modifica el nombre del primer estudiante por “Elena”.

estudiantes$nombres[1]<-"Elena"

print(estudiantes$nombres)

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

3. 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")

print(estudiantes$genero)

## [1] "F"  "M"  "NB"

4. Cambia la nota de inglés del tercer estudiante por un 9.

estudiantes[[3]][[3]][3]<-9

print(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")
) 

print(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

2. 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

3. 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

4. Cambia las ventas de la “Tienda B” en el dia_1 por un valor de 14.

ventas_tiendas[2,1]<- 14

print(ventas_tiendas)

##          dia_1 dia_2 dia_3 dia_4 dia_5
## Tienda A    12    15    14    18    20
## Tienda B    14    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

5. Incrementa en un 15% todos los valores registrados en la fila de la “Tienda E”.

ventas_tiendas[5, ]<-ventas_tiendas[5, ]*1.15

print(ventas_tiendas)

##          dia_1 dia_2 dia_3 dia_4 dia_5
## Tienda A  12.0  15.0 14.00 18.00 20.00
## Tienda B  14.0  11.0 13.00 12.00 15.00
## Tienda C  22.0  24.0 21.00 25.00 23.00
## Tienda D  16.0  17.0 19.00 20.00 18.00
## Tienda E  34.5  36.8 35.65 40.25 37.95

6. Reemplaza toda la columna dia_3 multiplicando sus valores actuales por 2.

ventas_tiendas[,3]<- ventas_tiendas[,3]*2

print(ventas_tiendas)

##          dia_1 dia_2 dia_3 dia_4 dia_5
## Tienda A  12.0  15.0  28.0 18.00 20.00
## Tienda B  14.0  11.0  26.0 12.00 15.00
## Tienda C  22.0  24.0  42.0 25.00 23.00
## Tienda D  16.0  17.0  38.0 20.00 18.00
## Tienda E  34.5  36.8  71.3 40.25 37.95