Tarea_2_HP18033

Ejercicio 1

1.1 crear una lista acciones

acciones<-list(apple=c(120, 125, 130), google=c(1800, 1850, 1900), amazon=c(3200, 3300, 3400))

1.2 añade nuevo elemento

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

1.3 extraer elemento

acciones[[2]][2]-> segundo_elemento_de_google

Ejercicio 2

2.1 crear nueva lista

Indicadores<-list(pin=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, privada=40))

print(Indicadores)

## $pin
## [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
## 
## $deuda$privada
## [1] 40

2.2 calcular promedio de tercer elemento indicadores

mean(Indicadores[[3]])

## [1] 4.75

Indicadores[[4]][[1]][1]<- Indicadores[[4]][[1]][1]*1.20

Indicadores[[4]][1]

## $publica
## [1] 72

Ejercicio 3

3.1 lista de estudiantes

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)))

3.2 modifica el nomre del 3er estudiante por Elena

estudiantes[[1]][3]<-"Elena"

estudiantes[[1]]

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

3.3 añade un nuevo vector

estudiantes$genero<-c("F", "M", "NB")

estudiantes

## $nombre
## [1] "Ana"   "Luis"  "Elena"
## 
## $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"

3.4 cambia nota de ingles

estudiantes$notas$ingles[3]<-9

estudiantes$notas$ingles

## [1]  9 10  9

Ejercicio 4

4.1 crear dataframe ventas_tiendas

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"))

4.2 muestre fila 3 columna 4

ventas_tiendas[3,4]

## [1] 25

4.3 mostrar todo de dias 2 y 5

ventas_tiendas[, c("dia_2", "dia_5")]

4.4 cambia las ventas de tienda B en el dia 1 por valor 14

ventas_tiendas[2,1]<-14

4.5 incrementa un 15% todos los valores registrados en la fila de la tienda E

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

4.6 reemplaza toda la columna dia 3 multiplicando sus valores actuales por 2

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