##
## Adjuntando el paquete: 'dplyr'
## The following objects are masked from 'package:stats':
##
## filter, lag
## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union
Ejercicio 1
# 1. Lista de acciones que contengan la siguiente información en vectores:
acciones <- list(
apple = c(120, 125, 130),
google = c(1800, 1850, 1900),
amazon = c(3200, 3300, 3400)
)
acciones
## $apple
## [1] 120 125 130
##
## $google
## [1] 1800 1850 1900
##
## $amazon
## [1] 3200 3300 3400
# 2. Nuevo elemento a la lista de acciones que sea un vector con los presios de cierre de las acciones de microsoft en los mismos tres días.
acciones$microsoft <- c(210, 215, 220)
acciones
## $apple
## [1] 120 125 130
##
## $google
## [1] 1800 1850 1900
##
## $amazon
## [1] 3200 3300 3400
##
## $microsoft
## [1] 210 215 220
# 3. Extrae el segundo elemento del vector google que está dentro de la lista acciones.
acciones$google[2]
## [1] 1850
Ejercicio 2.
# 1. Lista de indicadores que contenga los siguientes objetos.
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(pública = 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
## $deuda$pública
## [1] 60
##
## $deuda$privada
## [1] 40
# 2. Calcula el promedio de los elementos del tercer elemento de la lista de indicadores...
promedio_desempleo <- mean(indicadores$desempleo)
promedio_desempleo
## [1] 4.75
# Se incrementa el valor de la Deuda Pública en un 20%
indicadores$deuda$pública <- indicadores$deuda$pública * 1.20
indicadores$deuda
## $pública
## [1] 72
##
## $privada
## [1] 40
Ejercicio 3.
# 1. Crea una lista llamada estudiantes que contenga los siguientes elementos.
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
# 2. Modifica el nombre del primer estudiante por "Elena"
estudiantes$nombre[1] <- "Elena"
estudiantes$nombre
## [1] "Elena" "Luis" "Pedro"
# 3. Añade un nuevo elemento a la lista estudiantes que sea un vector con los géneros de los estudiantes.
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
##
##
## $genero
## [1] "F" "M" "NB"
# 4. Cambia la nota de inglés del tercer estudiante por un 9.
estudiantes$notas$ingles[3] <- 9
estudiantes$notas$ingles
## [1] 9 10 9
Ejercicio 4.
# 1. Crea un Data Frame llamado ventas_tiendas que contenga una mtriz de 5 por 5 donde las filas representan 5 tiendas distintas...
ventas_tiendas <- data.frame(
dia_1 = c(12, 10, 22, 16, 30),
dia_2 = c(15, 11, 24, 17, 32),
dia_3 = c(14, 13, 21, 19, 31),
dia_4 = c(18, 12, 25, 20, 35),
dia_5 = c(20, 15, 23, 18, 33),
row.names = c("Tienda A", "Tienda B", "Tienda C", "Tienda D", "Tienda E")
)
ventas_tiendas
## dia_1 dia_2 dia_3 dia_4 dia_5
## Tienda A 12 15 14 18 20
## Tienda B 10 11 13 12 15
## Tienda C 22 24 21 25 23
## Tienda D 16 17 19 20 18
## Tienda E 30 32 31 35 33
# 2. Muestra en pantalla el valor ubicado en la fila 3, columna 4...
ventas_tiendas[3, 4]
## [1] 25
# 3. Muestre los valores de todas las tiendas únicamente para los días dia_2 y dia_5.
ventas_tiendas[, c("dia_2", "dia_5")]
## dia_2 dia_5
## Tienda A 15 20
## Tienda B 11 15
## Tienda C 24 23
## Tienda D 17 18
## Tienda E 32 33
# 4. Cambia las ventas...
ventas_tiendas["Tienda B", "dia_1"] <- 14
ventas_tiendas
## dia_1 dia_2 dia_3 dia_4 dia_5
## Tienda A 12 15 14 18 20
## Tienda B 14 11 13 12 15
## Tienda C 22 24 21 25 23
## Tienda D 16 17 19 20 18
## Tienda E 30 32 31 35 33
# 5. Incrementa en un 15% todos los valores registrados en la fila de la "Tienda E".
ventas_tiendas["Tienda E", ] <- ventas_tiendas["Tienda E", ] * 1.15
ventas_tiendas
## dia_1 dia_2 dia_3 dia_4 dia_5
## Tienda A 12.0 15.0 14.00 18.00 20.00
## Tienda B 14.0 11.0 13.00 12.00 15.00
## Tienda C 22.0 24.0 21.00 25.00 23.00
## Tienda D 16.0 17.0 19.00 20.00 18.00
## Tienda E 34.5 36.8 35.65 40.25 37.95
# 6. Reemplaza toda la columna dia_3 multiplicando sus valores actuales por 2.
ventas_tiendas$dia_3 <- ventas_tiendas$dia_3 * 2
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