Ejercicio 1
# 1.lista "acciones"
apple <- c(120, 125, 130)
google <- c(1800, 1850, 1900)
amazon <- c(3200, 3300, 3400)
acciones <- list(apple = apple, google = google, amazon = amazon)
acciones
## $apple
## [1] 120 125 130
##
## $google
## [1] 1800 1850 1900
##
## $amazon
## [1] 3200 3300 3400
# 2. Añadir el vector de Microsoft a la lista
microsoft <- c(210, 215, 220)
acciones$microsoft <- microsoft
acciones
## $apple
## [1] 120 125 130
##
## $google
## [1] 1800 1850 1900
##
## $amazon
## [1] 3200 3300 3400
##
## $microsoft
## [1] 210 215 220
# 3. Extraer el segundo elemento del vector google dentro de acciones
segundo_valor_google <- acciones$google[2]
segundo_valor_google
## [1] 1850
Ejercicio 2
# 1. Crear la lista "indicadores"
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, privada = 40)
indicadores <- list(pib = pib, inflacion = inflacion, desempleo = desempleo, deuda = deuda)
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
##
## $deuda$privada
## [1] 40
# 2a. Promedio de los elementos del tercer elemento (desempleo)
promedio_desempleo <- mean(indicadores$desempleo)
promedio_desempleo
## [1] 4.75
# 2b. Aumentar la deuda pública en un 20% adicional
indicadores$deuda$publica <- indicadores$deuda$publica * 1.20
indicadores$deuda
## $publica
## [1] 72
##
## $privada
## [1] 40
Ejercicio 3
# 1. Crear la lista "estudiantes"
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 <- list(nombre = nombre, edad = edad, notas = notas)
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. Modificar el nombre del primer estudiante por "Elena"
estudiantes$nombre[1] <- "Elena"
estudiantes$nombre
## [1] "Elena" "Luis" "Pedro"
# 3. Añadir el vector de género
genero <- c("F", "M", "NB")
estudiantes$genero <- genero
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
##
##
## $genero
## [1] "F" "M" "NB"
# 4. Cambiar la nota de inglés del tercer estudiante a 9
estudiantes$notas$ingles[3] <- 9
estudiantes$notas$ingles
## [1] 9 10 9
Ejercicio 4
# 1. Crear el data frame "ventas_tiendas"
ventas_tiendas <- data.frame(
dia_1 = c(12, 10, 22, 16, 30),
dia_2 = c(15, 11, 24, 17, 32),
dia_3 = c(14, 13, 21, 19, 31),
dia_4 = c(18, 12, 25, 20, 35),
dia_5 = c(20, 15, 23, 18, 33),
row.names = c("Tienda A", "Tienda B", "Tienda C", "Tienda D", "Tienda E")
)
ventas_tiendas
## dia_1 dia_2 dia_3 dia_4 dia_5
## Tienda A 12 15 14 18 20
## Tienda B 10 11 13 12 15
## Tienda C 22 24 21 25 23
## Tienda D 16 17 19 20 18
## Tienda E 30 32 31 35 33
# 2. Valor en fila 3, columna 4 (Tienda C, dia_4)
valor_tiendaC_dia4 <- ventas_tiendas[3, 4]
valor_tiendaC_dia4
## [1] 25
# 3. Todas las tiendas, solo dia_2 y dia_5
ventas_dia2_dia5 <- ventas_tiendas[, c("dia_2", "dia_5")]
ventas_dia2_dia5
## dia_2 dia_5
## Tienda A 15 20
## Tienda B 11 15
## Tienda C 24 23
## Tienda D 17 18
## Tienda E 32 33
# 4. Cambiar ventas de Tienda B en dia_1 a 14
ventas_tiendas["Tienda B", "dia_1"] <- 14
ventas_tiendas
## dia_1 dia_2 dia_3 dia_4 dia_5
## Tienda A 12 15 14 18 20
## Tienda B 14 11 13 12 15
## Tienda C 22 24 21 25 23
## Tienda D 16 17 19 20 18
## Tienda E 30 32 31 35 33
# 5. Incrementar en 15% toda la fila de Tienda E
ventas_tiendas["Tienda E", ] <- ventas_tiendas["Tienda E", ] * 1.15
ventas_tiendas
## dia_1 dia_2 dia_3 dia_4 dia_5
## Tienda A 12.0 15.0 14.00 18.00 20.00
## Tienda B 14.0 11.0 13.00 12.00 15.00
## Tienda C 22.0 24.0 21.00 25.00 23.00
## Tienda D 16.0 17.0 19.00 20.00 18.00
## Tienda E 34.5 36.8 35.65 40.25 37.95
# 6. Reemplazar la columna dia_3 multiplicándola por 2
ventas_tiendas$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