Numeral 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.

aple <- c(120, 125, 130)
google <- c(1800, 1850, 1900)
amazon <- c(3200, 3300, 3400)

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

print(acciones)

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

Numeral 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

Numeral 3

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

acciones$google[2]

## [1] 1850

Numeral 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))

print(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

Numeral 2

Calcula el promedio de los elementos del tercer elemento de la lista indicadores. Luego, a través de los comandos apropiados modifica el valor de la deuda pública en un 20% adicional al que ya tiene.

mean(indicadores$desempleo)

## [1] 4.75

indicadores$deuda$publica <- indicadores$deuda$publica * 1.20
print(indicadores$deuda$publica)

## [1] 72

Numeral 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)))
print(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

Numeral 2

Modifica el nombre del primer estudiante por “Elena”.

estudiantes$nombre[1] <- "Elena"
estudiantes$nombre[1] 

## [1] "Elena"

Numeral 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)

## $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"

Numeral 4

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

estudiantes$notas$ingles[3] <- 9
print(estudiantes$notas$ingles)

## [1]  9 10  9

Numeral 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

Numeral 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

Numeral 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

Numeral 4

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

ventas_tiendas["Tienda B", "dia_1"] <- 14

Numeral 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["Tienda E", ] 

##          dia_1 dia_2 dia_3 dia_4 dia_5
## Tienda E  34.5  36.8 35.65 40.25 37.95

Numeral 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_3 

## [1] 28.0 26.0 42.0 38.0 71.3