Practica de manejos de datos
Ejercicios básicos sobre el uso de dplyr
Desarrolla los siguientes ejercicios y presenta tus resultados en un reporte html, generado en RMardown( debe incluir todos los elementos de se mostraron en la tarea 2: tus datos personales, menú lateral, etc.
## mpg cyl disp hp drat wt qsec vs am gear carb
## Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
## Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
## Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
## Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
## Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
## Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
## Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
## Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
## Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4Ejercicio 1: Haciendo uso del dataframe mtcars (ya cargado en la sesión de r) resuelve los siguientes ejercicios:
A. Selecciona solo los automóviles que tienen un consumo de gasolina (mpg) mayor que 25 y un peso (wt) menor que 2.5
## mpg cyl disp hp drat wt qsec vs am gear carb
## Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
## Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
## Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
## Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
## Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
## Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2B. Ordena los automóviles por su potencia (hp) de forma ascendente y muestra solo las columnas mpg, hp y wt.
## mpg hp wt
## Honda Civic 30.4 52 1.615
## Merc 240D 24.4 62 3.190
## Toyota Corolla 33.9 65 1.835
## Fiat 128 32.4 66 2.200
## Fiat X1-9 27.3 66 1.935C. Crea una nueva columna llamada kpl, que contenga el consumo de gasolina en kilómetros por litro, sabiendo que 1 mpg equivale a 0.4251 kpl.
## mpg cyl disp hp drat wt qsec vs am gear carb
## Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
## Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
## Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
## Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
## Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
## Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
## Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
## Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
## Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
## Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
## Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
## Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
## Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
## Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
## Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
## Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
## Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
## Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
## Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
## Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
## Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
## AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
## Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4
## Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
## Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
## Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
## Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
## Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
## Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
## Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8
## Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2
## kpl
## Mazda RX4 89271.0
## Mazda RX4 Wag 89271.0
## Datsun 710 96922.8
## Hornet 4 Drive 90971.4
## Hornet Sportabout 79493.7
## Valiant 76943.1
## Duster 360 60789.3
## Merc 240D 103724.4
## Merc 230 96922.8
## Merc 280 81619.2
## Merc 280C 75667.8
## Merc 450SE 69716.4
## Merc 450SL 73542.3
## Merc 450SLC 64615.2
## Cadillac Fleetwood 44210.4
## Lincoln Continental 44210.4
## Chrysler Imperial 62489.7
## Fiat 128 137732.4
## Honda Civic 129230.4
## Toyota Corolla 144108.9
## Toyota Corona 91396.5
## Dodge Challenger 65890.5
## AMC Javelin 64615.2
## Camaro Z28 56538.3
## Pontiac Firebird 81619.2
## Fiat X1-9 116052.3
## Porsche 914-2 110526.0
## Lotus Europa 129230.4
## Ford Pantera L 67165.8
## Ferrari Dino 83744.7
## Maserati Bora 63765.0
## Volvo 142E 90971.4D. Calcula la media, la mediana y la desviación estándar del consumo de gasolina (mpg) de todos los automóviles.
## media mediana Desviacion_estandar
## 1 20.09062 19.2 6.026948E. Agrupa los automóviles por el número de cilindros (cyl) y calcula la media y la desviación estándar del consumo de gasolina (mpg) por cada grupo.
mtcars |>
group_by(cyl) |>
summarize(
media = mean(mpg),
mediana = median(mpg),
desviacion = sd(mpg)
)## # A tibble: 3 × 4
## cyl media mediana desviacion
## <dbl> <dbl> <dbl> <dbl>
## 1 4 26.7 26 4.51
## 2 6 19.7 19.7 1.45
## 3 8 15.1 15.2 2.56Ejercicio 2: instala la librería pwt10, usa el siguiente comando pwt<-pwt10::pwt10.01 para crear el dataframe pwt,
## country isocode year currency rgdpe rgdpo pop emp avh hc ccon
## ABW-1950 Aruba ABW 1950 Aruban Guilder NA NA NA NA NA NA NA
## ABW-1951 Aruba ABW 1951 Aruban Guilder NA NA NA NA NA NA NA
## ABW-1952 Aruba ABW 1952 Aruban Guilder NA NA NA NA NA NA NA
## ABW-1953 Aruba ABW 1953 Aruban Guilder NA NA NA NA NA NA NA
## ABW-1954 Aruba ABW 1954 Aruban Guilder NA NA NA NA NA NA NA
## ABW-1955 Aruba ABW 1955 Aruban Guilder NA NA NA NA NA NA NA
## ABW-1956 Aruba ABW 1956 Aruban Guilder NA NA NA NA NA NA NA
## ABW-1957 Aruba ABW 1957 Aruban Guilder NA NA NA NA NA NA NA
## ABW-1958 Aruba ABW 1958 Aruban Guilder NA NA NA NA NA NA NA
## ABW-1959 Aruba ABW 1959 Aruban Guilder NA NA NA NA NA NA NA
## cda cgdpe cgdpo cn ck ctfp cwtfp rgdpna rconna rdana rnna rkna rtfpna
## ABW-1950 NA NA NA NA NA NA NA NA NA NA NA NA NA
## ABW-1951 NA NA NA NA NA NA NA NA NA NA NA NA NA
## ABW-1952 NA NA NA NA NA NA NA NA NA NA NA NA NA
## ABW-1953 NA NA NA NA NA NA NA NA NA NA NA NA NA
## ABW-1954 NA NA NA NA NA NA NA NA NA NA NA NA NA
## ABW-1955 NA NA NA NA NA NA NA NA NA NA NA NA NA
## ABW-1956 NA NA NA NA NA NA NA NA NA NA NA NA NA
## ABW-1957 NA NA NA NA NA NA NA NA NA NA NA NA NA
## ABW-1958 NA NA NA NA NA NA NA NA NA NA NA NA NA
## ABW-1959 NA NA NA NA NA NA NA NA NA NA NA NA NA
## rwtfpna labsh irr delta xr pl_con pl_da pl_gdpo i_cig i_xm i_xr
## ABW-1950 NA NA NA NA NA NA NA NA <NA> <NA> <NA>
## ABW-1951 NA NA NA NA NA NA NA NA <NA> <NA> <NA>
## ABW-1952 NA NA NA NA NA NA NA NA <NA> <NA> <NA>
## ABW-1953 NA NA NA NA NA NA NA NA <NA> <NA> <NA>
## ABW-1954 NA NA NA NA NA NA NA NA <NA> <NA> <NA>
## ABW-1955 NA NA NA NA NA NA NA NA <NA> <NA> <NA>
## ABW-1956 NA NA NA NA NA NA NA NA <NA> <NA> <NA>
## ABW-1957 NA NA NA NA NA NA NA NA <NA> <NA> <NA>
## ABW-1958 NA NA NA NA NA NA NA NA <NA> <NA> <NA>
## ABW-1959 NA NA NA NA NA NA NA NA <NA> <NA> <NA>
## i_outlier i_irr cor_exp statcap csh_c csh_i csh_g csh_x csh_m csh_r
## ABW-1950 <NA> <NA> NA NA NA NA NA NA NA NA
## ABW-1951 <NA> <NA> NA NA NA NA NA NA NA NA
## ABW-1952 <NA> <NA> NA NA NA NA NA NA NA NA
## ABW-1953 <NA> <NA> NA NA NA NA NA NA NA NA
## ABW-1954 <NA> <NA> NA NA NA NA NA NA NA NA
## ABW-1955 <NA> <NA> NA NA NA NA NA NA NA NA
## ABW-1956 <NA> <NA> NA NA NA NA NA NA NA NA
## ABW-1957 <NA> <NA> NA NA NA NA NA NA NA NA
## ABW-1958 <NA> <NA> NA NA NA NA NA NA NA NA
## ABW-1959 <NA> <NA> NA NA NA NA NA NA NA NA
## pl_c pl_i pl_g pl_x pl_m pl_n pl_k
## ABW-1950 NA NA NA NA NA NA NA
## ABW-1951 NA NA NA NA NA NA NA
## ABW-1952 NA NA NA NA NA NA NA
## ABW-1953 NA NA NA NA NA NA NA
## ABW-1954 NA NA NA NA NA NA NA
## ABW-1955 NA NA NA NA NA NA NA
## ABW-1956 NA NA NA NA NA NA NA
## ABW-1957 NA NA NA NA NA NA NA
## ABW-1958 NA NA NA NA NA NA NA
## ABW-1959 NA NA NA NA NA NA NAA. Seleccionar solo los países que pertenecen a América Latina. Puedes usar el código ISO de tres letras para identificarlos. Por ejemplo, el código de El Salvador es SLV. Guarda los resultados en el objeto pwt_latam
pwt |>
filter(isocode %in% c("ARG", "BOL", "BRA", "CHL", "COL", "CRI", "CUB", "DOM", "ECU", "SLV", "GTM", "HND", "MEX", "NIC", "PAN", "PRY", "PER", "URY", "VEN")) -> pwt_latam
head(pwt_latam, n=10)## country isocode year currency rgdpe rgdpo pop
## ARG-1950 Argentina ARG 1950 Argentine Peso 50303.95 50108.76 17.09182
## ARG-1951 Argentina ARG 1951 Argentine Peso 52677.96 51339.17 17.45758
## ARG-1952 Argentina ARG 1952 Argentine Peso 47677.21 46855.10 17.81597
## ARG-1953 Argentina ARG 1953 Argentine Peso 49529.67 49917.15 18.16862
## ARG-1954 Argentina ARG 1954 Argentine Peso 51835.38 52254.77 18.51717
## ARG-1955 Argentina ARG 1955 Argentine Peso 56628.43 56072.50 18.86324
## ARG-1956 Argentina ARG 1956 Argentine Peso 58044.67 57550.32 19.20576
## ARG-1957 Argentina ARG 1957 Argentine Peso 60744.99 60560.37 19.54363
## ARG-1958 Argentina ARG 1958 Argentine Peso 65418.04 65162.11 19.87849
## ARG-1959 Argentina ARG 1959 Argentine Peso 62026.23 61388.02 20.21196
## emp avh hc ccon cda cgdpe cgdpo
## ARG-1950 6.608833 2034.000 1.816503 43743.46 48022.83 49204.30 50511.77
## ARG-1951 6.713252 2037.867 1.830769 44728.54 51221.76 51548.03 51700.11
## ARG-1952 6.819321 2041.741 1.845147 42317.23 47927.18 46790.66 47280.33
## ARG-1953 6.927065 2045.622 1.859638 42263.66 48224.32 48639.14 50378.67
## ARG-1954 7.036511 2049.511 1.874243 45478.02 51166.22 50798.35 52633.07
## ARG-1955 7.147688 2053.407 1.888963 49945.27 56265.33 55253.88 56270.61
## ARG-1956 7.244112 2057.311 1.901768 49262.15 55278.18 56272.43 57369.76
## ARG-1957 7.341836 2061.222 1.914661 51916.88 58590.23 58766.52 60171.93
## ARG-1958 7.440879 2065.141 1.927641 55656.57 62957.29 63249.70 64713.64
## ARG-1959 7.541259 2069.067 1.940709 51065.33 57793.66 59552.20 60581.77
## cn ck ctfp cwtfp rgdpna rconna rdana
## ARG-1950 57091.52 NA NA NA 196688.5 146144.5 156731.9
## ARG-1951 62726.13 NA NA NA 208305.2 149824.8 171590.5
## ARG-1952 67185.02 NA NA NA 195898.2 141676.2 159190.9
## ARG-1953 71564.65 NA NA NA 204164.9 141119.5 160590.8
## ARG-1954 75800.47 0.005783468 0.7171618 0.6967875 210812.6 151859.8 169543.1
## ARG-1955 80596.41 0.005960498 0.7152358 0.7146051 225537.5 166968.0 187097.1
## ARG-1956 84654.47 0.006045632 0.7004923 0.6774337 231485.5 166716.2 184879.6
## ARG-1957 87753.47 0.006134658 0.7060309 0.6921729 240381.4 176055.5 196569.4
## ARG-1958 93118.81 0.006240022 0.7365391 0.7147591 256257.3 188899.9 211309.8
## ARG-1959 96384.15 0.006239666 0.6669328 0.6348090 243847.0 175290.2 195477.1
## rnna rkna rtfpna rwtfpna labsh irr delta
## ARG-1950 309057.0 NA NA NA 0.4410236 0.3081208 0.02762875
## ARG-1951 339337.8 NA NA NA 0.4410236 0.3563035 0.02806184
## ARG-1952 361792.5 NA NA NA 0.4410236 0.3098073 0.02858521
## ARG-1953 385867.2 NA NA NA 0.4410236 0.3069586 0.02876815
## ARG-1954 407615.8 0.1169974 1.195033 0.9557823 0.4410236 0.2942766 0.02881225
## ARG-1955 433093.8 0.1245309 1.220924 1.0072385 0.4410236 0.3133069 0.02898156
## ARG-1956 454691.5 0.1308746 1.207001 0.9586681 0.4410236 0.2905137 0.02927743
## ARG-1957 479295.6 0.1380741 1.204648 0.9796492 0.4410236 0.2865371 0.02952417
## ARG-1958 506545.5 0.1459859 1.232777 1.0109354 0.4410236 0.2863761 0.02970003
## ARG-1959 528050.4 0.1522004 1.134961 0.9048050 0.4410236 0.2828515 0.02976362
## xr pl_con pl_da pl_gdpo i_cig i_xm
## ARG-1950 9.160471e-13 0.2003557 0.2201716 0.2144727 extrapolated extrapolated
## ARG-1951 1.155473e-12 0.2196224 0.2382914 0.2375904 extrapolated extrapolated
## ARG-1952 1.388057e-12 0.2358658 0.2511577 0.2485565 extrapolated extrapolated
## ARG-1953 1.497827e-12 0.2386490 0.2549080 0.2461062 extrapolated extrapolated
## ARG-1954 1.603108e-12 0.2384415 0.2543599 0.2454932 extrapolated extrapolated
## ARG-1955 1.752513e-12 0.2395951 0.2545100 0.2499114 extrapolated extrapolated
## ARG-1956 2.175261e-12 0.2491566 0.2652223 0.2601493 extrapolated extrapolated
## ARG-1957 2.517013e-12 0.2525253 0.2725190 0.2661539 extrapolated extrapolated
## ARG-1958 3.275706e-12 0.2556361 0.2759899 0.2697465 extrapolated extrapolated
## ARG-1959 6.517409e-12 0.2658937 0.2828443 0.2780374 extrapolated extrapolated
## i_xr i_outlier i_irr cor_exp statcap csh_c csh_i
## ARG-1950 estimated yes regular NA NA 0.7870902 0.08472027
## ARG-1951 estimated yes regular NA NA 0.7872916 0.12559384
## ARG-1952 estimated yes regular NA NA 0.8111964 0.11865280
## ARG-1953 estimated yes regular NA NA 0.7618229 0.11831713
## ARG-1954 estimated yes regular NA NA 0.7869102 0.10807282
## ARG-1955 estimated yes regular NA NA 0.8115221 0.11231538
## ARG-1956 estimated yes regular NA NA 0.7755548 0.10486414
## ARG-1957 estimated yes regular NA NA 0.7860544 0.11090472
## ARG-1958 estimated yes regular NA NA 0.7859173 0.11281584
## ARG-1959 estimated yes regular NA NA 0.7627370 0.11106196
## csh_g csh_x csh_m csh_r pl_c pl_i
## ARG-1950 0.07891510 0.12253962 -0.06042295 -0.01284226 0.1930672 0.4227295
## ARG-1951 0.07786204 0.10049741 -0.07477643 -0.01646856 0.2138619 0.3668930
## ARG-1952 0.08383197 0.07784671 -0.05837962 -0.03314824 0.2296052 0.3665081
## ARG-1953 0.07709671 0.10670915 -0.04178465 -0.02216130 0.2308601 0.3701914
## ARG-1954 0.07714751 0.10859370 -0.05152481 -0.02919950 0.2296841 0.3816291
## ARG-1955 0.07606866 0.09155604 -0.05737847 -0.03408369 0.2312917 0.3723776
## ARG-1956 0.08312317 0.10193233 -0.04956219 -0.01591225 0.2441718 0.3967761
## ARG-1957 0.07675465 0.10144737 -0.05262738 -0.02253372 0.2493530 0.4280646
## ARG-1958 0.07412647 0.09413454 -0.04793249 -0.01906162 0.2473614 0.4311565
## ARG-1959 0.08017891 0.10485386 -0.04445114 -0.01438052 0.2636325 0.4114921
## pl_g pl_x pl_m pl_n pl_k
## ARG-1950 0.2730502 0.11766465 0.10781403 0.3044965 NA
## ARG-1951 0.2778692 0.14225884 0.11875489 0.2758175 NA
## ARG-1952 0.2964466 0.12629686 0.13069408 0.2793818 NA
## ARG-1953 0.3156136 0.11086346 0.10236239 0.2784230 NA
## ARG-1954 0.3277680 0.09400692 0.09351037 0.2851585 8.819025
## ARG-1955 0.3281777 0.10950953 0.10601742 0.2759877 8.312359
## ARG-1956 0.2956661 0.19288272 0.22043040 0.2975555 8.546967
## ARG-1957 0.2850133 0.18347435 0.22454317 0.3057605 8.524933
## ARG-1958 0.3433668 0.17370814 0.20785601 0.3158274 8.930547
## ARG-1959 0.2874043 0.22445045 0.25479472 0.2941871 7.810551B. Calcula el ingreso per cápita promedio (rgdpe/pop) y el índice de capital humano promedio (hc) de los países latinoamericanos en el año 2019.
resultado_b <- pwt_latam %>%
filter(year == 2019) %>%
summarize(
ingreso_per_capita_promedio = mean(rgdpe / pop),
capital_humano_promedio = mean(hc)
)
head(resultado_b, n=10)## ingreso_per_capita_promedio capital_humano_promedio
## 1 14035.52 2.718799C. Agrupa los países latinoamericanos por su nivel de ingreso según el Banco Mundial. Puedes usar la siguiente clasificación: bajo (menos de 1026 USD), bajo-medio (entre 1026 y 3995 USD), medio-alto (entre 3996 y 12375 USD) y alto (más de 12375 USD).
pwt_latam1 <- pwt_latam |>
mutate(nivel_de_ingreso = case_when(
rgdpe / pop < 1026 ~ "bajo",
rgdpe / pop >= 1026 & rgdpe / pop <= 3995 ~ "bajo-medio",
rgdpe / pop >= 3996 & rgdpe / pop <= 12375 ~ "medio-alto",
rgdpe / pop > 12375 ~ "alto"
))D. Calcula el crecimiento promedio del PIB real (rgdpe) por cada grupo de ingreso entre 2015 y 2019 (usa los resultados del ítem anterior).
pwt_latam1 |>
filter(year >= 2015 & year <= 2019) |>
group_by(nivel_de_ingreso) |>
summarize(crecimiento_promedio_pib_real = mean(rgdpe))## # A tibble: 4 × 2
## nivel_de_ingreso crecimiento_promedio_pib_real
## <chr> <dbl>
## 1 alto 862799.
## 2 bajo 9765.
## 3 bajo-medio 59793.
## 4 medio-alto 112777.