Exploración_Inicial_del_Dataset_Soils
Justo Fuentes (Apoyo: DeepSeek)
2026-09-02
A continuación, se proporciona un script en R
completo y comentado para realizar la exploración inicial (EDA) del
dataset Soils del paquete carData, tal como se
solicita en la Fase 1 de la actividad. Este código
genera las visualizaciones clave (boxplots y perfil de medias) y además
incluye resúmenes estadísticos y gráficos adicionales que ayudarán a los
estudiantes a comprender la variabilidad del paisaje gilgai.
Puedes entregar este script a tus alumnos para que lo ejecuten en RStudio, o bien usarlo como base para que ellos lo adapten y amplíen en sus proyectos reproducibles.
# ============================================================================
# Script: EDA inicial del dataset "Soils" (carData)
# Asignatura: Diseño Experimental - Ingeniería Agrícola
# Objetivo: Visualizar la variabilidad del pH, fósforo (P) y densidad aparente
# en función del contorno (Top, Slope, Depression) y la profundidad.
# ============================================================================
# 1. Cargar y verificar paquetes necesarios ----------------------------------
# Si no están instalados, descomentar las siguientes líneas:
# install.packages("carData")
# install.packages("tidyverse")
# install.packages("ggthemes") # opcional para temas estéticos
library(carData) # contiene el dataset Soils
library(tidyverse) # manipulación y visualización (dplyr, ggplot2, etc.)## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.2.1 ✔ readr 2.2.0
## ✔ forcats 1.0.1 ✔ stringr 1.6.0
## ✔ ggplot2 4.0.3 ✔ tibble 3.3.1
## ✔ lubridate 1.9.5 ✔ tidyr 1.3.2
## ✔ purrr 1.2.2
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorslibrary(ggthemes) # temas adicionales (opcional)
# 2. Cargar los datos y explorar su estructura --------------------------------
data("Soils") # carga el dataset en el entorno
glimpse(Soils) # vista rápida de tipos y primeros valores## Rows: 48
## Columns: 14
## $ Group <fct> 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 6,…
## $ Contour <fct> Top, Top, Top, Top, Top, Top, Top, Top, Top, Top, Top, Top, To…
## $ Depth <fct> 0-10, 0-10, 0-10, 0-10, 10-30, 10-30, 10-30, 10-30, 30-60, 30-…
## $ Gp <fct> T0, T0, T0, T0, T1, T1, T1, T1, T3, T3, T3, T3, T6, T6, T6, T6…
## $ Block <fct> 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1,…
## $ pH <dbl> 5.40, 5.65, 5.14, 5.14, 5.14, 5.10, 4.70, 4.46, 4.37, 4.39, 4.…
## $ N <dbl> 0.188, 0.165, 0.260, 0.169, 0.164, 0.094, 0.100, 0.112, 0.112,…
## $ Dens <dbl> 0.92, 1.04, 0.95, 1.10, 1.12, 1.22, 1.52, 1.47, 1.07, 1.54, 1.…
## $ P <int> 215, 208, 300, 248, 174, 129, 117, 170, 121, 115, 112, 117, 12…
## $ Ca <dbl> 16.35, 12.25, 13.02, 11.92, 14.17, 8.55, 8.74, 9.49, 8.85, 4.7…
## $ Mg <dbl> 7.65, 5.15, 5.68, 7.88, 8.12, 6.92, 8.16, 9.16, 10.35, 6.91, 7…
## $ K <dbl> 0.72, 0.71, 0.68, 1.09, 0.70, 0.81, 0.39, 0.70, 0.74, 0.77, 0.…
## $ Na <dbl> 1.14, 0.94, 0.60, 1.01, 2.17, 2.67, 3.32, 3.76, 5.74, 5.85, 5.…
## $ Conduc <dbl> 1.09, 1.35, 1.41, 1.64, 1.85, 3.18, 4.16, 5.14, 5.73, 6.45, 8.…summary(Soils) # resumen estadístico de todas las variables## Group Contour Depth Gp Block pH
## 1 : 4 Depression:16 0-10 :12 D0 : 4 1:12 Min. :3.740
## 2 : 4 Slope :16 10-30:12 D1 : 4 2:12 1st Qu.:4.058
## 3 : 4 Top :16 30-60:12 D3 : 4 3:12 Median :4.545
## 4 : 4 60-90:12 D6 : 4 4:12 Mean :4.669
## 5 : 4 S0 : 4 3rd Qu.:5.140
## 6 : 4 S1 : 4 Max. :6.670
## (Other):24 (Other):24
## N Dens P Ca
## Min. :0.03000 Min. :0.780 Min. : 79.0 Min. : 3.820
## 1st Qu.:0.05075 1st Qu.:1.127 1st Qu.:108.8 1st Qu.: 5.040
## Median :0.08450 Median :1.400 Median :131.0 Median : 7.305
## Mean :0.10194 Mean :1.316 Mean :166.2 Mean : 8.029
## 3rd Qu.:0.12925 3rd Qu.:1.502 3rd Qu.:214.2 3rd Qu.: 9.735
## Max. :0.29800 Max. :1.600 Max. :445.0 Max. :16.350
##
## Mg K Na Conduc
## Min. : 5.150 Min. :0.1400 Min. : 0.600 Min. : 0.670
## 1st Qu.: 7.537 1st Qu.:0.2750 1st Qu.: 2.545 1st Qu.: 2.790
## Median : 8.515 Median :0.4250 Median : 5.520 Median : 6.635
## Mean : 8.465 Mean :0.4662 Mean : 5.600 Mean : 6.589
## 3rd Qu.: 9.648 3rd Qu.:0.6425 3rd Qu.: 8.355 3rd Qu.: 9.852
## Max. :10.960 Max. :1.0900 Max. :11.040 Max. :13.320
## # Nota: Las variables son:
# - Block : factor (4 niveles) -> bloque experimental
# - Contour : factor (3 niveles): Top, Slope, Depression
# - Depth : factor (4 niveles): 0-10, 10-30, 30-60, 60-90 cm
# - pH, N, Dens, P, Ca, Mg, K, Na, Conduc : variables de respuesta (numéricas)
# 3. Gráfico de cajas (boxplot) para pH agrupado por Contour -----------------
# Muestra la distribución del pH en cada posición topográfica.
ggplot(Soils, aes(x = Contour, y = pH, fill = Contour)) +
geom_boxplot(alpha = 0.7, outlier.shape = 21, outlier.fill = "red") +
labs(
title = "Variación del pH del suelo según el contorno del microrelieve",
x = "Posición topográfica (Contour)",
y = "pH del suelo",
fill = "Contorno"
) +
theme_minimal(base_size = 12) +
theme(legend.position = "bottom") +
scale_fill_brewer(palette = "Set2")
# 4. Gráfico de cajas para Fósforo (P) agrupado por Contour -----------------
# El fósforo es un nutriente crítico y su disponibilidad varía con el pH.
ggplot(Soils, aes(x = Contour, y = P, fill = Contour)) +
geom_boxplot(alpha = 0.7, outlier.shape = 21, outlier.fill = "red") +
labs(
title = "Concentración de Fósforo (P) según el contorno del microrelieve",
x = "Posición topográfica (Contour)",
y = "Fósforo (ppm)",
fill = "Contorno"
) +
theme_minimal(base_size = 12) +
theme(legend.position = "bottom") +
scale_fill_brewer(palette = "Set2")
# 5. Perfil de medias: Densidad aparente (Dens) a través de la profundidad,
# con líneas separadas para cada contorno ---------------------------------
# Este gráfico muestra cómo cambia la densidad aparente con la profundidad
# en las tres posiciones del microrelieve.
Soils_summary <- Soils %>%
group_by(Contour, Depth) %>%
summarise(
mean_Dens = mean(Dens, na.rm = TRUE),
sd_Dens = sd(Dens, na.rm = TRUE),
n = n(),
.groups = "drop"
)
# Convertir Depth a factor ordenado para mantener el orden en el eje x
Soils_summary$Depth <- factor(Soils_summary$Depth,
levels = c("0-10", "10-30", "30-60", "60-90"),
ordered = TRUE)
ggplot(Soils_summary, aes(x = Depth, y = mean_Dens,
group = Contour, color = Contour)) +
geom_line(linewidth = 1.2) +
geom_point(size = 3, shape = 19) +
# Barras de error (desviación estándar) para mostrar variabilidad
geom_errorbar(aes(ymin = mean_Dens - sd_Dens, ymax = mean_Dens + sd_Dens),
width = 0.2, alpha = 0.5) +
labs(
title = "Perfil de densidad aparente del suelo en función de la profundidad y el contorno",
x = "Profundidad (cm)",
y = "Densidad aparente (g/cm³)",
color = "Contorno"
) +
theme_minimal(base_size = 12) +
theme(legend.position = "bottom") +
scale_color_brewer(palette = "Set1")
# 6. Visualizaciones adicionales (opcionales) para un EDA más completo ------
# 6.1. Matriz de dispersión (pairs) para las variables químicas más relevantes
# coloreada por Contour. Útil para detectar correlaciones.
pairs(Soils[, c("pH", "N", "P", "Ca", "Mg", "K", "Na", "Conduc")],
col = c("red", "blue", "darkgreen")[as.numeric(Soils$Contour)],
pch = 19, cex = 0.5,
main = "Relaciones entre propiedades químicas del suelo (color = Contour)")
# 6.2. Histogramas de la densidad aparente y pH estratificados por Contour
ggplot(Soils, aes(x = Dens, fill = Contour)) +
geom_histogram(bins = 15, alpha = 0.6, position = "identity") +
facet_wrap(~ Contour) +
labs(title = "Distribución de la densidad aparente por contorno",
x = "Densidad aparente (g/cm³)", y = "Frecuencia") +
theme_minimal() +
scale_fill_brewer(palette = "Set2")
# 6.3. Diagrama de interacción para la variable pH entre Contour y Depth
# (promedios) - similar al perfil pero para pH.
Soils_summary_pH <- Soils %>%
group_by(Contour, Depth) %>%
summarise(mean_pH = mean(pH, na.rm = TRUE), .groups = "drop")
Soils_summary_pH$Depth <- factor(Soils_summary_pH$Depth,
levels = c("0-10", "10-30", "30-60", "60-90"),
ordered = TRUE)
ggplot(Soils_summary_pH, aes(x = Depth, y = mean_pH,
group = Contour, color = Contour)) +
geom_line(linewidth = 1.2) +
geom_point(size = 3) +
labs(
title = "Perfil de pH del suelo en función de la profundidad y el contorno",
x = "Profundidad (cm)", y = "pH promedio",
color = "Contorno"
) +
theme_minimal(base_size = 12) +
theme(legend.position = "bottom") +
scale_color_brewer(palette = "Set1")
# 7. Guardar las gráficas en archivos (opcional) -----------------------------
# Si se desea exportar las imágenes para el informe:
# ggsave("boxplot_pH_Contour.png", plot = last_plot(), width = 8, height = 6)
# Nota: last_plot() guarda el último gráfico generado; es mejor asignar cada
# gráfico a un objeto y luego guardarlo individualmente.Explicación para los estudiantes
Boxplots de pH y P: Permiten comparar visualmente la mediana, rango intercuartílico y valores atípicos de estas variables en las tres posiciones topográficas. Un pH más alto en las depresiones (Depression) podría indicar acumulación de sales o carbonatos, mientras que en las pendientes (Slope) o cimas (Top) puede ser más ácido por lixiviación.
Perfil de densidad aparente: La densidad aparente tiende a aumentar con la profundidad por compactación natural, pero las diferencias entre contornos revelan el efecto del microrelieve: en las cimas, los ciclos de humedecimiento-secado compactan más el suelo; en las depresiones, la mayor humedad reduce la densidad.
Gráficos adicionales:
- La matriz de dispersión ayuda a identificar correlaciones (ej. pH vs Ca, o Na vs Conductividad).
- Los histogramas por faceta muestran la forma de la distribución de cada variable en cada contorno.
- Los perfiles de pH complementan el análisis de la profundidad.
Este script es el punto de partida para que los alumnos, en la Fase 1 de la actividad, generen las visualizaciones solicitadas y tomen apuntes en su cuaderno sobre las tendencias observadas. Luego, en fases posteriores, pasarán al análisis inferencial (ANOVA, MANOVA y contrastes polinómicos).