Introducción al lenguaje R, Rstudio y R Markdown
Eduardo Collado
2026-10-10
Introducción a R Markdown
Encabezados
Encabezado1
Encabezado2
Encabezado3
Encabezado4
Encabezado5
Encabezado6
Listas
Ojo que al menos tiene que haber 4 espacios para anidar
- Elemento 1
- Elemento 2
- Elemento 2.1
- Elemento 2.1.1
- Elemento 2.1.2
- Elemento 2.2
- Elemento 2.1
Citas
Este texto es una cita
Tablas
La alineación es lo que va con los dos puntos y los guiones (atención)
| Alineación izquierda | Alineación centrado | Alineación derecha |
|---|---|---|
| fila 1 | celda 2 | celda 3 |
| fila 2 | celda 5 | celda 6 |
| fila 3 | celda 8 | celda 9 |
Enlaces e imágenes
Enlaces en línea
Imágenes
Logo de la UOC
Logo de la UOC Cuadrado 200x200
También se pueden poner imagenes locales, en vez de la URL el path absoluto o relativo
Elementos para remarcar el texto
letras en cursiva
letras en negrita
letras tachadas
El texto subrayado no se recomienda porque se puede confundir con enlaces
Código ejecutable en R
En la página 15 de PID_00293461.pdf tenemos la lista de opciones de los chunks como eval, error, echo, include, message, warning y fig.cap
Formulas matemáticas
\(( \left[\overline{X} -z_{1-\frac{\alpha}{2}} \frac{\sigma}{\sqrt{n}}, \overline{X}+z_{1- \frac{\alpha}{2}}\frac{\sigma}{\sqrt{n}} \right] )\)
Hay generadores porque para las formulas se se ha heredado de LaTeX la sintaxis
Importación de datos en R y RStudio
Para importar podemos usar:
| Datos | Comando | Extensión |
|---|---|---|
| Texto | read.txt | .txt |
| CSV | read.csv | .csv |
| Excel | read_excel | .xls |
| SAS | read.Sas | .sa7bdata |
Ojo con las diferencias entre read.csv y read_csv y cosas así
Exportación de datos en R
- Exportar datos a archivos de tipo .txt usando:
write.table(mydata,“ruta_archivo/mydatasalida.txt”,sep=““)
- write.table(“data”,“/home/mcasal8/Desktop/SAD_LAB1/Data1.txt”,sep=““)
- Exportar datos a archivos de tipo .csv usando: write.csv(mydata,
“ruta_archivo/mydatasalida.csv”)
- write.csv(“data”, file=“/home/mcasal8/Desktop/SAD_LAB1/Data2.csv”)
- Exportar datos a archivos .xlsx usando: write.xlsx(mydata,
“ruta_archivo/mydatasalida.xlsx”)
- library(xlsx)
- write.xlsx(“data”,“/home/mcasal8/Desktop/SAD_LAB1/Data3.xlsx”)
- Exportar datos a archivos de tipo SPSS usando:
write.foreing(mydata.”ruta_archivo/mydatasalida.spss”, package=“SPSS”)
- library(foreing)
- write.foreign(“data”,“/home/mcasal8/Desktop/SAD_LAB1/Data4.spss”,package=“SPSS”)
- Exportar datos a archivos de tipo SAS usando:
write.foreing(mydata.”ruta_archivo/mydatasalida.sas”, package=“SAS”)
- library(foreing)
- write.foreign(“data”,“/home/mcasal8/Desktop/SAD_LAB1/data5.sas”,package=“SAS”)
** Ejemplo 4 **
flores = c(15,16,18,18,12,12,25,10,15,22,14,14,16,4,8,5,7,3,9,12) #floresnacidas por m2
tratamiento = c("s","s","s","s","s","s","s","s","s","s","n","n","n","n","n","n","n","n","n","n")
dataflores =data.frame(tratamiento, flores)
write.csv(dataflores, file="Prueb1.csv") #exporto a un archivo .csv
write.csv(dataflores, file="Prueb2.csv", row.names = F) #elimino los númerosde fila
# Con row.names = FALSE el CSV empieza directamente con los nombres de tus columnas
write.table(dataflores, file="Prueb3.txt") #exporto a un archivo de textoCon row.names = FALSE el CSV empieza directamente con los nombres de tus columnas
Estructura de datos en R
Tipología de datos
| Tipos de datos | Nombre | Expresión en R |
|---|---|---|
| Datos numéricos | Numeric | num <- 1.0 |
| Datos enteros | Integer | int <- 2 |
| Datos lógicos | Logical | TRUE or FALSE |
| Factores | Factor | factor |
Operadores
Operadores de asignación
num1 <- 10
num2<-20
num2=num1
num2## [1] 10Operadores aritméticos
num1<-10
num2<-20
num1+num2## [1] 30num2/num1## [1] 2num2## [1] 20Operadores relacionales
num1==num2## [1] FALSEnum1<num2## [1] TRUEnum1!=num2## [1] TRUEOperadores lógicos
bool1<-TRUE
bool2<-FALSE
bool1&bool2## [1] FALSEbool1|bool2## [1] TRUE!bool1## [1] FALSEVectores
vect <- c(1.5,2,3.5,4)
vect## [1] 1.5 2.0 3.5 4.0Secuencias numéricas
seq1 <- seq(0,20, by=0.5)
seq1## [1] 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0
## [16] 7.5 8.0 8.5 9.0 9.5 10.0 10.5 11.0 11.5 12.0 12.5 13.0 13.5 14.0 14.5
## [31] 15.0 15.5 16.0 16.5 17.0 17.5 18.0 18.5 19.0 19.5 20.0Matrices
datos <- c(1:20) # números del 1 al 20
celdas <- c(4,5) # 4 filas y 5 columnas
matriz <- matrix(datos,celdas)
matriz## [,1] [,2] [,3] [,4] [,5]
## [1,] 1 5 9 13 17
## [2,] 2 6 10 14 18
## [3,] 3 7 11 15 19
## [4,] 4 8 12 16 20Listas
vecta <- c(1,2,3,4,5)
vectb <- c("uno","dos","tres")
matriz <- matrix(1:20,ncol=4) # Al dar el ncol o nwrow ya se calcula solo la otra dimensión
lista <- list(vecta, vectb, matriz)
lista## [[1]]
## [1] 1 2 3 4 5
##
## [[2]]
## [1] "uno" "dos" "tres"
##
## [[3]]
## [,1] [,2] [,3] [,4]
## [1,] 1 6 11 16
## [2,] 2 7 12 17
## [3,] 3 8 13 18
## [4,] 4 9 14 19
## [5,] 5 10 15 20# Ver la primera fila de la lista (el primer elemento)
lista [[1]]## [1] 1 2 3 4 5# Ver la tercera fila de la lista (el tercer elemento - la matriz)
lista [[3]]## [,1] [,2] [,3] [,4]
## [1,] 1 6 11 16
## [2,] 2 7 12 17
## [3,] 3 8 13 18
## [4,] 4 9 14 19
## [5,] 5 10 15 20# Ver el primer elemento del segundo vector de la lista
lista [[2]][1]## [1] "uno"# Ver del tercer elemento la segunda fila y tercera columna
lista [[3]][2,3]## [1] 12Data frame
Igual que una matriz, pero con la estructura bidimensional que parece una matriz, todos los elementos del mismo tamaño. Las matrices son del mismo tipo todos los elementos
enteros <- c(1,2,3,4)
cadenas <- c("uno","dos","tres","cuatro")
decimales <- c(1.0,2.2,3.4,6.8)
midataframe <- data.frame(enteros,cadenas,decimales)
midataframe## enteros cadenas decimales
## 1 1 uno 1.0
## 2 2 dos 2.2
## 3 3 tres 3.4
## 4 4 cuatro 6.8Conjunto de datos
#Nos bajamos el conjunto de datos birthwt de MASS
library(MASS)
data("birthwt")
View(birthwt) # Muestra dentro de RStudio la tabla
dim(birthwt) # Muestra el número de observaciones y el número de variables, es decir el número de columnas y el número de celdas## [1] 189 10length(birthwt) # Muestra el número de variables (columnas)## [1] 10head(birthwt, n=5) # Muestra las 5 primeros registros (filas)## low age lwt race smoke ptl ht ui ftv bwt
## 85 0 19 182 2 0 0 0 1 0 2523
## 86 0 33 155 3 0 0 0 0 3 2551
## 87 0 20 105 1 1 0 0 0 1 2557
## 88 0 21 108 1 1 0 0 1 2 2594
## 89 0 18 107 1 1 0 0 1 0 2600names(birthwt) # Muestra los nombres de las variables## [1] "low" "age" "lwt" "race" "smoke" "ptl" "ht" "ui" "ftv"
## [10] "bwt"genero <- c(1, 2, 1, 1, 1, 2, 2, 2, 1, 2)
edad <- c(24, 25, 26, 24, 25, 27, 21, 22, 25, 26)
fuma <- c("no", "sí", "no", "sí", "no", "no", "sí", "no", "no", "sí")
MiDataf <- data.frame(genero, edad, fuma)
MiDataf## genero edad fuma
## 1 1 24 no
## 2 2 25 sí
## 3 1 26 no
## 4 1 24 sí
## 5 1 25 no
## 6 2 27 no
## 7 2 21 sí
## 8 2 22 no
## 9 1 25 no
## 10 2 26 síMiDataf[3:5, ] #datos de los elementos de las filas de la 3 a la 5## genero edad fuma
## 3 1 26 no
## 4 1 24 sí
## 5 1 25 noMiDataf[[1]] #datos de todos los elementos de la primera columna## [1] 1 2 1 1 1 2 2 2 1 2MiDataf[,1] #datos de todos los elementos de la primera columna## [1] 1 2 1 1 1 2 2 2 1 2MiDataf$genero #datos de todos los elementos de la primera columna## [1] 1 2 1 1 1 2 2 2 1 2MiDataf[8,3] # Fila 8 colmna 3## [1] "no"MiDataf[[3]][8] # Fila 8 columna 3 Ojo, que según la nomenclatura se hace de una manera y otra, en esta segunda estoy accediendo al 8o elmento porque ya es un vetor## [1] "no"MiDataf## genero edad fuma
## 1 1 24 no
## 2 2 25 sí
## 3 1 26 no
## 4 1 24 sí
## 5 1 25 no
## 6 2 27 no
## 7 2 21 sí
## 8 2 22 no
## 9 1 25 no
## 10 2 26 símean(MiDataf$edad[MiDataf$fuma == "no"]) # Media de edad de los pacientes que no fuman## [1] 24.83333mean(MiDataf$edad[MiDataf$fuma == "no" & MiDataf$genero == 1]) # Media de edad de los pacientes que no fuman y son de genero 1## [1] 25genero <- c(1, 2, 1, 1, 1, 2, 2, 2, 1, 2)
edad <- c(24, 25, 26, 24, 25, 27, 21, 22, 25, 26)
fuma <- c("no", "sí", "no", "sí", "no", "no", "sí", "no", "no", "sí")
MiDataf <- data.frame(genero, edad, fuma)
MiDataf## genero edad fuma
## 1 1 24 no
## 2 2 25 sí
## 3 1 26 no
## 4 1 24 sí
## 5 1 25 no
## 6 2 27 no
## 7 2 21 sí
## 8 2 22 no
## 9 1 25 no
## 10 2 26 síattach(MiDataf) # VAmos a utilizar este DataFrame## The following objects are masked _by_ .GlobalEnv:
##
## edad, fuma, generotable(edad,fuma) # Ahora creamos una tabla independiente con edad y género## fuma
## edad no sí
## 21 0 1
## 22 1 0
## 24 1 1
## 25 2 1
## 26 1 1
## 27 1 0# with me permite trabajar con datos obtenidos de un DataFrame directamnete
with(MiDataf,{
dias_edad <- MiDataf$edad * 365
dias_edad
})## [1] 8760 9125 9490 8760 9125 9855 7665 8030 9125 9490Combinar conjuntos de datos
#creamos un primer data frame sobre enfermedades
Dataf_Enf1 = data.frame (enfermedad = c("diabetes", "colesterol","hipertensión", "hipotensión"), individuos= c("ind1", "ind2", "ind3","ind4"))
Dataf_Enf1 #observamos los elementos de Enf1## enfermedad individuos
## 1 diabetes ind1
## 2 colesterol ind2
## 3 hipertensión ind3
## 4 hipotensión ind4## enfermedad individuos
## 1 diabetes ind1
## 2 colesterol ind2
## 3 hipertensión ind3
## 4 hipotensión ind4
#creamos un segundo data frame idéntico en variables
Dataf_Enf2 = data.frame (enfermedad = c("diabetes", "colesterol","hipertensión", "hipotensión"), individuos= c("ind21", "ind22", "ind23","ind24"))
Dataf_Enf2 #observamos los elementos de Enf2## enfermedad individuos
## 1 diabetes ind21
## 2 colesterol ind22
## 3 hipertensión ind23
## 4 hipotensión ind24## enfermedad individuos
## 1 diabetes ind21
## 2 colesterol ind22
## 3 hipertensión ind23
## 4 hipotensión ind24
#Vamos con el Inner join
inner_join <- merge(x=Dataf_Enf1, y=Dataf_Enf2)
inner_join## [1] enfermedad individuos
## <0 rows> (o 0- extensión row.names)# Vamos con el Full outer, fusión completa
full_outer <- merge(Dataf_Enf1,Dataf_Enf2,all=TRUE)
full_outer## enfermedad individuos
## 1 colesterol ind2
## 2 colesterol ind22
## 3 diabetes ind1
## 4 diabetes ind21
## 5 hipertensión ind23
## 6 hipertensión ind3
## 7 hipotensión ind24
## 8 hipotensión ind4#Vamos con el Left outer
left_outer <- merge(x=Dataf_Enf1,y=Dataf_Enf2, all.x=TRUE)
left_outer## enfermedad individuos
## 1 colesterol ind2
## 2 diabetes ind1
## 3 hipertensión ind3
## 4 hipotensión ind4# Vamos con el Right outer
right_outer <- merge(x=Dataf_Enf1, y=Dataf_Enf2, all.y=TRUE)
right_outer## enfermedad individuos
## 1 colesterol ind22
## 2 diabetes ind21
## 3 hipertensión ind23
## 4 hipotensión ind24# Vamos con el cross join, producto cartesianoa
prod_cartesiano <- merge(Dataf_Enf1,Dataf_Enf2,by=NULL)
prod_cartesiano## enfermedad.x individuos.x enfermedad.y individuos.y
## 1 diabetes ind1 diabetes ind21
## 2 colesterol ind2 diabetes ind21
## 3 hipertensión ind3 diabetes ind21
## 4 hipotensión ind4 diabetes ind21
## 5 diabetes ind1 colesterol ind22
## 6 colesterol ind2 colesterol ind22
## 7 hipertensión ind3 colesterol ind22
## 8 hipotensión ind4 colesterol ind22
## 9 diabetes ind1 hipertensión ind23
## 10 colesterol ind2 hipertensión ind23
## 11 hipertensión ind3 hipertensión ind23
## 12 hipotensión ind4 hipertensión ind23
## 13 diabetes ind1 hipotensión ind24
## 14 colesterol ind2 hipotensión ind24
## 15 hipertensión ind3 hipotensión ind24
## 16 hipotensión ind4 hipotensión ind24# Vamos a por el rbind, que es apilar filas
ver_rbind <- rbind(Dataf_Enf1,Dataf_Enf2)
ver_rbind## enfermedad individuos
## 1 diabetes ind1
## 2 colesterol ind2
## 3 hipertensión ind3
## 4 hipotensión ind4
## 5 diabetes ind21
## 6 colesterol ind22
## 7 hipertensión ind23
## 8 hipotensión ind24Seleccionar y filtrar registros
Id<-c("I1","I2","I3","I4","I5","I6","I7","I8","I9","I10","I11","I12","I13","I14","I15","I16","I17","I18","I19","I20","I21","I22")
Edad <- c(23,24,21,22,23,25,26,24,21,22,23,25,26,24,22,21,25,26,24,21,25,27)
Sexo <-c(1,2,1,1,1,2,2,2,1,2,1,2,2,2,1,1,1,2,2,2,1,2)
Peso <-c(76.5, 81.2, 79.3, 59.5, 67.3, 78.6, 67.9, 100.2, 97.8, 56.4, 65.4,67.5, 87.4, 99.7, 87.6, 93.4, 65.4, 73.7, 85.1, 61.2, 54.8, 103.4)
Altura <-c(165,154,178,165,164,175,182,165,178,165,158,183,184,164,189,167,182,179,165,158,183,184)
Pacientes <- data.frame (Id, Edad, Sexo, Peso, Altura)
# En Prueba1 solo Id, Edad y Sexo
Prueba1 <- subset(Pacientes, select=c(Id, Edad, Sexo))
Prueba1## Id Edad Sexo
## 1 I1 23 1
## 2 I2 24 2
## 3 I3 21 1
## 4 I4 22 1
## 5 I5 23 1
## 6 I6 25 2
## 7 I7 26 2
## 8 I8 24 2
## 9 I9 21 1
## 10 I10 22 2
## 11 I11 23 1
## 12 I12 25 2
## 13 I13 26 2
## 14 I14 24 2
## 15 I15 22 1
## 16 I16 21 1
## 17 I17 25 1
## 18 I18 26 2
## 19 I19 24 2
## 20 I20 21 2
## 21 I21 25 1
## 22 I22 27 2# En Prueba2 solo aquellos que la edad es mayor o igual a 24
Prueba2 <- subset(Pacientes, Edad >= 24)
Prueba2## Id Edad Sexo Peso Altura
## 2 I2 24 2 81.2 154
## 6 I6 25 2 78.6 175
## 7 I7 26 2 67.9 182
## 8 I8 24 2 100.2 165
## 12 I12 25 2 67.5 183
## 13 I13 26 2 87.4 184
## 14 I14 24 2 99.7 164
## 17 I17 25 1 65.4 182
## 18 I18 26 2 73.7 179
## 19 I19 24 2 85.1 165
## 21 I21 25 1 54.8 183
## 22 I22 27 2 103.4 184# Menore de 25 y no queremos incluir sexo
Prueba3 <- subset(Pacientes, Edad < 25, select=-c(Sexo))
Prueba3## Id Edad Peso Altura
## 1 I1 23 76.5 165
## 2 I2 24 81.2 154
## 3 I3 21 79.3 178
## 4 I4 22 59.5 165
## 5 I5 23 67.3 164
## 8 I8 24 100.2 165
## 9 I9 21 97.8 178
## 10 I10 22 56.4 165
## 11 I11 23 65.4 158
## 14 I14 24 99.7 164
## 15 I15 22 87.6 189
## 16 I16 21 93.4 167
## 19 I19 24 85.1 165
## 20 I20 21 61.2 158# Altura menor o igual a 165 y superior a 174. Aquí se juega con el el y que realmente es un o
Prueba4 <- subset(Pacientes, (Altura <= 165 | Altura > 174))
Prueba4## Id Edad Sexo Peso Altura
## 1 I1 23 1 76.5 165
## 2 I2 24 2 81.2 154
## 3 I3 21 1 79.3 178
## 4 I4 22 1 59.5 165
## 5 I5 23 1 67.3 164
## 6 I6 25 2 78.6 175
## 7 I7 26 2 67.9 182
## 8 I8 24 2 100.2 165
## 9 I9 21 1 97.8 178
## 10 I10 22 2 56.4 165
## 11 I11 23 1 65.4 158
## 12 I12 25 2 67.5 183
## 13 I13 26 2 87.4 184
## 14 I14 24 2 99.7 164
## 15 I15 22 1 87.6 189
## 17 I17 25 1 65.4 182
## 18 I18 26 2 73.7 179
## 19 I19 24 2 85.1 165
## 20 I20 21 2 61.2 158
## 21 I21 25 1 54.8 183
## 22 I22 27 2 103.4 184set.seed(999)
f <- nrow(Pacientes) #f es el tamaño del data frame a partir del número de filas.
n <- 3 #n es el tamaño de la nueva muestra aleatoria.
i <- sample(1:f, n, replace=FALSE) #i serán las posiciones de las observaciones aleatorias.
Prueba5 <- Pacientes[i,] #La nueva muestra aleatoria
Prueba5## Id Edad Sexo Peso Altura
## 4 I4 22 1 59.5 165
## 7 I7 26 2 67.9 182
## 9 I9 21 1 97.8 178library(dplyr)##
## Adjuntando el paquete: 'dplyr'## The following object is masked from 'package:MASS':
##
## select## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, uniondata(women)
Prueba6 <- filter(women, height >58)
Prueba6## height weight
## 1 59 117
## 2 60 120
## 3 61 123
## 4 62 126
## 5 63 129
## 6 64 132
## 7 65 135
## 8 66 139
## 9 67 142
## 10 68 146
## 11 69 150
## 12 70 154
## 13 71 159
## 14 72 164Visualización de los datos en R. Gráficas base
plot(iris)
hist(iris$Sepal.Length, main="Histograma de longitud del sépalo" , col="red", xlab="cm", ylab="Frecuencia", xlim=c(3,9), ylim=c(0,30))
boxplot(iris, main="Diagramas de caja", col = c("red","blue","orange","yellow"),xlab="Dimensiones",ylab="cm")
Ejercicios y casos prácticos con R
Ejercicio 2:
- Importad un archivo de texto y buscad un summary() de tres variables que escojáis.
- Importad un archivo «.csv» y buscad un fivenum() de dos variables que os parezcan relevantes para el estudio.
pacientes<-read.table("pacientes.txt",header = TRUE, sep = "\t")
summary(pacientes)## Nombre Edad Peso Altura
## Length:40 Min. :22.00 Min. : 58.50 Min. :156.0
## Class :character 1st Qu.:31.00 1st Qu.: 69.62 1st Qu.:165.4
## Mode :character Median :41.50 Median : 80.25 Median :173.0
## Mean :41.62 Mean : 80.75 Mean :172.9
## 3rd Qu.:51.50 3rd Qu.: 92.38 3rd Qu.:180.2
## Max. :62.00 Max. :104.00 Max. :190.0
## Colesterol
## Min. :162.0
## 1st Qu.:186.9
## Median :218.2
## Mean :215.8
## 3rd Qu.:241.8
## Max. :275.5estudiantes<-read.csv("estudiantes.csv")
# 2. fivenum() de dos variables relevantes para el estudio
fivenum(estudiantes$Horas_Estudio)## [1] 0.000 5.500 10.625 15.750 21.250fivenum(estudiantes$Nota_Examen)## [1] 1.20 3.25 5.00 7.40 9.90Ejercicio 3:
A partir del conjunto de datos anorexia del paquete MASS, que corresponden a los datos de cambio de peso de pacientes jóvenes con anorexia, mostrad los tipos de datos que contiene y comprobad si existen valores NA y NULL. Para la variable Treat, transformad los valores «CBT», «Cont» y «FT» en «Cogn Beh Tr», «Contr» y «Fam Tr», respectivamente.
data(anorexia)
#Tipos de datos que contiene
#str(anorexia)
sapply(anorexia, class) ## Treat Prewt Postwt
## "factor" "numeric" "numeric"sapply(anorexia, function(col) class(col)) # Esta es la variable más larga y manual## Treat Prewt Postwt
## "factor" "numeric" "numeric"# Para ver si hay algún NA
any(sapply(anorexia, function(col) any(is.na(col)))) #Esto lo que hace es mirar si hay algún na en la columna llamada col, y lo hace con la function, luego eso lo hace con todas las columnas de anoxeia, eso lo hace sapply## [1] FALSEanyNA(anorexia) # Esto hace lo de arriba pero solo, es una función integrada de R## [1] FALSE# Para ver si hay algún NULL
# IMPORTANTE "En un data frame no puede haber NULLs por definición: un data frame es una lista de columnas que deben tener todas exactamente la misma longitud, y NULL es un objeto de longitud 0, por lo que una columna NULL rompería esa condición. Además, asignar NULL a un elemento no lo almacena, sino que lo elimina (df$columna <- NULL borra la columna, igual que lista[[3]] <- NULL elimina el elemento de una lista en el LAB1). Por ello, los valores ausentes dentro de un data frame se representan como NA, nunca como NULL."
# Reetiquetar
valores_variable = factor(anorexia$Treat, levels=c("CBT","Cont","FT"), labels = c("Cogn Beh Tr", "Contr", "Fam Tr"))
anorexia$Treat## [1] Cont Cont Cont Cont Cont Cont Cont Cont Cont Cont Cont Cont Cont Cont Cont
## [16] Cont Cont Cont Cont Cont Cont Cont Cont Cont Cont Cont CBT CBT CBT CBT
## [31] CBT CBT CBT CBT CBT CBT CBT CBT CBT CBT CBT CBT CBT CBT CBT
## [46] CBT CBT CBT CBT CBT CBT CBT CBT CBT CBT FT FT FT FT FT
## [61] FT FT FT FT FT FT FT FT FT FT FT FT
## Levels: CBT Cont FTvalores_variable## [1] Contr Contr Contr Contr Contr Contr
## [7] Contr Contr Contr Contr Contr Contr
## [13] Contr Contr Contr Contr Contr Contr
## [19] Contr Contr Contr Contr Contr Contr
## [25] Contr Contr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr
## [31] Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr
## [37] Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr
## [43] Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr
## [49] Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr
## [55] Cogn Beh Tr Fam Tr Fam Tr Fam Tr Fam Tr Fam Tr
## [61] Fam Tr Fam Tr Fam Tr Fam Tr Fam Tr Fam Tr
## [67] Fam Tr Fam Tr Fam Tr Fam Tr Fam Tr Fam Tr
## Levels: Cogn Beh Tr Contr Fam TrEjercicio 4:
- Exportad los datos biopsy del paquete MASS a un archivo «.csv.»
- Exportad los datos melanoma del paquete MASS a archivos de tres diferentes formatos y comprobad que se han creado los diferentes archivos en los formatos y las rutas especificados. Podéis generar una captura de pantalla de su ubicación en la carpeta.
- Generad un resumen (summary) de la variable age de melanoma y guardad la salida que os aparece en un documento .doc
- Buscad un data frame en algún repositorio de datos de Biomedicina, descargad un conjunto de datos en «.csv» e importad este fichero a un documento R Markdown usando el código o el menú de importación de RStudio.
Esta es una lista de algunos repositorios de datos que podemos usar:
- https://ouhsc.edu/bserdac/dthompso/web/statres.htm
- https://guides.lib.berkeley.edu/publichealth/healthstatistics/rawdata
- https://archive.ics.uci.edu/datasets
# 1. Exportad los datos biopsy del paquete MASS a un archivo «.csv.»
library(MASS)
data(biopsy)
write.csv(biopsy, "biopsy.csv")
# 2. Exportad los datos melanoma del paquete MASS a archivos de tres diferentes formatos y comprobad que se han creado los diferentes archivos en los formatos y las rutas especificados. Podéis generar una captura de pantalla de su ubicación en la carpeta.
data(Melanoma)
write.csv(Melanoma, "Melanoma.csv")
write.table(Melanoma, "./Melanova.txt")
# install.packages("writexl")
library(writexl)
write_xlsx(Melanoma, "/home/edu/Documentos/Universidad/Master-Bioinformatica/M0.153 - Software para el análisis de datos/LAB1/Melanova.xlsx")
# 3. Generad un resumen (summary) de la variable age de melanoma y guardad la salida que os aparece en un documento .doc
# install.packages("officer")
summary(Melanoma$age)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 4.00 42.00 54.00 52.46 65.00 95.00write(summary(Melanoma$age), "Sum_Melanoma.doc")
# 4. Buscad un data frame en algún repositorio de datos de Biomedicina, descargad un conjunto de datos en «.csv» e importad este fichero a un documento R Markdown usando el código o el menú de importación de RStudio.
dirtbike <- read.csv("dirtbike_aug.csv")Ejercicio 5:
En el siguiente ejemplo veremos cómo utilizar diferentes operadores sobre el conjunto de datos birthwt, así como también algunas funciones que nos permiten obtener más información de las variables:
- ¿Cuál es la edad máxima de las madres del conjunto de datos?
- ¿Cuál es la edad mínima de las madres del conjunto de datos?
- ¿Cuál es el rango de edad de las madres?
- ¿Fumaba la madre cuyo recién nacido era el de menor peso?
- ¿Cuánto pesó el recién nacido cuya madre tenía la edad máxima?
- Listad los pesos de los recién nacidos, cuyas madres visitarán menos de dos veces al médico durante el primer trimestre.
# Edad máxima
data(birthwt)
edad_maxima <- max(birthwt$age)
edad_maxima## [1] 45# Edad mínima
edad_minima <- min(birthwt$age)
edad_minima## [1] 14# Rango de edad de las madres
rango_madres <- max(birthwt$age) - min(birthwt$age)
rango_madres## [1] 31# Fumaba madre cuyo recien nacido era de menor peso
#recien_nacido_menor_peso <- min(birthwt$bwt)
#recien_nacido_menor_peso
fumaba_madre <- birthwt$smoke[which.min(birthwt$bwt)]
fumaba_madre## [1] 1# Peso bebe de madre mas edad
peso_bebe <- birthwt$bwt[which.max(birthwt$age)]
peso_bebe## [1] 4990# Peso bebes madres visitaron menos de 2 veces medico
peso_bebe_2_veces <- birthwt$bwt[which(birthwt$ftv<2)]
peso_bebe_2_veces## [1] 2523 2557 2600 2622 2637 2637 2663 2665 2722 2733 2751 2769 2769 2778 2807
## [16] 2821 2836 2863 2877 2906 2920 2920 2920 2948 2948 2977 2977 2922 3033 3062
## [31] 3062 3062 3062 3090 3090 3100 3104 3132 3175 3175 3203 3203 3203 3225 3225
## [46] 3232 3234 3260 3274 3317 3317 3331 3374 3374 3402 3416 3444 3459 3460 3473
## [61] 3544 3487 3544 3572 3572 3586 3600 3614 3614 3629 3637 3643 3651 3651 3651
## [76] 3651 3699 3728 3756 3770 3770 3770 3790 3799 3827 3884 3912 3940 3941 3941
## [91] 3969 3997 3997 4054 4054 4111 4174 4238 4593 4990 709 1135 1330 1474 1588
## [106] 1588 1701 1729 1790 1818 1885 1893 1899 1928 1936 1970 2055 2055 2084 2084
## [121] 2100 2125 2187 2187 2211 2225 2240 2240 2282 2296 2296 2325 2353 2353 2367
## [136] 2381 2381 2381 2410 2410 2410 2424 2442 2466 2466 2495 2495Ejercicio 6:
A partir del conjunto de datos anorexia trabajado en apartados anteriores, cread una matriz que tenga como columnas los valores de Prewt y Postwt, y cada fila sean los valores correspondientes para cada posición.
data(anorexia)
matriz_anorexia <- matrix(c(anorexia$Prewt,anorexia$Postwt))
matriz_anorexia## [,1]
## [1,] 80.7
## [2,] 89.4
## [3,] 91.8
## [4,] 74.0
## [5,] 78.1
## [6,] 88.3
## [7,] 87.3
## [8,] 75.1
## [9,] 80.6
## [10,] 78.4
## [11,] 77.6
## [12,] 88.7
## [13,] 81.3
## [14,] 78.1
## [15,] 70.5
## [16,] 77.3
## [17,] 85.2
## [18,] 86.0
## [19,] 84.1
## [20,] 79.7
## [21,] 85.5
## [22,] 84.4
## [23,] 79.6
## [24,] 77.5
## [25,] 72.3
## [26,] 89.0
## [27,] 80.5
## [28,] 84.9
## [29,] 81.5
## [30,] 82.6
## [31,] 79.9
## [32,] 88.7
## [33,] 94.9
## [34,] 76.3
## [35,] 81.0
## [36,] 80.5
## [37,] 85.0
## [38,] 89.2
## [39,] 81.3
## [40,] 76.5
## [41,] 70.0
## [42,] 80.4
## [43,] 83.3
## [44,] 83.0
## [45,] 87.7
## [46,] 84.2
## [47,] 86.4
## [48,] 76.5
## [49,] 80.2
## [50,] 87.8
## [51,] 83.3
## [52,] 79.7
## [53,] 84.5
## [54,] 80.8
## [55,] 87.4
## [56,] 83.8
## [57,] 83.3
## [58,] 86.0
## [59,] 82.5
## [60,] 86.7
## [61,] 79.6
## [62,] 76.9
## [63,] 94.2
## [64,] 73.4
## [65,] 80.5
## [66,] 81.6
## [67,] 82.1
## [68,] 77.6
## [69,] 83.5
## [70,] 89.9
## [71,] 86.0
## [72,] 87.3
## [73,] 80.2
## [74,] 80.1
## [75,] 86.4
## [76,] 86.3
## [77,] 76.1
## [78,] 78.1
## [79,] 75.1
## [80,] 86.7
## [81,] 73.5
## [82,] 84.6
## [83,] 77.4
## [84,] 79.5
## [85,] 89.6
## [86,] 81.4
## [87,] 81.8
## [88,] 77.3
## [89,] 84.2
## [90,] 75.4
## [91,] 79.5
## [92,] 73.0
## [93,] 88.3
## [94,] 84.7
## [95,] 81.4
## [96,] 81.2
## [97,] 88.2
## [98,] 78.8
## [99,] 82.2
## [100,] 85.6
## [101,] 81.4
## [102,] 81.9
## [103,] 76.4
## [104,] 103.6
## [105,] 98.4
## [106,] 93.4
## [107,] 73.4
## [108,] 82.1
## [109,] 96.7
## [110,] 95.3
## [111,] 82.4
## [112,] 72.5
## [113,] 90.9
## [114,] 71.3
## [115,] 85.4
## [116,] 81.6
## [117,] 89.1
## [118,] 83.9
## [119,] 82.7
## [120,] 75.7
## [121,] 82.6
## [122,] 100.4
## [123,] 85.2
## [124,] 83.6
## [125,] 84.6
## [126,] 96.2
## [127,] 86.7
## [128,] 95.2
## [129,] 94.3
## [130,] 91.5
## [131,] 91.9
## [132,] 100.3
## [133,] 76.7
## [134,] 76.8
## [135,] 101.6
## [136,] 94.9
## [137,] 75.2
## [138,] 77.8
## [139,] 95.5
## [140,] 90.7
## [141,] 92.5
## [142,] 93.8
## [143,] 91.7
## [144,] 98.0Ejercicio 7:
Copia el código siguiente en tu consola para generar un data frame con veinticinco registros y seis variables, y responde a los siguientes apartados:
Identificador <-
c("I1","I2","I3","I4","I5","I6","I7","I8","I9","I10","I11","I12","I13","I14","I15","I16","I17","I18","I19","I20","I21","I22","I23","I24","I25")
Edad <-c(23,24,21,22,23,25,26,24,21,22,23,25,26,24,22,21,25,26,24,21,25,27,26,22,29)
Sexo <-c(1,2,1,1,1,2,2,2,1,2,1,2,2,2,1,1,1,2,2,2,1,2,1,1,2) #1 para mujeres y2 para hombres
Peso <-c(76.5,81.2,79.3,59.5,67.3,78.6,67.9,100.2,97.8,56.4,65.4,67.5,87.4,99.7,87.6,93.4,65.4,73.7,85.1,61.2,54.8,103.4,65.8,71.7,85.0)
Alt <-c(165,154,178,165,164,175,182,165,178,165,158,183,184,164,189,167,182,179,165,158,183,184,189,166,175) #altura en cm
Fuma <-c("SÍ","NO","SÍ","SÍ","NO","NO","NO","SÍ","SÍ","SÍ","NO","NO","SÍ","SÍ","SÍ","SÍ","NO","NO","SÍ","SÍ","SÍ","NO","SÍ","NO","SÍ")
Trat_Pulmon <- data.frame(Identificador,Edad,Sexo,Peso,Alt,Fuma)
Trat_Pulmon## Identificador Edad Sexo Peso Alt Fuma
## 1 I1 23 1 76.5 165 SÍ
## 2 I2 24 2 81.2 154 NO
## 3 I3 21 1 79.3 178 SÍ
## 4 I4 22 1 59.5 165 SÍ
## 5 I5 23 1 67.3 164 NO
## 6 I6 25 2 78.6 175 NO
## 7 I7 26 2 67.9 182 NO
## 8 I8 24 2 100.2 165 SÍ
## 9 I9 21 1 97.8 178 SÍ
## 10 I10 22 2 56.4 165 SÍ
## 11 I11 23 1 65.4 158 NO
## 12 I12 25 2 67.5 183 NO
## 13 I13 26 2 87.4 184 SÍ
## 14 I14 24 2 99.7 164 SÍ
## 15 I15 22 1 87.6 189 SÍ
## 16 I16 21 1 93.4 167 SÍ
## 17 I17 25 1 65.4 182 NO
## 18 I18 26 2 73.7 179 NO
## 19 I19 24 2 85.1 165 SÍ
## 20 I20 21 2 61.2 158 SÍ
## 21 I21 25 1 54.8 183 SÍ
## 22 I22 27 2 103.4 184 NO
## 23 I23 26 1 65.8 189 SÍ
## 24 I24 22 1 71.7 166 NO
## 25 I25 29 2 85.0 175 SÍ# a) Seleccionad los registros con edad > 22.
mas_de_22 <- Trat_Pulmon[Trat_Pulmon$Edad>22,]
mas_de_22 ## Identificador Edad Sexo Peso Alt Fuma
## 1 I1 23 1 76.5 165 SÍ
## 2 I2 24 2 81.2 154 NO
## 5 I5 23 1 67.3 164 NO
## 6 I6 25 2 78.6 175 NO
## 7 I7 26 2 67.9 182 NO
## 8 I8 24 2 100.2 165 SÍ
## 11 I11 23 1 65.4 158 NO
## 12 I12 25 2 67.5 183 NO
## 13 I13 26 2 87.4 184 SÍ
## 14 I14 24 2 99.7 164 SÍ
## 17 I17 25 1 65.4 182 NO
## 18 I18 26 2 73.7 179 NO
## 19 I19 24 2 85.1 165 SÍ
## 21 I21 25 1 54.8 183 SÍ
## 22 I22 27 2 103.4 184 NO
## 23 I23 26 1 65.8 189 SÍ
## 25 I25 29 2 85.0 175 SÍ# b) Seleccionad el elemento 3 de la columna 4 del conjunto de datos (contando el identificador).
Trat_Pulmon[3,4]## [1] 79.3# c) Usad el comando subset() para seleccionar todas las filas que tienen una edad menor que 27 años y sin incluir la columna Alt.
menos_de_27 <- subset(Trat_Pulmon, Edad <27)
menos_de_27## Identificador Edad Sexo Peso Alt Fuma
## 1 I1 23 1 76.5 165 SÍ
## 2 I2 24 2 81.2 154 NO
## 3 I3 21 1 79.3 178 SÍ
## 4 I4 22 1 59.5 165 SÍ
## 5 I5 23 1 67.3 164 NO
## 6 I6 25 2 78.6 175 NO
## 7 I7 26 2 67.9 182 NO
## 8 I8 24 2 100.2 165 SÍ
## 9 I9 21 1 97.8 178 SÍ
## 10 I10 22 2 56.4 165 SÍ
## 11 I11 23 1 65.4 158 NO
## 12 I12 25 2 67.5 183 NO
## 13 I13 26 2 87.4 184 SÍ
## 14 I14 24 2 99.7 164 SÍ
## 15 I15 22 1 87.6 189 SÍ
## 16 I16 21 1 93.4 167 SÍ
## 17 I17 25 1 65.4 182 NO
## 18 I18 26 2 73.7 179 NO
## 19 I19 24 2 85.1 165 SÍ
## 20 I20 21 2 61.2 158 SÍ
## 21 I21 25 1 54.8 183 SÍ
## 23 I23 26 1 65.8 189 SÍ
## 24 I24 22 1 71.7 166 NOEjercicio 8:
Incorporad el dataset ChickWeight que contiene información sobre el peso de 578 pollitos en gramos (weight), el tiempo desde la medición al nacer (Time), una variable identificadora de cada pollito (Chick) a partir del rango de peso y una variable factor con el tipo de dieta experimental que cada pollito recibió (Diet).
- Incorporad el conjunto de datos ChickWeight del paquete datasets a vuestro entorno de trabajo.
- Generad un gráfico de dispersión de la variable weight.
- Cread un diagrama de caja con la variable Time.
Para más información sobre ChickWeight: https://rdrr.io/r/datasets/ChickWeight.html
data(ChickWeight)
plot(ChickWeight$weight)
boxplot(ChickWeight$Time)
Ejercicio 9:
A partir del conjunto de datos anorexia del paquete MASS, cread otro data frame que se llame anorexia_treat_df formado por Treat y por un vector nuevo calculado a partir de la diferencia Prewt-Postwt. De esta manera, nos quedará un data frame que contenga el tipo de tratamiento y el valor del peso ganado o perdido después de haber realizado el tratamiento.
Seleccionad aquellos individuos que han ganado peso después del tratamiento y cread un nuevo conjunto llamado anorexia_treat_C_df que contenga solo los datos de aquellos que han seguido el tratamiento «Cont» y que han ganado peso después del tratamiento.
library(MASS)
data(anorexia)
dif_peso <- anorexia$Postwt - anorexia$Prewt
anorexia_treat_df <- data.frame(anorexia$Treat, dif_peso)
anorexia_treat_df## anorexia.Treat dif_peso
## 1 Cont -0.5
## 2 Cont -9.3
## 3 Cont -5.4
## 4 Cont 12.3
## 5 Cont -2.0
## 6 Cont -10.2
## 7 Cont -12.2
## 8 Cont 11.6
## 9 Cont -7.1
## 10 Cont 6.2
## 11 Cont -0.2
## 12 Cont -9.2
## 13 Cont 8.3
## 14 Cont 3.3
## 15 Cont 11.3
## 16 Cont 0.0
## 17 Cont -1.0
## 18 Cont -10.6
## 19 Cont -4.6
## 20 Cont -6.7
## 21 Cont 2.8
## 22 Cont 0.3
## 23 Cont 1.8
## 24 Cont 3.7
## 25 Cont 15.9
## 26 Cont -10.2
## 27 CBT 1.7
## 28 CBT 0.7
## 29 CBT -0.1
## 30 CBT -0.7
## 31 CBT -3.5
## 32 CBT 14.9
## 33 CBT 3.5
## 34 CBT 17.1
## 35 CBT -7.6
## 36 CBT 1.6
## 37 CBT 11.7
## 38 CBT 6.1
## 39 CBT 1.1
## 40 CBT -4.0
## 41 CBT 20.9
## 42 CBT -9.1
## 43 CBT 2.1
## 44 CBT -1.4
## 45 CBT 1.4
## 46 CBT -0.3
## 47 CBT -3.7
## 48 CBT -0.8
## 49 CBT 2.4
## 50 CBT 12.6
## 51 CBT 1.9
## 52 CBT 3.9
## 53 CBT 0.1
## 54 CBT 15.4
## 55 CBT -0.7
## 56 FT 11.4
## 57 FT 11.0
## 58 FT 5.5
## 59 FT 9.4
## 60 FT 13.6
## 61 FT -2.9
## 62 FT -0.1
## 63 FT 7.4
## 64 FT 21.5
## 65 FT -5.3
## 66 FT -3.8
## 67 FT 13.4
## 68 FT 13.1
## 69 FT 9.0
## 70 FT 3.9
## 71 FT 5.7
## 72 FT 10.7#Los que han ganado peso
ganado_peso <- subset(anorexia_treat_df, dif_peso>0)
ganado_peso## anorexia.Treat dif_peso
## 4 Cont 12.3
## 8 Cont 11.6
## 10 Cont 6.2
## 13 Cont 8.3
## 14 Cont 3.3
## 15 Cont 11.3
## 21 Cont 2.8
## 22 Cont 0.3
## 23 Cont 1.8
## 24 Cont 3.7
## 25 Cont 15.9
## 27 CBT 1.7
## 28 CBT 0.7
## 32 CBT 14.9
## 33 CBT 3.5
## 34 CBT 17.1
## 36 CBT 1.6
## 37 CBT 11.7
## 38 CBT 6.1
## 39 CBT 1.1
## 41 CBT 20.9
## 43 CBT 2.1
## 45 CBT 1.4
## 49 CBT 2.4
## 50 CBT 12.6
## 51 CBT 1.9
## 52 CBT 3.9
## 53 CBT 0.1
## 54 CBT 15.4
## 56 FT 11.4
## 57 FT 11.0
## 58 FT 5.5
## 59 FT 9.4
## 60 FT 13.6
## 63 FT 7.4
## 64 FT 21.5
## 67 FT 13.4
## 68 FT 13.1
## 69 FT 9.0
## 70 FT 3.9
## 71 FT 5.7
## 72 FT 10.7anorexia_treat_C_df <- anorexia_treat_df[anorexia_treat_df$anorexia.Treat == ("Cont"), ]
anorexia_treat_C_df## anorexia.Treat dif_peso
## 1 Cont -0.5
## 2 Cont -9.3
## 3 Cont -5.4
## 4 Cont 12.3
## 5 Cont -2.0
## 6 Cont -10.2
## 7 Cont -12.2
## 8 Cont 11.6
## 9 Cont -7.1
## 10 Cont 6.2
## 11 Cont -0.2
## 12 Cont -9.2
## 13 Cont 8.3
## 14 Cont 3.3
## 15 Cont 11.3
## 16 Cont 0.0
## 17 Cont -1.0
## 18 Cont -10.6
## 19 Cont -4.6
## 20 Cont -6.7
## 21 Cont 2.8
## 22 Cont 0.3
## 23 Cont 1.8
## 24 Cont 3.7
## 25 Cont 15.9
## 26 Cont -10.2