Taller 1: Primeros pasos en programación con R

Geomática Básica · Ingeniería Agronómica

ImportanteCómo funciona este taller

Lo que está leyendo es una página publicada en RPubs: es la guía del taller. Su tarea es construir en RStudio su propio documento que la replique: escribir los títulos y explicaciones, escribir y ejecutar cada bloque de código, obtener los mismos resultados y resolver los ejercicios. Al final, usted tendrá una página como esta, hecha por usted.

Trabaje con dos ventanas lado a lado: esta guía en el navegador y RStudio con su documento.

NotaAntes de empezar
  • No necesita saber programar. Este taller parte de cero.
  • Escriba el código usted mismo; no lo copie y pegue. Escribir le obliga a fijarse en cada coma, comilla y paréntesis, y así se aprende. Por eso esta página no tiene botón de copiar.
  • Equivocarse es parte del taller. Cuando R muestre un error en rojo, léalo: casi siempre le dice qué pasó. La sección 8 le enseña a leerlos.
  • Los recuadros ✏️ Pruebe usted son ejercicios: resuélvalos en bloques nuevos de su documento. Los recuadros 🤔 Pregunta son para pensar: responda por escrito en su documento, como texto debajo del bloque.

1 Preparación: RPubs, su proyecto y su documento

1.1 ¿Qué es RPubs?

RPubs es un sitio web gratuito de Posit (la empresa que hace RStudio) para publicar en internet documentos creados con R. Se publica directamente desde RStudio con un botón, y el resultado es una página web con texto, código y resultados (tablas, mapas, gráficos), como la que está leyendo.

Algunas cosas que debe saber:

  • Lo que ve aquí es el resultado ya ejecutado (un archivo HTML). No puede ejecutar código en esta página; para eso necesita RStudio.
  • Detrás de esta página hay un documento Quarto (.qmd): un archivo de texto que mezcla explicaciones y código. Ese es el tipo de archivo que usted va a crear.
  • Las publicaciones en RPubs son públicas: cualquiera con el enlace puede verlas. Nunca publique datos personales ni información confidencial.
  • Algunos resultados de esta guía muestran rutas del computador de la profesora (por ejemplo, C:/Users/...). En su computador esas rutas serán diferentes, y está bien.

1.2 Crear su propio proyecto en RStudio

Todo el trabajo de este taller lo hará desde cero, en un proyecto de RStudio creado por usted. Un proyecto es una carpeta que RStudio reconoce como “mi carpeta de trabajo”. Gracias a eso podemos escribir rutas cortas como "datos/municipios.shp" en vez de "C:/Users/.../Descargas/curso/datos/municipios.shp", y el código funciona igual en cualquier computador.

La profesora solo le entrega la carpeta datos, con los shapefiles: descárguela aquí. Todo lo demás lo crea usted.

1.2.1 Paso 1: crear el proyecto

  1. Abra RStudio y vaya a File → New Project…
  2. Elija New Directory y luego New Project.
  3. En Directory name escriba taller1_geomatica (sin espacios ni tildes).
  4. En Create project as subdirectory of, haga clic en Browse… y elija dónde guardarlo, por ejemplo C:/geomatica.
  5. Haga clic en Create Project. RStudio se reinicia y abre el proyecto: arriba a la derecha aparece su nombre, taller1_geomatica.

RStudio creó la carpeta taller1_geomatica con un archivo taller1_geomatica.Rproj. La próxima vez que quiera trabajar en el taller, abra el proyecto con doble clic en ese archivo .Rproj, o desde RStudio en File → Open Project…

AdvertenciaEvite OneDrive y rutas con tildes

Guarde el proyecto fuera de OneDrive y en una ruta sin tildes, eñes ni espacios (por ejemplo C:/geomatica/taller1_geomatica). La sincronización de OneDrive y los caracteres especiales causan errores difíciles de entender al leer y escribir archivos.

1.2.2 Paso 2: agregar la carpeta de datos

  1. Abra la carpeta de datos en Google Drive.
  2. Descargue la carpeta completa: haga clic en el nombre de la carpeta en la parte superior y elija Descargar. Google Drive la entrega comprimida en un archivo .zip.
  3. Descomprima el .zip (clic derecho → Extraer todo…).
  4. Con el explorador de archivos de su computador, copie la carpeta dentro de taller1_geomatica y asegúrese de que se llame exactamente datos (en minúsculas) y que los archivos del shapefile estén directamente adentro, no en otra subcarpeta.
  5. En RStudio, mire el panel Files (abajo a la derecha): debe ver la carpeta datos. Haga clic en ella y compruebe que contiene mun_santander_boyaca.shp junto con sus archivos acompañantes (.dbf, .shx, .prj…).
Importante

Un shapefile no es un solo archivo: son varios con el mismo nombre y distinta extensión. Si falta alguno, R no podrá leer la capa. Copie siempre la carpeta completa.

Al terminar el taller, su proyecto debe verse así:

taller1_geomatica/
├── taller1_geomatica.Rproj     ← lo crea RStudio en el paso 1
├── taller1_su_apellido.qmd     ← el documento que usted crea
├── taller1_su_apellido.html    ← la página que se genera al renderizar
├── datos/                      ← la carpeta que entrega la profesora
└── salidas/                    ← aquí guardaremos resultados (se crea en el taller)

1.3 Crear su documento Quarto

  1. En RStudio, con su proyecto taller1_geomatica abierto, vaya a File → New File → Quarto Document…
  2. Escriba el título (Taller 1: Primeros pasos en R) y su nombre como autor. Deje el formato HTML y haga clic en Create.
  3. RStudio abre un documento de ejemplo. Borre todo excepto el encabezado (lo que está entre las dos líneas ---).
  4. Guárdelo (Ctrl + S) en la carpeta del proyecto con el nombre taller1_su_apellido.qmd.
  5. Arriba a la izquierda del editor hay dos botones: Source y Visual. Use Source, para ver el documento tal como es.

Deje el encabezado así (cambie su nombre). La línea embed-resources: true hace que la página quede en un solo archivo, necesario para publicarla:

---
title: "Taller 1: Primeros pasos en R"
author: "Su nombre completo"
format:
  html:
    toc: true
    number-sections: true
    embed-resources: true
---

1.4 Escribir texto y código en su documento

Un documento Quarto tiene tres ingredientes:

  1. Texto con formato sencillo (Markdown).
  2. Bloques de código (chunks), que R ejecuta.
  3. Resultados, que aparecen debajo de cada bloque al ejecutarlo.

El texto se escribe normalmente y se le da formato con algunos símbolos:

Usted escribe Se ve como
# Título título de sección
## Subtítulo subtítulo
**negrita** negrita
*cursiva* cursiva
`codigo` codigo
- elemento viñeta de una lista

Un bloque de código empieza con ```{r} y termina con ```. Insértelo con Ctrl + Alt + I (Mac: Cmd + Option + I). Por ejemplo, así se ve en su documento una sección con texto y un bloque:

# R como calculadora

Lo más sencillo que R puede hacer es calcular.

```{r}
2 + 3
10 / 4
```

Para ejecutar código:

Acción Windows / Linux Mac
Ejecutar la línea donde está el cursor Ctrl + Enter Cmd + Enter
Ejecutar todo el bloque Ctrl + Shift + Enter Cmd + Shift + Enter
Insertar un bloque nuevo Ctrl + Alt + I Cmd + Option + I

También puede hacer clic en el triángulo verde ▶ en la esquina del bloque.

Tip¿Qué tanto debo replicar?
  • Títulos de sección y todos los bloques de código: todos, en el mismo orden.
  • Explicaciones: no las copie palabra por palabra. Escriba con sus propias palabras una o dos frases que expliquen qué hace cada bloque. Ese texto es la prueba de que entendió.
  • Ejercicios y preguntas: agregue sus soluciones y respuestas donde corresponden.

1.5 Renderizar: convertir su documento en página web

Cuando haga clic en el botón Render (flecha azul, arriba del editor; atajo Ctrl + Shift + K), RStudio ejecuta todo el documento de principio a fin y genera el archivo .html. Hágalo con frecuencia, por ejemplo al terminar cada sección:

  • Si el documento se renderiza sin problemas, vamos bien.
  • Si falla, el mensaje en el panel Background Jobs indica la línea con el problema. Un error común es usar una variable antes del bloque donde se crea.

Su primer bloque: compruebe dónde está trabajando R.

getwd()
[1] "C:/Users/FCA-UN-2240386/OneDrive - Universidad Nacional de Colombia/1_Periodos_Asignaturas/Cursos_2026_2/Geomatica_Basica_20262/Practical/Introduccion_R"

🤔 Pregunta: ¿La ruta que aparece en su documento termina en taller1_geomatica? Si no, guarde su documento, cierre RStudio y vuelva a abrir el proyecto con doble clic en el archivo taller1_geomatica.Rproj. Revise también que su .qmd esté guardado dentro de esa carpeta.

Parte A · Conceptos básicos de programación

2 R como calculadora

Lo más sencillo que R puede hacer es calcular. Ejecute cada línea con Ctrl + Enter:

2 + 3
[1] 5
10 - 4
[1] 6
6 * 7
[1] 42
10 / 4
[1] 2.5
2^3        # potencia: 2 elevado a 3
[1] 8
sqrt(16)   # raíz cuadrada
[1] 4

Todo lo que está después de # es un comentario: R lo ignora. Los comentarios sirven para explicarle a otras personas (y a usted mismo en el futuro) qué hace el código. Úselos mucho.

R respeta el orden de las operaciones de la matemática. Use paréntesis cuando lo necesite:

2 + 3 * 4     # primero multiplica
[1] 14
(2 + 3) * 4   # primero suma
[1] 20
Tip✏️ Pruebe usted (en su documento)

Un lote rectangular mide 150 m de largo y 80 m de ancho. Calcule su área en m² y luego en hectáreas (1 ha = 10 000 m²).

3 Variables: guardar valores con un nombre

En el ejercicio anterior tuvo que escribir los números varias veces. En programación preferimos guardar los valores en variables. Una variable es como una caja con una etiqueta: adentro está el valor y la etiqueta es el nombre.

En R se guarda con la flecha <- (se lee “recibe”). Atajo: Alt + -.

largo <- 150
ancho <- 80

Fíjese que no apareció nada debajo: R guardó los valores sin mostrarlos. Ahora mire el panel Environment (arriba a la derecha): ahí están largo y ancho. Para ver lo que hay en una variable, escriba su nombre:

largo
[1] 150

Ahora podemos calcular con los nombres en vez de con los números:

area_m2 <- largo * ancho
area_ha <- area_m2 / 10000
area_ha
[1] 1.2

3.1 Reglas para los nombres

  • Pueden tener letras, números, _ y ., pero no pueden empezar con número ni tener espacios.
  • R distingue mayúsculas de minúsculas: Largo y largo son dos variables distintas.
  • Use nombres que digan qué contienen: area_ha es mejor que x.
  • Evite tildes y ñ en los nombres (area, no área; ano, no año).

3.2 El orden importa

R ejecuta las líneas en el orden en que usted las ejecuta, no en el orden en que están escritas. Haga este experimento:

largo <- 200
area_ha
[1] 1.2

🤔 Pregunta: Cambiamos el largo a 200, pero area_ha sigue igual. ¿Por qué? ¿Qué tendría que hacer para que area_ha se actualice?

Tip✏️ Pruebe usted (en su documento)

Cree una variable rendimiento con el valor 22 (toneladas de papa por hectárea). Usando area_ha, calcule la producción total del lote y guárdela en una variable llamada produccion_t. Muestre el resultado.

4 Tipos de datos

No todo es un número. Los tres tipos de datos que más usaremos son:

Tipo Ejemplo Para qué sirve
numeric (número) 22.5, 150 medir, calcular
character (texto) "papa", "Tunja" nombres, categorías, códigos
logical (lógico) TRUE, FALSE responder preguntas de sí o no

El texto siempre va entre comillas. La función class() dice de qué tipo es algo:

cultivo <- "papa"
class(cultivo)
[1] "character"
class(area_ha)
[1] "numeric"
class(TRUE)
[1] "logical"

Las comparaciones producen valores lógicos:

area_ha > 1      # ¿el lote tiene más de 1 ha?
[1] TRUE
cultivo == "papa" # ¿el cultivo es papa? (dos signos igual para comparar)
[1] TRUE
cultivo != "maiz" # ¿el cultivo es distinto de maíz?
[1] TRUE
ImportanteUn detalle que importará más adelante

15 (número) y "15" (texto) no son lo mismo para R. Ejecute:

codigo_numero <- 15
codigo_texto  <- "15"
codigo_numero + 1
[1] 16
codigo_texto + 1
Error in `codigo_texto + 1`:
! argumento no-numérico para operador binario

La última línea da error porque no se puede sumar a un texto. En los datos geográficos de Colombia, los códigos DANE de departamentos y municipios suelen guardarse como texto (por ejemplo "15" para Boyacá o "05" para Antioquia, con el cero a la izquierda). Recuérdelo en la Parte B.

5 Vectores: muchos valores juntos

Casi nunca trabajamos con un solo dato. Un vector es una fila de valores del mismo tipo. Se crea con c() (de “combinar”):

# Rendimiento de papa (t/ha) en cinco lotes de una finca
rendimiento <- c(18.5, 22.1, 15.3, 25.0, 19.8)
rendimiento
[1] 18.5 22.1 15.3 25.0 19.8

Las funciones de resumen trabajan sobre todo el vector:

length(rendimiento)  # ¿cuántos valores hay?
[1] 5
mean(rendimiento)    # promedio
[1] 20.14
max(rendimiento)     # máximo
[1] 25
min(rendimiento)     # mínimo
[1] 15.3
sum(rendimiento)     # suma
[1] 100.7

Las operaciones se aplican a cada elemento a la vez. Para pasar de t/ha a kg/ha:

rendimiento * 1000
[1] 18500 22100 15300 25000 19800

5.1 Sacar elementos de un vector

Con corchetes [ ] indicamos la posición del elemento (en R se empieza a contar desde 1):

rendimiento[2]        # el segundo
[1] 22.1
rendimiento[c(1, 3)]  # el primero y el tercero
[1] 18.5 15.3

5.2 Filtrar con condiciones

Esta es una de las ideas más poderosas de todo el taller. Fíjese en lo que produce una comparación sobre un vector:

rendimiento > 20
[1] FALSE  TRUE FALSE  TRUE FALSE

Es un vector de TRUE/FALSE: uno por cada lote. Si lo ponemos dentro de los corchetes, R se queda solo con los TRUE:

rendimiento[rendimiento > 20]
[1] 22.1 25.0

Leído en voz alta: “del vector rendimiento, dame los valores donde rendimiento es mayor que 20”. Exactamente esta idea es la que usamos después para seleccionar municipios en un mapa.

Tip✏️ Pruebe usted (en su documento)
  1. Cree un vector lluvia_mm con la precipitación de seis meses: 120, 85, 210, 160, 45, 98.
  2. Calcule el promedio.
  3. Muestre solo los meses con menos de 100 mm.
  4. ¿Cuántos meses tuvieron menos de 100 mm? (Pista: sum() cuenta los TRUE).

6 Funciones: usar y crear

Ya usó varias funciones: mean(), max(), class(), sqrt(). Una función es una máquina: le entrega algo (los argumentos, dentro de los paréntesis), hace un trabajo y le devuelve un resultado.

Algunas funciones reciben varios argumentos, separados por coma y a veces con nombre:

promedio <- mean(rendimiento)
promedio
[1] 20.14
round(promedio, digits = 1)  # redondear a 1 decimal
[1] 20.1

6.1 Pedir ayuda

Para saber qué hace una función y qué argumentos recibe, escriba ? y su nombre en la consola. La ayuda aparece en el panel Help:

?round

6.2 Crear sus propias funciones

Cuando un cálculo se repite, conviene convertirlo en una función:

m2_a_ha <- function(m2) {
  m2 / 10000
}

m2_a_ha(12000)
[1] 1.2
m2_a_ha(c(5000, 25000, 80000))  # ¡también funciona con vectores!
[1] 0.5 2.5 8.0

Partes de una función: el nombre (m2_a_ha), los argumentos entre paréntesis (m2) y el cuerpo entre llaves { } con el cálculo. La última línea del cuerpo es lo que la función devuelve.

Tip✏️ Pruebe usted (en su documento)

Cree una función llamada produccion que reciba dos argumentos, area_ha y rendimiento_t_ha, y devuelva la producción en toneladas. Pruébela con un lote de 3.5 ha que rinde 20 t/ha.

7 Tablas de datos (data frames)

Los datos reales casi siempre vienen en tablas: filas (observaciones) y columnas (variables), como en Excel. En R una tabla se llama data frame. Cada columna es un vector.

lotes <- data.frame(
  lote        = c("A", "B", "C", "D", "E", "F"),
  cultivo     = c("papa", "papa", "maiz", "cafe", "maiz", "papa"),
  area_ha     = c(2.5, 1.8, 4.0, 3.2, 2.0, 1.2),
  rendimiento = c(18.5, 22.1, 5.3, 1.9, 6.1, 25.0)  # t/ha
)
lotes
  lote cultivo area_ha rendimiento
1    A    papa     2.5        18.5
2    B    papa     1.8        22.1
3    C    maiz     4.0         5.3
4    D    cafe     3.2         1.9
5    E    maiz     2.0         6.1
6    F    papa     1.2        25.0

Haga clic en lotes en el panel Environment: se abre como hoja de cálculo.

7.1 Explorar la tabla

nrow(lotes)   # número de filas
[1] 6
ncol(lotes)   # número de columnas
[1] 4
names(lotes)  # nombres de las columnas
[1] "lote"        "cultivo"     "area_ha"     "rendimiento"
str(lotes)    # estructura: tipo de cada columna
'data.frame':   6 obs. of  4 variables:
 $ lote       : chr  "A" "B" "C" "D" ...
 $ cultivo    : chr  "papa" "papa" "maiz" "cafe" ...
 $ area_ha    : num  2.5 1.8 4 3.2 2 1.2
 $ rendimiento: num  18.5 22.1 5.3 1.9 6.1 25

7.2 Trabajar con una columna: el signo $

lotes$area_ha
[1] 2.5 1.8 4.0 3.2 2.0 1.2
sum(lotes$area_ha)   # área total de la finca
[1] 14.7

Crear una columna nueva es asignarle un valor:

lotes$produccion_t <- lotes$area_ha * lotes$rendimiento
lotes
  lote cultivo area_ha rendimiento produccion_t
1    A    papa     2.5        18.5        46.25
2    B    papa     1.8        22.1        39.78
3    C    maiz     4.0         5.3        21.20
4    D    cafe     3.2         1.9         6.08
5    E    maiz     2.0         6.1        12.20
6    F    papa     1.2        25.0        30.00

7.3 Filtrar filas

Igual que con los vectores, se usa una condición dentro de corchetes. En una tabla los corchetes llevan dos partes: [filas, columnas]. Dejar vacío después de la coma significa “todas las columnas”:

lotes[lotes$cultivo == "papa", ]
  lote cultivo area_ha rendimiento produccion_t
1    A    papa     2.5        18.5        46.25
2    B    papa     1.8        22.1        39.78
6    F    papa     1.2        25.0        30.00

7.4 La misma idea con el paquete dplyr

La forma anterior funciona, pero se vuelve difícil de leer. El paquete dplyr ofrece funciones con nombres de verbos. Primero hay que cargarlo (en la sección 9 explicamos qué es un paquete):

library(dplyr)
lotes |> filter(cultivo == "papa")
  lote cultivo area_ha rendimiento produccion_t
1    A    papa     2.5        18.5        46.25
2    B    papa     1.8        22.1        39.78
3    F    papa     1.2        25.0        30.00

El símbolo |> se llama pipe (tubería). Léalo como “y luego”: “tome lotes y luego filtre los de papa”. Atajo: Ctrl + Shift + M. Permite encadenar pasos:

lotes |>
  filter(cultivo == "papa") |>
  arrange(desc(produccion_t))   # ordenar de mayor a menor producción
  lote cultivo area_ha rendimiento produccion_t
1    A    papa     2.5        18.5        46.25
2    B    papa     1.8        22.1        39.78
3    F    papa     1.2        25.0        30.00
Verbo de dplyr Qué hace
filter() se queda con algunas filas
select() se queda con algunas columnas
mutate() crea o modifica columnas
arrange() ordena las filas
Tip✏️ Pruebe usted (en su documento)
  1. Muestre solo los lotes con más de 2 ha.
  2. Muestre solo los lotes de maíz, y de ellos solo las columnas lote y produccion_t.
  3. 🤔 ¿Cuál es el cultivo con mayor producción total en la finca? (Intente responder con código).

8 Leer los errores (y no asustarse)

Todos los programadores, incluso los expertos, ven errores todo el día. La diferencia es que saben leerlos. Ejecute cada línea de este bloque; todas tienen un error a propósito:

rendimeinto            # 1
Mean(rendimiento)      # 2
c(1, 2 3)              # 3
"papa" * 2             # 4
Error in parse(text = input): <text>:3:8: unexpected numeric constant
2: Mean(rendimiento)      # 2
3: c(1, 2 3
          ^
Mensaje (puede salir en inglés o español) Qué significa casi siempre
object 'x' not found / objeto 'x' no encontrado Nombre mal escrito, mayúscula/minúscula, o no ejecutó la línea donde se creó
could not find function "f" / no se pudo encontrar la función Nombre de función mal escrito o no cargó el paquete con library()
unexpected symbol / unexpected ')' Falta o sobra una coma, comilla o paréntesis
non-numeric argument / argumento no numérico Está haciendo matemáticas con un texto
Cannot open file / cannot open data source La ruta del archivo está mal o el archivo no está en esa carpeta
Tip✏️ Pruebe usted (en su documento)

Copie a su documento las cuatro líneas con error y, en un bloque nuevo, escriba la versión corregida de cada una. Para que su documento se pueda renderizar con los errores incluidos, empiece el bloque de las líneas con error con la línea #| error: true. Esa línea le dice a Quarto que muestre el error y siga adelante.

NotaSi la consola muestra + y no responde

Significa que R está esperando que cierre algo (un paréntesis o una comilla). Haga clic en la consola y presione Esc para cancelar.

9 Paquetes: ampliar lo que R sabe hacer

R trae funciones básicas. Para tareas especiales (mapas, estadística avanzada, etc.) se usan paquetes que escribe la comunidad. Funciona como las aplicaciones del celular:

  • Instalar (install.packages()) es descargar la aplicación: se hace una sola vez en cada computador.
  • Cargar (library()) es abrirla: se hace cada vez que abre R.

Este bloque instala solo los paquetes que le falten. Ejecútelo una vez (puede tardar algunos minutos):

paquetes <- c("sf", "dplyr")
faltan <- setdiff(paquetes, rownames(installed.packages()))
if (length(faltan) > 0) install.packages(faltan)
NotaEn su documento

Ejecute este bloque una sola vez. Después, agregue como primera línea del bloque #| eval: false. Así, cada vez que renderice, Quarto mostrará el código pero no volverá a instalar los paquetes.

🤔 Pregunta: Lea el bloque anterior con lo que ya sabe. ¿Qué contiene paquetes? ¿Qué cree que hace setdiff()? ¿Qué pregunta hace el if?

Parte B · Aplicación: datos espaciales con sf

10 Leer una capa de municipios

El paquete sf (simple features) permite trabajar con datos vectoriales (puntos, líneas, polígonos), igual que en QGIS.

library(sf)
library(dplyr)

Leemos el shapefile de municipios de Boyacá y Santander. Fíjese que la ruta es relativa a la carpeta del proyecto:

ruta_shp <- "datos/mun_santander_boyaca.shp"
municipios <- st_read(ruta_shp)
Reading layer `mun_santander_boyaca' from data source 
  `C:\Users\FCA-UN-2240386\OneDrive - Universidad Nacional de Colombia\1_Periodos_Asignaturas\Cursos_2026_2\Geomatica_Basica_20262\Practical\Introduccion_R\datos\mun_santander_boyaca.shp' 
  using driver `ESRI Shapefile'
Simple feature collection with 210 features and 90 fields
Geometry type: POLYGON
Dimension:     XY
Bounding box:  xmin: -74.66496 ymin: 4.655196 xmax: -71.94885 ymax: 8.14501
Geodetic CRS:  MAGNA-SIRGAS

🤔 Pregunta: En el mensaje que apareció, identifique: ¿cuántos municipios (features) hay? ¿cuántos atributos (fields)? ¿qué tipo de geometría? ¿en qué sistema de coordenadas (CRS)?

10.1 Un objeto sf es una tabla con mapa

class(municipios)
[1] "sf"         "data.frame"

municipios es a la vez sf y data.frame. Es decir: es una tabla como lotes, con una columna especial llamada geometry donde está la forma de cada municipio. Por eso todo lo que aprendió en la Parte A funciona aquí:

nrow(municipios)
[1] 210
names(municipios)
 [1] "DPTO_CCDGO" "MPIO_CCDGO" "MPIO_CNMBR" "MPIO_CDPMP" "VERSION"   
 [6] "AREA"       "LATITUD"    "LONGITUD"   "STCTNENCUE" "STP3_1_SI" 
[11] "STP3_2_NO"  "STP3A_RI"   "STP3B_TCN"  "STP4_1_SI"  "STP4_2_NO" 
[16] "STP9_1_USO" "STP9_2_USO" "STP9_3_USO" "STP9_4_USO" "STP9_2_1_M"
[21] "STP9_2_2_M" "STP9_2_3_M" "STP9_2_4_M" "STP9_2_9_M" "STP9_3_1_N"
[26] "STP9_3_2_N" "STP9_3_3_N" "STP9_3_4_N" "STP9_3_5_N" "STP9_3_6_N"
[31] "STP9_3_7_N" "STP9_3_8_N" "STP9_3_9_N" "STP9_3_10"  "STP9_3_99" 
[36] "STVIVIENDA" "STP14_1_TI" "STP14_2_TI" "STP14_3_TI" "STP14_4_TI"
[41] "STP14_5_TI" "STP14_6_TI" "STP15_1_OC" "STP15_2_OC" "STP15_3_OC"
[46] "STP15_4_OC" "TSP16_HOG"  "STP19_EC_1" "STP19_ES_2" "STP19_EE_1"
[51] "STP19_EE_2" "STP19_EE_3" "STP19_EE_4" "STP19_EE_5" "STP19_EE_6"
[56] "STP19_EE_9" "STP19_ACU1" "STP19_ACU2" "STP19_ALC1" "STP19_ALC2"
[61] "STP19_GAS1" "STP19_GAS2" "STP19_GAS9" "STP19_REC1" "STP19_REC2"
[66] "STP19_INT1" "STP19_INT2" "STP19_INT9" "STP27_PERS" "STPERSON_L"
[71] "STPERSON_S" "STP32_1_SE" "STP32_2_SE" "STP34_1_ED" "STP34_2_ED"
[76] "STP34_3_ED" "STP34_4_ED" "STP34_5_ED" "STP34_6_ED" "STP34_7_ED"
[81] "STP34_8_ED" "STP34_9_ED" "STP51_PRIM" "STP51_SECU" "STP51_SUPE"
[86] "STP51_POST" "STP51_13_E" "STP51_99_E" "Shape_Leng" "Shape_Area"
[91] "geometry"

Para ver la tabla sin la geometría:

municipios |>
  st_drop_geometry() |>
  select(DPTO_CCDGO, MPIO_CCDGO, MPIO_CNMBR, STP27_PERS) |>
  head()
  DPTO_CCDGO MPIO_CCDGO MPIO_CNMBR STP27_PERS
1         15        001      TUNJA     167991
2         15        022    ALMEIDA       1582
3         15        047  AQUITANIA      13860
4         15        051   ARCABUCO       5465
5         15        087      BELÉN       7322
6         15        090     BERBEO       1453
Nota

Las columnas que empiezan por STP vienen del Censo Nacional de Población y Vivienda 2018 del DANE. Por ejemplo, STP27_PERS es el total de personas del municipio. Consulte el diccionario de datos del DANE para el significado de las demás.

11 Su primer mapa

plot() dibuja la capa. Con st_geometry() dibujamos solo los contornos:

plot(st_geometry(municipios))

Si elegimos una columna con corchetes, el mapa se colorea según sus valores:

plot(municipios["DPTO_CCDGO"])

plot(municipios["STP27_PERS"], main = "Población total (Censo 2018)")

Tip✏️ Pruebe usted (en su documento)

Haga un mapa con otra columna de la tabla y póngale un título con main = "...".

12 Sistemas de coordenadas y reproyección

Revise en qué sistema de referencia están los datos:

st_crs(municipios)$epsg
[1] 4686
st_bbox(municipios)
      xmin       ymin       xmax       ymax 
-74.664960   4.655196 -71.948854   8.145010

Los datos están en MAGNA-SIRGAS geográficas (EPSG 4686): las coordenadas son grados de longitud y latitud (fíjese en los valores de st_bbox: alrededor de −74 y 4 a 8).

En Colombia, el sistema oficial para cartografía es MAGNA-SIRGAS 2018 / Origen-Nacional (EPSG 9377), una proyección cuyas coordenadas están en metros. Para reproyectar se usa st_transform():

municipios_9377 <- st_transform(municipios, 9377)
st_crs(municipios_9377)$epsg
[1] 9377
st_bbox(municipios_9377)
   xmin    ymin    xmax    ymax 
4815712 2072396 5116057 2458100

🤔 Pregunta: Compare los dos st_bbox(). ¿Por qué los números ahora están en los millones? (Pista: busque false easting y false northing en st_crs(municipios_9377)).

Si quiere ver la descripción completa de un sistema de coordenadas, ejecute st_crs(municipios_9377) sin el $epsg.

13 Calcular nuevos atributos

Como la capa ya está en metros, podemos calcular el área de cada municipio. st_area() devuelve m²; dividimos por 1 000 000 para tener km². Usamos as.numeric() para quedarnos solo con el número, sin la unidad:

municipios_9377$area_km2 <- as.numeric(st_area(municipios_9377)) / 1e6

Es exactamente lo mismo que hicimos con lotes$produccion_t: crear una columna nueva a partir de otras. Ahora calculamos la densidad de población (habitantes por km²):

municipios_9377$densidad <- municipios_9377$STP27_PERS / municipios_9377$area_km2

municipios_9377 |>
  st_drop_geometry() |>
  select(MPIO_CNMBR, STP27_PERS, area_km2, densidad) |>
  arrange(desc(densidad)) |>
  head(5)
     MPIO_CNMBR STP27_PERS  area_km2  densidad
1   BUCARAMANGA     528855 152.62869 3464.9776
2 FLORIDABLANCA     275109 100.13660 2747.3373
3         TUNJA     167991 119.48492 1405.9599
4       BARBOSA      28769  46.59283  617.4555
5      SOGAMOSO     120462 207.88393  579.4676
plot(municipios_9377["densidad"],
     breaks = "quantile",
     main = "Densidad de población (hab/km²)")

🤔 Pregunta: ¿Qué municipios tienen la mayor densidad? ¿Tiene sentido según lo que conoce de la región?

14 Seleccionar municipios

14.1 Por departamento

Recuerde la advertencia de la sección 4. ¿De qué tipo es la columna del código de departamento?

class(municipios_9377$DPTO_CCDGO)
[1] "character"
unique(municipios_9377$DPTO_CCDGO)
[1] "15" "68"

Los códigos son texto, y en esta capa solo hay dos departamentos: "15" (Boyacá) y "68" (Santander). Por eso el filtro se escribe con comillas:

boyaca <- municipios_9377 |>
  filter(DPTO_CCDGO == "15")

nrow(boyaca)
[1] 123
plot(st_geometry(boyaca), main = "Municipios de Boyacá")

🤔 Pregunta: ¿Qué pasaría si filtrara con un código que no está en la capa, por ejemplo "18"? Pruébelo y mire con nrow() cuántas filas quedan. ¿Le daría R un error, o algo más difícil de detectar?

14.2 Por condición

grandes <- municipios_9377 |>
  filter(area_km2 > 1000)

grandes |> st_drop_geometry() |> select(MPIO_CNMBR, area_km2)
              MPIO_CNMBR area_km2
1          PUERTO BOYACÁ 1512.084
2                 CUBARÁ 1174.692
3        BARRANCABERMEJA 1324.926
4              CIMITARRA 3170.518
5               RIONEGRO 1166.437
6       SABANA DE TORRES 1400.656
7 SAN VICENTE DE CHUCURÍ 1114.575
8         PUERTO WILCHES 1505.814
9                BOLÍVAR 1008.889
Tip✏️ Pruebe usted (en su documento)
  1. Cree un objeto santander con solo los municipios de Santander y dibújelo.
  2. ¿Cuántos municipios de Santander tienen más de 50 000 habitantes? Muestre sus nombres.
  3. Dibuje el mapa de densidad solo para Santander.

15 Guardar resultados

Todo lo que ha hecho vive en la memoria de R: si cierra RStudio sin guardar, se pierde. Para usar los resultados en QGIS hay que escribirlos en un archivo.

Usaremos el formato GeoPackage (.gpkg): es un solo archivo (el shapefile son al menos cuatro), admite nombres de columna largos (el shapefile los corta a 10 caracteres) y QGIS lo abre directamente.

dir.create("salidas", showWarnings = FALSE)   # crea la carpeta si no existe

st_write(municipios_9377, "salidas/municipios_9377.gpkg", delete_dsn = TRUE)
Deleting source `salidas/municipios_9377.gpkg' using driver `GPKG'
Writing layer `municipios_9377' to data source 
  `salidas/municipios_9377.gpkg' using driver `GPKG'
Writing 210 features with 92 fields and geometry type Polygon.
st_write(boyaca, "salidas/boyaca_9377.gpkg", delete_dsn = TRUE)
Deleting source `salidas/boyaca_9377.gpkg' using driver `GPKG'
Writing layer `boyaca_9377' to data source 
  `salidas/boyaca_9377.gpkg' using driver `GPKG'
Writing 123 features with 92 fields and geometry type Polygon.

delete_dsn = TRUE reemplaza el archivo si ya existe. Sin eso, la segunda vez que ejecute el bloque obtendrá un error.

Tip✏️ Pruebe usted (en su documento)

Guarde su objeto santander en salidas/santander_9377.gpkg. Si su profesora lo pide, guárdelo también como shapefile cambiando la extensión a .shp. 🤔 Mire la carpeta salidas en el panel Files: ¿cuántos archivos se crearon para el shapefile y cuántos para el GeoPackage?

16 Verificar en QGIS

  1. Abra QGIS y cargue el shapefile original datos/mun_santander_boyaca.shp y su archivo salidas/municipios_9377.gpkg.
  2. En Propiedades de la capa → Información, compare el sistema de referencia de cada una.
  3. Abra la tabla de atributos de su GeoPackage: ¿aparecen las columnas area_km2 y densidad?

🤔 Pregunta: ¿Qué ventajas y desventajas le ve a reproyectar y calcular atributos con código, comparado con hacerlo con clics en QGIS? Piense en qué pasaría si tuviera que repetir el proceso para los 32 departamentos.

17 Reto final

Con todo lo aprendido, en una sección nueva de su documento:

  1. Cree una función km2_a_ha() que convierta km² a hectáreas.
  2. Use mutate() para agregar a boyaca una columna area_ha usando su función.
  3. Encuentre los 5 municipios más grandes de Boyacá y muestre su nombre, área en hectáreas y población.
  4. Haga un mapa de Boyacá coloreado por población.
  5. Guarde la capa de Boyacá con las nuevas columnas en salidas/reto_boyaca.gpkg.

18 Entrega: publique su documento en RPubs

Su entrega es su propia página en RPubs, igual que esta guía.

  1. Verifique que su documento tenga todas las secciones y bloques de esta guía, sus explicaciones con sus palabras, los ejercicios resueltos y las preguntas respondidas.
  2. Haga clic en Render. Si el documento se renderiza completo sin errores, su código es reproducible: funciona de principio a fin. Solo se puede publicar un documento que se renderiza sin errores.
  3. Cree una cuenta gratuita en rpubs.com (botón Register). Use un nombre de usuario que la profesora pueda reconocer.
  4. En RStudio, con el documento renderizado, haga clic en el botón azul Publish (arriba a la derecha de la vista previa o del editor) y elija RPubs.
  5. La primera vez, RStudio puede pedir instalar algunos paquetes: acepte. Luego se abre el navegador para que inicie sesión y le ponga título y descripción a la publicación. Use como título: Taller 1 R - Su nombre completo.
  6. Al terminar, el navegador muestra su página publicada. Copie el enlace (algo como https://rpubs.com/su_usuario/123456) y envíelo en el aula virtual.
TipSi necesita corregir algo después de publicar

Haga los cambios, vuelva a hacer clic en Render y luego en Publish. RStudio le preguntará si quiere actualizar la publicación existente: diga que sí. Así el enlace sigue siendo el mismo.

Advertencia

Lo que se publica en RPubs es público: cualquiera con el enlace puede verlo. No incluya datos personales como su número de documento o su teléfono.

19 Autoevaluación

Marque lo que ya puede hacer sin mirar el taller:

20 Glosario

Término Significado
Variable / objeto Nombre que guarda un valor (area_ha <- 2.5)
Asignar Guardar un valor en una variable con <-
Vector Varios valores del mismo tipo, creado con c()
Data frame Tabla de filas y columnas; cada columna es un vector
Función Instrucción que recibe argumentos y devuelve un resultado: mean(x)
Argumento Lo que va dentro de los paréntesis de una función
Paquete Conjunto de funciones extra que se instala una vez y se carga con library()
Pipe El símbolo de tubería de la sección 7, que se lee “y luego”: pasa el resultado de un paso al siguiente
Proyecto (.Rproj) Carpeta de trabajo que RStudio reconoce; al abrirlo, las rutas se cuentan desde ahí
Ruta relativa Ubicación de un archivo a partir de la carpeta del proyecto
Quarto (.qmd) Documento que mezcla texto y código, y se convierte en página web al renderizarlo
Renderizar Ejecutar todo el documento y generar el resultado (HTML)
RPubs Sitio gratuito para publicar en internet documentos hechos con R
sf Paquete para datos espaciales vectoriales; un objeto sf es una tabla con columna geometry
CRS / EPSG Sistema de referencia de coordenadas y su código numérico (4686, 9377)
ImportanteCómo funciona este taller

Lo que está leyendo es una página publicada en RPubs: es la guía del taller. Su tarea es construir en RStudio su propio documento que la replique: escribir los títulos y explicaciones, escribir y ejecutar cada bloque de código, obtener los mismos resultados y resolver los ejercicios. Al final, usted tendrá una página como esta, hecha por usted.

Trabaje con dos ventanas lado a lado: esta guía en el navegador y RStudio con su documento.

NotaAntes de empezar
  • No necesita saber programar. Este taller parte de cero.
  • Escriba el código usted mismo; no lo copie y pegue. Escribir le obliga a fijarse en cada coma, comilla y paréntesis, y así se aprende. Por eso esta página no tiene botón de copiar.
  • Equivocarse es parte del taller. Cuando R muestre un error en rojo, léalo: casi siempre le dice qué pasó. La sección 8 le enseña a leerlos.
  • Los recuadros ✏️ Pruebe usted son ejercicios: resuélvalos en bloques nuevos de su documento. Los recuadros 🤔 Pregunta son para pensar: responda por escrito en su documento, como texto debajo del bloque.

21 Preparación: RPubs, su proyecto y su documento

21.1 ¿Qué es RPubs?

RPubs es un sitio web gratuito de Posit (la empresa que hace RStudio) para publicar en internet documentos creados con R. Se publica directamente desde RStudio con un botón, y el resultado es una página web con texto, código y resultados (tablas, mapas, gráficos), como la que está leyendo.

Algunas cosas que debe saber:

  • Lo que ve aquí es el resultado ya ejecutado (un archivo HTML). No puede ejecutar código en esta página; para eso necesita RStudio.
  • Detrás de esta página hay un documento Quarto (.qmd): un archivo de texto que mezcla explicaciones y código. Ese es el tipo de archivo que usted va a crear.
  • Las publicaciones en RPubs son públicas: cualquiera con el enlace puede verlas. Nunca publique datos personales ni información confidencial.
  • Algunos resultados de esta guía muestran rutas del computador de la profesora (por ejemplo, C:/Users/...). En su computador esas rutas serán diferentes, y está bien.

21.2 Crear su propio proyecto en RStudio

Todo el trabajo de este taller lo hará desde cero, en un proyecto de RStudio creado por usted. Un proyecto es una carpeta que RStudio reconoce como “mi carpeta de trabajo”. Gracias a eso podemos escribir rutas cortas como "datos/municipios.shp" en vez de "C:/Users/.../Descargas/curso/datos/municipios.shp", y el código funciona igual en cualquier computador.

La profesora solo le entrega la carpeta datos, con los shapefiles: descárguela aquí. Todo lo demás lo crea usted.

21.2.1 Paso 1: crear el proyecto

  1. Abra RStudio y vaya a File → New Project…
  2. Elija New Directory y luego New Project.
  3. En Directory name escriba taller1_geomatica (sin espacios ni tildes).
  4. En Create project as subdirectory of, haga clic en Browse… y elija dónde guardarlo, por ejemplo C:/geomatica.
  5. Haga clic en Create Project. RStudio se reinicia y abre el proyecto: arriba a la derecha aparece su nombre, taller1_geomatica.

RStudio creó la carpeta taller1_geomatica con un archivo taller1_geomatica.Rproj. La próxima vez que quiera trabajar en el taller, abra el proyecto con doble clic en ese archivo .Rproj, o desde RStudio en File → Open Project…

AdvertenciaEvite OneDrive y rutas con tildes

Guarde el proyecto fuera de OneDrive y en una ruta sin tildes, eñes ni espacios (por ejemplo C:/geomatica/taller1_geomatica). La sincronización de OneDrive y los caracteres especiales causan errores difíciles de entender al leer y escribir archivos.

21.2.2 Paso 2: agregar la carpeta de datos

  1. Abra la carpeta de datos en Google Drive.
  2. Descargue la carpeta completa: haga clic en el nombre de la carpeta en la parte superior y elija Descargar. Google Drive la entrega comprimida en un archivo .zip.
  3. Descomprima el .zip (clic derecho → Extraer todo…).
  4. Con el explorador de archivos de su computador, copie la carpeta dentro de taller1_geomatica y asegúrese de que se llame exactamente datos (en minúsculas) y que los archivos del shapefile estén directamente adentro, no en otra subcarpeta.
  5. En RStudio, mire el panel Files (abajo a la derecha): debe ver la carpeta datos. Haga clic en ella y compruebe que contiene mun_santander_boyaca.shp junto con sus archivos acompañantes (.dbf, .shx, .prj…).
Importante

Un shapefile no es un solo archivo: son varios con el mismo nombre y distinta extensión. Si falta alguno, R no podrá leer la capa. Copie siempre la carpeta completa.

Al terminar el taller, su proyecto debe verse así:

taller1_geomatica/
├── taller1_geomatica.Rproj     ← lo crea RStudio en el paso 1
├── taller1_su_apellido.qmd     ← el documento que usted crea
├── taller1_su_apellido.html    ← la página que se genera al renderizar
├── datos/                      ← la carpeta que entrega la profesora
└── salidas/                    ← aquí guardaremos resultados (se crea en el taller)

21.3 Crear su documento Quarto

  1. En RStudio, con su proyecto taller1_geomatica abierto, vaya a File → New File → Quarto Document…
  2. Escriba el título (Taller 1: Primeros pasos en R) y su nombre como autor. Deje el formato HTML y haga clic en Create.
  3. RStudio abre un documento de ejemplo. Borre todo excepto el encabezado (lo que está entre las dos líneas ---).
  4. Guárdelo (Ctrl + S) en la carpeta del proyecto con el nombre taller1_su_apellido.qmd.
  5. Arriba a la izquierda del editor hay dos botones: Source y Visual. Use Source, para ver el documento tal como es.

Deje el encabezado así (cambie su nombre). La línea embed-resources: true hace que la página quede en un solo archivo, necesario para publicarla:

---
title: "Taller 1: Primeros pasos en R"
author: "Su nombre completo"
format:
  html:
    toc: true
    number-sections: true
    embed-resources: true
---

21.4 Escribir texto y código en su documento

Un documento Quarto tiene tres ingredientes:

  1. Texto con formato sencillo (Markdown).
  2. Bloques de código (chunks), que R ejecuta.
  3. Resultados, que aparecen debajo de cada bloque al ejecutarlo.

El texto se escribe normalmente y se le da formato con algunos símbolos:

Usted escribe Se ve como
# Título título de sección
## Subtítulo subtítulo
**negrita** negrita
*cursiva* cursiva
`codigo` codigo
- elemento viñeta de una lista

Un bloque de código empieza con ```{r} y termina con ```. Insértelo con Ctrl + Alt + I (Mac: Cmd + Option + I). Por ejemplo, así se ve en su documento una sección con texto y un bloque:

# R como calculadora

Lo más sencillo que R puede hacer es calcular.

```{r}
2 + 3
10 / 4
```

Para ejecutar código:

Acción Windows / Linux Mac
Ejecutar la línea donde está el cursor Ctrl + Enter Cmd + Enter
Ejecutar todo el bloque Ctrl + Shift + Enter Cmd + Shift + Enter
Insertar un bloque nuevo Ctrl + Alt + I Cmd + Option + I

También puede hacer clic en el triángulo verde ▶ en la esquina del bloque.

Tip¿Qué tanto debo replicar?
  • Títulos de sección y todos los bloques de código: todos, en el mismo orden.
  • Explicaciones: no las copie palabra por palabra. Escriba con sus propias palabras una o dos frases que expliquen qué hace cada bloque. Ese texto es la prueba de que entendió.
  • Ejercicios y preguntas: agregue sus soluciones y respuestas donde corresponden.

21.5 Renderizar: convertir su documento en página web

Cuando haga clic en el botón Render (flecha azul, arriba del editor; atajo Ctrl + Shift + K), RStudio ejecuta todo el documento de principio a fin y genera el archivo .html. Hágalo con frecuencia, por ejemplo al terminar cada sección:

  • Si el documento se renderiza sin problemas, vamos bien.
  • Si falla, el mensaje en el panel Background Jobs indica la línea con el problema. Un error común es usar una variable antes del bloque donde se crea.

Su primer bloque: compruebe dónde está trabajando R.

getwd()
[1] "C:/Users/FCA-UN-2240386/OneDrive - Universidad Nacional de Colombia/1_Periodos_Asignaturas/Cursos_2026_2/Geomatica_Basica_20262/Practical/Introduccion_R"

🤔 Pregunta: ¿La ruta que aparece en su documento termina en taller1_geomatica? Si no, guarde su documento, cierre RStudio y vuelva a abrir el proyecto con doble clic en el archivo taller1_geomatica.Rproj. Revise también que su .qmd esté guardado dentro de esa carpeta.

Parte A · Conceptos básicos de programación

22 R como calculadora

Lo más sencillo que R puede hacer es calcular. Ejecute cada línea con Ctrl + Enter:

2 + 3
[1] 5
10 - 4
[1] 6
6 * 7
[1] 42
10 / 4
[1] 2.5
2^3        # potencia: 2 elevado a 3
[1] 8
sqrt(16)   # raíz cuadrada
[1] 4

Todo lo que está después de # es un comentario: R lo ignora. Los comentarios sirven para explicarle a otras personas (y a usted mismo en el futuro) qué hace el código. Úselos mucho.

R respeta el orden de las operaciones de la matemática. Use paréntesis cuando lo necesite:

2 + 3 * 4     # primero multiplica
[1] 14
(2 + 3) * 4   # primero suma
[1] 20
Tip✏️ Pruebe usted (en su documento)

Un lote rectangular mide 150 m de largo y 80 m de ancho. Calcule su área en m² y luego en hectáreas (1 ha = 10 000 m²).

23 Variables: guardar valores con un nombre

En el ejercicio anterior tuvo que escribir los números varias veces. En programación preferimos guardar los valores en variables. Una variable es como una caja con una etiqueta: adentro está el valor y la etiqueta es el nombre.

En R se guarda con la flecha <- (se lee “recibe”). Atajo: Alt + -.

largo <- 150
ancho <- 80

Fíjese que no apareció nada debajo: R guardó los valores sin mostrarlos. Ahora mire el panel Environment (arriba a la derecha): ahí están largo y ancho. Para ver lo que hay en una variable, escriba su nombre:

largo
[1] 150

Ahora podemos calcular con los nombres en vez de con los números:

area_m2 <- largo * ancho
area_ha <- area_m2 / 10000
area_ha
[1] 1.2

23.1 Reglas para los nombres

  • Pueden tener letras, números, _ y ., pero no pueden empezar con número ni tener espacios.
  • R distingue mayúsculas de minúsculas: Largo y largo son dos variables distintas.
  • Use nombres que digan qué contienen: area_ha es mejor que x.
  • Evite tildes y ñ en los nombres (area, no área; ano, no año).

23.2 El orden importa

R ejecuta las líneas en el orden en que usted las ejecuta, no en el orden en que están escritas. Haga este experimento:

largo <- 200
area_ha
[1] 1.2

🤔 Pregunta: Cambiamos el largo a 200, pero area_ha sigue igual. ¿Por qué? ¿Qué tendría que hacer para que area_ha se actualice?

Tip✏️ Pruebe usted (en su documento)

Cree una variable rendimiento con el valor 22 (toneladas de papa por hectárea). Usando area_ha, calcule la producción total del lote y guárdela en una variable llamada produccion_t. Muestre el resultado.

24 Tipos de datos

No todo es un número. Los tres tipos de datos que más usaremos son:

Tipo Ejemplo Para qué sirve
numeric (número) 22.5, 150 medir, calcular
character (texto) "papa", "Tunja" nombres, categorías, códigos
logical (lógico) TRUE, FALSE responder preguntas de sí o no

El texto siempre va entre comillas. La función class() dice de qué tipo es algo:

cultivo <- "papa"
class(cultivo)
[1] "character"
class(area_ha)
[1] "numeric"
class(TRUE)
[1] "logical"

Las comparaciones producen valores lógicos:

area_ha > 1      # ¿el lote tiene más de 1 ha?
[1] TRUE
cultivo == "papa" # ¿el cultivo es papa? (dos signos igual para comparar)
[1] TRUE
cultivo != "maiz" # ¿el cultivo es distinto de maíz?
[1] TRUE
ImportanteUn detalle que importará más adelante

15 (número) y "15" (texto) no son lo mismo para R. Ejecute:

codigo_numero <- 15
codigo_texto  <- "15"
codigo_numero + 1
[1] 16
codigo_texto + 1
Error in `codigo_texto + 1`:
! argumento no-numérico para operador binario

La última línea da error porque no se puede sumar a un texto. En los datos geográficos de Colombia, los códigos DANE de departamentos y municipios suelen guardarse como texto (por ejemplo "15" para Boyacá o "05" para Antioquia, con el cero a la izquierda). Recuérdelo en la Parte B.

25 Vectores: muchos valores juntos

Casi nunca trabajamos con un solo dato. Un vector es una fila de valores del mismo tipo. Se crea con c() (de “combinar”):

# Rendimiento de papa (t/ha) en cinco lotes de una finca
rendimiento <- c(18.5, 22.1, 15.3, 25.0, 19.8)
rendimiento
[1] 18.5 22.1 15.3 25.0 19.8

Las funciones de resumen trabajan sobre todo el vector:

length(rendimiento)  # ¿cuántos valores hay?
[1] 5
mean(rendimiento)    # promedio
[1] 20.14
max(rendimiento)     # máximo
[1] 25
min(rendimiento)     # mínimo
[1] 15.3
sum(rendimiento)     # suma
[1] 100.7

Las operaciones se aplican a cada elemento a la vez. Para pasar de t/ha a kg/ha:

rendimiento * 1000
[1] 18500 22100 15300 25000 19800

25.1 Sacar elementos de un vector

Con corchetes [ ] indicamos la posición del elemento (en R se empieza a contar desde 1):

rendimiento[2]        # el segundo
[1] 22.1
rendimiento[c(1, 3)]  # el primero y el tercero
[1] 18.5 15.3

25.2 Filtrar con condiciones

Esta es una de las ideas más poderosas de todo el taller. Fíjese en lo que produce una comparación sobre un vector:

rendimiento > 20
[1] FALSE  TRUE FALSE  TRUE FALSE

Es un vector de TRUE/FALSE: uno por cada lote. Si lo ponemos dentro de los corchetes, R se queda solo con los TRUE:

rendimiento[rendimiento > 20]
[1] 22.1 25.0

Leído en voz alta: “del vector rendimiento, dame los valores donde rendimiento es mayor que 20”. Exactamente esta idea es la que usamos después para seleccionar municipios en un mapa.

Tip✏️ Pruebe usted (en su documento)
  1. Cree un vector lluvia_mm con la precipitación de seis meses: 120, 85, 210, 160, 45, 98.
  2. Calcule el promedio.
  3. Muestre solo los meses con menos de 100 mm.
  4. ¿Cuántos meses tuvieron menos de 100 mm? (Pista: sum() cuenta los TRUE).

26 Funciones: usar y crear

Ya usó varias funciones: mean(), max(), class(), sqrt(). Una función es una máquina: le entrega algo (los argumentos, dentro de los paréntesis), hace un trabajo y le devuelve un resultado.

Algunas funciones reciben varios argumentos, separados por coma y a veces con nombre:

promedio <- mean(rendimiento)
promedio
[1] 20.14
round(promedio, digits = 1)  # redondear a 1 decimal
[1] 20.1

26.1 Pedir ayuda

Para saber qué hace una función y qué argumentos recibe, escriba ? y su nombre en la consola. La ayuda aparece en el panel Help:

?round

26.2 Crear sus propias funciones

Cuando un cálculo se repite, conviene convertirlo en una función:

m2_a_ha <- function(m2) {
  m2 / 10000
}

m2_a_ha(12000)
[1] 1.2
m2_a_ha(c(5000, 25000, 80000))  # ¡también funciona con vectores!
[1] 0.5 2.5 8.0

Partes de una función: el nombre (m2_a_ha), los argumentos entre paréntesis (m2) y el cuerpo entre llaves { } con el cálculo. La última línea del cuerpo es lo que la función devuelve.

Tip✏️ Pruebe usted (en su documento)

Cree una función llamada produccion que reciba dos argumentos, area_ha y rendimiento_t_ha, y devuelva la producción en toneladas. Pruébela con un lote de 3.5 ha que rinde 20 t/ha.

27 Tablas de datos (data frames)

Los datos reales casi siempre vienen en tablas: filas (observaciones) y columnas (variables), como en Excel. En R una tabla se llama data frame. Cada columna es un vector.

lotes <- data.frame(
  lote        = c("A", "B", "C", "D", "E", "F"),
  cultivo     = c("papa", "papa", "maiz", "cafe", "maiz", "papa"),
  area_ha     = c(2.5, 1.8, 4.0, 3.2, 2.0, 1.2),
  rendimiento = c(18.5, 22.1, 5.3, 1.9, 6.1, 25.0)  # t/ha
)
lotes
  lote cultivo area_ha rendimiento
1    A    papa     2.5        18.5
2    B    papa     1.8        22.1
3    C    maiz     4.0         5.3
4    D    cafe     3.2         1.9
5    E    maiz     2.0         6.1
6    F    papa     1.2        25.0

Haga clic en lotes en el panel Environment: se abre como hoja de cálculo.

27.1 Explorar la tabla

nrow(lotes)   # número de filas
[1] 6
ncol(lotes)   # número de columnas
[1] 4
names(lotes)  # nombres de las columnas
[1] "lote"        "cultivo"     "area_ha"     "rendimiento"
str(lotes)    # estructura: tipo de cada columna
'data.frame':   6 obs. of  4 variables:
 $ lote       : chr  "A" "B" "C" "D" ...
 $ cultivo    : chr  "papa" "papa" "maiz" "cafe" ...
 $ area_ha    : num  2.5 1.8 4 3.2 2 1.2
 $ rendimiento: num  18.5 22.1 5.3 1.9 6.1 25

27.2 Trabajar con una columna: el signo $

lotes$area_ha
[1] 2.5 1.8 4.0 3.2 2.0 1.2
sum(lotes$area_ha)   # área total de la finca
[1] 14.7

Crear una columna nueva es asignarle un valor:

lotes$produccion_t <- lotes$area_ha * lotes$rendimiento
lotes
  lote cultivo area_ha rendimiento produccion_t
1    A    papa     2.5        18.5        46.25
2    B    papa     1.8        22.1        39.78
3    C    maiz     4.0         5.3        21.20
4    D    cafe     3.2         1.9         6.08
5    E    maiz     2.0         6.1        12.20
6    F    papa     1.2        25.0        30.00

27.3 Filtrar filas

Igual que con los vectores, se usa una condición dentro de corchetes. En una tabla los corchetes llevan dos partes: [filas, columnas]. Dejar vacío después de la coma significa “todas las columnas”:

lotes[lotes$cultivo == "papa", ]
  lote cultivo area_ha rendimiento produccion_t
1    A    papa     2.5        18.5        46.25
2    B    papa     1.8        22.1        39.78
6    F    papa     1.2        25.0        30.00

27.4 La misma idea con el paquete dplyr

La forma anterior funciona, pero se vuelve difícil de leer. El paquete dplyr ofrece funciones con nombres de verbos. Primero hay que cargarlo (en la sección 9 explicamos qué es un paquete):

library(dplyr)
lotes |> filter(cultivo == "papa")
  lote cultivo area_ha rendimiento produccion_t
1    A    papa     2.5        18.5        46.25
2    B    papa     1.8        22.1        39.78
3    F    papa     1.2        25.0        30.00

El símbolo |> se llama pipe (tubería). Léalo como “y luego”: “tome lotes y luego filtre los de papa”. Atajo: Ctrl + Shift + M. Permite encadenar pasos:

lotes |>
  filter(cultivo == "papa") |>
  arrange(desc(produccion_t))   # ordenar de mayor a menor producción
  lote cultivo area_ha rendimiento produccion_t
1    A    papa     2.5        18.5        46.25
2    B    papa     1.8        22.1        39.78
3    F    papa     1.2        25.0        30.00
Verbo de dplyr Qué hace
filter() se queda con algunas filas
select() se queda con algunas columnas
mutate() crea o modifica columnas
arrange() ordena las filas
Tip✏️ Pruebe usted (en su documento)
  1. Muestre solo los lotes con más de 2 ha.
  2. Muestre solo los lotes de maíz, y de ellos solo las columnas lote y produccion_t.
  3. 🤔 ¿Cuál es el cultivo con mayor producción total en la finca? (Intente responder con código).

28 Leer los errores (y no asustarse)

Todos los programadores, incluso los expertos, ven errores todo el día. La diferencia es que saben leerlos. Ejecute cada línea de este bloque; todas tienen un error a propósito:

rendimeinto            # 1
Mean(rendimiento)      # 2
c(1, 2 3)              # 3
"papa" * 2             # 4
Error in parse(text = input): <text>:3:8: unexpected numeric constant
2: Mean(rendimiento)      # 2
3: c(1, 2 3
          ^
Mensaje (puede salir en inglés o español) Qué significa casi siempre
object 'x' not found / objeto 'x' no encontrado Nombre mal escrito, mayúscula/minúscula, o no ejecutó la línea donde se creó
could not find function "f" / no se pudo encontrar la función Nombre de función mal escrito o no cargó el paquete con library()
unexpected symbol / unexpected ')' Falta o sobra una coma, comilla o paréntesis
non-numeric argument / argumento no numérico Está haciendo matemáticas con un texto
Cannot open file / cannot open data source La ruta del archivo está mal o el archivo no está en esa carpeta
Tip✏️ Pruebe usted (en su documento)

Copie a su documento las cuatro líneas con error y, en un bloque nuevo, escriba la versión corregida de cada una. Para que su documento se pueda renderizar con los errores incluidos, empiece el bloque de las líneas con error con la línea #| error: true. Esa línea le dice a Quarto que muestre el error y siga adelante.

NotaSi la consola muestra + y no responde

Significa que R está esperando que cierre algo (un paréntesis o una comilla). Haga clic en la consola y presione Esc para cancelar.

29 Paquetes: ampliar lo que R sabe hacer

R trae funciones básicas. Para tareas especiales (mapas, estadística avanzada, etc.) se usan paquetes que escribe la comunidad. Funciona como las aplicaciones del celular:

  • Instalar (install.packages()) es descargar la aplicación: se hace una sola vez en cada computador.
  • Cargar (library()) es abrirla: se hace cada vez que abre R.

Este bloque instala solo los paquetes que le falten. Ejecútelo una vez (puede tardar algunos minutos):

paquetes <- c("sf", "dplyr")
faltan <- setdiff(paquetes, rownames(installed.packages()))
if (length(faltan) > 0) install.packages(faltan)
NotaEn su documento

Ejecute este bloque una sola vez. Después, agregue como primera línea del bloque #| eval: false. Así, cada vez que renderice, Quarto mostrará el código pero no volverá a instalar los paquetes.

🤔 Pregunta: Lea el bloque anterior con lo que ya sabe. ¿Qué contiene paquetes? ¿Qué cree que hace setdiff()? ¿Qué pregunta hace el if?

Parte B · Aplicación: datos espaciales con sf

30 Leer una capa de municipios

El paquete sf (simple features) permite trabajar con datos vectoriales (puntos, líneas, polígonos), igual que en QGIS.

library(sf)
library(dplyr)

Leemos el shapefile de municipios de Boyacá y Santander. Fíjese que la ruta es relativa a la carpeta del proyecto:

ruta_shp <- "datos/mun_santander_boyaca.shp"
municipios <- st_read(ruta_shp)
Reading layer `mun_santander_boyaca' from data source 
  `C:\Users\FCA-UN-2240386\OneDrive - Universidad Nacional de Colombia\1_Periodos_Asignaturas\Cursos_2026_2\Geomatica_Basica_20262\Practical\Introduccion_R\datos\mun_santander_boyaca.shp' 
  using driver `ESRI Shapefile'
Simple feature collection with 210 features and 90 fields
Geometry type: POLYGON
Dimension:     XY
Bounding box:  xmin: -74.66496 ymin: 4.655196 xmax: -71.94885 ymax: 8.14501
Geodetic CRS:  MAGNA-SIRGAS

🤔 Pregunta: En el mensaje que apareció, identifique: ¿cuántos municipios (features) hay? ¿cuántos atributos (fields)? ¿qué tipo de geometría? ¿en qué sistema de coordenadas (CRS)?

30.1 Un objeto sf es una tabla con mapa

class(municipios)
[1] "sf"         "data.frame"

municipios es a la vez sf y data.frame. Es decir: es una tabla como lotes, con una columna especial llamada geometry donde está la forma de cada municipio. Por eso todo lo que aprendió en la Parte A funciona aquí:

nrow(municipios)
[1] 210
names(municipios)
 [1] "DPTO_CCDGO" "MPIO_CCDGO" "MPIO_CNMBR" "MPIO_CDPMP" "VERSION"   
 [6] "AREA"       "LATITUD"    "LONGITUD"   "STCTNENCUE" "STP3_1_SI" 
[11] "STP3_2_NO"  "STP3A_RI"   "STP3B_TCN"  "STP4_1_SI"  "STP4_2_NO" 
[16] "STP9_1_USO" "STP9_2_USO" "STP9_3_USO" "STP9_4_USO" "STP9_2_1_M"
[21] "STP9_2_2_M" "STP9_2_3_M" "STP9_2_4_M" "STP9_2_9_M" "STP9_3_1_N"
[26] "STP9_3_2_N" "STP9_3_3_N" "STP9_3_4_N" "STP9_3_5_N" "STP9_3_6_N"
[31] "STP9_3_7_N" "STP9_3_8_N" "STP9_3_9_N" "STP9_3_10"  "STP9_3_99" 
[36] "STVIVIENDA" "STP14_1_TI" "STP14_2_TI" "STP14_3_TI" "STP14_4_TI"
[41] "STP14_5_TI" "STP14_6_TI" "STP15_1_OC" "STP15_2_OC" "STP15_3_OC"
[46] "STP15_4_OC" "TSP16_HOG"  "STP19_EC_1" "STP19_ES_2" "STP19_EE_1"
[51] "STP19_EE_2" "STP19_EE_3" "STP19_EE_4" "STP19_EE_5" "STP19_EE_6"
[56] "STP19_EE_9" "STP19_ACU1" "STP19_ACU2" "STP19_ALC1" "STP19_ALC2"
[61] "STP19_GAS1" "STP19_GAS2" "STP19_GAS9" "STP19_REC1" "STP19_REC2"
[66] "STP19_INT1" "STP19_INT2" "STP19_INT9" "STP27_PERS" "STPERSON_L"
[71] "STPERSON_S" "STP32_1_SE" "STP32_2_SE" "STP34_1_ED" "STP34_2_ED"
[76] "STP34_3_ED" "STP34_4_ED" "STP34_5_ED" "STP34_6_ED" "STP34_7_ED"
[81] "STP34_8_ED" "STP34_9_ED" "STP51_PRIM" "STP51_SECU" "STP51_SUPE"
[86] "STP51_POST" "STP51_13_E" "STP51_99_E" "Shape_Leng" "Shape_Area"
[91] "geometry"

Para ver la tabla sin la geometría:

municipios |>
  st_drop_geometry() |>
  select(DPTO_CCDGO, MPIO_CCDGO, MPIO_CNMBR, STP27_PERS) |>
  head()
  DPTO_CCDGO MPIO_CCDGO MPIO_CNMBR STP27_PERS
1         15        001      TUNJA     167991
2         15        022    ALMEIDA       1582
3         15        047  AQUITANIA      13860
4         15        051   ARCABUCO       5465
5         15        087      BELÉN       7322
6         15        090     BERBEO       1453
Nota

Las columnas que empiezan por STP vienen del Censo Nacional de Población y Vivienda 2018 del DANE. Por ejemplo, STP27_PERS es el total de personas del municipio. Consulte el diccionario de datos del DANE para el significado de las demás.

31 Su primer mapa

plot() dibuja la capa. Con st_geometry() dibujamos solo los contornos:

plot(st_geometry(municipios))

Si elegimos una columna con corchetes, el mapa se colorea según sus valores:

plot(municipios["DPTO_CCDGO"])

plot(municipios["STP27_PERS"], main = "Población total (Censo 2018)")

Tip✏️ Pruebe usted (en su documento)

Haga un mapa con otra columna de la tabla y póngale un título con main = "...".

32 Sistemas de coordenadas y reproyección

Revise en qué sistema de referencia están los datos:

st_crs(municipios)$epsg
[1] 4686
st_bbox(municipios)
      xmin       ymin       xmax       ymax 
-74.664960   4.655196 -71.948854   8.145010

Los datos están en MAGNA-SIRGAS geográficas (EPSG 4686): las coordenadas son grados de longitud y latitud (fíjese en los valores de st_bbox: alrededor de −74 y 4 a 8).

En Colombia, el sistema oficial para cartografía es MAGNA-SIRGAS 2018 / Origen-Nacional (EPSG 9377), una proyección cuyas coordenadas están en metros. Para reproyectar se usa st_transform():

municipios_9377 <- st_transform(municipios, 9377)
st_crs(municipios_9377)$epsg
[1] 9377
st_bbox(municipios_9377)
   xmin    ymin    xmax    ymax 
4815712 2072396 5116057 2458100

🤔 Pregunta: Compare los dos st_bbox(). ¿Por qué los números ahora están en los millones? (Pista: busque false easting y false northing en st_crs(municipios_9377)).

Si quiere ver la descripción completa de un sistema de coordenadas, ejecute st_crs(municipios_9377) sin el $epsg.

33 Calcular nuevos atributos

Como la capa ya está en metros, podemos calcular el área de cada municipio. st_area() devuelve m²; dividimos por 1 000 000 para tener km². Usamos as.numeric() para quedarnos solo con el número, sin la unidad:

municipios_9377$area_km2 <- as.numeric(st_area(municipios_9377)) / 1e6

Es exactamente lo mismo que hicimos con lotes$produccion_t: crear una columna nueva a partir de otras. Ahora calculamos la densidad de población (habitantes por km²):

municipios_9377$densidad <- municipios_9377$STP27_PERS / municipios_9377$area_km2

municipios_9377 |>
  st_drop_geometry() |>
  select(MPIO_CNMBR, STP27_PERS, area_km2, densidad) |>
  arrange(desc(densidad)) |>
  head(5)
     MPIO_CNMBR STP27_PERS  area_km2  densidad
1   BUCARAMANGA     528855 152.62869 3464.9776
2 FLORIDABLANCA     275109 100.13660 2747.3373
3         TUNJA     167991 119.48492 1405.9599
4       BARBOSA      28769  46.59283  617.4555
5      SOGAMOSO     120462 207.88393  579.4676
plot(municipios_9377["densidad"],
     breaks = "quantile",
     main = "Densidad de población (hab/km²)")

🤔 Pregunta: ¿Qué municipios tienen la mayor densidad? ¿Tiene sentido según lo que conoce de la región?

34 Seleccionar municipios

34.1 Por departamento

Recuerde la advertencia de la sección 4. ¿De qué tipo es la columna del código de departamento?

class(municipios_9377$DPTO_CCDGO)
[1] "character"
unique(municipios_9377$DPTO_CCDGO)
[1] "15" "68"

Los códigos son texto, y en esta capa solo hay dos departamentos: "15" (Boyacá) y "68" (Santander). Por eso el filtro se escribe con comillas:

boyaca <- municipios_9377 |>
  filter(DPTO_CCDGO == "15")

nrow(boyaca)
[1] 123
plot(st_geometry(boyaca), main = "Municipios de Boyacá")

🤔 Pregunta: ¿Qué pasaría si filtrara con un código que no está en la capa, por ejemplo "18"? Pruébelo y mire con nrow() cuántas filas quedan. ¿Le daría R un error, o algo más difícil de detectar?

34.2 Por condición

grandes <- municipios_9377 |>
  filter(area_km2 > 1000)

grandes |> st_drop_geometry() |> select(MPIO_CNMBR, area_km2)
              MPIO_CNMBR area_km2
1          PUERTO BOYACÁ 1512.084
2                 CUBARÁ 1174.692
3        BARRANCABERMEJA 1324.926
4              CIMITARRA 3170.518
5               RIONEGRO 1166.437
6       SABANA DE TORRES 1400.656
7 SAN VICENTE DE CHUCURÍ 1114.575
8         PUERTO WILCHES 1505.814
9                BOLÍVAR 1008.889
Tip✏️ Pruebe usted (en su documento)
  1. Cree un objeto santander con solo los municipios de Santander y dibújelo.
  2. ¿Cuántos municipios de Santander tienen más de 50 000 habitantes? Muestre sus nombres.
  3. Dibuje el mapa de densidad solo para Santander.

35 Guardar resultados

Todo lo que ha hecho vive en la memoria de R: si cierra RStudio sin guardar, se pierde. Para usar los resultados en QGIS hay que escribirlos en un archivo.

Usaremos el formato GeoPackage (.gpkg): es un solo archivo (el shapefile son al menos cuatro), admite nombres de columna largos (el shapefile los corta a 10 caracteres) y QGIS lo abre directamente.

dir.create("salidas", showWarnings = FALSE)   # crea la carpeta si no existe

st_write(municipios_9377, "salidas/municipios_9377.gpkg", delete_dsn = TRUE)
Deleting source `salidas/municipios_9377.gpkg' using driver `GPKG'
Writing layer `municipios_9377' to data source 
  `salidas/municipios_9377.gpkg' using driver `GPKG'
Writing 210 features with 92 fields and geometry type Polygon.
st_write(boyaca, "salidas/boyaca_9377.gpkg", delete_dsn = TRUE)
Deleting source `salidas/boyaca_9377.gpkg' using driver `GPKG'
Writing layer `boyaca_9377' to data source 
  `salidas/boyaca_9377.gpkg' using driver `GPKG'
Writing 123 features with 92 fields and geometry type Polygon.

delete_dsn = TRUE reemplaza el archivo si ya existe. Sin eso, la segunda vez que ejecute el bloque obtendrá un error.

Tip✏️ Pruebe usted (en su documento)

Guarde su objeto santander en salidas/santander_9377.gpkg. Si su profesora lo pide, guárdelo también como shapefile cambiando la extensión a .shp. 🤔 Mire la carpeta salidas en el panel Files: ¿cuántos archivos se crearon para el shapefile y cuántos para el GeoPackage?

36 Verificar en QGIS

  1. Abra QGIS y cargue el shapefile original datos/mun_santander_boyaca.shp y su archivo salidas/municipios_9377.gpkg.
  2. En Propiedades de la capa → Información, compare el sistema de referencia de cada una.
  3. Abra la tabla de atributos de su GeoPackage: ¿aparecen las columnas area_km2 y densidad?

🤔 Pregunta: ¿Qué ventajas y desventajas le ve a reproyectar y calcular atributos con código, comparado con hacerlo con clics en QGIS? Piense en qué pasaría si tuviera que repetir el proceso para los 32 departamentos.

37 Reto final

Con todo lo aprendido, en una sección nueva de su documento:

  1. Cree una función km2_a_ha() que convierta km² a hectáreas.
  2. Use mutate() para agregar a boyaca una columna area_ha usando su función.
  3. Encuentre los 5 municipios más grandes de Boyacá y muestre su nombre, área en hectáreas y población.
  4. Haga un mapa de Boyacá coloreado por población.
  5. Guarde la capa de Boyacá con las nuevas columnas en salidas/reto_boyaca.gpkg.

38 Entrega: publique su documento en RPubs

Su entrega es su propia página en RPubs, igual que esta guía.

  1. Verifique que su documento tenga todas las secciones y bloques de esta guía, sus explicaciones con sus palabras, los ejercicios resueltos y las preguntas respondidas.
  2. Haga clic en Render. Si el documento se renderiza completo sin errores, su código es reproducible: funciona de principio a fin. Solo se puede publicar un documento que se renderiza sin errores.
  3. Cree una cuenta gratuita en rpubs.com (botón Register). Use un nombre de usuario que la profesora pueda reconocer.
  4. En RStudio, con el documento renderizado, haga clic en el botón azul Publish (arriba a la derecha de la vista previa o del editor) y elija RPubs.
  5. La primera vez, RStudio puede pedir instalar algunos paquetes: acepte. Luego se abre el navegador para que inicie sesión y le ponga título y descripción a la publicación. Use como título: Taller 1 R - Su nombre completo.
  6. Al terminar, el navegador muestra su página publicada. Copie el enlace (algo como https://rpubs.com/su_usuario/123456) y envíelo en el aula virtual.
TipSi necesita corregir algo después de publicar

Haga los cambios, vuelva a hacer clic en Render y luego en Publish. RStudio le preguntará si quiere actualizar la publicación existente: diga que sí. Así el enlace sigue siendo el mismo.

Advertencia

Lo que se publica en RPubs es público: cualquiera con el enlace puede verlo. No incluya datos personales como su número de documento o su teléfono.

39 Autoevaluación

Marque lo que ya puede hacer sin mirar el taller:

40 Glosario

Término Significado
Variable / objeto Nombre que guarda un valor (area_ha <- 2.5)
Asignar Guardar un valor en una variable con <-
Vector Varios valores del mismo tipo, creado con c()
Data frame Tabla de filas y columnas; cada columna es un vector
Función Instrucción que recibe argumentos y devuelve un resultado: mean(x)
Argumento Lo que va dentro de los paréntesis de una función
Paquete Conjunto de funciones extra que se instala una vez y se carga con library()
Pipe El símbolo de tubería de la sección 7, que se lee “y luego”: pasa el resultado de un paso al siguiente
Proyecto (.Rproj) Carpeta de trabajo que RStudio reconoce; al abrirlo, las rutas se cuentan desde ahí
Ruta relativa Ubicación de un archivo a partir de la carpeta del proyecto
Quarto (.qmd) Documento que mezcla texto y código, y se convierte en página web al renderizarlo
Renderizar Ejecutar todo el documento y generar el resultado (HTML)
RPubs Sitio gratuito para publicar en internet documentos hechos con R
sf Paquete para datos espaciales vectoriales; un objeto sf es una tabla con columna geometry
CRS / EPSG Sistema de referencia de coordenadas y su código numérico (4686, 9377)