Introducción y Puesta en Marcha en R

Asier Goikoetxea eta Gorka Kobeaga
2016/10/27

Contenidos de la Sesión

Presentación sobre R y algunas nociones básicas
- R y R studio
- Operaciones y Estadística Básica
- Gráficos
- Librerías (paquetes), funciones, recursos para seguir adelante…
Taller práctico con datos públicos

Introducción

Qué es R
Porqué es importante
- Libre, gratuito, multi-plataforma
- Comunidad muy activa y subiendo mucho en popularidad stackoverflow stackoverflow2 y github
- Ecosistema de R: crear documentos con Latex/Markdown, informes o presentaciones pdf/html
Qué limitaciones tiene: uso de memoria.

Presentación basada en el libro YaRrr! Pirate's guide to R

R y R studio

CRAN y Rstudio.com RStudio

Programación

Programar es un proceso artesanal:

Hay infinitas formas correctas de escribir un mismo programa
Criterios:
- utilizar los menos codigos posibles
- optimizar la velocidad
- optimizar el uso de memoria o CPU…
- que el codigo se entienda lo mejor posible

Instalar y Trabajar con Paquetes

R Base
Instalar paquetes o extensiones
- CRAN, GitHub

# ******* instalar el paquete YaRrr! *******
#install.packages("devtools"); library(devtools)
#install.github("ndphillips/yarrr", build_vignette=TRUE)
library(yarrr)

Leer Datos

Basico: read.csv / readlines / read.table / readRDS
Librerías: excel / hoja de calculo GDrive / SQL / Leer de la web

palabras <- read.csv("unigram_ws.csv")
head(palabras)

  X Content Frequency
1 1     the    333505
2 2      to    191753
3 3     and    168449
4 4       a    166493
5 5      of    140199
6 6       i    115619

Explorar Nuestro Dataset

nrow(pirates)

[1] 1000

names(pirates)

 [1] "id"              "sex"             "age"            
 [4] "height"          "weight"          "headband"       
 [7] "college"         "tattoos"         "tchests"        
[10] "parrots"         "favorite.pirate" "sword.type"     
[13] "eyepatch"        "sword.time"      "beard.length"   
[16] "fav.pixar"       "grogg"

Head / Tail

head(pirates[, 1:6])

  id    sex age height weight headband
1  1   male  28 173.11   70.5      yes
2  2   male  31 209.25  105.6      yes
3  3   male  26 169.95   77.1      yes
4  4 female  31 144.29   58.5       no
5  5 female  41 157.85   58.4      yes
6  6   male  26 190.20   85.4      yes

Operaciones: coger una muestra de Datos

Filtrar por Columnas [ , X] / Filtrar por Filas [X, ] Filtrar por condiciones lógicas: subset() Asignar valor a una variable '<-' / 'alt -'

muestra <- pirates[5:15 ,1:3] 
subset(muestra, sex=="male")

   id  sex age
6   6 male  26
10 10 male  30
12 12 male  20
14 14 male  26

Operaciones: Condiciones logicas

Comparar dos variables u objetos:

12==2 #12!=2

[1] FALSE

12>=2

[1] TRUE

12<2

[1] FALSE

Operaciones: Condiciones logicas

laborable <- c("lunes", "martes", "miercoles","jueves", "viernes")
hoy <- "jueves"
hoy%in%laborable

[1] TRUE

Operaciones: Estadística Descriptiva

summary(pirates$age)

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  11.00   24.00   27.00   27.36   31.00   46.00

table(pirates$sex)


female   male  other 
   464    490     46

Operaciones: Tablas

table(pirates$sex, pirates$sword.type)


         banana cutlass sabre scimitar
  female     21     379    31       33
  male       22     414    32       22
  other       3      37     4        2

Operaciones: Estadística Descriptiva

mean, median, range, var, sd, iqr, max, min

aggregate(age ~ sex, data = pirates, FUN = mean)

     sex      age
1 female 29.92241
2   male 24.96735
3  other 27.00000

Operaciones: Estadística Descriptiva

aggregate(age ~ sex + sword.type, data = pirates, FUN = mean)

      sex sword.type      age
1  female     banana 31.14286
2    male     banana 24.54545
3   other     banana 27.00000
4  female    cutlass 29.91821
5    male    cutlass 25.11353
6   other    cutlass 26.91892
7  female      sabre 28.35484
8    male      sabre 24.21875
9   other      sabre 28.50000
10 female   scimitar 30.66667
11   male   scimitar 23.72727
12  other   scimitar 25.50000

Gráficos: Histograma

hist(x=pirates$tattoos, main="Frequencia del número de Tatuajes de los Piratas", xlab = "Número de Tatuajes", ylab = "Frequencia", col="skyblue", border="white")

plot of chunk unnamed-chunk-12

Diagrama de Cajas (BoxPlot)

boxplot(age ~ sword.type, data= pirates, col= c("red", "blue", "green", "orange"))

plot of chunk unnamed-chunk-13

Diagrama de Dispersión (ScatterPlot)

plot(x= pirates$weight, y= pirates$height, main= "Relación entre Peso y la Altura de los Piratas", xlab= "Peso (kg)", ylab = "Altura (cm)", pch=16, col=gray(.0,.4))
linea <- lm(height ~ weight, data = pirates); abline(linea, col="blue", lwd=3)

plot of chunk unnamed-chunk-14

Gráficos Avanzados

ggplot2
gráficos interactivos:
- Manipulate, rCharts, GoogleVis
mapas:
- Leaflet, google maps

Otros gráficos

library(circlize)
chordDiagram(matrix(sample(10), nrow = 2,ncol = 5))

plot of chunk unnamed-chunk-15

Otros gráficos

# Create a pirateplot showing the distribution of ages
pirateplot(formula = age ~ sword.type,data = pirates, main = "Pirateplot of ages by favorite sword")

plot of chunk unnamed-chunk-16

Loops

Repetir un trozo de codigo varias veces

trabajo <- 0
for (dia in laborable) {
    trabajo <- 8 + trabajo
    mensaje <- paste0(dia, ": suma de horas trabajadas => ", trabajo)
    print(mensaje)
}

[1] "lunes: suma de horas trabajadas => 8"
[1] "martes: suma de horas trabajadas => 16"
[1] "miercoles: suma de horas trabajadas => 24"
[1] "jueves: suma de horas trabajadas => 32"
[1] "viernes: suma de horas trabajadas => 40"

GSUB

Sustituir caracteres por otros en un texto: literal / regex

gsub("trabajadas", "programando", mensaje)

[1] "viernes: suma de horas programando => 40"

gsub("[aeiou]", "_", mensaje)

[1] "v__rn_s: s_m_ d_ h_r_s tr_b_j_d_s => 40"

Recursos para seguir aprendiendo

y mucho más…