- Lenguaje
- Entorno de Desarrollo
- Base
R - Librerías
3/4/2018
Componentes
Bibliografía
- R in a Nutshell:
\OwnCloud\sntpc\EyM\Bibliografía\R: Parte 2 (Caps 5-10)
Expresiones
Pueden ser asignaciones, condicionales o aritméticos.
x <- 1 if (x > 2) "mayor que dos" else "menor que dos"
## [1] "menor que dos"
Objetos
- Los objetos son cosas
- El código manipula objetos
c(1, 2, 3)
## [1] 1 2 3
"Esto es un objeto"
## [1] "Esto es un objeto"
Objetos (2)
list(c(1, 2, 3), "esto es otro objeto", "adentro de otro")
## [[1]] ## [1] 1 2 3 ## ## [[2]] ## [1] "esto es otro objeto" ## ## [[3]] ## [1] "adentro de otro"
Símbolos y enviroment
Un environment es un conjunto de símbolos asignados a objetos.
Funciones
Son objetos que toman objetos como inputs (argumentos) y devuelven objetos como outputs
Algunas vienen predefinidas:
sum(c(1, 2, 3))
## [1] 6
- Otras son definidas por el usuario:
sumar <- function(a, b) { a + b }
sumar(1, 2)
## [1] 3
Valores Especiales
#NA (not available/missing) vec <- c(1, 2, 3) vec[4]
## [1] NA
#Inf 1/0
## [1] Inf
Valores especiales (2)
#Inf -1/0
## [1] -Inf
#NaN Inf-Inf
## [1] NaN
#NULL
Coerción
A veces R espera un argumento de un tipo y recibe otro, trata de transformarlo.
if (2) "verdadero" else "falso"
## [1] "verdadero"
Esto puede llevar a resultados inesperados si no lo tenemos en cuenta.
Números
1.1
## [1] 1.1
2^1023
## [1] 8.988466e+307
1+2i
## [1] 1+2i
# La precisión es limitada 2^1024
## [1] Inf
Tipos
typeof(1)
## [1] "double"
typeof(1:1)
## [1] "integer"
typeof(1+1i)
## [1] "complex"
Operadores Binarios
# Suma 1+1
## [1] 2
# Coerción a `float` 10/3
## [1] 3.333333
Operadores Binarios (2)
# Integer División 10%/%3
## [1] 3
# Módulo 10 %% 3
## [1] 1
# Exponenciales 2^3
## [1] 8
Operadores Unarios
# Suma -3
## [1] -3
!FALSE
## [1] TRUE
!4
## [1] FALSE
Tipos
La función sqrt devuelve el mismo tipo que recibe:
sqrt(-1)
## Warning in sqrt(-1): NaNs produced
## [1] NaN
sqrt(-1+0i)
## [1] 0+1i
Estructuras de control
Controlan el flujo del programa.
# Conditionals x <- 1 if (x > 1) "algo" else "nada"
## [1] "nada"
# Conditionals (2) x <- 1 if (x > 1) "algo" else "nada"
## [1] "nada"
¡Cuidado!
x <- 1:10 if (x %% 2 == 0) "par" else "impar" # Warning!
## Warning in if (x%%2 == 0) "par" else "impar": the condition has length > 1 ## and only the first element will be used
## [1] "impar"
# Lo que quiero es esto: x <- 1:10 ifelse(x %% 2 == 0, "par", "impar")
## [1] "impar" "par" "impar" "par" "impar" "par" "impar" "par" ## [9] "impar" "par"
Condicionales
x <- 1
if (x==1) {
"Uno"
} else if (x==2) {
"Dos"
} else {
"Mayor que dos"
}
## [1] "Uno"
Condicionales
x <- "a"
switch(x,
a="alligator",
b="bear",
c="camel",
"moose")
## [1] "alligator"
Switch Vectorial
dplyr tiene una versión para vectores de switch (cuidado si tienen una versión anterior a 0.7).
suppressMessages(library(dplyr))
x <- c("a", "a", "c", "c", "b", "b", "z", "z")
case_when(x == "a" ~ "alligator",
x == "b" ~ "bear",
x == "c" ~ "camel",
TRUE ~ "moose")
## [1] "alligator" "alligator" "camel" "camel" "bear" "bear" ## [7] "moose" "moose"
Loops
for (i in seq(from=5, to=25, by=5)) print(i)
## [1] 5 ## [1] 10 ## [1] 15 ## [1] 20 ## [1] 25
Estructuras de datos
Guardan datos y permiten acceder a la información.
x <- c(1, 2, 3, 4) x[2] # devuelve el elemento 2 del objeto x
## [1] 2
x[[2]] # devuelve siempre un vector de largo 1
## [1] 2
Indexando un vector
x <- c(1, 2, 3, 4) x[2:4] # es igual a
## [1] 2 3 4
x[c(2, 3, 4)]
## [1] 2 3 4
x <- c(1, 2, 3, 4) x[-4] # es igual a
## [1] 1 2 3
Indexando una lista
l <- list(a=1, b=2, c=3, d=4, e=5, f=6) l[1:3]
## $a ## [1] 1 ## ## $b ## [1] 2 ## ## $c ## [1] 3
l$a
## [1] 1
Indexando una lista (2)
l[-1]
## $b ## [1] 2 ## ## $c ## [1] 3 ## ## $d ## [1] 4 ## ## $e ## [1] 5 ## ## $f ## [1] 6
Indexar con un vector lógico
x <- c(1, 2, 3, 4) x[c(TRUE, FALSE, TRUE, FALSE)] # me quedo solo con los impares
## [1] 1 3
x[x %% 2 != 0] # me quedo solo con los impares
## [1] 1 3
Ejercicios: Swirl
- Instalar
swirl
install.packages("swirl")
- Cargar librería
library(swirl)
- Instalar
curso
install_course_github("ifunam", "programacion-estadistica-r")
swirl()
Objetos
Todos los valores (entidades) en R son objetos de cierto tipo (o clase).
Vectores
c(.295, .300, .250, .215) # vector numérico
## [1] 0.295 0.300 0.250 0.215
# Coerción c(.295, .300, .250, "hola!") # vector de characters
## [1] "0.295" "0.3" "0.25" "hola!"
# Con una lista c(.295, .300, .250, list(.102, .303), recursive=TRUE)
## [1] 0.295 0.300 0.250 0.102 0.303
Vectores (2)
# Con una lista c(.295, .300, .250, list(.102, .303), recursive=FALSE)
## [[1]] ## [1] 0.295 ## ## [[2]] ## [1] 0.3 ## ## [[3]] ## [1] 0.25 ## ## [[4]] ## [1] 0.102 ## ## [[5]] ## [1] 0.303
Indexando estructuras multidimensionales
Los data frames y las matrices tienen múltiples dimensiones (las listas no -> Serafín).
x <- data_frame(x=c(1, 2, 3), y=c("a","b", "c"))
x
## # A tibble: 3 x 2 ## x y ## <dbl> <chr> ## 1 1.00 a ## 2 2.00 b ## 3 3.00 c
Indexando estructuras multidimensionales (2)
# x[[]]Devuelve un vector de largo 1 x[[2,1]] # Fila 2, Columna 1
## [1] 2
# x[] Devuelve un objeto del mismo tipo que x (data_frame) x[1,2] # Fila 1, Columna 2
## # A tibble: 1 x 1 ## y ## <chr> ## 1 a
x[1,] # Fila 1, todas las columnas
## # A tibble: 1 x 2 ## x y ## <dbl> <chr> ## 1 1.00 a
x[, 2] # Todas las filas, la segunda columna
## # A tibble: 3 x 1 ## y ## <chr> ## 1 a ## 2 b ## 3 c
No hay objetos "sueltos"
1 + 1
## [1] 2
Es lo mismo que:
c(1) + c(1)
## [1] 2
No hay objetos "sueltos" (2)
En general, nos interesa operar sobre vectores:
1:10 + 1:10
## [1] 2 4 6 8 10 12 14 16 18 20
1:3 * 1:3
## [1] 1 4 9
sqrt(c(1, 2, 3, 4))
## [1] 1.000000 1.414214 1.732051 2.000000
Reciclando vectores
Algunos operadores "reciclan" vectores
c(1, 2, 3, 4) / 2
## [1] 0.5 1.0 1.5 2.0
Listas
Pueden ser heterogéneas.
paquete <- list(destino="Montevideo",
dimensiones=c(2, 6, 9), precio=12.95)
paquete$precio
## [1] 12.95
paquete[["precio"]]
## [1] 12.95
paquete["precio"] # ¿cuál es la diferencia?
## $precio ## [1] 12.95
Listas (2) - agregar elementos
z <- list(a="abc") z
## $a ## [1] "abc"
z$c <- "hola" z
## $a ## [1] "abc" ## ## $c ## [1] "hola"
Listas (3)
z[[4]] <- c(28, 30) z[[4]]
## [1] 28 30
z[5:7] <- c("uno", "dos", "tres")
z[5:7]
## [[1]] ## [1] "uno" ## ## [[2]] ## [1] "dos" ## ## [[3]] ## [1] "tres"
Componentes
Los nombres de los campos:
names(z)
## [1] "a" "c" "" "" "" "" ""
Convertirla a un vector (con nombres):
unlist(z)
## a c ## "abc" "hola" "28" "30" "uno" "dos" "tres"
Componentes (2)
class(z)
## [1] "list"
class(unlist(z))
## [1] "character"
Listas
¡Cuidado con el tamaño!
length(z)
## [1] 7
lapply
Si quiero saber el tamaño de cada elemento:
lst <- list(a=c("algo", "nada", "todo"), b=1:3, c=c(TRUE, FALSE))
lapply(lst, length)
## $a ## [1] 3 ## ## $b ## [1] 3 ## ## $c ## [1] 2
lapply (2)
Si quiero saber el tipo:
lst <- list(a=c("algo", "nada", "todo"), b=1:3, c=c(TRUE, FALSE))
lapply(lst, class)
## $a ## [1] "character" ## ## $b ## [1] "integer" ## ## $c ## [1] "logical"
Factores
Sirven para representar información categórica.
# Vector de characters
deptos <- c("Montevideo", "Canelones", "Montevideo", "San José",
"Montevideo", "Montevideo", "Rivera")
typeof(deptos)
## [1] "character"
Factores (2)
Alternativa:
deptos <- factor(deptos) levels(deptos)
## [1] "Canelones" "Montevideo" "Rivera" "San José"
deptos
## [1] Montevideo Canelones Montevideo San José Montevideo Montevideo ## [7] Rivera ## Levels: Canelones Montevideo Rivera San José
Factores (3)
La implementación usa integers (más eficiente):
class(deptos)
## [1] "factor"
Uso la función unclass para "sacarle la clase":
deptos.int.vec <- unclass(deptos) deptos.int.vec
## [1] 2 1 2 4 2 2 3 ## attr(,"levels") ## [1] "Canelones" "Montevideo" "Rivera" "San José"
class(deptos.int.vec) <- "factor" # assignment?
Data Frames
Es la implementación básica de un dataset (como una planilla de Excel).
df <- data_frame(x=c(1, 2, 3), y=c("a","b", "c"))
typeof(df)
## [1] "list"
Son listas. Cada variable es un elemento de la lista.
df$x
## [1] 1 2 3
Fechas
En general vienen como texto: hay varias funciones para convertirlas de texto a fechas.
Cuando están como fechas podemos hacer cosas con ella:
- Sacar componentes (año, mes, día)
- Calcular períodos (entre fecha y fecha)
nac.texto <- "29/05/1984" nac.fecha <- as.Date(nac.texto, "%d/%m/%Y") hoy <- Sys.Date() vida <- hoy-nac.fecha as.numeric(vida, units="weeks") / 52 # mi edad
## [1] 33.96978
Atributos
Sirven para almacenar metadata.
m <- matrix(data=1:12, nrow=4, ncol=3,
dimnames=list(c("r1", "r2", "r3", "r4"),
c("c1", "c2", "c3")))
attributes(m)
## $dim ## [1] 4 3 ## ## $dimnames ## $dimnames[[1]] ## [1] "r1" "r2" "r3" "r4" ## ## $dimnames[[2]] ## [1] "c1" "c2" "c3"
class(m)
## [1] "matrix"
Atributos (2)
dim(m) <- NULL m
## [1] 1 2 3 4 5 6 7 8 9 10 11 12
class(m)
## [1] "integer"
Símbolos y environments
Los nombres de las variables son símbolos
x <- 1 class(x) # la función class evalúa su argumento antes de
## [1] "numeric"
class(quote(x))
## [1] "name"
Environments
- Son el contexto en el que se evalúan las expresiones.
- Hay una tabla de correspondencia entre el símbolo y el valor
Error
Si un símbolo no está definido en el current environment, R lo busca en su "padre".
num <- 1
f <- function() {
num
}
f()
## [1] 1
num <- 1
f <- function() {
num <- 2
num
}
f()
## [1] 2
num
## [1] 1
Error (2)
Si el nombre no está definido en ningun environment.
foo <- function() {
xyz +1
}
foo() # Error
## Error in foo(): object 'xyz' not found
Error (3)
¡Esto no da error!
df <- data_frame(x=c(1, 2, 3), y = c(3, 2, 1)) mutate(df, z=x+y)
## # A tibble: 3 x 3 ## x y z ## <dbl> <dbl> <dbl> ## 1 1.00 3.00 4.00 ## 2 2.00 2.00 4.00 ## 3 3.00 1.00 4.00
¿En qué environment se evalúa z=x+y?
Dplyr
Las funciones de dplyr evalúan sus argumentos en environments distintos que las funciones "normales".
Otros ejemplos
subset:
Lleva un data frame y un vector lógico como argumento.
subset(mtcars, c(TRUE, FALSE, TRUE, FALSE))
## mpg cyl disp hp drat wt qsec vs am gear carb ## Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4 ## Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1 ## Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2 ## Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4 ## Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2 ## Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4 ## Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3 ## Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4 ## Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4 ## Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2 ## Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1 ## AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2 ## Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2 ## Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2 ## Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4 ## Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8
subset(mtcars, mtcars$cyl == 6)
## mpg cyl disp hp drat wt qsec vs am gear carb ## Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4 ## Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4 ## Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1 ## Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1 ## Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4 ## Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4 ## Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
# es lo mismo que subset(mtcars, cyl==6)
## mpg cyl disp hp drat wt qsec vs am gear carb ## Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4 ## Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4 ## Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1 ## Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1 ## Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4 ## Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4 ## Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
filter(mtcars, cyl ==6)
## mpg cyl disp hp drat wt qsec vs am gear carb ## 1 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4 ## 2 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4 ## 3 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1 ## 4 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1 ## 5 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4 ## 6 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4 ## 7 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
Otros ejemplos: lm
lm(mtcars$mpg ~ mtcars$cyl + mtcars$disp + mtcars$wt)
## ## Call: ## lm(formula = mtcars$mpg ~ mtcars$cyl + mtcars$disp + mtcars$wt) ## ## Coefficients: ## (Intercept) mtcars$cyl mtcars$disp mtcars$wt ## 41.107678 -1.784944 0.007473 -3.635677
# o with(mtcars, lm(mpg ~ cyl + disp + wt))
## ## Call: ## lm(formula = mpg ~ cyl + disp + wt) ## ## Coefficients: ## (Intercept) cyl disp wt ## 41.107678 -1.784944 0.007473 -3.635677
Otro: lm
Especifcamos un data frame como argumento:
lm(mpg~cyl+disp+wt, data=mtcars)
## ## Call: ## lm(formula = mpg ~ cyl + disp + wt, data = mtcars) ## ## Coefficients: ## (Intercept) cyl disp wt ## 41.107678 -1.784944 0.007473 -3.635677
Ejercicio (2)
Una función que reemplace los NAS por valores. Por defecto los reemplaza por 0, si no por un valor.
reemplazar <- function(x, val=0) {
x[is.na(x)] <- val
x
}
Ejercicio
Una función que abra un archivo RDS (data_frame.RDS):
- Si no le ponemos argumentos, abre todo.
- Si le ponemos argumentos trae solo esas variables
## # A tibble: 10 x 2 ## a b ## <int> <chr> ## 1 1 a ## 2 2 b ## 3 3 c ## 4 4 d ## 5 5 e ## 6 6 f ## 7 7 g ## 8 8 h ## 9 9 i ## 10 10 j
## # A tibble: 10 x 3 ## a b c ## <int> <chr> <chr> ## 1 1 a K ## 2 2 b L ## 3 3 c M ## 4 4 d N ## 5 5 e O ## 6 6 f P ## 7 7 g Q ## 8 8 h R ## 9 9 i S ## 10 10 j T