###Práctica No. 9. Importar archivo en excel de nombres edades, sueldo, pasatiempo ..
## Nombre: Importar datos de archivo excel a R y realizar análisis
## Objetivo. Importar datos de excel y realizar análisis sobre dichos datos
# El archivo a importar es: nombres edades generos sueldos pasatiempos edocivil.xlsx# Descripción. Importar datos en excel y realizar análisis para determinar:
library(readxl)
datos<- read_excel("nombres_edades_generos_sueldos_pasatiempos_edocivil.xlsx")
datos## # A tibble: 18 x 6
## nombre edad genero sueldo pasatiempo edocivil
## <chr> <dbl> <chr> <dbl> <chr> <chr>
## 1 JUAN 17 M 17.5 VIDEOJUEGOS S
## 2 PEDRO 25 M 20.8 MUSICA C
## 3 MARIA 20 F 13.5 VIDEOJUEGOS S
## 4 ROBERTO 28 M 10.8 LECTURA C
## 5 LUCY 32 F 12.4 LECTURA S
## 6 ADRIANA 20 F 0 VIDEOJUEGOS S
## 7 JORGUE 24 M 10.5 MUSICA C
## 8 MARY 45 M 54 LECTURA S
## 9 RUBEN 48 M 25 MUSICA S
## 10 RENE 18 M 10.5 VIDEOJUEGOS C
## 11 OSCAR 24 M 12.5 MUSICA S
## 12 FABRICIO 28 M 10.5 MUSICA C
## 13 ERNESTO 30 M 10.8 MUSICA S
## 14 FERNANDA 28 F 10.6 MUSICA C
## 15 LUISA 35 F 20.6 LECTURA S
## 16 JESSICA 19 F 10.4 VIDEOJUEGOS S
## 17 ROBERT 27 M 20.4 MUSICA S
## 18 YESENIA 32 F 32.5 MUSICA C## ¿Cual es el promedio de edades?
# Promedio de edades
mean(datos$edad)## [1] 27.77778##¿Cual es el promedio de sueldos?
# Promedio de sueldos
mean(datos$sueldo)## [1] 16.85##¿Quien gana mas dinero, mostrando todos las columnas del registro?
datos[which.max(datos$sueldo), ]## # A tibble: 1 x 6
## nombre edad genero sueldo pasatiempo edocivil
## <chr> <dbl> <chr> <dbl> <chr> <chr>
## 1 MARY 45 M 54 LECTURA S##Quien tiene mayor pasatiempo de "videojuegos" las personas de género M o género F?
datos[which(datos$pasatiempo == "VIDEOJUEGOS"),]## # A tibble: 5 x 6
## nombre edad genero sueldo pasatiempo edocivil
## <chr> <dbl> <chr> <dbl> <chr> <chr>
## 1 JUAN 17 M 17.5 VIDEOJUEGOS S
## 2 MARIA 20 F 13.5 VIDEOJUEGOS S
## 3 ADRIANA 20 F 0 VIDEOJUEGOS S
## 4 RENE 18 M 10.5 VIDEOJUEGOS C
## 5 JESSICA 19 F 10.4 VIDEOJUEGOS SM.videojuegos <- datos[which(datos$pasatiempo == "VIDEOJUEGOS" & datos$genero == 'M'),]
F.videojuegos <- datos[which(datos$pasatiempo == "VIDEOJUEGOS" & datos$genero == 'F'),]
M.videojuegos## # A tibble: 2 x 6
## nombre edad genero sueldo pasatiempo edocivil
## <chr> <dbl> <chr> <dbl> <chr> <chr>
## 1 JUAN 17 M 17.5 VIDEOJUEGOS S
## 2 RENE 18 M 10.5 VIDEOJUEGOS CF.videojuegos## # A tibble: 3 x 6
## nombre edad genero sueldo pasatiempo edocivil
## <chr> <dbl> <chr> <dbl> <chr> <chr>
## 1 MARIA 20 F 13.5 VIDEOJUEGOS S
## 2 ADRIANA 20 F 0 VIDEOJUEGOS S
## 3 JESSICA 19 F 10.4 VIDEOJUEGOS Sprint(paste("M que juegan videojuegos ", length(M.videojuegos$nombre)))## [1] "M que juegan videojuegos 2"print(paste("F que juegan videojuegos ", length(F.videojuegos$nombre)))## [1] "F que juegan videojuegos 3"##¿Quien gana mas los de género M o género F?
m <- datos[which(datos$genero == 'M'),]
m## # A tibble: 11 x 6
## nombre edad genero sueldo pasatiempo edocivil
## <chr> <dbl> <chr> <dbl> <chr> <chr>
## 1 JUAN 17 M 17.5 VIDEOJUEGOS S
## 2 PEDRO 25 M 20.8 MUSICA C
## 3 ROBERTO 28 M 10.8 LECTURA C
## 4 JORGUE 24 M 10.5 MUSICA C
## 5 MARY 45 M 54 LECTURA S
## 6 RUBEN 48 M 25 MUSICA S
## 7 RENE 18 M 10.5 VIDEOJUEGOS C
## 8 OSCAR 24 M 12.5 MUSICA S
## 9 FABRICIO 28 M 10.5 MUSICA C
## 10 ERNESTO 30 M 10.8 MUSICA S
## 11 ROBERT 27 M 20.4 MUSICA Sf <- datos[which(datos$genero == 'F'),]
f## # A tibble: 7 x 6
## nombre edad genero sueldo pasatiempo edocivil
## <chr> <dbl> <chr> <dbl> <chr> <chr>
## 1 MARIA 20 F 13.5 VIDEOJUEGOS S
## 2 LUCY 32 F 12.4 LECTURA S
## 3 ADRIANA 20 F 0 VIDEOJUEGOS S
## 4 FERNANDA 28 F 10.6 MUSICA C
## 5 LUISA 35 F 20.6 LECTURA S
## 6 JESSICA 19 F 10.4 VIDEOJUEGOS S
## 7 YESENIA 32 F 32.5 MUSICA Cm## # A tibble: 11 x 6
## nombre edad genero sueldo pasatiempo edocivil
## <chr> <dbl> <chr> <dbl> <chr> <chr>
## 1 JUAN 17 M 17.5 VIDEOJUEGOS S
## 2 PEDRO 25 M 20.8 MUSICA C
## 3 ROBERTO 28 M 10.8 LECTURA C
## 4 JORGUE 24 M 10.5 MUSICA C
## 5 MARY 45 M 54 LECTURA S
## 6 RUBEN 48 M 25 MUSICA S
## 7 RENE 18 M 10.5 VIDEOJUEGOS C
## 8 OSCAR 24 M 12.5 MUSICA S
## 9 FABRICIO 28 M 10.5 MUSICA C
## 10 ERNESTO 30 M 10.8 MUSICA S
## 11 ROBERT 27 M 20.4 MUSICA Sif (sum(m$sueldo) > sum(f$sueldo)) {
print (paste("Los M ganan mas, con $ ", sum(m$sueldo)))
print (paste("Los F ganan menos, con $ ", sum(f$sueldo)))
} else {
print(paste("Los F ganan mas, con $", sum(f$sueldo)))
print (paste("Los M ganan menos, con $ ", sum(m$sueldo)))
}## [1] "Los M ganan mas, con $ 203.3"
## [1] "Los F ganan menos, con $ 100"##Que nombres de personas y cuántas personas están entre 15 y 25 años de edad
datos## # A tibble: 18 x 6
## nombre edad genero sueldo pasatiempo edocivil
## <chr> <dbl> <chr> <dbl> <chr> <chr>
## 1 JUAN 17 M 17.5 VIDEOJUEGOS S
## 2 PEDRO 25 M 20.8 MUSICA C
## 3 MARIA 20 F 13.5 VIDEOJUEGOS S
## 4 ROBERTO 28 M 10.8 LECTURA C
## 5 LUCY 32 F 12.4 LECTURA S
## 6 ADRIANA 20 F 0 VIDEOJUEGOS S
## 7 JORGUE 24 M 10.5 MUSICA C
## 8 MARY 45 M 54 LECTURA S
## 9 RUBEN 48 M 25 MUSICA S
## 10 RENE 18 M 10.5 VIDEOJUEGOS C
## 11 OSCAR 24 M 12.5 MUSICA S
## 12 FABRICIO 28 M 10.5 MUSICA C
## 13 ERNESTO 30 M 10.8 MUSICA S
## 14 FERNANDA 28 F 10.6 MUSICA C
## 15 LUISA 35 F 20.6 LECTURA S
## 16 JESSICA 19 F 10.4 VIDEOJUEGOS S
## 17 ROBERT 27 M 20.4 MUSICA S
## 18 YESENIA 32 F 32.5 MUSICA Ce <- datos[which((datos$edad >=15) & (datos$edad<=25)),]
e## # A tibble: 8 x 6
## nombre edad genero sueldo pasatiempo edocivil
## <chr> <dbl> <chr> <dbl> <chr> <chr>
## 1 JUAN 17 M 17.5 VIDEOJUEGOS S
## 2 PEDRO 25 M 20.8 MUSICA C
## 3 MARIA 20 F 13.5 VIDEOJUEGOS S
## 4 ADRIANA 20 F 0 VIDEOJUEGOS S
## 5 JORGUE 24 M 10.5 MUSICA C
## 6 RENE 18 M 10.5 VIDEOJUEGOS C
## 7 OSCAR 24 M 12.5 MUSICA S
## 8 JESSICA 19 F 10.4 VIDEOJUEGOS Slength(e$nombre)## [1] 8##Cuántas y cuáles nombres son de estado civil C de casado y S de soltero
datos## # A tibble: 18 x 6
## nombre edad genero sueldo pasatiempo edocivil
## <chr> <dbl> <chr> <dbl> <chr> <chr>
## 1 JUAN 17 M 17.5 VIDEOJUEGOS S
## 2 PEDRO 25 M 20.8 MUSICA C
## 3 MARIA 20 F 13.5 VIDEOJUEGOS S
## 4 ROBERTO 28 M 10.8 LECTURA C
## 5 LUCY 32 F 12.4 LECTURA S
## 6 ADRIANA 20 F 0 VIDEOJUEGOS S
## 7 JORGUE 24 M 10.5 MUSICA C
## 8 MARY 45 M 54 LECTURA S
## 9 RUBEN 48 M 25 MUSICA S
## 10 RENE 18 M 10.5 VIDEOJUEGOS C
## 11 OSCAR 24 M 12.5 MUSICA S
## 12 FABRICIO 28 M 10.5 MUSICA C
## 13 ERNESTO 30 M 10.8 MUSICA S
## 14 FERNANDA 28 F 10.6 MUSICA C
## 15 LUISA 35 F 20.6 LECTURA S
## 16 JESSICA 19 F 10.4 VIDEOJUEGOS S
## 17 ROBERT 27 M 20.4 MUSICA S
## 18 YESENIA 32 F 32.5 MUSICA Cestciv <- datos[which((datos$edad >=15) & (datos$edad<=25)),]
estciv## # A tibble: 8 x 6
## nombre edad genero sueldo pasatiempo edocivil
## <chr> <dbl> <chr> <dbl> <chr> <chr>
## 1 JUAN 17 M 17.5 VIDEOJUEGOS S
## 2 PEDRO 25 M 20.8 MUSICA C
## 3 MARIA 20 F 13.5 VIDEOJUEGOS S
## 4 ADRIANA 20 F 0 VIDEOJUEGOS S
## 5 JORGUE 24 M 10.5 MUSICA C
## 6 RENE 18 M 10.5 VIDEOJUEGOS C
## 7 OSCAR 24 M 12.5 MUSICA S
## 8 JESSICA 19 F 10.4 VIDEOJUEGOS Sc <- datos[which(datos$edocivil == 'C'),]
c## # A tibble: 7 x 6
## nombre edad genero sueldo pasatiempo edocivil
## <chr> <dbl> <chr> <dbl> <chr> <chr>
## 1 PEDRO 25 M 20.8 MUSICA C
## 2 ROBERTO 28 M 10.8 LECTURA C
## 3 JORGUE 24 M 10.5 MUSICA C
## 4 RENE 18 M 10.5 VIDEOJUEGOS C
## 5 FABRICIO 28 M 10.5 MUSICA C
## 6 FERNANDA 28 F 10.6 MUSICA C
## 7 YESENIA 32 F 32.5 MUSICA Cs <- datos[which(datos$edocivil == 'S'),]
s## # A tibble: 11 x 6
## nombre edad genero sueldo pasatiempo edocivil
## <chr> <dbl> <chr> <dbl> <chr> <chr>
## 1 JUAN 17 M 17.5 VIDEOJUEGOS S
## 2 MARIA 20 F 13.5 VIDEOJUEGOS S
## 3 LUCY 32 F 12.4 LECTURA S
## 4 ADRIANA 20 F 0 VIDEOJUEGOS S
## 5 MARY 45 M 54 LECTURA S
## 6 RUBEN 48 M 25 MUSICA S
## 7 OSCAR 24 M 12.5 MUSICA S
## 8 ERNESTO 30 M 10.8 MUSICA S
## 9 LUISA 35 F 20.6 LECTURA S
## 10 JESSICA 19 F 10.4 VIDEOJUEGOS S
## 11 ROBERT 27 M 20.4 MUSICA Sprint("Las personas con estado civil Casado son:")## [1] "Las personas con estado civil Casado son:"length(c$nombre) ## [1] 7print("Las personas con estado civil Soltero son:")## [1] "Las personas con estado civil Soltero son:"length(s$nombre)## [1] 11```