Julio, 2018. fdsalgado@uazuay.edu.ec
R es un entorno y lenguaje de programación el cual proporciona una amplia variedad de técnicas estadísticas (modelado lineal y no lineal, pruebas estadísticas clásicas, análisis de series temporales, clasificación, clustering, etc.) y generación de gráficos.
R está disponible como Software Libre bajo los términos GNU de la Free Software Foundation en forma de código fuente. Se compila y se ejecuta en plataformas UNIX (Linux y Mac OS) y Windows.
RStudio es un entorno de desarrollo integrado (IDE) para R. Incluye una consola, edición y ejecución directa de código, así como herramientas para gráficos, historial, depuración y gestión del espacio de trabajo.
getwd() # obtener directorio de trabajo *get working directory*.
## [1] "C:/R/Curso introductorio"
#dir() # listar carpetas del directorio actual.
#list.files()
#dir.create("C:/R/Curso introductorio")
setwd("C:/R/Curso introductorio") #Establecer el directorio de trabajo
En su forma más simple, R puede ser utilizado como una calculadora:
3 + 10
## [1] 13
5 * 5
## [1] 25
12 / 3 - 7^2
## [1] -45
En lugar de volver a escribir 3 + 4 cada vez que lo necesitamos, podemos crear una nueva variable que almacene el resultado.
x <- 3 + 4 x
## [1] 7
'<-' es el operador de asignación (En Win: 'alt' + '-').
El nombre de una variable no puede contener espacios ni caracteres especiales.
# mi variable <- 6 # Error mi_variable <- 6
v <- c(1.1, 10, 3.14) v
## [1] 1.10 10.00 3.14
c(v,555,v)
## [1] 1.10 10.00 3.14 555.00 1.10 10.00 3.14
v * 2 + 100
## [1] 102.20 120.00 106.28
mi_rc <- sqrt(v-1) # sqrt(x) calcula la raíz cuadrada de x. mi_rc
## [1] 0.3162278 3.0000000 1.4628739
mi_rc<- v/mi_rc mi_rc
## [1] 3.478505 3.333333 2.146460
Cuando indicamos a R que calcule v * 2 + 100, lo que realmente calcula es esto:
v * c (2, 2, 2) + c (100, 100, 100)
## [1] 102.20 120.00 106.28
A esto se lo conoce como "reciclaje" de vector.
c(1, 2, 3, 4) + c(0, 10)
## [1] 1 12 3 14
c(1, 2, 3, 4) + c(0, 10, 100)
## Warning in c(1, 2, 3, 4) + c(0, 10, 100): longer object length is not a ## multiple of shorter object length
## [1] 1 12 103 4
1:20
## [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
pi:10
## [1] 3.141593 4.141593 5.141593 6.141593 7.141593 8.141593 9.141593
15:1
## [1] 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1
x:y puede leerse como "secuencia de x a(:) y."
seq(1, 20)
## [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
seq(0, 10, by=0.5)
## [1] 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 ## [15] 7.0 7.5 8.0 8.5 9.0 9.5 10.0
mi_sec <- seq(5, 10, length=20) mi_sec
## [1] 5.000000 5.263158 5.526316 5.789474 6.052632 6.315789 6.578947 ## [8] 6.842105 7.105263 7.368421 7.631579 7.894737 8.157895 8.421053 ## [15] 8.684211 8.947368 9.210526 9.473684 9.736842 10.000000
Hemos trabajdo con vectores numéricos (numeric). Otros tipos de vectores atómicos incluyen:
mi_char <- c("Qué", "pena", "por")
mi_char
## [1] "Qué" "pena" "por"
mi_msj <- c(mi_char, "Croacia") paste(mi_msj, collapse = " ")
## [1] "Qué pena por Croacia"
Los valores no disponibles o faltantes juegan un papel importante en las estadísticas y el análisis de datos.
A menudo, los valores faltantes no deben ignorarse, sino que deben estudiarse cuidadosamente para ver si hay un patrón subyacente o causa de su desaparición.
En R, NA se usa para representar cualquier valor que "no está disponible (Not Available)" o "falte" (en el sentido estadístico).
x <- rnorm(1000) y <- rep(NA, 1000) mi_data <- sample(c(x, y), 50) mi_na <- is.na(mi_data) mi_na
## [1] TRUE TRUE TRUE TRUE TRUE TRUE FALSE TRUE TRUE FALSE TRUE ## [12] FALSE FALSE TRUE TRUE FALSE FALSE FALSE TRUE TRUE FALSE TRUE ## [23] FALSE TRUE FALSE TRUE FALSE FALSE TRUE TRUE FALSE TRUE TRUE ## [34] FALSE FALSE TRUE FALSE FALSE TRUE FALSE TRUE FALSE TRUE TRUE ## [45] FALSE TRUE FALSE FALSE FALSE TRUE
sum(mi_na)
## [1] 27
Veamos un segundo tipo de valor no disponible: NaN, que significa "no es un número (Not a Number)".
0/0
## [1] NaN
1/0
## [1] Inf
Inf - Inf
## [1] NaN