Clase :Los verbos de la manipulación. Antonia

Primer subtítulo

Segundo subtítulo

Para escribir un link se pone el nombre de la página

Para escribir en negrita, son dos asteriscos por lado

` r (20 * 2) ^ 10 `

library(dplyr)
library(gapminder)

• filter: para filtrar observaciones basadas en una o más condiciones
• select: para seleccionar variables por nombre
• mutate: para crear nuevas variables basadas en otras
• summarise: para crear variables que representan resúmenes de otras como el promedio
• arrange: para ordenar las observaciones basado en una o más variable

• group_by: para cambiar el dominio en que se aplican los verbos a nivel de grupos formados en base a variables dentro de un dataframe

• == : igualdad
• != : no igualdad

• : mayor que

• < : menor que

• = : mayor o igual que

• <= : menor o igual que

filter(gapminder, continent == "Americas", year > 2000)

• !: negación, se antepone en una condición lógica para invertir su valor
• &: “y” lógico, equivalente agregar más de un argumento en filter
• !: “o” lógico, si se cumple alguna de las condiciones

Ejemplo, aquí cargo todos los datos de países que no están en el continente americano al anteponer !

filter(gapminder, !(continent == "Americas"))

filter(gapminder, continent == "Americas" | continent == "Asia" | continent == "Europe")

Abreviadamente (para no escribir continent todo el rato)

filter(gapminder, continent %in% c("Americas", "Asia", "Europe"))

Select

seleccionar variables por su nombre. Sirve para reducir.

names(gapminder)

[1] "country"   "continent" "year"      "lifeExp"   "pop"       "gdpPercap"

select(gapminder, country, year, lifeExp)

select(gapminder, -lifeExp)

Existen más funciones similares que son convenientes de usar en conjunto con select como:

• starts_with(prefijo) : seleccionar variables que compartan igual prefijo

• ends_with(sufijo) : seleccionar variables que compartan igual sufijo

• contains(patron) : seleccionar variables que contengan un patron común

Mutate para crear nuevas variables

Nos permite crear una nueva variable en nuestro dataframe que se adjunta como columna al final de la tabala

por ejemplo, acá se cambiará a millones la población

1 y 6 ceros (millón) = 1e6

mutate(gapminder, popMillions = pop / 1e6)