Taller 4

Nombres:

Edinson Javier Gamba Martinez 10151144

Oscar Iván Jaramillo Vargas 10151088

Catherine Prada Rodriguez 10152043

  1. Cree el siguiente data.framedf1:
df1 <- data.frame(miedad=c(23,22,18,20,25),
peso=c(45,56,47,67,80), 
estatura=c(150,161,155,172,182))
df1
##   miedad peso estatura
## 1     23   45      150
## 2     22   56      161
## 3     18   47      155
## 4     20   67      172
## 5     25   80      182

Un data frame crea una estructura en forma de tabla, cada columna tiene los valores de una variable y cada fila tiene un conjunto de valores para cada columna.

  1. compare df1$miedad,df1[,1]ydf1[“miedad”]
df1$miedad
## [1] 23 22 18 20 25
df1[,1]
## [1] 23 22 18 20 25
df1["miedad"]
##   miedad
## 1     23
## 2     22
## 3     18
## 4     20
## 5     25
str(df1)
## 'data.frame':    5 obs. of  3 variables:
##  $ miedad  : num  23 22 18 20 25
##  $ peso    : num  45 56 47 67 80
##  $ estatura: num  150 161 155 172 182

Estos comandos permiten extraer del data frame los datos que necesitemos, en este caso la edad.

  1. extraiga el tercer peso.
df1[3,2]
## [1] 47
  1. extraiga la última fila
df1[nrow(df1),]
##   miedad peso estatura
## 5     25   80      182
  1. extraiga las dos primeras columnas.
df1[,c(1,2)]
##   miedad peso
## 1     23   45
## 2     22   56
## 3     18   47
## 4     20   67
## 5     25   80
  1. cree un dataframe df2con las dos primeras columnas dedf1.
df2 <- df1[,c(1,2)]
df2
##   miedad peso
## 1     23   45
## 2     22   56
## 3     18   47
## 4     20   67
## 5     25   80
  1. cree un dataframe df3 con las tres últimas filas dedf1.
df3 <- df1[(nrow(df1)-2):nrow(df1),]
df3
##   miedad peso estatura
## 3     18   47      155
## 4     20   67      172
## 5     25   80      182
  1. La función apply(x, MARGEN, FUNCION) calcula una función n a las filas o columnas de un data frame o matriz. Cuando MARGEN es 1 a las filas y cuando es 2 a las columnas. Calcule la media y la desviación estándar de las columnas de df1 del inciso anterior.
apply(df1,2,mean)
##   miedad     peso estatura 
##     21.6     59.0    164.0
apply(df1,2,sd)
##    miedad      peso  estatura 
##  2.701851 14.611639 12.980755
  1. El conjunto de datos primes del paqueteUsingRcontiene los primos de 1 a 2003
library(UsingR)
## Loading required package: MASS
## Loading required package: HistData
## Loading required package: Hmisc
## Loading required package: lattice
## Loading required package: survival
## Loading required package: Formula
## Loading required package: ggplot2
## 
## Attaching package: 'Hmisc'
## The following objects are masked from 'package:base':
## 
##     format.pval, units
## 
## Attaching package: 'UsingR'
## The following object is masked from 'package:survival':
## 
##     cancer
  1. ¿Cuántos primos tiene primes?
length(primes)
## [1] 304
  1. ¿Cuántos son menores a 100?
length(primes[primes<100])
## [1] 25
  1. Los primos amigos son los enteros p,p+ 2 con primo. ¿Cuántos primos amigos hay en primes?
length(primes[diff(primes)==2])
## [1] 61
  1. Considere el conjunto airquality.
head(airquality)
##   Ozone Solar.R Wind Temp Month Day
## 1    41     190  7.4   67     5   1
## 2    36     118  8.0   72     5   2
## 3    12     149 12.6   74     5   3
## 4    18     313 11.5   62     5   4
## 5    NA      NA 14.3   56     5   5
## 6    28      NA 14.9   66     5   6
str(airquality)
## 'data.frame':    153 obs. of  6 variables:
##  $ Ozone  : int  41 36 12 18 NA 28 23 19 8 NA ...
##  $ Solar.R: int  190 118 149 313 NA NA 299 99 19 194 ...
##  $ Wind   : num  7.4 8 12.6 11.5 14.3 14.9 8.6 13.8 20.1 8.6 ...
##  $ Temp   : int  67 72 74 62 56 66 65 59 61 69 ...
##  $ Month  : int  5 5 5 5 5 5 5 5 5 5 ...
##  $ Day    : int  1 2 3 4 5 6 7 8 9 10 ...

Estudie el resultado del siguiente código y explique el uso de la función subset:

subset(airquality, Temp > 80, select = c(Ozone, Temp))
##     Ozone Temp
## 29     45   81
## 35     NA   84
## 36     NA   85
## 38     29   82
## 39     NA   87
## 40     71   90
## 41     39   87
## 42     NA   93
## 43     NA   92
## 44     23   82
## 61     NA   83
## 62    135   84
## 63     49   85
## 64     32   81
## 65     NA   84
## 66     64   83
## 67     40   83
## 68     77   88
## 69     97   92
## 70     97   92
## 71     85   89
## 72     NA   82
## 74     27   81
## 75     NA   91
## 77     48   81
## 78     35   82
## 79     61   84
## 80     79   87
## 81     63   85
## 83     NA   81
## 84     NA   82
## 85     80   86
## 86    108   85
## 87     20   82
## 88     52   86
## 89     82   88
## 90     50   86
## 91     64   83
## 92     59   81
## 93     39   81
## 94      9   81
## 95     16   82
## 96     78   86
## 97     35   85
## 98     66   87
## 99    122   89
## 100    89   90
## 101   110   90
## 102    NA   92
## 103    NA   86
## 104    44   86
## 105    28   82
## 117   168   81
## 118    73   86
## 119    NA   88
## 120    76   97
## 121   118   94
## 122    84   96
## 123    85   94
## 124    96   91
## 125    78   92
## 126    73   93
## 127    91   93
## 128    47   87
## 129    32   84
## 134    44   81
## 143    16   82
## 146    36   81
subset(airquality, Day == 1, select = -Temp)
##     Ozone Solar.R Wind Month Day
## 1      41     190  7.4     5   1
## 32     NA     286  8.6     6   1
## 62    135     269  4.1     7   1
## 93     39      83  6.9     8   1
## 124    96     167  6.9     9   1
z<- subset(airquality, select = Ozone:Wind)

La función subset extrae subconjuntos de data frames con datos según las especificaiones que se requieran.

  1. Con el data frame mtcars
names(mtcars)
##  [1] "mpg"  "cyl"  "disp" "hp"   "drat" "wt"   "qsec" "vs"   "am"   "gear"
## [11] "carb"
head(mtcars, 3)
##                mpg cyl disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4     21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag 21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710    22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
  1. seleccione las variables cyl y hp para los autos que tienen más de 2 0mpg.
u=subset(mtcars, mpg>20, select = c(cyl, hp))
  1. Para los carros que tienen motor en “V”, seleccione todas las variables menos la variable disp.
uv=subset(mtcars, vs==0, select = -disp)
  1. seleccione las 4 ultimas variables
ux=mtcars[,(length(mtcars)-3):length(mtcars)]
  1. Con el conjuntomtcars, obtenga:
  1. la tabla de la variable cyl.
table(mtcars$cyl)
## 
##  4  6  8 
## 11  7 14

  1. ¿Cuál es la moda de la variable cyl? La moda es 8 de acuerdo al punto anterior.

  2. la media de la variable hp.

mean(mtcars$hp)
## [1] 146.6875
  1. la desviación estándar de las millas por galón mpg.
sd(mtcars$mpg)
## [1] 6.026948
  1. el mínimo de todas las variables.
min(mtcars)
## [1] 0
  1. ¿Qué hace la expresión rownames(mtcars)?
rownames(mtcars)
##  [1] "Mazda RX4"           "Mazda RX4 Wag"       "Datsun 710"         
##  [4] "Hornet 4 Drive"      "Hornet Sportabout"   "Valiant"            
##  [7] "Duster 360"          "Merc 240D"           "Merc 230"           
## [10] "Merc 280"            "Merc 280C"           "Merc 450SE"         
## [13] "Merc 450SL"          "Merc 450SLC"         "Cadillac Fleetwood" 
## [16] "Lincoln Continental" "Chrysler Imperial"   "Fiat 128"           
## [19] "Honda Civic"         "Toyota Corolla"      "Toyota Corona"      
## [22] "Dodge Challenger"    "AMC Javelin"         "Camaro Z28"         
## [25] "Pontiac Firebird"    "Fiat X1-9"           "Porsche 914-2"      
## [28] "Lotus Europa"        "Ford Pantera L"      "Ferrari Dino"       
## [31] "Maserati Bora"       "Volvo 142E"

Da los nombres de las filas del data frame.

  1. extraiga los datos del Lotus Europa.
mtcars["Lotus Europa",]
##               mpg cyl disp  hp drat    wt qsec vs am gear carb
## Lotus Europa 30.4   4 95.1 113 3.77 1.513 16.9  1  1    5    2
  1. con el datafraframe “babynames” del paquete “babynames”, conteste:
library(babynames)
  1. ¿Cuál es la dimansión del dataframe?
dim(babynames)
## [1] 1924665       5

La dimensión del dataframe es de 1924665 por 5

  1. ¿cuántas variables tiene el dataframe?
str(babynames)
## Classes 'tbl_df', 'tbl' and 'data.frame':    1924665 obs. of  5 variables:
##  $ year: num  1880 1880 1880 1880 1880 1880 1880 1880 1880 1880 ...
##  $ sex : chr  "F" "F" "F" "F" ...
##  $ name: chr  "Mary" "Anna" "Emma" "Elizabeth" ...
##  $ n   : int  7065 2604 2003 1939 1746 1578 1472 1414 1320 1288 ...
##  $ prop: num  0.0724 0.0267 0.0205 0.0199 0.0179 ...

Tiene 5 variables

  1. ¿Qué dimensión tiene un dataframen que sólo contiene a las mujeres?
Women=subset(babynames, sex=="F", select = year:prop)
str(Women)
## Classes 'tbl_df', 'tbl' and 'data.frame':    1138293 obs. of  5 variables:
##  $ year: num  1880 1880 1880 1880 1880 1880 1880 1880 1880 1880 ...
##  $ sex : chr  "F" "F" "F" "F" ...
##  $ name: chr  "Mary" "Anna" "Emma" "Elizabeth" ...
##  $ n   : int  7065 2604 2003 1939 1746 1578 1472 1414 1320 1288 ...
##  $ prop: num  0.0724 0.0267 0.0205 0.0199 0.0179 ...

Es de 1.138.293 por 5

d)¿cuántos niños se registraron en el 2000?

n2000=subset(babynames, year==2000, select = n)
sum(n2000)
## [1] 3778079

se registraron 3.778.079 nacimientos

  1. ¿Cuántos registros tiene el nombre Valkyrie?
nameV=subset(babynames, name=="Valkyrie", select = n)
sum(nameV)
## [1] 382

El nombre Valkyrie presentó 382 registros

  1. Obtenga una muestra aleatorea de 25 registro
sample(babynames,25,replace=TRUE,prob = NULL)
## # A tibble: 1,924,665 x 25
##    name   year sex   sex     prop  year     n     n name    prop sex  
##    <chr> <dbl> <chr> <chr>  <dbl> <dbl> <int> <int> <chr>  <dbl> <chr>
##  1 Mary   1880 F     F     0.0724  1880  7065  7065 Mary  0.0724 F    
##  2 Anna   1880 F     F     0.0267  1880  2604  2604 Anna  0.0267 F    
##  3 Emma   1880 F     F     0.0205  1880  2003  2003 Emma  0.0205 F    
##  4 Eliz~  1880 F     F     0.0199  1880  1939  1939 Eliz~ 0.0199 F    
##  5 Minn~  1880 F     F     0.0179  1880  1746  1746 Minn~ 0.0179 F    
##  6 Marg~  1880 F     F     0.0162  1880  1578  1578 Marg~ 0.0162 F    
##  7 Ida    1880 F     F     0.0151  1880  1472  1472 Ida   0.0151 F    
##  8 Alice  1880 F     F     0.0145  1880  1414  1414 Alice 0.0145 F    
##  9 Bert~  1880 F     F     0.0135  1880  1320  1320 Bert~ 0.0135 F    
## 10 Sarah  1880 F     F     0.0132  1880  1288  1288 Sarah 0.0132 F    
## # ... with 1,924,655 more rows, and 14 more variables: n <int>,
## #   name <chr>, prop <dbl>, prop <dbl>, sex <chr>, sex <chr>, name <chr>,
## #   n <int>, year <dbl>, year <dbl>, year <dbl>, name <chr>, sex <chr>,
## #   year <dbl>
  1. Estudio el siguiente código:
with(mtcars, mpg[cyl==8 & disp> 350])
## [1] 18.7 14.3 10.4 10.4 14.7 19.2 15.8
mtcars$mpg[mtcars$cyl==8 & mtcars$disp>350]
## [1] 18.7 14.3 10.4 10.4 14.7 19.2 15.8

Extrae los datos de la variable especificada que se asocian a las variables que cumplen con las condiciones establecidas

  1. Los conjuntos de datos state.region y state.x77 contienen:
State=data.frame(state.region,state.x77)
aggregate(State, by=list(state.region), FUN=mean) 
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA

## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA

## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA

## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
##         Group.1 state.region Population   Income Illiteracy Life.Exp
## 1     Northeast           NA   5495.111 4570.222   1.000000 71.26444
## 2         South           NA   4208.125 4011.938   1.737500 69.70625
## 3 North Central           NA   4803.000 4611.083   0.700000 71.76667
## 4          West           NA   2915.308 4702.615   1.023077 71.23462
##      Murder  HS.Grad    Frost      Area
## 1  4.722222 53.96667 132.7778  18141.00
## 2 10.581250 44.34375  64.6250  54605.12
## 3  5.275000 54.51667 138.8333  62652.00
## 4  7.215385 62.00000 102.1538 134463.00
  1. ¿Qué hace la función expand.grid en el código siguiente:
expand.grid(letters[1:2], 1:3, c("+", "-"))
##    Var1 Var2 Var3
## 1     a    1    +
## 2     b    1    +
## 3     a    2    +
## 4     b    2    +
## 5     a    3    +
## 6     b    3    +
## 7     a    1    -
## 8     b    1    -
## 9     a    2    -
## 10    b    2    -
## 11    a    3    -
## 12    b    3    -

Crea un data frame con todas las combinaciones de todos los factores dados