524129

lala="https://es.wikipedia.org/wiki/Anexo:Pel%C3%ADculas_con_las_mayores_recaudaciones"

library(htmltab)
Pelis = htmltab(doc = lala, 
               which = '//*[@id="mw-content-text"]/div/table[2]' )

str(Pelis)

## 'data.frame':    50 obs. of  9 variables:
##  $ #                          : chr  "1" "2" "3" "4" ...
##  $ Película                   : chr  "Avengers: Endgame" "Avatar" "Titanic" "Star Wars: Episodio VII - El despertar de la Fuerza" ...
##  $ Distribuidora(s)           : chr  "Marvel Studios/Walt Disney Pictures" "20th Century Fox" "20th Century Fox" "Walt Disney Pictures" ...
##  $ Taquilla (Estados Unidos)  : chr  "$858 373 000 (41,8 %)" "$760 507 625 (27,3 %)" "$659 363 944 (30,1 %)" "$936 662 225 (45,3 %)" ...
##  $ Taquilla (fuera de EE  UU ): chr  "$1 939 427 564 (58,2 %)" "$2 029 172 169 (72,7 %)" "$1 528 100 000 (69,9 %)" "$1 131 561 399 (54,7 %)" ...
##  $ Recaudación mundial        : chr  "$2 797 800 564" "$2 787 965 087" "$2 187 463 944" "$2 068 223 624" ...
##  $ Presupuesto                : chr  "$400 000 000" "$237 000 000" "$200 000 000" "$245 000 000" ...
##  $ Año de estreno             : chr  "2019" "2009" "1997" "2015" ...
##  $ Director(es)               : chr  "Anthony y Joe Russo" "James Cameron" "James Cameron" "J. J. Abrams" ...

Cosas por si acaso

Las variables sin “ñ” ni “´”.

Números sin comillas

HAZ UN SUMMARY PARA CORROBORAR SI SE HIZO BIEN LA RECODIFICACIÓN (O SUMMARY O HMISC)

Acomodando a lo que deseo

Pelis= Pelis [,c (1:3,8,9)]

str (Pelis)

## 'data.frame':    50 obs. of  5 variables:
##  $ #               : chr  "1" "2" "3" "4" ...
##  $ Película        : chr  "Avengers: Endgame" "Avatar" "Titanic" "Star Wars: Episodio VII - El despertar de la Fuerza" ...
##  $ Distribuidora(s): chr  "Marvel Studios/Walt Disney Pictures" "20th Century Fox" "20th Century Fox" "Walt Disney Pictures" ...
##  $ Año de estreno  : chr  "2019" "2009" "1997" "2015" ...
##  $ Director(es)    : chr  "Anthony y Joe Russo" "James Cameron" "James Cameron" "J. J. Abrams" ...

Usando as.numeric - numéricas / as.factor - categórica nominal / as.ordered - categórica ordinal / as. character - identificadores o claves o keys, los identificadores deben permanecer como texto (char)

Una variable - X $ Y= as.factor/as.numeric/as.ordered(X$Y)
De una a más variables - lapply:

Pelis[,c(1,4)]=lapply(Pelis[,c(1,4)], as.numeric)

as.ordered - categórica ordinal (dar orden específico)

K=c("Authoritarian","Hybrid regime", "Flawed democracy","Full democracy")


X$Y = factor(X$Y, levels=K,ordered = TRUE)

Modificando el nombre

names(Pelis)[4]="AñoEstreno"

str (Pelis)

## 'data.frame':    50 obs. of  5 variables:
##  $ #               : num  1 2 3 4 5 6 7 8 9 10 ...
##  $ Película        : chr  "Avengers: Endgame" "Avatar" "Titanic" "Star Wars: Episodio VII - El despertar de la Fuerza" ...
##  $ Distribuidora(s): chr  "Marvel Studios/Walt Disney Pictures" "20th Century Fox" "20th Century Fox" "Walt Disney Pictures" ...
##  $ AñoEstreno      : num  2019 2009 1997 2015 2018 ...
##  $ Director(es)    : chr  "Anthony y Joe Russo" "James Cameron" "James Cameron" "J. J. Abrams" ...

Modificando nombres

ZZZ=c("rank", "country","score","electoral", "functioning",
       "participation","culture","civilliber","regimetype","continent")
       
names(X)= ZZZ

Eliminar espacios en blanco

library(stringr) [primero esto eh]

En la data

  X[,]=lapply(X[,],trimws,whitespace = "[\\h\\v]")

En los nombres de las variables

  names(X)=str_split(names(X)," ",simplify = T)[,1]

Sin simbolos “raros”

En los nombres de las variables:

  names(X)=str_replace_all(names(X), "[^[:ascii:]]", "")

En la data:

  X[,]=lapply(X[,], str_replace_all,"[^[:ascii:]]","")

“\D” Eliminar lo que NO sea numero

  library(readr)
  X$Y = gsub('\\D','',X$Y)

Eliminar columnas

X$Y=NULL

Recuperar numeros

    library(readr) [Primero esto, eh!]
    X[,c(2:7)]=lapply(X[,c(2:7)],parse_number)

Juntar variables

X=rbind(A,B,C) [junta lo determinado] A,B,C = tabla de frecuencias

library(knitr)
dataTable=table(Pelis$`Director(es)`)
kable(dataTable)

Var1	Freq
Andrew Stanton, Angus McLane	1
Anna Boden, Ryan Fleck	1
Anthony y Joe Russo	3
Bill Condon	1
Brad Bird	1
Byron Howard, Rich Moore	1
Chris Buck, Jennifer Lee	1
Chris Columbus	1
Christopher Nolan	2
Colin Trevorrow	1
David Yates	1
F. Gary Gray	1
Gareth Edwards	1
George Lucas	1
Gore Verbinski	2
Guy Ritchie	1
J A Bayona	1
J. J. Abrams	1
Jake Kasdan	1
James Cameron	2
James Wan	2
Jon Favreau	2
Jon Watts	1
Josh Cooley	1
Joss Whedon	2
Lee Unkrich	1
Michael Bay	2
Peter Jackson	2
Pierre Coffin	2
Pierre Coffin, Kyle Balda, Eric Guillon	1
Rian Johnson	1
Rob Marshall	1
Rob Minkoff	1
Ryan Coogler	1
Sam Mendes	1
Shane Black	1
Steven Spielberg	1
Tim Burton	1
Todd Phillips	1