Listas
Eugenio Guerrero
18 de marzo de 2020
Conceptos básicos
Una lista en R es un objeto cuyas entradas pueden ser números, vectores y/o data.frame’s. Por ejemplo, cremos una lista que almacene en sus dos primeras entradas, dos vectores, y que en la siguiente entrada genere un data.frame cuyas columnas sean tales vectores.
rm(list = ls())
set.seed(1987)
x <- runif(10,2,5) # generamos 10 numeros aleatorios uniformes entre [2,5]
y <- rnorm(10,15,3) # generamos 10 numeros aleatorios normales de media 15 y desviacion estandar de 3
lista <- list(a=x, b=y, c=data.frame(x,y))
Existen varias formas equivalentes de llamar a un elemento de una lista:
lista$a## [1] 2.296293 4.415145 3.822722 3.148497 4.993411 4.977279 3.148723
## [8] 2.698193 3.789526 3.037013lista[[1]]## [1] 2.296293 4.415145 3.822722 3.148497 4.993411 4.977279 3.148723
## [8] 2.698193 3.789526 3.037013lista$c## x y
## 1 2.296293 15.805805
## 2 4.415145 16.733891
## 3 3.822722 13.400677
## 4 3.148497 11.728232
## 5 4.993411 17.723527
## 6 4.977279 13.470132
## 7 3.148723 15.317252
## 8 2.698193 14.981638
## 9 3.789526 9.847181
## 10 3.037013 16.344272lista[[3]]## x y
## 1 2.296293 15.805805
## 2 4.415145 16.733891
## 3 3.822722 13.400677
## 4 3.148497 11.728232
## 5 4.993411 17.723527
## 6 4.977279 13.470132
## 7 3.148723 15.317252
## 8 2.698193 14.981638
## 9 3.789526 9.847181
## 10 3.037013 16.344272
Por ejemplo, si queremos determinar quien es el quinto elemento del segundo elemento elemento de nuestra lista, lo podemos hacer de dos formas:
lista$b[5]## [1] 17.72353lista[[2]][5]## [1] 17.72353
Podemos crear listas vacías y llenarlas a través de un for. Por ejemplo, podemos llenar en cada elemento de una lista, un vector aleatorio de diferentes dimensiones, como se ilustra a continuación:
rm(list = ls())
set.seed(1987)
lista2 <- list()
n <- 10
for (i in 1:n) {
lista2[[i]] <- runif(i,2,5)
}
lista2## [[1]]
## [1] 2.296293
##
## [[2]]
## [1] 4.415145 3.822722
##
## [[3]]
## [1] 3.148497 4.993411 4.977279
##
## [[4]]
## [1] 3.148723 2.698193 3.789526 3.037013
##
## [[5]]
## [1] 3.817646 4.231153 4.155067 2.534407 2.890938
##
## [[6]]
## [1] 3.402144 2.413180 3.968950 4.454058 3.139918 2.915123
##
## [[7]]
## [1] 2.039117 3.626330 3.654594 3.492675 2.877256 2.128803 2.642409
##
## [[8]]
## [1] 4.018868 3.799652 4.149620 2.597014 3.327200 3.308157 3.210291 2.984963
##
## [[9]]
## [1] 3.077262 4.360543 2.846235 4.842422 4.064210 4.110764 3.063852 3.447566
## [9] 3.202773
##
## [[10]]
## [1] 2.459022 2.713820 3.551228 4.560394 3.419739 3.831390 3.093279
## [8] 3.314575 2.787503 2.172409
Como puedes observar, en una lista podemos colocar objetos de diferentes clases (como en ejemplo anterior, ya que todos los objetos de la lista eran vectores incluso de diferentes dimensiones). La versatilidad de las listas permite almacenar información de diferente tipo, y con solo llamar a la componente correspondiente deseada, evitamos algunas líneas de código. Por ejemplo, podemos hacer un plor de la quinta muestra generada con el anterior for.
grafico <- plot(lista2[[5]],type="l", xlab = "Indice", main = "Grafica de lineas para lista2[[5]]")
Veamos como generar una tabla a partir de una lista de 3 elementos. Primero, crearemos la lista, en la que cada elemento corresponde a una muestra aleatoria de tamaño 30 proveniente de una distribución exponencial de media 20. A partir de ella, supongamos que queremos crear la tabla que contenga las 3 muestras de tamaño 30.
rm(list = ls())
set.seed(1987)
lista3 <- list()
n <- 3
for (i in 1:n) {
lista3[[i]] <- rexp(30,1/20) # generamos 30 numeros aleatorios exponenciales de media 20
}
tabla <- cbind(lista3[[1]],lista3[[2]],lista3[[3]])
colnames(tabla) <- c("Muestra 1", "Muestra 2", "Muestra 3")
tabla## Muestra 1 Muestra 2 Muestra 3
## [1,] 53.193372 34.894084 6.176062
## [2,] 12.201937 18.914964 22.145878
## [3,] 4.302958 14.659640 25.875426
## [4,] 24.489520 18.785074 1.550824
## [5,] 3.226338 35.667693 32.959839
## [6,] 21.516620 38.943268 36.278296
## [7,] 4.235277 81.176181 51.765479
## [8,] 9.748707 36.647024 42.419545
## [9,] 8.734226 10.165013 22.714500
## [10,] 36.227601 26.781216 18.988088
## [11,] 17.621303 102.390086 38.409504
## [12,] 15.772243 3.672293 11.839004
## [13,] 12.720770 7.844598 1.315505
## [14,] 24.260759 14.180151 8.032410
## [15,] 18.266236 23.691437 53.055269
## [16,] 96.557799 15.005700 79.463258
## [17,] 1.684395 4.839278 50.143297
## [18,] 2.061259 1.048305 14.537373
## [19,] 14.458138 28.408240 28.277488
## [20,] 3.995358 1.490276 23.116146
## [21,] 8.661605 3.439813 26.810988
## [22,] 39.566628 1.818631 31.185414
## [23,] 19.455675 20.098685 9.362187
## [24,] 20.128633 5.004756 39.039363
## [25,] 22.589930 8.789469 15.567196
## [26,] 11.473905 51.027170 19.236921
## [27,] 16.429200 3.779442 14.455678
## [28,] 9.538674 10.335267 19.498355
## [29,] 22.232338 11.898324 3.420507
## [30,] 15.984076 9.864298 7.950115Ejemplo práctico
Supongamos que en la sección de bebidas de una empresa de cines se disponen de 4 máquinas dispensadoras para cada tipo de bebida. La máquina 1 tiene una media de llenado de 15 ml y una desviación estándar de 0.5 ml; la máquina 2 tiene una media de llenado de 20 ml y una desviación estándar de 1.0 ml; la máquina 3 tiene una media de llenado de 18 ml y una desviación estándar de 0.2 ml y la máquina 4 tiene una media de llenado de 16 ml y una desviación estándar de 0.4 ml. Cada día se deben tomar 10 muestras de cada máquina, durante 8 días. Realiza una simulación de dicho experimento haciendo uso de listas.
Solución
Para clarificar más el experimento, simularemos lo que sucede en día para ver la mecánica de la simulación.
rm(list = ls())
set.seed(1987)
n <- 10
a <- rnorm(n,15,0.5)
b <- rnorm(n,20,1.0)
c <- rnorm(n,18,0.2)
d <- rnorm(n,16,0.4)
Lo anterior permite simular lo que sucedería un día. Ahora necesitamos simular lo que sucederá durante los 8 días que se llevará el experimento. La clave, usando listas, es reciclar lo que ya hicimos en un día, y usar un for que repita esta operación para los 8 días. Por esta razón, el uso de listas se hace pertinente. Cabe resaltar que este ejemplo de simulación puede realizarse usando matrices, ya que cada día se toma una muestra del mismo tamaño para cada máquina; sin embargo, existen situaciones en la vida cotidiana en la que las muestras por día pueden no ser del mismo tamaño: un claro ejemplo de esto sucede en las filas de los bancos, ya que cada día puede llegar un número distinto de clientes para solicitar un servicio.
rm(list = ls())
set.seed(1987)
m <- 8
a <- list()
b <- list()
c <- list()
d <- list()
tabla <- list()
for (j in 1:m) {
n <- 10
a[[j]] <- rnorm(n,15,0.5)
b[[j]] <- rnorm(n,20,1.0)
c[[j]] <- rnorm(n,18,0.2)
d[[j]] <- rnorm(n,16,0.4)
tabla[[j]] <- cbind(a[[j]],b[[j]],c[[j]],d[[j]])
colnames(tabla[[j]]) <- c(paste("Maq. 1, dia ",j),paste("Maq. 2, dia ",j),paste("Maq. 3, dia ",j),paste("Maq. 4, dia ",j))
}Observa el uso del comando paste: este nos permitió anidar cadenas de caracteres con variables. Esta es una forma de colocar etiquetas que dependen de una variable, ya que R no permite colocar dentro de caracteres el valor de una variable (haz la prueba poniendo solamente “Maq. 1 dia, j” en vez de paste(“Maq. 1, dia”,j) y notarás que j será interpretado como caracter y no como variable).
Podemos ver la simulación cada día, simplemente digitando tabla[[\(j\)]], para \(j=1,2,\ldots,8\). Por ejemplo, en el día 5:tabla[[5]]## Maq. 1, dia 5 Maq. 2, dia 5 Maq. 3, dia 5 Maq. 4, dia 5
## [1,] 15.00510 21.75612 17.90567 15.59845
## [2,] 15.37919 18.97733 18.16021 16.36036
## [3,] 13.70603 20.19553 17.64590 16.25645
## [4,] 15.33667 18.75061 17.97345 16.45142
## [5,] 14.65144 21.49800 17.75967 16.50262
## [6,] 15.36272 21.33335 17.81438 15.84524
## [7,] 14.08599 21.64395 18.24877 15.31314
## [8,] 14.73563 20.28528 18.08100 16.17010
## [9,] 15.39589 20.31548 17.77871 15.99445
## [10,] 14.77885 20.32828 17.56007 15.88612
Podemos también ver la simulación todos los días, simplemente digitando tabla.
tabla## [[1]]
## Maq. 1, dia 1 Maq. 2, dia 1 Maq. 3, dia 1 Maq. 4, dia 1
## [1,] 14.35569 19.49004 18.09808 16.27501
## [2,] 15.13650 20.10575 17.92542 14.96831
## [3,] 16.42425 19.99388 17.94981 16.20530
## [4,] 14.85107 18.28239 17.85741 15.95882
## [5,] 15.12216 20.44809 18.21028 17.17059
## [6,] 15.13430 20.57259 18.05611 15.44444
## [7,] 15.28898 19.85511 17.96889 16.12322
## [8,] 14.73345 19.75552 17.68472 15.68761
## [9,] 14.45471 19.63910 17.81280 15.71336
## [10,] 15.45392 19.42332 17.60764 15.93930
##
## [[2]]
## Maq. 1, dia 2 Maq. 2, dia 2 Maq. 3, dia 2 Maq. 4, dia 2
## [1,] 14.38004 20.39723 18.53905 15.80975
## [2,] 15.10863 19.74706 17.73776 15.97199
## [3,] 14.43960 19.20327 18.10535 15.90539
## [4,] 15.71049 19.22007 17.60293 16.15929
## [5,] 15.15948 21.78649 18.13817 15.72608
## [6,] 15.92498 18.68528 17.97112 16.27129
## [7,] 14.33571 20.49113 17.66838 15.41897
## [8,] 14.69756 19.82133 17.93133 15.58575
## [9,] 15.25179 19.51564 17.78979 15.36305
## [10,] 15.41629 21.04485 17.82859 15.61587
##
## [[3]]
## Maq. 1, dia 3 Maq. 2, dia 3 Maq. 3, dia 3 Maq. 4, dia 3
## [1,] 14.69988 19.57458 17.94417 15.95587
## [2,] 15.46071 19.51648 17.93458 16.97685
## [3,] 14.83613 20.23018 17.76370 15.87860
## [4,] 14.61664 21.01390 17.67250 16.30733
## [5,] 15.47009 21.76702 17.89524 16.42241
## [6,] 14.96974 20.30727 18.21899 15.71762
## [7,] 14.67510 17.62636 18.36634 15.98530
## [8,] 14.94121 18.75837 17.97895 16.41895
## [9,] 14.44750 19.81588 17.78406 16.57836
## [10,] 14.31230 18.00463 17.75975 16.48069
##
## [[4]]
## Maq. 1, dia 4 Maq. 2, dia 4 Maq. 3, dia 4 Maq. 4, dia 4
## [1,] 15.17988 20.86055 18.13376 15.93639
## [2,] 14.76790 20.08499 17.95671 16.53112
## [3,] 15.69119 20.31903 18.03769 16.02792
## [4,] 14.69923 18.13400 18.18059 15.91442
## [5,] 15.08011 19.97182 18.03099 16.13660
## [6,] 15.46311 20.36912 18.12745 16.59744
## [7,] 15.25698 19.41064 18.28307 16.40112
## [8,] 16.01550 19.74118 18.10112 15.83623
## [9,] 14.57551 21.13083 18.41864 15.66788
## [10,] 15.21222 19.99602 18.09078 15.89525
##
## [[5]]
## Maq. 1, dia 5 Maq. 2, dia 5 Maq. 3, dia 5 Maq. 4, dia 5
## [1,] 15.00510 21.75612 17.90567 15.59845
## [2,] 15.37919 18.97733 18.16021 16.36036
## [3,] 13.70603 20.19553 17.64590 16.25645
## [4,] 15.33667 18.75061 17.97345 16.45142
## [5,] 14.65144 21.49800 17.75967 16.50262
## [6,] 15.36272 21.33335 17.81438 15.84524
## [7,] 14.08599 21.64395 18.24877 15.31314
## [8,] 14.73563 20.28528 18.08100 16.17010
## [9,] 15.39589 20.31548 17.77871 15.99445
## [10,] 14.77885 20.32828 17.56007 15.88612
##
## [[6]]
## Maq. 1, dia 6 Maq. 2, dia 6 Maq. 3, dia 6 Maq. 4, dia 6
## [1,] 14.86953 18.58554 18.04295 15.66461
## [2,] 14.88291 18.85424 17.82996 16.13783
## [3,] 14.54236 21.85812 18.17893 16.14771
## [4,] 15.42556 17.69666 18.35923 16.39300
## [5,] 15.61763 18.87413 18.00232 15.13348
## [6,] 15.58795 19.33928 17.98994 17.04652
## [7,] 14.93815 22.27116 18.07616 16.18813
## [8,] 15.26271 20.61034 17.91964 15.26651
## [9,] 15.26625 21.27245 18.03933 16.35979
## [10,] 15.25351 20.23518 18.11216 15.84316
##
## [[7]]
## Maq. 1, dia 7 Maq. 2, dia 7 Maq. 3, dia 7 Maq. 4, dia 7
## [1,] 15.32320 20.86366 18.43094 16.31283
## [2,] 14.74150 20.83992 17.98874 15.65829
## [3,] 15.13318 19.64216 18.04576 14.97843
## [4,] 14.47474 20.71775 17.97945 15.74906
## [5,] 14.01300 20.69205 17.95319 16.19401
## [6,] 14.71684 21.50927 18.34549 16.59158
## [7,] 14.86314 18.84038 17.78060 15.97705
## [8,] 14.27888 21.36656 17.85231 15.65324
## [9,] 15.20179 19.73684 17.59597 15.26697
## [10,] 15.80079 19.10953 17.99671 16.22499
##
## [[8]]
## Maq. 1, dia 8 Maq. 2, dia 8 Maq. 3, dia 8 Maq. 4, dia 8
## [1,] 15.23918 19.98281 18.17445 16.33183
## [2,] 14.83401 19.91528 18.05859 16.10402
## [3,] 15.54157 20.25495 18.36197 15.94725
## [4,] 15.43327 20.53473 18.10222 15.62682
## [5,] 16.09043 20.58800 17.50008 15.79430
## [6,] 15.86437 21.59014 18.10506 16.37244
## [7,] 14.88598 19.04445 17.68939 15.59848
## [8,] 14.22673 20.57485 18.04921 16.42202
## [9,] 15.98448 18.76661 18.33864 16.01602
## [10,] 14.75807 18.93378 17.83554 16.45581