usar dplyr con datos startwars

Usar el conjunto de datos starwars mediante la libreria dplyr

La manipulación de data frames significa distintas cosas para distintos investigadores analistas.

A veces se quiere seleccionar ciertas observaciones (filas) o variables (columnas), otras veces se pueden agrupar los datos en función de una o más variables, o tal vez querer calcular valores estadísticos de un conjunto o simplemente cambiar o transformar valores en variables.

Estas operaciones se pueden usar mediante funciones de la librería dplyr().

Cargar la librería

library(dplyr)

Cargar los datos

• Los datos se encuentra en la dirección https://raw.githubusercontent.com/rpizarrog/Curso-Titulacion-Data-Science-/master/2020/datos/starwars.csv
• Se pueden cargar directamente en R si se tienen los paquetes que traen consigo los datos starwars

# datos <- data.frame(starwars)

• En caso de que no se tengan los paquetes pueden descargar los datos de https://raw.githubusercontent.com/rpizarrog/Curso-Titulacion-Data-Science-/master/2020/datos/starwars.csv
• Cargarlos de manera local ó
• Cargarlos desde la WEB directamente
• encoding = “UTF-8” es la codificación de caracteres del conjunto de datos originales, para respetar acentos y otros caracteres.

# datos <- read.csv("ruta/starwars.csv") # local

datos <- read.csv("https://raw.githubusercontent.com/rpizarrog/Curso-Titulacion-Data-Science-/master/2020/datos/starwars.csv", encoding = "UTF-8") # desde la WEB

Funcionalidades de dplyr

El paquete dplyr fue desarrollado por Hadley Wickham de RStudio y es un versión optimizada de su paquete plyr.

Una importante contribución del paquete dplyr es que proporciona una “gramática” (particularmente verbos) para la manipulación y operaciones con data frames. https://rsanchezs.gitbooks.io/rprogramming/content/chapter9/dplyr.html

Algunas funciones de la libraria dplyr serían:

• select: Seleccionar columnas
• filter: Filtrar filtar
• arrange: Ordenar un conjunto de datos
• group_by: Agrupar por alguna variable
• summarize: Especificar algunas funciones de agregados:
  • n() contar;
  • sum() sumar variables numéricas;
  • mean() la media de variables numéricas;
  • entre otras
• mutate: permite modificar, transformar o agregar variables del conjunto de datos
• pipes %>%: Puede combinar operaciones

select

• Si por ejemplo se desea continuar el trabajo con sólo unas pocas de las variables del data frame, se puede usar la función select(). Esto guardará sólo las variables que se indiquen.
• Es una proyeccción de ciertas variables de un conjunto de datos (data.frame)
• Proyectar solo el name y el gender de datos. (Nombre y Género)

select(datos, name, gender)

##                     name        gender
## 1         Luke Skywalker          male
## 2                  C-3PO          <NA>
## 3                  R2-D2          <NA>
## 4            Darth Vader          male
## 5            Leia Organa        female
## 6              Owen Lars          male
## 7     Beru Whitesun lars        female
## 8                  R5-D4          <NA>
## 9      Biggs Darklighter          male
## 10        Obi-Wan Kenobi          male
## 11      Anakin Skywalker          male
## 12        Wilhuff Tarkin          male
## 13             Chewbacca          male
## 14              Han Solo          male
## 15                Greedo          male
## 16 Jabba Desilijic Tiure hermaphrodite
## 17        Wedge Antilles          male
## 18      Jek Tono Porkins          male
## 19                  Yoda          male
## 20             Palpatine          male
## 21             Boba Fett          male
## 22                 IG-88          none
## 23                 Bossk          male
## 24      Lando Calrissian          male
## 25                 Lobot          male
## 26                Ackbar          male
## 27            Mon Mothma        female
## 28          Arvel Crynyd          male
## 29 Wicket Systri Warrick          male
## 30             Nien Nunb          male
## 31          Qui-Gon Jinn          male
## 32           Nute Gunray          male
## 33         Finis Valorum          male
## 34         Jar Jar Binks          male
## 35          Roos Tarpals          male
## 36            Rugor Nass          male
## 37              Ric Olié          male
## 38                 Watto          male
## 39               Sebulba          male
## 40         Quarsh Panaka          male
## 41        Shmi Skywalker        female
## 42            Darth Maul          male
## 43           Bib Fortuna          male
## 44           Ayla Secura        female
## 45              Dud Bolt          male
## 46               Gasgano          male
## 47        Ben Quadinaros          male
## 48            Mace Windu          male
## 49          Ki-Adi-Mundi          male
## 50             Kit Fisto          male
## 51             Eeth Koth          male
## 52            Adi Gallia        female
## 53           Saesee Tiin          male
## 54           Yarael Poof          male
## 55              Plo Koon          male
## 56            Mas Amedda          male
## 57          Gregar Typho          male
## 58                 Cordé        female
## 59           Cliegg Lars          male
## 60     Poggle the Lesser          male
## 61       Luminara Unduli        female
## 62         Barriss Offee        female
## 63                 Dormé        female
## 64                 Dooku          male
## 65   Bail Prestor Organa          male
## 66            Jango Fett          male
## 67            Zam Wesell        female
## 68       Dexter Jettster          male
## 69               Lama Su          male
## 70               Taun We        female
## 71            Jocasta Nu        female
## 72         Ratts Tyerell          male
## 73                R4-P17        female
## 74            Wat Tambor          male
## 75              San Hill          male
## 76              Shaak Ti        female
## 77              Grievous          male
## 78               Tarfful          male
## 79       Raymus Antilles          male
## 80             Sly Moore        female
## 81            Tion Medon          male
## 82                  Finn          male
## 83                   Rey        female
## 84           Poe Dameron          male
## 85                   BB8          none
## 86        Captain Phasma        female
## 87         Padmé Amidala        female

filter

• Permite filtrar o enconrtrar un sunconjunto de datos

• Algo similar a subset() visto en anteriores sesiones

• Aquí con variable temporal datostemp. No es lo más recomendable, mejor utilizar pipes.

datostemp <- select(datos, name, gender)
masculinos <-  filter(datostemp, gender == 'male')

masculinos

##                     name gender
## 1         Luke Skywalker   male
## 2            Darth Vader   male
## 3              Owen Lars   male
## 4      Biggs Darklighter   male
## 5         Obi-Wan Kenobi   male
## 6       Anakin Skywalker   male
## 7         Wilhuff Tarkin   male
## 8              Chewbacca   male
## 9               Han Solo   male
## 10                Greedo   male
## 11        Wedge Antilles   male
## 12      Jek Tono Porkins   male
## 13                  Yoda   male
## 14             Palpatine   male
## 15             Boba Fett   male
## 16                 Bossk   male
## 17      Lando Calrissian   male
## 18                 Lobot   male
## 19                Ackbar   male
## 20          Arvel Crynyd   male
## 21 Wicket Systri Warrick   male
## 22             Nien Nunb   male
## 23          Qui-Gon Jinn   male
## 24           Nute Gunray   male
## 25         Finis Valorum   male
## 26         Jar Jar Binks   male
## 27          Roos Tarpals   male
## 28            Rugor Nass   male
## 29              Ric Olié   male
## 30                 Watto   male
## 31               Sebulba   male
## 32         Quarsh Panaka   male
## 33            Darth Maul   male
## 34           Bib Fortuna   male
## 35              Dud Bolt   male
## 36               Gasgano   male
## 37        Ben Quadinaros   male
## 38            Mace Windu   male
## 39          Ki-Adi-Mundi   male
## 40             Kit Fisto   male
## 41             Eeth Koth   male
## 42           Saesee Tiin   male
## 43           Yarael Poof   male
## 44              Plo Koon   male
## 45            Mas Amedda   male
## 46          Gregar Typho   male
## 47           Cliegg Lars   male
## 48     Poggle the Lesser   male
## 49                 Dooku   male
## 50   Bail Prestor Organa   male
## 51            Jango Fett   male
## 52       Dexter Jettster   male
## 53               Lama Su   male
## 54         Ratts Tyerell   male
## 55            Wat Tambor   male
## 56              San Hill   male
## 57              Grievous   male
## 58               Tarfful   male
## 59       Raymus Antilles   male
## 60            Tion Medon   male
## 61                  Finn   male
## 62           Poe Dameron   male

• Aquí mediante pipes %>%
• Combinando filter() y select()
• El resultado de masculinos, debe ser los mismos registros que la anterior opción sin pipes ó %>%

masculinos <- datos %>%
    filter(gender == "male") %>%
    select(name,gender)

masculinos

##                     name gender
## 1         Luke Skywalker   male
## 2            Darth Vader   male
## 3              Owen Lars   male
## 4      Biggs Darklighter   male
## 5         Obi-Wan Kenobi   male
## 6       Anakin Skywalker   male
## 7         Wilhuff Tarkin   male
## 8              Chewbacca   male
## 9               Han Solo   male
## 10                Greedo   male
## 11        Wedge Antilles   male
## 12      Jek Tono Porkins   male
## 13                  Yoda   male
## 14             Palpatine   male
## 15             Boba Fett   male
## 16                 Bossk   male
## 17      Lando Calrissian   male
## 18                 Lobot   male
## 19                Ackbar   male
## 20          Arvel Crynyd   male
## 21 Wicket Systri Warrick   male
## 22             Nien Nunb   male
## 23          Qui-Gon Jinn   male
## 24           Nute Gunray   male
## 25         Finis Valorum   male
## 26         Jar Jar Binks   male
## 27          Roos Tarpals   male
## 28            Rugor Nass   male
## 29              Ric Olié   male
## 30                 Watto   male
## 31               Sebulba   male
## 32         Quarsh Panaka   male
## 33            Darth Maul   male
## 34           Bib Fortuna   male
## 35              Dud Bolt   male
## 36               Gasgano   male
## 37        Ben Quadinaros   male
## 38            Mace Windu   male
## 39          Ki-Adi-Mundi   male
## 40             Kit Fisto   male
## 41             Eeth Koth   male
## 42           Saesee Tiin   male
## 43           Yarael Poof   male
## 44              Plo Koon   male
## 45            Mas Amedda   male
## 46          Gregar Typho   male
## 47           Cliegg Lars   male
## 48     Poggle the Lesser   male
## 49                 Dooku   male
## 50   Bail Prestor Organa   male
## 51            Jango Fett   male
## 52       Dexter Jettster   male
## 53               Lama Su   male
## 54         Ratts Tyerell   male
## 55            Wat Tambor   male
## 56              San Hill   male
## 57              Grievous   male
## 58               Tarfful   male
## 59       Raymus Antilles   male
## 60            Tion Medon   male
## 61                  Finn   male
## 62           Poe Dameron   male

arrange

• Ordenar datos
• arrange() permite ordenar datos
• Se muestra la opción mediante pipes

arrange(masculinos, desc(name) )

##                     name gender
## 1                   Yoda   male
## 2            Yarael Poof   male
## 3         Wilhuff Tarkin   male
## 4  Wicket Systri Warrick   male
## 5         Wedge Antilles   male
## 6                  Watto   male
## 7             Wat Tambor   male
## 8             Tion Medon   male
## 9                Tarfful   male
## 10               Sebulba   male
## 11              San Hill   male
## 12           Saesee Tiin   male
## 13            Rugor Nass   male
## 14          Roos Tarpals   male
## 15              Ric Olié   male
## 16       Raymus Antilles   male
## 17         Ratts Tyerell   male
## 18          Qui-Gon Jinn   male
## 19         Quarsh Panaka   male
## 20     Poggle the Lesser   male
## 21           Poe Dameron   male
## 22              Plo Koon   male
## 23             Palpatine   male
## 24             Owen Lars   male
## 25        Obi-Wan Kenobi   male
## 26           Nute Gunray   male
## 27             Nien Nunb   male
## 28            Mas Amedda   male
## 29            Mace Windu   male
## 30        Luke Skywalker   male
## 31                 Lobot   male
## 32      Lando Calrissian   male
## 33               Lama Su   male
## 34             Kit Fisto   male
## 35          Ki-Adi-Mundi   male
## 36      Jek Tono Porkins   male
## 37         Jar Jar Binks   male
## 38            Jango Fett   male
## 39              Han Solo   male
## 40              Grievous   male
## 41          Gregar Typho   male
## 42                Greedo   male
## 43               Gasgano   male
## 44                  Finn   male
## 45         Finis Valorum   male
## 46             Eeth Koth   male
## 47              Dud Bolt   male
## 48                 Dooku   male
## 49       Dexter Jettster   male
## 50           Darth Vader   male
## 51            Darth Maul   male
## 52           Cliegg Lars   male
## 53             Chewbacca   male
## 54                 Bossk   male
## 55             Boba Fett   male
## 56     Biggs Darklighter   male
## 57           Bib Fortuna   male
## 58        Ben Quadinaros   male
## 59   Bail Prestor Organa   male
## 60          Arvel Crynyd   male
## 61      Anakin Skywalker   male
## 62                Ackbar   male

• Otra forma de hacerlo directamente, combinando funciones mediante pipes %>%
• Ordenar el filtro y la selección de varibles mediante pipes.
• Se muestran los mismos registros solo que ordenados de manera natural ascendente

masculinos <- datos %>%
    filter(gender == "male") %>%
    select(name,gender) %>%
    arrange(name)

masculinos

##                     name gender
## 1                 Ackbar   male
## 2       Anakin Skywalker   male
## 3           Arvel Crynyd   male
## 4    Bail Prestor Organa   male
## 5         Ben Quadinaros   male
## 6            Bib Fortuna   male
## 7      Biggs Darklighter   male
## 8              Boba Fett   male
## 9                  Bossk   male
## 10             Chewbacca   male
## 11           Cliegg Lars   male
## 12            Darth Maul   male
## 13           Darth Vader   male
## 14       Dexter Jettster   male
## 15                 Dooku   male
## 16              Dud Bolt   male
## 17             Eeth Koth   male
## 18         Finis Valorum   male
## 19                  Finn   male
## 20               Gasgano   male
## 21                Greedo   male
## 22          Gregar Typho   male
## 23              Grievous   male
## 24              Han Solo   male
## 25            Jango Fett   male
## 26         Jar Jar Binks   male
## 27      Jek Tono Porkins   male
## 28          Ki-Adi-Mundi   male
## 29             Kit Fisto   male
## 30               Lama Su   male
## 31      Lando Calrissian   male
## 32                 Lobot   male
## 33        Luke Skywalker   male
## 34            Mace Windu   male
## 35            Mas Amedda   male
## 36             Nien Nunb   male
## 37           Nute Gunray   male
## 38        Obi-Wan Kenobi   male
## 39             Owen Lars   male
## 40             Palpatine   male
## 41              Plo Koon   male
## 42           Poe Dameron   male
## 43     Poggle the Lesser   male
## 44         Quarsh Panaka   male
## 45          Qui-Gon Jinn   male
## 46         Ratts Tyerell   male
## 47       Raymus Antilles   male
## 48              Ric Olié   male
## 49          Roos Tarpals   male
## 50            Rugor Nass   male
## 51           Saesee Tiin   male
## 52              San Hill   male
## 53               Sebulba   male
## 54               Tarfful   male
## 55            Tion Medon   male
## 56            Wat Tambor   male
## 57                 Watto   male
## 58        Wedge Antilles   male
## 59 Wicket Systri Warrick   male
## 60        Wilhuff Tarkin   male
## 61           Yarael Poof   male
## 62                  Yoda   male

Agrupar y resumir

• group by
• summarize
• pipes %>%
• Contar cuantos personajes por gender o género

cuantos.Genero <- data.frame(datos %>%
    group_by(gender) %>%
    summarise(cuantos = n()))

## Warning: Factor `gender` contains implicit NA, consider using
## `forcats::fct_explicit_na`

cuantos.Genero

##          gender cuantos
## 1        female      19
## 2 hermaphrodite       1
## 3          male      62
## 4          none       2
## 5          <NA>       3

Limpiar los datos

• Significa que si se detectan datos como por ejemplo NA, habrá que tomar la decisión de ¿qué hacer con estos datos?.
• Se detectó que en la variable worldhome tenía varios NA, se tomó la decisión de modificar su valor a ‘star’ cuando tuvieran valor NA en esa variable.

mutate

• Por medio de mutate() se quitarán los NA en el campo worldhome usado mas adelante en agrupación por esta variable.

datos <- datos %>%
    mutate(homeworld = ifelse(is.na(homeworld), "star", homeworld))

• ¿Cuántos personajes por planeta u origen?

cuantos.Origen <- data.frame(datos %>%
                               group_by(homeworld) %>%
                               summarise(cuantos = n()))

cuantos.Origen <- arrange(cuantos.Origen, desc(cuantos))

cuantos.Origen

##    homeworld cuantos
## 1         28      11
## 2         40      10
## 3       star      10
## 4          1       3
## 5         11       3
## 6         22       3
## 7         10       2
## 8         23       2
## 9         25       2
## 10        33       2
## 11        12       1
## 12        13       1
## 13        14       1
## 14        15       1
## 15        16       1
## 16        17       1
## 17        18       1
## 18        19       1
## 19         2       1
## 20        20       1
## 21        21       1
## 22        24       1
## 23        26       1
## 24        27       1
## 25        29       1
## 26         3       1
## 27        30       1
## 28        31       1
## 29        32       1
## 30        34       1
## 31        35       1
## 32        36       1
## 33        37       1
## 34        38       1
## 35        39       1
## 36         4       1
## 37        41       1
## 38        42       1
## 39        43       1
## 40        44       1
## 41        45       1
## 42        46       1
## 43        47       1
## 44        48       1
## 45         5       1
## 46         6       1
## 47         7       1
## 48         8       1
## 49         9       1