Tidy Data

Taller Tidy Data

Academatica

Teoría

Reglas

1. Cada variable tiene que tener su columna
2. Cada observación debe de estar en una fila
3. Cada valor tiene que estar en una celda

Ventajas

1. Al tener una estructura estándar es más fácil aprender las herramientas que utilizan esa estructura.
2. Al tener variables como columnas, se le puede sacar provecho a la naturaleza vectorizada de R.

Ejercicios

Primero se carga las librerías a utilizar.

library(tidyverse)
library(readr)
library(knitr)#Para una mejor visualización de las tablas

Importa las tablas que se va a usar para trabajar

Tabla4a <- read_csv("tabla4a.csv")
Tabla4b <- read_csv("tabla4b.csv")
Tabla2 <- read_csv("tabla2.csv")
Tabla3 <- read_csv("tabla3.csv")

Lo que se desea es llevar estas tablas a un formato de Tidy Data

pivot_longer()

Este comando se utiliza cuando en las columnas se tiene los datos de la variable como en los ejemplos que se verán a continuación.

La siguiente tabla tiene un problema, el cual es que en las columnas se encuentran datos que no son variables, y de esta manera no cumplen con las reglas indicadas antes.

kable(Tabla4a)

Pais	1999	2000
Afganistan	745	2666
Brazil	37737	80488
China	212258	213766

Para lograr solucionar este problema utilizará el siguiente código

Casos_df <- 
Tabla4a %>% 
  pivot_longer(c("1999", "2000"),
               names_to = "Años",
               values_to = "Casos")
kable(Casos_df)

Pais	Años	Casos
Afganistan	1999	745
Afganistan	2000	2666
Brazil	1999	37737
Brazil	2000	80488
China	1999	212258
China	2000	213766

También se vera la tabla4b que tiene el mismo problema

kable(Tabla4b)

Pais	1999	2000
Afganistan	19987071	20595360
Brazil	172006362	174504898
China	1272915272	1280428583

Se soluciona

Poblacion_df <- 
Tabla4b %>% 
  pivot_longer(c("1999", "2000"),
               names_to = "Años",
               values_to = "Población")
kable(Poblacion_df)

Pais	Años	Población
Afganistan	1999	19987071
Afganistan	2000	20595360
Brazil	1999	172006362
Brazil	2000	174504898
China	1999	1272915272
China	2000	1280428583

Ahora se tiene que unir las dos tablas que se realizó, esto se logra con left_join lo cual utiliza las dos columnas parecidas o columnas llaves para unirlas en el ejemplo, en este caso son las columnas Pais

data_frame1 <- 
Casos_df %>% 
  left_join(Poblacion_df)
kable(data_frame1)

Pais	Años	Casos	Población
Afganistan	1999	745	19987071
Afganistan	2000	2666	20595360
Brazil	1999	37737	172006362
Brazil	2000	80488	174504898
China	1999	212258	1272915272
China	2000	213766	1280428583

pivot_wider()

Este comando se utiliza cuando una columna contiene variables entonces esta función permite sacar de una columna las variables que se encuentran en ella. Esta es la tabla para que puedan ver el problema.

kable(Tabla2)

Pais	Año	Tipo	Cuenta
Afganistan	1999	Poblacion	19987071
Afganistan	2000	Poblacion	20595360
Afganistan	1999	Casos	745
Afganistan	2000	Casos	2666
Brazil	1999	Poblacion	172006362
Brazil	2000	Poblacion	174504898
Brazil	1999	Casos	37737
Brazil	2000	Casos	80488
China	1999	Poblacion	1272915272
China	2000	Poblacion	1280428583
China	1999	Casos	212258
China	2000	Casos	213766

Si se puede observar en Tipo se encuentra variables las cuales se tiene que sacar. y esto se soluciona de manera fácil

Tabla2 %>%
  pivot_wider(names_from = Tipo, values_from = Cuenta)

En este caso no se colocó el comando kable() por tal motivo se muestra este formato de tabla. ## separete()

Ahora se verá un problema con la columna que contiene información de dos variables como en la siguiente tabla

kable(Tabla3)

Pais	Año	Razon
Afganistan	1999	745/19987071
Afganistan	2000	2666/20595360
Brazil	1999	37737/172006362
Brazil	2000	80488/174504898
China	1999	212258/1272915272
China	2000	213766/1280428583

Se puede observar que la columna Razon tiene los casos y la población en una misma celda, se procederá a separar con el siguiente comando

Tabla3 %>% 
  separate(Razon, into = c("Casos", "Población"), sep = "/")

Otro uso a separate()

data_frame2 <- 
Tabla3 %>% 
  separate(Razon, into = c("Casos", "Población"), sep = "/") %>%
  separate(Año, into = c("Siglo", "Año"), sep =2)
kable(data_frame2)

Pais	Siglo	Año	Casos	Población
Afganistan	19	99	745	19987071
Afganistan	20	00	2666	20595360
Brazil	19	99	37737	172006362
Brazil	20	00	80488	174504898
China	19	99	212258	1272915272
China	20	00	213766	1280428583

unite()

Lo que permite es juntar las columnas.

data_frame2 %>% 
  unite(nuevo, Siglo, Año, sep="")

Este es un taller realizado en Academatica el mismo que brindo un video explicando todo lo de este RNotebook. El enlace se encuentra en la parte final.

Referencias

R for Data Science

Taller Tidy Data Academatica