Por lo general, en R se suelen trabajar conjunto de datos previamente armados y recolectados. Como puede ser un encuesta, series macroeconómicas o financieras, datos que cotidianamente se encuentra en csv, excel o do-file, etc.

Sin embargo, en R también se puede declarar manualmente dicha información mediante vectores. Quizás nunca utilices esta función para digitar una base de datos, pero si para combinarlas con otras funciones.

#Declarar un objeto en R
#Aclarar que se puede utilizar tanto "=" como "<-" para declarar un objeto.

#Escalar
x= 1
#Vector
x2=c(1,2,3,4,5,6,7,8,9,10)

Para visualizar los objetos o salidas, existen los siguientes comandos:

print(x2) #Muestra todas datos del conjunto o variable
##  [1]  1  2  3  4  5  6  7  8  9 10
head(x2) #Muestra los primeros seis objetos, sino se específica, pero podemos definir cuántas debe mostrar:
## [1] 1 2 3 4 5 6
head(x2,3) #Muestra las primeras 3
## [1] 1 2 3
#La función tail() muestra las últimas seis por defecto o las que se especifique, pero siempre las últimas
tail(x2)
## [1]  5  6  7  8  9 10
tail(x2,3)
## [1]  8  9 10
#Por último, podemos simplemente correr el nombre
x2 #función igual a la de print
##  [1]  1  2  3  4  5  6  7  8  9 10

Inspección de una base de datos

Cargamos la base de datos de ejemplo que viene en R,llamada “iris”

head(iris)
##   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1          5.1         3.5          1.4         0.2  setosa
## 2          4.9         3.0          1.4         0.2  setosa
## 3          4.7         3.2          1.3         0.2  setosa
## 4          4.6         3.1          1.5         0.2  setosa
## 5          5.0         3.6          1.4         0.2  setosa
## 6          5.4         3.9          1.7         0.4  setosa

Representación gráfica

#Utilizamos el comando plot(datos)
plot(iris)

o un resumen estadístico con

summary(iris)
##   Sepal.Length    Sepal.Width     Petal.Length    Petal.Width   
##  Min.   :4.300   Min.   :2.000   Min.   :1.000   Min.   :0.100  
##  1st Qu.:5.100   1st Qu.:2.800   1st Qu.:1.600   1st Qu.:0.300  
##  Median :5.800   Median :3.000   Median :4.350   Median :1.300  
##  Mean   :5.843   Mean   :3.057   Mean   :3.758   Mean   :1.199  
##  3rd Qu.:6.400   3rd Qu.:3.300   3rd Qu.:5.100   3rd Qu.:1.800  
##  Max.   :7.900   Max.   :4.400   Max.   :6.900   Max.   :2.500  
##        Species  
##  setosa    :50  
##  versicolor:50  
##  virginica :50  
##                 
##                 
##

Otros comandos útiles son:

dim(iris) #Dimensión de los datos (filas x columnas)
## [1] 150   5
nrow(iris) #número de filas
## [1] 150
ncol(iris) #número de columnas
## [1] 5
colnames(iris) #Nombre de las columnas
## [1] "Sepal.Length" "Sepal.Width"  "Petal.Length" "Petal.Width"  "Species"

Muchas veces el objetivo es trabajar un segmento del conjunto de datos, por lo cual, es necesario seleccionar filas y columnas. La forma convencional de hacerlo es la siguiente:

iris[1:10,] #Diez primeras filas, aclarar que, los ":" significan secuencia, es decir, del 1 al 10 en este caso
##    Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1           5.1         3.5          1.4         0.2  setosa
## 2           4.9         3.0          1.4         0.2  setosa
## 3           4.7         3.2          1.3         0.2  setosa
## 4           4.6         3.1          1.5         0.2  setosa
## 5           5.0         3.6          1.4         0.2  setosa
## 6           5.4         3.9          1.7         0.4  setosa
## 7           4.6         3.4          1.4         0.3  setosa
## 8           5.0         3.4          1.5         0.2  setosa
## 9           4.4         2.9          1.4         0.2  setosa
## 10          4.9         3.1          1.5         0.1  setosa
head(iris[,3:4]) #columnas 3 y 4
##   Petal.Length Petal.Width
## 1          1.4         0.2
## 2          1.4         0.2
## 3          1.3         0.2
## 4          1.5         0.2
## 5          1.4         0.2
## 6          1.7         0.4
#el head no es necesario, utilizamos el head para no mostrar todos los datos, pero la función solo es name_datos[filas, columnas]

Otra forma de seleccionar columnas es mediante la etiqueta de estas

iris[,"Species"]
##   [1] setosa     setosa     setosa     setosa     setosa     setosa    
##   [7] setosa     setosa     setosa     setosa     setosa     setosa    
##  [13] setosa     setosa     setosa     setosa     setosa     setosa    
##  [19] setosa     setosa     setosa     setosa     setosa     setosa    
##  [25] setosa     setosa     setosa     setosa     setosa     setosa    
##  [31] setosa     setosa     setosa     setosa     setosa     setosa    
##  [37] setosa     setosa     setosa     setosa     setosa     setosa    
##  [43] setosa     setosa     setosa     setosa     setosa     setosa    
##  [49] setosa     setosa     versicolor versicolor versicolor versicolor
##  [55] versicolor versicolor versicolor versicolor versicolor versicolor
##  [61] versicolor versicolor versicolor versicolor versicolor versicolor
##  [67] versicolor versicolor versicolor versicolor versicolor versicolor
##  [73] versicolor versicolor versicolor versicolor versicolor versicolor
##  [79] versicolor versicolor versicolor versicolor versicolor versicolor
##  [85] versicolor versicolor versicolor versicolor versicolor versicolor
##  [91] versicolor versicolor versicolor versicolor versicolor versicolor
##  [97] versicolor versicolor versicolor versicolor virginica  virginica 
## [103] virginica  virginica  virginica  virginica  virginica  virginica 
## [109] virginica  virginica  virginica  virginica  virginica  virginica 
## [115] virginica  virginica  virginica  virginica  virginica  virginica 
## [121] virginica  virginica  virginica  virginica  virginica  virginica 
## [127] virginica  virginica  virginica  virginica  virginica  virginica 
## [133] virginica  virginica  virginica  virginica  virginica  virginica 
## [139] virginica  virginica  virginica  virginica  virginica  virginica 
## [145] virginica  virginica  virginica  virginica  virginica  virginica 
## Levels: setosa versicolor virginica

Sin embargo, la forma más utilizada por los usuarios de R es

#luego del signo de dólar escribimos el nombre de la columna
iris$Species
##   [1] setosa     setosa     setosa     setosa     setosa     setosa    
##   [7] setosa     setosa     setosa     setosa     setosa     setosa    
##  [13] setosa     setosa     setosa     setosa     setosa     setosa    
##  [19] setosa     setosa     setosa     setosa     setosa     setosa    
##  [25] setosa     setosa     setosa     setosa     setosa     setosa    
##  [31] setosa     setosa     setosa     setosa     setosa     setosa    
##  [37] setosa     setosa     setosa     setosa     setosa     setosa    
##  [43] setosa     setosa     setosa     setosa     setosa     setosa    
##  [49] setosa     setosa     versicolor versicolor versicolor versicolor
##  [55] versicolor versicolor versicolor versicolor versicolor versicolor
##  [61] versicolor versicolor versicolor versicolor versicolor versicolor
##  [67] versicolor versicolor versicolor versicolor versicolor versicolor
##  [73] versicolor versicolor versicolor versicolor versicolor versicolor
##  [79] versicolor versicolor versicolor versicolor versicolor versicolor
##  [85] versicolor versicolor versicolor versicolor versicolor versicolor
##  [91] versicolor versicolor versicolor versicolor versicolor versicolor
##  [97] versicolor versicolor versicolor versicolor virginica  virginica 
## [103] virginica  virginica  virginica  virginica  virginica  virginica 
## [109] virginica  virginica  virginica  virginica  virginica  virginica 
## [115] virginica  virginica  virginica  virginica  virginica  virginica 
## [121] virginica  virginica  virginica  virginica  virginica  virginica 
## [127] virginica  virginica  virginica  virginica  virginica  virginica 
## [133] virginica  virginica  virginica  virginica  virginica  virginica 
## [139] virginica  virginica  virginica  virginica  virginica  virginica 
## [145] virginica  virginica  virginica  virginica  virginica  virginica 
## Levels: setosa versicolor virginica

Para eliminar las columnas seleccionadas, basta con utilizar la misma sintaxis y anteponer el signo menos

head(iris[,-2]) #eliminar la segunda columna
##   Sepal.Length Petal.Length Petal.Width Species
## 1          5.1          1.4         0.2  setosa
## 2          4.9          1.4         0.2  setosa
## 3          4.7          1.3         0.2  setosa
## 4          4.6          1.5         0.2  setosa
## 5          5.0          1.4         0.2  setosa
## 6          5.4          1.7         0.4  setosa

Eliminar objetos

ls() #Elimina lista de objetos en memoria
## [1] "x"  "x2"
rm() #Elimina el objeto que se le especifique

Algunos gráficos, aunque a futuro se le dedicará una sección especial a gráficos

hist(iris$Sepal.Width)

barplot(VADeaths[,2], xlab = "Edad", ylab = "Tasa de mortalidad",
        main= "Tasa de mortalidad", col = "steelblue")

plot(cars$speed, cars$dist, xlab = "Velocidad", ylab = "Distancia")

plot(airquality$Temp, type = "l")

plot(airquality$Temp)
lines(airquality$Temp, col = "red")
abline(h=mean(airquality$Temp), col = "blue")

boxplot(iris$Sepal.Width~iris$Species, col = "red")

Fuente: Bellosta, C. J. (2018). R para profesionales de los datos: una introducción.