aedR: Análisis exploratorio de datos en R
AedR es una librería que contiene algunas herramientas gráficas y de resumen estadístico para realizar análisis exploratorio de datos.
1. Instalación
Para instalar la librería aedR, escriba las siguientes instrucciones en la consola de R:
> library(devtools)
> install_github("GeomarPerales/aedR") 2. Ejecución en R
Llamamos a la librería “AedR”
library(aedR)3. Importación de datos
Importamos los datos de trabajo.
data("datos.Pe")
data("estaciones.Pe")El archivo “datos.Pe” corresponde a las series históricas de la red de estaciones ubicada en la cuenca Huarpa. visualizamos los datos importados: datos.Pe
head(datos.Pe,4)
#> Fecha San_Miguel Cochas Quinua Wayllapampa Huamanga Allpachaca Huanta
#> 1 1964-01-01 29.8 NA NA NA NA NA 38.5
#> 2 1964-02-01 74.2 NA NA NA NA NA 82.5
#> 3 1964-03-01 107.0 NA NA NA NA NA 60.2
#> 4 1964-04-01 44.9 NA NA NA NA NA 30.9
#> Huanta_gore San_Pedro Acobamba Lircay Tocaz Paucarbamba Lauricocha
#> 1 NA NA NA NA NA NA NA
#> 2 NA NA NA NA NA NA NA
#> 3 NA NA NA NA NA NA NA
#> 4 NA NA NA NA NA NA NA
#> Huancavelica Paras Chuschi Libertadores_706 Libertadores Choclococha
#> 1 66.1 NA NA NA NA NA
#> 2 108.0 NA NA NA NA NA
#> 3 186.0 NA NA NA NA NA
#> 4 75.7 NA 86.4 NA NA NA
#> Acnococha Tunel_cero
#> 1 NA NA
#> 2 NA NA
#> 3 NA NA
#> 4 NA NAEl archivo “estaciones.Pe” corresponde a la red de estaciones ubicada en la cuenca Huarpa. visualizamos los datos importados: estaciones.Pe
head(estaciones.Pe,4)
#> Estacion Lat Lon Alt
#> 1 San Miguel -13.01667 -73.98333 3323
#> 2 Hacienda Cochas -13.03333 -73.88333 3323
#> 3 La Quinua -13.05528 -74.14139 3240
#> 4 Wayllapampa -13.07639 -74.21667 24704. Uso de las herramientas para AED
Genero un gráfico de la serie de tiempo de una estación para visualizar el comportamiento de la variable durante el período de estudio (1964-01 a 2016-12).
ts.aed(datos.Pe, estaciones.Pe)
Para observar la frecuencia (%) de valores de precipitación, genero un histograma donde se muestran los intervalos y sus respectivas frecuencias del conjunto de datos de las series históricas.
his.aed(datos.Pe, estaciones.Pe)
Los datos de la información histórica no cuentan con análisis de la calidad de la información, Genero un gráfico de diagrama de cajas (boxplot) de la estación para visualizar los datos dudosos (outliers) presentes.
bp.aed(datos.Pe, estaciones.Pe)
Para ver la cantidad de datos dudosos de las series históricas de precipitación, el mínimo y máximo valor de los datos dudosos, genero un resumen de los datos dudosos (outliers).
datos.ouliers <- infout(datos.Pe, estaciones.Pe)
#> Warning in min(bp$out): ningún argumento finito para min; retornando Inf
#> Warning in max(bp$out): ningun argumento finito para max; retornando -Inf
head(datos.ouliers)
#> Estacion cantidad.out min.out max.out
#> 1 San Miguel 15 22.4 315.7
#> 2 Hacienda Cochas 9 59.2 1908.2
#> 3 La Quinua 16 35.1 445.6
#> 4 Wayllapampa 22 14.6 406.8
#> 5 Huamanga 12 53.5 319.2
#> 6 Allpachaca 11 20.3 438.7Para analizar la información no disponible, genero un resumen general de todas las series históricas de las estaciones, observo la cantidad de datos faltantes y el porcentaje que representan respecto al total de datos.
info.NA <- infna(datos.Pe, estaciones.Pe)
head(info.NA)
#> Estacion Cantidad Porcentaje
#> 1 San Miguel 427 67.14%
#> 2 Hacienda Cochas 502 78.93%
#> 3 La Quinua 162 25.47%
#> 4 Wayllapampa 228 35.85%
#> 5 Huamanga 324 50.94%
#> 6 Allpachaca 363 57.08%Visualizo el máximo valor, el mínimo valor, el primer cuartil, el tercer cuartil y la fecha de ocurrencia del máximo valor.
rest(datos.Pe, estaciones.Pe)
#> Estacion Max P1Q Fmax P3Q Min
#> 1 San Miguel 0 4.400 1981-02-01 37.55182 51.700
#> 2 Hacienda Cochas 0 0.000 1972-03-01 132.72313 125.000
#> 3 La Quinua 0 15.950 1967-03-01 65.89641 104.325
#> 4 Wayllapampa 0 6.175 1971-02-01 52.58625 85.725
#> 5 Huamanga 0 11.100 1986-03-01 48.89147 77.775
#> 6 Allpachaca 0 14.500 1967-03-01 68.90747 105.690
#> 7 Huanta 0 7.900 1967-03-01 44.83123 71.400
#> 8 Huanta gore 0 15.975 2001-01-01 64.62440 98.500
#> 9 San Pedro 0 11.650 1967-03-01 112.28748 102.950
#> 10 Acobamba 0 14.550 1972-01-01 59.58521 91.075
#> 11 Lircay 0 20.250 1967-02-01 66.36738 102.925
#> 12 Hacienda Tocaz 0 6.500 1974-03-01 88.98722 131.600
#> 13 Paucarbamba 0 26.000 1964-11-01 90.69870 129.100
#> 14 Lauricocha 0 6.200 1984-01-01 32.32215 47.600
#> 15 Huancavelica 0 18.750 2003-02-01 75.95226 116.650
#> 16 Paras 0 6.600 1972-02-01 70.09874 103.900
#> 17 Chuschi 0 8.300 1981-12-01 71.43622 112.100
#> 18 Libertadores 706 0 13.000 1986-01-01 74.70187 117.900
#> 19 Libertadores 156139 0 11.375 1981-01-01 75.92984 122.225
#> 20 Choclococha 0 15.475 1998-02-01 77.99791 112.175
#> 21 Acnococha 0 12.300 1984-02-01 58.50983 95.025
#> 22 Tunel cero 0 13.950 1984-02-01 72.90385 120.4505. Referencias
- Pathak, M. (2014). Beginning Data Science with R.
- Zumel, N., Mount, J. (2014). Practical Data Science with R.