library (tidyverse)## -- Attaching packages --------------------------------------- tidyverse 1.3.1 --## v ggplot2 3.3.3 v purrr 0.3.4
## v tibble 3.1.2 v dplyr 1.0.6
## v tidyr 1.1.3 v stringr 1.4.0
## v readr 1.4.0 v forcats 0.5.1## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()library(magrittr)##
## Attaching package: 'magrittr'## The following object is masked from 'package:purrr':
##
## set_names## The following object is masked from 'package:tidyr':
##
## extract(((12*5) - 11)/7) + 3## [1] 10add() substract() multiply_by() divide_by()
Solución:
add(divide_by(subtract(multiply_by(12, 5), 11), 7), 3)## [1] 10Si quisiéramos que cada función ocupe su propia línea, podemos hacerlo de esta manera:
add(
divide_by(
subtract(
multiply_by(12,
5),
11),
7),
3)## [1] 10Aunque esto nos permite entender la secuencia de adentro hacia afuera no necesariamente favorece su lectura
Esto parece más entendible y al leerlo se sigue la estructura de pasos descritos anteriormente. Vemos que al igual que con las funciones de dplyr, las funciones de magrittr siempre tienen el mismo primer argumento: el objeto a transformar.
numero_inicial <- 12
resultado1 <- multiply_by(numero_inicial, 5)
resultado2 <- subtract(resultado1, 11)
resultado3 <- divide_by(resultado2, 7)
resultado_final <- add(resultado3, 3)
resultado_final## [1] 10Si no deseo ir asignando nombres nuevos, puedo ir sobreescribiendo el valor de mi objeto en cada paso. De esta manera se ve más claro que el primer argumento de cada función depende del paso anterior.
numero <- 12
numero <- multiply_by(numero, 5)
numero <- subtract(numero, 11)
numero <- divide_by(numero, 7)
numero <- add(numero, 3)
numero## [1] 10Si uso pipes (%>%) no necesito crear objetos intermedios y el operador puede leerse como luego. Tomo el 12, luego multiplico por 5, luego resto 11, luego divido entre 7, luego aumento 3.
(((12 * 5) - 11)/ 7) + 3## [1] 10Sería:
12 %>%
multiply_by(5) %>%
subtract(11) %>%
divide_by(7) %>%
add(3)## [1] 10Hemos conseguido el mismo resultado de tres maneras distintas, pero usando pipes hemos encadenado varias funciones una tras otra sin sacrificar la legibilidad de nuestro código ni llenar el Environment de objetos innecesarios.
Atajo de teclado para %>%
Windows ► Ctrl + shift + M
Mac ► Opt + Alt + M
Representa las siguientes operaciones usando pipes
(((10 + 30) * 3) / 12) - 5## [1] 5Solución 1:
10 %>%
add(30)%>%
multiply_by(3)%>%
divide_by(12) %>%
subtract(5)## [1] 5(((7 - 3) / 2) + 3) * 20## [1] 100Solución 2:
7%>%
subtract(3)%>%
divide_by(2) %>%
add(3)%>%
multiply_by(20)## [1] 100Una vez entendido el uso de pipes, podemos aplicarlo a nuestro análisis de datos. Seguimos trabajando con gapminder.
library(readxl)
library (dplyr)
gapminder <- read_xlsx("data/gapminder.xlsx")gapminder## # A tibble: 1,704 x 6
## country continent year lifeExp pop gdpPercap
## <chr> <chr> <dbl> <dbl> <dbl> <dbl>
## 1 Afghanistan Asia 1952 28.8 8425333 779.
## 2 Afghanistan Asia 1957 30.3 9240934 821.
## 3 Afghanistan Asia 1962 32.0 10267083 853.
## 4 Afghanistan Asia 1967 34.0 11537966 836.
## 5 Afghanistan Asia 1972 36.1 13079460 740.
## 6 Afghanistan Asia 1977 38.4 14880372 786.
## 7 Afghanistan Asia 1982 39.9 12881816 978.
## 8 Afghanistan Asia 1987 40.8 13867957 852.
## 9 Afghanistan Asia 1992 41.7 16317921 649.
## 10 Afghanistan Asia 1997 41.8 22227415 635.
## # ... with 1,694 more rowsEn gapminder tengo todo lo necesario para obtener el ranking del promedio del PBI nacional para cada uno de los cinco continentes en los años 1987 y 2007 (esto me permitirá comparar los cambios en la economía mundial en esos treinta años).
Para ello voy a requerir usar todas las funciones de dplyr que he aprendido hasta el momento. Primero lo haremos paso por paso y luego convertiremos todo en el flujo de unos cuantos pipes.
Como quiero mostrar el resultado de cada paso realizado, rodeo la asignación de mi objeto con paréntesis
Debido a que sólo necesito los años 1987 y 2007, filtro mis datos. Al objeto modificado lo llamaré gapminder_modificado.
(gapminder_modificado <- filter(gapminder, year %in% c(1987, 2007)) )## # A tibble: 284 x 6
## country continent year lifeExp pop gdpPercap
## <chr> <chr> <dbl> <dbl> <dbl> <dbl>
## 1 Afghanistan Asia 1987 40.8 13867957 852.
## 2 Afghanistan Asia 2007 43.8 31889923 975.
## 3 Albania Europe 1987 72 3075321 3739.
## 4 Albania Europe 2007 76.4 3600523 5937.
## 5 Algeria Africa 1987 65.8 23254956 5681.
## 6 Algeria Africa 2007 72.3 33333216 6223.
## 7 Angola Africa 1987 39.9 7874230 2430.
## 8 Angola Africa 2007 42.7 12420476 4797.
## 9 Argentina Americas 1987 70.8 31620918 9140.
## 10 Argentina Americas 2007 75.3 40301927 12779.
## # ... with 274 more rowsEl siguiente paso es quedarme sólo con las variables que necesito. En este caso son continente, año, PBI per cápita y población.
(gapminder_modificado <- select(gapminder_modificado,
continent, year, gdpPercap, pop) )## # A tibble: 284 x 4
## continent year gdpPercap pop
## <chr> <dbl> <dbl> <dbl>
## 1 Asia 1987 852. 13867957
## 2 Asia 2007 975. 31889923
## 3 Europe 1987 3739. 3075321
## 4 Europe 2007 5937. 3600523
## 5 Africa 1987 5681. 23254956
## 6 Africa 2007 6223. 33333216
## 7 Africa 1987 2430. 7874230
## 8 Africa 2007 4797. 12420476
## 9 Americas 1987 9140. 31620918
## 10 Americas 2007 12779. 40301927
## # ... with 274 more rowsA continuación, debo obtener el PBI nacional multiplicando el PBI per cápita por la población.
(gapminder_modificado <- mutate(gapminder_modificado,
PBI_nacional = pop * gdpPercap) )## # A tibble: 284 x 5
## continent year gdpPercap pop PBI_nacional
## <chr> <dbl> <dbl> <dbl> <dbl>
## 1 Asia 1987 852. 13867957 11820990309.
## 2 Asia 2007 975. 31889923 31079291949.
## 3 Europe 1987 3739. 3075321 11498418358.
## 4 Europe 2007 5937. 3600523 21376411360.
## 5 Africa 1987 5681. 23254956 132119742845.
## 6 Africa 2007 6223. 33333216 207444851958.
## 7 Africa 1987 2430. 7874230 19136019189.
## 8 Africa 2007 4797. 12420476 59583895818.
## 9 Americas 1987 9140. 31620918 289004799539.
## 10 Americas 2007 12779. 40301927 515033625357.
## # ... with 274 more rowsAhora que tengo el PBI nacional, puedo obtener el promedio por año y continente.
gapminder_modificado <- group_by(gapminder_modificado, continent, year)
gapminder_modificado <- summarise(gapminder_modificado, promedio = mean(PBI_nacional))## `summarise()` has grouped output by 'continent'. You can override using the `.groups` argument.(gapminder_modificado <- ungroup(gapminder_modificado) )## # A tibble: 10 x 3
## continent year promedio
## <chr> <dbl> <dbl>
## 1 Africa 1987 24107264108.
## 2 Africa 2007 45778570846.
## 3 Americas 1987 439447790357.
## 4 Americas 2007 776723426068.
## 5 Asia 1987 241784763369.
## 6 Asia 2007 627513635079.
## 7 Europe 1987 316507473546.
## 8 Europe 2007 493183311052.
## 9 Oceania 1987 209451563998.
## 10 Oceania 2007 403657044512.Ahora sólo me falta ordenar mis datos de manera descendente según el promedio del PBI.
(gapminder_modificado <- arrange(gapminder_modificado, year, desc(promedio)) )## # A tibble: 10 x 3
## continent year promedio
## <chr> <dbl> <dbl>
## 1 Americas 1987 439447790357.
## 2 Europe 1987 316507473546.
## 3 Asia 1987 241784763369.
## 4 Oceania 1987 209451563998.
## 5 Africa 1987 24107264108.
## 6 Americas 2007 776723426068.
## 7 Asia 2007 627513635079.
## 8 Europe 2007 493183311052.
## 9 Oceania 2007 403657044512.
## 10 Africa 2007 45778570846.Listo. Con el flujo de análisis terminado, puedo verificar que en esos treinta años, Asia superó a Europa en el promedio de su PBI nacional.
Podría juntar todos estos pasos en un solo bloque para que quede claro lo que sucedió.
gapminder_modificado <- filter(gapminder, year %in% c(1987, 2007))
gapminder_modificado <- select(gapminder_modificado, continent, year, gdpPercap, pop)
gapminder_modificado <- mutate(gapminder_modificado, PBI_nacional = pop * gdpPercap)
gapminder_modificado <- group_by(gapminder_modificado, continent, year)
gapminder_modificado <- summarise(gapminder_modificado, promedio = mean(PBI_nacional))## `summarise()` has grouped output by 'continent'. You can override using the `.groups` argument.gapminder_modificado <- ungroup(gapminder_modificado)
gapminder_modificado <- arrange(gapminder_modificado, year, desc(promedio))Podemos hacer todo el análisis usando pipes.
gapminder %>%
filter(year %in% c(1987, 2007)) %>%
select(continent, year, gdpPercap, pop) %>%
mutate(PBI_nacional = pop * gdpPercap) %>%
group_by(continent, year) %>%
summarise(promedio = mean(PBI_nacional)) %>%
ungroup() %>%
arrange(year, desc(promedio))## `summarise()` has grouped output by 'continent'. You can override using the `.groups` argument.## # A tibble: 10 x 3
## continent year promedio
## <chr> <dbl> <dbl>
## 1 Americas 1987 439447790357.
## 2 Europe 1987 316507473546.
## 3 Asia 1987 241784763369.
## 4 Oceania 1987 209451563998.
## 5 Africa 1987 24107264108.
## 6 Americas 2007 776723426068.
## 7 Asia 2007 627513635079.
## 8 Europe 2007 493183311052.
## 9 Oceania 2007 403657044512.
## 10 Africa 2007 45778570846.Hemos obtenido el mismo resultado escribiendo mucho menos código y sin crear ningún objeto intermedio.
Utilizando gapminder y las funciones de dplyr, obtén el ranking del PBI nacional de Perú, México, Colombia y Chile en los años 1967, 1987 y 2007.
Guíate de esta secuencia:
gapminder %>%
select (country, year, pop, gdpPercap) %>%
filter (country %in% c("Peru", "Mexico", "Colombia", "Chile"), year %in% c(1967, 1987, 2007)) %>%
mutate(PBI_TOTAL = pop * gdpPercap) %>%
group_by (year) %>%
arrange(year, PBI_TOTAL) %>%
ungroup()## # A tibble: 12 x 5
## country year pop gdpPercap PBI_TOTAL
## <chr> <dbl> <dbl> <dbl> <dbl>
## 1 Chile 1967 8858908 5107. 4.52e10
## 2 Colombia 1967 19764027 2679. 5.29e10
## 3 Peru 1967 12132200 5788. 7.02e10
## 4 Mexico 1967 47995559 5755. 2.76e11
## 5 Chile 1987 12463354 5547. 6.91e10
## 6 Peru 1987 20195924 6361. 1.28e11
## 7 Colombia 1987 30964245 4903. 1.52e11
## 8 Mexico 1987 80122492 8688. 6.96e11
## 9 Peru 2007 28674757 7409. 2.12e11
## 10 Chile 2007 16284741 13172. 2.14e11
## 11 Colombia 2007 44227550 7007. 3.10e11
## 12 Mexico 2007 108700891 11978. 1.30e12Realiza un análisis que permita responder a la pregunta:
¿Qué continentes tuvieron la mejor y peor expectativa de vida mediana en 1992?
gapminder %>%
filter(year %in% 1992) %>%
select(continent, year, lifeExp, pop) %>%
group_by (continent)%>%
summarise(mediana = median (lifeExp)) %>%
ungroup()%>%
arrange (mediana)## # A tibble: 5 x 2
## continent mediana
## <chr> <dbl>
## 1 Africa 52.4
## 2 Asia 68.7
## 3 Americas 69.9
## 4 Europe 75.5
## 5 Oceania 76.9Realiza un análisis que permita responder a la pregunta:
¿Qué continente tuvo el mayor porcentaje de países con expectativa de vida superior a la mediana mundial en 2007?
gapminder %>%
filter (year == 2007) %>%
mutate (mediana_mundial = median(lifeExp),
mayor_que_mediana = lifeExp > mediana_mundial) %>%
group_by(continent) %>%
summarise(n_paises = n(), n_paises_mayor_que_mediana = sum(mayor_que_mediana)) %>%
ungroup() %>%
mutate(porcentaje_paises_mayores =n_paises_mayor_que_mediana/n_paises*100) %>%
arrange(desc(porcentaje_paises_mayores))## # A tibble: 5 x 4
## continent n_paises n_paises_mayor_que_mediana porcentaje_paises_mayores
## <chr> <int> <int> <dbl>
## 1 Oceania 2 2 100
## 2 Europe 30 29 96.7
## 3 Americas 25 17 68
## 4 Asia 33 18 54.5
## 5 Africa 52 5 9.62