Tydiverse es una colección de bibliotecas de R para Ciencia de Datos https://www.tidyverse.org/, entre las que se encuentra dplyr.
La instalación de la biblioteca dplyr se realiza con el siguiente comando:
install.packages("dplyr")
dplyr contiene funciones para el manejo de datos, puedes encontrar un cheat sheet en el siguiente enlace.
La biblioteca dplyr contiene las siguientes funciones:
| Funcion | Descripcion |
|---|---|
| mutate( ) | Agrega nuevas variables que resultan de aplicar una función a las variables existentes. |
| select( ) | Selecciona variables basadas en su nombre. |
| filter( ) | Filtra datos con base en su valor. |
| summarise( ) | Reduce un conjunto de valores a un solo valor (ej. media). |
| arrange( ) | Realiza cambios de orden de las filas con base a un criterio establecido. |
En la biblioteca dplyr estaremos utilizando operadores relacionales y booleanos.
Operadores relacionales
| Operador | Descripción |
|---|---|
< |
Menor que |
> |
Mayor que |
<= |
Menor o igual |
>= |
Mayor o igual |
== |
Igual que |
!= |
Difente a |
Operadores Booleanos
| Operador | Lectura | Descripción |
|---|---|---|
x | y |
x O y | Retorna un valor verdadero, si alguno de los argumentos es verdadero. |
x & y |
x Y y | Retorna un valor verdadero, solo si ambos son verdaderos |
##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union## # A tibble: 5 x 14
## name height mass hair_color skin_color eye_color birth_year sex gender
## <chr> <int> <dbl> <chr> <chr> <chr> <dbl> <chr> <chr>
## 1 Luke Sk~ 172 77 blond fair blue 19 male mascu~
## 2 C-3PO 167 75 <NA> gold yellow 112 none mascu~
## 3 R2-D2 96 32 <NA> white, blue red 33 none mascu~
## 4 Darth V~ 202 136 none white yellow 41.9 male mascu~
## 5 Leia Or~ 150 49 brown light brown 19 fema~ femin~
## # ... with 5 more variables: homeworld <chr>, species <chr>, films <list>,
## # vehicles <list>, starships <list>## [1] "name" "height" "mass" "hair_color" "skin_color"
## [6] "eye_color" "birth_year" "sex" "gender" "homeworld"
## [11] "species" "films" "vehicles" "starships"## [1] 87 14Función filter( )
Vamos a filtrar con base a un valor de una columna que contiene caracteres. Para conectar la base de datos con la función vamos a utilizar el operador pip %>%
## # A tibble: 21 x 14
## name height mass hair_color skin_color eye_color birth_year sex gender
## <chr> <int> <dbl> <chr> <chr> <chr> <dbl> <chr> <chr>
## 1 Leia Or~ 150 49 brown light brown 19 fema~ femin~
## 2 Biggs D~ 183 84 black light brown 24 male mascu~
## 3 Han Solo 180 80 brown fair brown 29 male mascu~
## 4 Yoda 66 17 white green brown 896 male mascu~
## 5 Boba Fe~ 183 78.2 black fair brown 31.5 male mascu~
## 6 Lando C~ 177 79 black dark brown 31 male mascu~
## 7 Arvel C~ NA NA brown fair brown NA male mascu~
## 8 Wicket ~ 88 20 brown brown brown 8 male mascu~
## 9 Quarsh ~ 183 NA black dark brown 62 <NA> <NA>
## 10 Shmi Sk~ 163 NA black fair brown 72 fema~ femin~
## # ... with 11 more rows, and 5 more variables: homeworld <chr>, species <chr>,
## # films <list>, vehicles <list>, starships <list>Ahora vamos a filtrar con base a dos valores de una columna que contiene caracteres.
## # A tibble: 40 x 14
## name height mass hair_color skin_color eye_color birth_year sex gender
## <chr> <int> <dbl> <chr> <chr> <chr> <dbl> <chr> <chr>
## 1 Luke Sk~ 172 77 blond fair blue 19 male mascu~
## 2 Leia Or~ 150 49 brown light brown 19 fema~ femin~
## 3 Owen La~ 178 120 brown, gr~ light blue 52 male mascu~
## 4 Beru Wh~ 165 75 brown light blue 47 fema~ femin~
## 5 Biggs D~ 183 84 black light brown 24 male mascu~
## 6 Anakin ~ 188 84 blond fair blue 41.9 male mascu~
## 7 Wilhuff~ 180 NA auburn, g~ fair blue 64 male mascu~
## 8 Chewbac~ 228 112 brown unknown blue 200 male mascu~
## 9 Han Solo 180 80 brown fair brown 29 male mascu~
## 10 Jek Ton~ 180 110 brown fair blue NA male mascu~
## # ... with 30 more rows, and 5 more variables: homeworld <chr>, species <chr>,
## # films <list>, vehicles <list>, starships <list>También pueda ser que nos interesa aplicar un filtro a otra columna, por ejemplo que además de poseer ojos azules ó cafés midan igual o más a 150.
## # A tibble: 75 x 14
## name height mass hair_color skin_color eye_color birth_year sex gender
## <chr> <int> <dbl> <chr> <chr> <chr> <dbl> <chr> <chr>
## 1 Luke S~ 172 77 blond fair blue 19 male mascu~
## 2 C-3PO 167 75 <NA> gold yellow 112 none mascu~
## 3 Darth ~ 202 136 none white yellow 41.9 male mascu~
## 4 Leia O~ 150 49 brown light brown 19 fema~ femin~
## 5 Owen L~ 178 120 brown, grey light blue 52 male mascu~
## 6 Beru W~ 165 75 brown light blue 47 fema~ femin~
## 7 Biggs ~ 183 84 black light brown 24 male mascu~
## 8 Obi-Wa~ 182 77 auburn, wh~ fair blue-gray 57 male mascu~
## 9 Anakin~ 188 84 blond fair blue 41.9 male mascu~
## 10 Wilhuf~ 180 NA auburn, gr~ fair blue 64 male mascu~
## # ... with 65 more rows, and 5 more variables: homeworld <chr>, species <chr>,
## # films <list>, vehicles <list>, starships <list>Ahora supongamos que queremos eliminar todas las filas que contengan NA’s
## # A tibble: 29 x 14
## name height mass hair_color skin_color eye_color birth_year sex gender
## <chr> <int> <dbl> <chr> <chr> <chr> <dbl> <chr> <chr>
## 1 Luke S~ 172 77 blond fair blue 19 male mascu~
## 2 Darth ~ 202 136 none white yellow 41.9 male mascu~
## 3 Leia O~ 150 49 brown light brown 19 fema~ femin~
## 4 Owen L~ 178 120 brown, grey light blue 52 male mascu~
## 5 Beru W~ 165 75 brown light blue 47 fema~ femin~
## 6 Biggs ~ 183 84 black light brown 24 male mascu~
## 7 Obi-Wa~ 182 77 auburn, wh~ fair blue-gray 57 male mascu~
## 8 Anakin~ 188 84 blond fair blue 41.9 male mascu~
## 9 Chewba~ 228 112 brown unknown blue 200 male mascu~
## 10 Han So~ 180 80 brown fair brown 29 male mascu~
## # ... with 19 more rows, and 5 more variables: homeworld <chr>, species <chr>,
## # films <list>, vehicles <list>, starships <list>## [1] "name" "height" "mass" "hair_color" "skin_color"
## [6] "eye_color" "birth_year" "sex" "gender" "homeworld"
## [11] "species" "films" "vehicles" "starships"Supongamos que ahora queremos que nos ordene nuestra selección previa por estatura, por lo que necesitamos aplicar el comando arrange( )
starwars %>% filter(eye_color == "brown" | eye_color =="blue" | height >= 150) %>% na.omit() %>% arrange(height)## # A tibble: 29 x 14
## name height mass hair_color skin_color eye_color birth_year sex gender
## <chr> <int> <dbl> <chr> <chr> <chr> <dbl> <chr> <chr>
## 1 Wicket ~ 88 20 brown brown brown 8 male mascu~
## 2 Leia Or~ 150 49 brown light brown 19 fema~ femin~
## 3 Beru Wh~ 165 75 brown light blue 47 fema~ femin~
## 4 Padmé A~ 165 45 brown light brown 46 fema~ femin~
## 5 Barriss~ 166 50 black yellow blue 40 fema~ femin~
## 6 Wedge A~ 170 77 brown fair hazel 21 male mascu~
## 7 Palpati~ 170 75 grey pale yellow 82 male mascu~
## 8 Luminar~ 170 56.2 black yellow blue 58 fema~ femin~
## 9 Luke Sk~ 172 77 blond fair blue 19 male mascu~
## 10 Lobot 175 79 none light blue 37 male mascu~
## # ... with 19 more rows, and 5 more variables: homeworld <chr>, species <chr>,
## # films <list>, vehicles <list>, starships <list>También podemos aplicar dos filtros consecutivos
na.omit(starwars %>% filter(eye_color == "brown" | eye_color =="blue" | height >= 150) %>% na.omit() %>% arrange(species,height))## # A tibble: 29 x 14
## name height mass hair_color skin_color eye_color birth_year sex gender
## <chr> <int> <dbl> <chr> <chr> <chr> <dbl> <chr> <chr>
## 1 Ki-Adi-~ 198 82 white pale yellow 92 male mascu~
## 2 Wicket ~ 88 20 brown brown brown 8 male mascu~
## 3 Jar Jar~ 196 66 none orange orange 52 male mascu~
## 4 Leia Or~ 150 49 brown light brown 19 fema~ femin~
## 5 Beru Wh~ 165 75 brown light blue 47 fema~ femin~
## 6 Padmé A~ 165 45 brown light brown 46 fema~ femin~
## 7 Wedge A~ 170 77 brown fair hazel 21 male mascu~
## 8 Palpati~ 170 75 grey pale yellow 82 male mascu~
## 9 Luke Sk~ 172 77 blond fair blue 19 male mascu~
## 10 Lobot 175 79 none light blue 37 male mascu~
## # ... with 19 more rows, and 5 more variables: homeworld <chr>, species <chr>,
## # films <list>, vehicles <list>, starships <list>Tal como está desplegado cuesta ver el arreglo, hagamos una selección de las comlumnas que nos interesan y coloquemolas en el orden que nos convenga utilizando la función select( )
starwars %>% filter(eye_color == "brown" | eye_color =="blue" | height >= 150) %>% na.omit() %>% arrange(species,height) %>% select(name, species, hair_color,height)## # A tibble: 29 x 4
## name species hair_color height
## <chr> <chr> <chr> <int>
## 1 Ki-Adi-Mundi Cerean white 198
## 2 Wicket Systri Warrick Ewok brown 88
## 3 Jar Jar Binks Gungan none 196
## 4 Leia Organa Human brown 150
## 5 Beru Whitesun lars Human brown 165
## 6 Padmé Amidala Human brown 165
## 7 Wedge Antilles Human brown 170
## 8 Palpatine Human grey 170
## 9 Luke Skywalker Human blond 172
## 10 Lobot Human none 175
## # ... with 19 more rowsstarwars %>% filter(eye_color == "brown" | eye_color =="blue" | height >= 150) %>% na.omit() %>% arrange(species,height) %>% select(name, species, hair_color,height,mass)## # A tibble: 29 x 5
## name species hair_color height mass
## <chr> <chr> <chr> <int> <dbl>
## 1 Ki-Adi-Mundi Cerean white 198 82
## 2 Wicket Systri Warrick Ewok brown 88 20
## 3 Jar Jar Binks Gungan none 196 66
## 4 Leia Organa Human brown 150 49
## 5 Beru Whitesun lars Human brown 165 75
## 6 Padmé Amidala Human brown 165 45
## 7 Wedge Antilles Human brown 170 77
## 8 Palpatine Human grey 170 75
## 9 Luke Skywalker Human blond 172 77
## 10 Lobot Human none 175 79
## # ... with 19 more rowsSupongaos que ahora queremos obtener el Indice de Masa Corporal, de acuerdo con el CDC, el índice de masa corporal (IMC) es el peso de una persona en kilogramos dividido por el cuadrado de la estatura en metros.
starwars %>% select(name, species, hair_color,height,mass) %>% mutate(IMC= (mass)/((height/100)^2)) %>% na.omit()## # A tibble: 53 x 6
## name species hair_color height mass IMC
## <chr> <chr> <chr> <int> <dbl> <dbl>
## 1 Luke Skywalker Human blond 172 77 26.0
## 2 Darth Vader Human none 202 136 33.3
## 3 Leia Organa Human brown 150 49 21.8
## 4 Owen Lars Human brown, grey 178 120 37.9
## 5 Beru Whitesun lars Human brown 165 75 27.5
## 6 Biggs Darklighter Human black 183 84 25.1
## 7 Obi-Wan Kenobi Human auburn, white 182 77 23.2
## 8 Anakin Skywalker Human blond 188 84 23.8
## 9 Chewbacca Wookiee brown 228 112 21.5
## 10 Han Solo Human brown 180 80 24.7
## # ... with 43 more rowsAhora supongamos que queremos saber que significa el IMC y luego arreglemos por orden de IMC
st1<-
starwars %>%
select(name, species, height, mass) %>%
mutate(IMC= (mass)/((height/100)^2)) %>%
mutate(
IMC2= case_when(
IMC <18.5 ~ "Peso inferior al normal",
IMC >=18.5 & IMC <=24.9 ~ "Normal",
IMC >24.9 & IMC <=29.9 ~ "Peso superior al normal",
IMC >29.9 ~ "Obesidad",
TRUE ~ "otro"
)
) %>%
arrange(IMC)
st1## # A tibble: 87 x 6
## name species height mass IMC IMC2
## <chr> <chr> <int> <dbl> <dbl> <chr>
## 1 Wat Tambor Skakoan 193 48 12.9 Peso inferior al normal
## 2 Adi Gallia Tholothian 184 50 14.8 Peso inferior al normal
## 3 Sly Moore <NA> 178 48 15.1 Peso inferior al normal
## 4 Roos Tarpals Gungan 224 82 16.3 Peso inferior al normal
## 5 Padmé Amidala Human 165 45 16.5 Peso inferior al normal
## 6 Lama Su Kaminoan 229 88 16.8 Peso inferior al normal
## 7 Jar Jar Binks Gungan 196 66 17.2 Peso inferior al normal
## 8 Ayla Secura Twi'lek 178 55 17.4 Peso inferior al normal
## 9 Shaak Ti Togruta 178 57 18.0 Peso inferior al normal
## 10 Barriss Offee Mirialan 166 50 18.1 Peso inferior al normal
## # ... with 77 more rowsCon la función summarise( ) podemos realizar diversas operaciones, como calcular la media, la desviación estandar, realizar sumatoria, etc.
st1 %>%
na.omit() %>%
summarise(Altura.prom = mean(height),
Altura.sd = sd(height),
Masa.prom = mean(mass),
Masa.sd = sd(mass),
IMC.prom = mean(IMC),
IMC.sd=sd(IMC),
)## # A tibble: 1 x 6
## Altura.prom Altura.sd Masa.prom Masa.sd IMC.prom IMC.sd
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 174. 35.8 98.2 171. 32.3 55.3Que sucede si combinamos la operación anterior con group_by
st1 %>%
na.omit() %>%
group_by(species) %>%
summarise(Altura.prom = mean(height),
Altura.sd = sd(height),
Masa.prom = mean(mass),
Masa.sd = sd(mass),
IMC.prom = mean(IMC),
IMC.sd=sd(IMC),
)## # A tibble: 31 x 7
## species Altura.prom Altura.sd Masa.prom Masa.sd IMC.prom IMC.sd
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Aleena 79 NA 15 NA 24.0 NA
## 2 Besalisk 198 NA 102 NA 26.0 NA
## 3 Cerean 198 NA 82 NA 20.9 NA
## 4 Clawdite 168 NA 55 NA 19.5 NA
## 5 Droid 140 52.0 69.8 51.0 32.7 3.87
## 6 Dug 112 NA 40 NA 31.9 NA
## 7 Ewok 88 NA 20 NA 25.8 NA
## 8 Geonosian 183 NA 80 NA 23.9 NA
## 9 Gungan 210 19.8 74 11.3 16.8 0.592
## 10 Human 180. 11.4 82.8 19.4 25.5 4.55
## # ... with 21 more rows