1.1 Genere una muestra de tamaño 120 de la distribución normal con media 5, desviación estándar 0.85. Use solo dos números decimales (rnorm())
library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionoptions(digits=3)
#df1(biomsa-gramos)
df1 = rnorm(n=120, mean = 5, sd =0.85)
head(df1)## [1] 3.69 4.04 5.94 5.17 4.97 5.881.2 Genere una muestra de tamaño 120 de la distribución binomial con parámetros 0.8 (probabilidad) y 20 (ensayos independientes) (rbinom())
#df2(Flores.r (conteo de flores en tres ramas))
df2 =rbinom(n=120,prob = 0.8, size = 20 )
df2## [1] 17 17 18 15 19 15 16 16 13 14 16 17 15 18 18 15 15 15 14 16 14 19 17 14 17
## [26] 17 16 16 20 15 18 17 15 19 17 16 15 16 13 18 18 17 17 16 16 18 16 15 16 14
## [51] 17 19 15 16 16 9 17 17 18 17 13 17 16 17 15 14 16 15 13 17 17 16 17 14 13
## [76] 15 16 16 19 15 16 14 18 16 19 17 15 14 15 14 17 14 17 16 17 14 19 17 17 16
## [101] 14 15 16 15 14 16 18 17 16 14 18 18 16 16 14 17 18 18 14 131.3 Genere una muestra de tamaño 120 de la distribución Poisson con parámetro 10.5 (media) (rpois())
# df3 (Flores.d (conteo de flores desprendidas))
df3 =(rpois(n=120,lambda = 10.5))
head(df3) ## [1] 11 10 7 12 8 111.4 Genere una muestra con reemplazo de tamaño 120 de una secuencia de 300 números (sample.int())
#Hojas.d (conteo de hojas desprendidas)
df4=sample.int(n=300,size = 120,replace = T)
df4## [1] 202 179 28 276 253 40 297 241 224 195 251 237 211 57 9 140 128 280
## [19] 41 262 79 192 158 71 222 150 107 110 48 291 107 129 122 87 271 143
## [37] 15 255 24 137 134 277 184 41 293 255 200 158 50 74 82 138 74 261
## [55] 98 72 174 200 93 124 79 247 270 130 27 130 233 272 86 92 116 106
## [73] 112 31 270 15 288 134 7 7 83 11 81 130 9 74 137 271 31 154
## [91] 151 112 62 221 18 30 71 265 226 92 20 50 112 187 189 172 7 177
## [109] 57 253 200 109 176 254 44 89 186 223 213 691.5 Usando la librerı́a purrr genere una muestra de la distribución de Bernoulli de tamaño 120 y parámetro 0.75 (probabilidad) (rbernoulli()) y cambie el FALSE (ausente) y el TRUE por (presente).
library(purrr)
#Plaga
df5=rbernoulli(n = 120,p = 0.75)
df5_1 = ifelse(df5== TRUE, "presente","ausente")
head(df5_1)## [1] "presente" "presente" "ausente" "presente" "ausente" "presente"1.6 Genere tres niveles de un factor, cada uno con 40 datos y etiquételos con (S) para identificar la planta (sana), (PA) para las plantas parcialmente afectadas y (MA) para las muy afectadas. Use la función (gl()).
#Estatus
df6= gl(n=3,k=40, labels = c("S","PA","MA"))
df6## [1] S S S S S S S S S S S S S S S S S S S S S S S S S
## [26] S S S S S S S S S S S S S S S PA PA PA PA PA PA PA PA PA PA
## [51] PA PA PA PA PA PA PA PA PA PA PA PA PA PA PA PA PA PA PA PA PA PA PA PA PA
## [76] PA PA PA PA PA MA MA MA MA MA MA MA MA MA MA MA MA MA MA MA MA MA MA MA MA
## [101] MA MA MA MA MA MA MA MA MA MA MA MA MA MA MA MA MA MA MA MA
## Levels: S PA MA1.7 Genere dos niveles de un factor usando la distribución uniforme con parámetros 0 y 1.2, ponga para cada datos a generar de los 120 la condición de si el número generado es menor a 0.5, los etiquetamos como (FO) para asociarlo a fertilización orgánica, de lo contrario, use (FI) para asociarlo a fertilización inorgánica. Use la función (runif()). Si lo desea use la función (ifelse()) o (if else()) para condicionar.
set.seed(123)
#Fertlización
df7= runif(n =120,min = 0, max = 1.2)
df7_1= ifelse(df7[]<0.5, "FO","FI")1.8 Construya un marco de datos (data.frame()) o una tableta (tibble()) con todas la variables antes generadas y asigne repectivamente los nombres de variable: Biomasa(gramos), Flores.r (conteo de flores en tres ramas), Flores.d (conteo de flores desprendidas), Hojas.d (conteo de hojas desprendidas), Plaga , Estatus y Fertlización. Revise del objeto creado, su dimensión (dim()), su estructura con (str()) o (glimpse()), la clase (class()), los nombres en las variables (names()), la presencia de faltantes (is.na())
#Creación del data frame
tib.c =data.frame("Biomasa"=df1, "Flores.r" =df2, "Flores.d" = df3 , "Hojas.d"=df4,"Plaga"=df5_1, "Estatus"=df6, "Fertlizacion"= df7_1 )
# verificación de las dimensiones
dim(tib.c)## [1] 120 7# verificación de la estructura
#Forma 1
str(tib.c)## 'data.frame': 120 obs. of 7 variables:
## $ Biomasa : num 3.69 4.04 5.94 5.17 4.97 ...
## $ Flores.r : int 17 17 18 15 19 15 16 16 13 14 ...
## $ Flores.d : int 11 10 7 12 8 11 16 10 11 13 ...
## $ Hojas.d : int 202 179 28 276 253 40 297 241 224 195 ...
## $ Plaga : chr "presente" "presente" "ausente" "presente" ...
## $ Estatus : Factor w/ 3 levels "S","PA","MA": 1 1 1 1 1 1 1 1 1 1 ...
## $ Fertlizacion: chr "FO" "FI" "FO" "FI" ...#Forma 2
glimpse(tib.c)## Rows: 120
## Columns: 7
## $ Biomasa <dbl> 3.69, 4.04, 5.94, 5.17, 4.97, 5.88, 6.11, 3.64, 3.78, 5.4…
## $ Flores.r <int> 17, 17, 18, 15, 19, 15, 16, 16, 13, 14, 16, 17, 15, 18, 1…
## $ Flores.d <int> 11, 10, 7, 12, 8, 11, 16, 10, 11, 13, 12, 12, 8, 12, 9, 1…
## $ Hojas.d <int> 202, 179, 28, 276, 253, 40, 297, 241, 224, 195, 251, 237,…
## $ Plaga <chr> "presente", "presente", "ausente", "presente", "ausente",…
## $ Estatus <fct> S, S, S, S, S, S, S, S, S, S, S, S, S, S, S, S, S, S, S, …
## $ Fertlizacion <chr> "FO", "FI", "FO", "FI", "FI", "FO", "FI", "FI", "FI", "FI…# verificación de la clase
class(tib.c)## [1] "data.frame"#verificación de los nombres de las variables
names(tib.c)## [1] "Biomasa" "Flores.r" "Flores.d" "Hojas.d" "Plaga"
## [6] "Estatus" "Fertlizacion"#verificación de datos faltantes
head(is.na(tib.c))## Biomasa Flores.r Flores.d Hojas.d Plaga Estatus Fertlizacion
## [1,] FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [2,] FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [3,] FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [4,] FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [5,] FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [6,] FALSE FALSE FALSE FALSE FALSE FALSE FALSE1.9 Usando la información del punto anterior, Seleccione un subconjunto (el 75 % de las filas de todas las columnas) de todo el marco de datos o tableta. Use la función (sample n ()) y asigne un valor faltante NA a dos variables cuantitativas cualesquiera del conjunto de datos muestreado. LLame tib.c al data.frame completo y tic.i al pequeño. Con estos dos data.frames resuelva los puntos que se presentas en los ejercicios posteriores.
# para muestrar el 75% de las filas de todas las columnas, recordamos que las dimensiones del dataframe tib.c son [120 7] por ende el 75% son 90 filas
tic.i = sample_n(tib.c, size = 90)
#Asingar un valor faltante NA a un valor de la variable Biomasa y una de flores.d
tic.i[1,1]=NA # variable Biomasa
tic.i[2,3]=NA # variable flores.d
head(tic.i)## Biomasa Flores.r Flores.d Hojas.d Plaga Estatus Fertlizacion
## 1 NA 17 11 62 presente MA FO
## 2 5.48 14 NA 30 presente MA FO
## 3 5.53 17 8 116 presente PA FI
## 4 4.67 16 8 233 presente PA FI
## 5 5.30 17 13 158 presente S FI
## 6 3.96 19 9 7 ausente PA FO1.10 1.10.1 Seleccione una variable cualquiera con (select()) para tib.c
#seleccionado la variable Hojas.d
select(tib.c,Hojas.d)## Hojas.d
## 1 202
## 2 179
## 3 28
## 4 276
## 5 253
## 6 40
## 7 297
## 8 241
## 9 224
## 10 195
## 11 251
## 12 237
## 13 211
## 14 57
## 15 9
## 16 140
## 17 128
## 18 280
## 19 41
## 20 262
## 21 79
## 22 192
## 23 158
## 24 71
## 25 222
## 26 150
## 27 107
## 28 110
## 29 48
## 30 291
## 31 107
## 32 129
## 33 122
## 34 87
## 35 271
## 36 143
## 37 15
## 38 255
## 39 24
## 40 137
## 41 134
## 42 277
## 43 184
## 44 41
## 45 293
## 46 255
## 47 200
## 48 158
## 49 50
## 50 74
## 51 82
## 52 138
## 53 74
## 54 261
## 55 98
## 56 72
## 57 174
## 58 200
## 59 93
## 60 124
## 61 79
## 62 247
## 63 270
## 64 130
## 65 27
## 66 130
## 67 233
## 68 272
## 69 86
## 70 92
## 71 116
## 72 106
## 73 112
## 74 31
## 75 270
## 76 15
## 77 288
## 78 134
## 79 7
## 80 7
## 81 83
## 82 11
## 83 81
## 84 130
## 85 9
## 86 74
## 87 137
## 88 271
## 89 31
## 90 154
## 91 151
## 92 112
## 93 62
## 94 221
## 95 18
## 96 30
## 97 71
## 98 265
## 99 226
## 100 92
## 101 20
## 102 50
## 103 112
## 104 187
## 105 189
## 106 172
## 107 7
## 108 177
## 109 57
## 110 253
## 111 200
## 112 109
## 113 176
## 114 254
## 115 44
## 116 89
## 117 186
## 118 223
## 119 213
## 120 691.10.2 Seleccione desde la tercera a la sexta variable con (select(:)) para tib.c
select(tib.c,3:6)## Flores.d Hojas.d Plaga Estatus
## 1 11 202 presente S
## 2 10 179 presente S
## 3 7 28 ausente S
## 4 12 276 presente S
## 5 8 253 ausente S
## 6 11 40 presente S
## 7 16 297 presente S
## 8 10 241 presente S
## 9 11 224 presente S
## 10 13 195 presente S
## 11 12 251 presente S
## 12 12 237 presente S
## 13 8 211 presente S
## 14 12 57 presente S
## 15 9 9 presente S
## 16 19 140 ausente S
## 17 5 128 presente S
## 18 10 280 ausente S
## 19 12 41 presente S
## 20 8 262 presente S
## 21 10 79 presente S
## 22 8 192 presente S
## 23 13 158 presente S
## 24 11 71 presente S
## 25 11 222 presente S
## 26 7 150 presente S
## 27 11 107 presente S
## 28 19 110 ausente S
## 29 11 48 ausente S
## 30 10 291 ausente S
## 31 6 107 presente S
## 32 8 129 presente S
## 33 9 122 ausente S
## 34 13 87 ausente S
## 35 6 271 ausente S
## 36 12 143 ausente S
## 37 13 15 presente S
## 38 11 255 presente S
## 39 10 24 ausente S
## 40 12 137 presente S
## 41 12 134 presente PA
## 42 9 277 presente PA
## 43 9 184 presente PA
## 44 11 41 presente PA
## 45 7 293 ausente PA
## 46 11 255 presente PA
## 47 13 200 presente PA
## 48 13 158 presente PA
## 49 9 50 presente PA
## 50 10 74 ausente PA
## 51 9 82 ausente PA
## 52 10 138 presente PA
## 53 9 74 ausente PA
## 54 12 261 ausente PA
## 55 9 98 ausente PA
## 56 11 72 presente PA
## 57 10 174 presente PA
## 58 12 200 ausente PA
## 59 9 93 presente PA
## 60 14 124 presente PA
## 61 9 79 presente PA
## 62 11 247 presente PA
## 63 6 270 ausente PA
## 64 5 130 presente PA
## 65 8 27 presente PA
## 66 6 130 ausente PA
## 67 8 233 presente PA
## 68 10 272 ausente PA
## 69 11 86 ausente PA
## 70 8 92 presente PA
## 71 8 116 presente PA
## 72 9 106 presente PA
## 73 9 112 presente PA
## 74 8 31 presente PA
## 75 9 270 presente PA
## 76 13 15 presente PA
## 77 11 288 ausente PA
## 78 7 134 ausente PA
## 79 9 7 ausente PA
## 80 9 7 presente PA
## 81 11 83 presente MA
## 82 17 11 presente MA
## 83 7 81 presente MA
## 84 13 130 ausente MA
## 85 8 9 presente MA
## 86 13 74 presente MA
## 87 12 137 ausente MA
## 88 14 271 presente MA
## 89 14 31 presente MA
## 90 16 154 presente MA
## 91 6 151 presente MA
## 92 8 112 presente MA
## 93 11 62 presente MA
## 94 11 221 presente MA
## 95 9 18 ausente MA
## 96 11 30 presente MA
## 97 4 71 presente MA
## 98 4 265 ausente MA
## 99 13 226 presente MA
## 100 13 92 presente MA
## 101 12 20 presente MA
## 102 17 50 ausente MA
## 103 13 112 ausente MA
## 104 11 187 presente MA
## 105 12 189 presente MA
## 106 15 172 ausente MA
## 107 9 7 ausente MA
## 108 7 177 presente MA
## 109 8 57 presente MA
## 110 12 253 ausente MA
## 111 8 200 presente MA
## 112 9 109 ausente MA
## 113 16 176 ausente MA
## 114 10 254 presente MA
## 115 5 44 presente MA
## 116 11 89 ausente MA
## 117 10 186 presente MA
## 118 12 223 presente MA
## 119 11 213 presente MA
## 120 16 69 presente MA1.10.3 No seleccione desde la tercera a la sexta variable con (select(!(:))) para tib.c
(select(tib.c, !(3:6)))## Biomasa Flores.r Fertlizacion
## 1 3.69 17 FO
## 2 4.04 17 FI
## 3 5.94 18 FO
## 4 5.17 15 FI
## 5 4.97 19 FI
## 6 5.88 15 FO
## 7 6.11 16 FI
## 8 3.64 16 FI
## 9 3.78 13 FI
## 10 5.46 14 FI
## 11 4.97 16 FI
## 12 4.07 17 FI
## 13 6.57 15 FI
## 14 4.82 18 FI
## 15 2.95 18 FO
## 16 5.56 15 FI
## 17 4.50 15 FO
## 18 3.89 15 FO
## 19 4.30 14 FO
## 20 5.21 16 FI
## 21 5.20 14 FI
## 22 4.72 19 FI
## 23 5.30 17 FI
## 24 4.81 14 FI
## 25 5.81 17 FI
## 26 6.11 17 FI
## 27 5.01 16 FI
## 28 4.57 16 FI
## 29 4.79 20 FO
## 30 6.06 15 FO
## 31 4.36 18 FI
## 32 5.52 17 FI
## 33 6.96 15 FI
## 34 5.21 19 FI
## 35 5.12 17 FO
## 36 5.78 16 FI
## 37 5.40 15 FI
## 38 4.23 16 FO
## 39 5.36 13 FO
## 40 5.79 18 FO
## 41 4.49 18 FO
## 42 4.46 17 FO
## 43 4.65 17 FO
## 44 5.85 16 FO
## 45 6.01 16 FO
## 46 4.47 18 FO
## 47 3.45 16 FO
## 48 3.54 15 FI
## 49 4.88 16 FO
## 50 5.29 14 FI
## 51 4.45 17 FO
## 52 6.21 19 FI
## 53 6.04 15 FI
## 54 4.86 16 FO
## 55 5.03 16 FI
## 56 4.84 9 FO
## 57 5.68 17 FO
## 58 4.88 17 FI
## 59 6.60 18 FI
## 60 4.84 17 FO
## 61 3.94 13 FI
## 62 5.60 17 FO
## 63 4.86 16 FO
## 64 5.24 17 FO
## 65 5.79 15 FI
## 66 5.51 14 FI
## 67 4.67 16 FI
## 68 5.07 15 FI
## 69 5.88 13 FI
## 70 3.94 17 FI
## 71 5.53 17 FI
## 72 4.35 16 FI
## 73 3.89 17 FI
## 74 4.92 14 FO
## 75 3.99 13 FI
## 76 4.47 15 FO
## 77 4.81 16 FO
## 78 6.12 16 FI
## 79 3.96 19 FO
## 80 4.47 15 FO
## 81 3.01 16 FO
## 82 5.58 14 FI
## 83 4.45 18 FI
## 84 4.41 16 FI
## 85 4.12 19 FO
## 86 5.45 17 FI
## 87 6.20 15 FI
## 88 5.01 14 FI
## 89 5.16 15 FI
## 90 4.91 14 FO
## 91 6.20 17 FO
## 92 5.52 14 FI
## 93 5.50 17 FO
## 94 3.05 16 FI
## 95 5.62 17 FO
## 96 5.48 14 FO
## 97 4.88 19 FI
## 98 4.84 17 FO
## 99 4.59 17 FI
## 100 5.08 16 FI
## 101 3.98 14 FI
## 102 5.07 15 FO
## 103 5.09 16 FI
## 104 5.66 15 FI
## 105 4.48 14 FI
## 106 5.96 16 FI
## 107 5.07 18 FI
## 108 4.06 17 FI
## 109 4.43 16 FO
## 110 3.73 14 FO
## 111 4.96 18 FI
## 112 5.02 18 FO
## 113 4.06 16 FO
## 114 4.45 16 FI
## 115 4.84 14 FI
## 116 3.86 17 FO
## 117 5.84 18 FI
## 118 4.38 18 FI
## 119 5.35 14 FI
## 120 5.10 13 FO1.10.4 Seleccione las que no finalizan con .d usando (select(!ends with()))
(select(tib.c,!ends_with(".d")))## Biomasa Flores.r Plaga Estatus Fertlizacion
## 1 3.69 17 presente S FO
## 2 4.04 17 presente S FI
## 3 5.94 18 ausente S FO
## 4 5.17 15 presente S FI
## 5 4.97 19 ausente S FI
## 6 5.88 15 presente S FO
## 7 6.11 16 presente S FI
## 8 3.64 16 presente S FI
## 9 3.78 13 presente S FI
## 10 5.46 14 presente S FI
## 11 4.97 16 presente S FI
## 12 4.07 17 presente S FI
## 13 6.57 15 presente S FI
## 14 4.82 18 presente S FI
## 15 2.95 18 presente S FO
## 16 5.56 15 ausente S FI
## 17 4.50 15 presente S FO
## 18 3.89 15 ausente S FO
## 19 4.30 14 presente S FO
## 20 5.21 16 presente S FI
## 21 5.20 14 presente S FI
## 22 4.72 19 presente S FI
## 23 5.30 17 presente S FI
## 24 4.81 14 presente S FI
## 25 5.81 17 presente S FI
## 26 6.11 17 presente S FI
## 27 5.01 16 presente S FI
## 28 4.57 16 ausente S FI
## 29 4.79 20 ausente S FO
## 30 6.06 15 ausente S FO
## 31 4.36 18 presente S FI
## 32 5.52 17 presente S FI
## 33 6.96 15 ausente S FI
## 34 5.21 19 ausente S FI
## 35 5.12 17 ausente S FO
## 36 5.78 16 ausente S FI
## 37 5.40 15 presente S FI
## 38 4.23 16 presente S FO
## 39 5.36 13 ausente S FO
## 40 5.79 18 presente S FO
## 41 4.49 18 presente PA FO
## 42 4.46 17 presente PA FO
## 43 4.65 17 presente PA FO
## 44 5.85 16 presente PA FO
## 45 6.01 16 ausente PA FO
## 46 4.47 18 presente PA FO
## 47 3.45 16 presente PA FO
## 48 3.54 15 presente PA FI
## 49 4.88 16 presente PA FO
## 50 5.29 14 ausente PA FI
## 51 4.45 17 ausente PA FO
## 52 6.21 19 presente PA FI
## 53 6.04 15 ausente PA FI
## 54 4.86 16 ausente PA FO
## 55 5.03 16 ausente PA FI
## 56 4.84 9 presente PA FO
## 57 5.68 17 presente PA FO
## 58 4.88 17 ausente PA FI
## 59 6.60 18 presente PA FI
## 60 4.84 17 presente PA FO
## 61 3.94 13 presente PA FI
## 62 5.60 17 presente PA FO
## 63 4.86 16 ausente PA FO
## 64 5.24 17 presente PA FO
## 65 5.79 15 presente PA FI
## 66 5.51 14 ausente PA FI
## 67 4.67 16 presente PA FI
## 68 5.07 15 ausente PA FI
## 69 5.88 13 ausente PA FI
## 70 3.94 17 presente PA FI
## 71 5.53 17 presente PA FI
## 72 4.35 16 presente PA FI
## 73 3.89 17 presente PA FI
## 74 4.92 14 presente PA FO
## 75 3.99 13 presente PA FI
## 76 4.47 15 presente PA FO
## 77 4.81 16 ausente PA FO
## 78 6.12 16 ausente PA FI
## 79 3.96 19 ausente PA FO
## 80 4.47 15 presente PA FO
## 81 3.01 16 presente MA FO
## 82 5.58 14 presente MA FI
## 83 4.45 18 presente MA FI
## 84 4.41 16 ausente MA FI
## 85 4.12 19 presente MA FO
## 86 5.45 17 presente MA FI
## 87 6.20 15 ausente MA FI
## 88 5.01 14 presente MA FI
## 89 5.16 15 presente MA FI
## 90 4.91 14 presente MA FO
## 91 6.20 17 presente MA FO
## 92 5.52 14 presente MA FI
## 93 5.50 17 presente MA FO
## 94 3.05 16 presente MA FI
## 95 5.62 17 ausente MA FO
## 96 5.48 14 presente MA FO
## 97 4.88 19 presente MA FI
## 98 4.84 17 ausente MA FO
## 99 4.59 17 presente MA FI
## 100 5.08 16 presente MA FI
## 101 3.98 14 presente MA FI
## 102 5.07 15 ausente MA FO
## 103 5.09 16 ausente MA FI
## 104 5.66 15 presente MA FI
## 105 4.48 14 presente MA FI
## 106 5.96 16 ausente MA FI
## 107 5.07 18 ausente MA FI
## 108 4.06 17 presente MA FI
## 109 4.43 16 presente MA FO
## 110 3.73 14 ausente MA FO
## 111 4.96 18 presente MA FI
## 112 5.02 18 ausente MA FO
## 113 4.06 16 ausente MA FO
## 114 4.45 16 presente MA FI
## 115 4.84 14 presente MA FI
## 116 3.86 17 ausente MA FO
## 117 5.84 18 presente MA FI
## 118 4.38 18 presente MA FI
## 119 5.35 14 presente MA FI
## 120 5.10 13 presente MA FO1.10.5 Seleccione las que comienzan con Fl usando (select(starts with()))
(select(tib.c, starts_with("Fl")))## Flores.r Flores.d
## 1 17 11
## 2 17 10
## 3 18 7
## 4 15 12
## 5 19 8
## 6 15 11
## 7 16 16
## 8 16 10
## 9 13 11
## 10 14 13
## 11 16 12
## 12 17 12
## 13 15 8
## 14 18 12
## 15 18 9
## 16 15 19
## 17 15 5
## 18 15 10
## 19 14 12
## 20 16 8
## 21 14 10
## 22 19 8
## 23 17 13
## 24 14 11
## 25 17 11
## 26 17 7
## 27 16 11
## 28 16 19
## 29 20 11
## 30 15 10
## 31 18 6
## 32 17 8
## 33 15 9
## 34 19 13
## 35 17 6
## 36 16 12
## 37 15 13
## 38 16 11
## 39 13 10
## 40 18 12
## 41 18 12
## 42 17 9
## 43 17 9
## 44 16 11
## 45 16 7
## 46 18 11
## 47 16 13
## 48 15 13
## 49 16 9
## 50 14 10
## 51 17 9
## 52 19 10
## 53 15 9
## 54 16 12
## 55 16 9
## 56 9 11
## 57 17 10
## 58 17 12
## 59 18 9
## 60 17 14
## 61 13 9
## 62 17 11
## 63 16 6
## 64 17 5
## 65 15 8
## 66 14 6
## 67 16 8
## 68 15 10
## 69 13 11
## 70 17 8
## 71 17 8
## 72 16 9
## 73 17 9
## 74 14 8
## 75 13 9
## 76 15 13
## 77 16 11
## 78 16 7
## 79 19 9
## 80 15 9
## 81 16 11
## 82 14 17
## 83 18 7
## 84 16 13
## 85 19 8
## 86 17 13
## 87 15 12
## 88 14 14
## 89 15 14
## 90 14 16
## 91 17 6
## 92 14 8
## 93 17 11
## 94 16 11
## 95 17 9
## 96 14 11
## 97 19 4
## 98 17 4
## 99 17 13
## 100 16 13
## 101 14 12
## 102 15 17
## 103 16 13
## 104 15 11
## 105 14 12
## 106 16 15
## 107 18 9
## 108 17 7
## 109 16 8
## 110 14 12
## 111 18 8
## 112 18 9
## 113 16 16
## 114 16 10
## 115 14 5
## 116 17 11
## 117 18 10
## 118 18 12
## 119 14 11
## 120 13 161.10.6 Seleccione las que comienzan con F y terminan con .d usando (select(starts with()&ends with()))
(select(tib.c,starts_with("F") & ends_with(".d")))## Flores.d
## 1 11
## 2 10
## 3 7
## 4 12
## 5 8
## 6 11
## 7 16
## 8 10
## 9 11
## 10 13
## 11 12
## 12 12
## 13 8
## 14 12
## 15 9
## 16 19
## 17 5
## 18 10
## 19 12
## 20 8
## 21 10
## 22 8
## 23 13
## 24 11
## 25 11
## 26 7
## 27 11
## 28 19
## 29 11
## 30 10
## 31 6
## 32 8
## 33 9
## 34 13
## 35 6
## 36 12
## 37 13
## 38 11
## 39 10
## 40 12
## 41 12
## 42 9
## 43 9
## 44 11
## 45 7
## 46 11
## 47 13
## 48 13
## 49 9
## 50 10
## 51 9
## 52 10
## 53 9
## 54 12
## 55 9
## 56 11
## 57 10
## 58 12
## 59 9
## 60 14
## 61 9
## 62 11
## 63 6
## 64 5
## 65 8
## 66 6
## 67 8
## 68 10
## 69 11
## 70 8
## 71 8
## 72 9
## 73 9
## 74 8
## 75 9
## 76 13
## 77 11
## 78 7
## 79 9
## 80 9
## 81 11
## 82 17
## 83 7
## 84 13
## 85 8
## 86 13
## 87 12
## 88 14
## 89 14
## 90 16
## 91 6
## 92 8
## 93 11
## 94 11
## 95 9
## 96 11
## 97 4
## 98 4
## 99 13
## 100 13
## 101 12
## 102 17
## 103 13
## 104 11
## 105 12
## 106 15
## 107 9
## 108 7
## 109 8
## 110 12
## 111 8
## 112 9
## 113 16
## 114 10
## 115 5
## 116 11
## 117 10
## 118 12
## 119 11
## 120 161.10.7 Seleccione una variable cualquiera con (select()) para tib.c y agrúpela por Estatus usando ( group by() )
head(tib.c)## Biomasa Flores.r Flores.d Hojas.d Plaga Estatus Fertlizacion
## 1 3.69 17 11 202 presente S FO
## 2 4.04 17 10 179 presente S FI
## 3 5.94 18 7 28 ausente S FO
## 4 5.17 15 12 276 presente S FI
## 5 4.97 19 8 253 ausente S FI
## 6 5.88 15 11 40 presente S FOaux = tib.c %>% group_by(Estatus) %>%select(Flores.d)## Adding missing grouping variables: `Estatus`1.10.8 Guarde el resultado previo en la variable var estatus y ordene de mayor a menor por la misma variable anterior usando (arrange(desc(), .by group = TRUE)) para tib.c
var.estatus=tib.c %>% arrange(desc(Flores.d), by_group = TRUE)
var.estatus## Biomasa Flores.r Flores.d Hojas.d Plaga Estatus Fertlizacion
## 1 5.56 15 19 140 ausente S FI
## 2 4.57 16 19 110 ausente S FI
## 3 5.58 14 17 11 presente MA FI
## 4 5.07 15 17 50 ausente MA FO
## 5 6.11 16 16 297 presente S FI
## 6 4.91 14 16 154 presente MA FO
## 7 4.06 16 16 176 ausente MA FO
## 8 5.10 13 16 69 presente MA FO
## 9 5.96 16 15 172 ausente MA FI
## 10 4.84 17 14 124 presente PA FO
## 11 5.01 14 14 271 presente MA FI
## 12 5.16 15 14 31 presente MA FI
## 13 5.46 14 13 195 presente S FI
## 14 5.30 17 13 158 presente S FI
## 15 5.21 19 13 87 ausente S FI
## 16 5.40 15 13 15 presente S FI
## 17 3.45 16 13 200 presente PA FO
## 18 3.54 15 13 158 presente PA FI
## 19 4.47 15 13 15 presente PA FO
## 20 4.41 16 13 130 ausente MA FI
## 21 5.45 17 13 74 presente MA FI
## 22 4.59 17 13 226 presente MA FI
## 23 5.08 16 13 92 presente MA FI
## 24 5.09 16 13 112 ausente MA FI
## 25 5.17 15 12 276 presente S FI
## 26 4.97 16 12 251 presente S FI
## 27 4.07 17 12 237 presente S FI
## 28 4.82 18 12 57 presente S FI
## 29 4.30 14 12 41 presente S FO
## 30 5.78 16 12 143 ausente S FI
## 31 5.79 18 12 137 presente S FO
## 32 4.49 18 12 134 presente PA FO
## 33 4.86 16 12 261 ausente PA FO
## 34 4.88 17 12 200 ausente PA FI
## 35 6.20 15 12 137 ausente MA FI
## 36 3.98 14 12 20 presente MA FI
## 37 4.48 14 12 189 presente MA FI
## 38 3.73 14 12 253 ausente MA FO
## 39 4.38 18 12 223 presente MA FI
## 40 3.69 17 11 202 presente S FO
## 41 5.88 15 11 40 presente S FO
## 42 3.78 13 11 224 presente S FI
## 43 4.81 14 11 71 presente S FI
## 44 5.81 17 11 222 presente S FI
## 45 5.01 16 11 107 presente S FI
## 46 4.79 20 11 48 ausente S FO
## 47 4.23 16 11 255 presente S FO
## 48 5.85 16 11 41 presente PA FO
## 49 4.47 18 11 255 presente PA FO
## 50 4.84 9 11 72 presente PA FO
## 51 5.60 17 11 247 presente PA FO
## 52 5.88 13 11 86 ausente PA FI
## 53 4.81 16 11 288 ausente PA FO
## 54 3.01 16 11 83 presente MA FO
## 55 5.50 17 11 62 presente MA FO
## 56 3.05 16 11 221 presente MA FI
## 57 5.48 14 11 30 presente MA FO
## 58 5.66 15 11 187 presente MA FI
## 59 3.86 17 11 89 ausente MA FO
## 60 5.35 14 11 213 presente MA FI
## 61 4.04 17 10 179 presente S FI
## 62 3.64 16 10 241 presente S FI
## 63 3.89 15 10 280 ausente S FO
## 64 5.20 14 10 79 presente S FI
## 65 6.06 15 10 291 ausente S FO
## 66 5.36 13 10 24 ausente S FO
## 67 5.29 14 10 74 ausente PA FI
## 68 6.21 19 10 138 presente PA FI
## 69 5.68 17 10 174 presente PA FO
## 70 5.07 15 10 272 ausente PA FI
## 71 4.45 16 10 254 presente MA FI
## 72 5.84 18 10 186 presente MA FI
## 73 2.95 18 9 9 presente S FO
## 74 6.96 15 9 122 ausente S FI
## 75 4.46 17 9 277 presente PA FO
## 76 4.65 17 9 184 presente PA FO
## 77 4.88 16 9 50 presente PA FO
## 78 4.45 17 9 82 ausente PA FO
## 79 6.04 15 9 74 ausente PA FI
## 80 5.03 16 9 98 ausente PA FI
## 81 6.60 18 9 93 presente PA FI
## 82 3.94 13 9 79 presente PA FI
## 83 4.35 16 9 106 presente PA FI
## 84 3.89 17 9 112 presente PA FI
## 85 3.99 13 9 270 presente PA FI
## 86 3.96 19 9 7 ausente PA FO
## 87 4.47 15 9 7 presente PA FO
## 88 5.62 17 9 18 ausente MA FO
## 89 5.07 18 9 7 ausente MA FI
## 90 5.02 18 9 109 ausente MA FO
## 91 4.97 19 8 253 ausente S FI
## 92 6.57 15 8 211 presente S FI
## 93 5.21 16 8 262 presente S FI
## 94 4.72 19 8 192 presente S FI
## 95 5.52 17 8 129 presente S FI
## 96 5.79 15 8 27 presente PA FI
## 97 4.67 16 8 233 presente PA FI
## 98 3.94 17 8 92 presente PA FI
## 99 5.53 17 8 116 presente PA FI
## 100 4.92 14 8 31 presente PA FO
## 101 4.12 19 8 9 presente MA FO
## 102 5.52 14 8 112 presente MA FI
## 103 4.43 16 8 57 presente MA FO
## 104 4.96 18 8 200 presente MA FI
## 105 5.94 18 7 28 ausente S FO
## 106 6.11 17 7 150 presente S FI
## 107 6.01 16 7 293 ausente PA FO
## 108 6.12 16 7 134 ausente PA FI
## 109 4.45 18 7 81 presente MA FI
## 110 4.06 17 7 177 presente MA FI
## 111 4.36 18 6 107 presente S FI
## 112 5.12 17 6 271 ausente S FO
## 113 4.86 16 6 270 ausente PA FO
## 114 5.51 14 6 130 ausente PA FI
## 115 6.20 17 6 151 presente MA FO
## 116 4.50 15 5 128 presente S FO
## 117 5.24 17 5 130 presente PA FO
## 118 4.84 14 5 44 presente MA FI
## 119 4.88 19 4 71 presente MA FI
## 120 4.84 17 4 265 ausente MA FO1.10.9 Filtre los datos que comienzan con Flores para el estatus muy afectadas (Filter(,) )
#flores.muyafectadas = tib.c%>%select(starts_with("Flores"))%>%filter(Estatus=="PA")1.10.10 Filtre los datos para cuando la biomasa es superior a 5 gramos
biomass.5g<-tib.c%>%filter(Biomasa>5)
biomass.5g## Biomasa Flores.r Flores.d Hojas.d Plaga Estatus Fertlizacion
## 1 5.94 18 7 28 ausente S FO
## 2 5.17 15 12 276 presente S FI
## 3 5.88 15 11 40 presente S FO
## 4 6.11 16 16 297 presente S FI
## 5 5.46 14 13 195 presente S FI
## 6 6.57 15 8 211 presente S FI
## 7 5.56 15 19 140 ausente S FI
## 8 5.21 16 8 262 presente S FI
## 9 5.20 14 10 79 presente S FI
## 10 5.30 17 13 158 presente S FI
## 11 5.81 17 11 222 presente S FI
## 12 6.11 17 7 150 presente S FI
## 13 5.01 16 11 107 presente S FI
## 14 6.06 15 10 291 ausente S FO
## 15 5.52 17 8 129 presente S FI
## 16 6.96 15 9 122 ausente S FI
## 17 5.21 19 13 87 ausente S FI
## 18 5.12 17 6 271 ausente S FO
## 19 5.78 16 12 143 ausente S FI
## 20 5.40 15 13 15 presente S FI
## 21 5.36 13 10 24 ausente S FO
## 22 5.79 18 12 137 presente S FO
## 23 5.85 16 11 41 presente PA FO
## 24 6.01 16 7 293 ausente PA FO
## 25 5.29 14 10 74 ausente PA FI
## 26 6.21 19 10 138 presente PA FI
## 27 6.04 15 9 74 ausente PA FI
## 28 5.03 16 9 98 ausente PA FI
## 29 5.68 17 10 174 presente PA FO
## 30 6.60 18 9 93 presente PA FI
## 31 5.60 17 11 247 presente PA FO
## 32 5.24 17 5 130 presente PA FO
## 33 5.79 15 8 27 presente PA FI
## 34 5.51 14 6 130 ausente PA FI
## 35 5.07 15 10 272 ausente PA FI
## 36 5.88 13 11 86 ausente PA FI
## 37 5.53 17 8 116 presente PA FI
## 38 6.12 16 7 134 ausente PA FI
## 39 5.58 14 17 11 presente MA FI
## 40 5.45 17 13 74 presente MA FI
## 41 6.20 15 12 137 ausente MA FI
## 42 5.01 14 14 271 presente MA FI
## 43 5.16 15 14 31 presente MA FI
## 44 6.20 17 6 151 presente MA FO
## 45 5.52 14 8 112 presente MA FI
## 46 5.50 17 11 62 presente MA FO
## 47 5.62 17 9 18 ausente MA FO
## 48 5.48 14 11 30 presente MA FO
## 49 5.08 16 13 92 presente MA FI
## 50 5.07 15 17 50 ausente MA FO
## 51 5.09 16 13 112 ausente MA FI
## 52 5.66 15 11 187 presente MA FI
## 53 5.96 16 15 172 ausente MA FI
## 54 5.07 18 9 7 ausente MA FI
## 55 5.02 18 9 109 ausente MA FO
## 56 5.84 18 10 186 presente MA FI
## 57 5.35 14 11 213 presente MA FI
## 58 5.10 13 16 69 presente MA FO1.10.11 Filtre los datos para tener solo fertilización se tienen plantas parcialmente afectadas y fueron tratadas con fertilización orgánica
plantas_pafectada_Forganica = tib.c%>%filter(Estatus=="PA",Fertlizacion=="FO")
plantas_pafectada_Forganica## Biomasa Flores.r Flores.d Hojas.d Plaga Estatus Fertlizacion
## 1 4.49 18 12 134 presente PA FO
## 2 4.46 17 9 277 presente PA FO
## 3 4.65 17 9 184 presente PA FO
## 4 5.85 16 11 41 presente PA FO
## 5 6.01 16 7 293 ausente PA FO
## 6 4.47 18 11 255 presente PA FO
## 7 3.45 16 13 200 presente PA FO
## 8 4.88 16 9 50 presente PA FO
## 9 4.45 17 9 82 ausente PA FO
## 10 4.86 16 12 261 ausente PA FO
## 11 4.84 9 11 72 presente PA FO
## 12 5.68 17 10 174 presente PA FO
## 13 4.84 17 14 124 presente PA FO
## 14 5.60 17 11 247 presente PA FO
## 15 4.86 16 6 270 ausente PA FO
## 16 5.24 17 5 130 presente PA FO
## 17 4.92 14 8 31 presente PA FO
## 18 4.47 15 13 15 presente PA FO
## 19 4.81 16 11 288 ausente PA FO
## 20 3.96 19 9 7 ausente PA FO
## 21 4.47 15 9 7 presente PA FO1.10.12 Filtre los datos para tener solo fertilización se tienen plantas parcialmente afectadas o fueron tratadas con fertilización inorgánica
plantas_pafectada_Finor = tib.c%>%filter(Estatus=="PA" | Fertlizacion=="FI")
plantas_pafectada_Finor## Biomasa Flores.r Flores.d Hojas.d Plaga Estatus Fertlizacion
## 1 4.04 17 10 179 presente S FI
## 2 5.17 15 12 276 presente S FI
## 3 4.97 19 8 253 ausente S FI
## 4 6.11 16 16 297 presente S FI
## 5 3.64 16 10 241 presente S FI
## 6 3.78 13 11 224 presente S FI
## 7 5.46 14 13 195 presente S FI
## 8 4.97 16 12 251 presente S FI
## 9 4.07 17 12 237 presente S FI
## 10 6.57 15 8 211 presente S FI
## 11 4.82 18 12 57 presente S FI
## 12 5.56 15 19 140 ausente S FI
## 13 5.21 16 8 262 presente S FI
## 14 5.20 14 10 79 presente S FI
## 15 4.72 19 8 192 presente S FI
## 16 5.30 17 13 158 presente S FI
## 17 4.81 14 11 71 presente S FI
## 18 5.81 17 11 222 presente S FI
## 19 6.11 17 7 150 presente S FI
## 20 5.01 16 11 107 presente S FI
## 21 4.57 16 19 110 ausente S FI
## 22 4.36 18 6 107 presente S FI
## 23 5.52 17 8 129 presente S FI
## 24 6.96 15 9 122 ausente S FI
## 25 5.21 19 13 87 ausente S FI
## 26 5.78 16 12 143 ausente S FI
## 27 5.40 15 13 15 presente S FI
## 28 4.49 18 12 134 presente PA FO
## 29 4.46 17 9 277 presente PA FO
## 30 4.65 17 9 184 presente PA FO
## 31 5.85 16 11 41 presente PA FO
## 32 6.01 16 7 293 ausente PA FO
## 33 4.47 18 11 255 presente PA FO
## 34 3.45 16 13 200 presente PA FO
## 35 3.54 15 13 158 presente PA FI
## 36 4.88 16 9 50 presente PA FO
## 37 5.29 14 10 74 ausente PA FI
## 38 4.45 17 9 82 ausente PA FO
## 39 6.21 19 10 138 presente PA FI
## 40 6.04 15 9 74 ausente PA FI
## 41 4.86 16 12 261 ausente PA FO
## 42 5.03 16 9 98 ausente PA FI
## 43 4.84 9 11 72 presente PA FO
## 44 5.68 17 10 174 presente PA FO
## 45 4.88 17 12 200 ausente PA FI
## 46 6.60 18 9 93 presente PA FI
## 47 4.84 17 14 124 presente PA FO
## 48 3.94 13 9 79 presente PA FI
## 49 5.60 17 11 247 presente PA FO
## 50 4.86 16 6 270 ausente PA FO
## 51 5.24 17 5 130 presente PA FO
## 52 5.79 15 8 27 presente PA FI
## 53 5.51 14 6 130 ausente PA FI
## 54 4.67 16 8 233 presente PA FI
## 55 5.07 15 10 272 ausente PA FI
## 56 5.88 13 11 86 ausente PA FI
## 57 3.94 17 8 92 presente PA FI
## 58 5.53 17 8 116 presente PA FI
## 59 4.35 16 9 106 presente PA FI
## 60 3.89 17 9 112 presente PA FI
## 61 4.92 14 8 31 presente PA FO
## 62 3.99 13 9 270 presente PA FI
## 63 4.47 15 13 15 presente PA FO
## 64 4.81 16 11 288 ausente PA FO
## 65 6.12 16 7 134 ausente PA FI
## 66 3.96 19 9 7 ausente PA FO
## 67 4.47 15 9 7 presente PA FO
## 68 5.58 14 17 11 presente MA FI
## 69 4.45 18 7 81 presente MA FI
## 70 4.41 16 13 130 ausente MA FI
## 71 5.45 17 13 74 presente MA FI
## 72 6.20 15 12 137 ausente MA FI
## 73 5.01 14 14 271 presente MA FI
## 74 5.16 15 14 31 presente MA FI
## 75 5.52 14 8 112 presente MA FI
## 76 3.05 16 11 221 presente MA FI
## 77 4.88 19 4 71 presente MA FI
## 78 4.59 17 13 226 presente MA FI
## 79 5.08 16 13 92 presente MA FI
## 80 3.98 14 12 20 presente MA FI
## 81 5.09 16 13 112 ausente MA FI
## 82 5.66 15 11 187 presente MA FI
## 83 4.48 14 12 189 presente MA FI
## 84 5.96 16 15 172 ausente MA FI
## 85 5.07 18 9 7 ausente MA FI
## 86 4.06 17 7 177 presente MA FI
## 87 4.96 18 8 200 presente MA FI
## 88 4.45 16 10 254 presente MA FI
## 89 4.84 14 5 44 presente MA FI
## 90 5.84 18 10 186 presente MA FI
## 91 4.38 18 12 223 presente MA FI
## 92 5.35 14 11 213 presente MA FI1.10.13 Filtre los datos de Flores desprendidas por presencia o ausencia de plaga para cuando el número de flores desprendidas es mayor a su mediana
floresDesp_Pplaga= tib.c%>%filter(Plaga=="presente"& Flores.d>median(Flores.d))
head(floresDesp_Pplaga)## Biomasa Flores.r Flores.d Hojas.d Plaga Estatus Fertlizacion
## 1 3.69 17 11 202 presente S FO
## 2 5.17 15 12 276 presente S FI
## 3 5.88 15 11 40 presente S FO
## 4 6.11 16 16 297 presente S FI
## 5 3.78 13 11 224 presente S FI
## 6 5.46 14 13 195 presente S FIfloresDesp_Aplaga= tib.c%>%filter(Plaga=="ausente"& Flores.d>median(Flores.d))
head(floresDesp_Aplaga)## Biomasa Flores.r Flores.d Hojas.d Plaga Estatus Fertlizacion
## 1 5.56 15 19 140 ausente S FI
## 2 4.57 16 19 110 ausente S FI
## 3 4.79 20 11 48 ausente S FO
## 4 5.21 19 13 87 ausente S FI
## 5 5.78 16 12 143 ausente S FI
## 6 4.86 16 12 261 ausente PA FO1.10.14 Filtre los datos de una de las variables con datos faltantes por presencia o ausencia de plaga para cuando el valor de la variable con faltante es mayor a su mediana. Compare los resultados en los dos conjuntos de datos (completo o muestreado). Si encuentra diferencias en la mediana use median(, na.rm = TRUE)
filter_medianBio= tib.c%>%select(Biomasa,Plaga)%>%filter(Biomasa> median(Biomasa,na.rm = TRUE ))
head(filter_medianBio)## Biomasa Plaga
## 1 5.94 ausente
## 2 5.17 presente
## 3 4.97 ausente
## 4 5.88 presente
## 5 6.11 presente
## 6 5.46 presente# para verificar las medias
m1 = median(tib.c$Biomasa)
m1## [1] 4.96m2 = median(tib.c$Biomasa,na.rm = TRUE )
m2## [1] 4.961.10.15 Seleccione dos variables cuantitativas y ası́gnelas a un vector con c(,) y nómbrelo con v1. Ponga en otro vector dos valores numéricos que sirvan de condición a cada variable, por ejemplo, el cuartil inferior para una y el cuartil superior para la otra y llámelo v2. Usando ahora pipes, llame el data.frame completo y filtre usando el operador punto para seleccionar aquellos datos que superan respectivamente cada variable el valor de la condición. Use ( v1 = c(); v2 = c(); tib.c % > %filter(.data[[v1[[1]] > v2[[1]], .data[[v1[[2]] > v2[[2]]))
v1 = c(tib.c$Flores.d,tib.c$Hojas.d)
c1=quantile(tib.c$Flores.d,0.75)
c2=quantile(tib.c$Hojas.d,0.25)
v2 = c(12,72.8)
#tib.c%>%filter(.data[[v1[[1]]]] > v2[[1]], .data[[v1[[2]]]] > v2[[2]])1.10.16 Cree un data frame o tableta con todas las variables cuantitativas continuas estandarizadas con el (score z) y las discretas con la estadarización minimax y llámelo tib.e. Use (mutate())
F_standar = function(x){ media = mean(x)
desv = sd(x)
z = (x - media)/desv
return(z)
}
F_min_max= function(x){ min = min(x)
max = max(x)
result = (x - min)/(max-min)
return(result)
}
tib.e = tib.c %>% mutate(Z_biom=F_standar(Biomasa),
Z.Flores.r=F_min_max(Flores.r),
Z.Flores.d=F_min_max(Flores.d),
Z.Hojas=F_min_max(Hojas.d))
head(tib.e)## Biomasa Flores.r Flores.d Hojas.d Plaga Estatus Fertlizacion Z_biom
## 1 3.69 17 11 202 presente S FO -1.5797
## 2 4.04 17 10 179 presente S FI -1.1383
## 3 5.94 18 7 28 ausente S FO 1.2400
## 4 5.17 15 12 276 presente S FI 0.2748
## 5 4.97 19 8 253 ausente S FI 0.0266
## 6 5.88 15 11 40 presente S FO 1.1666
## Z.Flores.r Z.Flores.d Z.Hojas
## 1 0.727 0.467 0.6724
## 2 0.727 0.400 0.5931
## 3 0.818 0.200 0.0724
## 4 0.545 0.533 0.9276
## 5 0.909 0.267 0.8483
## 6 0.545 0.467 0.11381.10.17 Cree una nueva variable para tib.e donde divida el número de flores en las ramas con el número de flores desprendidas.
tib.e %>% mutate(relacionFr.Fd=Flores.r/Flores.d)## Biomasa Flores.r Flores.d Hojas.d Plaga Estatus Fertlizacion Z_biom
## 1 3.69 17 11 202 presente S FO -1.5797
## 2 4.04 17 10 179 presente S FI -1.1383
## 3 5.94 18 7 28 ausente S FO 1.2400
## 4 5.17 15 12 276 presente S FI 0.2748
## 5 4.97 19 8 253 ausente S FI 0.0266
## 6 5.88 15 11 40 presente S FO 1.1666
## 7 6.11 16 16 297 presente S FI 1.4586
## 8 3.64 16 10 241 presente S FI -1.6384
## 9 3.78 13 11 224 presente S FI -1.4640
## 10 5.46 14 13 195 presente S FI 0.6470
## 11 4.97 16 12 251 presente S FI 0.0311
## 12 4.07 17 12 237 presente S FI -1.0946
## 13 6.57 15 8 211 presente S FI 2.0407
## 14 4.82 18 12 57 presente S FI -0.1639
## 15 2.95 18 9 9 presente S FO -2.5063
## 16 5.56 15 19 140 ausente S FI 0.7679
## 17 4.50 15 5 128 presente S FO -0.5602
## 18 3.89 15 10 280 ausente S FO -1.3282
## 19 4.30 14 12 41 presente S FO -0.8041
## 20 5.21 16 8 262 presente S FI 0.3317
## 21 5.20 14 10 79 presente S FI 0.3206
## 22 4.72 19 8 192 presente S FI -0.2869
## 23 5.30 17 13 158 presente S FI 0.4420
## 24 4.81 14 11 71 presente S FI -0.1697
## 25 5.81 17 11 222 presente S FI 1.0814
## 26 6.11 17 7 150 presente S FI 1.4570
## 27 5.01 16 11 107 presente S FI 0.0753
## 28 4.57 16 19 110 ausente S FI -0.4681
## 29 4.79 20 11 48 ausente S FO -0.1966
## 30 6.06 15 10 291 ausente S FO 1.3900
## 31 4.36 18 6 107 presente S FI -0.7312
## 32 5.52 17 8 129 presente S FI 0.7165
## 33 6.96 15 9 122 ausente S FI 2.5291
## 34 5.21 19 13 87 ausente S FI 0.3255
## 35 5.12 17 6 271 ausente S FO 0.2124
## 36 5.78 16 12 143 ausente S FI 1.0448
## 37 5.40 15 13 15 presente S FI 0.5728
## 38 4.23 16 11 255 presente S FO -0.8952
## 39 5.36 13 10 24 ausente S FO 0.5125
## 40 5.79 18 12 137 presente S FO 1.0527
## 41 4.49 18 12 134 presente PA FO -0.5761
## 42 4.46 17 9 277 presente PA FO -0.6039
## 43 4.65 17 9 184 presente PA FO -0.3707
## 44 5.85 16 11 41 presente PA FO 1.1274
## 45 6.01 16 7 293 ausente PA FO 1.3356
## 46 4.47 18 11 255 presente PA FO -0.5910
## 47 3.45 16 13 200 presente PA FO -1.8788
## 48 3.54 15 13 158 presente PA FI -1.7687
## 49 4.88 16 9 50 presente PA FO -0.0843
## 50 5.29 14 10 74 ausente PA FI 0.4291
## 51 4.45 17 9 82 ausente PA FO -0.6181
## 52 6.21 19 10 138 presente PA FI 1.5802
## 53 6.04 15 9 74 ausente PA FI 1.3760
## 54 4.86 16 12 261 ausente PA FO -0.1037
## 55 5.03 16 9 98 ausente PA FI 0.1081
## 56 4.84 9 11 72 presente PA FO -0.1387
## 57 5.68 17 10 174 presente PA FO 0.9146
## 58 4.88 17 12 200 ausente PA FI -0.0832
## 59 6.60 18 9 93 presente PA FI 2.0708
## 60 4.84 17 14 124 presente PA FO -0.1389
## 61 3.94 13 9 79 presente PA FI -1.2600
## 62 5.60 17 11 247 presente PA FO 0.8220
## 63 4.86 16 6 270 ausente PA FO -0.1058
## 64 5.24 17 5 130 presente PA FO 0.3663
## 65 5.79 15 8 27 presente PA FI 1.0636
## 66 5.51 14 6 130 ausente PA FI 0.7106
## 67 4.67 16 8 233 presente PA FI -0.3435
## 68 5.07 15 10 272 ausente PA FI 0.1497
## 69 5.88 13 11 86 ausente PA FI 1.1753
## 70 3.94 17 8 92 presente PA FI -1.2552
## 71 5.53 17 8 116 presente PA FI 0.7284
## 72 4.35 16 9 106 presente PA FI -0.7416
## 73 3.89 17 9 112 presente PA FI -1.3298
## 74 4.92 14 8 31 presente PA FO -0.0289
## 75 3.99 13 9 270 presente PA FI -1.2035
## 76 4.47 15 13 15 presente PA FO -0.5946
## 77 4.81 16 11 288 ausente PA FO -0.1694
## 78 6.12 16 7 134 ausente PA FI 1.4748
## 79 3.96 19 9 7 ausente PA FO -1.2403
## 80 4.47 15 9 7 presente PA FO -0.6003
## 81 3.01 16 11 83 presente MA FO -2.4263
## 82 5.58 14 17 11 presente MA FI 0.7934
## 83 4.45 18 7 81 presente MA FI -0.6255
## 84 4.41 16 13 130 ausente MA FI -0.6768
## 85 4.12 19 8 9 presente MA FO -1.0382
## 86 5.45 17 13 74 presente MA FI 0.6311
## 87 6.20 15 12 137 ausente MA FI 1.5698
## 88 5.01 14 14 271 presente MA FI 0.0743
## 89 5.16 15 14 31 presente MA FI 0.2674
## 90 4.91 14 16 154 presente MA FO -0.0400
## 91 6.20 17 6 151 presente MA FO 1.5701
## 92 5.52 14 8 112 presente MA FI 0.7219
## 93 5.50 17 11 62 presente MA FO 0.6879
## 94 3.05 16 11 221 presente MA FI -2.3720
## 95 5.62 17 9 18 ausente MA FO 0.8412
## 96 5.48 14 11 30 presente MA FO 0.6675
## 97 4.88 19 4 71 presente MA FI -0.0883
## 98 4.84 17 4 265 ausente MA FO -0.1336
## 99 4.59 17 13 226 presente MA FI -0.4473
## 100 5.08 16 13 92 presente MA FI 0.1661
## 101 3.98 14 12 20 presente MA FI -1.2170
## 102 5.07 15 17 50 ausente MA FO 0.1512
## 103 5.09 16 13 112 ausente MA FI 0.1843
## 104 5.66 15 11 187 presente MA FI 0.8973
## 105 4.48 14 12 189 presente MA FI -0.5815
## 106 5.96 16 15 172 ausente MA FI 1.2673
## 107 5.07 18 9 7 ausente MA FI 0.1574
## 108 4.06 17 7 177 presente MA FI -1.1140
## 109 4.43 16 8 57 presente MA FO -0.6515
## 110 3.73 14 12 253 ausente MA FO -1.5266
## 111 4.96 18 8 200 presente MA FI 0.0155
## 112 5.02 18 9 109 ausente MA FO 0.0890
## 113 4.06 16 16 176 ausente MA FO -1.1067
## 114 4.45 16 10 254 presente MA FI -0.6217
## 115 4.84 14 5 44 presente MA FI -0.1360
## 116 3.86 17 11 89 ausente MA FO -1.3624
## 117 5.84 18 10 186 presente MA FI 1.1189
## 118 4.38 18 12 223 presente MA FI -0.7081
## 119 5.35 14 11 213 presente MA FI 0.5101
## 120 5.10 13 16 69 presente MA FO 0.1963
## Z.Flores.r Z.Flores.d Z.Hojas relacionFr.Fd
## 1 0.727 0.4667 0.6724 1.545
## 2 0.727 0.4000 0.5931 1.700
## 3 0.818 0.2000 0.0724 2.571
## 4 0.545 0.5333 0.9276 1.250
## 5 0.909 0.2667 0.8483 2.375
## 6 0.545 0.4667 0.1138 1.364
## 7 0.636 0.8000 1.0000 1.000
## 8 0.636 0.4000 0.8069 1.600
## 9 0.364 0.4667 0.7483 1.182
## 10 0.455 0.6000 0.6483 1.077
## 11 0.636 0.5333 0.8414 1.333
## 12 0.727 0.5333 0.7931 1.417
## 13 0.545 0.2667 0.7034 1.875
## 14 0.818 0.5333 0.1724 1.500
## 15 0.818 0.3333 0.0069 2.000
## 16 0.545 1.0000 0.4586 0.789
## 17 0.545 0.0667 0.4172 3.000
## 18 0.545 0.4000 0.9414 1.500
## 19 0.455 0.5333 0.1172 1.167
## 20 0.636 0.2667 0.8793 2.000
## 21 0.455 0.4000 0.2483 1.400
## 22 0.909 0.2667 0.6379 2.375
## 23 0.727 0.6000 0.5207 1.308
## 24 0.455 0.4667 0.2207 1.273
## 25 0.727 0.4667 0.7414 1.545
## 26 0.727 0.2000 0.4931 2.429
## 27 0.636 0.4667 0.3448 1.455
## 28 0.636 1.0000 0.3552 0.842
## 29 1.000 0.4667 0.1414 1.818
## 30 0.545 0.4000 0.9793 1.500
## 31 0.818 0.1333 0.3448 3.000
## 32 0.727 0.2667 0.4207 2.125
## 33 0.545 0.3333 0.3966 1.667
## 34 0.909 0.6000 0.2759 1.462
## 35 0.727 0.1333 0.9103 2.833
## 36 0.636 0.5333 0.4690 1.333
## 37 0.545 0.6000 0.0276 1.154
## 38 0.636 0.4667 0.8552 1.455
## 39 0.364 0.4000 0.0586 1.300
## 40 0.818 0.5333 0.4483 1.500
## 41 0.818 0.5333 0.4379 1.500
## 42 0.727 0.3333 0.9310 1.889
## 43 0.727 0.3333 0.6103 1.889
## 44 0.636 0.4667 0.1172 1.455
## 45 0.636 0.2000 0.9862 2.286
## 46 0.818 0.4667 0.8552 1.636
## 47 0.636 0.6000 0.6655 1.231
## 48 0.545 0.6000 0.5207 1.154
## 49 0.636 0.3333 0.1483 1.778
## 50 0.455 0.4000 0.2310 1.400
## 51 0.727 0.3333 0.2586 1.889
## 52 0.909 0.4000 0.4517 1.900
## 53 0.545 0.3333 0.2310 1.667
## 54 0.636 0.5333 0.8759 1.333
## 55 0.636 0.3333 0.3138 1.778
## 56 0.000 0.4667 0.2241 0.818
## 57 0.727 0.4000 0.5759 1.700
## 58 0.727 0.5333 0.6655 1.417
## 59 0.818 0.3333 0.2966 2.000
## 60 0.727 0.6667 0.4034 1.214
## 61 0.364 0.3333 0.2483 1.444
## 62 0.727 0.4667 0.8276 1.545
## 63 0.636 0.1333 0.9069 2.667
## 64 0.727 0.0667 0.4241 3.400
## 65 0.545 0.2667 0.0690 1.875
## 66 0.455 0.1333 0.4241 2.333
## 67 0.636 0.2667 0.7793 2.000
## 68 0.545 0.4000 0.9138 1.500
## 69 0.364 0.4667 0.2724 1.182
## 70 0.727 0.2667 0.2931 2.125
## 71 0.727 0.2667 0.3759 2.125
## 72 0.636 0.3333 0.3414 1.778
## 73 0.727 0.3333 0.3621 1.889
## 74 0.455 0.2667 0.0828 1.750
## 75 0.364 0.3333 0.9069 1.444
## 76 0.545 0.6000 0.0276 1.154
## 77 0.636 0.4667 0.9690 1.455
## 78 0.636 0.2000 0.4379 2.286
## 79 0.909 0.3333 0.0000 2.111
## 80 0.545 0.3333 0.0000 1.667
## 81 0.636 0.4667 0.2621 1.455
## 82 0.455 0.8667 0.0138 0.824
## 83 0.818 0.2000 0.2552 2.571
## 84 0.636 0.6000 0.4241 1.231
## 85 0.909 0.2667 0.0069 2.375
## 86 0.727 0.6000 0.2310 1.308
## 87 0.545 0.5333 0.4483 1.250
## 88 0.455 0.6667 0.9103 1.000
## 89 0.545 0.6667 0.0828 1.071
## 90 0.455 0.8000 0.5069 0.875
## 91 0.727 0.1333 0.4966 2.833
## 92 0.455 0.2667 0.3621 1.750
## 93 0.727 0.4667 0.1897 1.545
## 94 0.636 0.4667 0.7379 1.455
## 95 0.727 0.3333 0.0379 1.889
## 96 0.455 0.4667 0.0793 1.273
## 97 0.909 0.0000 0.2207 4.750
## 98 0.727 0.0000 0.8897 4.250
## 99 0.727 0.6000 0.7552 1.308
## 100 0.636 0.6000 0.2931 1.231
## 101 0.455 0.5333 0.0448 1.167
## 102 0.545 0.8667 0.1483 0.882
## 103 0.636 0.6000 0.3621 1.231
## 104 0.545 0.4667 0.6207 1.364
## 105 0.455 0.5333 0.6276 1.167
## 106 0.636 0.7333 0.5690 1.067
## 107 0.818 0.3333 0.0000 2.000
## 108 0.727 0.2000 0.5862 2.429
## 109 0.636 0.2667 0.1724 2.000
## 110 0.455 0.5333 0.8483 1.167
## 111 0.818 0.2667 0.6655 2.250
## 112 0.818 0.3333 0.3517 2.000
## 113 0.636 0.8000 0.5828 1.000
## 114 0.636 0.4000 0.8517 1.600
## 115 0.455 0.0667 0.1276 2.800
## 116 0.727 0.4667 0.2828 1.545
## 117 0.818 0.4000 0.6172 1.800
## 118 0.818 0.5333 0.7448 1.500
## 119 0.455 0.4667 0.7103 1.273
## 120 0.364 0.8000 0.2138 0.8121.10.18 Seleccione solo la variable del cociente previo agrupada por plaga. Cree una nueva variable que imprima el rango mı́nimo en cada grupo. LLame a la variable rangomin
tib.e %>% mutate(relacionFr.Fd=Flores.r/Flores.d) %>% group_by(Plaga) %>% select(relacionFr.Fd) %>% mutate(rangomin=min_rank(relacionFr.Fd))## Adding missing grouping variables: `Plaga`## # A tibble: 120 × 3
## # Groups: Plaga [2]
## Plaga relacionFr.Fd rangomin
## <chr> <dbl> <int>
## 1 presente 1.55 42
## 2 presente 1.7 50
## 3 ausente 2.57 35
## 4 presente 1.25 19
## 5 ausente 2.38 34
## 6 presente 1.36 27
## 7 presente 1 5
## 8 presente 1.6 46
## 9 presente 1.18 15
## 10 presente 1.08 8
## # … with 110 more rows1.10.19 Renombre las variables asociadas a las flores a su gusto. Use (rename())
tib.e %>% rename(flower_branch =Flores.r, flower_lost=Flores.d)## Biomasa flower_branch flower_lost Hojas.d Plaga Estatus Fertlizacion
## 1 3.69 17 11 202 presente S FO
## 2 4.04 17 10 179 presente S FI
## 3 5.94 18 7 28 ausente S FO
## 4 5.17 15 12 276 presente S FI
## 5 4.97 19 8 253 ausente S FI
## 6 5.88 15 11 40 presente S FO
## 7 6.11 16 16 297 presente S FI
## 8 3.64 16 10 241 presente S FI
## 9 3.78 13 11 224 presente S FI
## 10 5.46 14 13 195 presente S FI
## 11 4.97 16 12 251 presente S FI
## 12 4.07 17 12 237 presente S FI
## 13 6.57 15 8 211 presente S FI
## 14 4.82 18 12 57 presente S FI
## 15 2.95 18 9 9 presente S FO
## 16 5.56 15 19 140 ausente S FI
## 17 4.50 15 5 128 presente S FO
## 18 3.89 15 10 280 ausente S FO
## 19 4.30 14 12 41 presente S FO
## 20 5.21 16 8 262 presente S FI
## 21 5.20 14 10 79 presente S FI
## 22 4.72 19 8 192 presente S FI
## 23 5.30 17 13 158 presente S FI
## 24 4.81 14 11 71 presente S FI
## 25 5.81 17 11 222 presente S FI
## 26 6.11 17 7 150 presente S FI
## 27 5.01 16 11 107 presente S FI
## 28 4.57 16 19 110 ausente S FI
## 29 4.79 20 11 48 ausente S FO
## 30 6.06 15 10 291 ausente S FO
## 31 4.36 18 6 107 presente S FI
## 32 5.52 17 8 129 presente S FI
## 33 6.96 15 9 122 ausente S FI
## 34 5.21 19 13 87 ausente S FI
## 35 5.12 17 6 271 ausente S FO
## 36 5.78 16 12 143 ausente S FI
## 37 5.40 15 13 15 presente S FI
## 38 4.23 16 11 255 presente S FO
## 39 5.36 13 10 24 ausente S FO
## 40 5.79 18 12 137 presente S FO
## 41 4.49 18 12 134 presente PA FO
## 42 4.46 17 9 277 presente PA FO
## 43 4.65 17 9 184 presente PA FO
## 44 5.85 16 11 41 presente PA FO
## 45 6.01 16 7 293 ausente PA FO
## 46 4.47 18 11 255 presente PA FO
## 47 3.45 16 13 200 presente PA FO
## 48 3.54 15 13 158 presente PA FI
## 49 4.88 16 9 50 presente PA FO
## 50 5.29 14 10 74 ausente PA FI
## 51 4.45 17 9 82 ausente PA FO
## 52 6.21 19 10 138 presente PA FI
## 53 6.04 15 9 74 ausente PA FI
## 54 4.86 16 12 261 ausente PA FO
## 55 5.03 16 9 98 ausente PA FI
## 56 4.84 9 11 72 presente PA FO
## 57 5.68 17 10 174 presente PA FO
## 58 4.88 17 12 200 ausente PA FI
## 59 6.60 18 9 93 presente PA FI
## 60 4.84 17 14 124 presente PA FO
## 61 3.94 13 9 79 presente PA FI
## 62 5.60 17 11 247 presente PA FO
## 63 4.86 16 6 270 ausente PA FO
## 64 5.24 17 5 130 presente PA FO
## 65 5.79 15 8 27 presente PA FI
## 66 5.51 14 6 130 ausente PA FI
## 67 4.67 16 8 233 presente PA FI
## 68 5.07 15 10 272 ausente PA FI
## 69 5.88 13 11 86 ausente PA FI
## 70 3.94 17 8 92 presente PA FI
## 71 5.53 17 8 116 presente PA FI
## 72 4.35 16 9 106 presente PA FI
## 73 3.89 17 9 112 presente PA FI
## 74 4.92 14 8 31 presente PA FO
## 75 3.99 13 9 270 presente PA FI
## 76 4.47 15 13 15 presente PA FO
## 77 4.81 16 11 288 ausente PA FO
## 78 6.12 16 7 134 ausente PA FI
## 79 3.96 19 9 7 ausente PA FO
## 80 4.47 15 9 7 presente PA FO
## 81 3.01 16 11 83 presente MA FO
## 82 5.58 14 17 11 presente MA FI
## 83 4.45 18 7 81 presente MA FI
## 84 4.41 16 13 130 ausente MA FI
## 85 4.12 19 8 9 presente MA FO
## 86 5.45 17 13 74 presente MA FI
## 87 6.20 15 12 137 ausente MA FI
## 88 5.01 14 14 271 presente MA FI
## 89 5.16 15 14 31 presente MA FI
## 90 4.91 14 16 154 presente MA FO
## 91 6.20 17 6 151 presente MA FO
## 92 5.52 14 8 112 presente MA FI
## 93 5.50 17 11 62 presente MA FO
## 94 3.05 16 11 221 presente MA FI
## 95 5.62 17 9 18 ausente MA FO
## 96 5.48 14 11 30 presente MA FO
## 97 4.88 19 4 71 presente MA FI
## 98 4.84 17 4 265 ausente MA FO
## 99 4.59 17 13 226 presente MA FI
## 100 5.08 16 13 92 presente MA FI
## 101 3.98 14 12 20 presente MA FI
## 102 5.07 15 17 50 ausente MA FO
## 103 5.09 16 13 112 ausente MA FI
## 104 5.66 15 11 187 presente MA FI
## 105 4.48 14 12 189 presente MA FI
## 106 5.96 16 15 172 ausente MA FI
## 107 5.07 18 9 7 ausente MA FI
## 108 4.06 17 7 177 presente MA FI
## 109 4.43 16 8 57 presente MA FO
## 110 3.73 14 12 253 ausente MA FO
## 111 4.96 18 8 200 presente MA FI
## 112 5.02 18 9 109 ausente MA FO
## 113 4.06 16 16 176 ausente MA FO
## 114 4.45 16 10 254 presente MA FI
## 115 4.84 14 5 44 presente MA FI
## 116 3.86 17 11 89 ausente MA FO
## 117 5.84 18 10 186 presente MA FI
## 118 4.38 18 12 223 presente MA FI
## 119 5.35 14 11 213 presente MA FI
## 120 5.10 13 16 69 presente MA FO
## Z_biom Z.Flores.r Z.Flores.d Z.Hojas
## 1 -1.5797 0.727 0.4667 0.6724
## 2 -1.1383 0.727 0.4000 0.5931
## 3 1.2400 0.818 0.2000 0.0724
## 4 0.2748 0.545 0.5333 0.9276
## 5 0.0266 0.909 0.2667 0.8483
## 6 1.1666 0.545 0.4667 0.1138
## 7 1.4586 0.636 0.8000 1.0000
## 8 -1.6384 0.636 0.4000 0.8069
## 9 -1.4640 0.364 0.4667 0.7483
## 10 0.6470 0.455 0.6000 0.6483
## 11 0.0311 0.636 0.5333 0.8414
## 12 -1.0946 0.727 0.5333 0.7931
## 13 2.0407 0.545 0.2667 0.7034
## 14 -0.1639 0.818 0.5333 0.1724
## 15 -2.5063 0.818 0.3333 0.0069
## 16 0.7679 0.545 1.0000 0.4586
## 17 -0.5602 0.545 0.0667 0.4172
## 18 -1.3282 0.545 0.4000 0.9414
## 19 -0.8041 0.455 0.5333 0.1172
## 20 0.3317 0.636 0.2667 0.8793
## 21 0.3206 0.455 0.4000 0.2483
## 22 -0.2869 0.909 0.2667 0.6379
## 23 0.4420 0.727 0.6000 0.5207
## 24 -0.1697 0.455 0.4667 0.2207
## 25 1.0814 0.727 0.4667 0.7414
## 26 1.4570 0.727 0.2000 0.4931
## 27 0.0753 0.636 0.4667 0.3448
## 28 -0.4681 0.636 1.0000 0.3552
## 29 -0.1966 1.000 0.4667 0.1414
## 30 1.3900 0.545 0.4000 0.9793
## 31 -0.7312 0.818 0.1333 0.3448
## 32 0.7165 0.727 0.2667 0.4207
## 33 2.5291 0.545 0.3333 0.3966
## 34 0.3255 0.909 0.6000 0.2759
## 35 0.2124 0.727 0.1333 0.9103
## 36 1.0448 0.636 0.5333 0.4690
## 37 0.5728 0.545 0.6000 0.0276
## 38 -0.8952 0.636 0.4667 0.8552
## 39 0.5125 0.364 0.4000 0.0586
## 40 1.0527 0.818 0.5333 0.4483
## 41 -0.5761 0.818 0.5333 0.4379
## 42 -0.6039 0.727 0.3333 0.9310
## 43 -0.3707 0.727 0.3333 0.6103
## 44 1.1274 0.636 0.4667 0.1172
## 45 1.3356 0.636 0.2000 0.9862
## 46 -0.5910 0.818 0.4667 0.8552
## 47 -1.8788 0.636 0.6000 0.6655
## 48 -1.7687 0.545 0.6000 0.5207
## 49 -0.0843 0.636 0.3333 0.1483
## 50 0.4291 0.455 0.4000 0.2310
## 51 -0.6181 0.727 0.3333 0.2586
## 52 1.5802 0.909 0.4000 0.4517
## 53 1.3760 0.545 0.3333 0.2310
## 54 -0.1037 0.636 0.5333 0.8759
## 55 0.1081 0.636 0.3333 0.3138
## 56 -0.1387 0.000 0.4667 0.2241
## 57 0.9146 0.727 0.4000 0.5759
## 58 -0.0832 0.727 0.5333 0.6655
## 59 2.0708 0.818 0.3333 0.2966
## 60 -0.1389 0.727 0.6667 0.4034
## 61 -1.2600 0.364 0.3333 0.2483
## 62 0.8220 0.727 0.4667 0.8276
## 63 -0.1058 0.636 0.1333 0.9069
## 64 0.3663 0.727 0.0667 0.4241
## 65 1.0636 0.545 0.2667 0.0690
## 66 0.7106 0.455 0.1333 0.4241
## 67 -0.3435 0.636 0.2667 0.7793
## 68 0.1497 0.545 0.4000 0.9138
## 69 1.1753 0.364 0.4667 0.2724
## 70 -1.2552 0.727 0.2667 0.2931
## 71 0.7284 0.727 0.2667 0.3759
## 72 -0.7416 0.636 0.3333 0.3414
## 73 -1.3298 0.727 0.3333 0.3621
## 74 -0.0289 0.455 0.2667 0.0828
## 75 -1.2035 0.364 0.3333 0.9069
## 76 -0.5946 0.545 0.6000 0.0276
## 77 -0.1694 0.636 0.4667 0.9690
## 78 1.4748 0.636 0.2000 0.4379
## 79 -1.2403 0.909 0.3333 0.0000
## 80 -0.6003 0.545 0.3333 0.0000
## 81 -2.4263 0.636 0.4667 0.2621
## 82 0.7934 0.455 0.8667 0.0138
## 83 -0.6255 0.818 0.2000 0.2552
## 84 -0.6768 0.636 0.6000 0.4241
## 85 -1.0382 0.909 0.2667 0.0069
## 86 0.6311 0.727 0.6000 0.2310
## 87 1.5698 0.545 0.5333 0.4483
## 88 0.0743 0.455 0.6667 0.9103
## 89 0.2674 0.545 0.6667 0.0828
## 90 -0.0400 0.455 0.8000 0.5069
## 91 1.5701 0.727 0.1333 0.4966
## 92 0.7219 0.455 0.2667 0.3621
## 93 0.6879 0.727 0.4667 0.1897
## 94 -2.3720 0.636 0.4667 0.7379
## 95 0.8412 0.727 0.3333 0.0379
## 96 0.6675 0.455 0.4667 0.0793
## 97 -0.0883 0.909 0.0000 0.2207
## 98 -0.1336 0.727 0.0000 0.8897
## 99 -0.4473 0.727 0.6000 0.7552
## 100 0.1661 0.636 0.6000 0.2931
## 101 -1.2170 0.455 0.5333 0.0448
## 102 0.1512 0.545 0.8667 0.1483
## 103 0.1843 0.636 0.6000 0.3621
## 104 0.8973 0.545 0.4667 0.6207
## 105 -0.5815 0.455 0.5333 0.6276
## 106 1.2673 0.636 0.7333 0.5690
## 107 0.1574 0.818 0.3333 0.0000
## 108 -1.1140 0.727 0.2000 0.5862
## 109 -0.6515 0.636 0.2667 0.1724
## 110 -1.5266 0.455 0.5333 0.8483
## 111 0.0155 0.818 0.2667 0.6655
## 112 0.0890 0.818 0.3333 0.3517
## 113 -1.1067 0.636 0.8000 0.5828
## 114 -0.6217 0.636 0.4000 0.8517
## 115 -0.1360 0.455 0.0667 0.1276
## 116 -1.3624 0.727 0.4667 0.2828
## 117 1.1189 0.818 0.4000 0.6172
## 118 -0.7081 0.818 0.5333 0.7448
## 119 0.5101 0.455 0.4667 0.7103
## 120 0.1963 0.364 0.8000 0.21381.10.20 Pase a mayúsculas todos los nombres de las variables en cualquier tibble.
tib.e %>% select_all(toupper)## BIOMASA FLORES.R FLORES.D HOJAS.D PLAGA ESTATUS FERTLIZACION Z_BIOM
## 1 3.69 17 11 202 presente S FO -1.5797
## 2 4.04 17 10 179 presente S FI -1.1383
## 3 5.94 18 7 28 ausente S FO 1.2400
## 4 5.17 15 12 276 presente S FI 0.2748
## 5 4.97 19 8 253 ausente S FI 0.0266
## 6 5.88 15 11 40 presente S FO 1.1666
## 7 6.11 16 16 297 presente S FI 1.4586
## 8 3.64 16 10 241 presente S FI -1.6384
## 9 3.78 13 11 224 presente S FI -1.4640
## 10 5.46 14 13 195 presente S FI 0.6470
## 11 4.97 16 12 251 presente S FI 0.0311
## 12 4.07 17 12 237 presente S FI -1.0946
## 13 6.57 15 8 211 presente S FI 2.0407
## 14 4.82 18 12 57 presente S FI -0.1639
## 15 2.95 18 9 9 presente S FO -2.5063
## 16 5.56 15 19 140 ausente S FI 0.7679
## 17 4.50 15 5 128 presente S FO -0.5602
## 18 3.89 15 10 280 ausente S FO -1.3282
## 19 4.30 14 12 41 presente S FO -0.8041
## 20 5.21 16 8 262 presente S FI 0.3317
## 21 5.20 14 10 79 presente S FI 0.3206
## 22 4.72 19 8 192 presente S FI -0.2869
## 23 5.30 17 13 158 presente S FI 0.4420
## 24 4.81 14 11 71 presente S FI -0.1697
## 25 5.81 17 11 222 presente S FI 1.0814
## 26 6.11 17 7 150 presente S FI 1.4570
## 27 5.01 16 11 107 presente S FI 0.0753
## 28 4.57 16 19 110 ausente S FI -0.4681
## 29 4.79 20 11 48 ausente S FO -0.1966
## 30 6.06 15 10 291 ausente S FO 1.3900
## 31 4.36 18 6 107 presente S FI -0.7312
## 32 5.52 17 8 129 presente S FI 0.7165
## 33 6.96 15 9 122 ausente S FI 2.5291
## 34 5.21 19 13 87 ausente S FI 0.3255
## 35 5.12 17 6 271 ausente S FO 0.2124
## 36 5.78 16 12 143 ausente S FI 1.0448
## 37 5.40 15 13 15 presente S FI 0.5728
## 38 4.23 16 11 255 presente S FO -0.8952
## 39 5.36 13 10 24 ausente S FO 0.5125
## 40 5.79 18 12 137 presente S FO 1.0527
## 41 4.49 18 12 134 presente PA FO -0.5761
## 42 4.46 17 9 277 presente PA FO -0.6039
## 43 4.65 17 9 184 presente PA FO -0.3707
## 44 5.85 16 11 41 presente PA FO 1.1274
## 45 6.01 16 7 293 ausente PA FO 1.3356
## 46 4.47 18 11 255 presente PA FO -0.5910
## 47 3.45 16 13 200 presente PA FO -1.8788
## 48 3.54 15 13 158 presente PA FI -1.7687
## 49 4.88 16 9 50 presente PA FO -0.0843
## 50 5.29 14 10 74 ausente PA FI 0.4291
## 51 4.45 17 9 82 ausente PA FO -0.6181
## 52 6.21 19 10 138 presente PA FI 1.5802
## 53 6.04 15 9 74 ausente PA FI 1.3760
## 54 4.86 16 12 261 ausente PA FO -0.1037
## 55 5.03 16 9 98 ausente PA FI 0.1081
## 56 4.84 9 11 72 presente PA FO -0.1387
## 57 5.68 17 10 174 presente PA FO 0.9146
## 58 4.88 17 12 200 ausente PA FI -0.0832
## 59 6.60 18 9 93 presente PA FI 2.0708
## 60 4.84 17 14 124 presente PA FO -0.1389
## 61 3.94 13 9 79 presente PA FI -1.2600
## 62 5.60 17 11 247 presente PA FO 0.8220
## 63 4.86 16 6 270 ausente PA FO -0.1058
## 64 5.24 17 5 130 presente PA FO 0.3663
## 65 5.79 15 8 27 presente PA FI 1.0636
## 66 5.51 14 6 130 ausente PA FI 0.7106
## 67 4.67 16 8 233 presente PA FI -0.3435
## 68 5.07 15 10 272 ausente PA FI 0.1497
## 69 5.88 13 11 86 ausente PA FI 1.1753
## 70 3.94 17 8 92 presente PA FI -1.2552
## 71 5.53 17 8 116 presente PA FI 0.7284
## 72 4.35 16 9 106 presente PA FI -0.7416
## 73 3.89 17 9 112 presente PA FI -1.3298
## 74 4.92 14 8 31 presente PA FO -0.0289
## 75 3.99 13 9 270 presente PA FI -1.2035
## 76 4.47 15 13 15 presente PA FO -0.5946
## 77 4.81 16 11 288 ausente PA FO -0.1694
## 78 6.12 16 7 134 ausente PA FI 1.4748
## 79 3.96 19 9 7 ausente PA FO -1.2403
## 80 4.47 15 9 7 presente PA FO -0.6003
## 81 3.01 16 11 83 presente MA FO -2.4263
## 82 5.58 14 17 11 presente MA FI 0.7934
## 83 4.45 18 7 81 presente MA FI -0.6255
## 84 4.41 16 13 130 ausente MA FI -0.6768
## 85 4.12 19 8 9 presente MA FO -1.0382
## 86 5.45 17 13 74 presente MA FI 0.6311
## 87 6.20 15 12 137 ausente MA FI 1.5698
## 88 5.01 14 14 271 presente MA FI 0.0743
## 89 5.16 15 14 31 presente MA FI 0.2674
## 90 4.91 14 16 154 presente MA FO -0.0400
## 91 6.20 17 6 151 presente MA FO 1.5701
## 92 5.52 14 8 112 presente MA FI 0.7219
## 93 5.50 17 11 62 presente MA FO 0.6879
## 94 3.05 16 11 221 presente MA FI -2.3720
## 95 5.62 17 9 18 ausente MA FO 0.8412
## 96 5.48 14 11 30 presente MA FO 0.6675
## 97 4.88 19 4 71 presente MA FI -0.0883
## 98 4.84 17 4 265 ausente MA FO -0.1336
## 99 4.59 17 13 226 presente MA FI -0.4473
## 100 5.08 16 13 92 presente MA FI 0.1661
## 101 3.98 14 12 20 presente MA FI -1.2170
## 102 5.07 15 17 50 ausente MA FO 0.1512
## 103 5.09 16 13 112 ausente MA FI 0.1843
## 104 5.66 15 11 187 presente MA FI 0.8973
## 105 4.48 14 12 189 presente MA FI -0.5815
## 106 5.96 16 15 172 ausente MA FI 1.2673
## 107 5.07 18 9 7 ausente MA FI 0.1574
## 108 4.06 17 7 177 presente MA FI -1.1140
## 109 4.43 16 8 57 presente MA FO -0.6515
## 110 3.73 14 12 253 ausente MA FO -1.5266
## 111 4.96 18 8 200 presente MA FI 0.0155
## 112 5.02 18 9 109 ausente MA FO 0.0890
## 113 4.06 16 16 176 ausente MA FO -1.1067
## 114 4.45 16 10 254 presente MA FI -0.6217
## 115 4.84 14 5 44 presente MA FI -0.1360
## 116 3.86 17 11 89 ausente MA FO -1.3624
## 117 5.84 18 10 186 presente MA FI 1.1189
## 118 4.38 18 12 223 presente MA FI -0.7081
## 119 5.35 14 11 213 presente MA FI 0.5101
## 120 5.10 13 16 69 presente MA FO 0.1963
## Z.FLORES.R Z.FLORES.D Z.HOJAS
## 1 0.727 0.4667 0.6724
## 2 0.727 0.4000 0.5931
## 3 0.818 0.2000 0.0724
## 4 0.545 0.5333 0.9276
## 5 0.909 0.2667 0.8483
## 6 0.545 0.4667 0.1138
## 7 0.636 0.8000 1.0000
## 8 0.636 0.4000 0.8069
## 9 0.364 0.4667 0.7483
## 10 0.455 0.6000 0.6483
## 11 0.636 0.5333 0.8414
## 12 0.727 0.5333 0.7931
## 13 0.545 0.2667 0.7034
## 14 0.818 0.5333 0.1724
## 15 0.818 0.3333 0.0069
## 16 0.545 1.0000 0.4586
## 17 0.545 0.0667 0.4172
## 18 0.545 0.4000 0.9414
## 19 0.455 0.5333 0.1172
## 20 0.636 0.2667 0.8793
## 21 0.455 0.4000 0.2483
## 22 0.909 0.2667 0.6379
## 23 0.727 0.6000 0.5207
## 24 0.455 0.4667 0.2207
## 25 0.727 0.4667 0.7414
## 26 0.727 0.2000 0.4931
## 27 0.636 0.4667 0.3448
## 28 0.636 1.0000 0.3552
## 29 1.000 0.4667 0.1414
## 30 0.545 0.4000 0.9793
## 31 0.818 0.1333 0.3448
## 32 0.727 0.2667 0.4207
## 33 0.545 0.3333 0.3966
## 34 0.909 0.6000 0.2759
## 35 0.727 0.1333 0.9103
## 36 0.636 0.5333 0.4690
## 37 0.545 0.6000 0.0276
## 38 0.636 0.4667 0.8552
## 39 0.364 0.4000 0.0586
## 40 0.818 0.5333 0.4483
## 41 0.818 0.5333 0.4379
## 42 0.727 0.3333 0.9310
## 43 0.727 0.3333 0.6103
## 44 0.636 0.4667 0.1172
## 45 0.636 0.2000 0.9862
## 46 0.818 0.4667 0.8552
## 47 0.636 0.6000 0.6655
## 48 0.545 0.6000 0.5207
## 49 0.636 0.3333 0.1483
## 50 0.455 0.4000 0.2310
## 51 0.727 0.3333 0.2586
## 52 0.909 0.4000 0.4517
## 53 0.545 0.3333 0.2310
## 54 0.636 0.5333 0.8759
## 55 0.636 0.3333 0.3138
## 56 0.000 0.4667 0.2241
## 57 0.727 0.4000 0.5759
## 58 0.727 0.5333 0.6655
## 59 0.818 0.3333 0.2966
## 60 0.727 0.6667 0.4034
## 61 0.364 0.3333 0.2483
## 62 0.727 0.4667 0.8276
## 63 0.636 0.1333 0.9069
## 64 0.727 0.0667 0.4241
## 65 0.545 0.2667 0.0690
## 66 0.455 0.1333 0.4241
## 67 0.636 0.2667 0.7793
## 68 0.545 0.4000 0.9138
## 69 0.364 0.4667 0.2724
## 70 0.727 0.2667 0.2931
## 71 0.727 0.2667 0.3759
## 72 0.636 0.3333 0.3414
## 73 0.727 0.3333 0.3621
## 74 0.455 0.2667 0.0828
## 75 0.364 0.3333 0.9069
## 76 0.545 0.6000 0.0276
## 77 0.636 0.4667 0.9690
## 78 0.636 0.2000 0.4379
## 79 0.909 0.3333 0.0000
## 80 0.545 0.3333 0.0000
## 81 0.636 0.4667 0.2621
## 82 0.455 0.8667 0.0138
## 83 0.818 0.2000 0.2552
## 84 0.636 0.6000 0.4241
## 85 0.909 0.2667 0.0069
## 86 0.727 0.6000 0.2310
## 87 0.545 0.5333 0.4483
## 88 0.455 0.6667 0.9103
## 89 0.545 0.6667 0.0828
## 90 0.455 0.8000 0.5069
## 91 0.727 0.1333 0.4966
## 92 0.455 0.2667 0.3621
## 93 0.727 0.4667 0.1897
## 94 0.636 0.4667 0.7379
## 95 0.727 0.3333 0.0379
## 96 0.455 0.4667 0.0793
## 97 0.909 0.0000 0.2207
## 98 0.727 0.0000 0.8897
## 99 0.727 0.6000 0.7552
## 100 0.636 0.6000 0.2931
## 101 0.455 0.5333 0.0448
## 102 0.545 0.8667 0.1483
## 103 0.636 0.6000 0.3621
## 104 0.545 0.4667 0.6207
## 105 0.455 0.5333 0.6276
## 106 0.636 0.7333 0.5690
## 107 0.818 0.3333 0.0000
## 108 0.727 0.2000 0.5862
## 109 0.636 0.2667 0.1724
## 110 0.455 0.5333 0.8483
## 111 0.818 0.2667 0.6655
## 112 0.818 0.3333 0.3517
## 113 0.636 0.8000 0.5828
## 114 0.636 0.4000 0.8517
## 115 0.455 0.0667 0.1276
## 116 0.727 0.4667 0.2828
## 117 0.818 0.4000 0.6172
## 118 0.818 0.5333 0.7448
## 119 0.455 0.4667 0.7103
## 120 0.364 0.8000 0.21381.10.21 Seleccione la variable biomasa de la tableta con faltantes y con summarise() obtenga la media y el número de datos de esta variable.
tic.i %>% summarise(median.Biom=mean(Biomasa,na.rm = T),number.biom=sum(!is.na(Biomasa)))## median.Biom number.biom
## 1 5.01 891.10.22 Seleccione la variable biomasa de la tableta con faltantes y con summarise() obtenga la media y el número de datos por tipo de fertilización.
tic.i %>%group_by(Fertlizacion) %>%summarise(median.Biom=mean(Biomasa,na.rm = T),number.biom=sum(!is.na(Biomasa)))## # A tibble: 2 × 3
## Fertlizacion median.Biom number.biom
## <chr> <dbl> <int>
## 1 FI 5.08 54
## 2 FO 4.91 351.10.23 Seleccione la variable biomasa de la tableta con faltantes y con summarise() obtenga los cuantiles 0.10,0.20,0.30,0.40 y 0.50 por tipo de fertilización.
tic.i%>%
group_by(Fertlizacion) %>%
summarise(q10=quantile(tic.i$Biomasa,0.10,na.rm = T),
q20=quantile(tic.i$Biomasa,0.20,na.rm = T),
q30=quantile(tic.i$Biomasa,0.30,na.rm = T),
q40=quantile(tic.i$Biomasa,0.40,na.rm = T),
q50=quantile(tic.i$Biomasa,0.50,na.rm = T))## # A tibble: 2 × 6
## Fertlizacion q10 q20 q30 q40 q50
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 FI 3.94 4.43 4.69 4.86 5.01
## 2 FO 3.94 4.43 4.69 4.86 5.011.10.24 Seleccione la variable biomasa de la tableta con faltantes y con summarise() obtenga la media, mediana, máximo, mı́nimo, desviación tı́pica, desviación media, media truncada y varianza por tipo de fertilización y plaga.
tic.i%>%
group_by(Fertlizacion,Plaga) %>%
summarise(media=mean(Biomasa),
mediana=median(Biomasa),
max=max(Biomasa),
min=min(Biomasa),
desv=sd(Biomasa),
desv.media=mean(abs(Biomasa-mean(Biomasa))),
med.tru=mean(Biomasa),
varianza=var(Biomasa))## `summarise()` has grouped output by 'Fertlizacion'. You can override using the
## `.groups` argument.## # A tibble: 4 × 10
## # Groups: Fertlizacion [2]
## Fertlizacion Plaga media mediana max min desv desv.media med.tru
## <chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 FI ausente 5.49 5.40 6.96 4.41 0.668 0.527 5.49
## 2 FI presente 4.93 5.01 6.57 3.05 0.817 0.667 4.93
## 3 FO ausente 4.96 4.86 6.06 3.73 0.705 0.528 4.96
## 4 FO presente NA NA NA NA NA NA NA
## # … with 1 more variable: varianza <dbl>1.10.25 Seleccione la variable biomasa de la tableta con faltantes y con summarise() obtenga la media, mediana, máximo, mı́nimo, desviación tı́pica, desviación media, media truncada y varianza por tipo de fertilización y plaga filtrando por plantas sanas.
tic.i%>%
group_by(Fertlizacion,Plaga) %>%
summarise(media=mean(Biomasa),
mediana=median(Biomasa),
max=max(Biomasa),
min=min(Biomasa),
desv=sd(Biomasa),
desv.media=mean(abs(Biomasa-mean(Biomasa))),
med.tru=mean(Biomasa),
varianza=var(Biomasa))## `summarise()` has grouped output by 'Fertlizacion'. You can override using the
## `.groups` argument.## # A tibble: 4 × 10
## # Groups: Fertlizacion [2]
## Fertlizacion Plaga media mediana max min desv desv.media med.tru
## <chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 FI ausente 5.49 5.40 6.96 4.41 0.668 0.527 5.49
## 2 FI presente 4.93 5.01 6.57 3.05 0.817 0.667 4.93
## 3 FO ausente 4.96 4.86 6.06 3.73 0.705 0.528 4.96
## 4 FO presente NA NA NA NA NA NA NA
## # … with 1 more variable: varianza <dbl>1.10.26 Con la tableta con faltantes use la función drop n a() para sacar los faltantes y compare las estadı́sticas obtenidas en el item anterior con y sin faltantes
library(tidyr)
tic.i.confaltantes<-drop_na(tic.i)
tic.i.confaltantes## Biomasa Flores.r Flores.d Hojas.d Plaga Estatus Fertlizacion
## 1 5.53 17 8 116 presente PA FI
## 2 4.67 16 8 233 presente PA FI
## 3 5.30 17 13 158 presente S FI
## 4 3.96 19 9 7 ausente PA FO
## 5 4.12 19 8 9 presente MA FO
## 6 5.40 15 13 15 presente S FI
## 7 3.64 16 10 241 presente S FI
## 8 4.45 17 9 82 ausente PA FO
## 9 4.92 14 8 31 presente PA FO
## 10 5.29 14 10 74 ausente PA FI
## 11 5.96 16 15 172 ausente MA FI
## 12 4.84 17 4 265 ausente MA FO
## 13 3.73 14 12 253 ausente MA FO
## 14 5.45 17 13 74 presente MA FI
## 15 4.47 15 13 15 presente PA FO
## 16 4.41 16 13 130 ausente MA FI
## 17 4.47 18 11 255 presente PA FO
## 18 4.50 15 5 128 presente S FO
## 19 5.60 17 11 247 presente PA FO
## 20 5.07 15 17 50 ausente MA FO
## 21 4.86 16 12 261 ausente PA FO
## 22 5.12 17 6 271 ausente S FO
## 23 3.05 16 11 221 presente MA FI
## 24 4.84 14 5 44 presente MA FI
## 25 4.81 14 11 71 presente S FI
## 26 6.20 15 12 137 ausente MA FI
## 27 6.11 16 16 297 presente S FI
## 28 5.62 17 9 18 ausente MA FO
## 29 3.86 17 11 89 ausente MA FO
## 30 6.11 17 7 150 presente S FI
## 31 5.52 17 8 129 presente S FI
## 32 5.52 14 8 112 presente MA FI
## 33 5.01 16 11 107 presente S FI
## 34 4.46 17 9 277 presente PA FO
## 35 4.97 19 8 253 ausente S FI
## 36 3.94 17 8 92 presente PA FI
## 37 5.56 15 19 140 ausente S FI
## 38 5.35 14 11 213 presente MA FI
## 39 5.01 14 14 271 presente MA FI
## 40 5.20 14 10 79 presente S FI
## 41 5.03 16 9 98 ausente PA FI
## 42 3.99 13 9 270 presente PA FI
## 43 5.78 16 12 143 ausente S FI
## 44 5.36 13 10 24 ausente S FO
## 45 5.07 18 9 7 ausente MA FI
## 46 3.78 13 11 224 presente S FI
## 47 4.38 18 12 223 presente MA FI
## 48 3.54 15 13 158 presente PA FI
## 49 4.84 9 11 72 presente PA FO
## 50 4.81 16 11 288 ausente PA FO
## 51 5.07 15 10 272 ausente PA FI
## 52 3.69 17 11 202 presente S FO
## 53 5.79 18 12 137 presente S FO
## 54 6.06 15 10 291 ausente S FO
## 55 5.79 15 8 27 presente PA FI
## 56 6.21 19 10 138 presente PA FI
## 57 5.81 17 11 222 presente S FI
## 58 5.58 14 17 11 presente MA FI
## 59 3.01 16 11 83 presente MA FO
## 60 4.06 17 7 177 presente MA FI
## 61 4.97 16 12 251 presente S FI
## 62 4.35 16 9 106 presente PA FI
## 63 5.21 16 8 262 presente S FI
## 64 5.51 14 6 130 ausente PA FI
## 65 5.94 18 7 28 ausente S FO
## 66 4.79 20 11 48 ausente S FO
## 67 5.66 15 11 187 presente MA FI
## 68 5.85 16 11 41 presente PA FO
## 69 4.72 19 8 192 presente S FI
## 70 4.88 16 9 50 presente PA FO
## 71 4.45 16 10 254 presente MA FI
## 72 4.45 18 7 81 presente MA FI
## 73 4.88 17 12 200 ausente PA FI
## 74 5.02 18 9 109 ausente MA FO
## 75 6.20 17 6 151 presente MA FO
## 76 4.04 17 10 179 presente S FI
## 77 6.57 15 8 211 presente S FI
## 78 5.88 15 11 40 presente S FO
## 79 6.01 16 7 293 ausente PA FO
## 80 4.47 15 9 7 presente PA FO
## 81 4.86 16 6 270 ausente PA FO
## 82 4.82 18 12 57 presente S FI
## 83 3.94 13 9 79 presente PA FI
## 84 4.91 14 16 154 presente MA FO
## 85 6.96 15 9 122 ausente S FI
## 86 5.46 14 13 195 presente S FI
## 87 5.08 16 13 92 presente MA FI
## 88 6.12 16 7 134 ausente PA FI1.10.27 Filtre los datos seleccionando solo las plantas afectadas o muy afectadas. Use el operador %in%
PAfectadas_MuyAfec<-filter(tic.i,Estatus%in%c("PA","MA"))
head(PAfectadas_MuyAfec)## Biomasa Flores.r Flores.d Hojas.d Plaga Estatus Fertlizacion
## 1 NA 17 11 62 presente MA FO
## 2 5.48 14 NA 30 presente MA FO
## 3 5.53 17 8 116 presente PA FI
## 4 4.67 16 8 233 presente PA FI
## 5 3.96 19 9 7 ausente PA FO
## 6 4.12 19 8 9 presente MA FO1.10.28 Seleccione la tibble con faltantes y use complete.cases(.) para dejar por fuera los faltantes
tablasinfaltantes=filter(tic.i[,],complete.cases(tic.i[,]))
head(tablasinfaltantes)## Biomasa Flores.r Flores.d Hojas.d Plaga Estatus Fertlizacion
## 1 5.53 17 8 116 presente PA FI
## 2 4.67 16 8 233 presente PA FI
## 3 5.30 17 13 158 presente S FI
## 4 3.96 19 9 7 ausente PA FO
## 5 4.12 19 8 9 presente MA FO
## 6 5.40 15 13 15 presente S FI1.10.29 Elimine de cualquier tibble las columnas asociadas al conteo de flores
tib.c %>% select(!starts_with("Fl"))## Biomasa Hojas.d Plaga Estatus Fertlizacion
## 1 3.69 202 presente S FO
## 2 4.04 179 presente S FI
## 3 5.94 28 ausente S FO
## 4 5.17 276 presente S FI
## 5 4.97 253 ausente S FI
## 6 5.88 40 presente S FO
## 7 6.11 297 presente S FI
## 8 3.64 241 presente S FI
## 9 3.78 224 presente S FI
## 10 5.46 195 presente S FI
## 11 4.97 251 presente S FI
## 12 4.07 237 presente S FI
## 13 6.57 211 presente S FI
## 14 4.82 57 presente S FI
## 15 2.95 9 presente S FO
## 16 5.56 140 ausente S FI
## 17 4.50 128 presente S FO
## 18 3.89 280 ausente S FO
## 19 4.30 41 presente S FO
## 20 5.21 262 presente S FI
## 21 5.20 79 presente S FI
## 22 4.72 192 presente S FI
## 23 5.30 158 presente S FI
## 24 4.81 71 presente S FI
## 25 5.81 222 presente S FI
## 26 6.11 150 presente S FI
## 27 5.01 107 presente S FI
## 28 4.57 110 ausente S FI
## 29 4.79 48 ausente S FO
## 30 6.06 291 ausente S FO
## 31 4.36 107 presente S FI
## 32 5.52 129 presente S FI
## 33 6.96 122 ausente S FI
## 34 5.21 87 ausente S FI
## 35 5.12 271 ausente S FO
## 36 5.78 143 ausente S FI
## 37 5.40 15 presente S FI
## 38 4.23 255 presente S FO
## 39 5.36 24 ausente S FO
## 40 5.79 137 presente S FO
## 41 4.49 134 presente PA FO
## 42 4.46 277 presente PA FO
## 43 4.65 184 presente PA FO
## 44 5.85 41 presente PA FO
## 45 6.01 293 ausente PA FO
## 46 4.47 255 presente PA FO
## 47 3.45 200 presente PA FO
## 48 3.54 158 presente PA FI
## 49 4.88 50 presente PA FO
## 50 5.29 74 ausente PA FI
## 51 4.45 82 ausente PA FO
## 52 6.21 138 presente PA FI
## 53 6.04 74 ausente PA FI
## 54 4.86 261 ausente PA FO
## 55 5.03 98 ausente PA FI
## 56 4.84 72 presente PA FO
## 57 5.68 174 presente PA FO
## 58 4.88 200 ausente PA FI
## 59 6.60 93 presente PA FI
## 60 4.84 124 presente PA FO
## 61 3.94 79 presente PA FI
## 62 5.60 247 presente PA FO
## 63 4.86 270 ausente PA FO
## 64 5.24 130 presente PA FO
## 65 5.79 27 presente PA FI
## 66 5.51 130 ausente PA FI
## 67 4.67 233 presente PA FI
## 68 5.07 272 ausente PA FI
## 69 5.88 86 ausente PA FI
## 70 3.94 92 presente PA FI
## 71 5.53 116 presente PA FI
## 72 4.35 106 presente PA FI
## 73 3.89 112 presente PA FI
## 74 4.92 31 presente PA FO
## 75 3.99 270 presente PA FI
## 76 4.47 15 presente PA FO
## 77 4.81 288 ausente PA FO
## 78 6.12 134 ausente PA FI
## 79 3.96 7 ausente PA FO
## 80 4.47 7 presente PA FO
## 81 3.01 83 presente MA FO
## 82 5.58 11 presente MA FI
## 83 4.45 81 presente MA FI
## 84 4.41 130 ausente MA FI
## 85 4.12 9 presente MA FO
## 86 5.45 74 presente MA FI
## 87 6.20 137 ausente MA FI
## 88 5.01 271 presente MA FI
## 89 5.16 31 presente MA FI
## 90 4.91 154 presente MA FO
## 91 6.20 151 presente MA FO
## 92 5.52 112 presente MA FI
## 93 5.50 62 presente MA FO
## 94 3.05 221 presente MA FI
## 95 5.62 18 ausente MA FO
## 96 5.48 30 presente MA FO
## 97 4.88 71 presente MA FI
## 98 4.84 265 ausente MA FO
## 99 4.59 226 presente MA FI
## 100 5.08 92 presente MA FI
## 101 3.98 20 presente MA FI
## 102 5.07 50 ausente MA FO
## 103 5.09 112 ausente MA FI
## 104 5.66 187 presente MA FI
## 105 4.48 189 presente MA FI
## 106 5.96 172 ausente MA FI
## 107 5.07 7 ausente MA FI
## 108 4.06 177 presente MA FI
## 109 4.43 57 presente MA FO
## 110 3.73 253 ausente MA FO
## 111 4.96 200 presente MA FI
## 112 5.02 109 ausente MA FO
## 113 4.06 176 ausente MA FO
## 114 4.45 254 presente MA FI
## 115 4.84 44 presente MA FI
## 116 3.86 89 ausente MA FO
## 117 5.84 186 presente MA FI
## 118 4.38 223 presente MA FI
## 119 5.35 213 presente MA FI
## 120 5.10 69 presente MA FO1.10.30 Seleccione de cualquier tibble las variables que contengan la d. Use select(contains()) Reordene una tableta usando select(,everything()) colocando primero los conteos de flores
tib.c %>% select(contains(".d"))%>% select(everything(vars = c("Flores","Hojas")))## Flores.d Hojas.d
## 1 11 202
## 2 10 179
## 3 7 28
## 4 12 276
## 5 8 253
## 6 11 40
## 7 16 297
## 8 10 241
## 9 11 224
## 10 13 195
## 11 12 251
## 12 12 237
## 13 8 211
## 14 12 57
## 15 9 9
## 16 19 140
## 17 5 128
## 18 10 280
## 19 12 41
## 20 8 262
## 21 10 79
## 22 8 192
## 23 13 158
## 24 11 71
## 25 11 222
## 26 7 150
## 27 11 107
## 28 19 110
## 29 11 48
## 30 10 291
## 31 6 107
## 32 8 129
## 33 9 122
## 34 13 87
## 35 6 271
## 36 12 143
## 37 13 15
## 38 11 255
## 39 10 24
## 40 12 137
## 41 12 134
## 42 9 277
## 43 9 184
## 44 11 41
## 45 7 293
## 46 11 255
## 47 13 200
## 48 13 158
## 49 9 50
## 50 10 74
## 51 9 82
## 52 10 138
## 53 9 74
## 54 12 261
## 55 9 98
## 56 11 72
## 57 10 174
## 58 12 200
## 59 9 93
## 60 14 124
## 61 9 79
## 62 11 247
## 63 6 270
## 64 5 130
## 65 8 27
## 66 6 130
## 67 8 233
## 68 10 272
## 69 11 86
## 70 8 92
## 71 8 116
## 72 9 106
## 73 9 112
## 74 8 31
## 75 9 270
## 76 13 15
## 77 11 288
## 78 7 134
## 79 9 7
## 80 9 7
## 81 11 83
## 82 17 11
## 83 7 81
## 84 13 130
## 85 8 9
## 86 13 74
## 87 12 137
## 88 14 271
## 89 14 31
## 90 16 154
## 91 6 151
## 92 8 112
## 93 11 62
## 94 11 221
## 95 9 18
## 96 11 30
## 97 4 71
## 98 4 265
## 99 13 226
## 100 13 92
## 101 12 20
## 102 17 50
## 103 13 112
## 104 11 187
## 105 12 189
## 106 15 172
## 107 9 7
## 108 7 177
## 109 8 57
## 110 12 253
## 111 8 200
## 112 9 109
## 113 16 176
## 114 10 254
## 115 5 44
## 116 11 89
## 117 10 186
## 118 12 223
## 119 11 213
## 120 16 69