Introducción a R Markdown

Principios básicos

R Markdown

es un lenguaje de marcado ligero que nos permite escribir informes que contengan código Markdown permite crear documentos HTML, PDF y MS Word Beamer, diapositivas HTML5, folletos de estilo Tufte, libros, tableros, aplicaciones brillantes, artículos científicos, sitios web y más. Para más información ingrese a: http://rmarkdown.rstudio.com.

Usa R como una calculadora

Coloca aquí­ tus anotaciones…

Operador	Operación	Ejemplo	Resultado
+	Suma	10 + 3	13
-	Resta	10 - 3	7
*	Multiplicación	10 * 3	30
/	División	10/3	3.33333333
^	Potencia	10 ^ 3	1000
%/%	División entera	10 %/% 3	3
%%	Residuo	10 %% 3	1

Data Set - Galton

Galton es un conjunto de datos datos tabulados utilizados en 1885 para estudiar la relación entre la altura de los padres y hijos.

summary(Galton)

##      parent          child      
##  Min.   :64.00   Min.   :61.70  
##  1st Qu.:67.50   1st Qu.:66.20  
##  Median :68.50   Median :68.20  
##  Mean   :68.31   Mean   :68.09  
##  3rd Qu.:69.50   3rd Qu.:70.20  
##  Max.   :73.00   Max.   :73.70

Visualización de gráficos

se pueden elabor infinidad de graficos:

Gráfico de girasol

sunflowerplot(Galton, cex=1.5, col="Green", seg.lnd=0.7, seg.col="blue")

Gráfico de histograma

temp <- airquality$Temp 
hist(temp, main = "", xlab = "Temperatura", 
     ylab = "Frecuencia",
     breaks=10, 
     xlim = c(50,100))

Density Plot

cambiar los meses numéricos a nombres y definir mes como factor

airquality[, "Month"] <- factor(airquality$Month,
                                labels = c("Mayo","Junio",
                                           "Julio","Agosto",
                                           "Septiembre"))

Graficar:

ggplot(airquality,aes(x = Temp, 
                      fill = Month,
                      colour = Month)) +
  geom_density(alpha = 0.1, 
               lwd=1) +
  xlim(50, 100) + 
  labs(x="Temperatura", y="Densidad", 
       col="Meses", fill="Meses")

Box Plot

ggplot(data = chickwts, aes(x = feed, y = weight)) +
       stat_boxplot(geom = "errorbar", 
                    width = 0.2) +
       geom_boxplot(fill = "#4271AE", colour = "#1F3552", 
                    alpha = 0.9, outlier.colour = "red") +
       scale_y_continuous(name = "Peso") +  
       scale_x_discrete(name = "Alimentación") +   
       theme(axis.line = element_line(colour = "black",
                                      size = 0.25))

Gráfico de violin

data_wide <- iris[ , 1:4]
data_wide %>% 
  gather(key="MesureType", value="Val") %>%
  ggplot( aes(x=MesureType, y=Val, fill=MesureType)) +
    geom_violin()

Gráfico de puntos

ggplot(iris, aes(x=Sepal.Length, y=Petal.Length))+
  geom_point()+
  labs(title="100")

Gráfico de puntos (2)

ggplot(data = iris, aes(x=Sepal.Length, y=Sepal.Width)) + 
  geom_point() +
  theme_light() 

Gráficos de disperción

ggplot(data=gapminder)+
  geom_point(aes(x=gdpPercap, y=lifeExp, colour = continent))+
  facet_wrap(~continent)

Gráfico de lineas

ggplot(diamonds, aes(x = price, y = cut, fill = cut)) +
  geom_density_ridges() +
  theme_ridges() + 
  theme(legend.position = "none")

Mapa de calor

# Se crea la data
set.seed(2022) 
data <- data.frame(x = rnorm(150), y = rnorm(150)) 
data$z <- with(data, x * y + rnorm(150, sd = 1)) 

# Mostrar los puntos de a data de la misma color
levelplot(z ~ x * y, data, panel = panel.levelplot.points, 
          cex = 1.2) + 
  layer_(panel.2dsmoother(..., n = 200))

Gráfico de barras

ggplot(data = iris, aes(x=Sepal.Length)) + 
  geom_bar() +
  theme_light() +
  xlab("Sepal Lenght")

Gráfico de barras (2)

ggplot(data=diamantes)+
  geom_bar(mapping = aes(x=corte,  fill=claridad), position = "dodge")

Gráfico circular

# Creación de datos
Prop <- c(3,7,9,1,2)
myPalette <- brewer.pal(5, "Set2") 

# Gráfico
pie(Prop , labels = c("Gr-A","Gr-B","Gr-C","Gr-D","Gr-E"), border="white", col=myPalette )

Dendograma

# Creacion de data frame
d1 <- data.frame(from="origin", to=paste("group", seq(1,5), sep=""))
d2 <- data.frame(from=rep(d1$to, each=5), to=paste("subgroup", seq(1,25), sep="_"))
edges <- rbind(d1, d2)

# Creación de objetos gráficos
mygraph <- graph_from_data_frame( edges )

# Dendograma
ggraph(mygraph, layout = 'dendrogram', circular = FALSE) + 
  geom_edge_diagonal() +
  geom_node_point() +
  theme_void()