TIDYVERSE
Autores: Daniela Guaraca,Luis David Silva,Jasmin
Paredes,Klever Mollocana
Autores: Daniela Guaraca,Luis David Silva,Jasmin Paredes,Klever Mollocana
Fecha de publicación: 2022-07-31
Fecha de publicación: 2022-07-31
TIDYVERSE
Utilizando la base de datos interna mtcars, resolver los siguientes enunciados:Cargamos la libreria tidyverse y visualizamos la base mtcars
library("tidyverse")## -- Attaching packages --------------------------------------- tidyverse 1.3.1 --## v ggplot2 3.3.6 v purrr 0.3.4
## v tibble 3.1.7 v dplyr 1.0.9
## v tidyr 1.2.0 v stringr 1.4.0
## v readr 2.1.2 v forcats 0.5.1## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()view(mtcars)1. Seleccionamos las 3 primeras columnas del dataset mtcars y mostramos la cabecera
head(select(mtcars,1:3))## mpg cyl disp
## Mazda RX4 21.0 6 160
## Mazda RX4 Wag 21.0 6 160
## Datsun 710 22.8 4 108
## Hornet 4 Drive 21.4 6 258
## Hornet Sportabout 18.7 8 360
## Valiant 18.1 6 2252. Utiliza la ayuda ?select_helpers para que observes el resultado
Tenemos en cuenta que esta ayuda, nos muestra todas las herramientas de la función select
#?select_helpers3. Seleccionar las columnas que empiezan por d
head(select(mtcars,starts_with("d")))## disp drat
## Mazda RX4 160 3.90
## Mazda RX4 Wag 160 3.90
## Datsun 710 108 3.85
## Hornet 4 Drive 258 3.08
## Hornet Sportabout 360 3.15
## Valiant 225 2.764. Seleccionar las columnas que terminan por p
head(select(mtcars,ends_with("p")))## disp hp
## Mazda RX4 160 110
## Mazda RX4 Wag 160 110
## Datsun 710 108 93
## Hornet 4 Drive 258 110
## Hornet Sportabout 360 175
## Valiant 225 1055. head(select( mtcars, -drat, -am )) (Explica que resultado obtienes ?)
head(select( mtcars, -drat, -am ))## mpg cyl disp hp wt qsec vs gear carb
## Mazda RX4 21.0 6 160 110 2.620 16.46 0 4 4
## Mazda RX4 Wag 21.0 6 160 110 2.875 17.02 0 4 4
## Datsun 710 22.8 4 108 93 2.320 18.61 1 4 1
## Hornet 4 Drive 21.4 6 258 110 3.215 19.44 1 3 1
## Hornet Sportabout 18.7 8 360 175 3.440 17.02 0 3 2
## Valiant 18.1 6 225 105 3.460 20.22 1 3 1Se obtiene como resultado la base de datos mtcars, pero sin las columnas que tienen el nombre de drat y am
6. head(select( mtcars, contains( “a” ) )) (Explica que resultado obtienes ?)
head(select( mtcars, contains( "a" ) ))## drat am gear carb
## Mazda RX4 3.90 1 4 4
## Mazda RX4 Wag 3.90 1 4 4
## Datsun 710 3.85 1 4 1
## Hornet 4 Drive 3.08 0 3 1
## Hornet Sportabout 3.15 0 3 2
## Valiant 2.76 0 3 1Nos muestra las columnas que en su nombre contengan una letra “a”
7. head(filter( mtcars, mpg > 20, gear == 4)) (Explica que resultado obtienes ?)
head(filter( mtcars, mpg > 20, gear == 4))## mpg cyl disp hp drat wt qsec vs am gear carb
## Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
## Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
## Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
## Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
## Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1EXPLICACION
Filtra los registros que cumplan con las condicionesindicadas, es decir, selecciona los registros que tengan en la columna de mpg mayor a 20 y en la columna gear, los que sean iguales a 4 teniendo en cuenta que filtra y nos muestra los registros que cumplen estas 2 condiciones al mismo tiempo
8. Seleccionar los sujetos con tipo de transmisión (am) 1 que, además, tienen 6 cilindros o menos
seleccion1<-filter(mtcars,am==1 & cyl<=6)
head(seleccion1)## mpg cyl disp hp drat wt qsec vs am gear carb
## Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
## Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
## Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
## Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
## Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 19. Seleccionar los sujetos que bien consumen menos de 21 mpg o bien tienen menos de 3 carburantes (carb) y menos de 4 engranajes (gear)
selccion2<-filter(mtcars,(mpg<21 | carb<3) & gear<4)
head(selccion2)## mpg cyl disp hp drat wt qsec vs am gear carb
## Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
## Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
## Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
## Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
## Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
## Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 310. Ordena por cilindrada (cyl) y por desplazamiento (disp)
ordenado<-arrange(mtcars,cyl,disp)
head(ordenado)## mpg cyl disp hp drat wt qsec vs am gear carb
## Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
## Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
## Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
## Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
## Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
## Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 111. Crea una nueva columna que indique los kilogramos que pesa el coche,sabiendo que 1 libra = 0.45 kg. La variable wt indica el peso en libras.
bd<-mtcars
bd$Libras<-bd$wt*0.45
head(bd)## mpg cyl disp hp drat wt qsec vs am gear carb Libras
## Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4 1.17900
## Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4 1.29375
## Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1 1.04400
## Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1 1.44675
## Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2 1.54800
## Valiant 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1 1.5570012. La función summarise() agrupa los valores en una tabla de acuerdo a la función que indiquemos. Calcula la media de disp usando la función summarise:
summarise(mtcars,mean(disp))## mean(disp)
## 1 230.721913. summarise(group_by(mtcars, cyl), max = max(disp)) (Explica que resultado obtienes ?)
summarise(group_by(mtcars, cyl), max=max(disp))## # A tibble: 3 x 2
## cyl max
## <dbl> <dbl>
## 1 4 147.
## 2 6 258
## 3 8 472EXPLICACION
Agrupa por cilindraje y devuelve el maximo de cada valor de la agrupacion
14. mtcars %>% select( mpg:disp )%>% head (Explica que resultado obtienes ?)
mtcars %>% select( mpg:disp )%>% head ## mpg cyl disp
## Mazda RX4 21.0 6 160
## Mazda RX4 Wag 21.0 6 160
## Datsun 710 22.8 4 108
## Hornet 4 Drive 21.4 6 258
## Hornet Sportabout 18.7 8 360
## Valiant 18.1 6 225View(mtcars)EXPLICACION
Nos muetra la cabezera con los campos que contienen las variables de mpg hasta las variables de cyl
15. head(select(select(mtcars, contains(“a”)), -drat, -am)) (Explica que resultado obtienes ?)
head(select(select(mtcars, contains("a")), -drat, -am))## gear carb
## Mazda RX4 4 4
## Mazda RX4 Wag 4 4
## Datsun 710 4 1
## Hornet 4 Drive 3 1
## Hornet Sportabout 3 2
## Valiant 3 1EXPLICACION
Nos muestra los campos con las variables que contienen la letra a excepto drat y am
16. Utilizando pipes ejecuta el ejercicio 15
mtcars %>%
head %>%
select(-drat,-am)%>%
select(contains("a"))## gear carb
## Mazda RX4 4 4
## Mazda RX4 Wag 4 4
## Datsun 710 4 1
## Hornet 4 Drive 3 1
## Hornet Sportabout 3 2
## Valiant 3 117.-mtcars_filtered = filter(mtcars, wt > 1.5)
mtcars_grouped = group_by(mtcars_filtered, cyl) summarise(mtcars_grouped, mn = mean(mpg), sd = sd(mpg)) (Explica que resultado obtienes ?)
mtcars_filtered = filter(mtcars, wt > 1.5)
head(mtcars_filtered)## mpg cyl disp hp drat wt qsec vs am gear carb
## Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4
## Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1
## Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1
## Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2
## Valiant 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1EXPLICACION
Nos muestra la base mtcars con el campo wt condicionado a que sea mayor que 1.5
mtcars_grouped = group_by(mtcars_filtered, cyl)
View(mtcars_grouped)EXPLICACION
Agrupa por el campo cyl en tres grupos que son 4,6,8 lo que habiamos filtrado
summarise(mtcars_grouped, mn = mean(mpg), sd = sd(mpg))## # A tibble: 3 x 3
## cyl mn sd
## <dbl> <dbl> <dbl>
## 1 4 26.7 4.51
## 2 6 19.7 1.45
## 3 8 15.1 2.56EXPLICACION
Nos muestra la media de nuestro campo mpg agrupado en los grupos anteriormente realizados y la desviación estandar de nuestro campo mpg igualmente agrupado por el campo cyl cabe aclaar que tambien esta aplicado el filtro de los datos que son wt>1.5 y cambia los nombres de los campos en la media mn y la desviación sd
18. Utilizando pipes ejecuta el ejercicio 17
mtcars%>%
filter(wt>1.5) %>%
group_by(cyl) %>%
summarise(mn = mean(mpg), sd = sd(mpg))## # A tibble: 3 x 3
## cyl mn sd
## <dbl> <dbl> <dbl>
## 1 4 26.7 4.51
## 2 6 19.7 1.45
## 3 8 15.1 2.5619. Es obligatorio utilizar las funciones
del paquete dplyr recomendable utilizar pipes
%>% para los siguientes ejercicios
20. Descarga el fichero de datos
vuelos.csv situado en http://gauss.inf.um.es/datos/; en local o localiza la
url donde se encuentra
21. Descarga el archivo y Guarda los
datos en una variable llamada vuelos
head(read.csv("C:\\Users\\DETPC\\OneDrive\\Documentos\\3er semestre\\PROGRAMACION\\TRABAJOS GRUPALES\\TALLER 10\\vuelos.csv", header = T, sep = ",", dec = "."))## date hour minute dep arr dep_delay arr_delay carrier flight dest
## 1 2011-01-01 14 0 1400 1500 0 -10 AA 428 DFW
## 2 2011-01-02 14 1 1401 1501 1 -9 AA 428 DFW
## 3 2011-01-03 13 52 1352 1502 -8 -8 AA 428 DFW
## 4 2011-01-04 14 3 1403 1513 3 3 AA 428 DFW
## 5 2011-01-05 14 5 1405 1507 5 -3 AA 428 DFW
## 6 2011-01-06 13 59 1359 1503 -1 -7 AA 428 DFW
## plane cancelled time dist
## 1 N576AA 0 40 224
## 2 N557AA 0 45 224
## 3 N541AA 0 48 224
## 4 N403AA 0 39 224
## 5 N492AA 0 44 224
## 6 N262AA 0 45 224vuelos <- read.csv("C:\\Users\\DETPC\\OneDrive\\Documentos\\3er semestre\\PROGRAMACION\\TRABAJOS GRUPALES\\TALLER 10\\vuelos.csv", header = T, sep = ",", dec = ".")
View(vuelos)22.Selecciona los vuelos con destino
SFO u OAK utilizando las funciones del paquete
dplyr. ¿Con cuantos vuelos nos quedamos?
vuelos_destino1 <- filter(vuelos, dest=="SFO")
head(vuelos_destino1)## date hour minute dep arr dep_delay arr_delay carrier flight dest
## 373 2011-01-31 8 51 851 1052 1 -27 CO 170 SFO
## 389 2011-01-31 11 29 1129 1351 4 1 CO 270 SFO
## 402 2011-01-31 14 32 1432 1656 7 5 CO 370 SFO
## 436 2011-01-31 17 48 1748 2001 3 -4 CO 570 SFO
## 467 2011-01-31 21 43 2143 2338 50 24 CO 770 SFO
## 468 2011-01-31 7 29 729 1002 -1 2 CO 771 SFO
## plane cancelled time dist
## 373 N35407 0 225 1635
## 389 N37420 0 228 1635
## 402 N27213 0 229 1635
## 436 N75436 0 236 1635
## 467 N37281 0 224 1635
## 468 N26226 0 237 1635vuelos_destino2 <- filter(vuelos, dest=="OAK")
head(vuelos_destino2)## date hour minute dep arr dep_delay arr_delay carrier flight dest
## 7709 2011-01-01 17 50 1750 2002 10 2 WN 1911 OAK
## 7822 2011-01-02 20 19 2019 2217 44 22 WN 1106 OAK
## 7823 2011-01-02 10 43 1043 1254 28 24 WN 1892 OAK
## 7951 2011-01-03 10 32 1032 1235 2 -15 WN 9 OAK
## 7952 2011-01-03 21 35 2135 2337 60 42 WN 165 OAK
## 8082 2011-01-04 10 34 1034 1237 4 -13 WN 9 OAK
## plane cancelled time dist
## 7709 N723SW 0 237 1642
## 7822 N407WN 0 224 1642
## 7823 N403WN 0 240 1642
## 7951 N404WN 0 230 1642
## 7952 N232WN 0 230 1642
## 8082 N222WN 0 230 164223. Selecciona los vuelos que se han retrasado más de una hora. ¿Cuál es el destino que más se retrasa en proporción al número de vuelos?
vuelos_retrasos <- select(vuelos, arr_delay)
head(vuelos_retrasos)## arr_delay
## 1 -10
## 2 -9
## 3 -8
## 4 3
## 5 -3
## 6 -7vuelos_retrasos1 <- filter(vuelos_retrasos, arr_delay >1 )
head(vuelos_retrasos1)## arr_delay
## 4 3
## 9 44
## 10 43
## 11 29
## 12 5
## 17 8424. Encuentra 4 maneras diferentes de
utilizar la función select para seleccionar las variables
relacionadas con los retrasos (delay)
head(select(vuelos, dep_delay))## dep_delay
## 1 0
## 2 1
## 3 -8
## 4 3
## 5 5
## 6 -1head(select(vuelos, arr_delay, everything()))## arr_delay date hour minute dep arr dep_delay carrier flight dest
## 1 -10 2011-01-01 14 0 1400 1500 0 AA 428 DFW
## 2 -9 2011-01-02 14 1 1401 1501 1 AA 428 DFW
## 3 -8 2011-01-03 13 52 1352 1502 -8 AA 428 DFW
## 4 3 2011-01-04 14 3 1403 1513 3 AA 428 DFW
## 5 -3 2011-01-05 14 5 1405 1507 5 AA 428 DFW
## 6 -7 2011-01-06 13 59 1359 1503 -1 AA 428 DFW
## plane cancelled time dist
## 1 N576AA 0 40 224
## 2 N557AA 0 45 224
## 3 N541AA 0 48 224
## 4 N403AA 0 39 224
## 5 N492AA 0 44 224
## 6 N262AA 0 45 224var <- c("dep_delay", "arr_delay")
head( select(vuelos, one_of(var)))## dep_delay arr_delay
## 1 0 -10
## 2 1 -9
## 3 -8 -8
## 4 3 3
## 5 5 -3
## 6 -1 -7head( select(vuelos, matches(".d.")))## dep_delay arr_delay
## 1 0 -10
## 2 1 -9
## 3 -8 -8
## 4 3 3
## 5 5 -3
## 6 -1 -725. Agrupa los vuelos por fecha y calcula: media, mediana y cuartil 75 de los retrasos en los vuelos por hora
head(select(vuelos, dep_delay))## dep_delay
## 1 0
## 2 1
## 3 -8
## 4 3
## 5 5
## 6 -1head(select(vuelos, arr_delay, everything()))## arr_delay date hour minute dep arr dep_delay carrier flight dest
## 1 -10 2011-01-01 14 0 1400 1500 0 AA 428 DFW
## 2 -9 2011-01-02 14 1 1401 1501 1 AA 428 DFW
## 3 -8 2011-01-03 13 52 1352 1502 -8 AA 428 DFW
## 4 3 2011-01-04 14 3 1403 1513 3 AA 428 DFW
## 5 -3 2011-01-05 14 5 1405 1507 5 AA 428 DFW
## 6 -7 2011-01-06 13 59 1359 1503 -1 AA 428 DFW
## plane cancelled time dist
## 1 N576AA 0 40 224
## 2 N557AA 0 45 224
## 3 N541AA 0 48 224
## 4 N403AA 0 39 224
## 5 N492AA 0 44 224
## 6 N262AA 0 45 224var <- c("dep_delay", "arr_delay")
head( select(vuelos, one_of(var)))## dep_delay arr_delay
## 1 0 -10
## 2 1 -9
## 3 -8 -8
## 4 3 3
## 5 5 -3
## 6 -1 -7head( select(vuelos, matches(".d.")))## dep_delay arr_delay
## 1 0 -10
## 2 1 -9
## 3 -8 -8
## 4 3 3
## 5 5 -3
## 6 -1 -726. Utilizando pipes calcula la media de retraso en los vuelos por día y hora, la cantidad de vuelos por día y hora y luego muestra solo los casos para los cuales haya más de 10
mean(vuelos$dep_delay, na.rm = T)## [1] 9.359078mean(vuelos$arr_delay, na.rm = T)## [1] 7.592729head(vuelos)## date hour minute dep arr dep_delay arr_delay carrier flight dest
## 1 2011-01-01 14 0 1400 1500 0 -10 AA 428 DFW
## 2 2011-01-02 14 1 1401 1501 1 -9 AA 428 DFW
## 3 2011-01-03 13 52 1352 1502 -8 -8 AA 428 DFW
## 4 2011-01-04 14 3 1403 1513 3 3 AA 428 DFW
## 5 2011-01-05 14 5 1405 1507 5 -3 AA 428 DFW
## 6 2011-01-06 13 59 1359 1503 -1 -7 AA 428 DFW
## plane cancelled time dist
## 1 N576AA 0 40 224
## 2 N557AA 0 45 224
## 3 N541AA 0 48 224
## 4 N403AA 0 39 224
## 5 N492AA 0 44 224
## 6 N262AA 0 45 224head(filter(vuelos, dep_delay>10,arr_delay>10)) #Muestra los valores de retrasos de los vuelos mayores a 10## date hour minute dep arr dep_delay arr_delay carrier flight dest
## 9 2011-01-09 14 43 1443 1554 43 44 AA 428 DFW
## 10 2011-01-10 14 43 1443 1553 43 43 AA 428 DFW
## 11 2011-01-11 14 29 1429 1539 29 29 AA 428 DFW
## 17 2011-01-17 15 30 1530 1634 90 84 AA 428 DFW
## 20 2011-01-20 15 7 1507 1622 67 72 AA 428 DFW
## 31 2011-01-31 14 41 1441 1553 41 43 AA 428 DFW
## plane cancelled time dist
## 9 N476AA 0 41 224
## 10 N504AA 0 45 224
## 11 N565AA 0 42 224
## 17 N518AA 0 48 224
## 20 N425AA 0 42 224
## 31 N505AA 0 39 22427. Importar la base de datos realizada en MYSQL a R (Consultarlo como hacerlo)
Tenemos en cuenta que primero debemos instalar el paquete RODBC y previamente haber hecho una coneccion entre R y MySQL
library("RODBC")
conexion <- odbcConnect("vuelos.prueba",uid = "root",pwd = "luisdavid")
vuelomysql <- sqlQuery(conexion,"SELECT * FROM vuelos1")
head(vuelomysql)## date hour minute dep arr dep_delay arr_delay carrier flight dest
## 1 2011-01-01 14 0 1400 1500 0 -10 AA 428 DFW
## 2 2011-01-02 14 1 1401 1501 1 -9 AA 428 DFW
## 3 2011-01-03 13 52 1352 1502 -8 -8 AA 428 DFW
## 4 2011-01-04 14 3 1403 1513 3 3 AA 428 DFW
## 5 2011-01-05 14 5 1405 1507 5 -3 AA 428 DFW
## 6 2011-01-06 13 59 1359 1503 -1 -7 AA 428 DFW
## plane cancelled time dist
## 1 N576AA 0 40 224
## 2 N557AA 0 45 224
## 3 N541AA 0 48 224
## 4 N403AA 0 39 224
## 5 N492AA 0 44 224
## 6 N262AA 0 45 224