• Descripción
  • Activación de R
  • Bibliotecas
  • Pregunta 1
  • Pregunta 2
  • Pregunta 3
  • Pregunta 4
  • Pregunta 5
  • Pregunta 6
  • Pregunta 7
  • Pregunta 8

Descripción

  • Nota importante: todos los ejercicios deben ser resueltos a través de código, no son válidas las soluciones manuales.
  • Descarga y ejecución: para responder cada pregunta del taller se recomienda descargar el documento .Rmd y editarlo desde su computador. También es posible hacerlo desde la página web, sin embargo, tenga paciencia porque puede ser lenta la ejecución.
  • Entregable: documento .Rmd con solución a cada pregunta. Enviar este documento a mi correo.
  • Fecha de entrega: máximo el lunes 14 de noviembre de 2022

Activación de R

Clic en Activate para activar el kernel de R y poder ejecutar (run) cada fragmento de código desde el navegador. Tenga paciencia ⌛⌛⌛

Bibliotecas

library(tidyverse)
library(lubridate)

Pregunta 1

  • Complete el siguiente fragmento ingresando su nombre en la variable texto2 y corrija el código…🤯🤯🤯
    • Rta: "Hola, mi nombre es Edimer"
texto1 <- "Hola, mi nombre es"
texto2 <- ""
str_c(texto1 texto2)

Pregunta 2

  • Use la función mean() para calcular el promedio del siguiente vector 🤔🤔🤔:
    • Rta: 53.968
numeros <- c(23, 12.2, "13,5", 11l, 210.14)

numeros %>% 
  ...

Pregunta 3

  • Construya una base de datos con los siguientes vectores y obtenga el promedio de los números impares al cuadrado (v3) 😨😨😨:
    • Rta: 11.66667
v1 <- c(1, 2, 3, 4, 5, 6)
v2 <- c("Impar", "Par", "Impar", "Par", "Impar")
v3 <- c(1, 4, 9, 16, 25, 36)

data.frame(...)

Pregunta 4

  • En la base de datos PlantGrowth hay información de peso para tres grupos de plantas (control, tratamiento 1 y tratamiento 2). ¿Cuántos registros superan el promedio general (media_p4) de peso (weight) para el tratamiento 1? 💡💡💡
    • Rta: 2 registros
media_p4 <- PlantGrowth %>% 
  pull(weight) %>% 
  mean()

PlantGrowth %>% 
  ...

Pregunta 5

  • Los siguientes vectores poseen información de fechas iniciales y fechas finales para ciclos hipotéticos de cultivos. Obtenga el vector con la diferencia de días para cada cultivo y calcule el promedio de días. 🔂🔂🔂
    • Rta: 101.5
fecha_inicial <- c("2010-01-01", "2020-01-01", "2021-01-01", "2022-01-01")
fecha_final <- c("2010-03-25", "2020-04-17", "2021-03-10", "2022-05-29")

Pregunta 6

arboles <- read_csv("_rboles_plantados_en_el_municipio_de_Cota.csv")

Pregunta 7

arboles <- read_csv("_rboles_plantados_en_el_municipio_de_Cota.csv")

arboles %>% 
  mutate(fecha2 = ...(Fecha),
         año = year(fecha2)) %>% 
  group_by(año) ... 
  summarise(total = ...(Cantidad))

Pregunta 8

  • ¿Cuál es el día con mayor número de registros en el siguiente vector de fechas?
    • Rta: lunes: 15
vector_year <- seq(from = 1990, to = 2021, by = 2)
vector_mes <- rep(1:12, each = 5)
vector_dia <- rep(1:30, each = 3)

vector_fechas <- str_c(..., "-", vector_mes, ..., vector_dia)

...elt() %>% 
  ymd() %>% 
  ...() %>% 
  table()
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