library("knitr") # kable
library("tinytex")
library("tidyverse")
library("dplyr")
library("ggplot2")
library("prettyR")
library("agricolae")
library("readxl")
library("writexl") # write_xlsx
library("prettydoc")El Curso tiene como objetivo introducir al estudiante al lenguaje de programación R, para realizar análisis estadísticos.
Además de la instalación del R se va a instalar RStudio, el cual es un entorno de desarrollo integrado (IDE) que hace más fácil la manipulación de código de R.
Una vez instalado R y RStudio, se dará una introducción a varios temas estadísticos, y se mostrará como trabajar con R.
La página oficial del software estadístico R es : https://www.r-project.org/
Antes de realizar la instalación del R, ir a Sistema del equipo de Computo y verificar el número de bits que se tiene 64 0 32, ya que este dato se pregunta durante la instalación de R.
La instalación de R, RTools y RStudio, se realiza en el siguiente orden:
Instalar R versión 4.2.1 para Windows: https://cran.r-project.org/bin/windows/base/
Instalar RTools versión 4.2: https://cran.r-project.org/bin/windows/Rtools/
Instalar RStudio: https://www.rstudio.com/products/rstudio/download/
Nota:
Rtools es un paquete de cadena de herramientas que se utiliza para compilar paquetes R desde el origen (aquellos que necesitan compilación de código C/C++ o Fortran) y para compilar R en sí.
Cuando se utiliza la ubicación de instalación predeterminada, R y Rtools42 se pueden instalar en cualquier orden y Rtools42 se puede instalar cuando R ya se está ejecutando
R es un lenguaje de programación y de distribución libre que funciona en los sistemas operativos de Linux, Windows, Macintosh y Unix.
R fue creado en \(1992\) en Nueva Zelanda por Ross Ihaka y Robert Gentleman. Para ello decidieron adoptar la sintaxis del lenguaje S desarrollado por Bell Laboratories. Cabe mencionar que John Chambers y colaboradores en Laboratorios Bell (AT&T), actualmente Lucent Tecnologies, desarrollaron el lenguaje S en 1976.
En R se pueden crear y manipular objetos; objetos que pueden ser funciones o bases de datos, entre otros.
R es un ambiente que se presta para usar las funciones que han creado otros usuarios, y también para crear las propias.
Básicamente R se compone de un conjunto de paquetes, los cuales deben de ser descargados e instados en R. Dentro de los paquetes se encuentran funciones y bases de datos con los cuales se pueden trabajar. Como usuario de R, uno descarga e instala los paquetes que necesita para realizar el análisis estadístico que necesita.
Cuando se instala R, el usuario ya dispone de un conjunto de paquetes y con ello una gran variedad de funciones para realizar análisis estadísticos básicos. Además de los paquetes precargados el usuario puede disponer de más funciones en el siguiente enlace: http://www.r-project.org.
En el siguiente enlace se encuentran varios paquetes relacionados temas de estadística como diseños de experimentos, análisis multivariado, etc:
http://web.archive.org/web/20160415144236/https://cran.r-project.org/web/views/
Ventajas que se tienen al utilizar R, como lenguaje de programación:
Es un programa con código totalmente libre.
Almacenamiento y manipulación de los objetos como vectores, matrices, data frames, listas, funciones, bases de datos, etc.
Es la herramienta más barata y de fácil acceso en estadística.
Se puede realizar cualquier tipo de análisis estadístico, así modelación, manipulación de grandes bases de datos y generación de gráficos, entre otros.
Las contribuciones de los usuarios, hacen de R una herramienta cada vez más completa y potente. Dichas contribuciones se encuentra disponibles en: http://cran.r-project.org/bin/windows/contrib/
Importante:
Las líneas de código generalmente se escriben en un script.
Las líneas en un script se comentan con el símbolo de #
Una vez que se crea un objeto (es decir, se le da un nombre) en R, es muy importante llamarlo con el nombre que se le dio, exactamente igual; ya que de lo contrario R nos dirá que el objeto que estamos llamando aún no ha sido definido.
Todo paréntesis, corchete o llave que se abra, se debe de cerrar, es decir, (), [], {}; de lo contrario R marcará error cuando se compile el código.
Al guardar un scrip se selecciona la codificación UTF-8, ya que hay acentos en el código.
Con la función search() se muestran los paquetes cargados al R:
consultar los paquetes cargados con la función
search():) [1] ".GlobalEnv" "package:prettydoc" "package:writexl"
:) [4] "package:readxl" "package:agricolae" "package:prettyR"
:) [7] "package:forcats" "package:stringr" "package:dplyr"
:) [10] "package:purrr" "package:readr" "package:tidyr"
:) [13] "package:tibble" "package:ggplot2" "package:tidyverse"
:) [16] "package:tinytex" "package:knitr" "package:stats"
:) [19] "package:graphics" "package:grDevices" "package:utils"
:) [22] "package:datasets" "package:methods" "Autoloads"
:) [25] "package:base"Por ejemplo, veamos los objetos del paquete MASS:
library(help=MASS) # Muestra todos los objetos que están en el paquete MASSEn el R existe varias formas para pedir ayuda en la instalación de paquetes, manejo de funciones, creación y manejo de objetos.
Para pedir ayuda con la función mean(), la cual calcula el promedio de una variable, se tienen las siguientes opciones:
?meanhelp(mean)help.search("mean") # Realiza una búsqueda más generalPara pedir ayuda sobre un símbolo matemático:
?"+"Para pedir ayuda sobre la función for():
?"for"Busca ayuda el internet:
RSiteSearch("mean")Otra función de utilidad es find(), la cual devuelve la ubicación en donde se pueden encontrar los objetos que se buscan.
find("mean") # Indica en que paquete se encuentra la función mean()Para hacer uso de un paquete que aún no se encuentra instalado en R; primero se debe descargar y luego activar. Para esto se usan dos funciones: install.packages() y library().
Vamos a instalar el paquete sos y utilizar la función findFn() para realizar la búsqueda sobre algún tema de estadística de interes.
install.packages("sos")
library("sos")
findFn("regresion models") # Busca en el internet los paquetes que tienen funciones que realizan regresión lineal.Funciones de utilidad en la instalación de paquetes:
Función para actualizar paquetes: update.packages()
Función para remover paquetes: remove.packages()
Para verificar si el paquete tinytex está instalado: tinytex:::is_tinytex()
Importante:
La instalación de los paquetes, install.packages(), se realiza solo una vez en R. Por esta razón se recomienda que una vez instalado un paquete, se comente esa línea de código con el símbolo de #.
La activación de los paquetes, library(), se realiza siempre que se abre el script de trabajo, y al inicio de la sesión de trabajo.
Otra forma de instalar un paquete en R, es utilizando la función install_github() del paquete remotes.
install.packages("remotes") # Instalación del paquete remotes
library("remotes") # Activación del paquete remotesObjetos del paquete remotes:
library(help=remotes)Instalación del paquete ggplot2 con la función install_github():
install_github("tidyverse/ggplot2") # Instalación del paquete ggplot2
library("ggplot2") # Activación del paquete ggplot2El paquete ggplot2 es de mucha utilidad para la elaboración de gráficos.
Funciones de utilidad en R:
Funciones que dan información de R: sesionInfo(), Sys.getenv() y vertion().
Función que indica como citar al software R: citation.
En la creación y manipulación de objetos es importante considerar los siguientes puntos:
Una vez que se asigna un nombre a un objeto creado, ese objeto debe de ser llamado con dicho nombre.
Los objetos definidos en los paquetes instalados, deben de ser llamados con dicho nombre. Cuando haya conflictos de nombres, siempre podemos usar la siguiente sintaxis para evitar el conflicto: nombre_Paquete::objeto.
La función c() nos permite concatenar datos, generando con esto un vector.
x<-c(2,4,6,8,10) # c concatena números o letras.
y<-c(1,3,5,7,9)
x # Se muestran los elementos asignados al objeto x:) [1] 2 4 6 8 10y # Se muestran los elementos asignados al objeto y:) [1] 1 3 5 7 9# Suma: a+b
x+y:) [1] 3 7 11 15 19# Resta: a-b
x-y:) [1] 1 1 1 1 1#Multiplicación: a∗b
x*y:) [1] 2 12 30 56 90#División a/b
x/y:) [1] 2.000000 1.333333 1.200000 1.142857 1.111111# Potencia: a^b
x^y:) [1] 2 64 7776 2097152 1000000000# Raíz cuadrada: sqrt()
sqrt(x):) [1] 1.414214 2.000000 2.449490 2.828427 3.162278Las funciones cumsum(), cumprod(), cummax() y cummin() regresan un vector que es el resultado de la suma, producto, mínimo y máximo de un vector dado.
x<-c(1,2,5) # Vector
diff(x) # diferencia entre elementos:) [1] 1 3cumsum(x) # suma acumulada:) [1] 1 3 8cumprod(x) # producto acumulado:) [1] 1 2 10cummax(x) # máximo del vector:) [1] 1 2 5cummin(x) # mínimo del vector:) [1] 1 1 1Creación de un objeto del tipo data.frame:
x1<-c(12,24,34,13,16,18,20,18,19,21) # Se concatenan números
x2<-c(50,34,67,60,50,60,70,72,59,50) # Se concatenan números
x3<-c("M","H","M","M","H","M","M","M","H","M") # Se concatenan letras
datos_d.f<-data.frame(Edad=x1,Peso=x2, Sexo=x3) # Se crea un objeto del tipo data.frame
datos_d.f:) Edad Peso Sexo
:) 1 12 50 M
:) 2 24 34 H
:) 3 34 67 M
:) 4 13 60 M
:) 5 16 50 H
:) 6 18 60 M
:) 7 20 70 M
:) 8 18 72 M
:) 9 19 59 H
:) 10 21 50 Mkable(datos_d.f, caption = "Base de datos")| Edad | Peso | Sexo |
|---|---|---|
| 12 | 50 | M |
| 24 | 34 | H |
| 34 | 67 | M |
| 13 | 60 | M |
| 16 | 50 | H |
| 18 | 60 | M |
| 20 | 70 | M |
| 18 | 72 | M |
| 19 | 59 | H |
| 21 | 50 | M |
La función attributes() muestra los nombres de las variables, el tipo de objeto creado y el número de renglones.
attributes(datos_d.f):) $names
:) [1] "Edad" "Peso" "Sexo"
:)
:) $class
:) [1] "data.frame"
:)
:) $row.names
:) [1] 1 2 3 4 5 6 7 8 9 10La función str() muestra: el tipo de objeto creado, las dimensiones del objeto, los numbres de las variables y el tipo de variables.
str(datos_d.f):) 'data.frame': 10 obs. of 3 variables:
:) $ Edad: num 12 24 34 13 16 18 20 18 19 21
:) $ Peso: num 50 34 67 60 50 60 70 72 59 50
:) $ Sexo: chr "M" "H" "M" "M" ...La función class() indica de qué tipo es el objeto creado:
class(datos_d.f):) [1] "data.frame"La función dim muestra la dimensión del objeto creado:
dim(datos_d.f) # La función dim() se utiliza con objetos del tipo data.frame:) [1] 10 3Funciones para ver la parte inicial y final de una base de datos:
head(datos_d.f) # Muestra la parte inicial del data.frame:) Edad Peso Sexo
:) 1 12 50 M
:) 2 24 34 H
:) 3 34 67 M
:) 4 13 60 M
:) 5 16 50 H
:) 6 18 60 Mtail(datos_d.f) # Muestra la parte final del objeto data.frame:) Edad Peso Sexo
:) 5 16 50 H
:) 6 18 60 M
:) 7 20 70 M
:) 8 18 72 M
:) 9 19 59 H
:) 10 21 50 MFormas de tener acceso a la variable edad:
datos_d.f$Edad:) [1] 12 24 34 13 16 18 20 18 19 21datos_d.f[,1]:) [1] 12 24 34 13 16 18 20 18 19 21Formas de tener acceso al primer valor de la variable edad:
datos_d.f$Edad[1]:) [1] 12datos_d.f[1,1]:) [1] 12Formas de tener acceso a un conjunto de valores de la variable edad
datos_d.f[1:3,1] # Muestra los primeros tres valores de la variable edad:) [1] 12 24 34datos_d.f[c(1,5),1] # Muestra el primer valor y el quinto valor de la variable edad:) [1] 12 16Cambiando el nombre de las columnas:
x1<-c(12,24,34,13,16,18,20,18,19,21) # Se concatenan números
x2<-c(50,34,67,60,50,60,70,72,59,50) # Se concatenan números
x3<-c("M","H","M","M","H","M","M","M","H","M") # Se concatenan letras
datos_d.f<-data.frame('EDAD. 5'=x1, 'PesoS. N'=x2, Sexo=x3) # Se crea un objeto del tipo data.frame
datos_d.f:) EDAD..5 PesoS..N Sexo
:) 1 12 50 M
:) 2 24 34 H
:) 3 34 67 M
:) 4 13 60 M
:) 5 16 50 H
:) 6 18 60 M
:) 7 20 70 M
:) 8 18 72 M
:) 9 19 59 H
:) 10 21 50 MCambia el nombre de las columnas
library(janitor) #clean_names
dat<-clean_names(datos_d.f)
dat:) edad_5 peso_s_n sexo
:) 1 12 50 M
:) 2 24 34 H
:) 3 34 67 M
:) 4 13 60 M
:) 5 16 50 H
:) 6 18 60 M
:) 7 20 70 M
:) 8 18 72 M
:) 9 19 59 H
:) 10 21 50 MTambién se pueden crear tablas de datos con la función
as.tibble()
datos_tib<-as.tibble(datos_d.f)
datos_tib:) # A tibble: 10 × 3
:) EDAD..5 PesoS..N Sexo
:) <dbl> <dbl> <chr>
:) 1 12 50 M
:) 2 24 34 H
:) 3 34 67 M
:) 4 13 60 M
:) 5 16 50 H
:) 6 18 60 M
:) 7 20 70 M
:) 8 18 72 M
:) 9 19 59 H
:) 10 21 50 Mx1<-c("012","024","034","013","016","018","020","018","019","021") # Se concatenan categorías
x2<-c(50,34,67,60,50,60,70,72,59,50) # Se concatenan números
x3<-c("M","H","M","M","H","M","M","M","H","M") # Se concatenan letras
datos1_d.f<-data.frame(Clave=x1,Peso=x2, Sexo=x3) # Se crea un objeto del tipo data.frame
x4<-c(5000,3400,6700,6000,5000,6000,7000,7200,5900,5000) # Se concatenan números
datos2_d.f<-data.frame(Clave=x1,Salario=x4) # Se crea un objeto del tipo data.frameSe unen las tablas por la variable Clave
dat<-left_join(datos1_d.f,datos2_d.f)
dat:) Clave Peso Sexo Salario
:) 1 012 50 M 5000
:) 2 024 34 H 3400
:) 3 034 67 M 6700
:) 4 013 60 M 6000
:) 5 016 50 H 5000
:) 6 018 60 M 6000
:) 7 018 60 M 7200
:) 8 020 70 M 7000
:) 9 018 72 M 6000
:) 10 018 72 M 7200
:) 11 019 59 H 5900
:) 12 021 50 M 5000dat<-bind_rows(datos1_d.f,datos2_d.f)
datls(): Lista todos los objetos del espacio de trabajo
local en R.
rm(): Remueve objetos en una sesión de
trabajo.
rm(list=ls()): Elimina todos los objetos creados en
una sesión de trabajo.
attributes(): Atributos del objeto
str(): Atributos del objeto
class(), mode(): Tipo de
objeto
View(): Visualizar una base de datos
Paquetes en el repositorio de CRAN:
library(dplyr)
library(stringr)
res<-tools::CRAN_package_db() # Paquetes en el repositorio de CRAN
res_pac<-res%>%
select(Package,Description,Title)
dim(res_pac):) [1] 18892 3head(res_pac):) Package
:) 1 A3
:) 2 AATtools
:) 3 ABACUS
:) 4 abbreviate
:) 5 abbyyR
:) 6 abc
:) Description
:) 1 Supplies tools for tabulating and analyzing the results of predictive models. The methods employed are applicable to virtually any predictive model and make comparisons between different methodologies straightforward.
:) 2 Compute approach bias scores using different scoring algorithms,\n compute bootstrapped and exact split-half reliability estimates,\n and compute confidence intervals for individual participant scores.
:) 3 A set of Shiny apps for effective communication and understanding in statistics. The current version includes properties of normal distribution, properties of sampling distribution, one-sample z and t tests, two samples independent (unpaired) t test and analysis of variance.
:) 4 Strings are abbreviated to at least "minlength" characters, such that they remain unique \n (if they were). The abbreviations should be recognisable.
:) 5 Get text from images of text using Abbyy Cloud Optical Character\n Recognition (OCR) API. Easily OCR images, barcodes, forms, documents with\n machine readable zones, e.g. passports. Get the results in a variety of formats\n including plain text and XML. To learn more about the Abbyy OCR API, see \n <http://ocrsdk.com/>.
:) 6 Implements several ABC algorithms for\n performing parameter estimation, model selection, and goodness-of-fit.\n Cross-validation tools are also available for measuring the\n accuracy of ABC estimates, and to calculate the\n misclassification probabilities of different models.
:) Title
:) 1 Accurate, Adaptable, and Accessible Error Metrics for Predictive\nModels
:) 2 Reliability and Scoring Routines for the Approach-Avoidance Task
:) 3 Apps Based Activities for Communicating and Understanding\nStatistics
:) 4 Readable String Abbreviation
:) 5 Access to Abbyy Optical Character Recognition (OCR) API
:) 6 Tools for Approximate Bayesian Computation (ABC)Paquetes con la palabra “biology”
res_pac<-res%>%
filter(str_detect(Title, "biology"))
head(res_pac):) Package Version Priority
:) 1 dragon 1.2.1 <NA>
:) 2 extraterrestrial 0.1.0 <NA>
:) 3 nlsMicrobio 0.0-3 <NA>
:) 4 paleobioDB 0.7.0 <NA>
:) 5 paleomorph 0.1.4 <NA>
:) 6 photobiologyPlants 0.4.2 <NA>
:) Depends
:) 1 R (>= 3.5.0)
:) 2 R(>= 3.5.0)
:) 3 stats, nlstools
:) 4 raster, maps
:) 5 <NA>
:) 6 R (>= 3.5.0), photobiology (>= 0.9.28), photobiologyWavebands\n(>= 0.4.3)
:) Imports
:) 1 config, golem (>= 0.2.1), shiny, DT (>= 0.14), ggplot2 (>=\n3.3.5), readr, openxlsx, dplyr (>= 1.0.0), RColorBrewer,\nstringr, tidyr (>= 1.0.0), purrr, tibble, broom (>= 0.5.6),\ncowplot (>= 1.0.0), ggforce, magrittr, shinydashboard,\nshinyWidgets, colourpicker (>= 1.0), colorspace (>= 1.4),\nvisNetwork (>= 2.0.9), igraph (>= 1.3.0), rlang, htmltools,\nstats, promises, future, lubridate, xml2, rvest, curl,\ntidyselect
:) 2 <NA>
:) 3 <NA>
:) 4 rjson, gtools, RCurl, plyr, scales
:) 5 stats, utils
:) 6 <NA>
:) LinkingTo
:) 1 <NA>
:) 2 <NA>
:) 3 <NA>
:) 4 <NA>
:) 5 <NA>
:) 6 <NA>
:) Suggests
:) 1 testthat (>= 2.1.0), processx, knitr, zip, rmarkdown
:) 2 <NA>
:) 3 knitr
:) 4 roxygen2, testthat
:) 5 knitr, testthat, abind, rgl
:) 6 knitr (>= 1.23), rmarkdown (>= 1.13), ggplot2 (>= 3.1.1),\nggspectra (>= 0.3.2)
:) Enhances License License_is_FOSS License_restricts_use OS_type
:) 1 <NA> MIT + file LICENSE <NA> <NA> <NA>
:) 2 <NA> GPL-3 <NA> <NA> <NA>
:) 3 <NA> GPL-3 <NA> <NA> <NA>
:) 4 <NA> GPL-2 <NA> <NA> <NA>
:) 5 <NA> MIT + file LICENSE <NA> <NA> <NA>
:) 6 <NA> GPL (>= 2) <NA> <NA> <NA>
:) Archs MD5sum NeedsCompilation
:) 1 <NA> 1f7f2148efb854e7f1fe70f8c37c1a94 no
:) 2 <NA> 53aac3f0366612214dca09fdcfffc882 no
:) 3 <NA> a75e2cce408e07ee4bdcc797e04fdba6 no
:) 4 <NA> 68efe8dcf3d8c9b459f1c2e9480c6910 no
:) 5 <NA> cbc8feefe5f5010effa3f936ca23594f no
:) 6 <NA> 4ea75bc6b753e992b9dc429b4d436a54 no
:) Additional_repositories
:) 1 <NA>
:) 2 <NA>
:) 3 <NA>
:) 4 <NA>
:) 5 <NA>
:) 6 <NA>
:) Author
:) 1 Stephanie J. Spielman [aut, cre]\n (<https://orcid.org/0000-0002-9090-4788>)
:) 2 Chester C. Deocaris
:) 3 Florent Baty [aut],\n Marie-Laure Delignette-Muller [aut],\n Aurelie Siberchicot [aut, cre]
:) 4 Sara Varela [aut, cre],\n Javier González Hernández [aut],\n Luciano Fabris Sgarbi [aut]
:) 5 Tim Lucas, Anjali Goswami
:) 6 Pedro J. Aphalo [aut, cre] (<https://orcid.org/0000-0003-3385-972X>)
:) Authors@R
:) 1 person("Stephanie J.", "Spielman", \n email = "stephanie.spielman@gmail.com", \n role = c("aut", "cre"),\n comment = c(ORCID = "0000-0002-9090-4788"))
:) 2 <NA>
:) 3 c(person("Florent", "Baty", role = "aut", email = "florent.baty@gmail.com"),\n person("Marie-Laure", "Delignette-Muller", role = "aut", email = "marielaure.delignettemuller@vetagro-sup.fr"),\n person("Aurelie", "Siberchicot", role = c("aut", "cre"), email = "aurelie.siberchicot@univ-lyon1.fr"))
:) 4 c(person("Sara", "Varela", role = c("aut", "cre"),\n email = "svarela@paleobiogeography.org"),\n person("Javier", "González Hernández", role = "aut",\n email = "javier.gon@protonmail.com"),\n person("Luciano", "Fabris Sgarbi", role = "aut",\n email = "luciano.f.sgarbi@gmail.com"))
:) 5 <NA>
:) 6 \n person("Pedro J.", "Aphalo", email = "pedro.aphalo@helsinki.fi", role = c("aut", "cre"), comment = c(ORCID = "https://orcid.org/0000-0003-3385-972X"))
:) Biarch BugReports BuildKeepEmpty
:) 1 <NA> https://github.com/sjspielman/dragon/issues <NA>
:) 2 <NA> <NA> <NA>
:) 3 <NA> <NA> <NA>
:) 4 <NA> https://github.com/ropensci/paleobioDB/issues <NA>
:) 5 <NA> https://github.com/timcdlucas/paleomorph/issues <NA>
:) 6 <NA> https://bitbucket.org/aphalo/photobiologyplants/issues <NA>
:) BuildManual BuildResaveData BuildVignettes Built ByteCompile
:) 1 <NA> <NA> <NA> <NA> <NA>
:) 2 <NA> <NA> <NA> <NA> <NA>
:) 3 <NA> <NA> true <NA> <NA>
:) 4 <NA> <NA> <NA> <NA> <NA>
:) 5 <NA> <NA> <NA> <NA> <NA>
:) 6 <NA> <NA> <NA> <NA> true
:) Classification/ACM Classification/ACM-2012 Classification/JEL
:) 1 <NA> <NA> <NA>
:) 2 <NA> <NA> <NA>
:) 3 <NA> <NA> <NA>
:) 4 <NA> <NA> <NA>
:) 5 <NA> <NA> <NA>
:) 6 <NA> <NA> <NA>
:) Classification/MSC Classification/MSC-2010
:) 1 <NA> <NA>
:) 2 <NA> <NA>
:) 3 <NA> <NA>
:) 4 <NA> <NA>
:) 5 <NA> <NA>
:) 6 <NA> <NA>
:) Collate
:) 1 'utils_definitions.R' 'utils_globals.R' 'utils_names.R'\n'utils_style-network.R' 'utils_ui-choices.R'\n'fct_prepare-med-data.R' 'fct_build-legend.R'\n'fct_build-linear-models.R' 'fct_build-network.R'\n'fct_build-shiny-tables.R' 'fct_calculate-network-info.R'\n'fct_export-network.R' 'fct_style-network.R' 'fct_timeline.R'\n'mod_choose-color-palette.R'\n'mod_choose-custom-element-colors.R' 'app_config.R'\n'app_server.R' 'app_ui.R' 'run_app.R'
:) 2 <NA>
:) 3 <NA>
:) 4 'network.R' 'paleobioDB-package.R' 'pbdb_cache.R'\n'pbdb_geographic_functions.R' 'pbdb_querys.R'\n'rest_api_tools.R' 'pbdb_rest_api_setup.R'\n'pbdb_taxonomic_functions.R' 'pbdb_temporal_functions.R'
:) 5 <NA>
:) 6 <NA>
:) Collate.unix Collate.windows Contact Copyright Date
:) 1 <NA> <NA> <NA> <NA> <NA>
:) 2 <NA> <NA> <NA> <NA> <NA>
:) 3 <NA> <NA> <NA> <NA> <NA>
:) 4 <NA> <NA> <NA> <NA> 2020-07-22
:) 5 <NA> <NA> <NA> <NA> 2017-04-19
:) 6 <NA> <NA> <NA> <NA> 2019-06-09
:) Description
:) 1 Create, visualize, manipulate, and analyze bipartite mineral-chemistry\n networks for set of focal element(s) across deep-time on Earth. The method is \n described in Spielman and Moore (2020) <doi:10.3389/feart.2020.585087>.
:) 2 Finding life outside the planet Earth several is the ultimate goal of an astrobiologist. Using known astronomical measurements and assumptions the probability of extraterrestrial life existence could be estimated. Equations such as the Drake equation (1961) as stated in the paper of Molina (2019) <arXiv:1912.01783>, Seager (2013) <https://www.space.com/22648-drake-equation-alien-life-seager.html> and Foucher et al, (2017) <doi:10.3390/life7040040> are included in the 'extraterrestrial' package.
:) 3 Data sets and nonlinear regression models dedicated to predictive microbiology.
:) 4 Includes 19 functions to wrap each endpoint of\n the PaleobioDB API, plus 8 functions to visualize and process the fossil\n data. The API documentation for the Paleobiology Database can be found in\n <http://paleobiodb.org/data1.1/>.
:) 5 Fill missing symmetrical data with mirroring, calculate Procrustes alignments with or without scaling, and compute standard or vector correlation and covariance matrices (congruence coefficients) of 3D landmarks. Tolerates missing data for all analyses.
:) 6 Provides functions for quantifying visible (VIS) and ultraviolet\n (UV) radiation in relation to the photoreceptors Phytochromes,\n Cryptochromes, and UVR8 which are present in plants. It also includes data \n sets on the optical properties of plants. Part of the 'r4photobiology' \n suite, Aphalo P. J. (2015) <doi:10.19232/uv4pb.2015.1.14>.
:) Encoding KeepSource Language LazyData LazyDataCompression LazyLoad
:) 1 UTF-8 <NA> <NA> <NA> <NA> <NA>
:) 2 UTF-8 <NA> <NA> true <NA> <NA>
:) 3 <NA> <NA> <NA> yes <NA> yes
:) 4 UTF-8 <NA> <NA> true <NA> <NA>
:) 5 <NA> <NA> <NA> true <NA> <NA>
:) 6 UTF-8 <NA> <NA> yes <NA> yes
:) MailingList Maintainer Note
:) 1 <NA> Stephanie J. Spielman <stephanie.spielman@gmail.com> <NA>
:) 2 <NA> Chester C. Deocaris <ccdeocaris@pup.edu.ph> <NA>
:) 3 <NA> Aurelie Siberchicot <aurelie.siberchicot@univ-lyon1.fr> <NA>
:) 4 <NA> Sara Varela <svarela@paleobiogeography.org> <NA>
:) 5 <NA> Tim Lucas <timcdlucas@gmail.com> <NA>
:) 6 <NA> Pedro J. Aphalo <pedro.aphalo@helsinki.fi> <NA>
:) Packaged RdMacros StagedInstall
:) 1 2022-04-07 17:39:51 UTC; spielman <NA> <NA>
:) 2 2020-03-26 14:42:25 UTC; Chester Deocaris <NA> <NA>
:) 3 2021-09-17 10:51:41 UTC; siberchicot <NA> <NA>
:) 4 2020-07-25 19:53:39 UTC; root <NA> <NA>
:) 5 2017-04-19 19:49:57 UTC; whgu0708 <NA> <NA>
:) 6 2019-06-10 07:09:13 UTC; aphalo <NA> <NA>
:) SysDataCompression SystemRequirements
:) 1 <NA> <NA>
:) 2 <NA> <NA>
:) 3 <NA> <NA>
:) 4 <NA> <NA>
:) 5 <NA> <NA>
:) 6 <NA> <NA>
:) Title Type
:) 1 Deep Time Redox Analysis of the Geobiology Ontology Network <NA>
:) 2 Astrobiology Equations Estimating Extraterrestrial Life Package
:) 3 Nonlinear Regression in Predictive Microbiology <NA>
:) 4 Download and Process Data from the Paleobiology Database Package
:) 5 Geometric Morphometric Tools for Paleobiology Package
:) 6 Plant Photobiology Related Functions and Data Package
:) URL
:) 1 https://github.com/sjspielman/dragon
:) 2 <NA>
:) 3 <NA>
:) 4 https://docs.ropensci.org/paleobioDB,\nhttps://github.com/ropensci/paleobioDB
:) 5 https://github.com/timcdlucas/paleomorph/
:) 6 https://www.r4photobiology.info/\nhttps://bitbucket.org/aphalo/photobiologyplants
:) UseLTO VignetteBuilder ZipData Published Path X-CRAN-Comment Reverse depends
:) 1 <NA> knitr <NA> 2022-04-08 <NA> <NA> <NA>
:) 2 <NA> <NA> <NA> 2020-03-28 <NA> <NA> <NA>
:) 3 <NA> knitr <NA> 2021-09-17 <NA> <NA> <NA>
:) 4 <NA> <NA> <NA> 2020-07-25 <NA> <NA> <NA>
:) 5 <NA> <NA> <NA> 2017-04-19 <NA> <NA> <NA>
:) 6 <NA> knitr <NA> 2019-06-14 <NA> <NA> <NA>
:) Reverse imports Reverse linking to Reverse suggests Reverse enhances
:) 1 <NA> <NA> <NA> <NA>
:) 2 <NA> <NA> <NA> <NA>
:) 3 <NA> <NA> <NA> <NA>
:) 4 <NA> <NA> CoordinateCleaner <NA>
:) 5 <NA> <NA> <NA> <NA>
:) 6 <NA> <NA> <NA> <NA>shift es una fecha hacia arriba
Modificar selección: ctrl+alt+shift+m
Ayuda: F1
Abrir el visualizador: ctrl +click
<- : alt+ F1
Cambiar entre las ventanas de RStudio: ctrl+ 1:8
Renombrar un objeto creados: Code-> Rename in Scope
Muestra el panel de combinaciones de teclas: alt +shift +k
inserta un pipe (%>%): ctrl+ shift + m
inserta el operador de asignación (<-): alt+ -
Se arrastran líneas: alt+up (up=re pág)
Ejecución de líneas de código: ctrl +enter
Navegar entre pestañas: ctrl + tabulador (<- ->)
Pedir ayuda al R: fn+F1
Cursor multilínea: ctrl+alt +arriba, terminar con esc
El paquete annotater agrega opciones a Addins, ayuda a agregar comentarios a las librerías usadas.
#install.packages("annotater")
library(annotater) El paquete packup ordena las librerías al principio del archivo.
library(remotes)
#install_github("MilesMcBain/packup")
library(packup)Se pueden crear de manera fácil data.frame
# Para crear una sección de código útil en scrip
# install.packages("datapasta") ----
library(datapasta)Usar Fiddle Selection de datapasta.
c("1","2","3","4","5"):) [1] "1" "2" "3" "4" "5"Crea marcos para los comentarios
# install_github("ThinkR-open/littleboxes")
library(littleboxes)library(spdep)
#install.packages("installr")
library(help=installr)
install.packages.zip("C:/Users/mangu/OneDrive/Escritorio/spdep_1.2-7.zip")
install.packages.zip("https://cran.rstudio.com/bin/windows/contrib/4.2/spdep_1.2-7.zip")