Crear nuevo chunk = Ctrl + Alt + i En Mac = Cmd (o Options) + Alt + i
Flecha rápida <- Alt + - (guión)
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, unionlibrary(tree)
library(randomForest)## randomForest 4.7-1.1## Type rfNews() to see new features/changes/bug fixes.##
## Attaching package: 'randomForest'## The following object is masked from 'package:dplyr':
##
## combineeav21 <- read.csv("EAV_2021.csv")¿Cómo saber si se cargó bien la base de datos? Imprime las primeras 6 filas:
# head(eav21)2 formas: ### Signo de pesos
head(eav21$m18_sex)## [1] "Hombre" "Hombre" "Hombre" "Hombre" "Hombre" "Hombre"head(eav21$p83)## [1] 3 2 2 2 2 1attach(eav21)
head(m18_sex)## [1] "Hombre" "Hombre" "Hombre" "Hombre" "Hombre" "Hombre"head(p83)## [1] 3 2 2 2 2 1La función attach te permite escribir solo 1 vez el nombre de la base de datos, para motivos de practicidad y rapidez. Así puedes llamar a varias variables al mismo tiempo e incluirlas más rápidamente en una función o acción.
attach(eav21)
table(m05_nom)## m05_nom
## An\xe1huac Mar\xedn
## 16 4
## Ci\xe9nega de Flores Garc\xeda
## 52 354
## Allende General Ter\xe1n
## 12 4
## Apodaca Ju\xe1rez
## 351 354
## Pesquer\xeda San Nicol\xe1s de los Garza
## 80 354
## Cadereyta Jim\xe9nez San Pedro Garza Garc\xeda
## 353 346
## Aramberri Bustamante
## 4 4
## Doctor Arroyo El Carmen
## 8 52
## Galeana General Bravo
## 12 8
## General Escobedo General Zuazua
## 354 52
## Guadalupe Hidalgo
## 354 8
## Hualahuises Linares
## 4 64
## Los Ramones Melchor Ocampo
## 4 4
## Mier y Noriega Montemorelos
## 4 44
## Monterrey Rayones
## 354 4
## Sabinas Hidalgo Salinas Victoria
## 28 50
## Santa Catarina Santiago
## 354 348
## Villaldama
## 8La función table te permite observar la frecuencia de cada término en una base de datos. En este caso, estamos analizando qué tantas encuestas se hicieron en cada municipio. Cuenta las coincidencias de caracteres y los convierte en una clase a cada una de estas.
Se pueden hacer incluso tablas cruzadas, es decir, cruzar una variable con otra y ver qué frecuencia tiene este cruce.
table(m05_nom, p83)## p83
## m05_nom 1 2 3 4 8 9
## An\xe1huac 0 14 1 1 0 0
## Mar\xedn 0 4 0 0 0 0
## Ci\xe9nega de Flores 0 19 31 2 0 0
## Garc\xeda 14 204 132 3 1 0
## Allende 2 9 1 0 0 0
## General Ter\xe1n 3 1 0 0 0 0
## Apodaca 31 263 51 5 1 0
## Ju\xe1rez 13 198 135 8 0 0
## Pesquer\xeda 1 43 34 2 0 0
## San Nicol\xe1s de los Garza 45 243 61 4 1 0
## Cadereyta Jim\xe9nez 9 160 161 21 1 1
## San Pedro Garza Garc\xeda 121 211 13 1 0 0
## Aramberri 1 1 2 0 0 0
## Bustamante 0 4 0 0 0 0
## Doctor Arroyo 0 7 1 0 0 0
## El Carmen 0 36 16 0 0 0
## Galeana 0 12 0 0 0 0
## General Bravo 1 5 1 1 0 0
## General Escobedo 29 200 116 8 1 0
## General Zuazua 6 32 5 9 0 0
## Guadalupe 15 221 108 9 0 1
## Hidalgo 0 5 2 1 0 0
## Hualahuises 0 4 0 0 0 0
## Linares 4 50 6 4 0 0
## Los Ramones 0 3 1 0 0 0
## Melchor Ocampo 0 3 1 0 0 0
## Mier y Noriega 0 3 1 0 0 0
## Montemorelos 2 30 11 1 0 0
## Monterrey 37 227 84 6 0 0
## Rayones 2 2 0 0 0 0
## Sabinas Hidalgo 0 23 5 0 0 0
## Salinas Victoria 0 35 15 0 0 0
## Santa Catarina 52 228 62 11 0 1
## Santiago 46 256 42 3 1 0
## Villaldama 1 7 0 0 0 0attach(eav21)
dataframe_eav <- data.frame(m05_nom, m18_sex, p83, p96, p128)Crea un dataframe, es decir, una tabla de datos con las variables que ingreses. Aún no la hemos asignado a una variable; esto es simplemente por motivos de exploración de los datos.
La siguiente función puede hacer lo mismo que la anterior. Sin embargo, select puede encadenarse con otras funciones en una “gran función”. Esto se verá en la sección “operador % (pipe)”
select_eav <- select(eav21, m05_nom, m18_sex, p83, p96, p128)Te permite seleccionar del data frame solo aquellas observaciones que cumplan con la condición de ser del municipio de San Pedro Garza García.
observaciones_spgg <- filter(eav21,
m05_nom == 'San Pedro Garza Garcia')Pequeño ejercicio: ¿Cómo podrías filtrar solamente las observaciones que corresponden al municipio de Juarez? Pista: es parecido al filtro realizado en el chunk anterior
Las variables en nuestra base de datos que corresponden a, por ejemplo, los municipios, son meros caracteres. R no sabrá cómo interpretarlos, pues para éste son simples letras sin un sentido o patrón aparente, aunque nosotrxs sepamos que corresponden a nombres de municipios.
¿Cómo podemos facilitar la labor de interpretación a R? #### Función as.factor
municipios <- mutate(eav21, m05_nom = as.factor(m05_nom))Ahora R podrá fácilmente identificar todos estos caracteres como una clase o clasificación. Por lo tanto, Juarez será un factor diferente a Santa Catarina, y ahora podremos tener un análisis más profundo y rico de nuestros datos.
¿Puedes pensar en otras variables que puedan ser consideradas por R como factor para facilitar su análisis?
De igual manera, existen variables en nuestra base de datos que pueden ser consideradas no numéricas, pero que en realidad consisten en valores numéricos. En su caso, se tendría que usar “as.numeric()”, sin embargo, son raros estos casos, pues normalmente R lee las variables numéricas como “integers” por default.
Sin embargo, puede haber casos en los que algunos caracteres se hayan mezclado con valores numéricos en tu columna de observaciones, y por lo tanto as.numeric() jugaría un rol importante.
En este ejercicio, no lo usaremos puesto que R leyó todas las variables numéricas como lo que son, numéricas.
seguridad_transporte <- select(eav21, p29_1_3)
## Filtrar todos los no sé, no contestó y no aplica porque no son relevantes para este ejercicio
seguridad_transporte <- filter(seguridad_transporte, !p29_1_3 %in% c(8, 9, 99))
seguridad_transporte <- mutate(seguridad_transporte, seguro.en.transporte = ifelse(p29_1_3 == '0','Inseguro','Seguro'))
seguridad_transporte <- mutate(seguridad_transporte, seguro.en.transporte = as.factor(seguro.en.transporte))Todo lo anterior es muy cansado :( Nos llevó alrededor de 4 líneas llenas de texto para hacer lo que queríamos hacer.
Se puede utilizar un operador muy útil: %>% (pipe)
seguridad_transporte <- select(eav21, p29_1_3) %>%
filter(p29_1_3 %in% c(0, 1)) %>% # Aquí estamos filtrando 8, 9 y 99 a la vez sin necesidad de emplear varias líneas de código
mutate(seguro.en.transporte = as.factor(ifelse(p29_1_3 == '0','Inseguro','Seguro')))Lo que estamos haciendo en el anterior chunk es encadenar