Taller de introducción a R
Rubén Flores González
Centro de Estudios de Opinión y Análisis de la Universidad VeracruzanaR, RStudio
R es un entorno de programación especializado en análisis estadístico y de datos con fines científicos.
RStudio es la interfaz de R, nos permite manejar el software de modo más amigable, sin perder especificidad.
Adicional a estos programas, para usar R en entorno Windows es necesaria la instalación e Rtools, una aplicación para el manejo de los paquetes en los que se basa R.
¿Por qué R?
- Porque nos permite realizar análisis personalizados y específicos
- Porque mejora nuestra comprensión de los procesos estadísticos y de análisis
- Porque permite el manejo de grandes volúmenes de datos de manera eficiente
- Porque sus visualizaciones pueden exportarse directamente en formato para publicación
- Porque nos permite crear respaldos de procesos replicables, lo cuál da soporte al trabajo publicado
- Porque es software libre y no hay necesidad de estar pidiendo licencias prestadas o pirateadas
- Porque es muy fácil de entender y manejar
Componentes básicos de la interfaz
Se observan cuatro ventanas principales.
- Arriba a la izquierda está la fuente (source)
- Abajo a la izquierda está la consola
- Arriba a la derecha, el ambiente
- Abajo a la derecha, pestañas de visualización y administración
En la fuente tiramos el código, podemos ejecutar línea por línea posicionándonos en una línea y oprimiento ctrl + enter. También podemos seleccionar código específico y ejecutarlo de la misma manera.
En la consola damos seguimiento a la ejecución del código. Allí también se muestran los errores. Es importante leerlos.
En el ambiente se van almacenando los objetos, funciones, y valores que vamos declarando, a medida que el código se ejecuta.
En la ventana de visualización y administración podemos ver las gráficas que realizamos, accedemos a la ayuda, y observamos los paquetes que están cargados en la sesión.
Interfaz de R
Directorio de trabajo
Siempre que se inicia un archivo de código, es importante declarar primero el directorio de trabajo. Esto es, la carpeta en donde están los datos, y donde se almacenarán los productos de salida que guardemos. Esto se puede hacer de varias maneras, por ejemplo:
# Establecemos directorio de trabajo
setwd("~/Proyectos en R/Taller")Notarás que en este caso la ruta inicia con ~/ esto indica que hay una carpeta default a partir de la cuál se puede indicar la ruta. En el caso de Windows, suele ser la carpeta Documentos. También se puede especificar la ruta completa.
# Establecemos directorio de trabajo
setwd("C:/Users/Coordinacion/Documents/Proyectos en R/Taller")Instalar y llamar librerías
R trabaja con paquetes o librerías. Cada librería se compone de un conjunto de funciones, operadores y, en ocasiones, datos, que tienen un propósito específico. R tiene algunos paquetes preinstalados que no es necesario llamar, por ejemplo stats y base. En teoría, esos paquetes pueden hacerlo todo. No obstante, para análisis especializados, lo mejor es depender de paquetes que simplifican los procesos.
Los paquetes se instalan una sola vez y después, cada vez que se quieran actualizar.
Probemos instalando un conjunto de paquetes muy útil para el manejo de datos y visualizaciones, tidyverse. Para hacerlo, usaremos la función install.packages(), de la siguiente forma:
install.packages("tidyverse")Los paquetes se bajan de un repositorio validado por especialistas en R. El CRAN. También existen otros repositorios personales de donde se pueden bajar paquetes, pero sin tener completa certeza de su estabilidad.
Una vez instalado un paquete, se debe llamar al inicio de la sesión. Paara esto utilizamos la función library().
library(tidyverse)Objetos, funciones, argumentos, operadores
Comencemos por crear un objeto sencillo en R, por ejemplo, un vector numérico:
a <- c(1,2,3,4,5)
a## [1] 1 2 3 4 5Pueden observar cómo este objeto se guarda en el ambiente. Cada objeto tiene su clase. Podemos consultarla con la función class()
class(a)## [1] "numeric"Las clases son importantes porque dependiendo de ellas, hay cosas que se pueden y no se pueden hacer. Probemos creando ahora un vector de caracter con números.
b <- c("1","2","3","4","5")
b## [1] "1" "2" "3" "4" "5"class(b)## [1] "character"Y ahora pidamos la media de ambos objetos con la función mean()
mean (a)## [1] 3mean (b)## Warning in mean.default(b): argument is not numeric or logical: returning NA## [1] NAComo pueden apreciar, se puede estimar la media de un conjunto de números, pero no la media de un conjunto de caracteres que parecen números.
Hemos estado usando funciones. Cada función tiene argumentos que pueden llegar a ser muchos y muy complejos. Para obtener la documentación de cada función, podemos posicionarnos en su nombre y oprimir F1. O también podemos pedir ayuda de la siguiente manera.
?mean()## starting httpd help server ... doneObservamos que la función mean(), tiene el argumento x, que es un objeto numérico susceptible de tener media. Modifiquemos nuestro objeto a, de tal manera que…
a <- c(seq(1,5,1),NA)
a## [1] 1 2 3 4 5 NAY ahora, si queremos estimar la media, aparece un error
mean(a)## [1] NAEsto se debe a que nuestro vector tiene un dato no válido NA. Para usar la función, debemos determinar qué hacer con ese NA, con el argumento na.rm
mean(a, na.rm = T)## [1] 3También hemos estado usando operadores. El más común es el que asigna un valor a un objeto determminado. Es el operador flechita o igual qué, que podemos escribir oprimiendo alt + guión medio.
c <- "hola mundo"
print(c)## [1] "hola mundo"En resumen, los paquetes contienen funciones, las funciones operan sobre los objetos, los argumentos personalizan las funciones, y los operadores establecen relaciones entre cada elemento en R.
Bases de datos
Comencemos a hacer cosas interesantes. Carguemos una base de datos utilizando la función read.csv(), y asignemos esa base al objeto df
df <- read.csv("resultados1.csv")Observamos una base de datos con 4 columnas, y 3601 casos. Carguemos una base de datos un poco más retadora.
dftw <- read.csv("culiacanpostman.csv", encoding = "UTF-8")Esta base de datos difícilmente podrían abrirla en otros programas como Excel o SPSS, por su complejidad y tamaño. Y eso que no es tan grande.
Operaciones con datos
Contemos cuántas mujeres y hombres tenemos en nuestra base de datos df.
dplyr::count(df, SEXO)## SEXO n
## 1 HOMBRE 1810
## 2 MUJER 1791Determinemos cuál es la media de la columna ACIERTOS, indicando que el argumento x de la función mean() es un objeto dentro de otro objeto, con el operador $.
mean(df$ACIERTOS)## [1] 58.30464Uso de índices
Podemos usar índices para indicar posiciones especiales en una lista o en una base de datos. En una lista, indicamos la posición del valor entre corchetes []. En una base de datos, u objeto de tipo matriz, el primer valor entre corchetes indica las filas, y el segundo, las columnas [i,j]. El operador : indica un intervalo.
letters## [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q" "r" "s"
## [20] "t" "u" "v" "w" "x" "y" "z"abc <- letters[1:6]
abc## [1] "a" "b" "c" "d" "e" "f"Del objeto abc podemos extraer sólo el sexto valor
abc[6]## [1] "f"De nuestra base de datos df podemos visualizar sólo los valores de la fila número 5, o sólo los valores de la cuarta columna ACIERTOS, o sólo el valor 5 de la cuarta columna.
df [5,]## X REGION SEXO ACIERTOS
## 5 5 TUXPAN HOMBRE 93df [,4]## [1] 97 96 94 94 93 93 92 92 92 92 91 91 91 91 91 91 90 90 90 90 90 90 90 90
## [25] 90 90 90 90 90 90 89 89 89 89 89 89 89 89 89 88 88 88 88 88 88 88 88 88
## [49] 88 88 88 87 87 87 87 87 87 87 87 87 87 87 87 87 87 87 87 87 87 87 87 87
## [73] 87 87 87 87 87 87 86 86 86 86 86 86 86 86 86 86 86 86 86 86 86 86 86 86
## [97] 85 85 85 85 85 85 85 85 85 85 85 85 85 85 85 85 85 85 85 85 85 85 85 85
## [121] 85 85 85 85 85 85 85 85 84 84 84 84 84 84 84 84 84 84 84 84 84 84 84 84
## [145] 84 84 84 84 84 84 84 84 84 84 84 84 84 84 84 84 84 83 83 83 83 83 83 83
## [169] 83 83 83 83 83 83 83 83 83 83 83 83 83 83 83 83 83 83 83 83 83 83 83 83
## [193] 83 83 83 83 83 83 83 83 83 82 82 82 82 82 82 82 82 82 82 82 82 82 82 82
## [217] 82 82 82 82 82 82 82 82 82 82 82 81 81 81 81 81 81 81 81 81 81 81 81 81
## [241] 81 81 81 81 81 81 81 81 81 81 81 81 81 81 81 81 81 81 81 81 81 81 80 80
## [265] 80 80 80 80 80 80 80 80 80 80 80 80 80 80 80 80 80 80 80 80 80 80 80 80
## [289] 80 80 80 80 80 80 80 80 80 80 80 80 80 80 80 80 80 80 80 80 80 80 80 80
## [313] 80 79 79 79 79 79 79 79 79 79 79 79 79 79 79 79 79 79 79 79 79 79 79 79
## [337] 79 79 79 79 79 79 79 79 79 79 79 79 79 79 79 79 79 79 79 79 79 79 79 79
## [361] 78 78 78 78 78 78 78 78 78 78 78 78 78 78 78 78 78 78 78 78 78 78 78 78
## [385] 78 78 78 78 78 78 78 78 78 78 78 78 78 78 78 78 78 78 78 78 78 78 78 78
## [409] 78 77 77 77 77 77 77 77 77 77 77 77 77 77 77 77 77 77 77 77 77 77 77 77
## [433] 77 77 77 77 77 77 77 77 77 77 77 77 77 77 77 77 77 77 77 76 76 76 76 76
## [457] 76 76 76 76 76 76 76 76 76 76 76 76 76 76 76 76 76 76 76 76 76 76 76 76
## [481] 76 76 76 76 76 76 76 76 76 76 76 76 76 76 76 76 76 76 76 76 76 76 76 76
## [505] 76 76 76 76 76 76 76 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75
## [529] 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75
## [553] 75 75 75 75 75 75 75 75 75 75 75 75 75 74 74 74 74 74 74 74 74 74 74 74
## [577] 74 74 74 74 74 74 74 74 74 74 74 74 74 74 74 74 74 74 74 74 74 74 74 74
## [601] 74 74 74 74 74 74 74 74 74 74 74 74 74 74 74 74 74 74 74 74 74 74 74 74
## [625] 74 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73
## [649] 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73 73
## [673] 73 73 73 73 73 73 73 73 73 73 73 73 73 72 72 72 72 72 72 72 72 72 72 72
## [697] 72 72 72 72 72 72 72 72 72 72 72 72 72 72 72 72 72 72 72 72 72 72 72 72
## [721] 72 72 72 72 72 72 72 72 72 72 72 72 72 72 72 72 72 72 71 71 71 71 71 71
## [745] 71 71 71 71 71 71 71 71 71 71 71 71 71 71 71 71 71 71 71 71 71 71 71 71
## [769] 71 71 71 71 71 71 71 71 71 71 71 71 71 71 71 71 71 71 71 71 71 71 71 71
## [793] 71 71 71 71 71 71 71 71 71 71 71 71 71 71 71 70 70 70 70 70 70 70 70 70
## [817] 70 70 70 70 70 70 70 70 70 70 70 70 70 70 70 70 70 70 70 70 70 70 70 70
## [841] 70 70 70 70 70 70 70 70 70 70 70 70 70 70 70 70 70 70 70 70 69 69 69 69
## [865] 69 69 69 69 69 69 69 69 69 69 69 69 69 69 69 69 69 69 69 69 69 69 69 69
## [889] 69 69 69 69 69 69 69 69 69 69 69 69 69 69 69 69 69 69 69 69 69 69 69 69
## [913] 69 69 69 69 69 69 69 69 69 69 69 69 69 68 68 68 68 68 68 68 68 68 68 68
## [937] 68 68 68 68 68 68 68 68 68 68 68 68 68 68 68 68 68 68 68 68 68 68 68 68
## [961] 68 68 68 68 68 68 68 68 68 68 68 68 68 68 68 68 68 68 68 68 68 68 68 68
## [985] 68 68 68 68 68 68 68 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67
## [1009] 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67
## [1033] 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67
## [1057] 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 66 66 66 66 66
## [1081] 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66
## [1105] 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66
## [1129] 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66 66
## [1153] 66 66 66 66 66 65 65 65 65 65 65 65 65 65 65 65 65 65 65 65 65 65 65 65
## [1177] 65 65 65 65 65 65 65 65 65 65 65 65 65 65 65 65 65 65 65 65 65 65 65 65
## [1201] 65 65 65 65 65 65 65 65 65 65 65 65 65 65 65 65 65 65 65 65 65 65 65 65
## [1225] 65 65 65 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64
## [1249] 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64
## [1273] 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64 64
## [1297] 64 64 64 64 64 64 64 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63
## [1321] 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63
## [1345] 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63
## [1369] 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63 63
## [1393] 63 63 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62
## [1417] 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62
## [1441] 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62
## [1465] 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62 62
## [1489] 62 62 62 62 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61
## [1513] 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61
## [1537] 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 61 60 60
## [1561] 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60
## [1585] 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60
## [1609] 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60
## [1633] 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 60 59 59 59 59 59 59
## [1657] 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59
## [1681] 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59
## [1705] 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59 59
## [1729] 59 59 59 59 59 59 59 59 59 59 59 59 58 58 58 58 58 58 58 58 58 58 58 58
## [1753] 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58
## [1777] 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58
## [1801] 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58 58
## [1825] 58 58 58 58 58 58 58 57 57 57 57 57 57 57 57 57 57 57 57 57 57 57 57 57
## [1849] 57 57 57 57 57 57 57 57 57 57 57 57 57 57 57 57 57 57 57 57 57 57 57 57
## [1873] 57 57 57 57 57 57 57 57 57 57 57 57 57 57 57 57 57 57 57 57 57 57 57 57
## [1897] 57 57 57 57 57 57 57 57 57 57 57 57 57 57 56 56 56 56 56 56 56 56 56 56
## [1921] 56 56 56 56 56 56 56 56 56 56 56 56 56 56 56 56 56 56 56 56 56 56 56 56
## [1945] 56 56 56 56 56 56 56 56 56 56 56 56 56 56 56 56 56 56 56 56 56 56 56 56
## [1969] 56 56 56 56 56 56 56 56 56 56 56 56 56 56 56 56 56 56 55 55 55 55 55 55
## [1993] 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55
## [2017] 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55
## [2041] 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55 55
## [2065] 55 55 55 55 55 55 55 55 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54
## [2089] 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54
## [2113] 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54
## [2137] 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54 54 53 53 53 53
## [2161] 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53
## [2185] 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53
## [2209] 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53 53
## [2233] 53 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52
## [2257] 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52
## [2281] 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52
## [2305] 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52 52
## [2329] 52 52 52 52 52 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51
## [2353] 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51
## [2377] 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51 51
## [2401] 51 51 51 51 51 51 51 51 51 51 51 51 51 50 50 50 50 50 50 50 50 50 50 50
## [2425] 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50
## [2449] 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50
## [2473] 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50
## [2497] 50 50 50 50 50 50 50 50 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49
## [2521] 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49
## [2545] 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49
## [2569] 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 49 48 48 48 48 48
## [2593] 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48
## [2617] 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48
## [2641] 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48 48
## [2665] 48 48 48 48 48 48 48 48 48 48 48 48 48 47 47 47 47 47 47 47 47 47 47 47
## [2689] 47 47 47 47 47 47 47 47 47 47 47 47 47 47 47 47 47 47 47 47 47 47 47 47
## [2713] 47 47 47 47 47 47 47 47 47 47 47 47 47 47 47 47 47 47 47 47 47 47 47 47
## [2737] 47 47 47 47 47 47 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46
## [2761] 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46
## [2785] 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46 46
## [2809] 46 46 46 46 46 46 46 46 46 46 46 46 46 46 45 45 45 45 45 45 45 45 45 45
## [2833] 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45
## [2857] 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45
## [2881] 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45 45
## [2905] 45 45 45 45 44 44 44 44 44 44 44 44 44 44 44 44 44 44 44 44 44 44 44 44
## [2929] 44 44 44 44 44 44 44 44 44 44 44 44 44 44 44 44 44 44 44 44 44 44 44 44
## [2953] 44 44 44 44 44 44 44 44 44 44 44 44 44 44 44 44 44 44 44 44 44 44 44 44
## [2977] 44 44 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43
## [3001] 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43
## [3025] 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43
## [3049] 43 43 43 43 43 43 43 43 43 43 43 43 43 43 43 42 42 42 42 42 42 42 42 42
## [3073] 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42
## [3097] 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42
## [3121] 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 42 41 41
## [3145] 41 41 41 41 41 41 41 41 41 41 41 41 41 41 41 41 41 41 41 41 41 41 41 41
## [3169] 41 41 41 41 41 41 41 41 41 41 41 41 41 41 41 41 41 41 41 41 41 41 41 41
## [3193] 41 41 41 41 41 41 41 41 41 41 40 40 40 40 40 40 40 40 40 40 40 40 40 40
## [3217] 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40
## [3241] 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 40 39 39
## [3265] 39 39 39 39 39 39 39 39 39 39 39 39 39 39 39 39 39 39 39 39 39 39 39 39
## [3289] 39 39 39 39 39 39 39 39 39 39 39 39 39 39 39 39 39 39 39 39 39 38 38 38
## [3313] 38 38 38 38 38 38 38 38 38 38 38 38 38 38 38 38 38 38 38 38 38 38 38 38
## [3337] 38 38 38 38 38 38 38 38 38 38 38 38 38 38 38 38 38 37 37 37 37 37 37 37
## [3361] 37 37 37 37 37 37 37 37 37 37 37 37 37 37 37 37 37 37 37 37 37 37 37 37
## [3385] 37 37 37 37 37 37 37 37 37 37 37 37 37 37 37 37 37 37 37 37 36 36 36 36
## [3409] 36 36 36 36 36 36 36 36 36 36 36 36 36 36 36 36 36 36 36 36 36 36 36 36
## [3433] 36 36 36 36 36 36 36 36 36 36 36 35 35 35 35 35 35 35 35 35 35 35 35 35
## [3457] 35 35 35 35 35 35 35 35 35 35 35 35 35 35 35 35 35 35 35 35 35 35 35 35
## [3481] 35 34 34 34 34 34 34 34 34 34 34 34 34 34 34 34 34 34 34 34 34 34 34 34
## [3505] 34 34 34 33 33 33 33 33 33 33 33 33 33 33 33 33 33 33 33 33 33 32 32 32
## [3529] 32 32 32 32 32 32 32 32 32 32 32 32 32 32 31 31 31 31 31 31 31 31 31 31
## [3553] 31 30 30 30 30 30 30 30 30 30 30 30 30 30 30 30 29 29 29 29 29 29 28 28
## [3577] 28 28 28 27 27 27 27 27 27 27 26 26 26 26 25 25 24 24 24 23 20 20 20 15
## [3601] 0df [5,4]## [1] 93Funciones filter, select de dplyr
El uso de las funciones select(), y filter(), del paquete dplyr de la paquetería tidyverse, permite la selección de datos de una matriz o base de datos, a partir del cumplimiento de ciertas condiciones lógicas.
filter (df, ACIERTOS > 70)## X REGION SEXO ACIERTOS
## 1 1 PAPANTLA HOMBRE 97
## 2 2 XALAPA MUJER 96
## 3 3 ACAYUCAN HOMBRE 94
## 4 4 PANUCO MUJER 94
## 5 5 TUXPAN HOMBRE 93
## 6 6 XALAPA HOMBRE 93
## 7 7 ALAMO TEMAPACHE HOMBRE 92
## 8 8 POZA RICA HOMBRE 92
## 9 9 XALAPA MUJER 92
## 10 10 ZONGOLICA HOMBRE 92
## 11 11 VERACRUZ HOMBRE 91
## 12 12 CORDOBA HOMBRE 91
## 13 13 TANTOYUCA HOMBRE 91
## 14 14 XALAPA HOMBRE 91
## 15 15 VERACRUZ HOMBRE 91
## 16 16 PEROTE HOMBRE 91
## 17 17 PANUCO HOMBRE 90
## 18 18 MEDELLIN HOMBRE 90
## 19 19 PEROTE MUJER 90
## 20 20 HUATUSCO HOMBRE 90
## 21 21 COATZACOALCOS HOMBRE 90
## 22 22 PEROTE HOMBRE 90
## 23 23 MINATITLAN HOMBRE 90
## 24 24 CORDOBA HOMBRE 90
## 25 25 TANTOYUCA MUJER 90
## 26 26 MARTINEZ DE LA TORRE MUJER 90
## 27 27 MINATITLAN HOMBRE 90
## 28 28 EMILIANO ZAPATA HOMBRE 90
## 29 29 COATEPEC HOMBRE 90
## 30 30 POZA RICA HOMBRE 90
## 31 31 SAN ANDRES TUXTLA MUJER 89
## 32 32 TUXPAN MUJER 89
## 33 33 ALAMO TEMAPACHE HOMBRE 89
## 34 34 CAMERINO Z HOMBRE 89
## 35 35 ALAMO TEMAPACHE HOMBRE 89
## 36 36 CORDOBA MUJER 89
## 37 37 XALAPA MUJER 89
## 38 38 VERACRUZ MUJER 89
## 39 39 PAPANTLA HOMBRE 89
## 40 40 MARTINEZ DE LA TORRE MUJER 88
## 41 41 MISANTLA HOMBRE 88
## 42 42 ORIZABA HOMBRE 88
## 43 43 MEDELLIN HOMBRE 88
## 44 44 CAMERINO Z HOMBRE 88
## 45 45 SAN ANDRES TUXTLA HOMBRE 88
## 46 46 SAN ANDRES TUXTLA HOMBRE 88
## 47 47 VERACRUZ HOMBRE 88
## 48 48 XALAPA MUJER 88
## 49 49 MINATITLAN MUJER 88
## 50 50 EMILIANO ZAPATA HOMBRE 88
## 51 51 MISANTLA MUJER 88
## 52 52 PANUCO HOMBRE 87
## 53 53 COSAMALOAPAN MUJER 87
## 54 54 ZONGOLICA HOMBRE 87
## 55 55 MISANTLA HOMBRE 87
## 56 56 PANUCO HOMBRE 87
## 57 57 XALAPA HOMBRE 87
## 58 58 PEROTE MUJER 87
## 59 59 ORIZABA MUJER 87
## 60 60 ZONGOLICA HOMBRE 87
## 61 61 ZONGOLICA HOMBRE 87
## 62 62 ORIZABA HOMBRE 87
## 63 63 COATEPEC MUJER 87
## 64 64 VERACRUZ HOMBRE 87
## 65 65 XALAPA MUJER 87
## 66 66 PAPANTLA HOMBRE 87
## 67 67 COATZACOALCOS HOMBRE 87
## 68 68 CAMERINO Z MUJER 87
## 69 69 XALAPA HOMBRE 87
## 70 70 HUATUSCO HOMBRE 87
## 71 71 HUATUSCO HOMBRE 87
## 72 72 XALAPA HOMBRE 87
## 73 73 COATZACOALCOS HOMBRE 87
## 74 74 CORDOBA HOMBRE 87
## 75 75 COSAMALOAPAN MUJER 87
## 76 76 MEDELLIN MUJER 87
## 77 77 POZA RICA HOMBRE 87
## 78 78 PEROTE HOMBRE 87
## 79 79 MISANTLA MUJER 86
## 80 80 PEROTE MUJER 86
## 81 81 TUXPAN MUJER 86
## 82 82 MISANTLA HOMBRE 86
## 83 83 CORDOBA HOMBRE 86
## 84 84 MISANTLA HOMBRE 86
## 85 85 MISANTLA HOMBRE 86
## 86 86 ZONGOLICA HOMBRE 86
## 87 87 COATZACOALCOS HOMBRE 86
## 88 88 PAPANTLA MUJER 86
## 89 89 ZONGOLICA MUJER 86
## 90 90 XALAPA HOMBRE 86
## 91 91 ORIZABA HOMBRE 86
## 92 92 ACAYUCAN HOMBRE 86
## 93 93 POZA RICA HOMBRE 86
## 94 94 CAMERINO Z HOMBRE 86
## 95 95 VERACRUZ HOMBRE 86
## 96 96 COATZACOALCOS HOMBRE 86
## 97 97 SANTIAGO TUXTLA HOMBRE 85
## 98 98 VERACRUZ MUJER 85
## 99 99 PANUCO MUJER 85
## 100 100 BOCA DEL RIO MUJER 85
## 101 101 CORDOBA MUJER 85
## 102 102 POZA RICA HOMBRE 85
## 103 103 ZONGOLICA HOMBRE 85
## 104 104 SAN ANDRES TUXTLA HOMBRE 85
## 105 105 COSAMALOAPAN MUJER 85
## 106 106 BOCA DEL RIO HOMBRE 85
## 107 107 PAPANTLA HOMBRE 85
## 108 108 CAMERINO Z HOMBRE 85
## 109 109 MARTINEZ DE LA TORRE HOMBRE 85
## 110 110 CORDOBA MUJER 85
## 111 111 XALAPA MUJER 85
## 112 112 ORIZABA HOMBRE 85
## 113 113 CORDOBA MUJER 85
## 114 114 MEDELLIN HOMBRE 85
## 115 115 CORDOBA HOMBRE 85
## 116 116 VERACRUZ HOMBRE 85
## 117 117 MARTINEZ DE LA TORRE HOMBRE 85
## 118 118 ACAYUCAN HOMBRE 85
## 119 119 ORIZABA HOMBRE 85
## 120 120 ALAMO TEMAPACHE HOMBRE 85
## 121 121 MEDELLIN HOMBRE 85
## 122 122 COSAMALOAPAN HOMBRE 85
## 123 123 HUATUSCO MUJER 85
## 124 124 COSOLEACAQUE HOMBRE 85
## 125 125 TANTOYUCA MUJER 85
## 126 126 EMILIANO ZAPATA HOMBRE 85
## 127 127 MARTINEZ DE LA TORRE HOMBRE 85
## 128 128 ZONGOLICA MUJER 85
## 129 129 MINATITLAN HOMBRE 84
## 130 130 MISANTLA HOMBRE 84
## 131 131 PEROTE MUJER 84
## 132 132 MISANTLA MUJER 84
## 133 133 PANUCO HOMBRE 84
## 134 134 COATEPEC HOMBRE 84
## 135 135 ACAYUCAN MUJER 84
## 136 136 MEDELLIN HOMBRE 84
## 137 137 SAN ANDRES TUXTLA HOMBRE 84
## 138 138 SAN ANDRES TUXTLA MUJER 84
## 139 139 BOCA DEL RIO MUJER 84
## 140 140 SAN ANDRES TUXTLA MUJER 84
## 141 141 XALAPA MUJER 84
## 142 142 COATZACOALCOS MUJER 84
## 143 143 PAPANTLA HOMBRE 84
## 144 144 MEDELLIN HOMBRE 84
## 145 145 COATEPEC HOMBRE 84
## 146 146 MISANTLA MUJER 84
## 147 147 XALAPA MUJER 84
## 148 148 COATEPEC HOMBRE 84
## 149 149 TANTOYUCA MUJER 84
## 150 150 COATZACOALCOS MUJER 84
## 151 151 COSOLEACAQUE MUJER 84
## 152 152 CAMERINO Z HOMBRE 84
## 153 153 HUATUSCO HOMBRE 84
## 154 154 CORDOBA HOMBRE 84
## 155 155 BOCA DEL RIO MUJER 84
## 156 156 PANUCO MUJER 84
## 157 157 COATEPEC HOMBRE 84
## 158 158 MEDELLIN MUJER 84
## 159 159 MEDELLIN HOMBRE 84
## 160 160 COATEPEC HOMBRE 84
## 161 161 COSOLEACAQUE MUJER 84
## 162 162 XALAPA MUJER 83
## 163 163 PAPANTLA HOMBRE 83
## 164 164 COSOLEACAQUE MUJER 83
## 165 165 CAMERINO Z HOMBRE 83
## 166 166 EMILIANO ZAPATA HOMBRE 83
## 167 167 MARTINEZ DE LA TORRE HOMBRE 83
## 168 168 CAMERINO Z MUJER 83
## 169 169 HUATUSCO HOMBRE 83
## 170 170 ACAYUCAN MUJER 83
## 171 171 CAMERINO Z MUJER 83
## 172 172 XALAPA HOMBRE 83
## 173 173 TANTOYUCA HOMBRE 83
## 174 174 CORDOBA MUJER 83
## 175 175 MARTINEZ DE LA TORRE HOMBRE 83
## 176 176 MINATITLAN HOMBRE 83
## 177 177 VERACRUZ MUJER 83
## 178 178 CAMERINO Z HOMBRE 83
## 179 179 EMILIANO ZAPATA HOMBRE 83
## 180 180 TANTOYUCA HOMBRE 83
## 181 181 SAN ANDRES TUXTLA HOMBRE 83
## 182 182 PAPANTLA HOMBRE 83
## 183 183 XALAPA MUJER 83
## 184 184 MARTINEZ DE LA TORRE HOMBRE 83
## 185 185 PAPANTLA MUJER 83
## 186 186 ACAYUCAN HOMBRE 83
## 187 187 PANUCO HOMBRE 83
## 188 188 XALAPA HOMBRE 83
## 189 189 TUXPAN MUJER 83
## 190 190 VERACRUZ MUJER 83
## 191 191 MEDELLIN HOMBRE 83
## 192 192 COSOLEACAQUE HOMBRE 83
## 193 193 CORDOBA HOMBRE 83
## 194 194 MARTINEZ DE LA TORRE MUJER 83
## 195 195 XALAPA MUJER 83
## 196 196 COSOLEACAQUE HOMBRE 83
## 197 197 PEROTE MUJER 83
## 198 198 ORIZABA MUJER 83
## 199 199 XALAPA HOMBRE 83
## 200 200 VERACRUZ HOMBRE 83
## 201 201 SANTIAGO TUXTLA HOMBRE 83
## 202 202 TUXPAN HOMBRE 82
## 203 203 COSAMALOAPAN MUJER 82
## 204 204 COSOLEACAQUE HOMBRE 82
## 205 205 SAN ANDRES TUXTLA HOMBRE 82
## 206 206 PEROTE HOMBRE 82
## 207 207 TUXPAN MUJER 82
## 208 208 MARTINEZ DE LA TORRE HOMBRE 82
## 209 209 XALAPA MUJER 82
## 210 210 COATZACOALCOS MUJER 82
## 211 211 SAN ANDRES TUXTLA HOMBRE 82
## 212 212 ZONGOLICA HOMBRE 82
## 213 213 XALAPA MUJER 82
## 214 214 ACAYUCAN MUJER 82
## 215 215 SAN ANDRES TUXTLA HOMBRE 82
## 216 216 SAN ANDRES TUXTLA MUJER 82
## 217 217 EMILIANO ZAPATA MUJER 82
## 218 218 CORDOBA MUJER 82
## 219 219 CAMERINO Z HOMBRE 82
## 220 220 VERACRUZ MUJER 82
## 221 221 PEROTE MUJER 82
## 222 222 COATEPEC MUJER 82
## 223 223 COATEPEC MUJER 82
## 224 224 SANTIAGO TUXTLA MUJER 82
## 225 225 XALAPA HOMBRE 82
## 226 226 XALAPA MUJER 82
## 227 227 XALAPA HOMBRE 82
## 228 228 SAN ANDRES TUXTLA HOMBRE 81
## 229 229 PAPANTLA MUJER 81
## 230 230 PAPANTLA MUJER 81
## 231 231 ORIZABA MUJER 81
## 232 232 TANTOYUCA MUJER 81
## 233 233 CAMERINO Z MUJER 81
## 234 234 COATEPEC HOMBRE 81
## 235 235 COATZACOALCOS HOMBRE 81
## 236 236 POZA RICA HOMBRE 81
## 237 237 COATZACOALCOS MUJER 81
## 238 238 SANTIAGO TUXTLA HOMBRE 81
## 239 239 EMILIANO ZAPATA HOMBRE 81
## 240 240 COATEPEC MUJER 81
## 241 241 PAPANTLA HOMBRE 81
## 242 242 XALAPA HOMBRE 81
## 243 243 COATEPEC HOMBRE 81
## 244 244 MEDELLIN MUJER 81
## 245 245 VERACRUZ HOMBRE 81
## 246 246 MARTINEZ DE LA TORRE MUJER 81
## 247 247 EMILIANO ZAPATA HOMBRE 81
## 248 248 COATEPEC MUJER 81
## 249 249 XALAPA MUJER 81
## 250 250 COATZACOALCOS MUJER 81
## 251 251 CAMERINO Z HOMBRE 81
## 252 252 EMILIANO ZAPATA MUJER 81
## 253 253 TUXPAN HOMBRE 81
## 254 254 MINATITLAN MUJER 81
## 255 255 POZA RICA HOMBRE 81
## 256 256 ACAYUCAN HOMBRE 81
## 257 257 TANTOYUCA HOMBRE 81
## 258 258 COSOLEACAQUE MUJER 81
## 259 259 PEROTE HOMBRE 81
## 260 260 BOCA DEL RIO HOMBRE 81
## 261 261 MISANTLA HOMBRE 81
## 262 262 HUATUSCO HOMBRE 81
## 263 263 TUXPAN MUJER 80
## 264 264 COATZACOALCOS HOMBRE 80
## 265 265 VERACRUZ MUJER 80
## 266 266 ALAMO TEMAPACHE HOMBRE 80
## 267 267 MINATITLAN MUJER 80
## 268 268 CAMERINO Z MUJER 80
## 269 269 ORIZABA MUJER 80
## 270 270 ACAYUCAN HOMBRE 80
## 271 271 COATEPEC MUJER 80
## 272 272 CAMERINO Z HOMBRE 80
## 273 273 HUATUSCO HOMBRE 80
## 274 274 ALAMO TEMAPACHE MUJER 80
## 275 275 SANTIAGO TUXTLA HOMBRE 80
## 276 276 SANTIAGO TUXTLA HOMBRE 80
## 277 277 COATZACOALCOS HOMBRE 80
## 278 278 COATZACOALCOS MUJER 80
## 279 279 XALAPA MUJER 80
## 280 280 PANUCO HOMBRE 80
## 281 281 MISANTLA MUJER 80
## 282 282 PEROTE HOMBRE 80
## 283 283 MISANTLA HOMBRE 80
## 284 284 XALAPA HOMBRE 80
## 285 285 COATZACOALCOS HOMBRE 80
## 286 286 ZONGOLICA HOMBRE 80
## 287 287 HUATUSCO HOMBRE 80
## 288 288 TANTOYUCA MUJER 80
## 289 289 CORDOBA HOMBRE 80
## 290 290 BOCA DEL RIO HOMBRE 80
## 291 291 CORDOBA HOMBRE 80
## 292 292 COATEPEC MUJER 80
## 293 293 SAN ANDRES TUXTLA HOMBRE 80
## 294 294 TUXPAN MUJER 80
## 295 295 HUATUSCO MUJER 80
## 296 296 ORIZABA HOMBRE 80
## 297 297 TUXPAN HOMBRE 80
## 298 298 XALAPA HOMBRE 80
## 299 299 TANTOYUCA HOMBRE 80
## 300 300 ZONGOLICA MUJER 80
## 301 301 PANUCO HOMBRE 80
## 302 302 COATEPEC HOMBRE 80
## 303 303 ORIZABA HOMBRE 80
## 304 304 COATZACOALCOS MUJER 80
## 305 305 MARTINEZ DE LA TORRE HOMBRE 80
## 306 306 XALAPA HOMBRE 80
## 307 307 PEROTE HOMBRE 80
## 308 308 COATEPEC HOMBRE 80
## 309 309 VERACRUZ HOMBRE 80
## 310 310 XALAPA MUJER 80
## 311 311 PEROTE HOMBRE 80
## 312 312 CORDOBA HOMBRE 80
## 313 313 EMILIANO ZAPATA MUJER 80
## 314 314 MINATITLAN HOMBRE 79
## 315 315 VERACRUZ HOMBRE 79
## 316 316 COSOLEACAQUE MUJER 79
## 317 317 VERACRUZ HOMBRE 79
## 318 318 COSOLEACAQUE HOMBRE 79
## 319 319 TUXPAN MUJER 79
## 320 320 ACAYUCAN HOMBRE 79
## 321 321 ALAMO TEMAPACHE HOMBRE 79
## 322 322 MINATITLAN HOMBRE 79
## 323 323 COSOLEACAQUE HOMBRE 79
## 324 324 ZONGOLICA HOMBRE 79
## 325 325 PEROTE HOMBRE 79
## 326 326 TUXPAN MUJER 79
## 327 327 XALAPA HOMBRE 79
## 328 328 PAPANTLA HOMBRE 79
## 329 329 ALAMO TEMAPACHE HOMBRE 79
## 330 330 ALAMO TEMAPACHE MUJER 79
## 331 331 PEROTE MUJER 79
## 332 332 EMILIANO ZAPATA HOMBRE 79
## 333 333 HUATUSCO HOMBRE 79
## 334 334 COSAMALOAPAN HOMBRE 79
## 335 335 PAPANTLA HOMBRE 79
## 336 336 CAMERINO Z MUJER 79
## 337 337 XALAPA MUJER 79
## 338 338 COATZACOALCOS HOMBRE 79
## 339 339 COATEPEC HOMBRE 79
## 340 340 PEROTE HOMBRE 79
## 341 341 ACAYUCAN HOMBRE 79
## 342 342 TANTOYUCA HOMBRE 79
## 343 343 ZONGOLICA MUJER 79
## 344 344 EMILIANO ZAPATA MUJER 79
## 345 345 COSOLEACAQUE MUJER 79
## 346 346 ALAMO TEMAPACHE MUJER 79
## 347 347 MISANTLA HOMBRE 79
## 348 348 COSOLEACAQUE MUJER 79
## 349 349 VERACRUZ HOMBRE 79
## 350 350 TANTOYUCA MUJER 79
## 351 351 COATEPEC HOMBRE 79
## 352 352 EMILIANO ZAPATA HOMBRE 79
## 353 353 PEROTE MUJER 79
## 354 354 XALAPA MUJER 79
## 355 355 XALAPA HOMBRE 79
## 356 356 CORDOBA HOMBRE 79
## 357 357 EMILIANO ZAPATA HOMBRE 79
## 358 358 XALAPA MUJER 79
## 359 359 VERACRUZ MUJER 79
## 360 360 TUXPAN MUJER 79
## 361 361 EMILIANO ZAPATA HOMBRE 78
## 362 362 PEROTE MUJER 78
## 363 363 EMILIANO ZAPATA HOMBRE 78
## 364 364 MINATITLAN MUJER 78
## 365 365 SAN ANDRES TUXTLA HOMBRE 78
## 366 366 PEROTE MUJER 78
## 367 367 MEDELLIN HOMBRE 78
## 368 368 ZONGOLICA MUJER 78
## 369 369 ACAYUCAN HOMBRE 78
## 370 370 SAN ANDRES TUXTLA HOMBRE 78
## 371 371 ACAYUCAN HOMBRE 78
## 372 372 ORIZABA HOMBRE 78
## 373 373 ACAYUCAN HOMBRE 78
## 374 374 TANTOYUCA HOMBRE 78
## 375 375 MEDELLIN HOMBRE 78
## 376 376 ORIZABA HOMBRE 78
## 377 377 ORIZABA HOMBRE 78
## 378 378 SAN ANDRES TUXTLA HOMBRE 78
## 379 379 EMILIANO ZAPATA HOMBRE 78
## 380 380 ZONGOLICA HOMBRE 78
## 381 381 XALAPA HOMBRE 78
## 382 382 CAMERINO Z MUJER 78
## 383 383 VERACRUZ HOMBRE 78
## 384 384 TUXPAN MUJER 78
## 385 385 TUXPAN MUJER 78
## 386 386 HUATUSCO HOMBRE 78
## 387 387 COATZACOALCOS MUJER 78
## 388 388 HUATUSCO HOMBRE 78
## 389 389 CORDOBA HOMBRE 78
## 390 390 MARTINEZ DE LA TORRE HOMBRE 78
## 391 391 HUATUSCO MUJER 78
## 392 392 XALAPA HOMBRE 78
## 393 393 ORIZABA MUJER 78
## 394 394 COATEPEC HOMBRE 78
## 395 395 COATZACOALCOS HOMBRE 78
## 396 396 MEDELLIN MUJER 78
## 397 397 COSAMALOAPAN MUJER 78
## 398 398 VERACRUZ MUJER 78
## 399 399 COATZACOALCOS HOMBRE 78
## 400 400 MARTINEZ DE LA TORRE HOMBRE 78
## 401 401 EMILIANO ZAPATA HOMBRE 78
## 402 402 COSAMALOAPAN MUJER 78
## 403 403 COATZACOALCOS MUJER 78
## 404 404 COATZACOALCOS HOMBRE 78
## 405 405 MINATITLAN HOMBRE 78
## 406 406 PAPANTLA MUJER 78
## 407 407 COATZACOALCOS MUJER 78
## 408 408 COATEPEC HOMBRE 78
## 409 409 MARTINEZ DE LA TORRE HOMBRE 78
## 410 410 TUXPAN MUJER 77
## 411 411 COATZACOALCOS MUJER 77
## 412 412 CAMERINO Z HOMBRE 77
## 413 413 PEROTE MUJER 77
## 414 414 SAN ANDRES TUXTLA MUJER 77
## 415 415 ORIZABA MUJER 77
## 416 416 MARTINEZ DE LA TORRE HOMBRE 77
## 417 417 PEROTE MUJER 77
## 418 418 COSOLEACAQUE HOMBRE 77
## 419 419 COSAMALOAPAN MUJER 77
## 420 420 MISANTLA MUJER 77
## 421 421 SAN ANDRES TUXTLA HOMBRE 77
## 422 422 TANTOYUCA HOMBRE 77
## 423 423 MISANTLA MUJER 77
## 424 424 VERACRUZ HOMBRE 77
## 425 425 COATEPEC HOMBRE 77
## 426 426 COATZACOALCOS MUJER 77
## 427 427 SAN ANDRES TUXTLA MUJER 77
## 428 428 MISANTLA MUJER 77
## 429 429 EMILIANO ZAPATA HOMBRE 77
## 430 430 XALAPA MUJER 77
## 431 431 COATEPEC HOMBRE 77
## 432 432 TANTOYUCA HOMBRE 77
## 433 433 PEROTE MUJER 77
## 434 434 ZONGOLICA HOMBRE 77
## 435 435 XALAPA MUJER 77
## 436 436 HUATUSCO MUJER 77
## 437 437 XALAPA HOMBRE 77
## 438 438 PANUCO HOMBRE 77
## 439 439 POZA RICA MUJER 77
## 440 440 COSAMALOAPAN HOMBRE 77
## 441 441 MEDELLIN MUJER 77
## 442 442 MEDELLIN HOMBRE 77
## 443 443 ZONGOLICA MUJER 77
## 444 444 CORDOBA HOMBRE 77
## 445 445 ORIZABA MUJER 77
## 446 446 COSOLEACAQUE MUJER 77
## 447 447 COSAMALOAPAN HOMBRE 77
## 448 448 VERACRUZ HOMBRE 77
## 449 449 MEDELLIN MUJER 77
## 450 450 COATEPEC HOMBRE 77
## 451 451 COATEPEC HOMBRE 77
## 452 452 COATZACOALCOS HOMBRE 76
## 453 453 MISANTLA MUJER 76
## 454 454 PANUCO MUJER 76
## 455 455 POZA RICA HOMBRE 76
## 456 456 XALAPA HOMBRE 76
## 457 457 COSAMALOAPAN MUJER 76
## 458 458 EMILIANO ZAPATA MUJER 76
## 459 459 PEROTE HOMBRE 76
## 460 460 COATEPEC MUJER 76
## 461 461 HUATUSCO HOMBRE 76
## 462 462 XALAPA MUJER 76
## 463 463 MINATITLAN MUJER 76
## 464 464 SANTIAGO TUXTLA MUJER 76
## 465 465 MISANTLA HOMBRE 76
## 466 466 BOCA DEL RIO HOMBRE 76
## 467 467 MISANTLA HOMBRE 76
## 468 468 VERACRUZ MUJER 76
## 469 469 MISANTLA HOMBRE 76
## 470 470 EMILIANO ZAPATA HOMBRE 76
## 471 471 CAMERINO Z MUJER 76
## 472 472 SAN ANDRES TUXTLA HOMBRE 76
## 473 473 COATZACOALCOS HOMBRE 76
## 474 474 VERACRUZ MUJER 76
## 475 475 CORDOBA HOMBRE 76
## 476 476 HUATUSCO HOMBRE 76
## 477 477 ORIZABA HOMBRE 76
## 478 478 ACAYUCAN HOMBRE 76
## 479 479 EMILIANO ZAPATA HOMBRE 76
## 480 480 MEDELLIN HOMBRE 76
## 481 481 POZA RICA HOMBRE 76
## 482 482 HUATUSCO MUJER 76
## 483 483 MISANTLA HOMBRE 76
## 484 484 MEDELLIN MUJER 76
## 485 485 COSOLEACAQUE HOMBRE 76
## 486 486 XALAPA MUJER 76
## 487 487 MINATITLAN MUJER 76
## 488 488 XALAPA HOMBRE 76
## 489 489 HUATUSCO HOMBRE 76
## 490 490 BOCA DEL RIO HOMBRE 76
## 491 491 EMILIANO ZAPATA MUJER 76
## 492 492 EMILIANO ZAPATA MUJER 76
## 493 493 XALAPA MUJER 76
## 494 494 COATEPEC HOMBRE 76
## 495 495 PANUCO MUJER 76
## 496 496 CAMERINO Z HOMBRE 76
## 497 497 PAPANTLA MUJER 76
## 498 498 ACAYUCAN HOMBRE 76
## 499 499 XALAPA HOMBRE 76
## 500 500 PAPANTLA MUJER 76
## 501 501 COATEPEC MUJER 76
## 502 502 ACAYUCAN HOMBRE 76
## 503 503 EMILIANO ZAPATA HOMBRE 76
## 504 504 COATEPEC HOMBRE 76
## 505 505 VERACRUZ HOMBRE 76
## 506 506 ACAYUCAN HOMBRE 76
## 507 507 COATEPEC HOMBRE 76
## 508 508 CAMERINO Z MUJER 76
## 509 509 COSOLEACAQUE HOMBRE 76
## 510 510 XALAPA MUJER 76
## 511 511 VERACRUZ MUJER 76
## 512 512 SANTIAGO TUXTLA MUJER 75
## 513 513 MISANTLA MUJER 75
## 514 514 SAN ANDRES TUXTLA HOMBRE 75
## 515 515 PEROTE HOMBRE 75
## 516 516 CAMERINO Z MUJER 75
## 517 517 MINATITLAN MUJER 75
## 518 518 PAPANTLA MUJER 75
## 519 519 HUATUSCO HOMBRE 75
## 520 520 COSOLEACAQUE HOMBRE 75
## 521 521 HUATUSCO HOMBRE 75
## 522 522 PEROTE HOMBRE 75
## 523 523 COSAMALOAPAN HOMBRE 75
## 524 524 XALAPA HOMBRE 75
## 525 525 PEROTE HOMBRE 75
## 526 526 CAMERINO Z HOMBRE 75
## 527 527 ZONGOLICA HOMBRE 75
## 528 528 COSOLEACAQUE HOMBRE 75
## 529 529 ALAMO TEMAPACHE HOMBRE 75
## 530 530 TANTOYUCA HOMBRE 75
## 531 531 ZONGOLICA HOMBRE 75
## 532 532 XALAPA HOMBRE 75
## 533 533 TANTOYUCA HOMBRE 75
## 534 534 PANUCO MUJER 75
## 535 535 CORDOBA MUJER 75
## 536 536 COSAMALOAPAN HOMBRE 75
## 537 537 ALAMO TEMAPACHE MUJER 75
## 538 538 XALAPA HOMBRE 75
## 539 539 VERACRUZ MUJER 75
## 540 540 ACAYUCAN MUJER 75
## 541 541 COSAMALOAPAN MUJER 75
## 542 542 POZA RICA MUJER 75
## 543 543 COATEPEC HOMBRE 75
## 544 544 ORIZABA MUJER 75
## 545 545 POZA RICA HOMBRE 75
## 546 546 XALAPA HOMBRE 75
## 547 547 COSOLEACAQUE MUJER 75
## 548 548 PEROTE MUJER 75
## 549 549 HUATUSCO HOMBRE 75
## 550 550 PAPANTLA HOMBRE 75
## 551 551 MARTINEZ DE LA TORRE HOMBRE 75
## 552 552 XALAPA HOMBRE 75
## 553 553 XALAPA HOMBRE 75
## 554 554 PAPANTLA HOMBRE 75
## 555 555 XALAPA HOMBRE 75
## 556 556 CAMERINO Z HOMBRE 75
## 557 557 EMILIANO ZAPATA HOMBRE 75
## 558 558 ZONGOLICA MUJER 75
## 559 559 COATZACOALCOS HOMBRE 75
## 560 560 POZA RICA HOMBRE 75
## 561 561 ALAMO TEMAPACHE HOMBRE 75
## 562 562 ORIZABA MUJER 75
## 563 563 CAMERINO Z MUJER 75
## 564 564 SAN ANDRES TUXTLA MUJER 75
## 565 565 TUXPAN MUJER 75
## 566 566 COATZACOALCOS HOMBRE 74
## 567 567 XALAPA MUJER 74
## 568 568 VERACRUZ MUJER 74
## 569 569 COSOLEACAQUE HOMBRE 74
## 570 570 BOCA DEL RIO HOMBRE 74
## 571 571 BOCA DEL RIO MUJER 74
## 572 572 MISANTLA MUJER 74
## 573 573 PANUCO HOMBRE 74
## 574 574 ALAMO TEMAPACHE HOMBRE 74
## 575 575 ACAYUCAN MUJER 74
## 576 576 COSOLEACAQUE HOMBRE 74
## 577 577 COATZACOALCOS MUJER 74
## 578 578 CORDOBA HOMBRE 74
## 579 579 MARTINEZ DE LA TORRE HOMBRE 74
## 580 580 MARTINEZ DE LA TORRE MUJER 74
## 581 581 COSOLEACAQUE MUJER 74
## 582 582 TUXPAN MUJER 74
## 583 583 COSOLEACAQUE MUJER 74
## 584 584 ORIZABA MUJER 74
## 585 585 VERACRUZ HOMBRE 74
## 586 586 PAPANTLA MUJER 74
## 587 587 CORDOBA MUJER 74
## 588 588 COSOLEACAQUE MUJER 74
## 589 589 PEROTE MUJER 74
## 590 590 ACAYUCAN HOMBRE 74
## 591 591 TANTOYUCA HOMBRE 74
## 592 592 MARTINEZ DE LA TORRE HOMBRE 74
## 593 593 TUXPAN MUJER 74
## 594 594 MISANTLA HOMBRE 74
## 595 595 MEDELLIN HOMBRE 74
## 596 596 CAMERINO Z HOMBRE 74
## 597 597 XALAPA MUJER 74
## 598 598 MINATITLAN MUJER 74
## 599 599 CORDOBA MUJER 74
## 600 600 COATZACOALCOS MUJER 74
## 601 601 SAN ANDRES TUXTLA MUJER 74
## 602 602 VERACRUZ HOMBRE 74
## 603 603 COATEPEC HOMBRE 74
## 604 604 MISANTLA MUJER 74
## 605 605 POZA RICA HOMBRE 74
## 606 606 COSAMALOAPAN HOMBRE 74
## 607 607 SAN ANDRES TUXTLA MUJER 74
## 608 608 XALAPA MUJER 74
## 609 609 EMILIANO ZAPATA HOMBRE 74
## 610 610 ZONGOLICA HOMBRE 74
## 611 611 POZA RICA HOMBRE 74
## 612 612 SAN ANDRES TUXTLA HOMBRE 74
## 613 613 XALAPA HOMBRE 74
## 614 614 SANTIAGO TUXTLA HOMBRE 74
## 615 615 ALAMO TEMAPACHE HOMBRE 74
## 616 616 TUXPAN MUJER 74
## 617 617 ORIZABA HOMBRE 74
## 618 618 CAMERINO Z HOMBRE 74
## 619 619 XALAPA MUJER 74
## 620 620 MINATITLAN HOMBRE 74
## 621 621 CORDOBA HOMBRE 74
## 622 622 ORIZABA HOMBRE 74
## 623 623 ORIZABA HOMBRE 74
## 624 624 TANTOYUCA HOMBRE 74
## 625 625 ORIZABA MUJER 74
## 626 626 COSAMALOAPAN HOMBRE 73
## 627 627 VERACRUZ HOMBRE 73
## 628 628 XALAPA MUJER 73
## 629 629 SANTIAGO TUXTLA MUJER 73
## 630 630 HUATUSCO HOMBRE 73
## 631 631 POZA RICA MUJER 73
## 632 632 TANTOYUCA MUJER 73
## 633 633 POZA RICA HOMBRE 73
## 634 634 MISANTLA HOMBRE 73
## 635 635 MEDELLIN MUJER 73
## 636 636 MISANTLA HOMBRE 73
## 637 637 COSOLEACAQUE MUJER 73
## 638 638 EMILIANO ZAPATA HOMBRE 73
## 639 639 MEDELLIN MUJER 73
## 640 640 XALAPA MUJER 73
## 641 641 CORDOBA HOMBRE 73
## 642 642 VERACRUZ MUJER 73
## 643 643 COSOLEACAQUE HOMBRE 73
## 644 644 MINATITLAN HOMBRE 73
## 645 645 ACAYUCAN HOMBRE 73
## 646 646 CORDOBA HOMBRE 73
## 647 647 COATEPEC HOMBRE 73
## 648 648 CAMERINO Z MUJER 73
## 649 649 PANUCO HOMBRE 73
## 650 650 MISANTLA MUJER 73
## 651 651 MEDELLIN MUJER 73
## 652 652 MISANTLA HOMBRE 73
## 653 653 PAPANTLA MUJER 73
## 654 654 TUXPAN HOMBRE 73
## 655 655 ALAMO TEMAPACHE MUJER 73
## 656 656 ORIZABA MUJER 73
## 657 657 COATEPEC HOMBRE 73
## 658 658 CAMERINO Z MUJER 73
## 659 659 COATEPEC MUJER 73
## 660 660 COATEPEC MUJER 73
## 661 661 HUATUSCO MUJER 73
## 662 662 ORIZABA MUJER 73
## 663 663 SANTIAGO TUXTLA HOMBRE 73
## 664 664 ALAMO TEMAPACHE HOMBRE 73
## 665 665 HUATUSCO MUJER 73
## 666 666 COATEPEC MUJER 73
## 667 667 MEDELLIN HOMBRE 73
## 668 668 COATZACOALCOS HOMBRE 73
## 669 669 HUATUSCO MUJER 73
## 670 670 POZA RICA HOMBRE 73
## 671 671 CAMERINO Z HOMBRE 73
## 672 672 HUATUSCO MUJER 73
## 673 673 POZA RICA MUJER 73
## 674 674 EMILIANO ZAPATA MUJER 73
## 675 675 POZA RICA MUJER 73
## 676 676 XALAPA MUJER 73
## 677 677 EMILIANO ZAPATA HOMBRE 73
## 678 678 COATZACOALCOS MUJER 73
## 679 679 SAN ANDRES TUXTLA HOMBRE 73
## 680 680 XALAPA MUJER 73
## 681 681 VERACRUZ HOMBRE 73
## 682 682 MEDELLIN HOMBRE 73
## 683 683 XALAPA MUJER 73
## 684 684 SANTIAGO TUXTLA HOMBRE 73
## 685 685 COATEPEC HOMBRE 73
## 686 686 SAN ANDRES TUXTLA HOMBRE 72
## 687 687 HUATUSCO HOMBRE 72
## 688 688 XALAPA HOMBRE 72
## 689 689 CAMERINO Z HOMBRE 72
## 690 690 PANUCO HOMBRE 72
## 691 691 ORIZABA HOMBRE 72
## 692 692 ACAYUCAN MUJER 72
## 693 693 PEROTE MUJER 72
## 694 694 PAPANTLA HOMBRE 72
## 695 695 COATEPEC MUJER 72
## 696 696 BOCA DEL RIO HOMBRE 72
## 697 697 MARTINEZ DE LA TORRE HOMBRE 72
## 698 698 ORIZABA HOMBRE 72
## 699 699 XALAPA HOMBRE 72
## 700 700 COSAMALOAPAN HOMBRE 72
## 701 701 MEDELLIN MUJER 72
## 702 702 COATZACOALCOS HOMBRE 72
## 703 703 VERACRUZ HOMBRE 72
## 704 704 COATEPEC MUJER 72
## 705 705 MISANTLA MUJER 72
## 706 706 TUXPAN MUJER 72
## 707 707 HUATUSCO MUJER 72
## 708 708 HUATUSCO HOMBRE 72
## 709 709 ZONGOLICA MUJER 72
## 710 710 MARTINEZ DE LA TORRE HOMBRE 72
## 711 711 MINATITLAN HOMBRE 72
## 712 712 XALAPA HOMBRE 72
## 713 713 HUATUSCO HOMBRE 72
## 714 714 ALAMO TEMAPACHE HOMBRE 72
## 715 715 ORIZABA MUJER 72
## 716 716 TANTOYUCA MUJER 72
## 717 717 PANUCO MUJER 72
## 718 718 COATEPEC HOMBRE 72
## 719 719 CAMERINO Z MUJER 72
## 720 720 CORDOBA MUJER 72
## 721 721 CORDOBA HOMBRE 72
## 722 722 XALAPA HOMBRE 72
## 723 723 POZA RICA MUJER 72
## 724 724 BOCA DEL RIO HOMBRE 72
## 725 725 MEDELLIN HOMBRE 72
## 726 726 EMILIANO ZAPATA HOMBRE 72
## 727 727 TUXPAN MUJER 72
## 728 728 CAMERINO Z MUJER 72
## 729 729 SAN ANDRES TUXTLA MUJER 72
## 730 730 VERACRUZ HOMBRE 72
## 731 731 PEROTE HOMBRE 72
## 732 732 COATEPEC MUJER 72
## 733 733 XALAPA MUJER 72
## 734 734 EMILIANO ZAPATA HOMBRE 72
## 735 735 ACAYUCAN HOMBRE 72
## 736 736 EMILIANO ZAPATA HOMBRE 72
## 737 737 CAMERINO Z MUJER 72
## 738 738 CAMERINO Z MUJER 72
## 739 739 PAPANTLA MUJER 71
## 740 740 VERACRUZ HOMBRE 71
## 741 741 COSAMALOAPAN HOMBRE 71
## 742 742 ALAMO TEMAPACHE MUJER 71
## 743 743 XALAPA MUJER 71
## 744 744 ZONGOLICA MUJER 71
## 745 745 ORIZABA HOMBRE 71
## 746 746 XALAPA HOMBRE 71
## 747 747 POZA RICA MUJER 71
## 748 748 ZONGOLICA HOMBRE 71
## 749 749 SAN ANDRES TUXTLA HOMBRE 71
## 750 750 XALAPA MUJER 71
## 751 751 SAN ANDRES TUXTLA HOMBRE 71
## 752 752 BOCA DEL RIO MUJER 71
## 753 753 MARTINEZ DE LA TORRE MUJER 71
## 754 754 CAMERINO Z MUJER 71
## 755 755 MEDELLIN HOMBRE 71
## 756 756 ORIZABA MUJER 71
## 757 757 ORIZABA HOMBRE 71
## 758 758 COSAMALOAPAN MUJER 71
## 759 759 EMILIANO ZAPATA HOMBRE 71
## 760 760 MARTINEZ DE LA TORRE HOMBRE 71
## 761 761 ACAYUCAN HOMBRE 71
## 762 762 CORDOBA HOMBRE 71
## 763 763 TANTOYUCA HOMBRE 71
## 764 764 EMILIANO ZAPATA MUJER 71
## 765 765 ALAMO TEMAPACHE HOMBRE 71
## 766 766 COATEPEC HOMBRE 71
## 767 767 MEDELLIN MUJER 71
## 768 768 MEDELLIN HOMBRE 71
## 769 769 POZA RICA MUJER 71
## 770 770 ORIZABA HOMBRE 71
## 771 771 MEDELLIN HOMBRE 71
## 772 772 POZA RICA HOMBRE 71
## 773 773 COATEPEC HOMBRE 71
## 774 774 COATEPEC MUJER 71
## 775 775 ALAMO TEMAPACHE MUJER 71
## 776 776 COATEPEC HOMBRE 71
## 777 777 XALAPA MUJER 71
## 778 778 ACAYUCAN HOMBRE 71
## 779 779 CAMERINO Z MUJER 71
## 780 780 XALAPA HOMBRE 71
## 781 781 COSOLEACAQUE MUJER 71
## 782 782 ORIZABA HOMBRE 71
## 783 783 CORDOBA MUJER 71
## 784 784 ALAMO TEMAPACHE MUJER 71
## 785 785 MISANTLA MUJER 71
## 786 786 PANUCO HOMBRE 71
## 787 787 XALAPA MUJER 71
## 788 788 XALAPA HOMBRE 71
## 789 789 XALAPA MUJER 71
## 790 790 XALAPA MUJER 71
## 791 791 MARTINEZ DE LA TORRE MUJER 71
## 792 792 ALAMO TEMAPACHE HOMBRE 71
## 793 793 POZA RICA MUJER 71
## 794 794 MEDELLIN HOMBRE 71
## 795 795 CORDOBA HOMBRE 71
## 796 796 HUATUSCO MUJER 71
## 797 797 COSOLEACAQUE HOMBRE 71
## 798 798 CORDOBA HOMBRE 71
## 799 799 CAMERINO Z HOMBRE 71
## 800 800 PAPANTLA HOMBRE 71
## 801 801 MARTINEZ DE LA TORRE HOMBRE 71
## 802 802 ACAYUCAN HOMBRE 71
## 803 803 MEDELLIN MUJER 71
## 804 804 HUATUSCO HOMBRE 71
## 805 805 CORDOBA HOMBRE 71
## 806 806 PEROTE HOMBRE 71
## 807 807 POZA RICA MUJER 71Pudiera ser necesario guardar una selección de datos en una base de datos nueva, por ejemplo
justmen <- filter(df, SEXO == "HOMBRE")
justmen <- filter(df, !SEXO == "MUJER")Es importante mencionar que el operador == difiere del operador = ; el primero se refiere a verificar una igualdad, el segundo, a determinar una igualdad.
De nuestra base de datos de tuits, podemos seleccionar sólo las columnas de nombre de usuario, veces retuiteado, texto, y número de likes del tuit. Guardamos esto en una nueva base.
tuits <- select(dftw, screen_name, retweet_count,
text, favorite_count)De la base tuits, podemos eliminar la columna text
tuits <- select(tuits, -text)Operador %>% y función mutate()
Comúnmente nos referimos a este operador como tubo (pipe); aunque personalmente prefiero llamarlo embudo, o el portal mágico. Este operador nos permite simplificar el proceso de transformación de objetos, o el análisis subsecuente de objetos. Al utilizarlo de forma eficiente, podemos reducir la carga de objetos en el ambiente, además de las líneas de código usadas. Tomemos como ejemplo la transformación del siguiente objeto
df2 <- count(df, SEXO)
df2$porc <- df2$n/sum(df2$n)*100Usaremos ahora el operador %>% en combinación con la función mutate() del paquete dplyr. Esta función crea una nueva columna en una base de datos, atendiendo a las indicaciones dadas en la función.
df %>%
count(SEXO) %>%
mutate(porc = n/sum(n)*100)## SEXO n porc
## 1 HOMBRE 1810 50.26382
## 2 MUJER 1791 49.73618Notemos que en la funciones ya no fue necesario declarar el argumento data o x, dado que el operador %>% implica que se usarán los datos de la anterior transformación. También debe notarse que no se crearon nuevos objetos a partir de esta línea de código.
Funciones group_by y summarise
En ocasiones, es necesario obtener un resumen de un conjunto epecífico de datos en una tabla o base de datos. Para hacer esto, usaremos la función summarise(), que es muy parecida a mutate()
df %>%
summarise(media = mean(ACIERTOS), DE = sd(ACIERTOS), V = var(ACIERTOS))## media DE V
## 1 58.30464 14.45759 209.0219De la misma manera, en ocasiones es útil agrupar los datos de acuerdo a ciertas características, para hacer resúmenes de cada grupo
df %>%
group_by(REGION) %>%
summarise(media = mean(ACIERTOS), DE = sd(ACIERTOS), V = var(ACIERTOS))## `summarise()` ungrouping output (override with `.groups` argument)## # A tibble: 27 x 4
## REGION media DE V
## <chr> <dbl> <dbl> <dbl>
## 1 " ACAYUCAN" 58.2 14.0 197.
## 2 " ALAMO TEMAPACHE" 57.2 15.0 226.
## 3 " BOCA DEL RIO" 55.8 14.2 203.
## 4 " CAMERINO Z" 58.0 14.0 197.
## 5 " COATEPEC" 61.3 14.0 196.
## 6 " COATZACOALCOS" 58.6 14.2 201.
## 7 " CORDOBA" 59.2 14.2 203.
## 8 " COSAMALOAPAN" 56.6 14.9 221.
## 9 " COSOLEACAQUE" 63.0 14.3 204.
## 10 " EMILIANO ZAPATA" 62.2 13.2 175.
## # ... with 17 more rowsNotemos que la agrupación por sí sola no produce cambios aparentes en nuestra base de datos. La agrupación sólo es evidente a partir de las operaciones agrupadas que se realizan después
View(df %>%
group_by(REGION))Si fuera necesario, podemos usar ungroup() para deshacer la agrupación previa.
df %>%
group_by(REGION) %>%
ungroup() %>%
summarise(media = mean(ACIERTOS), DE = sd(ACIERTOS), V = var(ACIERTOS))## # A tibble: 1 x 3
## media DE V
## <dbl> <dbl> <dbl>
## 1 58.3 14.5 209.Visualizaciones básicas
Con el paquete ggplot2, que forma parte de la paquetería tidyverse, podemos hacer visualizaciones de alta calidad y muy personalizables.
ggplot(df, aes(x=ACIERTOS))+
geom_histogram(binwidth = 1)
Como decía, muy personalizables
ggplot(df, aes(x=ACIERTOS))+
geom_histogram(binwidth = 1)+
labs(x="Aciertos", y = "Casos", title = "Histograma de aciertos de examen", caption = "Nota: No hubo tantos reprobados")+ # Etiquetas
theme_bw() #Tema blanco y negro
Visualizaciones intermedias
Podemos encadenar los análisis y las transformaciónes con una visualización:
df %>%
mutate(escala = scale(ACIERTOS)) %>% #escalamos con DE
mutate(cuali = case_when(escala < -1 ~ "Baja",
escala >= -1 & escala <=1 ~ "Media",
escala > 1 ~ "Alta")) %>% #hacemos límites con la DE
ggplot(aes(x = ACIERTOS, fill= cuali))+
geom_histogram(color = "white", binwidth = 1, show.legend = F)+ #Sin leyenda
labs(x = NULL, y = NULL, title = "Calificaciones en el examen")+
scale_x_continuous(breaks = seq(0,100,50), labels = c("Bajas", "Medias", "Altas"))+
theme_bw()
Otro ejemplo
df %>%
ggplot(aes(x= SEXO, y = ACIERTOS, fill= SEXO, color = SEXO))+
geom_boxplot(show.legend = F)+
geom_jitter(alpha = 0.4, show.legend = F)+ #Sin leyendas
labs(x=NULL, y = NULL, title = "Dispersión de aciertos por sexo")+
scale_y_continuous(breaks = seq(0,100,25))+ #Breaks eje y
scale_x_discrete(labels = c("Hombres", "Mujeres"))+ #Breaks eje x, variable discreta
theme_bw()
Análisis estadísticos básicos
R nos ofrece una amplia gama de análisis estadísticos, así como la oportunidad de personalizar nuestro análisis. Uno fundamental es la comparación de medias
t.test(ACIERTOS~SEXO, df)##
## Welch Two Sample t-test
##
## data: ACIERTOS by SEXO
## t = 8.9057, df = 3599, p-value < 2.2e-16
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
## 3.310573 5.179762
## sample estimates:
## mean in group HOMBRE mean in group MUJER
## 60.41602 56.17085wilcox.test(ACIERTOS~SEXO, df) #No paramétrico##
## Wilcoxon rank sum test with continuity correction
##
## data: ACIERTOS by SEXO
## W = 1894928, p-value < 2.2e-16
## alternative hypothesis: true location shift is not equal to 0Análisis de varianza de un factor
anov <- aov(ACIERTOS~REGION, df)
summary.aov(anov)## Df Sum Sq Mean Sq F value Pr(>F)
## REGION 26 14657 563.7 2.731 5.54e-06 ***
## Residuals 3574 737822 206.4
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1kruskal.test(ACIERTOS~REGION, df)##
## Kruskal-Wallis rank sum test
##
## data: ACIERTOS by REGION
## Kruskal-Wallis chi-squared = 69.255, df = 26, p-value = 8.511e-06Con su respectivo post-hoc
tukey <- TukeyHSD(anov)
tukey <- as.data.frame(tukey$REGION)Cargamos una nueva base de datos sobre COVID y comunicación política
covcarlos <- read.csv("df3.csv")¿Están relacionados el estrés y el consumo de noticias sobre covid en medios formales, en tiempos de pandemia? Primero escalaremos algunas variables para poder compararlas.
scale2 <- function(x) {scale(x)[,1]}
covcarlos [99:109] <- lapply(covcarlos[99:109], scale2)Luego podemos visualizar su dispersión comparada
covcarlos %>%
ggplot(aes(x=estres, y = edad))+
geom_jitter()+
geom_smooth(method = "lm", formula = "y~x")
Y hacer alguna prueba de correlación
cor.test(covcarlos$estres, covcarlos$edad, method = "spearman")## Warning in cor.test.default(covcarlos$estres, covcarlos$edad, method =
## "spearman"): Cannot compute exact p-value with ties##
## Spearman's rank correlation rho
##
## data: covcarlos$estres and covcarlos$edad
## S = 341079365, p-value = 1.002e-07
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
## rho
## -0.1523239Con el paquete psych podemos visualizar la correlación del conjunto de constructos en esta base de datos
covcarlos %>%
select(edad:estres) %>%
psych::pairs.panels(ellipses = F, method = "spearman", stars = T)
Y por último, en este taller, podemos modelar la variable estres a partir del conjunto de las demás variables, a partir de un modelo lineal
lm1 <- lm(estres~NSE + edad + consmed + confmedia + partredes + social + desinf + manejo , data = covcarlos)
summary.lm(lm1)##
## Call:
## lm(formula = estres ~ NSE + edad + consmed + confmedia + partredes +
## social + desinf + manejo, data = covcarlos)
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.7828 -0.5626 0.0361 0.5226 3.5938
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -6.631e-16 2.787e-02 0.000 1.000000
## NSE 1.087e-01 2.961e-02 3.670 0.000253 ***
## edad -1.048e-01 2.995e-02 -3.500 0.000482 ***
## consmed -1.020e-02 3.327e-02 -0.307 0.759271
## confmedia -2.462e-02 2.921e-02 -0.843 0.399466
## partredes 1.042e-01 3.665e-02 2.842 0.004555 **
## social 1.035e-01 3.717e-02 2.784 0.005457 **
## desinf 9.872e-03 2.969e-02 0.333 0.739541
## manejo -7.909e-02 2.932e-02 -2.698 0.007083 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.97 on 1202 degrees of freedom
## Multiple R-squared: 0.06535, Adjusted R-squared: 0.05913
## F-statistic: 10.5 on 8 and 1202 DF, p-value: 2.517e-14Conclusión
Y aún quedan muchas cosas más por explorar con R y RStudio. Algunos ejemplos de reportes y aplicaciones realizadas con este software:
- Reporte de indicadores de género de la Universidad Veracruzana
- Visualizaciones para el proceso de designación rectoral UV 2021
- Modelo de opinión sobre uso de dispositivos de vigilancia electrónico en México