TALLER 2.1 INTRO A RStudio

Javier Rodríguez Barrios

1. Operaciones básicas en R

# PRESENTING CODE
# Operaciones aritméticas básicas
5 + 7   # Suma
5 - 3   # Resta
5 * 7   # Multiplicación
5/3     # División
2^3     # Exponentes
# PRESENTING CODE

R como calculadora

# Logarítmos y exponenciales
x = 5/3
log2(x)     # Logarítmo en base 2 de x
log10(x)    # Logarítmo en base 10 de x
exp(x)      # Exponencial de x
# Funciones trigonométricas :
cos(x)    # Coseno de x
sin(x)    # Seno de x
# 2) Asignaciín de valores a objetos o a variables
sitios <- 2         # Número de sitios = 2
sitios = 2          # Otra forma
n.sitios <- "dos"   # Número de sitios como un caracter
dos.sitios <- TRUE  # Objeto lógico

Asignaciones

# PRESENTING CODE

Asignaciones

# Ejercicio

# Generar tres asignaciones usando a R como calculadora

# Vectores
sitios <- c(2, 3, 2, 3)   # Vector sitios
sitios                    # Imprimir el vector

sitios <- sitios [1:3]      # Tres primeros elementos del vector sitios
sitios                    # Imprimir el vector

sitios <- c("dos", "tres", "dos", "dos")    # Vector como caracter
sitios

abundancia <- c(TRUE, FALSE, TRUE, TRUE)    # vector con elementos lógicos
abundancia

Algebra

# PRESENTING CODE

# Ejercicio

# Genenerar tres vectores que representen la abundancia de tres especies y fusionarlos en un data.frame

Algebra

# PRESENTING CODE
# Matrices
# 5,3: Número de filas y columnas
Matriz <- matrix(c(1:15),5,3, byrow= FALSE)   
Matriz

# Ejercicio

# Generar una matriz "A" de 2 x 3, con los siguientes elementos (2, 2, 2, 4, 4, 4) 

# Matrices (continuación)
Matriz
t(Matriz)         # Transpuesta de la Matriz
Matriz[2,]        # Ver la segunda fila 
Matriz[,2]        # Ver la segunda columna
Matriz[2:4,]      # Filas 2 a la 4
Matriz[c(2,4),]   # Filas 2 y 4
Matriz[ ... ]     # Valores de la fila 3 y de las columnas 1:3
Matriz[ ... ]     # Excluye a la 3a fila

Algebra

# PRESENTING CODE

Enlaces de operaciones en R

# PRESENTING CODE

Diapositivas Intro a R

Diapositivas Operaciones en R

Trucos en R

RPubs-Intro

RPubs-Intermed

2. Importación y Exportación de datos

# PRESENTING CODE
# Librerías requeridas
library(tidyverse)
library(xtable)       # Importar y exportar
library(openxlsx)     # exportar "*.xlsx" 
library(readxl)       # Importar y exportar
library(xlsx)         # Importar y exportar "*.xlsx"

Bases de datos (data.frames)

# PRESENTING CODE
# Base de datos (datos)
datos = data.frame (meses = c("enero", "junio", "octubre"),
                    periodos = c("sequía", "lluvias1", "lluvias2"),
                    taxón1 = c(2, 1, 3),
                    taxón2 = c(20, 25, 30),
                    taxón3 = c(4, 4, 4))
# Importar bases de datos como "datos1"

datos1 <- read.csv2("datos1.csv", row.names = 1)    # paquete "utils" 
datos1 <- read.csv2(file.choose(), row.names = 1)   # paquete "utils" 

datos1 <- read_csv2("datos1.csv")     # paquete "readxl" 
datos1 <- read_csv2(file.choose())    # paquete "readxl" 

datos1 <- read_excel("datos1.xlsx")    # paquete "readxl" 
datos1 <- read_excel(file.choose())    # paquete "readxl" 

datos1 <- read.xlsx("datos1.xlsx")    # paquete "openxlsx"
datos1 <- read.xlsx(file.choose())    # paquete "openxlsx"

Importación (data.frames)

# PRESENTING CODE

Enlaces de importación y Exportación de datos

# PRESENTING CODE

 

Importación de datos1

Importación de datos2

Diapositivas

Resúmenes con psych

 

3. Lenguaje Tidyverse de R

# PRESENTING CODE

Enlaces de operaiciones en Tidyverse

# PRESENTING CODE

Videos de Tidyverse

Introducción al Tidyverse

Introducción al Tidyverse

Introducción al Tidyverse

El Tidyverso y tidyr

Curso de Tidyverse

10 funciones de Tidyverse

Manipulación de datos

Estandarización de variables

Transformaciones de variables

# Base de datos alargada (datos.l)
datos.l <- datos %>% 
  gather(key= Columnas, value= Valores)

Bases de datos (data.frames)

# PRESENTING CODE
datos.l <- datos %>%
  gather(key= columnas, value= valores, -periodos)
library(readxl)       # Importar y exportar
datos1 <- read_csv2("datos1.csv")     # paquete "readxl"

  • comando gather para visualizar bases de datos alargadas

  • comando spread para visualizar bases de datos a lo ancho

  • comando %>% tuberías o pippelines.

Nueva base de datos (data.frames)

# PRESENTING CODE
# Base de datos para 4 estudiantes (con 4 replicas)
# a los que se les midieron dos variables en cuatro ocasiones.
datos <- data.frame(n= 1:16,
                    Estudiante= c("a","a","a","a","b","b","b","b",
                                 "c","c","c","c", "d","d","d","d"),
                    Sexo= c("f","f","f","f","f","f","f","f",
                            "m","m","m","m","m","m","m","m"),
                    Variable1= c(1.2,3.4,4.5,5.6,1.2,3.4,4.5,5.6,
                                 0.8,2.4,1.8,1.5,1.6,2.1,1.2,0.8),
                    Variable2= c(2.4,6.8,9.0,11.2,2.4,6.8,9.0,11.2,
                                 1.6,4.8,3.6,3.0,3.2,4.2,2.4,1.6))

Filtrando elementos (filter)

# PRESENTING CODE
# Fitrado por sexos "f" y "m"
datos.f <- 
	datos %>% 
    filter(Sexo == "f")
datos.f  # Base de datos para mujeres

datos.h <- 
	datos %>% 
    filter(Sexo == "m")
datos.h  # Base de datos para hombres

Filtrando elementos (filter)

# PRESENTING CODE
# Fitrado por sexos y estudiantes "f" y "m"
datos.a <- 
	datos %>% 
    filter(Sexo =="f", Estudiante =="a")
datos.a  # Datos de la estudiante a

datos.a <- 
	datos.f %>% 
    filter(Estudiante =="a")
datos.a # Datos de la estudiante a

Filtrando en orden (arrange)

# PRESENTING CODE
# Filtrando en orden descendente y ascendente
datos.des <- 
	datos %>% 
    arrange(desc(Variable1))
datos.des  # Variable asignada

datos.asc <- 
	datos %>% 
    arrange(Variable1)
datos.asc  # Variable asignada
# PRESENTING CODE
# Filtrar mujeres en orden descendente. 
datos.des.f <- 
	datos %>% 
  		filter(Sexo == "f")  %>% 
  		arrange(desc(Variable1))
        
datos.des.f  # Asignación

Combinación de filtrado y orden (filter + arrange)

Generación de variables derivadas (arrange)

# PRESENTING CODE
# Insertar nuevas variables (mutate)
datos.3 <- 
	datos %>% 
  		mutate(Variable3 = Variable1 * Variable2)
# PRESENTING CODE
# Combinación de funciones (filter, mutate, arrange)
datos.4  <- 
	datos %>%
  		filter (Sexo == "f") %>%
  		mutate (Variable3 = Variable2 * 12) %>%
  		arrange (desc(Variable3))

Combinación de (filter + mutate + arrange)

# PRESENTING CODE
# Combinación de funciones (filter, mutate, arrange)
datos.4  <- datos %>%
  filter (Sexo == "f", Estudiante == "b") %>%
  mutate (Variable3 = Variable2 * 12) %>%
  arrange (desc(Variable3))

Combinación de (filter + mutate + arrange)

Entrenamiento

Entrenamiento en Tidyverse

# PRESENTING CODE

1. Realizar los ejemplos del siguiente enlace, utilizando las siguientes opciones de tidyverse: (Filter, Arrange, Mutate)

 

2. Realizar los ejemplos del siguiente enlace, utilizando las siguientes opciones de tidyverse: (Pipeline, summarize, group_by, mutate, filter, select, joins)

 

3. Realizar los ejemplos del siguiente enlace, utilizando las siguientes opciones de tidyverse: (summarize, group_by, mutate, filter, select)

 

3. Realizar los ejemplos del siguiente enlace, utilizando las siguientes opciones de tidyverse: (Ejemplo de los censos, spread)

1. Taller 2.1 Intro a R

By Javier Rodriguez

Made with Slides.com

1. Taller 2.1 Intro a R

  • 23

More from Javier Rodriguez