-
Notifications
You must be signed in to change notification settings - Fork 2
/
Copy pathIntroduccion_a_R.Rmd
413 lines (343 loc) · 8.46 KB
/
Introduccion_a_R.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
---
title: "Introducción a R"
subtitle: "Instalaciones, estructura de objetos, funciones"
author: "Cristina Domínguez"
date: "2023/10/27"
output:
xaringan::moon_reader:
css: [rladies, rladies-fonts ]
nature:
ratio: '16:9'
---
class: inverse, center, middle
# R
##R es un proyecto de estadística computacional. Desarrollado en un lenguaje de programación Funcional y Orientado a Objetos, dándole versatilidad y extensibilidad mediante los paquetes disponibles en CRAN (Red de Archivos de R), Bioconductor y GitHub.
---
# Instalar R y RStudio
###https://rstudio.com/products/rstudio/download/
```{r,echo=FALSE,fig.align='center',out.width='85%'}
knitr::include_graphics("./figs/instalacion.png")
```
---
## ¿Cuántas paqueterías existen actualmente en R?
```{r,echo=FALSE,fig.align='center',out.width='85%'}
knitr::include_graphics("./figs/paqueterias.png")
```
---
## Instalar paqueterias
###Sintaxis
```{r, }
#install.packages("ade4", dependencies=TRUE)
```
```{r,echo=FALSE,fig.align='center',out.width='85%'}
knitr::include_graphics("./figs/instalar paqueterias.png")
```
---
## Directorio de trabajo
```{r, echo= TRUE, warning=FALSE}
getwd()
#setwd()
```
```{r,echo=FALSE,fig.align='center',out.width='85%'}
knitr::include_graphics("./figs/setwd.png")
```
---
###Estructura de objetos
```{r,echo=FALSE,fig.align='center',out.width='85%'}
knitr::include_graphics("./figs/objetos en R.png")
```
---
# **Presentación de tipos de datos
## **tipos de datos**
R puede ser usado como calculadora, como en el ejemplo:
```{r}
a <- 2+2
a
```
### Vectores
Vector es una estructura básica de objetos en R
Puede contener uno o varios elementos, de manera lineal.
#### Elemento único
```{r}
b <- 1
b
```
---
#### Multiples elementos
Cuando queremos crear un vector con más de un elemento, se debe usar la función c(), el cual significa que combinaremos estos elementos dentro de un solo vector. Estos elementos deberán ser del mismo tipo, es decir, logico, entero, caracter, complejo.
numérico
```{r}
temperatura<- c(20.37, 18.56, 18.4, 21.96, 29.53, 28.16, 36.38, 36.62, 40.03, 27.59, 22.15, 19.85)
temperatura
```
de tipo caracter
```{r}
mes<- c("enero", "febrero", "marzo", "abril", "mayo", "junio", "julio", "agosto", "septiembre", "octubre", "noviembre", "diciembre")
mes
```
de tipo lógico, estos pueden ser dos valores: TRUE o FALSE
```{r}
d <- c(TRUE, FALSE)
d
```
---
#DATAFRAMES
Un dataframe o marco de datos son bases de datos de dos dimensiones, con diferentes clases de variables.
- Cadena de caracteres y/o
- Numérico y/o
- Lógico
```{r,echo=FALSE,fig.align='center',out.width='85%'}
knitr::include_graphics("./figs/obs_var.png")
```
---
#¿Cómo crear un dataframe en R?
- Función: data.frame()
- Importar bases de datos
- Coerción: as.data.frame()
---
##Función data.frame()
##Sintaxis
```{r, echo=TRUE, warning=FALSE}
x <- c("Friday", "Tuesday", "Thursday", "Monday", "Wednesday", "Monday")
data.frame(x, row.names = NULL, check.rows = FALSE,
check.names = TRUE, fix.empty.names = TRUE,
stringsAsFactors = default.stringsAsFactors())
```
---
##Ejemplo
```{r}
temperatura <- c(20.37, 18.56, 18.4, 21.96, 29.53, 28.16,36.38, 36.62, 40.03, 27.59, 22.15, 19.85)
humedad <- c(88, 86, 81, 79, 80, 78,71, 69, 78, 82, 85, 83)
lluvia <- c(72, 33.9, 37.5, 36.6, 31.0, 16.6,1.2, 6.8, 36.8, 30.8, 38.5, 22.7)
mes <- c("Enero", "Febrero", "Marzo", "Abril", "Mayo", "Junio","Julio", "Agosto","Septiembre", "Octubre", "Noviembre", "Diciembre")
Marco_de_datos <- data.frame(mes,temperatura,humedad,lluvia)
Marco_de_datos
```
```{r}
class(Marco_de_datos)
```
---
## Selección
### Con el operador "$"
<p>
```{r}
Marco_de_datos$mes
```
```{r}
Marco_de_datos$temperatura
```
```{r}
Marco_de_datos$humedad
```
La temperatura del mes de octubre
```{r}
Marco_de_datos[10,2]
```
---
# Matriz
Una matriz es una estructura de datos de dos dimensiones que contiene variables del mismo tipo. Por ejemplo:
- Cadena de caracteres
```{r, echo=FALSE, warning=FALSE}
v2<-c("R", "l", "a", "d", "i", "e", "s")
v3<-c("C", "o", "m", "i", "t","a","n")
v4<-c("R", "s", "t", "a", "t")
mat<-c(v2,v3,v4)
matrix(mat, 3,7, byrow = TRUE)
```
- Numérico
```{r, echo=FALSE, warning=FALSE}
humedad <- c(88, 86, 81, 79, 80, 78,71, 69, 78, 82, 85, 83)
lluvia <- c(72, 33.9, 37.5, 36.6, 31.0, 16.6,1.2, 6.8, 36.8, 30.8, 38.5, 22.7)
rbind(humedad, lluvia)
```
- Lógico
```{r, echo=FALSE, warning=FALSE}
matrix(c(FALSE, TRUE, TRUE, FALSE), 2,2)
```
---
#¿Cómo crear una matriz en R?
- Función: matrix()
- Función: cbind()/rbind()
- Función: frame_matrix()
- Importar bases de datos
- Coerción de objetos: as.matrix()
---
#Función: matrix ()
### Sintaxis
```{r}
matrix(data = NA, #objeto tipo vector
nrow = 1, # filas
ncol = 1, # columnas
byrow = FALSE, # dirección de llenado
dimnames = NULL) # lista con el nombre de las filas
```
###Ejemplo
```{r }
datos <- c(temperatura,humedad,lluvia) #crear un objeto de tipo vector
datos
```
---
### Cambiar las dimensiones de la matriz
```{r }
matrix(data = datos, #objeto tipo vector
nrow = 12, # filas
ncol = 3, # columnas
byrow = FALSE, # dirección de llenado: columnas
dimnames = NULL) # lista con el nombre de las filas
```
---
### Llenado de matrices por filas
```{r}
matrix(datos,ncol = 3, byrow = TRUE) #cambiar a TRUE
```
---
#Función: cbind
### Sintaxis
```{r}
cbind(mes, temperatura, humedad )
````
---
```{r}
rbind(temperatura, humedad)
```
---
###Agregar nombres
A las filas, mediante la función rownames()
```{r}
B<-matrix(datos,ncol = 3, byrow = FALSE)
B
````
---
````{r}
rownames(B)<- mes
B
```
---
Agregar nombres a las columnas usando la función colnames()
```{r}
colnames(B) <- c("temperatura", "humedad", "lluvia")
B
```
---
###Atributos
```{r}
attributes(B)
```
- dimensiones
```{r}
dim(B)
```
---
###Funciones más usadas en matrices
```{r, echo=FALSE}
library(knitr)
l0<- c("dim(), nrow(), ncol()", "Número de filas/columnas")
l1<-c("diag()", "Diagonal de una matriz")
l2<-c("*", "Multiplicación elemento a elemento")
l3<-c("%*%", "Producto matricial")
l6<- c("cbind(), rbind()","Combinar columnas y filas")
l7<- c("t()","Matriz traspuesta")
l8<- c("solve(A)","Inverso de una matriz AAA")
l9<- c("solve(A, b)","Solución de Ax=bAx=bAx=b")
l10<- c("eigen()","Eigenvalues y eigenvectors")
Funciones<-as.data.frame(rbind(l0, l1, l2, l3, l6,l7,l8,l9,l10), row.names = FALSE)
Funciones<-setNames(Funciones, c("FUNCION", "SIGNIFICADO"))
kable(Funciones
#caption="Funciones más usadas en matrices"
)
```
---
## Selección
### Con el índice interno
Se accede a los elementos dentro de una matriz llamándola por su nombre y posteriormente usando el índice interno entre corchetes.
Nótese que del lado izquierdo del corchete se llaman a las observaciones, del lado derecho a las variables
matriz[izquierda, derecha]
matriz[ obs , var ]
matriz[ filas, columnas ]
```{r,echo=FALSE,fig.align='center',out.width='85%'}
knitr::include_graphics("./figs/obs_var.png")
```
---
Ejemplo
````{r}
B<-matrix(datos,ncol = 3, byrow = FALSE)
B
```
---
###Ejemplo
Dada la siguiente matriz...
```{r, echo=FALSE}
B
```
```{r }
#Elegir el primer elemento de la primera columna
B[1, 1]
# Elegir el elemento de la segunda fila y tercer columna
B[2, 3]
```
---
#Acceso a los elementos de las matrices en R
```{r}
#Elegir todos los elementos de la primera fila
B
B[1, ]
#Elegir todos los elementos de la primera columna
B[, 1]
#Elegir primera y segunda columna, primera fila
B[1, 1:2]
```
---
##Acceso a los elementos de las matrices en R
```{r}
##temperatura y lluvia de febrero
#Primera y tercera columna, segunda fila
B[2, c(1, 3)]
##la temperatura de todo el año
#Todas las columnas excepto la segunda
B[, -c(2,3)]
##los datos climatológicos de diciembre
#última fila de una matriz
B[nrow(B), ]
##los datos pluviales de todo el año
#Última columna de una matriz
B[, ncol(B)]
```
---
#Selección
### Por nombres
Cuando las variables y las filas de tu matriz están nombradas (headers), puedes utilizar estos nombres en lugar de la indexación interna.
```{r}
##temperatura del año
```
---
#LISTAS
```{r}
mes
temperatura
humedad
lluvia
`````
---
```{r}
#LISTA A PARTIR DE VECTORES
L1 <- list(mes, temperatura, humedad, lluvia)
L1
class(L1)
```
---
###Listas
#Cómo acceder a los elementos de L1?
```{r}
L1[[1]]
L1[[2]]
L1[[3]]
L1[[4]]
```
---
### Importar & Exportar datos en R
---
###GRACIAS
# Contacto
Cristina Alejandra Domínguez Mendoza
cris_ale84@hotmail.com
---