INTRODUCCIÓN A R

DANIEL VÁSQUEZ BOTERO


TEMAS A TRATAR
1. Presentación de R
2. Instalación
3. Manejo de interfase
4. Espacio de trabajo
1. Working directory
2. Packages
5. R como calculadora
6. Creación y tipos de objetos
7. Gráficos de base
8. Funciones básicas
INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO
9. Abrir y exportar bases de datos
10. Base de datos especial
11. Exploración inicial de los datos
12. Modificación de bases de datos
• Crear, filtrar, agrupar, extraer
13. Análisis univariado
14. Análisis bivariado
15. ggplot2
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

TEMAS DE LA SESIÓN 1
1. Presentación de R
2. Instalación
3. Manejo de interfase
4. Espacio de trabajo
1. Working directory
2. Packages
5. R como calculadora
6. Creación y tipos de objetos
7. Gráficos de base y distribución
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

“Yauh peng, yauh leng”

• It is a public-domain implementation of the S statistical language
• It is comparable, and often superior, in power to commercial
products
• Available for the Windows, Mac, and Linux
• The system saves data sets between sessions
• It’s easy to get help from the user community
• Incorporates features found in object-oriented and functional
programming languages

Matlof N. The art of R programming. A tour of statistical software design. San Francisco: No Starch Press; 2011.
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

FLUJO DE DATOS

Grolemund G, Wickham H. R para Ciencia de Datos; 2011.

 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

GRAPHICAL USER INTERFACES (GUI)

• RStudio
• http://www.rstudio.org/ Integrated
• StatET development
• http://www.walware.de/goto/statet/ environments
• ESS (Emacs Speaks Statistics) (IDEs)
• http://ess.r-project.org/
• R Commander:
• John Fox, “The R Commander: A Basic-Statistics Graphical Interface to R,” Journal of
Statistical Software 14, no. 9 (2005):1–42.
• JGR (Java GUI for R),
• http://cran.r-project.org/web/packages/JGR/index.html

Matlof N. The art of R programming. A tour of statistical software design. San Francisco: No Starch Press; 2011.
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

INSTALACIÓN DE R

4
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

INSTALACIÓN DE RSTUDIO

3
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

Editor
INTERFACE DE RSTUDIO Ambiente

Consola Salida
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

EDITOR
# para escribir

Guarda los comandos

importantes

Favorece el seguimiento de
los datos

CTRL + Shift + N

CTRL + ENTER

CTRL + Shift + S (o ENTER)

 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

AMBIENTE

Muestra los objetos

guardados en la sesión y el
historial de los comandos
ejecutados
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

CONSOLA

Ejecuta los comandos del

script, los independientes
en la consola, y arroja los
resultados procesados

CRTL + L para limpiarlo

 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

SALIDA

Favorece el acceso a los

archivos

Presenta los gráficos

Muestra los paquetes

instalados

Imprime los textos de las

respectivas ayudas
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

WORKING DIRECTORY
• Es la ubicación en donde R va a buscar todos los archivos externos
solicitados en el script
• > getwd()
• Opciones:
• Salida: ubicar la carpeta -> configuración -> Set As Working Directory
• Barra de opciones -> Session -> Set As Working Directory
• > setwd()

> dir() #muestra los objetos disiponibles en el wd

• Recomendaciones:
• Establecer la ruta de acceso en el script
• Usar rutas de acceso parciales al buscar archivos en las carpetas
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

PAQUETES
PAQUETES RECOMENDADOS
tidyverse
Para instalar paquetes: ggplot2, tibble, tidyr, readr
• > install.packages() purrr, dplyr, stringr, forcats
• Otras opciones: summarytools
• Salida: Packages -> Install swirl
• Barra de opciones -> Tools -> Install Packages foreign
openxlsx
epitools
Para activar paquetes: epiR
• > library()
• Otra opción: install.packages("remotes")
• Salida -> Packages -> □ install_github("GuangchuangYu/nCov2019")
library(nCov2019)
x <- get_nCov2019(lang='en')
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

COMANDOS EN R
• R es un lenguaje de expresión con una sintaxis muy simple:
• Diferencia mayúsculas y minúsculas
• Los símbolos aceptados dependen del encoding (UTF-8)
• Idealmente lo más sencillo possible
• Acepta ‘.’ y ‘_’
• los nombres inician con ‘.’ o letras
• Si inicia con ‘.’ debe seguirse de letras
• Comandos elementales: expresiones (print-and-lost) o asignaciones
• Separados por ‘;’ o líneas de texto
• Pueden agruparse en una expression con ‘{‘ y ‘}’
• Comentarios iniciando con ‘#’
• Comando incomplete: ‘+’

Venables WN, Smith DM. An Introduction to R. Notes on R: A Programming Environment for Data Analysis and Graphics versión 3.6.1. 2019.
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

FUNCIONES Y PAQUETES Sintaxis de todo comando

nombre_funcion(arg1 = val1, arg2 = val2, ...)

• Función: es la base de cada orden; indica qué hacer y cada valor
corresponde a los objetos a los que se les debe aplicar cada uno de
los argumentos
1. Recomendación sobre el nombre de la función y su paquete
2. Selección de la función a utilizar + “( )”
TAB
3. Recomendación/selección sobre el argumento
4. Recomendación/selección sobre el objeto

• Paquetes: conjunto de funciones y objetos que quedan en un

segundo plano para ser utilizados
Grolemund G, Wickham H. R para Ciencia de Datos; 2011.
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

VECTORES Y ASIGNACIONES
• Operador de asignación: (‘<-’ o ‘->’)
• Atajo: ALT+’-’
• En muchos casos ‘=‘ es una alternativa, pero idealmente se debe evitarlo y dejarlo para
sus funciones específicas y evitar futuras confusiones

• Función de asignación: assign()

• > x <- c(10, 5, 3.1, 6, 21)

• > assign(‘x’, c(10, 5, 3.1, 6, 21))

• y <- c(x, 0, x) #vector y con 11 entradas

Venables WN, Smith DM. An Introduction to R. Notes on R: A Programming Environment for Data Analysis and Graphics versión 3.6.1. 2019.
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

EXPRESIONES ARITMÉTICAS
• > v <- 2*y + y + 1 #vector de longitud 11
• Suma cada elemento incluido entre ellos mismos
• 2*x repetida 2.2 veces
• y sin repetición
• 1 repetido 11 veces
• Operadores aritméticos frecuentes:
• + - * / ^
• log, exp, sin, cos, tan, sqrt, min, max,
• range(x) = vector de 2 elementos c(min(x), max(x))
• length(x) = número de elementos incluídos en x
• sum(x) = total de los elementos en x
• prod(x) = producto de los elementos en x
Venables WN, Smith DM. An Introduction to R. Notes on R: A Programming Environment for Data Analysis and Graphics versión 3.6.1. 2019.
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

sum(x)/length(x) = mean(x)

sum((x-mean(x))^2)/(length(x)-1) = var(x)

sort(x) #vector con los elementos en orden creciente

order() o sort.list()

Máximo y mínimo paralelos (pmax y pmin)

Venables WN, Smith DM. An Introduction to R. Notes on R: A Programming Environment for Data Analysis and Graphics versión 3.6.1. 2019.
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

CREAR SECUENCIAS REGULARES

• 1:30 = c(1, 2, …, 29, 30)

• z <- 2*1:15 = c(2, 4, …, 28, 30)

• seq(from = , to = , by = , lenght = , along = )

• rep(x, times = 5) #repite el objeto completo 5 veces

• rep(x, each= 5) #repite cada elemento 5 veces por paso

Venables WN, Smith DM. An Introduction to R. Notes on R: A Programming Environment for Data Analysis and Graphics versión 3.6.1. 2019.
 ‘d’ = densidad ‘p’ = CDF ‘q’ = cuantil ‘r’ = simulación (random deviates) INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

Distribuciones
estadísticas

u <- runif(100,100,1000)
n <- rnorm(100,100,1000)
Venables WN, Smith DM. An Introduction to R. Notes on R: A Programming Environment for Data Analysis and Graphics versión 3.6.1. 2019.
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

rnorm(n = 1000,mean = 2500,sd =0.2*2500)->B1

hist(B1,col = “___",xlab = “___",ylab = “___")

rnorm(n = 1000,mean = 2900,sd =0.2*2900) -> B2

hist(B2,col = “___",xlab = “___",ylab = “___")
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

?par

par(mar=c(3.5, 3.5, 1, 1),

mfrow=c(2,1),
mgp=c(2,1,0),cex=0.9)

hist(B1,col=___,xlim=c(450,5050))
hist(B2,col=“___",xlim=c(450,5050))
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

EVALUACIÓN Y ELIMINACIÓN DE OBJETOS

• Objeto = todos los elementos que R crea y manipula
• > objects() o ls()
• Muestra los nombres de los objetos almacenados
• > remove(‘name’) o rm(‘name’)
• Elimina el objeto con ese nombre del espacio de trabajo

• Workspace = conjunto de objetos almacenados en un momento dado

Venables WN, Smith DM. An Introduction to R. Notes on R: A Programming Environment for Data Analysis and Graphics versión 3.6.1. 2019.
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO
Algunos comandos que reciben un vector de números y genera una
estadística…
• min = mínimo; • sd = desv.estándar;
• max = máximo; • var = varianza;
• quantile = cuartiles;
• range = mínimo y máximo;
• summary = varios estadísticos
• mean = media;

• median = mediana;
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

VECTORES LÓGICOS (FALSE, TRUE, NA)

• Son generados por condiciones
• > f <- v>30

• Operadores lógicos
• < <= > >= == !=

• Relaciones entre expresiones lógicas

• & (‘and’) | (‘or’) ! (‘negación’)

Venables WN, Smith DM. An Introduction to R. Notes on R: A Programming Environment for Data Analysis and Graphics versión 3.6.1. 2019.
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

VALORES FALTANTES
• NA = valores faltantes en el vector
• NaN = valores ilógicos dados numéricamente (0/0)

• > is.na(x) #da un vector lógico TRUE si el valor corresponde a x

• Incluye NA y NaN

• > is.nan(x) #TRUE sólo para valores NaN

Venables WN, Smith DM. An Introduction to R. Notes on R: A Programming Environment for Data Analysis and Graphics versión 3.6.1. 2019.
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

AIUDAAAA
• Para funciones específicas: • Para buscar ayuda en varias formas:
• > help(nombre) • > help.search(nombre)
• > ?nombre • > ??nombre
• Para caracteres especiales • Para buscar ejemplos en un tema
usar comillas: específico:
• > help(‘[[‘) • > example(tema)
• Para abrir buscador web con • Otros sistemas de ayuda disponibles
hipervínculos de conceptos en Windows:
principales: • > ?help
• > help.start()
Venables WN, Smith DM. An Introduction to R. Notes on R: A Programming Environment for Data Analysis and Graphics versión 3.6.1. 2019.
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

VECTOR DE CARACTERES

• Deben limitarse por comillas (“) o (‘)

• > paste() #concatena argumentos uno por uno en una línea

• > paste(c("X","Y"), 1:10, sep="")
• c("X1“ , "Y2“ , "X3“ , "Y4“ , "X5“ , "Y6“ , "X7“ , "Y8“ , "X9“ , "Y10")

• > paste(c("X","Y"), rep(1:10, each=2 ), sep="")

• c("X1" , "Y1" , "X2" , "Y2" , "X3" , "Y3" , "X4" , "Y4" , "X5" , "Y5" …)

Venables WN, Smith DM. An Introduction to R. Notes on R: A Programming Environment for Data Analysis and Graphics versión 3.6.1. 2019.
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

VECTORES ÍNDICE “[]”

• Vector lógico:
• Recrea los valores TRUE en el mismo orden… (x+1)[(!is.na(x)) & x>0]
• Vector de cantidades integrales positivas: {1, 2, … , lenght(x)}
• Toma valores de una lista de enteros mayores a 0 para ser incluidos
• > x[1:10] #toma los 10 primeros elementos de una lista
• > c(‘x’, ‘y’)[rep(c(1,2,2,1), times=4] #vector de 4 repeticiones de ‘x’, ‘y’, ‘y’, ‘x’
• Vector de cantidades integrales negativas:
• Especifica los valores a ser excluidos
• > y <- x[-(1:5)]
• Vector de caracteres:
• Funciona igual que las cantidades positivas salvo que es con nombres
Venables WN, Smith DM. An Introduction to R. Notes on R: A Programming Environment for Data Analysis and Graphics versión 3.6.1. 2019.
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

OTROS TIPOS DE OBJETOS

• Matrices -> generalizaciones multidimensionales de vectores
• Factores -> forma compacta de manejar datos categóricos
• Listas -> vectores compuestos por distintos tipos de elementos
• Data frames -> estructura tipo matriz, cada columna de distinto tipo
• Funciones -> objetos que pueden guardarse en el espacio de trabajo
del Proyecto

• > attributes(nombre)

Venables WN, Smith DM. An Introduction to R. Notes on R: A Programming Environment for Data Analysis and Graphics versión 3.6.1. 2019.
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

DEFINIENDO LOS OBJETOS

• > as.character() • > as.list()
• > as.numeric() • > as.array()
• > as.data.frame() • > as.logical()
• > as.formula()
• > as.factor()
• > as.Date()
• > as.complex() • > unclass()
• > as.integer() …

Venables WN, Smith DM. An Introduction to R. Notes on R: A Programming Environment for Data Analysis and Graphics versión 3.6.1. 2019.
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

FACTORES
• Objetos utilizados para especificar una clasificación discreta de los
componentes de otros vectores de igual longitud.
• > levels(factor)
• > tapply(obj, fact, func) #aplica funciones a cada grupo (de uno o más
tipos) del primer elemento separado por niveles
• > table() #tabla de frecuencias para factores de igual longitud
• > cut() #agrupa variables numéricas

> statefr <- table(statef)

> statefr <- tapply(statef, statef, length)
> factor(cut(incomes, breaks = 35+10*(0:7))) -> incomef
> table(incomef,statef)

Venables WN, Smith DM. An Introduction to R. Notes on R: A Programming Environment for Data Analysis and Graphics versión 3.6.1. 2019.
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

> dep <- c(“ant", “cun", “cor", “nar", “ama“

print(dep)
“ant", “cun", “cor", “nar", “ama“)

depf <- factor(dep) print(depf)

¿¿¿Diferencias???

levels labels categoría

> pob <- c(6.3, 2.9, 1.8, 1.7, 0.7, print(pob)

6.2, 2.5, 1.6, 1.7, 0.8,
6.1, 2.5, 1.5, 1.7, 0.7) tapply(X = pob, INDEX = depf, FUN = mean)
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

LISTAS
• Lista: conjunto ordenado de objetos conocidos como componentes
• Lst <- list(name="Fred", wife="Mary", no.children=3, child.ages=c(4,7,9))
• Lst <- list(name_1=object_1, ..., name_m=object_m)

• Los componentes están enumerados Lst[[4]][1] y pueden ser nombrados ($)

• > length(Lst) #número de componentes

Venables WN, Smith DM. An Introduction to R. Notes on R: A Programming Environment for Data Analysis and Graphics versión 3.6.1. 2019.
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

DATA FRAMES state.x77

• Listas con restricciones:

• Los componentes pueden ser vectores, factores, matrices numéricas, listas, o
data frames.
• Todos los elementos deben tener la misma longitud.
• > read.table()
• > read.xlsx() [OPENXLSX]
• > attach() #toma una base de datos como argumento
• > detach()
• > search() #muestra el path -> ayuda a seguir los data frames, listas y paquetes attached
o detached

Venables WN, Smith DM. An Introduction to R. Notes on R: A Programming Environment for Data Analysis and Graphics versión 3.6.1. 2019.
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

FÓRMULAS
• respuesta ~ op_1 term_1 op_2 term_2 op_3 term_3 ...

• Respuesta = vector o matriz que define la variable de respuesta

• Op_i = operador de inclusión o exclusión de términos (+ o -)
• Term_i = puede ser...
• Vactor o matriz, factor, número, expresión de fórmula (con factores, vectores o matrices)
conectadas por operadores de fórmula

> xtabs(formula = ___,data = ___,subset = ___)

Venables WN, Smith DM. An Introduction to R. Notes on R: A Programming Environment for Data Analysis and Graphics versión 3.6.1. 2019.
 INTRODUCCIÓN A R
DANIEL VASQUEZ BOTERO

RELACIONES EN LAS FÓRMULAS

• Y ~ M -> Y se modela como M (similar en muchas funciones a ~ Y + M)

• M_1 + M_2 -> Incluir M1 y M2

• M_1 - M_2 -> Incluir M1 excluyendo los elementos M2
• M_1 : M_2 -> Producto tensorial de ambos. Si son factores, de las
subclases
• M_1 %in% M_2 -> Similar al anterior

• M_1 * M_2 M_1 + M_2 + M_1:M_2.

• M_1 / M_2 M_1 + M_2 %in% M_1.
Venables WN, Smith DM. An Introduction to R. Notes on R: A Programming Environment for Data Analysis and Graphics versión 3.6.1. 2019.