INTRODUCCIÓN A



Que es R

Es un lenguaje para la computación estadística, utilizado para el procesamiento de información y generación de modelos estadísticos. Entre las principales caractarísticas estan:




En el siguiente enlace se pueden obtener los archivos para su instalación : https://www.r-project.org/



Podemos usar este lenguaje utilizando una terminal o mediante la IDE RStudio, la cual integra un conjunto de herramientas que facilitan el uso R a los usuarios

Esta interfaz esta conformada por varias ventana como se muestra en la siguiente imagen

  1. Fuente (Source) : Ventana donde se trabajan los script con código que se guardan para posterior utilización
  2. Consola (Console) : Ventana donde se pueden escribir comandos de manera directa
  3. Ambiente (Environment) : Ventana donde se pueden observar las varables y objetos creados
  4. Archivos (Files) : Ventana que muestra el directorio y los archivos en el que estamos trabajando
  5. Graficos (plots) : Ventana que presenta los gráficos construidos
  6. Paquetes (Packages) : Ventana que permite instalar los paquetes requeridos
  7. Ayudas (Help) : Ventana en la que podemos pedir ayuda sobre las sintaxis de funciones



En los siguientes enlaces se pueden descargar los programas, dependiendo el sistema operativo :



Bilbiografia recomendada:


A continuación se relacionan algunas ayudas para la iniciación del lenguaje



Tipos de datos en R



vector

Arreglo unidimensional de valores, caracteres o cadenas

x=c(1,2,3,4,5)         #<<
x
[1] 1 2 3 4 5
y=c("Muy regular", "Regular", "Bueno", "Muy bueno", "Excelente")
y
[1] "Muy regular" "Regular"     "Bueno"       "Muy bueno"   "Excelente"



matriz

Arreglo bidimensional de valores

x=1:9
m=matrix(x,nrow=3)   #<<
m
     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9



arrays

Arreglos multimensionales de valores. En el siguiente ejemplo se representa un arreglo de 3 matrices 3x3 que conformarian en 3D un cubo de datos

x=1:9
y=10:18
z=19:27
mn=array(c(x,y),dim=c(3,3,3)) #<<
mn
, , 1

     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9

, , 2

     [,1] [,2] [,3]
[1,]   10   13   16
[2,]   11   14   17
[3,]   12   15   18

, , 3

     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9



factores

Vector de variables categóricas, por lo general se utilizan para dividir una base en subgrupos

x=c("rojo", "verde", "azul")
y=rep(x, times=4)
x
[1] "rojo"  "verde" "azul" 
y
 [1] "rojo"  "verde" "azul"  "rojo"  "verde" "azul"  "rojo"  "verde" "azul" 
[10] "rojo"  "verde" "azul"



listas

Colección de objetos cada uno de tipos diferentes. El objeto de esta clase guarda valores en diferentes formatos.

En el siguiente ejemplo se construye un objeto h que contiene varios elementos dentro de si, todos relacionados con un histograma

h=hist(rnorm(100,25,10)) #<<
h$breaks
h$counts
h$density
h$mids
h$xname
h$equidist



data.frames

Estructura de datos de dos dimensiones - filas y columnas - base de datos. En este caso se puede obtener un fila (data[1,] o una columna (data[,1], por separado o un elemento de la data directamente data[20,2].

data(iris) #<<
head(iris)
iris[1,]
iris[1,5]



funciones

Para construir una función utilizamos la palabra function, entre parentesis los valores de entrada y entre corchetes la formula que conforma la función. Por ejemplo:

\[f(x)=\dfrac{1}{(x-1)^{2}} \]

fx=function(x){1/(x-1)^2} #<<
fx(100) # funcion evaluada en x=100
[1] 0.0001020304

En este caso la función es evaluada dentro de un otra función en la construcción de un gráfico

x=seq(from=2,to=10, by=0.01)  # genera secuencia de numeros entre 2 y 10 con paso 0.01
plot(x, fx(x), type="l", col=c1) # genera grafica

El siguiente ejemplo construye una función para la realización de un gráfico. En este caso los valores de entrada estan conformados por un vector de datos y un color

y=sample(1:6,100, replace = T)  # generacion de datos
# funcion definida para la construccion de graficos
grafica=function(x,color){
        barplot(x,
                col=color, las=1)
        grid()
}

z=table(y) # generacion de tabla de datos
grafica(z,c1)  # evalua la funcion en los datos z y colo rojo

w=round(prop.table(z)*100,2)  # genera datos y constuye tabla en porcentaje
grafica(w,c6)  # evalua la funcion con w y color azul



ts

Objeto para series de tiempo




Operadores en R

Aritméticos Comparativos Lógicos
+ adición < menor que !x NO lógico
- substracción > mayor que x & y Y lógico
* multiplicación <= menor o igual que x y
/ división >= mayor o igual que x or y O exclusivo
^ potencia == igual
%% módulo != diferente de
%/% división enteros



Instalación de paquetes en R

El lenguaje R esta conformado por miles de paquetes o Packages construidos por investigadores en diversos temas y área del conocimiento

Al instalar inicialmente R contiene una serie de funciones listas para ser utiliadas las que llamamos -base con el que R funciona de manera adecuada para dar respuesta a problemas básicos, sin embargo en algunos casos es necesario instalar paquetes adicionales, los cuales iremos anunciando en la medida que sean necesario.

Para instalar un paquete lo podemos hacer de dos formas :

  1. Utilizando la vengtana Packages ubicada en la parte inferior derecha de RStudio



  1. Digitando en la consola la función install.packages ()
install.packages("ggplot2")



Paquetes más utilizados

Análisis descriptivo

  • agricolate

  • spych

  • summarytools

  • ggplot2

  • flexdashboard

  • Rmarkdown

Paquetes RStudio



Programación pipe

En R, el operador “pipe” (%>%) es una herramienta proporcionada por el paquete magrittr que permite encadenar una secuencia de funciones de manera más legible y fluida. Este operador toma el resultado de una expresión y lo pasa como argumento a la siguiente función, facilitando la lectura y escritura del código al estructurar las operaciones de izquierda a derecha.



Ejemplo 1

Supongamos que tenemos un vector de números y queremos calcular la media de sus valores absolutos. Sin usar el operador “pipe”, el código sería:

# programación convencional
x <- c(-2, -1, 0, 1, 2)
mean(abs(x))
[1] 1.2

Utilizando el operador “pipe”, el mismo cálculo se puede expresar de manera más clara:

library(magrittr)

x <- c(-2, -1, 0, 1, 2)

x %>% 
  abs() %>% 
    mean()

library(magrittr)

x <- c(-2, -1, 0, 1, 2)

x %>% 
  abs() %>% 
    mean()
[1] 1.2

Aquí, x se pasa a la función abs(), y el resultado de abs(x) se pasa a mean(). Esto mejora la legibilidad al evitar la anidación de funciones.



Ejemplo 2:

Utilizaremos el conjunto de datos mtcars, que viene incluido en R. Este conjunto contiene información sobre diferentes modelos de automóviles, incluyendo variables como el consumo de combustible (mpg), el número de cilindros (cyl), la potencia (hp), entre otras.

Supongamos que queremos realizar las siguientes operaciones:

Filtrar los automóviles que tienen más de 6 cilindros. Seleccionar las columnas de mpg (millas por galón), cyl (cilindros) y hp (potencia). Ordenar los resultados por hp de forma descendente. Sin utilizar el operador “pipe”, el código sería:

library(dplyr)

# Filtrar los automóviles con más de 6 cilindros
autos_filtrados <- filter(mtcars, cyl > 6)

# Seleccionar las columnas de interés
autos_seleccionados <- select(autos_filtrados, mpg, cyl, hp)

# Ordenar por potencia de forma descendente
resultado <- arrange(autos_seleccionados, desc(hp))

# Mostrar el resultado
resultado
                     mpg cyl  hp
Maserati Bora       15.0   8 335
Ford Pantera L      15.8   8 264
Duster 360          14.3   8 245
Camaro Z28          13.3   8 245
Chrysler Imperial   14.7   8 230
Lincoln Continental 10.4   8 215
Cadillac Fleetwood  10.4   8 205
Merc 450SE          16.4   8 180
Merc 450SL          17.3   8 180
Merc 450SLC         15.2   8 180
Hornet Sportabout   18.7   8 175
Pontiac Firebird    19.2   8 175
Dodge Challenger    15.5   8 150
AMC Javelin         15.2   8 150

Con el operador “pipe”, el mismo proceso se puede escribir de manera más concisa y legible:

library(dplyr)

mtcars %>%
  filter(cyl > 6) %>%
  select(mpg, cyl, hp) %>%
  arrange(desc(hp)) 

library(dplyr)

mtcars %>%
  filter(cyl > 6) %>%
  select(mpg, cyl, hp) %>%
  arrange(desc(hp)) 
                     mpg cyl  hp
Maserati Bora       15.0   8 335
Ford Pantera L      15.8   8 264
Duster 360          14.3   8 245
Camaro Z28          13.3   8 245
Chrysler Imperial   14.7   8 230
Lincoln Continental 10.4   8 215
Cadillac Fleetwood  10.4   8 205
Merc 450SE          16.4   8 180
Merc 450SL          17.3   8 180
Merc 450SLC         15.2   8 180
Hornet Sportabout   18.7   8 175
Pontiac Firebird    19.2   8 175
Dodge Challenger    15.5   8 150
AMC Javelin         15.2   8 150

En este enfoque, el conjunto de datos mtcars se pasa primero a la función filter() para seleccionar los automóviles con más de 6 cilindros. Luego, el resultado se pasa a select() para elegir las columnas mpg, cyl y hp. A continuación, se ordena por hp en orden descendente utilizando arrange(desc(hp)). Finalmente, se imprime el resultado con print().

Este método mejora la legibilidad del código al encadenar las operaciones de manera secuencial, reflejando claramente el flujo de datos y las transformaciones aplicadas.

Para una explicación visual y más detallada sobre el uso del operador “pipe” en R, puedes consultar el siguiente video:



Ejemplo 3:

Para generar un informe estadístico utilizando el operador “pipe” (%>%) en R, emplearemos el conjunto de datos mtcars, que viene incorporado en R. Este conjunto contiene información sobre diferentes modelos de automóviles, incluyendo variables como el consumo de combustible (mpg), el número de cilindros (cyl), la potencia (hp), entre otras.

Objetivo del informe:

Analizar las estadísticas descriptivas del consumo de combustible (mpg) y la potencia (hp) para los automóviles con más de 6 cilindros.

Pasos a seguir:

Filtrar los automóviles que tienen más de 6 cilindros. Seleccionar las columnas de interés: mpg y hp. Calcular estadísticas descriptivas para estas variables. Implementación en R:

library(dplyr)
library(psych)
library(knitr)

resultado <- mtcars %>%
  filter(cyl > 6) %>%
  select(mpg, hp) %>%
  psych::describe() %>%
  as.data.frame()

kable(resultado)

library(dplyr)
library(psych)
library(knitr)

resultado <- mtcars %>%
  filter(cyl > 6) %>%
  select(mpg, hp) %>%
  psych::describe() %>%
  as.data.frame()

kable(resultado)
vars n mean sd median trimmed mad min max range skew kurtosis se
mpg 1 14 15.1000 2.560048 15.2 15.1500 1.55673 10.4 19.2 8.8 -0.3628186 -0.5655154 0.6842016
hp 2 14 209.2143 50.976886 192.5 203.6667 44.47800 150.0 335.0 185.0 0.9086782 0.0920766 13.6241457



función subset

La función subset() en R se utiliza para filtrar subconjuntos de datos en un data.frame, matrix o vector, basándose en condiciones específicas. Es una alternativa al uso de filter() de dplyr y permite seleccionar filas y columnas fácilmente.

Sintaxis

subset(x, subset, select)

Donde:

x: Es el conjunto de datos (data.frame o matrix). subset: Es la condición lógica para filtrar filas. select: Son las columnas a seleccionar.



Ejemplo 1: Filtrar filas en mtcars

Queremos obtener solo los autos con más de 6 cilindros (cyl > 6).

data(mtcars)  # Cargar el conjunto de datos
resultado <- subset(mtcars, cyl > 6)
print(resultado)
                     mpg cyl  disp  hp drat    wt  qsec vs am gear carb
Hornet Sportabout   18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
Duster 360          14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
Merc 450SE          16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
Merc 450SL          17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
Merc 450SLC         15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
Cadillac Fleetwood  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
Lincoln Continental 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
Chrysler Imperial   14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
Dodge Challenger    15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
AMC Javelin         15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2
Camaro Z28          13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
Pontiac Firebird    19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
Ford Pantera L      15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
Maserati Bora       15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8

Exp licación: * Se filtran las filas donde cyl (cilindros) es mayor a 6. * Se mantienen todas las columnas del data.frame.



Ejemplo 2: Filtrar filas y seleccionar columnas

Filtrar los autos con más de 6 cilindros y seleccionar solo mpg (millas por galón) y hp (caballos de fuerza).

resultado <- subset(mtcars, cyl > 6, select = c(mpg, hp))
resultado
                     mpg  hp
Hornet Sportabout   18.7 175
Duster 360          14.3 245
Merc 450SE          16.4 180
Merc 450SL          17.3 180
Merc 450SLC         15.2 180
Cadillac Fleetwood  10.4 205
Lincoln Continental 10.4 215
Chrysler Imperial   14.7 230
Dodge Challenger    15.5 150
AMC Javelin         15.2 150
Camaro Z28          13.3 245
Pontiac Firebird    19.2 175
Ford Pantera L      15.8 264
Maserati Bora       15.0 335

Explicación:

  • Se filtran las filas con cyl > 6.
  • Se seleccionan solo las columnas mpg y hp.



función as.numeric

La función as.numeric() en R se usa para convertir valores a formato numérico. Es útil cuando se tienen datos en otros formatos (carácter, factor, lógica) y se necesita manipularlos como números.

as.numeric(x)

Ejemplo 1: Convertir un vector de caracteres a numérico

x <- c("1", "2", "3", "4")
x_num <- as.numeric(x)
x_num

x <- c("1", "2", "3", "4")
x_num <- as.numeric(x)
x_num
[1] 1 2 3 4

El vector x es un conjunto de caracteres (“1”, “2”, etc.). as.numeric(x) lo convierte en valores numéricos.