¿Qué haremos hoy?

• ¿Qué es R?
  

¿Qué haremos hoy?

• ¿Qué es R?
  
• Usar R como calculadora
  

¿Qué haremos hoy?

• ¿Qué es R?
  
• Usar R como calculadora
  
• Conceptos básicos: objetos y clase de objetos
  
  

¿Qué haremos hoy?

• ¿Qué es R?
  
• Usar R como calculadora
  
• Conceptos básicos: objetos y clase de objetos
  
  
• Vectores: numéricos, lógicos y de caracteres
  

¿Qué haremos hoy?

• ¿Qué es R?
  
• Usar R como calculadora
  
• Conceptos básicos: objetos y clase de objetos
  
  
• Vectores: numéricos, lógicos y de caracteres
  
• Funciones y operadores
  

¿Qué haremos hoy?

• ¿Qué es R?
  
• Usar R como calculadora
  
• Conceptos básicos: objetos y clase de objetos
  
  
• Vectores: numéricos, lógicos y de caracteres
  
• Funciones y operadores
  
• Marco de datos (data frame)
  
  

¿Qué haremos hoy?

• ¿Qué es R?
  
• Usar R como calculadora
  
• Conceptos básicos: objetos y clase de objetos
  
  
• Vectores: numéricos, lógicos y de caracteres
  
• Funciones y operadores
  
• Marco de datos (data frame)
  
  
• Importar un archivo csv
  

¿Qué haremos hoy?

• ¿Qué es R?
  
• Usar R como calculadora
  
• Conceptos básicos: objetos y clase de objetos
  
  
• Vectores: numéricos, lógicos y de caracteres
  
• Funciones y operadores
  
• Marco de datos (data frame)
  
  
• Importar un archivo csv
  
• Explorar un conjunto de datos (data frame)
  
  

¿Qué haremos hoy?

• ¿Qué es R?
  
• Usar R como calculadora
  
• Conceptos básicos: objetos y clase de objetos
  
  
• Vectores: numéricos, lógicos y de caracteres
  
• Funciones y operadores
  
• Marco de datos (data frame)
  
  
• Importar un archivo csv
  
• Explorar un conjunto de datos (data frame)
  
  
• Extensiones a R base: paquetes
  

¿Qué haremos hoy?

• ¿Qué es R?
  
• Usar R como calculadora
  
• Conceptos básicos: objetos y clase de objetos
  
  
• Vectores: numéricos, lógicos y de caracteres
  
• Funciones y operadores
  
• Marco de datos (data frame)
  
  
• Importar un archivo csv
  
• Explorar un conjunto de datos (data frame)
  
  
• Extensiones a R base: paquetes
  
• Paquete tidyverse
  
  

¿Qué haremos hoy?

• ¿Qué es R?
  
• Usar R como calculadora
  
• Conceptos básicos: objetos y clase de objetos
  
  
• Vectores: numéricos, lógicos y de caracteres
  
• Funciones y operadores
  
• Marco de datos (data frame)
  
  
• Importar un archivo csv
  
• Explorar un conjunto de datos (data frame)
  
  
• Extensiones a R base: paquetes
  
• Paquete tidyverse
  
  
• ¿Qué es un script?
  

¿Cómo interactuamos con R?

• Es un lenguaje de programación: escribimos código en la consola para darle órdenes a R.

• Las órdenes elementales de R consisten en expresiones o asignaciones.

¿Cómo interactuamos con R?

• Es un lenguaje de programación: escribimos código en la consola para darle órdenes a R.

• Las órdenes elementales de R consisten en expresiones o asignaciones.

• Una expresión, se evalúa, se imprime el resultado y su valor se pierde.

2 + 3

[1] 5

¿Cómo interactuamos con R?

• Una asignación, crea un objeto y no se imprime el resultado.

x <- 2 + 3

¿Cómo interactuamos con R?

• Una asignación, crea un objeto y no se imprime el resultado.

x <- 2 + 3

• Una asignación se hace utilizando el símbolo:
  

¿Cómo interactuamos con R?

• Una asignación, crea un objeto y no se imprime el resultado.

x <- 2 + 3

• Una asignación se hace utilizando el símbolo:
  
• Otros programas estadísticos muestran directamente los resultados, R los guarda en un objeto.
  

Calculadora

• Además de los operadores aritméticos, trae funciones matemáticas

# valor absoluto
abs(-1)

[1] 1

Calculadora

• Además de los operadores aritméticos, trae funciones matemáticas

# valor absoluto
abs(-1)

[1] 1

Calculadora

• Además de los operadores aritméticos, trae funciones matemáticas

# valor absoluto
abs(-1)

[1] 1

# exponencial
exp(0)

[1] 1

Funciones

• Una función es un conjunto de instrucciones que operan sobre unos argumentos y producen un resultado.
  
  

Funciones

• Una función es un conjunto de instrucciones que operan sobre unos argumentos y producen un resultado.
  
  
• Una función esconde líneas de código que permite reutilizarlo una y otra vez.
  
  

Funciones

• Una función es un conjunto de instrucciones que operan sobre unos argumentos y producen un resultado.
  
  
• Una función esconde líneas de código que permite reutilizarlo una y otra vez.
  
  
• Las funciones tienen nombres descriptivos -en inglés- y se acompañan de paréntesis curvos. Por ejemplo, sqrt() es la abreviación de square root (raíz cuadrada)
  
  

Funciones

• Una función es un conjunto de instrucciones que operan sobre unos argumentos y producen un resultado.
  
  
• Una función esconde líneas de código que permite reutilizarlo una y otra vez.
  
  
• Las funciones tienen nombres descriptivos -en inglés- y se acompañan de paréntesis curvos. Por ejemplo, sqrt() es la abreviación de square root (raíz cuadrada)
  
  
• Dentro de los paréntesis se definen los valores de sus argumentos: sqrt(9)
  
  

Objetos

• R es un programa 'orientado a objetos': variables, datos, funciones, resultados, etc., se guardan en la memoria RAM en forma de objetos con un nombre específico sin usar archivos temporales.
  
  

Objetos

• R es un programa 'orientado a objetos': variables, datos, funciones, resultados, etc., se guardan en la memoria RAM en forma de objetos con un nombre específico sin usar archivos temporales.
  
  
• Cada clase de objeto tiene diferentes atributos que determinan la forma en que trabajan dentro de R, es decir, define cuáles funciones se le pueden aplicar.
  
  

Objetos

• R es un programa 'orientado a objetos': variables, datos, funciones, resultados, etc., se guardan en la memoria RAM en forma de objetos con un nombre específico sin usar archivos temporales.
  
  
• Cada clase de objeto tiene diferentes atributos que determinan la forma en que trabajan dentro de R, es decir, define cuáles funciones se le pueden aplicar.
  
  
• Estos objetos se pueden modificar o manipular con operadores y funciones --que a su vez son objetos--.
  
  

Objetos

• R es un programa 'orientado a objetos': variables, datos, funciones, resultados, etc., se guardan en la memoria RAM en forma de objetos con un nombre específico sin usar archivos temporales.
  
  
• Cada clase de objeto tiene diferentes atributos que determinan la forma en que trabajan dentro de R, es decir, define cuáles funciones se le pueden aplicar.
  
  
• Estos objetos se pueden modificar o manipular con operadores y funciones --que a su vez son objetos--.
  
  
• Bajo este término se esconde la simplicidad y flexibilidad de R.
  
  

Vector

• Los vectores son la estructura más básica que tenemos para manejar datos en R.
  
  

Vector

• Los vectores son la estructura más básica que tenemos para manejar datos en R.
  
  
• Un escalar también es un vector para R.
  
  

Vector

• Los vectores son la estructura más básica que tenemos para manejar datos en R.
  
  
• Un escalar también es un vector para R.
  
  
• Comprender cómo se trabaja con un vector en R es fundamental para entender la lógica de R.
  
  

Vector

• Los vectores son la estructura más básica que tenemos para manejar datos en R.
  
  
• Un escalar también es un vector para R.
  
  
• Comprender cómo se trabaja con un vector en R es fundamental para entender la lógica de R.
  
  
• Veremos cómo los vectores trabajan con operadores y funciones.
  
  

Vector numérico

x <- c(15, 16, 17, 19)

Vector numérico

x <- c(15, 16, 17, 19)

x

[1] 15 16 17 19

Vector de caracteres

• Para el caso de texto, la clase "character" es la que utiliza R para manejar este tipo de objetos.

• Al igual que en la mayoría de los lenguajes de programación, R utiliza las comillas dobles (") o simples (') para delimitar un string.

w <- c("lunes", "martes", "miércoles", "viernes")

Vector de caracteres

• Para el caso de texto, la clase "character" es la que utiliza R para manejar este tipo de objetos.

• Al igual que en la mayoría de los lenguajes de programación, R utiliza las comillas dobles (") o simples (') para delimitar un string.

w <- c("lunes", "martes", "miércoles", "viernes")

w

[1] "lunes"     "martes"    "miércoles" "viernes"

Vector de caracteres

• Un vector de clase character también puede incluir números siempre que estén entre comillas

w <- c("15", "16", "17", "19")

Vector de caracteres

• Un vector de clase character también puede incluir números siempre que estén entre comillas

w <- c("15", "16", "17", "19")

w

[1] "15" "16" "17" "19"

Vector de caracteres

• Qué pasa si por error omito las comillas en un elemento:

z <- c("lunes", 15)

Vector de caracteres

• Qué pasa si por error omito las comillas en un elemento:

z <- c("lunes", 15)

• R no da error en este caso, convierte al 15 en texto.

z

[1] "lunes" "15"

class(z)

[1] "character"

Coerción

• Como mencionamos anteriormente, estos elementos deben ser todos de la misma clase.
  
  

Coerción

• Como mencionamos anteriormente, estos elementos deben ser todos de la misma clase.
  
  
• Si se combinan objetos de diferente clase, R reasigna los elementos a la clase apropiada. Como en el ejemplo que concatenaba elementos numéricos y caracteres.
  
  

Coerción

• Como mencionamos anteriormente, estos elementos deben ser todos de la misma clase.
  
  
• Si se combinan objetos de diferente clase, R reasigna los elementos a la clase apropiada. Como en el ejemplo que concatenaba elementos numéricos y caracteres.
  
  
• Si contiene números y texto el vector será de clase character.
  
  

Coerción

• Como mencionamos anteriormente, estos elementos deben ser todos de la misma clase.
  
  
• Si se combinan objetos de diferente clase, R reasigna los elementos a la clase apropiada. Como en el ejemplo que concatenaba elementos numéricos y caracteres.
  
  
• Si contiene números y texto el vector será de clase character.
  
  
• La coerción es necesaria para el funcionamiento correcto de R. Al mismo tiempo puede ser una fuente de errores si no se tiene en cuenta.
  
  

Coerción

• Como mencionamos anteriormente, estos elementos deben ser todos de la misma clase.
  
  
• Si se combinan objetos de diferente clase, R reasigna los elementos a la clase apropiada. Como en el ejemplo que concatenaba elementos numéricos y caracteres.
  
  
• Si contiene números y texto el vector será de clase character.
  
  
• La coerción es necesaria para el funcionamiento correcto de R. Al mismo tiempo puede ser una fuente de errores si no se tiene en cuenta.
  
  
• ¿Qué te imaginas pasará si en vez de omitir las comillas en 15, las omito en lunes?
  
  

¿Por qué importa la clase de un objeto?

• La clase de un objeto afecta cómo las funciones trabajan con el mismo.
  
  

¿Por qué importa la clase de un objeto?

• La clase de un objeto afecta cómo las funciones trabajan con el mismo.
  
  
• Por ejemplo, la función mean() puede generar salidas coherentes con objetos numéricos o lógicos, pero no con caracteres.
  
  

Funciones descriptivas de un vector numérico

• length(x): devuelve la cantidad de elementos de x
  
  

Funciones descriptivas de un vector numérico

• length(x): devuelve la cantidad de elementos de x
  
  
• sort(x, decreasing = F): ordena los elementos de manera creciente
  
  

Funciones descriptivas de un vector numérico

• length(x): devuelve la cantidad de elementos de x
  
  
• sort(x, decreasing = F): ordena los elementos de manera creciente
  
  
• sum(x): devuelve la suma de los elementos de x
  
  

Funciones descriptivas de un vector numérico

• length(x): devuelve la cantidad de elementos de x
  
  
• sort(x, decreasing = F): ordena los elementos de manera creciente
  
  
• sum(x): devuelve la suma de los elementos de x
  
  
• max(x): máximo
  
  

Funciones descriptivas de un vector numérico

• mean(x): promedio aritmético de x
  
  

Funciones descriptivas de un vector numérico

• mean(x): promedio aritmético de x
  
  
• median(x): mediana de x
  
  

Funciones descriptivas de un vector numérico

• mean(x): promedio aritmético de x
  
  
• median(x): mediana de x
  
  
• sd(x): desvío estándar de x
  
  

Funciones descriptivas de un vector numérico

• mean(x): promedio aritmético de x
  
  
• median(x): mediana de x
  
  
• sd(x): desvío estándar de x
  
  
• var(x): varianza de x
  
  

Data frame

• Puede verse como un conjunto de vectores de diferente clase pero de igual largo.
  
  

Data frame

• Puede verse como un conjunto de vectores de diferente clase pero de igual largo.
  
  
• La Función data.frame() crea un marco de datos.
  
  

Data frame

• Puede verse como un conjunto de vectores de diferente clase pero de igual largo.
  
  
• La Función data.frame() crea un marco de datos.
  
  

df <- data.frame(x, w)

Data frame

• Puede verse como un conjunto de vectores de diferente clase pero de igual largo.
  
  
• La Función data.frame() crea un marco de datos.
  
  

df <- data.frame(x, w)

• En un data frame, cada variable es un vector.
  
  

Explorar los datos

Las funciones dim(), names() y str() admiten un data frame como argumento.

dim(listado) # cantidad de filas y columnas
nrow(listado) # cantidad de filas
ncol(listado) # cantidad de columnas

Explorar los datos

Las funciones dim(), names() y str() admiten un data frame como argumento.

dim(listado) # cantidad de filas y columnas
nrow(listado) # cantidad de filas
ncol(listado) # cantidad de columnas

names(listado) # nombre de variables

Explorar los datos

Las funciones dim(), names() y str() admiten un data frame como argumento.

dim(listado) # cantidad de filas y columnas
nrow(listado) # cantidad de filas
ncol(listado) # cantidad de columnas

names(listado) # nombre de variables

str(listado) # estructura de la base

Paquetes: extender las funcionalidades de R

• Por defecto vienen precargadas una serie de funciones que están en el paquete 'base'.
  
  

Paquetes: extender las funcionalidades de R

• Por defecto vienen precargadas una serie de funciones que están en el paquete 'base'.
  
  
• Las funciones en R se organizan en paquetes según temas o disciplinas.
  
  

Paquetes: extender las funcionalidades de R

• Por defecto vienen precargadas una serie de funciones que están en el paquete 'base'.
  
  
• Las funciones en R se organizan en paquetes según temas o disciplinas.
  
  
• Los paquetes debe instalarse en R una vez pero es necesario cargarlos en cada sesión (cada vez que abrimos R).
  
  

Paquetes: extender las funcionalidades de R

• Por defecto vienen precargadas una serie de funciones que están en el paquete 'base'.
  
  
• Las funciones en R se organizan en paquetes según temas o disciplinas.
  
  
• Los paquetes debe instalarse en R una vez pero es necesario cargarlos en cada sesión (cada vez que abrimos R).
  
  
• Hay millones de funciones si todas estuvieran precargadas, no habría suficiente memoria RAM para trabajar. Existen paquetes de tan variadas disciplinas que es muy probable que utilicemos relativamente pocos.