Vista general de R

Material: Cuaderno original (.ipynb)

Los mismos temas de la primera clase, con más explicación y otros ejemplos: R como calculadora, variables y tipos de datos, y vectores.

Conociendo R

R es un lenguaje funcional orientado principalmente al análisis de datos. Fue desarrollado por Ross Ihaka y Robert Gentleman; la inicial de sus nombres dio origen al nombre del lenguaje.

Hay varias maneras de ejecutar R:

  • De manera local: descargando la última versión, disponible para Windows, Linux y macOS, desde el repositorio CRAN.
  • En cuadernos en línea (notebooks), como Google Colab, que ejecutan R de manera remota sin necesidad de instalarlo. En un cuaderno se puede intercalar texto con celdas de código.

Un primer vistazo

Antes de entrar en detalle, tres instrucciones muestran para qué sirve R. iris es un conjunto de datos que viene incluido: mide el sépalo y el pétalo de 150 flores de tres especies. summary() resume cada columna.

summary(iris)
Sepal.Length Sepal.Width Petal.Length Petal.Width Min. :4.300 Min. :2.000 Min. :1.000 Min. :0.100 1st Qu.:5.100 1st Qu.:2.800 1st Qu.:1.600 1st Qu.:0.300 Median :5.800 Median :3.000 Median :4.350 Median :1.300 Mean :5.843 Mean :3.057 Mean :3.758 Mean :1.199 3rd Qu.:6.400 3rd Qu.:3.300 3rd Qu.:5.100 3rd Qu.:1.800 Max. :7.900 Max. :4.400 Max. :6.900 Max. :2.500 Species setosa :50 versicolor:50 virginica :50

El signo $ selecciona una columna. Sobre el largo del sépalo se calculan la media y la desviación estándar, y hist() dibuja su histograma.

mean(iris$Sepal.Length)
sd(iris$Sepal.Length)
hist(iris$Sepal.Length)
[1] 5.843333 [1] 0.8280661 Histograma del largo del sépalo en iris: la mayor frecuencia está entre 5,5 y 6,5

boxplot() dibuja el diagrama de caja de la misma variable.

boxplot(iris$Sepal.Length)
Diagrama de caja del largo del sépalo en iris

1. R, una gran calculadora

En R se pueden ejecutar directamente en la consola operaciones aritméticas simples, junto con una gran cantidad de funciones disponibles por defecto.

Tabla 1: Operadores y funciones matemáticas
Operador o funciónQué calcula
+, -, /, *, ^Suma, resta, división, multiplicación y potencia
%%Resto de la división
%*%Multiplicación de matrices
log()Logaritmo natural
sin(), cos(), tan(), asin(), acos(), atan()Funciones trigonométricas
exp()Función exponencial
sqrt()Raíz cuadrada
abs()Valor absoluto
floor()Parte entera
trunc()Truncar
round(x, n)Redondear x a n decimales
factorial()Factorial
choose(n, k)Número combinatorio
# Calcula la raíz cuadrada
sqrt(4)
[1] 2

Las líneas que comienzan con # son comentarios: R no las ejecuta.

factorial(3)
abs(-3)
choose(3, 2)
[1] 6 [1] 3 [1] 3

choose(3, 2) cuenta de cuántas formas se pueden elegir 2 elementos de un total de 3.

2. Variables y tipos de datos

En R se pueden guardar distintos tipos de datos u objetos en símbolos llamados variables (en R todo es, en esencia, un objeto). La manera más sencilla de asignar un objeto a una variable es con <-.

Los tipos de datos más usados son:

  • integer (entero)
  • numeric (número)
  • logical (valor lógico)
  • character (texto)
  • factor (categoría)

A diferencia de otros lenguajes, no hace falta declarar explícitamente el tipo de dato que guardará una variable: R lo deduce del valor.

# Variable numérica
x <- 4
x
[1] 4
# Texto (character)
x <- "a"
y <- 'a'
x; y
x
y
[1] "a" [1] "a" [1] "a" [1] "a"
# Valores lógicos
x <- TRUE
y <- TRUE

# Conectores lógicos: & es «y», | es «o»
x & y
x | y

3 > 2
[1] TRUE [1] TRUE [1] TRUE

Las variables se copian por valor

Al asignar una variable a otra, R copia el valor. Si después cambia la original, la copia no se actualiza.

x <- 5
y <- x
y
[1] 5
x <- 6
x
[1] 6
# ¿Se actualiza y?
y
[1] 5

Tipo y clase de una variable

typeof() muestra el tipo de dato almacenado y class() la clase del objeto.

x <- 78
typeof(x)
class(x)
[1] "double" [1] "numeric"

Fechas

Una fecha escrita entre comillas es texto.

fecha_string <- "2019-05-08"
fecha_string

typeof(fecha_string)
[1] "2019-05-08" [1] "character"

as.Date() la convierte en una fecha.

fecha_date <- as.Date(fecha_string)
fecha_date
class(fecha_date)
#year(fecha_date)
[1] "2019-05-08" [1] "Date"

La última línea está comentada porque year(), que extrae el año, no viene con R: pertenece al paquete lubridate.

Observaciones

  1. Cada vez que se define una variable en R, queda almacenada en memoria. Una manera de limpiar las variables definidas es con la función rm().
  2. Para acceder a la documentación de una función o de una librería se escribe ? antes de su nombre, o se usa help().
  3. Cada vez que se define una variable con un nombre que ya existe, simplemente se actualiza su valor.
# Elimina una de las variables creadas antes
rm(x)

Como x ya no existe, consultarla produce un error, y R detiene ahí la ejecución de la celda: las líneas siguientes no llegan a ejecutarse.

x
fecha_date
rm(fecha_date)
fecha_date
Error in eval(expr, envir, enclos): object 'x' not found

3. Vectores

En R, como en la mayoría de los lenguajes de programación, uno de los objetos más usuales para guardar información son los vectores: arreglos de una dimensión que almacenan un mismo tipo de dato en cada una de sus entradas.

Todo vector se declara con la letra c, seguida de sus elementos entre paréntesis y separados por comas.

v_pe <- c(1, 1, 2, 3, 5, 8, 13)
v_pe
class(v_pe)
typeof(v_pe)
[1] 1 1 2 3 5 8 13 [1] "numeric" [1] "double"

names() asigna un nombre a cada entrada, y también sirve para consultarlos.

x <- c(1, 2, 4)
names(x) <- c("a", "b", "c")
names(x)
x
[1] "a" "b" "c" a b c 1 2 4

c es la abreviación de combine (combinar): también une vectores.

v_pe
x

c(x, v_pe)
[1] 1 1 2 3 5 8 13 a b c 1 2 4 a b c 1 2 4 1 1 2 3 5 8 13

Al combinar, cada elemento conserva su nombre si lo tenía; los demás quedan sin nombre.

v1 <- c(400, 200, 1000)
v2 <- c(450, 678)
names(v2) <- c("uno", "dos")
c(v1, v2)
x <- c(20, 4, 6)
c(v1, v2, x)
uno dos 400 200 1000 450 678 uno dos 400 200 1000 450 678 20 4 6

3.1 Acceso a los elementos de un vector

Se puede acceder a los elementos de un vector indicando la posición del elemento (las posiciones parten en 1), el nombre de la casilla que lo contiene, o mediante condiciones lógicas que devuelvan TRUE en la posición deseada.

Por posición

v1
v1[2]
[1] 400 200 1000 [1] 200

3:5 es lo mismo que c(3, 4, 5). En v1[0:3] se piden las posiciones 0, 1, 2 y 3; como la posición 0 no existe, R la ignora.

v1[0:3]
3:5
[1] 400 200 1000 [1] 3 4 5
v1[c(1, 2)]
v1[3]
v1[3:3]
v1[c(3)]
[1] 400 200 [1] 1000 [1] 1000 [1] 1000

Los elementos de un vector se modifican reasignando valores.

v1
v1[3] <- 3000
v1
[1] 400 200 1000 [1] 400 200 3000

Se pueden modificar varias posiciones a la vez, con un mismo valor:

v1[c(1, 2)] <- 90
v1
[1] 90 90 3000

O con un valor distinto para cada posición:

v1[c(1, 3)] <- c(100, 200)
v1
[1] 100 90 200

Por nombre

v2
uno dos 450 678
v2
v2["uno"]
v2["dos"]

v2[c("uno", "dos")]
uno dos 450 678 uno 450 dos 678 uno dos 450 678

Por condición lógica

También se accede a los elementos de un vector con expresiones lógicas que devuelvan TRUE en la posición deseada. Para escribirlas sirven estos operadores y funciones:

Tabla 2: Operadores y funciones para condiciones
Operador o funciónSignificado
&, &&Conector «y»
|, ||Conector «o»
==Igual
!Negación
!=Distinto
>, >=Mayor que, mayor o igual que
<, <=Menor que, menor o igual que
is.na()¿Es NA (dato faltante)?
which()¿En qué posiciones es verdadera la expresión?
which.min(), which.max()¿En qué posición se alcanza el mínimo o el máximo?
%in%¿Los elementos están en el otro vector?
v2
v2 > 500

v2[v2 > 500]
uno dos 450 678 uno dos FALSE TRUE dos 678

which.max() devuelve la posición donde se alcanza el máximo; which.min(), la del mínimo.

#?which.max

which.max(v2)
v2[which.max(v2)]
dos 2 dos 678
678 %in% v2

c(34, 678) %in% v2
[1] TRUE [1] FALSE TRUE

3.2 Secuencias

En R se pueden generar de manera rápida y sencilla secuencias y guardarlas en un vector. Dos funciones para eso son rep() y seq(). Más adelante se verá cómo generar números aleatorios que sigan una distribución de interés.

?rep

rep() repite un valor, de cualquier tipo de dato.

v_lala <- rep("lala", 20)
v_lala

rep(TRUE, 10)
rep(1, 3)
[1] "lala" "lala" "lala" "lala" "lala" "lala" "lala" "lala" "lala" "lala" [11] "lala" "lala" "lala" "lala" "lala" "lala" "lala" "lala" "lala" "lala" [1] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE [1] 1 1 1

seq() genera una secuencia desde un valor hasta otro, con un incremento. Los argumentos se pueden escribir en orden o con su nombre (from, to, by), en cuyo caso el orden no importa.

#?seq

seq(1, 10, 2)
seq(to = 10, from = 1, by = 2)
seq(10, 1, -2)
[1] 1 3 5 7 9 [1] 1 3 5 7 9 [1] 10 8 6 4 2

Para bajar de 10 a 1 el incremento debe ser negativo. Con un incremento positivo la secuencia no puede avanzar hacia el término, y R responde con un error:

seq(10, 1, 2)
Error in seq.default(10, 1, 2): wrong sign in 'by' argument
?seq

El incremento puede ser decimal, con o sin el nombre by:

seq(1, 10, by = 0.1)
[1] 1.0 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2.0 2.1 2.2 2.3 2.4 [16] 2.5 2.6 2.7 2.8 2.9 3.0 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3.9 [31] 4.0 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 5.0 5.1 5.2 5.3 5.4 [46] 5.5 5.6 5.7 5.8 5.9 6.0 6.1 6.2 6.3 6.4 6.5 6.6 6.7 6.8 6.9 [61] 7.0 7.1 7.2 7.3 7.4 7.5 7.6 7.7 7.8 7.9 8.0 8.1 8.2 8.3 8.4 [76] 8.5 8.6 8.7 8.8 8.9 9.0 9.1 9.2 9.3 9.4 9.5 9.6 9.7 9.8 9.9 [91] 10.0
seq(1, 10, 0.1)
[1] 1.0 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2.0 2.1 2.2 2.3 2.4 [16] 2.5 2.6 2.7 2.8 2.9 3.0 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3.9 [31] 4.0 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 5.0 5.1 5.2 5.3 5.4 [46] 5.5 5.6 5.7 5.8 5.9 6.0 6.1 6.2 6.3 6.4 6.5 6.6 6.7 6.8 6.9 [61] 7.0 7.1 7.2 7.3 7.4 7.5 7.6 7.7 7.8 7.9 8.0 8.1 8.2 8.3 8.4 [76] 8.5 8.6 8.7 8.8 8.9 9.0 9.1 9.2 9.3 9.4 9.5 9.6 9.7 9.8 9.9 [91] 10.0

Con length.out se indica cuántos valores se quieren, en lugar del incremento:

seq(from = 1, to = 10, length.out = 10)
[1] 1 2 3 4 5 6 7 8 9 10

3.3 Un vector aleatorio

runif() genera un vector de números al azar que siguen una distribución uniforme. Los valores cambian en cada ejecución.

#?runif
vector_uniforme <- runif(n = 10, min = 0, max = 100)
vector_uniforme
[1] 16.14459 83.33814 69.03540 23.42744 12.44768 31.16604 35.57940 43.79623 [9] 51.50037 95.13095
BUSCARCtrl K