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)
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$Sepal.Length)
boxplot() dibuja el diagrama de caja de la misma variable.
boxplot(iris$Sepal.Length)
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.
| Operador o función | Qué 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)
Las líneas que comienzan con # son comentarios: R no las ejecuta.
factorial(3)
abs(-3)
choose(3, 2)
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
# Texto (character)
x <- "a"
y <- 'a'
x; y
x
y
# Valores lógicos
x <- TRUE
y <- TRUE
# Conectores lógicos: & es «y», | es «o»
x & y
x | y
3 > 2
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
x <- 6
x
# ¿Se actualiza y?
y
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)
Fechas
Una fecha escrita entre comillas es texto.
fecha_string <- "2019-05-08"
fecha_string
typeof(fecha_string)
as.Date() la convierte en una fecha.
fecha_date <- as.Date(fecha_string)
fecha_date
class(fecha_date)
#year(fecha_date)
La última línea está comentada porque year(), que extrae el año, no viene con R: pertenece al paquete lubridate.
Observaciones
- 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(). - Para acceder a la documentación de una función o de una librería se escribe
?antes de su nombre, o se usahelp(). - 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
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)
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
c es la abreviación de combine (combinar): también une vectores.
v_pe
x
c(x, v_pe)
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)
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]
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
v1[c(1, 2)]
v1[3]
v1[3:3]
v1[c(3)]
Los elementos de un vector se modifican reasignando valores.
v1
v1[3] <- 3000
v1
Se pueden modificar varias posiciones a la vez, con un mismo valor:
v1[c(1, 2)] <- 90
v1
O con un valor distinto para cada posición:
v1[c(1, 3)] <- c(100, 200)
v1
Por nombre
v2
v2
v2["uno"]
v2["dos"]
v2[c("uno", "dos")]
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:
| Operador o función | Significado |
|---|---|
&, && | 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]
which.max() devuelve la posición donde se alcanza el máximo; which.min(), la del mínimo.
#?which.max
which.max(v2)
v2[which.max(v2)]
678 %in% v2
c(34, 678) %in% v2
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)
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)
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)
?seq
El incremento puede ser decimal, con o sin el nombre by:
seq(1, 10, by = 0.1)
seq(1, 10, 0.1)
Con length.out se indica cuántos valores se quieren, en lugar del incremento:
seq(from = 1, to = 10, length.out = 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