Caso práctico: matrices, gráficos y cruce de tablas
Material:
Este caso aplica lo visto en la clase 09 (matrices, funciones y data frames) y presenta tres herramientas nuevas que se usan en las clases siguientes: graficar, leer un archivo CSV y cruzar dos tablas con merge().
Tiene dos partes. La primera trabaja con los goles de cuatro jugadores en cuatro temporadas. La segunda, con datos demográficos de países.
1. Goles por jugador y temporada
Vectores de partida
# Nombres de los jugadores
jugador <- c("EstebanParedes", "LucasBarrio", "EduardoVargas", "AlexisSanchez")
# Años de las temporadas
temporada <- c(2019, 2020, 2021, 2022)
jugador
temporada
Un vector por jugador, con sus goles en cada temporada:
estebanGoles <- c(15, 12, 14, 20)
lucasGoles <- c(7, 9, 12, 4)
eduardoGoles <- c(2, 4, 5, 6)
alexisGoles <- c(12, 22, 31, 15)
Matriz de goles
rbind() une los cuatro vectores como filas de una matriz. Cada fila toma el nombre de su vector.
matrizGoles <- rbind(estebanGoles, lucasGoles, eduardoGoles, alexisGoles)
matrizGoles
rownames() y colnames() asignan nombres a las filas y a las columnas: los jugadores y las temporadas.
rownames(matrizGoles) <- c(jugador)
colnames(matrizGoles) <- c(temporada)
matrizGoles
Matriz de partidos
Se repite el procedimiento con los partidos jugados.
estebanPartido <- c(20, 22, 23, 20)
lucasPartido <- c(15, 22, 31, 30)
eduardoPartido <- c(12, 44, 11, 30)
alexisPartido <- c(33, 12, 30, 19)
matrizPartido <- rbind(estebanPartido, lucasPartido, eduardoPartido, alexisPartido)
matrizPartido
rownames(matrizPartido) <- c(jugador)
colnames(matrizPartido) <- c(temporada)
matrizPartido
Operar entre matrices
Como ambas matrices tienen la misma forma, se pueden dividir casilla por casilla. El resultado son los partidos por gol de cada jugador en cada temporada, redondeados a un decimal con round(): mientras más bajo el valor, más efectivo fue el jugador.
round(matrizPartido / matrizGoles, 1)
t() traspone la matriz: las temporadas pasan a ser las filas y los jugadores las columnas.
t(matrizGoles)
Graficar una matriz
matplot() dibuja una línea por cada columna de la matriz. Por eso se le entrega la matriz traspuesta: así cada línea es un jugador y el eje horizontal recorre las temporadas.
type = "b": gráfico con líneas y puntos.pch = 15:20: un tipo de punto distinto para cada línea.col = c(1:4): un color distinto para cada línea.
matplot(t(matrizGoles), type = "b", pch = 15:20, col = c(1:4))
El eje horizontal muestra 1 a 4, que es la posición de cada temporada, no el año. Falta además una leyenda que diga qué línea es de cada jugador.
Agregar una leyenda
Un ejemplo aparte, con datos de prueba, muestra cómo se agrega. plot() dibuja los puntos y legend() añade la leyenda sobre el gráfico ya hecho: se indica su posición ("topright", arriba a la derecha), los textos y los mismos símbolos y colores del gráfico.
# Datos de ejemplo
x <- c(1, 2, 3, 4)
y <- c(10, 15, 13, 17)
jugador <- c("Jugador 1", "Jugador 2", "Jugador 3", "Jugador 4")
# Crear el gráfico
plot(x, y, pch = 15:18, col = 1:4, main = "Ejemplo de gráfico con leyenda")
# Añadir la leyenda
legend("topright", inset = 0.01, legend = jugador, pch = 15:18, col = c(1:4))
Seleccionar filas y columnas
Entre corchetes van primero las filas y después las columnas. Si un lado queda vacío, se toman todas.
# Jugadores 1 y 3, todas las temporadas
matrizGoles[c(1, 3), ]
# Jugadores 1 a 3, temporadas 2020 y 2022 (columnas 2 y 4)
matrizGoles[1:3, c(2, 4)]
# Jugadores 1 y 4, temporadas 2019 y 2021 (columnas 1 y 3)
matrizGoles[c(1, 4), c(1, 3)]
Una función propia para graficar
Con function() se define una función propia: entre paréntesis van sus argumentos y entre llaves el código que ejecuta. Esta junta los dos pasos anteriores, graficar y agregar la leyenda, y permite elegir qué jugadores y qué temporadas mostrar.
datos: matriz de datos a graficar.legendaDatos: vector con los nombres de los jugadores.filas: posiciones de las filas (jugadores) a graficar.columnas: posiciones de las columnas (temporadas) a graficar.
generarGraficoEjemplo <- function(datos, legendaDatos, filas, columnas) {
# Graficar los datos seleccionados
matplot(t(datos[c(filas), c(columnas)]), type = "b", pch = 15:20, col = c(1:4))
# Añadir leyenda
legend("topright", inset = 0.01, legend = legendaDatos, pch = 15:20, col = c(1:4))
}
La versión final cambia dos cosas: la leyenda va arriba a la izquierda ("topleft") y solo incluye a los jugadores seleccionados (legendaDatos[filas]). Después se llama a la función con todos los jugadores y todas las temporadas.
generarGraficoEjemplo <- function(datos, legendaDatos, filas, columnas) {
# Graficar los datos seleccionados
matplot(t(datos[c(filas), c(columnas)]), type = "b", pch = 15:20, col = c(1:4))
# Añadir leyenda
legend("topleft", inset = 0.01, legend = legendaDatos[filas], pch = 15:20, col = c(1:4))
}
# Gráfico con todos los jugadores y todas las temporadas
generarGraficoEjemplo(matrizGoles, jugador, 1:4, 1:4)
matrizGoles
La leyenda dice «Jugador 1» a «Jugador 4» por lo explicado en el recuadro anterior. Para que muestre los nombres reales, basta pasarle los nombres de fila de la matriz:
generarGraficoEjemplo(matrizGoles, rownames(matrizGoles), 1:4, 1:4)
2. Datos demográficos de países
Leer un archivo CSV
read.csv() lee un archivo CSV (valores separados por comas) y lo entrega como data frame. head() muestra las primeras seis filas.
valores <- read.csv("datosDemograficos.csv")
head(valores)
Cuando la tabla es más ancha que la pantalla, R la corta y muestra las columnas restantes más abajo, repitiendo el número de fila.
La tabla tiene 195 países y cinco columnas: nombre, código, tasa de natalidad, porcentaje de personas con acceso a internet y grupo de ingresos.
Una segunda tabla, creada a mano
La segunda tabla indica la región de cada país. Se arma con tres vectores: nombres, códigos y regiones.
# Crear un vector con los nombres de los países
Pais_dataset_p2 <- c("Aruba","Afghanistan","Angola","Albania","United Arab Emirates","Argentina","Armenia","Antigua and Barbuda","Australia","Austria","Azerbaijan","Burundi","Belgium","Benin","Burkina Faso","Bangladesh","Bulgaria","Bahrain","Bahamas, The","Bosnia and Herzegovina","Belarus","Belize","Bermuda","Bolivia","Brazil","Barbados","Brunei Darussalam","Bhutan","Botswana","Central African Republic","Canada","Switzerland","Chile","China","Cote d'Ivoire","Cameroon","Congo, Rep.","Colombia","Comoros","Cabo Verde","Costa Rica","Cuba","Cayman Islands","Cyprus","Czech Republic","Germany","Djibouti","Denmark","Dominican Republic","Algeria","Ecuador","Egypt, Arab Rep.","Eritrea","Spain","Estonia","Ethiopia","Finland","Fiji","France","Micronesia, Fed. Sts.","Gabon","United Kingdom","Georgia","Ghana","Guinea","Gambia, The","Guinea-Bissau","Equatorial Guinea","Greece","Grenada","Greenland","Guatemala","Guam","Guyana","Hong Kong SAR, China","Honduras","Croatia","Haiti","Hungary","Indonesia","India","Ireland","Iran, Islamic Rep.","Iraq","Iceland","Israel","Italy","Jamaica","Jordan","Japan","Kazakhstan","Kenya","Kyrgyz Republic","Cambodia","Kiribati","Korea, Rep.","Kuwait","Lao PDR","Lebanon","Liberia","Libya","St. Lucia","Liechtenstein","Sri Lanka","Lesotho","Lithuania","Luxembourg","Latvia","Macao SAR, China","Morocco","Moldova","Madagascar","Maldives","Mexico","Macedonia, FYR","Mali","Malta","Myanmar","Montenegro","Mongolia","Mozambique","Mauritania","Mauritius","Malawi","Malaysia","Namibia","New Caledonia","Niger","Nigeria","Nicaragua","Netherlands","Norway","Nepal","New Zealand","Oman","Pakistan","Panama","Peru","Philippines","Papua New Guinea","Poland","Puerto Rico","Portugal","Paraguay","French Polynesia","Qatar","Romania","Russian Federation","Rwanda","Saudi Arabia","Sudan","Senegal","Singapore","Solomon Islands","Sierra Leone","El Salvador","Somalia","Serbia","South Sudan","Sao Tome and Principe","Suriname","Slovak Republic","Slovenia","Sweden","Swaziland","Seychelles","Syrian Arab Republic","Chad","Togo","Thailand","Tajikistan","Turkmenistan","Timor-Leste","Tonga","Trinidad and Tobago","Tunisia","Turkey","Tanzania","Uganda","Ukraine","Uruguay","United States","Uzbekistan","St. Vincent and the Grenadines","Venezuela, RB","Virgin Islands (U.S.)","Vietnam","Vanuatu","West Bank and Gaza","Samoa","Yemen, Rep.","South Africa","Congo, Dem. Rep.","Zambia","Zimbabwe")
# Crear un vector con los códigos de los países
Codigo_Pais_dataset_p2 <- c("ABW","AFG","AGO","ALB","ARE","ARG","ARM","ATG","AUS","AUT","AZE","BDI","BEL","BEN","BFA","BGD","BGR","BHR","BHS","BIH","BLR","BLZ","BMU","BOL","BRA","BRB","BRN","BTN","BWA","CAF","CAN","CHE","CHL","CHN","CIV","CMR","COG","COL","COM","CPV","CRI","CUB","CYM","CYP","CZE","DEU","DJI","DNK","DOM","DZA","ECU","EGY","ERI","ESP","EST","ETH","FIN","FJI","FRA","FSM","GAB","GBR","GEO","GHA","GIN","GMB","GNB","GNQ","GRC","GRD","GRL","GTM","GUM","GUY","HKG","HND","HRV","HTI","HUN","IDN","IND","IRL","IRN","IRQ","ISL","ISR","ITA","JAM","JOR","JPN","KAZ","KEN","KGZ","KHM","KIR","KOR","KWT","LAO","LBN","LBR","LBY","LCA","LIE","LKA","LSO","LTU","LUX","LVA","MAC","MAR","MDA","MDG","MDV","MEX","MKD","MLI","MLT","MMR","MNE","MNG","MOZ","MRT","MUS","MWI","MYS","NAM","NCL","NER","NGA","NIC","NLD","NOR","NPL","NZL","OMN","PAK","PAN","PER","PHL","PNG","POL","PRI","PRT","PRY","PYF","QAT","ROU","RUS","RWA","SAU","SDN","SEN","SGP","SLB","SLE","SLV","SOM","SRB","SSD","STP","SUR","SVK","SVN","SWE","SWZ","SYC","SYR","TCD","TGO","THA","TJK","TKM","TLS","TON","TTO","TUN","TUR","TZA","UGA","UKR","URY","USA","UZB","VCT","VEN","VIR","VNM","VUT","PSE","WSM","YEM","ZAF","COD","ZMB","ZWE")
# Crear un vector con las regiones de los países
Region_dataset_p2 <- c("The Americas","Asia","Africa","Europe","Middle East","The Americas","Asia","The Americas","Oceania","Europe","Asia","Africa","Europe","Africa","Africa","Asia","Europe","Middle East","The Americas","Europe","Europe","The Americas","The Americas","The Americas","The Americas","The Americas","Asia","Asia","Africa","Africa","The Americas","Europe","The Americas","Asia","Africa","Africa","Africa","The Americas","Africa","Africa","The Americas","The Americas","The Americas","Europe","Europe","Europe","Africa","Europe","The Americas","Africa","The Americas","Africa","Africa","Europe","Europe","Africa","Europe","Oceania","Europe","Oceania","Africa","Europe","Asia","Africa","Africa","Africa","Africa","Africa","Europe","The Americas","The Americas","The Americas","Oceania","The Americas","Asia","The Americas","Europe","The Americas","Europe","Asia","Asia","Europe","Middle East","Middle East","Europe","Middle East","Europe","The Americas","Middle East","Asia","Asia","Africa","Asia","Asia","Oceania","Asia","Middle East","Asia","Middle East","Africa","Africa","The Americas","Europe","Asia","Africa","Europe","Europe","Europe","Asia","Africa","Europe","Africa","Asia","The Americas","Europe","Africa","Europe","Asia","Europe","Asia","Africa","Africa","Africa","Africa","Asia","Africa","Oceania","Africa","Africa","The Americas","Europe","Europe","Asia","Oceania","Middle East","Asia","The Americas","The Americas","Asia","Oceania","Europe","The Americas","Europe","The Americas","Oceania","Middle East","Europe","Europe","Africa","Middle East","Africa","Africa","Asia","Oceania","Africa","The Americas","Africa","Europe","Africa","Africa","The Americas","Europe","Europe","Europe","Africa","Africa","Middle East","Africa","Africa","Asia","Asia","Asia","Asia","Oceania","The Americas","Africa","Europe","Africa","Africa","Europe","The Americas","The Americas","Asia","The Americas","The Americas","The Americas","Asia","Oceania","Middle East","Oceania","Middle East","Africa","Africa","Africa","Africa")
dataFrameValores2 <- data.frame(
Pais = Pais_dataset_p2,
Codigo = Codigo_Pais_dataset_p2,
Region = Region_dataset_p2
)
Se revisan las primeras filas de ambas tablas. En la segunda instrucción, valores[, c(1:4)] selecciona las columnas 1 a 4.
head(dataFrameValores2)
head(valores[, c(1:4)])
Al escribir solo el nombre, se imprime la tabla completa.
valores
dataFrameValores2
Cruzar las tablas con merge()
Las dos tablas hablan de los mismos países, pero cada una tiene datos que la otra no. merge() las une en una sola, emparejando las filas que comparten el mismo valor en una columna clave. Aquí la clave es el código del país, que se llama distinto en cada tabla: by.x es su nombre en la primera y by.y en la segunda.
dataFrame3 <- merge(
valores,
dataFrameValores2,
by.x = "Codigo.Pais",
by.y = "Codigo"
)
head(dataFrame3)
La tabla resultante tiene la columna clave primero, luego las columnas de la primera tabla y al final las de la segunda. Ahora cada país tiene también su región.
La columna Pais repite a Nombre.Pais. Para quitarla se le asigna NULL:
dataFrame3$Pais <- NULL
Graficar con ggplot2
ggplot2 es una librería para hacer gráficos. No viene con R: se instala una vez con install.packages() y se carga en cada sesión con library().
install.packages("ggplot2")
Un gráfico de ggplot2 se arma por partes que se suman con +:
ggplot(data = ...)indica la tabla de datos.aes()asocia columnas a propiedades del gráfico: aquí, el eje horizontal (x), el eje vertical (y) y el color.geom_point()dibuja un punto por cada fila, es decir, un gráfico de dispersión.
library(ggplot2)
ggplot(data = dataFrame3, aes(x = CantPersonas.Internet, y = Tasa.Natalidad, size = 2, color = Region)) +
geom_point()
Cada punto es un país. Se ve una relación inversa: los países con más acceso a internet tienen menor tasa de natalidad. El color, que viene de la tabla de regiones, muestra que África se concentra en el extremo de alta natalidad y poco acceso, y Europa en el opuesto. Este gráfico solo es posible gracias al cruce: la región no estaba en el archivo CSV.
El segundo gráfico cambia el eje vertical por el grupo de ingresos, que es una categoría.
# Penetración de internet por grupo de ingresos
ggplot(data = dataFrame3, aes(x = CantPersonas.Internet, y = Grupo.Ingresos, size = 2, color = Region)) +
geom_point()
A mayor nivel de ingresos, mayor acceso a internet: los países de ingreso bajo no pasan del 20 %, mientras que casi todos los de ingreso alto superan el 45 %.