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
[1] "EstebanParedes" "LucasBarrio" "EduardoVargas" "AlexisSanchez"
temporada
[1] 2019 2020 2021 2022

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
[,1] [,2] [,3] [,4] estebanGoles 15 12 14 20 lucasGoles 7 9 12 4 eduardoGoles 2 4 5 6 alexisGoles 12 22 31 15

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
2019 2020 2021 2022 EstebanParedes 15 12 14 20 LucasBarrio 7 9 12 4 EduardoVargas 2 4 5 6 AlexisSanchez 12 22 31 15

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
[,1] [,2] [,3] [,4] estebanPartido 20 22 23 20 lucasPartido 15 22 31 30 eduardoPartido 12 44 11 30 alexisPartido 33 12 30 19
rownames(matrizPartido) <- c(jugador)
colnames(matrizPartido) <- c(temporada)
matrizPartido
2019 2020 2021 2022 EstebanParedes 20 22 23 20 LucasBarrio 15 22 31 30 EduardoVargas 12 44 11 30 AlexisSanchez 33 12 30 19

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)
2019 2020 2021 2022 EstebanParedes 1.3 1.8 1.6 1.0 LucasBarrio 2.1 2.4 2.6 7.5 EduardoVargas 6.0 11.0 2.2 5.0 AlexisSanchez 2.8 0.5 1.0 1.3

t() traspone la matriz: las temporadas pasan a ser las filas y los jugadores las columnas.

t(matrizGoles)
EstebanParedes LucasBarrio EduardoVargas AlexisSanchez 2019 15 7 2 12 2020 12 9 4 22 2021 14 12 5 31 2022 20 4 6 15

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))
Gráfico de líneas con los goles de cuatro jugadores en cuatro temporadas

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))
Gráfico de cuatro puntos con una leyenda arriba a la derecha

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), ]
2019 2020 2021 2022 EstebanParedes 15 12 14 20 EduardoVargas 2 4 5 6
# Jugadores 1 a 3, temporadas 2020 y 2022 (columnas 2 y 4)
matrizGoles[1:3, c(2, 4)]
2020 2022 EstebanParedes 12 20 LucasBarrio 9 4 EduardoVargas 4 6
# Jugadores 1 y 4, temporadas 2019 y 2021 (columnas 1 y 3)
matrizGoles[c(1, 4), c(1, 3)]
2019 2021 EstebanParedes 15 14 AlexisSanchez 12 31

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
2019 2020 2021 2022 EstebanParedes 15 12 14 20 LucasBarrio 7 9 12 4 EduardoVargas 2 4 5 6 AlexisSanchez 12 22 31 15 Gráfico de líneas de goles por temporada con leyenda arriba a la izquierda

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)
Nombre.Pais Codigo.Pais Tasa.Natalidad CantPersonas.Internet 1 Aruba ABW 10.244 78.9 2 Afghanistan AFG 35.253 5.9 3 Angola AGO 45.985 19.1 4 Albania ALB 12.877 57.2 5 United Arab Emirates ARE 11.044 88.0 6 Argentina ARG 17.716 59.9 Grupo.Ingresos 1 Ingreso alto 2 Ingreso bajo 3 Ingreso medio alto 4 Ingreso medio alto 5 Ingreso alto 6 Ingreso alto

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)])
Pais Codigo Region 1 Aruba ABW The Americas 2 Afghanistan AFG Asia 3 Angola AGO Africa 4 Albania ALB Europe 5 United Arab Emirates ARE Middle East 6 Argentina ARG The Americas Nombre.Pais Codigo.Pais Tasa.Natalidad CantPersonas.Internet 1 Aruba ABW 10.244 78.9 2 Afghanistan AFG 35.253 5.9 3 Angola AGO 45.985 19.1 4 Albania ALB 12.877 57.2 5 United Arab Emirates ARE 11.044 88.0 6 Argentina ARG 17.716 59.9

Al escribir solo el nombre, se imprime la tabla completa.

valores
Nombre.Pais Codigo.Pais Tasa.Natalidad 1 Aruba ABW 10.244 2 Afghanistan AFG 35.253 3 Angola AGO 45.985 4 Albania ALB 12.877 5 United Arab Emirates ARE 11.044 6 Argentina ARG 17.716 7 Armenia ARM 13.308 8 Antigua and Barbuda ATG 16.447 9 Australia AUS 13.200 10 Austria AUT 9.400 # ... se muestran 10 de las 195 filas y 3 de las 5 columnas
dataFrameValores2
Pais Codigo Region 1 Aruba ABW The Americas 2 Afghanistan AFG Asia 3 Angola AGO Africa 4 Albania ALB Europe 5 United Arab Emirates ARE Middle East 6 Argentina ARG The Americas 7 Armenia ARM Asia 8 Antigua and Barbuda ATG The Americas 9 Australia AUS Oceania 10 Austria AUT Europe # ... se muestran 10 de las 195 filas

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)
Codigo.Pais Nombre.Pais Tasa.Natalidad CantPersonas.Internet 1 ABW Aruba 10.244 78.9 2 AFG Afghanistan 35.253 5.9 3 AGO Angola 45.985 19.1 4 ALB Albania 12.877 57.2 5 ARE United Arab Emirates 11.044 88.0 6 ARG Argentina 17.716 59.9 Grupo.Ingresos Pais Region 1 Ingreso alto Aruba The Americas 2 Ingreso bajo Afghanistan Asia 3 Ingreso medio alto Angola Africa 4 Ingreso medio alto Albania Europe 5 Ingreso alto United Arab Emirates Middle East 6 Ingreso alto Argentina The Americas

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()
Gráfico de dispersión: a mayor acceso a internet, menor tasa de natalidad; los puntos de África se concentran arriba a la izquierda y los de Europa abajo a la derecha

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()
Gráfico de puntos por grupo de ingresos: los países de ingreso alto tienen mayor acceso a internet y los de ingreso bajo, menor

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 %.

BUSCARCtrl K