Principales comandos de R
1. Asignación de variables
2. x <- 5
3. y <- "Hola"
Aquí, x se asigna el valor 5 y y se asigna el texto "Hola".
4. Operaciones aritméticas
5. suma <- x + 10
6. resta <- x - 3
7. multiplicacion <- x * 2
8. division <- x / 2
Realiza operaciones básicas con las variables.
9. Funciones básicas
10. sqrt(16) # Devuelve la raíz cuadrada de 16
11. mean(c(1, 2, 3, 4, 5)) # Calcula la media de los números
Utiliza funciones predefinidas para cálculos comunes.
12. Creación de vectores
13. numeros <- c(1, 2, 3, 4, 5)
14. texto <- c("a", "b", "c")
Crea vectores de números o texto.
15. Acceso a elementos de vectores
16. numeros[1] # Accede al primer elemento del vector
17. texto[2:3] # Accede al segundo y tercer elemento del vector
Accede a elementos específicos dentro de un vector.
18. Data frames
19. datos <- [Link](
20. nombre = c("Ana", "Luis", "Juan"),
21. edad = c(23, 25, 22)
22. )
Crea un data frame con columnas de diferentes tipos de datos.
23. Acceso a elementos de data frames
24. datos$nombre # Accede a la columna 'nombre'
25. datos[1, ] # Accede a la primera fila
26. datos[, 2] # Accede a la segunda columna
Accede a filas y columnas específicas dentro de un data frame.
Ejemplo práctico
# Crear un vector de números
numeros <- c(10, 20, 30, 40, 50)
# Calcular la media de los números
media_numeros <- mean(numeros)
# Crear un data frame
datos <- [Link](
nombre = c("Ana", "Luis", "Juan"),
edad = c(23, 25, 22)
)
# Acceder a la columna 'edad'
edades <- datos$edad
# Mostrar resultados
print(media_numeros)
print(edades)
Espero que esto te ayude a empezar con RStudio. ¿Hay algo más específico que te gustaría
saber?
Edit in Pages
Copy
AI-generated content may be incorrect
You said:
continua con más comandos asi por favor
Copilot said:
Copilot
¡Por supuesto! Aquí tienes más comandos útiles en R:
Manipulación de matrices
1. Creación de matrices
2. matriz <- matrix(1:9, nrow = 3, ncol = 3)
Crea una matriz de 3x3 con los números del 1 al 9.
3. Acceso a elementos de matrices
4. matriz[1, 2] # Accede al elemento en la primera fila, segunda columna
5. matriz[, 3] # Accede a la tercera columna completa
6. matriz[2, ] # Accede a la segunda fila completa
Manipulación de listas
1. Creación de listas
2. lista <- list(nombre = "Ana", edad = 23, notas = c(90, 85, 88))
Crea una lista con diferentes tipos de datos.
3. Acceso a elementos de listas
4. lista$nombre # Accede al elemento 'nombre'
5. lista[[2]] # Accede al segundo elemento de la lista
6. lista$notas[1] # Accede al primer elemento del vector 'notas' dentro
de la lista
Manipulación de factores
1. Creación de factores
2. colores <- factor(c("rojo", "azul", "verde", "rojo", "azul"))
Crea un factor con niveles de colores.
3. Acceso a niveles de factores
4. levels(colores) # Muestra los niveles del factor
Manipulación de data frames
1. Agregar columnas a un data frame
2. datos$altura <- c(160, 175, 168)
Agrega una nueva columna al data frame datos.
3. Filtrar filas de un data frame
4. datos_jovenes <- subset(datos, edad < 24)
Filtra las filas donde la edad es menor a 24.
Gráficos básicos
1. Gráfico de dispersión
2. plot(datos$edad, datos$altura, main = "Edad vs Altura", xlab = "Edad",
ylab = "Altura")
Crea un gráfico de dispersión de edad vs altura.
3. Histograma
4. hist(datos$edad, main = "Histograma de Edad", xlab = "Edad")
Crea un histograma de la columna edad.
Ejemplo práctico
# Crear una matriz
matriz <- matrix(1:9, nrow = 3, ncol = 3)
# Crear una lista
lista <- list(nombre = "Ana", edad = 23, notas = c(90, 85, 88))
# Crear un factor
colores <- factor(c("rojo", "azul", "verde", "rojo", "azul"))
# Crear un data frame
datos <- [Link](
nombre = c("Ana", "Luis", "Juan"),
edad = c(23, 25, 22),
altura = c(160, 175, 168)
)
# Filtrar filas del data frame
datos_jovenes <- subset(datos, edad < 24)
# Crear gráficos
plot(datos$edad, datos$altura, main = "Edad vs Altura", xlab = "Edad", ylab =
"Altura")
hist(datos$edad, main = "Histograma de Edad", xlab = "Edad")
Espero que estos comandos te sean útiles. ¿Hay algún aspecto específico de RStudio o R que te
gustaría explorar más?
Edit in Pages
Copy
AI-generated content may be incorrect
You said:
más de graficos
Copilot said:
Copilot
¡Claro! Aquí tienes más ejemplos de gráficos en R:
Gráficos de barras
1. Gráfico de barras simple
2. barplot(datos$edad, [Link] = datos$nombre, main = "Edad de cada
persona", xlab = "Nombre", ylab = "Edad")
Crea un gráfico de barras mostrando la edad de cada persona.
3. Gráfico de barras agrupadas
4. alturas <- c(160, 175, 168)
5. edades <- c(23, 25, 22)
6. barplot(rbind(alturas, edades), beside = TRUE, [Link] = c("Ana",
"Luis", "Juan"), col = c("blue", "red"), legend = c("Altura", "Edad"),
main = "Altura y Edad")
Crea un gráfico de barras agrupadas mostrando altura y edad.
Gráficos de líneas
1. Gráfico de líneas simple
2. plot(datos$edad, type = "o", col = "blue", main = "Edad de cada
persona", xlab = "Índice", ylab = "Edad")
Crea un gráfico de líneas mostrando la edad de cada persona.
3. Gráfico de líneas múltiples
4. plot(datos$edad, type = "o", col = "blue", ylim = c(20, 30), main =
"Edad y Altura", xlab = "Índice", ylab = "Valores")
5. lines(datos$altura, type = "o", col = "red")
6. legend("topright", legend = c("Edad", "Altura"), col = c("blue",
"red"), lty = 1)
Crea un gráfico de líneas mostrando edad y altura.
Gráficos de caja
1. Gráfico de caja simple
2. boxplot(datos$edad, main = "Distribución de Edad", ylab = "Edad")
Crea un gráfico de caja mostrando la distribución de la edad.
3. Gráfico de caja múltiple
4. boxplot(datos$edad, datos$altura, names = c("Edad", "Altura"), main =
"Distribución de Edad y Altura", ylab = "Valores")
Crea un gráfico de caja mostrando la distribución de edad y altura.
Gráficos de pastel
1. Gráfico de pastel simple
2. porcentajes <- c(40, 30, 20, 10)
3. etiquetas <- c("A", "B", "C", "D")
4. pie(porcentajes, labels = etiquetas, main = "Distribución de
Porcentajes")
Crea un gráfico de pastel mostrando la distribución de porcentajes.
Ejemplo práctico
# Crear un data frame
datos <- [Link](
nombre = c("Ana", "Luis", "Juan"),
edad = c(23, 25, 22),
altura = c(160, 175, 168)
)
# Gráfico de barras
barplot(datos$edad, [Link] = datos$nombre, main = "Edad de cada persona",
xlab = "Nombre", ylab = "Edad")
# Gráfico de líneas
plot(datos$edad, type = "o", col = "blue", main = "Edad de cada persona", xlab
= "Índice", ylab = "Edad")
# Gráfico de caja
boxplot(datos$edad, main = "Distribución de Edad", ylab = "Edad")
# Gráfico de pastel
porcentajes <- c(40, 30, 20, 10)
etiquetas <- c("A", "B", "C", "D")
pie(porcentajes, labels = etiquetas, main = "Distribución de Porcentajes")
Espero que estos ejemplos te sean útiles. ¿Hay algún tipo de gráfico específico que te gustaría
explorar más?
Edit in Pages
Copy
AI-generated content may be incorrect
You said:
más de graficos
Copilot said:
Copilot
¡Por supuesto! Aquí tienes más ejemplos de gráficos en R:
Gráficos de dispersión con personalización
1. Gráfico de dispersión con colores y tamaños personalizados
2. plot(datos$edad, datos$altura, col = "blue", pch = 16, cex = 1.5, main
= "Edad vs Altura", xlab = "Edad", ylab = "Altura")
Crea un gráfico de dispersión con puntos azules, tamaño de puntos personalizado y
etiquetas.
3. Gráfico de dispersión con diferentes colores por grupo
4. grupo <- c("A", "B", "A")
5. colores <- c("red", "green", "blue")
6. plot(datos$edad, datos$altura, col = colores[grupo], pch = 16, main =
"Edad vs Altura por Grupo", xlab = "Edad", ylab = "Altura")
7. legend("topright", legend = c("Grupo A", "Grupo B"), col = c("red",
"green"), pch = 16)
Gráficos de densidad
1. Gráfico de densidad simple
2. densidad <- density(datos$edad)
3. plot(densidad, main = "Densidad de Edad", xlab = "Edad", ylab =
"Densidad")
Crea un gráfico de densidad para visualizar la distribución de la edad.
4. Gráfico de densidad con relleno
5. densidad <- density(datos$edad)
6. plot(densidad, main = "Densidad de Edad", xlab = "Edad", ylab =
"Densidad")
7. polygon(densidad, col = "lightblue", border = "blue")
Gráficos de cajas y bigotes
1. Gráfico de cajas y bigotes por grupo
2. boxplot(altura ~ grupo, data = datos, main = "Altura por Grupo", xlab
= "Grupo", ylab = "Altura", col = c("red", "green"))
Gráficos de pares
1. Gráfico de pares para explorar relaciones entre variables
2. pairs(datos[, c("edad", "altura")], main = "Gráfico de Pares", pch =
16, col = "blue")
Gráficos de mosaico
1. Gráfico de mosaico para visualizar tablas de contingencia
2. tabla <- table(datos$nombre, datos$edad)
3. mosaicplot(tabla, main = "Gráfico de Mosaico", col = c("red", "green",
"blue"))
Ejemplo práctico
# Crear un data frame
datos <- [Link](
nombre = c("Ana", "Luis", "Juan"),
edad = c(23, 25, 22),
altura = c(160, 175, 168),
grupo = c("A", "B", "A")
)
# Gráfico de dispersión con colores y tamaños personalizados
plot(datos$edad, datos$altura, col = "blue", pch = 16, cex = 1.5, main = "Edad
vs Altura", xlab = "Edad", ylab = "Altura")
# Gráfico de densidad con relleno
densidad <- density(datos$edad)
plot(densidad, main = "Densidad de Edad", xlab = "Edad", ylab = "Densidad")
polygon(densidad, col = "lightblue", border = "blue")
# Gráfico de cajas y bigotes por grupo
boxplot(altura ~ grupo, data = datos, main = "Altura por Grupo", xlab =
"Grupo", ylab = "Altura", col = c("red", "green"))
# Gráfico de pares
pairs(datos[, c("edad", "altura")], main = "Gráfico de Pares", pch = 16, col =
"blue")
# Gráfico de mosaico
tabla <- table(datos$nombre, datos$edad)
mosaicplot(tabla, main = "Gráfico de Mosaico", col = c("red", "green",
"blue"))
Espero que estos ejemplos te sean útiles. ¿Te gustaría explorar algún otro tipo de gráfico o
funcionalidad en R?
Edit in Pages
Copy
AI-generated content may be incorrect
You said:
ahora para tiempos de produccion
Copilot said:
Copilot
¡Entendido! Aquí tienes algunos ejemplos de gráficos en R para analizar y visualizar tiempos de
producción:
Gráficos de series temporales
1. Gráfico de series temporales simple
2. tiempos <- c(5, 6, 7, 8, 9, 10, 11, 12)
3. fechas <- seq([Link]("2025-01-01"), by = "month", [Link] = 8)
4. plot(fechas, tiempos, type = "o", col = "blue", main = "Tiempos de
Producción", xlab = "Fecha", ylab = "Tiempo (horas)")
5. Gráfico de series temporales con múltiples líneas
6. tiempos1 <- c(5, 6, 7, 8, 9, 10, 11, 12)
7. tiempos2 <- c(4, 5, 6, 7, 8, 9, 10, 11)
8. fechas <- seq([Link]("2025-01-01"), by = "month", [Link] = 8)
9. plot(fechas, tiempos1, type = "o", col = "blue", ylim = c(4, 12), main
= "Tiempos de Producción", xlab = "Fecha", ylab = "Tiempo (horas)")
10. lines(fechas, tiempos2, type = "o", col = "red")
11. legend("topright", legend = c("Producción 1", "Producción 2"),
col = c("blue", "red"), lty = 1)
Gráficos de tendencia
1. Gráfico de tendencia con ajuste lineal
2. tiempos <- c(5, 6, 7, 8, 9, 10, 11, 12)
3. fechas <- seq([Link]("2025-01-01"), by = "month", [Link] = 8)
4. plot(fechas, tiempos, type = "o", col = "blue", main = "Tiempos de
Producción con Tendencia", xlab = "Fecha", ylab = "Tiempo (horas)")
5. abline(lm(tiempos ~ fechas), col = "red")
Gráficos de comparación
1. Gráfico de barras para comparar tiempos de producción
2. tiempos <- c(5, 6, 7, 8, 9, 10, 11, 12)
3. nombres <- c("Enero", "Febrero", "Marzo", "Abril", "Mayo", "Junio",
"Julio", "Agosto")
4. barplot(tiempos, [Link] = nombres, col = "blue", main =
"Comparación de Tiempos de Producción", xlab = "Mes", ylab = "Tiempo
(horas)")
Gráficos de distribución
1. Histograma de tiempos de producción
2. tiempos <- c(5, 6, 7, 8, 9, 10, 11, 12)
3. hist(tiempos, col = "blue", main = "Distribución de Tiempos de
Producción", xlab = "Tiempo (horas)", ylab = "Frecuencia")
Ejemplo práctico
# Crear datos de tiempos de producción
tiempos <- c(5, 6, 7, 8, 9, 10, 11, 12)
fechas <- seq([Link]("2025-01-01"), by = "month", [Link] = 8)
# Gráfico de series temporales
plot(fechas, tiempos, type = "o", col = "blue", main = "Tiempos de
Producción", xlab = "Fecha", ylab = "Tiempo (horas)")
# Gráfico de tendencia con ajuste lineal
plot(fechas, tiempos, type = "o", col = "blue", main = "Tiempos de Producción
con Tendencia", xlab = "Fecha", ylab = "Tiempo (horas)")
abline(lm(tiempos ~ fechas), col = "red")
# Gráfico de barras para comparar tiempos de producción
nombres <- c("Enero", "Febrero", "Marzo", "Abril", "Mayo", "Junio", "Julio",
"Agosto")
barplot(tiempos, [Link] = nombres, col = "blue", main = "Comparación de
Tiempos de Producción", xlab = "Mes", ylab = "Tiempo (horas)")
# Histograma de tiempos de producción
hist(tiempos, col = "blue", main = "Distribución de Tiempos de Producción",
xlab = "Tiempo (horas)", ylab = "Frecuencia")
Espero que estos ejemplos te sean útiles para analizar y visualizar los tiempos de producción.
¿Te gustaría explorar algún otro tipo de gráfico o análisis?
Edit in Pages
Copy
AI-generated content may be incorrect
You said:
imagina que los datos salen de un excel exportado de IFS
Copilot said:
Copilot
¡Perfecto! Vamos a imaginar que tienes un archivo Excel exportado de IFS con datos de
tiempos de producción. Primero, necesitarás cargar esos datos en R y luego podrás
crear gráficos para analizarlos. Aquí tienes un ejemplo de cómo hacerlo:
Paso 1: Cargar datos desde Excel
Para cargar datos desde un archivo Excel, puedes usar el paquete readxl. Asegúrate de
tenerlo instalado:
[Link]("readxl")
library(readxl)
Luego, carga los datos desde el archivo Excel:
# Cargar datos desde un archivo Excel
datos_produccion <- read_excel("ruta/al/[Link]", sheet =
"nombre_de_la_hoja")
Paso 2: Visualizar los datos
Es útil echar un vistazo a los datos para entender su estructura:
head(datos_produccion)
summary(datos_produccion)
Paso 3: Crear gráficos
Ahora que tienes los datos cargados, puedes crear gráficos para analizar los tiempos de
producción.
Gráfico de series temporales
# Suponiendo que los datos tienen columnas 'Fecha' y 'Tiempo'
fechas <- [Link](datos_produccion$Fecha)
tiempos <- datos_produccion$Tiempo
plot(fechas, tiempos, type = "o", col = "blue", main = "Tiempos de
Producción", xlab = "Fecha", ylab = "Tiempo (horas)")
Gráfico de tendencia con ajuste lineal
plot(fechas, tiempos, type = "o", col = "blue", main = "Tiempos de Producción
con Tendencia", xlab = "Fecha", ylab = "Tiempo (horas)")
abline(lm(tiempos ~ fechas), col = "red")
Gráfico de barras para comparar tiempos de producción
# Suponiendo que los datos tienen columnas 'Mes' y 'Tiempo'
meses <- datos_produccion$Mes
barplot(tiempos, [Link] = meses, col = "blue", main = "Comparación de
Tiempos de Producción", xlab = "Mes", ylab = "Tiempo (horas)")
Histograma de tiempos de producción
hist(tiempos, col = "blue", main = "Distribución de Tiempos de Producción",
xlab = "Tiempo (horas)", ylab = "Frecuencia")
Ejemplo práctico completo
# Instalar y cargar el paquete readxl
[Link]("readxl")
library(readxl)
# Cargar datos desde un archivo Excel
datos_produccion <- read_excel("ruta/al/[Link]", sheet =
"nombre_de_la_hoja")
# Visualizar los datos
head(datos_produccion)
summary(datos_produccion)
# Crear gráficos
fechas <- [Link](datos_produccion$Fecha)
tiempos <- datos_produccion$Tiempo
# Gráfico de series temporales
plot(fechas, tiempos, type = "o", col = "blue", main = "Tiempos de
Producción", xlab = "Fecha", ylab = "Tiempo (horas)")
# Gráfico de tendencia con ajuste lineal
plot(fechas, tiempos, type = "o", col = "blue", main = "Tiempos de Producción
con Tendencia", xlab = "Fecha", ylab = "Tiempo (horas)")
abline(lm(tiempos ~ fechas), col = "red")
# Gráfico de barras para comparar tiempos de producción
meses <- datos_produccion$Mes
barplot(tiempos, [Link] = meses, col = "blue", main = "Comparación de
Tiempos de Producción", xlab = "Mes", ylab = "Tiempo (horas)")
# Histograma de tiempos de producción
hist(tiempos, col = "blue", main = "Distribución de Tiempos de Producción",
xlab = "Tiempo (horas)", ylab = "Frecuencia")
Espero que estos pasos te ayuden a cargar y visualizar tus datos de producción desde
un archivo Excel. ¿Hay algo más específico que te gustaría saber o algún otro tipo de
análisis que te interese realizar?