# Configuraciones Iniciales
Unidad 2: rm(list = ls())
Data frame setwd("D:/programacion R/capacitacion")
Str : estructura getwd()
Importar datos dir()
Summary
Contar valores perdidos #### Definicion de [Link]: Para guardar diferentes tipos de datos, numeros y letras. ####
Exportar datos # en los data frame es donde se puede realizar los analisis estadisticos #
x <- [Link]("SN" = 1:2 , "Age"=c(21,15) , "Name" = c("john","Dora"))
INSTALACION DE PAQUETES x
Cargar paquetes
*Funciones apply, lapply, sapply, tapply, mapply y vapply en # Verificacion de la clase / tipo
R typeof(x)
Estadistica descriptiva – analisis de datos class(x)
UNIDAD 3. # Funciones basicas sobre un [Link]
Regresion lineal simple names(x)
Correlación colnames(x)
Plot class(colnames(x))
Regresion lineal multiple colnames(x)[2] #nombre de la columna 2
Logistica , polinomial y poisson. ncol(x)
nrow(x)
UNIDAD 4.
Ggplot # estructura del objeto #
SERIES TEMPORALES str(x)
*Adicionales puede ser la prueba F
fisher , t student, chi cuadrado. # MOdificar la naturaleza de las variables de tipo caracter
Outliers: datos lejanos, errores atípicos. # ya que name es de factores de 2 niveles #y cambiamos porque son nombre #
Valor que numéricamente es muy lejano, #El argumento 'stringsAsFactors' es un argumento para los 'datos . función frame () 'en R. Es
diferente a los demás datos, y es muy lógico que indique
aconsejable retirarlos. #si las cadenas en un marco de datos deben tratarse como variables de factor o simplemente
como cadenas simples
Base Datos que viene incluidos en R x <- [Link]("SN" = 1:2 , "Age"=c(21,15) , "Name" = c("john","Dora") , stringsAsFactors =
Colección de base datos. FALSE)
Paquete usaremos será TREES str(x)
Boxplot ( , horizontal=True) si lo
queremos horizontal # modifiquemos uno de los nombres en x
Puntos fuera de los bigotes son los x
outliers x[1,"Age"] <- 20
Y para saber cuales son también usamos
[Link] # agreguemos una fila
x <- rbind(x , list(3,16,"Abraham"))
x
#Agreguemos una nueva columna
x <- cbind(x , State = c("LI" , "HY" , "TA"))
x
excel_sheets("[Link]") # nos da las hojas existentes en el excel
# Otra forma de añadir columnas Hojas <- excel_sheets("[Link]")
x$Pob <- runif(3,min = 20, max = 40) Students <- read_excel("[Link]",sheet = Hojas[1])
x View(Students)
str(Students)
# La variable Pob sea entera
x$Pob <- round(runif(3,min = 20, max = 40) , digits = 0) # Cargar archivos de stata, sas, SPSS #
x # Stata es un paquete de software estadístico creado en 1985 por StataCorp.
# Es utilizado principalmente por instituciones académicas y empresariales dedicadas a la
# Las columnas de un data frames se pueden eliminar : investigación, especialmente en economía, sociología, ciencias políticas, biomedicina,
x$State <- NULL geoquímica y epidemiología, etc
x library(foreign)
dir()
# Eliminar la primera fila help("[Link]")
x <- x[-1,] [Link]<-[Link]("[Link]",
x [Link] = T, #¿Usar etiquetas de valor Stata para crear factores?
[Link] = T, #¿Convertir las fechas de Stata a la clase Fecha?
[Link] = T, #convertir subrayado
#### Uso de la libreria datasets #### [Link] = T) #advertir las etiquetas faltantes
#Base Datos que viene incluidos en R class([Link])
#Colección de base datos. help("[Link]")
#Paquete usaremos será TREES #El SPSS (Statistical Package for the Social Sciences) es un conjunto de
# programas orientados a la realización de análisis estadísticos aplicados a las ciencias
sessionInfo() sociales
# Carguemos un dataset desde spss
library(help= "datasets") [Link] <- [Link]("[Link]",
str(trees) [Link] = TRUE, #convertir a data frame
[Link] = TRUE, # usar etiquetas de valores
# Sintaxis matricial para acceder a la informacion de una data frame [Link] = [Link]) # ¿se debe utilizar la información sobre los
trees[2:3,] #Selecciono la 2da y 3era fila valores
trees$Volume # perdidos definidos por el usuario para establecer los valores correspondientes
trees[,3] en NA
[Link]
# Seleccionemos las filas con altura (Height) mayor a 82
trees[ trees$Height > 82, ] #El lenguaje SAS opera principalmente sobre tablas de datos: puede leerlas,
#transformarlas, combinarlas, resumirlas, crear informes a partir de ellas, etc.
#Carguemos un dataset desde sas
[Link] <- [Link]("[Link]")
#### Lectura de datos en formato de software comercial
# Leer archivos de excel rm(list = ls())
# Paquete readxl
# 1er paso : cargar la libreria y si no lo tenemos hay que instalarlo #### Ejemplo de un archivo txt ####
library(readxl) # [Link] , header: encabezado
# Primero verificamos que en el directorio de trabajo se encuentre mi archivo de datos
dir() Pima <- [Link]("[Link]",header = TRUE)
summary(Pima)
# lista de hojas (sheet) es necesario dar el numero de hoja #
# Algunas variables poseen elementos de tipo NA : help([Link]) boxplot(sin_outliers)
# Limpiar de NA's la data [Link](sin_outliers)
Pima <- [Link](Pima) sin_outliers <- rivers [rivers < 1100]
summary(Pima) boxplot(sin_outliers)
# [Link] : Elimina todas las filas que tengan algun valor NA [Link](sin_outliers)
sin_outliers <- rivers [rivers < 1054]
#### Caracteristicas graficas del dataframe #### boxplot(sin_outliers)
# boxplot : Diagrama de cajas [Link](sin_outliers) # aqui nos damos cuenta de que ya no tenemos outliers y ya
# La funcion boxplot devuelve a R un objeto de tipo lista podemos trabajar
colnames(Pima)
# calculos descriptivos
# Estudiemos la variable age mean(Pima$age) #promedio de las variables
boxplot(x = Pima$age) median(Pima$age) #mediana de la variables
[Link](x=Pima$age) var(Pima$age) #varianza
sd(Pima$age) #desviacion estandar
# crear un objeto de tipo boxplot summary(Pima$age)
bxp <- boxplot(x = Pima$age)
Pima$age ####
q2 <- quantile(Pima$age, probs = 0.5)
#cantidad de datos que hay q2 #mediana divide la distribucion en dos partes iguales
bxp$n q75 <- quantile(Pima$age , probs = 0.75)
q75 #tercer cuartil
# Estos son considerados como outliers (elementos atipicos) de la variables age q25 <- quantile(Pima$age , probs = 0.25)
bxp$out q25 #primer cuartil
#otra manera de hacer p1 <- quantile(Pima$age , probs = 0.00)
[Link](x=Pima$age) p1 #limite superior
# Para eliminar los outliers
nooutliers <- Pima$age [Pima$age < 56]
[Link](nooutliers)
nooutliers <- Pima$age [Pima$age < 49]
boxplot(x=nooutliers) ####Caracteristicas graficas de data mtcars ##
## Diagramas de dispercion #### ## mpg millas por galon##
data(mtcars)
#identificar los ouliers en toda la data Pima View(mtcars)
Pima_outliers <- Pima[Pima$age %in% bxp$out , ] plot(mtcars$mpg)
Pima_outliers help(plot)
dim(Pima_outliers) plot(mtcars$mpg , type = 'b', col = 'blue',
main = "Dataframe : mtcars",
[Link] = "red",
# tambien podemos trabajar con la data (rivers) [Link] = 6,
data("rivers") xlab = "",
boxplot(rivers, horizontal = TRUE) ylab = "Millas por galons",
[Link](rivers) sub = "Variable $mpg")
sin_outliers <- rivers [rivers < 1243]
# diagrama de barras barplot()
barplot(mtcars$mpg, main = "caballos de fuerza", xlab = "datasets", ylab = "carros") #font:main 1 = simple, 2 = negrita, 3 = cursiva, 4 = negrita cursiva, 5 = símbolo
# diagrama de sectores pie()) grafica circular o de pastel
help(pie)
mydata <- [Link](group=c("A", "B", "0", "AB"), FR=c(20, 32, 32, 16))
pie(mydata$FR, labels = mydata$group)
# histograma
hist(mtcars$drat)
# guardar la imagen en disco duro como un archivo jpeg : jpeg(), sino tambien como png solo
se tiene que cambiar jpeg=png y [Link]()
jpeg(filename = "SegundoGraf_hp.jpeg",height = 800 , width = 800)
plot(mtcars$hp , type = 'o', col = 'blue',
main = "Dataframe : mtcars",
[Link] = "red",
[Link] = 4,
xlab = "",
ylab = "Caballos de fuerza",
sub = "Variable $hp")
[Link]()
#[Link](), para cerrar el dispositivo gráfico que hemos elegido,
#de este modo se creará un archivo y podremos crear más gráficos después.
# en una misma ventana estamos interesados en colocar 4 graficos
jpeg(filename = "[Link]", width = 600 , height = 600)
par(mfrow = c(2,2))
plot(x = mtcars$wt, y = mtcars$mpg , main = "Diagrama de dispercion \n wt vs mpg", col =
"red")
plot(x = mtcars$wt, y = mtcars$disp , main = "Diagrama de dispercion \n wt vs disp" , col =
"#5D93B0")
hist(mtcars$wt , main = "Histograma de wt")
boxplot(mtcars$wt , main = "Boxplot de wt")
[Link]()
#### EXPORTAR DATOS###
# exportar datos a csv
[Link](Pima2, file="[Link]")
# exportar a un archivo txt
[Link](Pima2, file = "[Link]")
# exportar como archivo xlsx
[Link]("xlsx")
library(xlsx)
[Link](Pima2, file = "[Link]", sheetName = "pimasoutliers")