Fecha: 30-3-2024
Versión: 1
INTRODUCCIÓN A RStudio
Código: CI-MN-22
INTRODUCCIÓN A RStudio
Tabla de Contenido
1. Introducción………………………………………………………………………………………………………….2
2. Objetivo ……………………………………………………………………………………………………………….2
3. Alcance …………………………………………………………………………………………………………………2
4. Instalación de R y RStudio …………………………………………………………………….…….3
4.1. Software necesario para ejecutar R y RStudio ………………………………………....3
4.2. Instalación Programa R …………………………………………………………………………….3
4.3. Instalación Programa RStudio ………………………………………………………………………..5
5. Introducción al Manejo Básico de
RStudio..………….…………………………………………………………………………………………..6
5.1. Tipos de objetos ……………………………………………………………………………………….7
5.2. Descarga de Paquete ………………………..............................................................8
5.3. Construcción matriz e importar datos…………………………………………….............8
5.4. Ejercicios………………………………………………………………….……………………………….11
5.5. Gráficas básicas ………………………………………….…………………………………………….12
6. Referencias …………………………………………………………………………………………………14
1
Fecha: 30-3-2024
Versión: 1
INTRODUCCIÓN A RStudio
Código: CI-MN-22
1. Introducción
RStudio es un entorno de desarrollo integrado (IDE, por sus siglas en inglés) diseñado
específicamente para trabajar con el lenguaje de programación R. Este lenguaje fue
creado en 1993 por los profesores e investigadores Robert Gentleman y Ross Ihaka
(Usuga & Hernández, 2021).
Actualmente, es reconocida como una herramienta muy útil entre los científicos de
datos, estadísticos y analistas que utilizan R para análisis de datos y modelado
estadístico. La interfaz de RStudio está diseñada para facilitar la escritura, depuración y
ejecución de código en R. Ofrece características como resaltado de sintaxis, completado
automático de código, visualización de gráficos en línea, gestión de proyectos y acceso
a paquetes adicionales.
Una de las características más destacadas de RStudio es su capacidad para integrar todas
las etapas del proceso de análisis de datos en un solo entorno. Esto incluye la
importación de datos, limpieza y manipulación de datos, análisis estadístico,
visualización de datos y generación de informes.
2. Objetivo
El objetivo de este módulo es introducir a los participantes en el uso del programa R y
RStudio, con el fin de capacitarlos para realizar análisis ecológicos. Durante el curso, los
participantes adquirirán los conocimientos básicos necesarios para utilizar estas
herramientas de manera efectiva en sus investigaciones y análisis ambientales. Al
finalizar el módulo, los participantes estarán familiarizados con las funcionalidades
principales de R y RStudio y podrán aplicarlos en una variedad de contextos ecológicos.
3. Alcance
Este módulo está dirigido a los profesionales de la Autoridad Nacional de Licencias
Ambientales (ANLA). Se espera que, al completar el módulo, los participantes hayan
adquirido las habilidades necesarias para utilizar diferentes herramientas de manera
efectiva en su trabajo diario y estén preparados para aplicar R y RStudio en diversos
contextos según sea necesario.
4. Instalación de RStudio
4.1. Software necesario para ejecutar R
Requerido: R ([Link]
Sugerido: RStudio IDE ([Link]
2
Fecha: 30-3-2024
Versión: 1
INTRODUCCIÓN A RStudio
Código: CI-MN-22
Para realizar la instalación de R debe visitar la página del CRAN (Comprehensive R
Archive Network) disponible en este enlace ([Link]
[Link]/bin/windows/base/) . Una vez ingrese a la página encontrará un cuadro
similar al mostrado en la figura 1 donde encontrará los enlaces de la instalación para
diferentes sistemas operativos.
Figura 1. Descarga e instalación R
Supongamos que queremos instalar R en un sistema operativo Windows. Para lograrlo,
simplemente tenemos que hacer clic en el enlace Download R for Windows. Esto nos
llevará a una página con el contenido que se muestra en la Figura 2. A continuación,
debemos hacer clic en el enlace install R for the first time.
Figura 2. Instalación R por primera vez
Luego de esto se abrirá otra página con un encabezado similar al mostrado en la figura
3. Al momento de capturar la figura la versión actual de R es -4.3.3 pero con certeza
usted tendrá disponible la versión actualizada. Una vez allí uste debe dar clic
sobre Download R -4.3.3 for Windows. Luego de esto se descargará el instalador R
en el computador el cual deberá ser instalado con las opciones que vienen por
defecto.
3
Fecha: 30-3-2024
Versión: 1
INTRODUCCIÓN A RStudio
Código: CI-MN-22
Figura 3. Download R -4.3.3 for Windows
En el siguiente link [Link] encontrara un
video de apoyo para realizar la instalación adecuadamente.
4.3. Apariencia del programa
Una vez que R esté instalado en su computadora, podrá acceder a él a través de la lista
de programas o utilizando el acceso directo que se creó en el escritorio. En la siguiente
figura se muestra cómo se ve el acceso directo para ingresar a R.
Figura 4. Download R -4.3.3 for Windows
Al abrir R, verá algo similar en la pantalla de su computadora como se muestra en la
figura 5. La ventana a la izquierda se llama consola, donde se ingresan las instrucciones.
Una vez que se crea un gráfico, se activa otra ventana llamada ventana gráfica. Cualquier
usuario puede modificar la posición y tamaño de estas ventanas, así como cambiar el
tipo y tamaño de las letras en la consola. Para hacer esto, es necesario explorar las
opciones de edición en la barra de herramientas.
4
Fecha: 30-3-2024
Versión: 1
INTRODUCCIÓN A RStudio
Código: CI-MN-22
Figura 5. Interfaz R
4.4. Instalación RStudio
Para realizar adecuadamente la instalación del programa deberá abrir en su navegador
el sitio oficial de RStudio ([Link] ). En la sección de
descargas, debe buscar la versión de RStudio que sea compatible con su sistema
operativo. Por lo general, encontrará opciones para Windows.
Figura 6. Instalación RStudio para Windows
Hagamos de cuenta que queremos instalar RStudio en un sistema operativo Windows,
para ello daremos clic en la opción de este sistema operativo. Una vez que se haya
completado la descarga, haga doble clic en el archivo de instalación descargado (.exe).
5
Fecha: 30-3-2024
Versión: 1
INTRODUCCIÓN A RStudio
Código: CI-MN-22
Lo anterior abrirá el asistente de instalación de RStudio. De clic en "Siguiente" para
avanzar a través de los pasos de instalación. Lea y acepta los términos del acuerdo de
licencia, luego haga clic en "Siguiente". Seleccione la ubicación donde desea instalar
RStudio o simplemente deja la configuración predeterminada y haz clic en "Siguiente".
Finalmente, haga clic en "Instalar" para comenzar el proceso de instalación. Una vez que
la instalación esté completa, haz clic en "Finalizar" para salir del asistente de instalación.
Luego, busque su ubicación e ingrese al programa.
Figura 7. Interfaz RStudio.
5. Introducción al Manejo Básico de RStudio
Para iniciar es necesario entender la Interfaz de RStudio (Figura 7), la cual esta
conformada por 4 ventanas:
• Ventana (1): es el editor de sintaxis: se trata del lugar donde editamos la sintaxis para
posteriormente ejecutarla. Al escribir allí no sucederá nada, a no ser que se apriete algún
botón para ejecutar los comandos o la tecla ctrl+enter.
• Ventana (2): es el “entorno de trabajo” del programa: en este lugar se muestra el
conjunto de datos y los “objetos” (resultados, variables, gráficos, etc.) que se almacenan
al ejecutar diferentes análisis.
• Ventana (3) tiene varias sub pestañas: (i) la pestaña files permite ver el historial de
archivos trabajados con el programa; (ii) la pestaña plots permite visualizar los gráficos
que se generen; (iii) la pestaña packages permite ver los paquetes descargados y
guardados en el disco duro así como gestionar su instalación o actualización; (iv) la
ventana help permite acceder al CRAN - Comprehensive R Archive Network (siempre
6
Fecha: 30-3-2024
Versión: 1
INTRODUCCIÓN A RStudio
Código: CI-MN-22
que se cuente con conexión a Internet), página oficial del software que ofrece diferentes
recursos para el programa: manuales para el usuario, cursos on line, información
general, descarga de paquetes, información de los paquetes instalados, etc. Esta última
pestaña es bastante útil: empleando el motor de búsqueda se accede de manera rápida
a manuales de uso de los diferentes paquetes (y sus funciones) instalados en el
computador (esto no requiere conexión a Internet).7 ; (v) la ventana viewer muestra los
resultados al construir reportes mediante funcionalidades tipo rmarkdown.
• Ventana (4): es la consola. se visualiza en la parte izquierda del programa y su uso es
simple. El código se puede escribir en la parte inferior y se presiona la tecla Enter para
que sea ejecutado. Además, muestra todos los comandos que se han escrito, los
resultados obtenidos y los errores o alertas que presente el código. Debido a estas
características, es la ventana que ofrece una comunicación constante entre el usuario y
el software.
5.1 Tipos de Objetos
En RStudio, al igual que en el lenguaje de programación R, existen diferentes tipos de
objetos que se utilizan para almacenar la información para realizar procedimientos
estadísticos y gráficos. Algunos ejemplos de objetos son:
• Vectores: Un vector es una estructura de datos unidimensional que contiene
elementos del mismo tipo. Puede ser de tipo numérico, de caracteres, lógico,
entre otros. Se pueden crear vectores utilizando la función c() o utilizando
secuencias como seq() o rep().
• Matrices: Una matriz es una estructura de datos bidimensional que contiene
elementos del mismo tipo, organizados en filas y columnas. Se pueden crear
matrices utilizando la función matrix() y especificando el número de filas y
columnas.
• Listas: Una lista es una estructura de datos que puede contener elementos de
diferentes tipos, como vectores, matrices, data frames, entre otros. Se pueden
crear listas utilizando la función list() y especificando los elementos que deseas
incluir.
• Data frames: Un data frame es una estructura de datos bidimensional similar a
una tabla de una base de datos, donde cada columna puede ser de un tipo
diferente. Se utilizan comúnmente para almacenar conjuntos de datos. Se
pueden crear data frames utilizando la función [Link]() y especificando los
vectores que formarán las columnas.
• Factores: Un factor es un tipo especial de vector que representa variables
categóricas o de tipo factor. Se utilizan para almacenar datos categóricos como
"Si/No", "Bajo/Medio/Alto", etc. Se pueden crear factores utilizando la función
factor().
7
Fecha: 30-3-2024
Versión: 1
INTRODUCCIÓN A RStudio
Código: CI-MN-22
• Funciones: Las funciones en RStudio son bloques de código que se pueden
ejecutar para realizar una tarea específica. Pueden ser funciones integradas en
R o funciones personalizadas definidas por el usuario.
Los tipos de objetos y estructuras de datos son seleccionados de acuerdo al propósito
en el análisis de datos y la programación estadística que se desea realizar.
5.2 Descarga de Paquetes
Los paquetes en RStudio son colecciones de funciones, datos y documentación que
extienden la funcionalidad básica de R. Estos paquetes son una parte fundamental del
ecosistema de R y permiten a los usuarios ampliar las capacidades de R para satisfacer
sus necesidades específicas de análisis de datos, visualización y modelado estadístico.
Cada paquete de RStudio está diseñado para realizar tareas específicas y puede
contener funciones que facilitan la importación de datos, la manipulación de datos, el
análisis estadístico, la generación de gráficos, entre otras muchas funcionalidades.
Algunos paquetes son desarrollados y mantenidos por el equipo principal de R, mientras
que otros son creados por la comunidad de usuarios de R.
Para realizar la descarga de los paquetes de RStudio se debe asegurar de tener una
conexión a Internet activa. En la consola de RStudio, puedes instalar el paquete “Nombre
del paquete” utilizando la función [Link](). Sin embargo, en la Ventana 4
busque la pestaña denominada Packages, en dicha sección se puede observar un
buscador y allí puede colocar el nombre del paquete deseado, luego de clic sobre el
paquete para su descarga. Puede observar en la Consola que se haya descargado
adecuadamente.
Figura 8. Interfaz para descargar paquetes en RStudio
8
Fecha: 30-3-2024
Versión: 1
INTRODUCCIÓN A RStudio
Código: CI-MN-22
5.3 Construcción matriz
Para construir una matriz en RStudio, se puede utilizar la función matrix() o incluir una
matriz ya existente a partir de un archivo de tipo csv, xlx, o txt.
Comenzaremos a construir una matriz a partir de la consola de RStudio, para ello
utilizaremos la función matrix().
# Crear una matriz de 2x3 con algunos valores
matriz <- matrix(c(1, 2, 3, 4, 5, 6), nrow = 2, ncol = 3)
# Mostrar la matriz
print(matriz)
Esto creará una matriz de 2 filas y 3 columnas con los valores del 1 al 6. Se puede ajustar
los valores y las dimensiones según sea necesario para su caso específico. También
puede crear una matriz a partir de un vector y especificar si desea que los datos se llenen
por fila o por columna:
9
Fecha: 30-3-2024
Versión: 1
INTRODUCCIÓN A RStudio
Código: CI-MN-22
Figura 9. Construcción de Matriz en la Consola de RStudio
Por otro lado, si ya se tiene una matriz de un archivo de Excel o un archivo de texto a
RStudio, puedes utilizar varias funciones dependiendo del formato del archivo y tus
necesidades específicas. Aquí tiene algunos ejemplos:
Para archivos de Excel:
• Usando readxl package: Para leer datos desde un archivo Excel (.xlsx, .xls),
primero debes instalar y cargar el paquete readxl. Luego puedes utilizar la
función read_excel() para cargar los datos en RStudio. Usar el archivo
‘[Link]’ como ejemplo.
# Instalar y cargar el paquete readxl
[Link]("readxl")
library(readxl)
# Leer datos desde un archivo Excel
datos_excel <- read_excel("ruta/al/[Link]")
• Usando openxlsx package: Similar al paquete readxl, puedes usar el paquete
openxlsx para leer archivos Excel. Primero, debes instalar y cargar el paquete, y
luego usar la función [Link]().Usar el archivo ‘[Link]’ como ejemplo.
# Instalar y cargar el paquete openxlsx
[Link]("openxlsx")
library(openxlsx)
# Leer datos desde un archivo Excel
datos_excel <- [Link]("ruta/al/[Link]")
10
Fecha: 30-3-2024
Versión: 1
INTRODUCCIÓN A RStudio
Código: CI-MN-22
Para archivos de texto (txt, csv, etc.):
• Usando [Link]() o [Link](): Puedes utilizar estas funciones para leer datos
desde archivos de texto como .txt o .csv. Simplemente proporciona la ruta al
archivo como argumento. Usar el archivo ‘[Link]’ y ‘[Link]’ como
ejemplos.
# Leer datos desde un archivo de texto (csv)
datos_txt <- [Link]("ruta/al/ [Link]")
# Leer datos desde un archivo de texto (txt)
datos_txt <- [Link]("ruta/al/ [Link]", header = TRUE) # Si el archivo tiene
encabezados
5.4 Ejercicios
• Operaciones básicas:
En la consola se pueden desarrollar operaciones básicas solo colocando los datos
y dando Enter. Pero en este ejercicio observaremos como se pueden definir
variables y mostrar los resultados.
# Ejercicio de introducción a R: Operaciones básicas
# Definir dos variables numéricas
num1 <- 10
num2 <- 5
# Realizar la suma de las dos variables
suma <- num1 + num2
# Realizar la resta de las dos variables
resta <- num1 - num2
# Mostrar los resultados
print("Resultado de la suma:")
print(suma)
print("Resultado de la resta:")
print(resta)
En este ejercicio, primero definimos dos variables num1 y num2 con los valores
10 y 5, respectivamente. Luego, realizamos la suma de estas dos variables y
almacenamos el resultado en la variable suma. Posteriormente, realizamos la
11
Fecha: 30-3-2024
Versión: 1
INTRODUCCIÓN A RStudio
Código: CI-MN-22
resta de num1 menos num2 y almacenamos el resultado en la variable resta.
Finalmente, mostramos los resultados de la suma y la resta utilizando la función
print().
• Elaboración de tablas:
En este ejercicio se elabora una tabla de abundancias del Oso Andino. En este
caso, vamos a simular una tabla de abundancias del Oso Andino en diferentes
áreas protegidas:
# Ejercicio: Tabla de abundancias de Oso Andino en áreas protegidas
# Crear un vector con el nombre de las áreas protegidas
areas_protegidas <- c("Páramo de Sumapaz", "Páramo de Chingaza", " Parque
Nacional Natural Cordillera de los Picachos", "Parque Nacional Cocuy")
# Crear un vector con las abundancias de Oso Andino en cada área
abundancias_OsoA <- c(150, 120, 180, 90)
# Crear un data frame con los datos
tabla_abundancias <- [Link](Area = areas_protegidas, Abundancia =
abundancias_OsoA)
# Mostrar la tabla de abundancias
print(tabla_abundancias)
• Elaboración de Gráficas:
Con la información de la tabla de abundancias de Oso Andino en diferentes áreas
protegidas, hay varias gráficas que se podrían hacer en R para representar estos datos
de manera efectiva.
Gráfico de barras: Un gráfico de barras es una buena opción para comparar las
abundancias de Oso Andino en diferentes áreas protegidas.
# Gráfico de barras
barplot(tabla_abundancias$Abundancia, [Link] =
tabla_abundancias$Area,
main = "Abundancia de OsoA en áreas protegidas", xlab = "Área protegida",
ylab = "Abundancia de OsoA",
col = "skyblue", ylim = c(0, max(tabla_abundancias$Abundancia) + 50))
12
Fecha: 30-3-2024
Versión: 1
INTRODUCCIÓN A RStudio
Código: CI-MN-22
Figura 10. Ejemplo Gráfico de barras en RStudio
Gráfico de pastel: Un gráfico de pastel puede ser efectivo para mostrar la proporción de
la abundancia de Oso Andino en cada área protegida en relación con el total.
Andino en cada área protegida en relación con el total.
# Gráfico de pastel
pie(tabla_abundancias$Abundancia, labels = tabla_abundancias$Area, main =
"Proporción de abundancia de OsoA en áreas protegidas", col =
rainbow(length(tabla_abundancias$Area)))
Figura 11. Ejemplo Gráfico de pastel en RStudio
13
Fecha: 30-3-2024
Versión: 1
INTRODUCCIÓN A RStudio
Código: CI-MN-22
5.5 Taller
1. Realiza una tabla de Excel de 20 especies con su respectiva abundancia
2. Importa los datos a Rstudio
3. Visualiza en gráficos los datos
4. Realiza una suma del total de individuos encontrados en la zona de estudio.
6. Información complementaria
A continuación, encontrará un link en donde podrá acceder a diferentes tutoriales como
material de apoyo.
Link: [Link]
Igualmente podrá usar el script llamado ‘Introducción a R’ para desarrollar ejercicios con
operaciones básicas en R.
7. Referencias
Hernández, J., F. & Correa. 2018. Gráficos Con R. Primera. Medellín, Colombia:
Universidad Nacional de Colombia. [Link] .
Peng, R. D. (2016). R programming for data science. Leanpub.
[Link]
_Science_184p_.pdf
RStudio Team. (2020). RStudio: Integrated Development Environment for r. Boston, MA:
RStudio, PBC
Santana, J. S., & Farfán, E. M. (2014). El arte de programar en R: un lenguaje para la
estadística. Instituto Mexicano de Tecnología del Agua, [Link]
Usuga, O., & Hernández, F (2021). Manual de R. [Link]
Wickham, H. (2016). Ggplot2: Elegant Graphics for Data Analysis. New York: Springer‐
Verlag. [Link]
Wickham, H., & Bryan, J. (2019). Readxl: Read Excel Files. [Link]
package=readxl
Wickham, H., François, R., Henry, L., & Müller, K. (2020). Dplyr: A Grammar of Data
Manipulation. [Link]
14