# Operaciones aritméticas básicas
5 + 7 # Suma
5 - 3 # Resta
5 * 7 # Multiplicación
5/3 # División
2^3 # Exponentes
Resumen de las actividades
El presente taller tiene como objetivo, realizar un entrenamiento básico, sobre los aspectos más relevantes en el manejo del programa RStudio, el cual se encuentra alojado en el siguiente 📈enlace.
Se utilizará como referente al capitulo 2 del libro Análisis de datos ecológicos y ambientales (Rodríguez-Barrios, J. 2023), alojado en el siguiente enlace 📖Enlace_Libro
Actividad 1. Operaciones básicas en RStudio
Descargar el script de RMarkDown (rmd) titulado “Taller2.1.Rmd” en el siguiente enlace 📈Taller2.1.Rmd.
Crear una carpeta en su computador titulada “Taller2.1_IntroRStudio” y guardar el archivo descargado junto con el resto de materiales que se describen a continuación.
Abrir el archivo “Taller2.1.Rmd” y abrir el siguiente enlace, correspondiente al ejercicio a realizar 📈Taller1.IntroRStudio.
Revisar los siguientes enlaces complementarios:
Actividad 2. Importación y Exportación de datos
[
Continuar en el el archivo “Taller1.Rmd” y en las diapositivas Taller1.IntroRStudio.
Realizar los siguientes procedimientos
- Revisar os siguientes enlaces
Taller 1. Introducción a R y a Tidyverse
R como calculadora
# Logarítmos y exponenciales
x = 5/3
log2(x) # Logarítmo en base 2 de x
log10(x) # Logarítmo en base 10 de x
exp(x) # Exponencial de x# Funciones trigonométricas :
cos(x) # Coseno de x
sin(x) # Seno de x
tan(x) # Tangente de xAsignaciones
# 2) Asignaciín de valores a objetos o a variables
sitios <- 2 # Número de sitios = 2
sitios = 2 # Otra forma
n.sitios <- "dos" # Número de sitios como un caracter
dos.sitios <- TRUE # Objeto lógicoAlgebra
# Vectores
sitios <- c(2, 3, 2, 3) # Vector sitios
sitios # Imprimir el vector
sitios <- c("dos", "tres", "dos", "dos") # Vector como caracter
sitios
abundancia <- c(TRUE, FALSE, TRUE, TRUE) # vector con elementos lógicos
abundancia# Vectores (continuación)
sitios <- c(2, 3, 2, 3) # Vector sitios
names(sitios) <- c("dos", "tres", "dos", "dos") # Nombres de los elementos
sitios <- c(dos= 2, tres= 3, dos= 2, dos= 2) # Otra forma
sitios# Vectores (continuación)
sitios [1:3] # Tres primeros elementos del vector sitios
sitios[c(1,4)] # Primer y cuarto elemento del vector
sitios [-1] # Eliminar el primer elemento del vector# Matrices
Matriz <- matrix(c(1:15),5,3, byrow= FALSE) # 5,3: Número de filas y columnas
Matriz# Matrices (continuación)
t(Matriz) # Transpuesta de la Matriz
Matriz[2,] # Ver la segunda fila (coma a la derecha del dato)
Matriz[,2] # Ver la segunda columna (coma a la izquierda del dato)
Matriz[2:4,] # Filas 2 a la 4
Matriz[c(2,4),] # Filas 2 y 4
Matriz[ ... ] # Valores de la fila 3 y de las columnas 1:3
Matriz[ ... ] # Excluye a la 3a filaBases de datos (data.frames - cbind)
# Base de datos (datos)
datos <- data.frame(
"n" = 1:4, # filas
"indiv." = c("a", "b", "c", "d"), # Individuos
"sexo" = c("f","f","m","m"), # Sexo
"variable" = c(1.2, 3.4, 4.5, 5.6)) # Valor de la variable
datos # Ver asinación del data.frame# Base de datos (continuación)
head(datos) # Muestra las primeras filas
names(datos) # Nombres de las columnas
str(datos) # Estructura de la base de datos
t(datos) # Transpuesta de la base de datosEnlaces de operaiciones en R
/page()
Importar y exportar bases de datos (read y write)
Complementos requeridos
# Librerías requeridas
library(tidyverse)
library(xtable) # Importar y exportar
library(openxlsx) # exportar "*.xlsx"
library(readxl) # Importar y exportar
library(xlsx) # Importar y exportar "*.xlsx" Base de datos del ejercicio
# Base de datos (datos)
datos = data.frame (meses = c("enero", "junio", "octubre"),
periodos = c("sequía", "lluvias1", "lluvias2"),
taxón1 = c(2, 1, 3),
taxón2 = c(20, 25, 30),
taxón3 = c(4, 4, 4))
datos # Ejecutar la asignación (datos)Exportación
# Exportar bases de datos como "datos1"
write.csv2(datos, "datos1.csv") # paquete "utils"
write_csv2(datos, "datos1.csv") # paquete "readxl"
write.xlsx(datos, "datos1.xlsx") # paquete "openxlsx" y "xlsx"Importación
# Importar bases de datos como "datos1"
datos1 <- read.csv2("datos1.csv", row.names = 1) # paquete "utils"
datos1 <- read.csv2(file.choose(), row.names = 1) # paquete "utils"
datos1 <- read_csv2("datos1.csv") # paquete "readxl"
datos1 <- read_csv2(file.choose()) # paquete "readxl"
datos1 <- read_excel("datos1.xlsx") # paquete "readxl"
datos1 <- read_excel(file.choose()) # paquete "readxl"
datos1 <- read.xlsx("datos1.xlsx") # paquete "openxlsx"
datos1 <- read.xlsx(file.choose()) # paquete "openxlsx"Importación desde internet
# Importar archivo *.csv desde la web
datos2 <- read.csv2("https://javier-2712.github.io/Multivariados/Insectos.csv")
datos2 <- read_csv2("https://javier-2712.github.io/Multivariados/Insectos.csv")Enlaces de importación y Exportación de datos
/page()
Introductorio a Tidyverse
Continuar en el el archivo “Taller1.Rmd” y en las diapositivas Taller1.IntroRStudio.
Revisar los siguientes enlaces
Importar la base de datos (datos)
datos1 <- read_excel(file.choose()) # paquete "readxl" Manipulación de los datos enlace
comando
gatherpara visualizar bases de datos alargadascomando
spreadpara visualizar bases de datos a lo anchocomando
%>%tuberías o pippelines.
# Base de datos alargada (datos.l)
datos.l <- datos %>%
gather(key= Columnas, value= Valores)
datos.l# Excluir la columna periodo en formato alargado (-periodos)
datos.l <- datos %>%
gather(key= columnas, value= valores, -periodos)
datos.lNueva base de datos con factor
# Base de datos para 4 estudiantes (con 4 replicas)
# a los que se les midieron dos variables en cuatro ocasiones.
datos <- data.frame(n= 1:16,
Estudiante= c("a","a","a","a","b","b","b","b",
"c","c","c","c", "d","d","d","d"),
Sexo= c("f","f","f","f","f","f","f","f",
"m","m","m","m","m","m","m","m"),
Variable1= c(1.2,3.4,4.5,5.6,1.2,3.4,4.5,5.6,
0.8,2.4,1.8,1.5,1.6,2.1,1.2,0.8),
Variable2= c(2.4,6.8,9.0,11.2,2.4,6.8,9.0,11.2,
1.6,4.8,3.6,3.0,3.2,4.2,2.4,1.6))
datosFiltrando elementos del dataframe (filter)
# Fitrado por sexos "f" y "m"
datos.f <- datos %>% filter(Sexo == "f")
datos.f # Base de datos para mujeres
datos.h <- datos %>% filter(Sexo == "m")
datos.h # Base de datos para hombres# Fitrado por sexos y estudiantes "f" y "m"
datos.a <- datos %>% filter(Sexo =="f", Estudiante =="a")
datos.a # Datos de la estudiante a
datos.a <- datos.f %>% filter(Estudiante =="a")
datos.a # Datos de la estudiante aFiltrando en orden descendente o ascendente (arrange)
# Filtrando en orden descendente y ascendente
datos.des <- datos %>% arrange(desc(Variable1))
datos.des # Variable asignada
datos.asc <- datos %>% arrange(Variable1)
datos.asc # Variable asignadaCombinación de filtrado y orden (filter + arrange)
# Filtrar mujeres en orden descendente.
datos.des.f <- datos %>%
filter(Sexo == "f") %>%
arrange(desc(Variable1))
datos.des.f # Asignación Generación de variables derivadas (arrange)
# Insertar nuevas variables (mutate)
datos.3 <- datos %>%
mutate(Variable3 = Variable1 * Variable2)
datos.3 # Asignación Combinación de filtrado, nuevas variables y orden (filter + mutate + arrange)
# Combinación de funciones (filter, mutate, arrange)
datos.4 <- datos %>%
filter (Sexo == "f") %>%
mutate (Variable3 = Variable2 * 12) %>%
arrange (desc(Variable3))
datos.4 # Asignación # Combinación de funciones (filter, mutate, arrange)
datos.4 <- datos %>%
filter (Sexo == "f", Estudiante == "b") %>%
mutate (Variable3 = Variable2 * 12) %>%
arrange (desc(Variable3))
datos.4Enlaces de operaiciones en Tidyverse
/page()
Taller práctico para la casa
- Realizar los ejemplos del siguiente enlace, utilizando las siguientes opciones de tidyverse:
Filter
Arrange
Mutate
- Realizar los ejemplos del siguiente enlace, utilizando las siguientes opciones de tidyverse:
Pipeline
summarize
group_by
mutate
filter
select
joins
- Realizar los ejemplos del siguiente enlace, utilizando las siguientes opciones de tidyverse:
summarize
group_by
mutate
filter
select
- Realizar los ejemplos del siguiente enlace, utilizando las siguientes opciones de tidyverse:
Ejemplo de los censos
spread