Bienvenida e introducción
Todo lo que aprenderás sobre el lenguaje R
Programación y Data Science
R y proyecto economía naranja.
Instalando nuestras herramientas
Variables, tipos de datos y estructuras
Los primeros cálculos con R y variables
Tipos de datos
Estructura del dataset del proyecto
Vectores
Matrices
Ejercicios con matrices
Operadores para comparar y ubicar datos
Factores, listas y echar un vistazo al dataset
EDA: Exploratory data analysis
Qué es EDA: Exploratory Data Analysis
Gráficas de dispersión e histogramas.
Box Plot y su interpretación
EDA con dataset proyecto - Gráficas de dispersión.
EDA con histogramas.
EDA con dataset proyecto - histogramas - ggplot2
EDA con box plot- ggplot2
EDA con dataset proyecto - box plot- ggplot2 - dplyr
EDA con gráficas de dispersión con más de dos variables - ggplot2
EDA con dataset proyecto usando gráficas de dispersión con más de dos variables - ggplot2 - plotly
La estadística de los datos
Buscando correlaciones con pairs
Confirmando correlaciones con la función cor
Buscando correlaciones con pairs en dataset proyecto
Confirmando correlaciones con la función cor en dataset proyecto.
Protegiéndonos de los peligros del promedio.
Eliminando los NA's para hacer los cálculos.
Estadística y visualización aplicada a análisis de datos de mercadeo.
Ajustando los datos
Generando tablas, filtrando y seleccionando datos - dplyr-Parte 1
Generando tablas, filtrando y seleccionando datos - dplyr-Parte 2
Mejorando la visualización
Viendo más información con facet wrap - Parte 1
Viendo más información con facet wrap - Parte 2
Organizar visualizaciones y código con R Markdown
Conociendo R Markdown y organizando los hallazgos del análisis en un documento PDF.
Conclusiones Finales
Invitación a continuar recorriendo el mundo del data science.
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
Adquiere por un año todos los cursos, escuelas y certificados por un precio especial.
Antes: $249
Paga en 4 cuotas sin intereses
Termina en:
head: es una función que nos retorna los primeros elementos de un dataset, por defecto nos retorna los primeros 6.tail: función similar a head solamente que esta función nos retorna los últimos elementos.Además de poder visualizar un dataset con str podemos instalar el paquete dplyr: install.packages(“dplyr”). Una vez instalado usamos la función glimpse.
Una lista es un vector genérico que puede contener objetos de todo tipo, en R para crear una lista solamente debes llamar a la función list y pasarle como argumentos los elementos.
Aportes 47
Preguntas 6
Igualmente cuando usamos la función head() por defecto devuelve los 6 primeros valores, pero este puede ser configurable añadiendo un parámetro:
head(orangeec, n = 3)
así mostramos los tres primeros valores. Lo mismo sucede con tail()
tail(orangeec, n = 2)
P R E S T A ☝ A T E N C I Ò N 😜
.
.
FACTORES
.
.
LISTAS
.
.
ECHAR UN VISTAZO AL DATASET
.
head()
.
tail()
.
glimpse()
.
str()
Algo muy curioso es que R no trabaja con indices en 0 , si no, que directamente comienza en 1
https://bookdown.org/jboscomendoza/r-principiantes4/
para quien le ayude un poco
Otra forma de requerir o importar un paquete que acabamos de instalar es require(“dplyr”). Que es parecido a library(“dplyr”)
Dejo también un libro llamado “Analizar Datos Políticos” para ampliar el conocimiento en R. Saludos comunidad! https://arcruz0.github.io/libroadp/index.html
en:
my_matrix <- matrix(1:9, ncol = 3)
más que indicando (min. 6:40) que la secuencia numerada se ordene por columnas (algo como un ORDER BY en SQL), se está indicando que la tabla se arme con 3 columnas, el que la secuencia se ordene por columnas es el método por defecto de R, no obstante, si a esta misma instrucción le agregamos el parámetro byrow = TRUE ahí estamos cambiando el comportamiento por defecto especificando que la secuencia se ordene por filas, favor confirmar si estoy en lo correcto, saludos!
Resumen
Cuarteto de Anscombe: hace mención a la importancia de visualizar los datos antes de enfocarnos en las fórmulas estadísticas. Lo que es muy importante en Data Science para analizar los datos.
Un poco más de R en este link: https://tereom.github.io/est_computacional/01-Intro-R/R_analisis_datos_visualizacion
Que son factores
#Factores listas y echar un vistazo al dataset
nivel_curso <- c( "basico", "intermedio", "avanzado")
nivel_curso
#echar un vistazo a la parte superio del dataset, R me muestra los primeros 6 resultados
head(mtcars)
head(orangeec)
#vistazo de que en que termina el dataset
tail(mtcars)
tail(orangeec)
#vistazo general con glipse. Instalar paquete ("dplyr")
glimpse(orangeec)
#crear listas
my_vector <- 1:8
my_vector
my_matrix <- matrix(1:9, ncol=3)
my_matrix
my_df <- mtcars[1:4,]
my_df
#muestra todas los valores de cada una de las listas
my_list <- list(my_vector, my_matrix, my_df)
my_list
La función glimpse también se habilita al escribir.
dplyr::glimpse(orangeec)
Claro, después de haber instalado la paquetería.
Me sirvió verlo aquí en los comentarios.
Buenos dias, primero que todo, los felicito por el curso, muy bueno. Segundo, tengo un proyecto de C# y utilizo MVC, y me gustaría empezar a involucrar R, en unos reportes que me estan solicitando. Tengo una duda, como se puede hacer esta integración, y segundo cual es la mejor practica para realizar una conexión hacia una base de datos la cual es SqlServer?
Gracias
Factores.
un tipo de dato que tiene variables categóricas.
Excelente clase, hay cosas que cambian de lenguajes anteriores
Excelente profesora!
De manera más sencilla:
mi_lista = list(1, "dos", FALSE, 5.5)
Entiendo que factor son datos categóricos, pero lo que creamos fue un vector de caracteres.
Creo que faltó lo siguiente:
Nivel_Curso = as.factor(Nivel_Curso)
O estoy equivocado?
recuerden que si las librerias no funcionan es porque deben llamarlas con library(nombre de la libreria que han instalado)
En “my_matrix” por defecto: byrow = FALSE
Por eso los numeros se agrupan por columnas, no tiene que ver el “ncol”
la señora empieza a trabajar y no explica ni lo que va a hacer…
Sino les funciona glimpse, instalen también la librería tibble y les funciona.
No se a quién le pueda servir, pero si tienen mac, toca instalar Pillar adicional a dbplyr, de esta forma nos funciona glimpse. Mejor descargarlo e instalarlo desde CRAN.
Hola porque en el elemento de my_matrix <- matrix (1:9, ncol= 3) este numero 3 tiene que ser ese y no puede ser ni 4 ni 2 ???
head(dataset) #6
tail(dataset) #6
#description
str(dataset)
instal.package(“dplyr”)
#otra forma de description
glipse(dataset)
vector1 <- 1:8 #1 al 8
matriz1 <- matrix(1:9, ncol=3) #3 columnas 1 al 9
,1 ,2 ,3
1, 1 4 7
2, 2 5 8
3, 3 6 9
#primeros 4 registros
my_df <- mtcars=[1:4,]
#unit todo en lista
list1 <- list(vector1, matriz1, my_df)
Si todo lo podemos meter en una lista… ¿podemos meter listas dentro de las listas?
Nivel_curso <- c('Basico', 'Intermedio', 'Avanzado')
Nivel_curso
head(mtcars)
head(orangeec)
tail(mtcars)
tail(orangeec)
glimpse(orangeec)
my_vector <- 1:8
my_matrix <- matrix(1:9, ncol = 3)
my_df <- mtcars[1:4,]
my_vector
my_matrix
my_df
my_list <- list(my_vector, my_matrix, my_df)
my_list```
Por si alguien se traba con el glimpse, pongan esto:
library(dplyr) glimpse(mtcars)
Muy buen curso, estoy aprendiendo mucho de R.
Para acceder a un objeto de una lista se usan indices. En este caso al vector se accede con my_list[1]. Para la matrix con my_list[2]. Para el data frame con my_list[3]. Esto difiere de python en donde los indices inician en cero.
Fcatores
Hola Sonia! Instalé correctamente ´dplyr´, pero al correr la función glimpse , me sale este error:
glimpse(orangeec)
Error in glimpse(orangeec) : could not find function “glimpse”
Crees que sea por la versión de R Studio? me ayudas por favor? gracias!
 me devuelve que es de tipo ‘character’? ¿Qué diferencia hay y cómo armo correctamente un factor?
Excelente clase, a seguir practicando
Nivel_curso <- c('Basico','Intermedio','Avanzado')
Nivel_curso
head(mtcars)
head(orangeec)
tail(mtcars)
tail(orangeec)
glimpse(orangeec)
my_vector <- 1:8
my_matrix <- matrix(1:9, ncol=3)
my_df <- mtcars[1:4,]
my_list <- list(my_vector,my_matrix,my_df)
Hola Sonia
no puedo correr la linea
glimpse(orangeec)
me sale este error
Error in glimpse(orangeec) : could not find function “glimpse”
instale sin problema “dplyr”, porque sera? por favor ayuda
Excelente esta clase! Ayuda a clarar muchos conceptos, particularmente los objetos que se usan en un proyecto.
esa lista la podemos llamar dataframe entonces?
Voy probando en R Studio y en Jupyter.
En caso de que se quiera utilizar nuevamente el código hay que colocar:
library(dplyr)
Hola,
La clase me encantó, adicionalmente me gustaría agregar que también se puede cambiar de nombre a los elementos de una lista. Saludos.
names(lista_1) <- c(‘vector_1’, ‘matrix_1’, ‘data_frame_1’)
Qué tengo que hacer cuando me sale éste error al inentar instalar el paquete “dplyr”?
> install.packages("dyplr")
WARNING: Rtools is required to build R packages but is not currently installed. Please download and install the appropriate version of Rtools before proceeding:
https://cran.rstudio.com/bin/windows/Rtools/
Installing package into ‘C:/Users/Luis/Documents/R/win-library/4.0’
(as ‘lib’ is unspecified)
Warning in install.packages : package ‘dyplr’ is not available for this version of R
A version of this package for your version of R might be available elsewhere, see the ideas at
https://cran.r-project.org/doc/manuals/r-patched/R-admin.html#Installing-packages```
Saben porque cuando aplicamos un factor, les sale NA???
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?
o inicia sesión.