Bienvenida e introducci贸n

1

Todo lo que aprender谩s sobre el lenguaje R

2

Programaci贸n y Data Science

3

R y proyecto econom铆a naranja.

4

Instalando nuestras herramientas

Variables, tipos de datos y estructuras

5

Los primeros c谩lculos con R y variables

6

Tipos de datos

7

Estructura del dataset del proyecto

8

Vectores

9

Matrices

10

Ejercicios con matrices

11

Operadores para comparar y ubicar datos

12

Factores, listas y echar un vistazo al dataset

EDA: Exploratory data analysis

13

Qu茅 es EDA: Exploratory Data Analysis

14

Gr谩ficas de dispersi贸n e histogramas.

15

Box Plot y su interpretaci贸n

16

EDA con dataset proyecto - Gr谩ficas de dispersi贸n.

17

EDA con histogramas.

18

EDA con dataset proyecto - histogramas - ggplot2

19

EDA con box plot- ggplot2

20

EDA con dataset proyecto - box plot- ggplot2 - dplyr

21

EDA con gr谩ficas de dispersi贸n con m谩s de dos variables - ggplot2

22

EDA con dataset proyecto usando gr谩ficas de dispersi贸n con m谩s de dos variables - ggplot2 - plotly

La estad铆stica de los datos

23

Buscando correlaciones con pairs

24

Confirmando correlaciones con la funci贸n cor

25

Buscando correlaciones con pairs en dataset proyecto

26

Confirmando correlaciones con la funci贸n cor en dataset proyecto.

27

Protegi茅ndonos de los peligros del promedio.

28

Eliminando los NA's para hacer los c谩lculos.

29

Estad铆stica y visualizaci贸n aplicada a an谩lisis de datos de mercadeo.

Ajustando los datos

30

Generando tablas, filtrando y seleccionando datos - dplyr-Parte 1

31

Generando tablas, filtrando y seleccionando datos - dplyr-Parte 2

Mejorando la visualizaci贸n

32

Viendo m谩s informaci贸n con facet wrap - Parte 1

33

Viendo m谩s informaci贸n con facet wrap - Parte 2

Organizar visualizaciones y c贸digo con R Markdown

34

Conociendo R Markdown y organizando los hallazgos del an谩lisis en un documento PDF.

Conclusiones Finales

35

Invitaci贸n a continuar recorriendo el mundo del data science.

No tienes acceso a esta clase

隆Contin煤a aprendiendo! 脷nete y comienza a potenciar tu carrera

Generando tablas, filtrando y seleccionando datos - dplyr-Parte 1

30/35
Recursos

Aportes 12

Preguntas 3

Ordenar por:

驴Quieres ver m谩s aportes, preguntas y respuestas de la comunidad?

o inicia sesi贸n.

Clase 30
Generando tablas, filtrando y seleccionando datos - dplyr-Parte 1

.
.
Ajuste de datos para mejor visualizacion y facil interpretacion
.
Para agregar nueva columna, con una nueva variable en el dataset
Que los mas eficientes sean los que esten sobre (mayor al) el promedio
.
Paso 1
Creamos una variable
.
efcientes <- mean(dataset$variable)
eficientes
.
Paso 2
Que en el dataset la variable pase a 鈥渂ajo promeido鈥 , 鈥渆n o sobre promedio鈥 si el dato
es mayor al promedio de esa variable
.
dataset <- dataset %>%
mutate(mas_eficientes=ifelse(variable<eficientes,
鈥渂ajo promedio鈥, 鈥渆n o sobre promedio鈥))
.
.
Solo para ver en consola
Que lo mas veloces sean igual a que la velocidad que se toma en el cuarto de milla
sea menor a 16 segundos

.
Mas_veloces <- dataset [dataset$qsec<16,]
Mas_veloces

PASOS PARA AGREGAR 1 NUEVA VARIABLE AL DATASET:
.

1.- DEFINES LA VARIABLE

.

2.- LA AGREGAS AL DATASET

.

3.- ASI SE VE

Cuando la variable a crear tiene datos que la condicionan puedes usar =ifelse

.

Para que se vea asi

mtcars <- mtcars %>% mutate(Mas_eficientes=ifelse(mpg<eficientes,鈥淏ajo Promedio鈥,鈥淪obre Promedio鈥))
Error in mtcars %>% mutate(Mas_eficientes = ifelse(mpg < eficientes, 鈥淏ajo Promedio鈥, :
could not find function 鈥%>%鈥

eficientes <- mean(mtcars$mpg)
eficientes

mtcars <- mtcars %>% 
  mutate(Mas_eficientes = ifelse(mpg < eficientes,
                                 "bajo promedio",
                                 "en o sobre promedio"))

Mas_veloces <- mtcars[mtcars$qsec<16,]
Mas_veloces

mtcars <- mtcars %>%
  mutate(Velocidad_cuarto_milla = ifelse(qsec < 16,
                                         "Menos 16 segundos",
                                         "Mas 16 segundos"))

mtcars <- mtcars %>%
  mutate(Peso_kilo = (wt/2.2)*1000)
mtcars <- mtcars %>%
  mutate(Peso = ifelse(Peso_kilo <= 1500,
                       'Livianos',
                       'Pesados'))

Hola. Si les sale error al correr el c贸digo:

mtcars=mtcars %>%
mutate(Mas_eficientes=ifelse(mpg<eficientes,
鈥淏ajo promedio鈥,鈥淓n 贸 sobre promedio鈥))

Recuerden tener activo dplyr. Les recomiendo poner:
library(dplyr) antes del c贸digo anterior.

Le estoy cogiendo cari帽o a R. No les est谩 pasando lo mismo ?

Se incorpora al dataset 鈥榤tcars鈥 la cilindrada del motor, convirtiendo 鈥榙isp鈥 o 鈥榙isplacement鈥 en 鈥榗u in鈥 -pulgadas c煤bicas- a 鈥榗c^3鈥 -cent铆metros c煤bicos-.

mtcars <- mtcars %>%
  mutate(Cilindrada = (disp*2.54**3))

interesante!

#Generando tablas, filtrando y seleccionando datos - dplyr-Parte 1
#ajustando datos para mejorar visualizaciones

eficientes <- mean(mtcars$mpg)
eficientes

mtcars <- mtcars%>%
  mutate(Mas_eficientes=ifelse(mpg<eficientes,
                               "bajo promedio","En o sobre promedio"))

mas_veloces <-mtcars[mtcars$qsec<16,]
mas_veloces

mtcars <- mtcars%>%
  mutate(Velocidad_cuarto_milla=ifelse(qsec<16,
                                       "menos 16 segs",
                                       "mas de 16 segs"))

mtcars <- mtcars %>% 
  mutate(Peso_kilo=(wt/2)*1000)

mtcars <- mtcars %>%
  mutate(Peso=ifelse(Peso_kilo <= 1500,
                     "livianos","pesados"))

As铆 me quedo!

#Ajustando los datos
#Generando tablas, filtrando y seleccionando datos 

eficientes <- mean(mtcars$mpg)
eficientes

#agregando nueva columna a mtcars
mtcars <- mtcars %>%
  mutate(Mas_Eficientes=ifelse(mpg<eficientes, 
                      "Debajo promedio", 
                      "Encima o en el promedio"))

Mas_veloces <- mtcars[mtcars$qsec<16,]
Mas_veloces

#agregando columna a mtcars
mtcars <- mtcars %>%
  mutate(Velocidad_Cuarto_Milla=ifelse(qsec<16,
                    "Menos 16seg",
                    "Mas de 16seg"))

#cambiando a kilos el peso
mtcars <- mtcars %>%
  mutate(Peso_Kilos=(wt/2.2)*1000)

mtcars <- mtcars %>%
  mutate(Peso=ifelse(Peso_Kilos<=1500,
              "Liviano", "Pesado"))