Adecuación al algoritmo K-means

Clase 21 de 34 • Curso Profesional de Ciencia de Datos 2019

Fredy Alberto Orozco Loaiza

student•

Hay una parte que no explican, espero que este código les sirva

mis_aspiradoras$Dimensiones<-as.character(mis_aspiradoras$Dimensiones)
mis_aspiradoras$Dimensiones<-gsub(" cm","",mis_aspiradoras$Dimensiones)
mis_aspiradoras$Dimensiones<-gsub(",",".",mis_aspiradoras$Dimensiones)
mis_aspiradoras$Dimensiones<-gsub("-1",NA,mis_aspiradoras$Dimensiones)
dimen<-str_split_fixed(mis_aspiradoras$Dimensiones," x",3)
colnames(dimen) <- c('Ancho','Alto','Profundidad')
dimen<-as.data.frame(dimen)

##prosesamiento ancho
dimen$Ancho<-gsub("-1",NA,dimen$Ancho)
dimen$Ancho<-as.numeric(dimen$Ancho)
ancho_mean <- mean(dimen$Ancho, na.rm = TRUE)
dimen$Ancho[is.na(dimen$Ancho)]<-ancho_mean

##prosesamiento Alto
dimen$Alto<-gsub("-1",NA,dimen$Alto)
dimen$Alto<-as.numeric(dimen$Alto)
alto_mean <- mean(dimen$Alto, na.rm = TRUE)
dimen$Alto[is.na(dimen$Alto)]<-alto_mean 

##prosesamiento Profundidad
dimen$Profundidad<-gsub("-1",NA,dimen$Profundidad)
dimen$Profundidad<-as.numeric(dimen$Profundidad)
pro_mean <- mean(dimen$Profundidad, na.rm = TRUE)
dimen$Profundidad[is.na(dimen$Profundidad)]<-pro_mean ```

Gabriel Andrés Alzate Acuña

student•

Me parece de mal gusto que la profesora de a entender que el comando al minuto 3:53 le haya funcionado cuando evidentemente aparece un error pues no debe ingresar:

ncol=3

sino

n=3

Además luego sigue como si le hubiera funcionado y el descaro es ya le aparece con los nombres, ajustada la media y de forma numérica, siendo que la función ni siquiera en los manuales muestra que remotamente haga eso y ella asume que el comando hace eso. Es un procso que toca realizar y se esta saltando una buena parte de la explicación con comandos que no funcionan para lo que ella muestra.

Conrado Javier Jiménez Méndez

student•

En el minuto 4:07 hay un error en la edición: las variables ya aparecen con los nombres "alto, ancho y profundidad" sin embargo no se ve el momento en que se asignaron esos nombres. Además son de tipo numérico y el comando "str_split_fixed" genera cadenas de texto. Me parece que esas variables ya existían corregidas porque el código para separar el campo no se ejecuta porque tienen un error (que se ve en el minuto 3:53)

dimen<-str_split_fixed(aspiradoras$`Dimensiones del producto`,"x", ncol=3)

El código correcto es:

dimen<-str_split_fixed(aspiradoras$`Dimensiones del producto`,"x", n=3)

Habrá que editar esta parte para no confundir.

Claudio Pedalino

student•

LEER ANTES DE MIRAR EL VIDEO!

En el vídeo la profesora ya tenia cargada la variable "dimen", en el momento en el que nos muestra como la crea obtiene un error por poner: ncol = 3 en vez de: n = 3 por lo tanto la profesora en vez de crear (o remplazar) la variable dimen utiliza la que ya tenia de antes.

El codigo que tienen que hacer es ponerle nombre a las columnas y luego remplazar los datos faltantes de cada columna por su media. Buena Suerte, si no les sale miren los otros comentarios.

Fredy Alberto Orozco Loaiza

student•

Gracias, fue super util entender esto

Gabriel Andrés Alzate Acuña

student•

Les dejo mi código que soluciona los errores desde la parte que separa las dimensiones en 3 (los nombres que uso de variables tienen punto por si algo)

dimen<-str_split_fixed(aspiradoras$DImensiones.del.producto,"x",3)
dimen<-as.data.frame(dimen)
colnames(dimen)<-c("ancho","alto","profundidad")
dimen
#ya lo tenemos como dataframe
#hasta aca vamos
#Ahora saquemos las medias para llenar vacios
#para hacer esto debemos pasar las columnas de dimen a characer y despues a numeric
#o se llena todo de información falsa
dimen$ancho<-as.character(dimen$ancho)
dimen$alto<-as.character(dimen$alto)
dimen$profundidad<-as.character(dimen$profundidad)

dimen$ancho<-as.numeric(dimen$ancho)
dimen$alto<-as.numeric(dimen$alto)
dimen$profundidad<-as.numeric(dimen$profundidad)
dimen

#Ahora si calculamos las medias
mediaancho<-mean(dimen$ancho,na.rm = TRUE)
mediaalto<-mean(dimen$alto, na.rm = TRUE)
mediaprofundidad<-mean(dimen$profundidad, na.rm = TRUE)

#y reemplazamos los NA por las medias
dimen$ancho[is.na(dimen$ancho)]<-mediaancho
dimen$alto[is.na(dimen$alto)]<-mediaalto
dimen$profundidad[is.na(dimen$profundidad)]<-mediaprofundidad

View(dimen)

resultadolimpio<-cbind(aspiradoras,dimen)
View(resultadolimpio)
resultadolimpio<-resultadolimpio[,-5]
View(resultadolimpio)

David fernando Pinzon suarez

student•

Muchas gracias!!

Jorge Augusto Sánchez Jácome

student•

En el video no veo cuando llama las columnas para que se llamen alto, ancho y profundidad

Dagoberto Porras Plata

student•

Si se perdieron en el minuto 4:07 les comparto mi código que hice:

# Script para obtener información de Amazon mediante Rvest
rm(list = ls())
library(xml2)
library(rvest)
mis_aspiradoras<-read.csv(file='mis_aspiradoras.csv')
View(mis_aspiradoras)

# Preprocesamiento de datos
mis_aspiradoras$Peso<-as.character(mis_aspiradoras$Peso)
mis_aspiradoras$Peso<-gsub("Kg","", mis_aspiradoras$Peso)

mis_aspiradoras$Peso[grep("g", mis_aspiradoras$Peso)]<- as.numeric(gsub("g", "",
  mis_aspiradoras$Peso[grep("g", mis_aspiradoras$Peso)]))/1000
str(mis_aspiradoras$Peso)

# reemplazando los valores NA
mis_aspiradoras$Peso<-gsub(",",".", mis_aspiradoras$Peso)
mis_aspiradoras$Peso<-gsub("-1", NA, mis_aspiradoras$Peso)
mis_aspiradoras$Peso<-as.numeric(mis_aspiradoras$Peso)
mis_aspiradoras$Peso

#calculo del peso medio
pesomedio<-mean(mis_aspiradoras$Peso, na.rm=TRUE)
pesomedio
mis_aspiradoras$Peso[is.na(mis_aspiradoras$Peso)]<-pesomedio
hist(mis_aspiradoras$Peso)
# mayor detalle de la columna peso
summary(mis_aspiradoras$Peso)

# preprocesado Volumen
mis_aspiradoras$Volumen<-as.character(mis_aspiradoras$Volumen)
mis_aspiradoras$Volumen<-gsub("litros","", mis_aspiradoras$Volumen)

mis_aspiradoras$Volumen[grep("ml", mis_aspiradoras$Volumen)]<- as.numeric(gsub("ml", "",
  mis_aspiradoras$Volumen[grep("ml", mis_aspiradoras$Volumen)]))/1000
# reemplazando los valores NA
mis_aspiradoras$Volumen<-gsub(",",".", mis_aspiradoras$Volumen)
mis_aspiradoras$Volumen<-gsub("-1", NA, mis_aspiradoras$Volumen)
mis_aspiradoras$Volumen<-as.numeric(mis_aspiradoras$Volumen)
mis_aspiradoras$Volumen

# vamos a reemplazar los NA con el Volumen medio
#calculo del peso medio
Volmedio<-mean(mis_aspiradoras$Volumen, na.rm=TRUE)
Volmedio
mis_aspiradoras$Volumen[is.na(mis_aspiradoras$Volumen)]<-Volmedio
mis_aspiradoras$Volumen
hist(mis_aspiradoras$Volumen)
summary(mis_aspiradoras$Volumen)

#---> Preprocesado Número de opiniones
mis_aspiradoras$Opiniones<-as.character(mis_aspiradoras$Opiniones)
mis_aspiradoras$Opiniones<-gsub("opiniones de clientes","", mis_aspiradoras$Opiniones)

# reemplazando los valores NA
mis_aspiradoras$Opiniones<-gsub(",","", mis_aspiradoras$Opiniones)
mis_aspiradoras$Opiniones<-gsub("-1", NA, mis_aspiradoras$Opiniones)
mis_aspiradoras$Opiniones<-as.numeric(mis_aspiradoras$Opiniones)
mis_aspiradoras$Opiniones

#LOS NA los voy a reemplazar x 0
#pesomedio<-mean(mis_aspiradoras$Peso, na.rm=TRUE)
#pesomedio
mis_aspiradoras$Opiniones[is.na(mis_aspiradoras$Opiniones)]<-0
hist(mis_aspiradoras$Opiniones)
# mayor detalle de la columna peso
summary(mis_aspiradoras$Opiniones)

#---> Preprocesado precio
mis_aspiradoras$Precio<-as.character(mis_aspiradoras$Precio)
mis_aspiradoras$Precio<-gsub("€","", mis_aspiradoras$Precio)

# reemplazando los valores NA
mis_aspiradoras$Precio<-gsub(",",".", mis_aspiradoras$Precio)
mis_aspiradoras$Precio<-gsub("-1", NA, mis_aspiradoras$Precio)
mis_aspiradoras$Precio<-as.numeric(mis_aspiradoras$Precio)
mis_aspiradoras$Precio

#calculo del precio medio
preciomedio<-mean(mis_aspiradoras$Precio, na.rm=TRUE)
preciomedio
mis_aspiradoras$Precio[is.na(mis_aspiradoras$Precio)]<-preciomedio
hist(mis_aspiradoras$Precio)
# mayor detalle de la columna peso
summary(mis_aspiradoras$Precio)

#---> Preprocesado Número de opiniones
mis_aspiradoras$Opiniones<-as.character(mis_aspiradoras$Opiniones)
mis_aspiradoras$Opiniones<-gsub("opiniones de clientes","", mis_aspiradoras$Opiniones)

# reemplazando los valores NA
mis_aspiradoras$Opiniones<-gsub(",","", mis_aspiradoras$Opiniones)
mis_aspiradoras$Opiniones<-gsub("-1", NA, mis_aspiradoras$Opiniones)
mis_aspiradoras$Opiniones<-as.numeric(mis_aspiradoras$Opiniones)
mis_aspiradoras$Opiniones

#LOS NA los voy a reemplazar x 0
#pesomedio<-mean(mis_aspiradoras$Peso, na.rm=TRUE)
#pesomedio
mis_aspiradoras$Opiniones[is.na(mis_aspiradoras$Opiniones)]<-0
hist(mis_aspiradoras$Opiniones)
# mayor detalle de la columna peso
summary(mis_aspiradoras$Opiniones)

#---> Preprocesado Potencia
mis_aspiradoras$Potencia<-as.character(mis_aspiradoras$Potencia)
mis_aspiradoras$Potencia<-gsub("vatios","", mis_aspiradoras$Potencia)

mis_aspiradoras$Potencia[grep("kW", mis_aspiradoras$Potencia)]<- as.numeric(gsub("kW", "",
  mis_aspiradoras$Potencia[grep("kW", mis_aspiradoras$Potencia)]))*1000

# reemplazando los valores NA
mis_aspiradoras$Potencia<-gsub(",",".", mis_aspiradoras$Potencia)
mis_aspiradoras$Potencia<-gsub("-1", NA, mis_aspiradoras$Potencia)
mis_aspiradoras$Potencia<-as.numeric(mis_aspiradoras$Potencia)
mis_aspiradoras$Potencia

#calculo del ppotencia medio
potenciamedia<-mean(mis_aspiradoras$Potencia, na.rm=TRUE)
potenciamedia
mis_aspiradoras$Potencia[is.na(mis_aspiradoras$Potencia)]<-potenciamedia
hist(mis_aspiradoras$Potencia)
# mayor detalle de la columna potencia
summary(mis_aspiradoras$Potencia)

#---> Preprocesado Dimensiones del producto
library(stringr)
mis_aspiradoras$Dimensiones.del.producto<-gsub("cm","", mis_aspiradoras$Dimensiones.del.producto)
mis_aspiradoras$Dimensiones.del.producto<-as.character(mis_aspiradoras$Dimensiones.del.producto)
mis_aspiradoras$Dimensiones.del.producto<-gsub(",",".", mis_aspiradoras$Dimensiones.del.producto)
dimen<-str_split_fixed(mis_aspiradoras$Dimensiones.del.producto,"x", n=3)
dimen
dimen<-as.data.frame(dimen)
colnames(dimen)<-c("alto","ancho", "profundidad")

dimen$alto<-gsub("-1",NA, dimen$alto)
dimen$ancho[is.na(dimen$alto)]<-dimen$alto[is.na(dimen$alto)]
dimen$profundidad[is.na(dimen$alto)]<-dimen$alto[is.na(dimen$alto)]

dimen$alto<-as.numeric(dimen$alto)
dimen$ancho<-as.numeric(dimen$ancho)
dimen$profundidad<-as.numeric(dimen$profundidad)
# cambiamos los NA x la media
altomedio<-mean(dimen$alto, na.rm=TRUE)
anchomedio<-mean(dimen$ancho, na.rm=TRUE)
profundidadmedio<-mean(dimen$profundidad, na.rm=TRUE)

# cambiamos los NA por las medias de cada dimensión
dimen$alto[is.na(dimen$alto)]<-altomedio
dimen$ancho[is.na(dimen$ancho)]<-anchomedio
dimen$profundidad[is.na(dimen$profundidad)]<-profundidadmedio
dimen

# Se unen los dataframes dimen y mis_aspiradoras
res_limpio <- cbind(mis_aspiradoras, dimen)
View(res_limpio)
res_limpio <- res_limpio[,-1]
res_limpio <- res_limpio[,-5]

Saludos

Gabriel Andrés Alzate Acuña

student•

Me estaba dando un error que no se si te pase, cuando paso de data.frame a numeric, cambia todos los valores de la tabla.

Lo arregle pasando de dataframe que estaba tipo factor a character y luego si a numeric para poder operar y no perder información.

Julio Renteria

student•

Como supo el sistema que debían llamarse alto, ancho y profundidad? en que momento lo ingreso?

Andrés Ruíz

student•

Como se llama las columnas generadas de alto profundidad y anchura ? DUMMIES?

Demian Arenas

student•

Hola Mailo, no entiendo bien tu pregunta. Si te refieres a como se llaman las columnas dentro del dataset pues tienen los nombres de alto, ancho y profundidad, por otro lado si te refieres a como nombro la variable de esas 3 columnas entonces es dimen, puedes ver el fragmento donde lo escribe cerca del 03:17

Andrés Ruíz

student•

gracias por tu respuesta Demian me refiero a que en muchos otros casos vamos a tener que hacer el mismo procedimiento. Generar columnas para poderlas usar en el algoritmo... esas columnas generadas independientemente del nombre que les pongan como se llaman?... lo he consultado un poquito. "Crear variables dummy implica transformar datos de un formato “alto”, en el que cada columna contiene la información de una variable, a datos con un formato “ancho”," me imagino que en ese procedimiento creamos variables dummi

Cristian Enrique Cuevas Mercado

student•

Me di cuenta del error, pero extraordinario la comunidad de platzi ya documento el error y cada uno de varias maneras diferente, excelente, sigamos. ¡Nunca pare de aprender!

Sebastián Arcos

student•

Aquí no queda claro cómo es que una vez que creo el vector dimen con la función"str_split_fixed" - que genera cadenas de texto - relleno los NA con la media de los datos de Alto, Ancho y Profundidad. Convendría revisar la edición del video, Platzi, porque se brinca un paso muy importante.

Geovany Uribe Aguirre

student•

Por qué al hacer el split, de una lo tomó como alto, ancho y profundidad?

Fredy Rene Velasquez Quevedo

student•

tal parece que ella ya tenia la variable "dimen" creada, porque uno de los argumentos de str_split_fixed no es "ncol" simplemente es "n", al igual que el rellenado de los -1, omitio todo el proceso de liimpieza de los 3 campos. tambien la asignacion del nombre de cada columna

Pablo Mesias

student•

Para renombrar las columnas después de utilizar la función str, se puede usar la siguiente función:

<code>
 colnames(dimen)<-c("Alto", "Ancho","Profundidad")

Pablo Mesias

student•

Para sustituir los 1 con la media se puded utilizar:

dimen$Alto<-gsub(1,AltoMedio,dimen$Alto)

Y así con las 3 variables

Juan Aguirre

company_admin•

desde el inicio algo está mal, no coinciden los valores de "dimensiones" con las columnas ya separadas, pausar video en 5:56 para comparar.

Gabriel Andrés Alzate Acuña

student•

Tienes toda la razón, le cambian los valores. Pero mira que paso cuando se paso de tipo FACTOR en el data frame a tipo NUMERIC, no se porque llenar todo y reemplaza automatico hasta los NA.

Para evitarlo pase la columna primero de FACTOR a CHARACTER, y luego de CHARACTER a NUMERIC, y si se conservaron bien los datos.

Miguel Angel Lemozx

student•

Al final lo deje asi:

aspiradoras <- as.data.frame(matrixArticulos)

aspiradoras$Califiaciones<-as.character(aspiradoras$Califiaciones)
aspiradoras$Califiaciones<-gsub(" calificaciones","",aspiradoras$Califiaciones)
aspiradoras$Califiaciones<-gsub(",","",aspiradoras$Califiaciones)
aspiradoras$Califiaciones<-gsub("-1",NA,aspiradoras$Califiaciones)
aspiradoras$Califiaciones<-as.numeric(aspiradoras$Califiaciones)
califiacionMedia<-mean(aspiradoras$Califiaciones,na.rm = TRUE)
aspiradoras$Califiaciones[is.na(aspiradoras$Califiaciones)]<-califiacionMedia

aspiradoras$Peso<- as.character(aspiradoras$Peso)
aspiradoras$Peso<-gsub(" pounds","",aspiradoras$Peso)
aspiradoras$Peso<-gsub("-1",NA,aspiradoras$Peso)
aspiradoras$Peso<-as.numeric(aspiradoras$Peso)
PesoMedia <- mean(aspiradoras$Peso,na.rm = TRUE)
aspiradoras$Peso[is.na(aspiradoras$Peso)]<-PesoMedia

DimensionFrame<-aspiradoras$Dimensiones
DimensionFrame<-as.data.frame(DimensionFrame)
DimensionFrame$DimensionFrame<- gsub(" pulgadas","",DimensionFrame$DimensionFrame)
DimensionFrame$DimensionFrame<- gsub("-1",NA,DimensionFrame$DimensionFrame)
aspiradoras$Dimensiones<- NULL
DimensionFrame <- within(DimensionFrame, FOO<-data.frame(do.call('rbind', strsplit(as.character(DimensionFrame), 'x', fixed=TRUE))))
DimensionFrame$DimensionFrame<- NULL
DimensionFrame <- as.matrix(DimensionFrame)
colnames(DimensionFrame) <- c("Altura","Ancho","Largo")
DimensionFrame<-as.data.frame(DimensionFrame)
DimensionFrame$Altura <- as.numeric(DimensionFrame$Altura)
DimensionFrame$Ancho <- as.numeric(DimensionFrame$Ancho)
DimensionFrame$Largo <- as.numeric(DimensionFrame$Largo)
AlturaMedia<- mean(DimensionFrame$Altura,na.rm = TRUE)
AnchoMedia<- mean(DimensionFrame$Ancho,na.rm = TRUE)
LargoMedia<- mean(DimensionFrame$Largo,na.rm = TRUE)
DimensionFrame$Ancho[is.na(DimensionFrame$Ancho)]<-AlturaMedia
DimensionFrame$Largo[is.na(DimensionFrame$Largo)]<-AlturaMedia
DimensionFrame$Altura[is.na(DimensionFrame$Altura)]<-AlturaMedia
DimensionFrame$Altura<- as.numeric(DimensionFrame$Largo)
aspiradoras <-cbind(aspiradoras,DimensionFrame)

CLAUDIA CRISTINA APARICIO RUEDA

student•

interesante!

Edwin Jesset Barrientos Gonzales

student•

#Detalle de producto
str(aspiradoras$`Dimensiones del producto`)
aspiradoras$`Dimensiones del producto`&lt;-as.character((aspiradoras$`Dimensiones del producto`))
aspiradoras$`Dimensiones del producto`&lt;-gsub(&quot; cm&quot;,&quot;&quot;,aspiradoras$`Dimensiones del producto`)
aspiradoras$`Dimensiones del producto`&lt;-gsub(&quot;,&quot;,&quot;.&quot;,aspiradoras$`Dimensiones del producto`)
library(stringr)
dimen&lt;-str_split_fixed(aspiradoras$`Dimensiones del producto`,&quot;x&quot;,n=3)
dimen&lt;-as.data.frame(dimen)
colnames(dimen)&lt;-c(&quot;alto&quot;,&quot;ancho&quot;, &quot;profundidad&quot;)

dimen$alto&lt;-gsub(&quot;-1&quot;,NA, dimen$alto)
dimen$ancho[is.na(dimen$alto)]&lt;-dimen$alto[is.na(dimen$alto)]
dimen$profundidad[is.na(dimen$alto)]&lt;-dimen$alto[is.na(dimen$alto)]

dimen$alto&lt;-as.numeric(dimen$alto)
dimen$ancho&lt;-as.numeric(dimen$ancho)
dimen$profundidad&lt;-as.numeric(dimen$profundidad)

altomedio&lt;-mean(dimen$alto, na.rm=TRUE)
anchomedio&lt;-mean(dimen$ancho, na.rm=TRUE)
profundidadmedio&lt;-mean(dimen$profundidad, na.rm=TRUE)

dimen$alto[is.na(dimen$alto)]&lt;-altomedio
dimen$ancho[is.na(dimen$ancho)]&lt;-anchomedio
dimen$profundidad[is.na(dimen$profundidad)]&lt;-profundidadmedio
dimen

res_limpio&lt;-cbind(aspiradoras,dimen)
res_limpio&lt;-res_limpio[,-5]
View(res_limpio)

Andrés Naranjo Z.

student•

En vez de ncol = 3 se debe usar n = 3

JAVIER SANTIAGO SALGADO

student•

La meta es ahora recortarlo porque me toco hacer unos pasos de una forma algo larga

library(stringr)
aspiradoras <- as.data.frame(res)

# Procesado de Peso del producto
str(aspiradoras$`Peso del producto`)
aspiradoras$`Peso del producto` <- as.character(aspiradoras$`Peso del producto`)
aspiradoras$`Peso del producto` <- gsub(' kg', '', aspiradoras$`Peso del producto`)
aspiradoras$`Peso del producto` <- gsub(',','.',aspiradoras$`Peso del producto`)
aspiradoras$`Peso del producto` <- gsub('-1',NA, aspiradoras$`Peso del producto`)
aspiradoras$`Peso del producto` <- as.numeric(aspiradoras$`Peso del producto`)
class(aspiradoras$`Peso del producto`)
pesomedio <- mean(aspiradoras$`Peso del producto`, na.rm = TRUE)
aspiradoras$`Peso del producto`[is.na(aspiradoras$`Peso del producto`)]<- pesomedio
hist(aspiradoras$`Peso del producto`)
summary(aspiradoras$`Peso del producto`)
View(aspiradoras)

#Procesado de Volumen
str(aspiradoras$Volumen)
aspiradoras$Volumen <- as.character(aspiradoras$Volumen)
aspiradoras$Volumen <- gsub(' Litros','',aspiradoras$Volumen)
aspiradoras$Volumen <- gsub('-1', NA, aspiradoras$Volumen)
aspiradoras$Volumen <- as.numeric(aspiradoras$Volumen)
volumenmedio <- mean(aspiradoras$Volumen, na.rm = TRUE)
aspiradoras$Volumen[is.na(aspiradoras$Volumen)] <- volumenmedio
hist(aspiradoras$Volumen)
summary(aspiradoras$Volumen)
View(aspiradoras)

#Procesado de precio
str(aspiradoras$Precio)
aspiradoras$Precio <- as.character(aspiradoras$Precio)
aspiradoras$Precio <- gsub('\u00A0€','',aspiradoras$Precio)
aspiradoras$Precio <- gsub(',','.',aspiradoras$Precio)
aspiradoras$Precio <- as.numeric(aspiradoras$Precio)
preciomedio <- mean(aspiradoras$Precio, na.rm = TRUE)
aspiradoras$Precio[is.na(aspiradoras$Precio)] <- preciomedio
hist(aspiradoras$Precio)
summary(aspiradoras$Precio)
View(aspiradoras)

#Procesado de valoraciones
str(aspiradoras$Opiniones)
aspiradoras$Opiniones <- as.character(aspiradoras$Opiniones)
aspiradoras$Opiniones <- gsub(' valoraciones','',aspiradoras$Opiniones)
aspiradoras$Potencia <- gsub('-1', NA, aspiradoras$Potencia)
aspiradoras$Opiniones <- as.numeric(aspiradoras$Opiniones)
opinionesmedio <- mean(aspiradoras$Opiniones, na.rm = TRUE)
aspiradoras$Opiniones[is.na(aspiradoras$Opiniones)] <- opinionesmedio
hist(aspiradoras$Opiniones)
summary(aspiradoras$Opiniones)
View(aspiradoras)

#Procesado de Potencia
str(aspiradoras$Potencia)
aspiradoras$Potencia <- as.character(aspiradoras$Potencia)
aspiradoras$Potencia <- gsub(' vatios','',aspiradoras$Potencia)
aspiradoras$Potencia <- as.numeric(aspiradoras$Potencia)
potenciamedio <- mean(aspiradoras$Potencia, na.rm = TRUE)
aspiradoras$Potencia[is.na(aspiradoras$Potencia)] <- potenciamedio
hist(aspiradoras$Potencia)
summary(aspiradoras$Potencia)
View(aspiradoras)

#Procesado de Dimensiones
str(aspiradoras$`Dimensiones del producto`)
aspiradoras$`Dimensiones del producto` <- as.character(aspiradoras$`Dimensiones del producto`)
aspiradoras$`Dimensiones del producto` <- gsub(' cm','',aspiradoras$`Dimensiones del producto`)
aspiradoras$`Dimensiones del producto` <- gsub(' ','',aspiradoras$`Dimensiones del producto`)
aspiradoras$`Dimensiones del producto` <- gsub('-1', NA, aspiradoras$`Dimensiones del producto`)
dimen <- str_split_fixed(aspiradoras$`Dimensiones del producto`,";", n=2)
dimen[,1]
dimen <- str_split_fixed(dimen[,1],"x", n=3)
colnames(dimen)<- c('alto','ancho','profundidad')
alto <- dimen[,1]
class(alto)
alto <- as.numeric(alto)
mediaalto <- mean(alto, na.rm = TRUE)
alto[is.na(alto)]<-mediaalto
ancho <- dimen[,2]
class(ancho)
ancho <- as.numeric(ancho)
mediaancho <- mean(ancho, na.rm = TRUE)
ancho[is.na(ancho)]<-mediaancho
profundidad <- dimen[,3]
class(profundidad)
profundidad <- as.numeric(profundidad)
mediaprofundidad <- mean(profundidad, na.rm = TRUE)
profundidad[is.na(profundidad)]<-mediaprofundidad
dimensiones <- cbind(alto,ancho,profundidad)
View(dimensiones)
str(dimensiones)

res_limpio <- cbind(aspiradoras, dimensiones)
View(res_limpio)
res_limpio <- res_limpio[,-5]
View(res_limpio)

Adecuación al algoritmo K-means

Basicos para el curso

Mundo Data Science

¿Qué hace un Data Scientist?

Introducción a R

Operaciones con datos: vectores, listas y matrices

Operaciones con datos: dataframe y ficheros

¿Qué es web scraping?

Visualización de datos

Presentación del proyecto

Web scraping con R

Intro paquete Rvest y descripción de ejercicio

Principales funciones de Rvest

HTML node

Rvest en nuestro proyecto de Amazon. Recopilación de paginación

Obtención de URL de cada producto

Funciones Apply

Obtención de información de cada producto

Automatización para obtener datos preprocesados

Corrección de errores durante obtención de datos

Reto: Obtén datos de la liga española de fútbol

Adecuación y Análisis descriptivo de los datos

Adecuación de los datos, transformación y eliminación de NA

Procesamiento de datos

Adecuación al algoritmo K-means

Reto: Prepara los datos obtenidos

Aplicando modelo no supervisado: Kmeans

Cómo funciona el algoritmo K-means

Aplicando K-means a nuestro proyecto

Visualización de los clusters

Reto: Aplica el modelo K-means

Modelo en producción

Cómo hacer un punto de API con plumber en R

Poner nuestro modelo en tiempo real: revisión de distancias

Poner nuestro modelo en producción

Reto: Pon un modelo en producción

Representación de los resultados del modelo

Introducción a shiny y sus componentes

Mostrando los resultados de nuestro proyecto en Shiny

Reto:Representación de los resultados del modelo

Cierre del curso

Conclusiones