Invitación a continuar recorriendo el mundo del data science.

Clase 35 de 35 • Curso de Fundamentos de R

Resumen

Has llegado al final de este curso, recuerda que la función de un data scientist va más allá de solamente hacer gráficas, debes conocer el contexto donde se encuentran los datos para encontrar oportunidades de mejoramiento.
Hay un largo camino por el cual seguir, por el momento recuerda tomar el examen para poner a prueba tus conocimientos.

Elias Ojeda Medina

student•

Antes de hacer el exámen, asegurence de saber estás preguntas sobre los Datasets mtcars y orangec:

En mi caso tenía todas las respuestas desordenadas de los ejercicios y en lo que las búsque perdí tiempo, debería estar en una guía antes del exámen.

El exámen evalua conocimientos de los datasets más que del mismo lenguaje. Así que podríamos decir que más del 50% es sobre los DataSets

¿Cuál es el máximo PIB Percápita en los paises de latam (GDP.PC )?
¿Qué país o países aportan con su economía naranja más del 5% al PIB y además tienen una tasa de desempleo menor al 5%?
Al hacer un diagrama de dispersión con las variables Aporte de economía naranja al PIB (Creat.Ind…en eje X) y crecimiento del pib del país (GDP Growth en eje y), la forma de los datos…
Al hacer un histograma de los cilindros de los carros, con un binwith de 1, vemos que hay más carros de…
Al hacer un histograma del aporte de la economía naranja al pib (Creat.Ind) con binwith de 1, vemos que hay más países que con la economía naranja aportan…
Si hacemos dos box plot según el tipo de país (Strong_economy) para ver la penetración de internet en la población de sus países, veremos que…
En un scatter plot (gráfica de dispersión) en donde relacionamos los caballos de fuerza (hp) en el eje X y el tiempo en recorrer un cuarto de milla (qsec) en el eje Y, en el dataset mtcars, los puntos parecen…
En un scatter plot (gráfica de dispersión) en donde relacionamos la inversión en educación(Education.invest…GDP) en el eje X y el aporte de la economia naranja al pib (Creat.Ind…GDP) en el eje Y, en el dataset orangeec, coloreando los puntos según la variable Strong_economy, la cantidad de puntos rosados que aparecen son:
En el dataset mtcars, la correlación entre las variables cilindros (cyl) y caballos de fuerza (hp) es de:
En el dataset orangeec, al usar pairs, vemos que en la relación entre el aporte de los servicios al pib (Services…GDP) y el PIB per cápita (GDP.PC), los puntos:
En el dataset orangeec, la correlación entre el crecimiento del pib de un pais (GDP.Growth…) y el aporte de la economía naranja al pib del país (Creat.Ind…GDP) es de:
En la lectura vemos que cuando el tráfico al punto de venta aumenta,
Al hacer un scatter plot con el dataset orangeec usando facet_wrap cruzando dos variables (numéricas) , al escribir al final facet_wrap(~Crecimiento_GDP), lo que veremos será:

Marcello Coletti Anzola

student•

Gracias!

Guido Ariel Goya

student•

Hola, yo creo que esta apuntado a que durante el examen, puedas buscar las respuesta usando los conocimientos en R Studio con los Dataset. No que busques las respuestas en los ejercicios ya realizados o te aprendas los datos y resultados de memoria. Saludos y suerte a los que hagan el examen!

Wilson Alejandro Gonzalez Gaitan

student•

Excelente curso muchas gracias Profesora Sonia

Proyecto final del codigo en R

<# Para hacer graficas en scart plot
plot(mtcars$mpg ~ mtcars$cyl, xlab="Cilindros", ylab = "Millas", main="Relacion cilindros VS mILLAS" )

plot(orangeec$GDP.PC ~ orangeec$Services...GDP, xlab="Inflacion", ylab = "Servicio", main="Inflacion  VS Servicio" )

# Para hacer graficas en scart plot Histrograma
qplot(mtcars$hp,
      geom = "histogram", 
      xlab = "Caballos de fuerza ", 
      main="Caballos de fuerza de fuerza ")

ggplot(mtcars , aes(x=hp)) +geom_histogram(binwidth = 15) +
  labs(x="Caballos de fuerza ", y="Cantidad de carros", title = "Carros de fuerza")+ theme(legend.position = "mone") +
  theme(panel.background = element_blank(), panel.grid.major = element_blank()  )


ggplot() +geom_histogram(data = mtcars , aes(x=hp), fill="blue", color="red", binwidth = 20)
+ labs(x="Caballos de fuerza", y="Cantidad de carros", title = "Caballos de fuerza en carros selecionados0")
+ xlim(c(80,280))+
  theme(panel.background = element_blank(), panel.grid.major = element_blank()
        +panel.grid.minor = element_blank())

ggplot() +geom_histogram(data = orangeec, aes(x=Creat.Ind...GDP), fill="blue", color="red", binwidth = 1)
+ labs(x="Texto", y="Texto", title = "Texto")
+ xlim(c(0,80))+
  theme(panel.background = element_blank(), panel.grid.major = element_blank()
        +panel.grid.minor = element_blank())

a<- view(orangeec&Unempl) 

library("ggplot2")


boxplot(mtcars$cyl , ylab="caballos de fuerza", main="Caballos de fuerza en carros mtcars")

#
ggplot(mtcars , aes(x=as.factor(cyl ), y = hp, fill=cyl))+
  geom_boxplot(alpha=0.6) +
  labs(x="Cilindros ", y="Caballos de fuerza", title = "Caballos de fuerza de filindros")+
  theme(panel.background = element_blank(), panel.grid.major = element_blank()  )

#
?mtcars


ggplot(mtcars, aes(x=am , y=mpg, fill="red"))+
  geom_boxplot()+
  labs(x="Tipo de caja ", y="Millas de galon", title = "Millos por galon")

economy <- mean(orangeec$GDP.PC)
economy

install.packages("dplyr")
library("dplyr")

orangeec<- orangeec %>% 
  mutate(Strong_economy =ifelse(GDP.PC< economy, "Por debajo del promedio pib per capital"," Sobra arriba promedio pib per capital"))


library("ggplot2")

ggplot(orangeec,aes(x=Strong_economy, y=Creat.Ind...GDP, fill=Strong_economy))+
  geom_boxplot(alpha=0.4)+
  labs(x="Tipo de pais", y="Aporte economia naranja al pib paises latam con alto y bajo per capital")+
  theme(panel.background = element_blank(), panel.grid.major = element_blank())



ggplot(orangeec,aes(x=Strong_economy, y=Internet.penetration...population, fill=Strong_economy))+
  geom_boxplot(alpha=0.4)+
  labs(x="Tipo de pais", y="Penetracion de internet", title = "Internet de bajo internet")+
  theme(panel.background = element_blank(), panel.grid.major = element_blank())


library("ggplot2")
ggplot(mtcars,aes(wt,hp))+
  geom_point()+
  labs(x="Peso", y="Potencia", title="Relaciond peso vs potencia")+
  theme(panel.background = element_blank(), panel.grid.major = element_blank())


ggplot(mtcars,aes(hp,qsec))+
  geom_point(aes(color="red", size=cyl))+
  labs(x="Caballos de fuerza ", y="Tiempo en 1/4 millas", title="Caballo velocidad segun cilindraje y tipo de caja")+
  theme(panel.background = element_blank(), panel.grid.major = element_blank())

# EDA con dataset proyecto usando gráficas de dispersión con más de dos variables - ggplot2 - plotly

ggplot(orangeec,aes(Internet.penetration...population,Creat.Ind...GDP))+
  geom_point(aes(color=factor(Strong_economy), size=GDP.Growth..))+
  labs(x="Penetracion de internet ", y="Aporte de crecimiento", title="Caballo velocidad segun cilindraje y tipo de caja")+
  theme(panel.background = element_blank(), panel.grid.major = element_blank())


install.packages("plotly")
library("plotly")

my_graph<- ggplot(orangeec, aes(Internet.penetration...population,
                                Creat.Ind...GDP, label=row.names(orangeec)))+
  geom_point()+
  labs(x="Penetracion de internet", y="Aporte de economia narajan",
       title="Penetracion de internet y aporte de economia naranja")

my_graph

p=ggplotly(my_graph)
p

#Buscando correlaciones con pairs
pairs(mtcars[,2:6])

library("dplyr")
data<- subset(mtcars, select=c(2,7:8,11,12))
pairs(data)


pairs(mtcars[,-c(1,3,2)])

eficientes <- filter(mtcars, mpg>=30)
eficientes

pairs(eficientes[,2:6])

install.packages("stringr")
library("stringr")
merc <- mtcars %>% filter(str_detect(model,"Merc"))
pairs(merc[,2:6])

# Correlacion
cor(merc[,2:6])

cor(orangeec[,2:6])

cor(orangeec[,2:6], use = "complete.obs")

#Desviacion standar
desviacion<-sd(mtcars$mpg)
promedio<-mean(mtcars$mpg)

coeficiente<-(desviacion/promedio)*100

desviacion<-sd(mean(orangeec$Creat.Ind...GDP, na.rm = TRUE))
promedio<-mean(mean(orangeec$Creat.Ind...GDP, na.rm = TRUE))
coeficiente<-(desviacion/promedio)*100
coeficiente

#Organizar de mayor a menor
mtcars %>% arrange(desc(mpg))

#Utilizar facet_wrap

mas_pesados <- mtcars %>% 
  filter(model %in% c("Lincon Continental", "Chrysler Imperial","Cadillac Fleete"))

mas_pesados


library("ggplot2")

ggplot(mas_pesados, aes(x=hp, y=mpg))+
  geom_point()+
  facet_wrap(~model)
  


# Install markdown
install.packages("markdown")
library("markdown")

install.packages("knitr")>

Proyecto final de marktdown

<---
title: "Economy naranja"
author: "Alejandro Gonzalez"
date: "11 de febrero de 2019"
output: html_document
---

```{r}
orangeec <- read.csv("C:/Users/Sem-6-INGENIERIAINDU/Downloads/orangeec.csv")
data(orangeec)
summary(orangeec)

Parece que existe correlacion de entre los dos

pairs(orangeec[,6:10])

library(dplyr)

economy<- mean(orangeec$GDP.PC)
economy

David Guzmán Zapata

student•

muchas gracias buen hombre

Edgar Simmons

student•

Muy valioso!

Nelson Meza

student•

Excelente curso, la profesora parece tiene una fascinación por la estadística, que hace de este curso uno de los mejores.!

clint martinez

student•

si le gusta lo que hace tener pasión por lo que haces, nos alienta a buscar tu pasión y cuál es la tuya ?? Excelente curso excelente profesora !! 10K

Carolina Acosta Muñoz

student•

Recomendaciones para seguir:

Escribir funciones
Limpiar datasets
Importar y leer dataset
Ampliar el análisis de correlación y pasar a regresión lineal
Hacer otro tipo de visualizaciones como mapas de calor
Hacer dashbords o tableros de control interactivos para presentar la información con Shiny

Jose Fernando Jaramillo Boon

student•

Cual es el curso avanzado de R?

Miguel Torres

student•

Hola, @josefernandojaramilloboon. :D

Todavía no hay Curso Avanzado de R, pero existen algunos cursos donde puedes poner en práctica tus habilidades con R en aplicaciones de Ciencia de Datos y Finanzas:

Gonzalo Gramaglia

student•

Ya salió el Curso de Estadística Inferencial con R! ;)

Valentina Peña

student•

clint martinez

student•

Felicitaciones !!! Super alumna !!!

Sergio Rubiano

student•

Después de haber culminado este curso, hice mi propio análisis sobre las PRUEBAS SABER PRO, espero les guste, comparto el link :D

http://sergiorubiano.com/analizando-prueba-saber-pro

Juan Pablo Homez Homez

student•

Sergio. Es un análisis muy interesante.

Carolina Acosta Muñoz

student•

Excelente trabajo, Sergio. Muy interesante!

Edwin Jesset Barrientos Gonzales

student•

#cierre

cajas &lt;- c(1,2,3,4,5,6,7,8)
tiempo &lt;- c(10,9,8,5,8,6,3,1,8,1)

plot(tiempo-cajas)

plot(orangeec$Services...GDP~orangeec$Education.invest...GDP)

plot(mtcars$mpg~mtcars$am)```

Excelente curso

Rodrigo Lopez Rosales

student•

Hola Compañeros, en el ultimo examen que presente, no vinieron las preguntas que comento el compañero Elias, pero me sirvió mucho el responderlas para practicar, les dejo mi hoja de ejercicios que sirvio para dar respuesta

str(orangeec)
show(orangeec)
?mtcars

#Obtener los maximos
summary(orangeec)

#Subset
Mas5PIB <- subset(orangeec,GDP.PC > 5 & Unemployment <5)
Mas5PIB

#Diagramas de dispersion

plot(orangeec$Creat.Ind...GDP~orangeec$GDP.Growth..,
     xlab="PIB", ylab="Crecimiento del PIB",main="Relacion del PIB y su crecimiento")

plot(mtcars$hp~mtcars$qsec,
     xlab="Caballos de fuerza", ylab="Cuarto de milla",main="Relacion entre los caballos de fuerza y su tiempo en cuarto de milla")



ggplot(orangeec,aes(x=as.factor(Education.invest...GDP), y=Creat.Ind...GDP))+
  geom_point(aes(color=Strong_economy))+
  labs(x="Inversión en educación",
       y="Aporte de la economia naranja al pib",
       title="Relacion entre los caballos de fuerza y su tiempo en cuarto de milla")+
  theme(legend.position = "none")+
  theme(panel.background = element_blank(),
        panel.grid.major = element_blank(),
        panel.grid.minor = element_blank())


#Histograma 

ggplot(mtcars,aes(x=cyl))+ 
  geom_histogram(binwidth = 1)+ 
  labs(x="Clindros",
       y="Cantidad de carros",
       title="Cantidad de cilindros en los carros")+
  theme(legend.position = "none")+
  theme(panel.background = element_blank(),
        panel.grid.major = element_blank(),
        panel.grid.minor = element_blank())


ggplot(orangeec,aes(x=Creat.Ind...GDP))+ 
  geom_histogram(binwidth = 1)+ 
  labs(x="Aporte a la economia naranja",
       y="Cantidad de paises",
       title="Relacion de los paises y su aporte a la economia naranja")+
  theme(legend.position = "none")+
  theme(panel.background = element_blank(),
        panel.grid.major = element_blank(),
        panel.grid.minor = element_blank())

#BoxPlot

ggplot(orangeec,aes(x=as.factor(Strong_economy), y=Internet.penetration...population))+
  geom_boxplot(alpha=0.8)+
  labs(x="Strong Economy",
       y="Internet penetration",
       title="Penetracion en internet segun su tipo de economia")+
  theme(legend.position = "none")+
  theme(panel.background = element_blank(),
        panel.grid.major = element_blank(),
        panel.grid.minor = element_blank())


#Pairs

pairs(orangeec[,2:5])

#Correlacion

cor(orangeec[,3:6],use="complete.obs")

#Multiples graficos

ggplot(Mas_pesados,aes(x=hp,y=mpg))+geom_point()+facet_wrap(~model)

Miguel Yucra

student•

Excelente curso, gracias Sonia.

Para continuar incursionando en R, recomiendo leer este libro: https://myrbooksp.netlify.com/

Edgar Simmons

student•

Gracias por el aporte!

Enzo Díaz

student•

Si llegaste hasta acá, es necesario que realices las mutaciones al dataset orangeec tal cual como se muestra a lo largo del curso. Por si no lo hiciste, te recomiendo repasar la clase 20 y 31. Aunque te voy a dejar el código abajo, es importante que repases los videos para entender mejor el motivo de los cambios.

#Por si no lo tienen instalado: install.packages("dplyr")
library(dplyr)

orangeec <- orangeec %>% mutate(Crecimiento_GDP = ifelse(GDP.Growth.. >= 2.5, "2.5% o más", "Menos 2.5%"))
orangeec <- orangeec %>% mutate(Anaranjados = ifelse(Creat.Ind...GDP >= 2.5, "Más anaranjados", "Menos anaranjados"))
orangeec %>% arrange(desc(Creat.Ind...GDP))
TopNaranjas <- orangeec %>% filter(Country %in% c("Mexico","Panama","Argentina","Colombia", "Brazil"))
TopNaranjas %>% arrange(desc(Creat.Ind...GDP))
economy <- mean(orangeec$GDP.PC)
orangeec <- orangeec %>% mutate(Strong_economy = ifelse(GDP.PC < economy, "Por debajo del promedio", "Por arriba del promedio"))

David Martínez Jiménez

student•

¿Cómo es que se venden este tipo de proyectos? Por findings, por tiempo invertido, por cantidad de gráficas dadas?

Matías José Córdoba

student•

Con cuánto se aprueba?

John Cardenas

student•

¿El examen? 🤔

Debes aprobar con un 9 de 10.

Matías José Córdoba

student•

Si, esa era mi duda. Gracias!

David Guzmán Zapata

student•

Donde puedo encontrar el codigo que escribio la profesora durante los cursos. Al momento de tomar el examen las preguntas son sobre los datos y casi nada sobre R como tal. es demasiado tiempo volver a mirar los videos para obtener el codigo escrito y dar un examen sobre el data set que nos presenta.