Bienvenida e introducción
Matrices
Clase 9 de 35 • Curso de Fundamentos de R
Contenido del curso
Variables, tipos de datos y estructuras
EDA: Exploratory data analysis
- 13
Qué es EDA: Exploratory Data Analysis
04:46 - 14
Gráficas de dispersión e histogramas.
04:31 - 15
Box Plot y su interpretación
07:08 - 16
EDA con dataset proyecto - Gráficas de dispersión.
08:09 - 17
EDA con histogramas.
10:37 - 18
EDA con dataset proyecto - histogramas - ggplot2
07:20 - 19
EDA con box plot- ggplot2
11:29 - 20
EDA con dataset proyecto - box plot- ggplot2 - dplyr
11:36 - 21
EDA con gráficas de dispersión con más de dos variables - ggplot2
07:48 - 22
EDA con dataset proyecto usando gráficas de dispersión con más de dos variables - ggplot2 - plotly
10:41
La estadística de los datos
- 23
Buscando correlaciones con pairs
13:49 - 24
Confirmando correlaciones con la función cor
05:08 - 25
Buscando correlaciones con pairs en dataset proyecto
07:20 - 26
Confirmando correlaciones con la función cor en dataset proyecto.
07:35 - 27
Protegiéndonos de los peligros del promedio.
08:02 - 28
Eliminando los NA's para hacer los cálculos.
08:01 - 29
Estadística y visualización aplicada a análisis de datos de mercadeo.
01:45
Ajustando los datos
Mejorando la visualización
Organizar visualizaciones y código con R Markdown
Conclusiones Finales
Resumen
Una matriz debe tener mismo tipo de datos, por otro lado, un dataframe puede tener diferentes.
Para crear una matriz en R utilizaremos la función matrix cuyos argumentos son:
- la información de los elementos.
- nrow: número de filas.
- ncol: número de columnas.
- byrow: booleano para indicar si llenar la matriz por filas.
colSums es una función que por argumento recibe una matriz y te retorna la suma de los valores de sus columnas.