Tipos de datos

Clase 6 de 35 • Curso de Fundamentos de R

Resumen

Además de trabajar con el dataset de Orange Economy vamos a necesitar el dataset de mtcars.

Dentro de la consola de R Studio, la función install.packages nos va a ayudar a instalar paquetes, como su nombre lo indica, en este caso intentaremos instalar mtcars.

En caso de no estar disponible para tu versión de R, puedes ir al Github de la profesora y descargarlo.

La función str nos va a mostrar la estructura que tiene el dataset que le pasemos.
Dentro de la consola podemos obtener más información sobre nuestro dataset anteponiendo el signo ? quedando ?mtcars

En el dataset mtcars podemos ver que hay datos de tipo int y num, la diferencia es que num son números con decimal mientras que int son enteros.

Podemos ver que las variables vs y am dentro de mtcars aunque están marcadas con int su función es de tipo boolean, para convertir estos datos utilizaremos la función as.logical

Reto: Explora la estructura del dataset orangeec. Escribe en los comentarios el número de observaciones y variables que encuentres.

Juan Andres Quiroz Franco

student•

17 obs. y 13 variables. Hay que tener cuidado a la hora de importar el Dataset porque viene con la opción Header por defecto en No, y esto hace que los títulos los tome como una observación más, lo cual no es correcto. Hay que poner el Header en Yes para que tome los títulos de las variables correctamente

Jaime David Burbano Montoya

student•

Edward Toledo López

student•

SABÍA QUE NO ESTABA LOCO! Gracias!

Maria Angelica Romero Carrasco

student•

Puedes hacer notas con #

#Información sobre mtcars
?mtcars
#Clase de la variable vs
class(mtcars$vs)

#Convertir el tipo de la variable
mtcars$vs = as.logical(mtcars$vs)
mtcars$am = as.logical(mtcars$am)
class(mtcars$vs)
class(mtcars$am)

Carolina Acosta Muñoz

student•

Buen resumen, gracias!

César Paredes

student•

Excelente!

Enzo Díaz

student•

Para conocer la estructura de un dataset, utilizamos la función str() (que significa structure o estructura), pasandole como parámetro el nombre del dataset en cuestión. En la información arrojada podemos visualizar los tipos de datos: (se recomienda comprender los fundamentos de la programación) int: Enteros. Números “redondos” como 1, 2, 3, 10, 100. num: Numérico. Números flotantes (o de coma flotante, decimales), como 1.5, 2.3, 3.2, 0.01. logi: Booleanos. Valores de true o false Vale la pena aclarar que en los datasets, los valores booleanos pueden estar representados con los enteros (int) 1 y 0, true o false respectivamente. Para cambiar el tipo de dato, podemos llamar al dataset, situarnos en la variable, y utilizar el método as.logical(). dataset$var = as.logical(dataset$var) También vimos la variable Factor, se usa para clasificar los datos según su grupo o categoría. Hubo dos términos claves, observaciones y variables. Observaciones: Filas. Variables: Columnas. Donde fila y columna tienen el mismo significado que tienen en una tabla convencional; fila y observación son sinónimos, y variables y columnas también.

Cesar Arturo Castanon Acuna

student•

⭐ Hello everybody, here I let you some notes: ⭐ . R Data Types . Basic Data Types .

numeric - (10.5, 55, 787)
integer - (1L, 55L, 100L, where the letter "L" declares this as an integer)
complex - (9 + 3i, where "i" is the imaginary part)
character (a.k.a. string) - ("k", "R is exciting", "FALSE", "11.5")
logical (a.k.a. boolean) - (TRUE or FALSE)

# numeric
x <- 10.5
class(x)

# integer
x <- 1000L
class(x)

# complex
x <- 9i + 3
class(x)

# character/string
x <- "R is exciting"
class(x)

# logical/boolean
x <- TRUE
class(x)

Ivan Alex Omonte Carreño

student•

Otra forma de ver la descripción del dataset es en el panel derecho en la sección que dice Environment seleccionamos el dataset que importamos y desplegamos su información:

Y para quienes les salió 18 observaciones de 13 variables, es porque al importar quitan los headings por eso es que les sale una observación de más, para evitar esto habiliatamos la opción.

Saludos

Juan Antonio Quiroz

student•

gracias no me habia dado cuenta

Marcello Coletti Anzola

student•

Tienes razón, gracias!

Adrian Peralta

student•

para poder cargar el dataset “mtcars.csv”:

mtcars <- read.csv("mtcars.csv", header=TRUE)

header: si el archivo “mtcars.csv” tiene el nombre de las columnas en la primera linea.

Wilson Alejandro Gonzalez Gaitan

student•

Me sale el siguiente error cuando ejecuto el proceso

&lt;Installing package into ‘C:/Users/wilso/Documents/R/win-library/3.5’
(as ‘lib’ is unspecified)
Warning in install.packages :
  package ‘mtcars’ is not available (for R version 3.5.2)&gt;

Wilson Alejandro Gonzalez Gaitan

student•

En este caso para importar el archivo tambien se podria a traves de la interfaz grafica que permita

Joel Ricci López

student•

Es cargar directamente desde el link de github el dataset _orangee.csv _utilizando el comando _read.csv _(con read.table también es posible).

El ejemplo con read.table() sería:

orangeec <- read.table("https://raw.githubusercontent.com/sap0408/Orange-Economy/master/orangeec.csv", header =  TRUE, sep = ",")

Rosita Michel Ruiz Muñoz

student•

Si funciono, gracias

Miguel Angel Ramos Rodríguez

student•

Mi análisis del data set de la economía naranja.
1.- Tiene 17 obs de 13 variables.
2.- La variable Contry es cualitativa y son las obs.
3.- Dentro de las 13 variables solo GDP.PC (El PIB per capita) es de tipo entero (int) y el resto son de tipo num con coma flotante.
4.- No existe variables de tipo logical (booleanos)
5.- La variable Creat Ind % GDP (El aporte de las industrias creativas) presenta datos vacíos o restantes. (N/A)

Cesar Arturo Castanon Acuna

student•

De hecho, ambos son NUM: https://www.tutorialspoint.com/r/r_data_types.htm . Para que un valor en R sea INT, debe tener la letra L

Adam Carrillo

student•

17 Observaciones (Filas)
13 Variables (Columnas)

1 Columna Categorica
1 Columna Numero Entero
15 Columnas Numero Natural

Cesar Arturo Castanon Acuna

student•

⭐ Hello everybody, here I let you some notes: ⭐ . R Data Types . Basic Data Types .

numeric - (10.5, 55, 787)
integer - (1L, 55L, 100L, where the letter "L" declares this as an integer)
complex - (9 + 3i, where "i" is the imaginary part)
character (a.k.a. string) - ("k", "R is exciting", "FALSE", "11.5")
logical (a.k.a. boolean) - (TRUE or FALSE)

# numeric
x <- 10.5
class(x)

# integer
x <- 1000L
class(x)

# complex
x <- 9i + 3
class(x)

# character/string
x <- "R is exciting"
class(x)

# logical/boolean
x <- TRUE
class(x)

Brayan Rodriguez

student•

¿ como puedo poner el dataset mtcars en R?

Mateo Lopez

student•

eso no lo explica, estoy en las mismas

kathya Hellen Salas Rodriguez

student•

Lo descargue con el link que dio la profesora: https://github.com/sap0408/mtcars luego import dataset en R.

Carlos Eduardo Sanchez Torres

student•

Tengo una pequenda duda: Por que la variable de trasmision es 0 y 1 se convierte a True o Flase? A mi parecer, eso no escalaria, supongamos que el dia de manana se inventa un tramision tipo "smart". Otra duda, en R existen las claves foraneas o todos son tipos duros?

Nicoll Idaly Angulo Mejia

student•

Cuándo son letras el tipo de dato seria chart?

Luis Lira

student•

Hola, aquí puedes ver más al respecto sobre todos los tipos de datos de R https://www.tutorialspoint.com/r/r_data_types.htm

En el caso de cuando es una sola letra lo pone como "character"

Nicoll Idaly Angulo Mejia

student•

Muy buena esa página. Mil gracias

Dagoberto Porras Plata

student•

Hola a todos, este video me genero una pregunta, por qué en éste caso se utiliza **= ** para convertir el tipo de datos? que significa en este contexto? Saludos!

Juan Sotelo Aguilar

student•

Hola, puedes usar tanto el <- como el = para cambiar el tipo de variable, lo único es que el <- si funciona para ello mientras el -> no, así que creo que es más fácil usar solo =

Javier Choque Paucar

student•

Yo creo que es mucho mejor usar el "=" para todo. funciona igual :)

Miller Camilo Vega Diaz

student•

17 Observaciones
13 Variables (12 variables datos números, 1 variable entero)

JAVIER SARMIENTO

student•

cuando se importa el dataset orangeec, todas las variables aparecen tipo factor, esto ocurre ya que cuando se importa el dataset se debe colocar yes en la seccion que dice heading, o sino los coloca todos como tipo fact, esto esta mejor explicado en la documentación

por lo tanto:

orangeec 17 obj y 13 variables de las cuales 11 son tipo num, 1 int, 1 factor

Oriana Giraldo Arcia

student•

Si hay algún alma en pena instalando el paquete y no lo encuentra, quiero que sepas que mtcars ya viene por defecto en el paquete Dataset. Puedes verificarlo con

data(mtcars)  # Carga el dataset
head(mtcars)   # Muestra las primeras filas

# Ver información del dataset
?mtcars

Jose Fernando Jaramillo Boon

student•

Use la expresión ?orangeec y R me sugirió ??orangeec, con esta me salio que no encontró nada. alguna sugerencia?

Germán Alejandro Niño

student•

Es normal, es documentacion del archivo. Si no encontro nada es porque el archivo de orangeec no tiene documentacion asociada

Eliott De Jesús Michael Anggelo Calle Peña

student•

yo tampoco pero porque con mtcars si encuentra y con orangeec no la ubica?

Alejandro Henao Ruiz

student•

En mi caso la versión de R aparce que es la 4.0 y al ejecutar la función STR me dice que la variable ‘model’ es de tipo ‘chr’ pregunto entonces ¿cómo interpreto este cambio en r de esta variable? porque evidentemente ‘chr’ hace referencia a un tipo de dato 'character' pero porque antes era factor y ahora no lo es.

Platzerito De Platzi

student•

Puedes convertir la variable a factor así: tuVariable <- as.factor(tuVariable)

Mauricio Obe

student•

Proviene de "character" puedes ver mayor informacion en este Link

Juliana Villamizar

student•

Cuando coloco ?orabgeec me dice que no hay documentación?

Josefina Andrea Araya Tapia

student•

Esto debe ocurrir porque no estamos importando un dataset desde R, sino que es un dataset creado para la clase.

Cristian Eduardo Samboní Castillo

student•

Si. Además, la profe nos introdujo sobre el dataset al principio. Aunque si estaría genial tener una documentación. Gracias.

Excelente curso.

Alejandro Henao Ruiz

student•

También podemos cargarlo con la siguiente instrucción en R:

mtcars <- read.csv("https://raw.githubusercontent.com/sap0408/mtcars/master/mtcars.csv", sep = ',')

Teniendo en cuenta al utilizar como fuente de los datos una dirección URL, corremos el riesgo que esta pueda cambiar y si en un futuro ejecutamos de nuevo esta instrucción podemos tener un error. Por tanto creo importante tener tanto esta instrucción como opción pero también tener el archivo descargado.

Luis Berenguer

student•

Dices que puede cambiar la URL no? Porque si lo que se actualizaran fueran los datos eso estaría bien, quizá arreglaron un dato impreciso, añadieron otro país, etc.

Vanessa Aguirre Giraldo

student•

muchas gracias

Gonzalo Daniel Cayunao Erices

student•

Si están en Windows para cargar el dataset el código serí así:

mtcars <- read.csv("c:\ruta\\de\\mi\\archivo\\mtcars.csv")

En mi versión ya no aparece como factor ahora dice chr, supongo que significa char o caracter.

Jorge Antonio Quiroz Serrano

student•

Muchas gracias me sirvio de mucho, creo que la profa se salta cosas :(