Este curso te proporcionará las bases del lenguaje de programación estadística R, la lengua franca de la estadística, el cual te permitirá escribir programas que lean, manipulen y analicen datos cuantitativos. Te explicaremos la instalación del lenguaje; también verás una introducción a los sistemas base de gráficos y al paquete para graficar ggplot2, para visualizar estos datos. Además también abordarás la utilización de uno de los IDEs más populares entre la comunidad de usuarios de R, llamado RStudio. Objetivo Al término del curso: Utilizarás el lenguaje de programación R con el fin de manipular datos, generar análisis estadísticos y representación gráfica, a través del procesamiento de datos cuantitativos. Forma de trabajo Este curso busca introducirte en el lenguaje de programación estadística R, un lenguaje computacional diseñado para el análisis estadístico de datos. Este curso está dirigido a estudiantes y profesionales que tienen interés en poder utilizar esta herramienta, para leer, manipular, analizar y graficar datos. Utilizarás un IDE (Ambiente de Desarrollo Integrado) muy popular para trabajar con el lenguaje R, llamado RStudio, que se ha vuelto el IDE de facto para programar en R. En cada módulo encontrarás videos que te guiarán en la instalación de las herramientas a utilizar, así como explicaciones de las operaciones básicas y los elementos específicos que ofrecen un manejo más profundo del lenguaje. También hallarás algunas referencias bibliográficas para ahondar en el tema que sea de tu interés. Para complementar las lecciones, realizarás prácticas con el lenguaje, las cuales tendrán valor para la evaluación.
Subjuntos de Datos
Loading...
Del curso dictado por Universidad Nacional Autónoma de México
Introducción a Data Science: Programación Estadística con R
2333 calificaciones
Universidad Nacional Autónoma de México
2333 calificaciones
De la lección
Introducción al Lenguaje
En esta primera semana, tendrás tus primeros pasos en el lenguaje, entenderás que son los objetos, las clases, los tipos de datos y podrás leer y escribir datos a distintas fuentes y tipos de archivos.
Conoce a los instructores
Carlos Ernesto López NatarénTécnico Académico
Secretaría Técnica de Cómputo, Telecomunicaciones, Diseño y Fotografía, Instituto de Física, UNAM
[MUSIC]
En esta lección lo que aprenderemos es a sacar un subconjunto
de datos de algún objeto o variable que you tengamos en memoria.
Y el cual probablemente sea muy grande como para poder utilizarlo completamente.
Generalmente, este tipo de objetos será de la forma
de matrices o de listas o de un DataFrame.
Hay generalmente tres operadores básicos para hacer
una extracción de un subconjunto de datos.
Y estos son los corchetes que extraen elementos de
la misma clase al objeto que estás extrayendo.
Los dobles corchetes que extraen elementos de una lista o un dataframe.
Y donde la clase que te va a regresar no necesariamente
tiene que ser de tipo lista o dataframe.
Y finalmente el símbolo de pesos que extrae elementos de un dataframe.
En el ejemplo que estamos viendo en la imagen en pantalla.
Podemos ver tres de las maneras que podemos usar corchetes.
Una es pidiendo uno de los elementos, por el número del índice que estamos buscando.
Una cosa que es importante no olvidar es que los índices en R comienzan desde
el número uno, no desde el cero como en otros lenguajes.
Luego también podemos pasar una secuencia de números.
Y entonces esta secuencia de números, al pedirla por
medio de corchetes nos va a regresar los elementos que están en esa secuencia.
Y finalmente podemos pasar también un vector lógico.
Donde nos va a regresar, al pedirlo por medio de corchetes, los lugares
en donde el valor del vector lógico sea igual a verdadero o TRUE.
Para hacer un subconjunto de datos de una matriz
o lo que es lo mismo un subsetting de matrices.
Podemos usar los operadores con corchetes,
pero recordemos que la matriz tiene dos dimensiones.
Que son los renglones y las columnas.
Entonces podemos mandar a llamar utilizando corchetes,
el valor de un renglón y una columna en específico,
o el valor de una columna entera o de un renglón entero.
Ésto lo hacemos, no poniendo ningún elemento en primer lugar en el corchete,
luego una coma y luego el valor del renglón o la columna que queremos.
Por supuesto también podemos pedir varias columnas poniendo igual secuencias.
O incluso también vectores lógicos.
Por ejemplo, en la imagen que estamos observando en pantalla,
podemos pedir una matriz que you formamos.
El elemento 1, 3 es decir, el renglón uno columna tres.
Pero por ejemplo, si pedimos el elemento 3, 1 que es al revés,
como no tenemos tres renglones, nos va a generar un error.
Ésto porque el límite de los
índices no está dentro del que nosotros pedimos.
Los últimos dos ejemplos lo que estamos viendo es justamente eso.
Pedimos el renglón uno y nos da todo el renglón uno.
Y en el segundo, pedimos la columna cuatro y nos da exactamente la columna cuatro,
que es el siete y el ocho.
Una cosa que es importante recordar,
es que cuando pedimos un elemento de una matriz.
Ésta, este elemento regresado en forma de vector.
Es decir, pierde su condición de matriz.
Pero si nosotros utilizamos el parámetro Drop = FALSE.
Lo que hace R es regresarnos también una matriz.
Pedimos igual, el mismo elemento 3, 4 pero el valor que nos está
regresando ese subsetting es una matriz que tiene un renglón y una columna,
es decir, no ha perdido su condición de matriz.
Sólo para reafirmar lo que he dicho, vemos el mismo subsetting.
Los valores uno, seis, 11 y 16,
de la misma matriz pero usando una el drop=FALSE.
Y en el otro el valor por default del parámetro drop que es igual a TRUE.
Podemos observar que cuando le pedimos la clase a uno de esos dos subsettings.
Lo que estamos observando es que uno es de clase entera y otro es de clase matriz.
Ahora, como extraemos elementos de una lista.
O hacemos subsetting de listas.
Podemos usar tres formas.
Una es usando los corchetes, la otra es usar los dobles corchetes y la última es
con el símbolo de pesos y el nombre que sólo puede utilizar nombres literales.
Cuando hemos nombrado a los elementos de nuestra lista.
Como podemos ver aquí en el ejemplo.
Si mandamos a llamar, usando sólo corchetes podemos pasar de nuevo
una secuencia o valores también lógicos.
O como en este caso, muy simple, un número de índice.
En este caso estamos pidiendo el índice número uno de la lista.
Entonces lo único que nos regresará,
es la lista o hola, el elemento de esa lista que es hola.
Es decir, los números del uno al diez.
Sólo para reafirmar, si pasamos un único índice,
un único número a los corchetes nos va regresar el elemento con
ese índice y su valor.
Ésto en forma de lista, es lo que estamos observando en pantalla.
Cuando usamos los dobles corchetes que es por ejemplo en el siguientes,
que es x[[1]].
Nos regresa el primer elemento porque es el índice uno,
de la lista que es ese vector.
Ahora pueden observar que ese vector tiene de forma su clase, es vector.
Y finalmente podemos observar también que si inferimos con el símbolo de
pesos y el nombre de la variable literal, nos regresa exactamente el mismo valor.
Ahora que pasa cunado utilizamos los dobles corchetes con el nombre literal.
También nos puede dar ese valor y nos lo regresa en forma de vector.
Y finalmente si pedimos la variable literal solamente con un corchete,
nos va regresar ese elemento que pedimos, nombrado como hola2 en este caso,
pero si se dan cuenta podemos observar que ahora es de tipo lista también.
Por ejemplo podemos notar que en la anotación que estamos observando en
pantalla, utilizando el operador corchete, podemos pasar un vector,
este vector en este ejemplo, tiene los elementos uno y tres.
Si se lo pasamos al operador corchetes,
nos va a extraer el elemento uno y el tres de nuestra lista X.
Que en este caso es dos, tres, cuatro, cinco, hasta el siete y la palabra puente.
Ahora observemos que pasa con el operador de doble corchete.
El operador doble corchete,
uno podría pensar que es similar al operador del signo de pesos.
Pero en realidad, en el fondo, no son tan similares.
El operador de doble corchete puede utilizar índices computados.
Es decir, que nosotros podemos calcular o generar un
índice y meterlo al doble corchete y nos irá a extraer esos elementos que queremos.
En este caso, en la lista X, calculamos o generamos una
variable llamada name cuyo único elemento es una cadena llamada hola3
y si se lo ponemos al operador doble corchete, nos regresa el elemento puente.
En este caso si nosotros pasamos la variable
name al operador de signo de pesos no va funcionar.
Ahora veamos qué pasa,
cuando queremos hacer subsetting de elementos anidados de una lista.
Para empezar, lo elementos anidados de una lista,
significa que dentro de la lista puede haber otra lista.
Que es justamente la lista x que estamos observando en pantalla.
Que contiene una lista que tiene los elementos 10, 11 y 12.
Y un vector que tiene los elementos 9.8 y 2.33.
Si quisiéramos tomar el valor 12, es decir,
el tercer valor del primer elemento de la lista X.
Entonces lo que hacemos es pasarle únicamente el vector 1,3
entre corchetes dobles.
Ahora si queremos utilizar otra notación que sea una notación equivalente.
Es usar corchetes, corchetes, uno, que significa ve y extráeme el
elemento uno de la lista, que es esa lista, 10, 11, 12.
Y luego, otra vez dobles corchetes tres.
Que lo que va a hacer es ir a extraer
el elemento tres de esa lista que you se generó.
El ejemplo de abajo no es más que solamente
la misma notación del primer ejemplo.
Para ir a acceder el segundo elemento de la lista,
el primer elemento de ese vector que nos genera.
supongamos que creamos una lista que tenga como elemento,
un único elemento que se llame mmmddd223s, es un nombre arbitrario
que se me ocurrió solamente para poder ejemplificar lo que vamos a observar.
Y este tiene los valores del uno al 35.
Es decir podríamos mandar a llamar o pedir usando la anotación de doble
corchete o de nombres literales, usando la anotación del signo de pesos.
Poniendo x$ el valor literal que es mmmddd223s
en este caso, te lo podríamos poner así.
Pero como es demasiado largo o demasiado complicado,
podríamos hacer uso de lo que se conoce como emparejado parcial.
El emparejado parcial, lo que hace es, si no encuentra un
símbolo de alguno de los elementos que sea igual, idéntico al que estamos buscando.
nos regrese el más cercano, en este caso, si sólo mandamos a llamar con la letra m,
es decir, x[[¨m¨]] nos
regresa justamente el elemento que
estábamos diciendo en un principio, que es un nombre muy largo y muy complicado.
Lo mismo pasa con el signo de pesos.
Ahora.
Este comportamiento se puede cambiar
si utilizamos el parámetro exact y le ponemos igual a TRUE.
Entonces, cuando hagamos uso de este,
de intentar de hacer uso del emparejado parcial, no va a funcionar.
Generalmente vamos a encontrar valores faltantes o NA,
que you hemos observado qué significan estos valores.
Cuando nos encontramos con este tipo de valores, algunas ocasiones
vamos a querer eliminarlos y quedarnos sólo con los valores que
sean diferentes a NA.
El ejemplo que estamos observando, tenemos un vector que contiene NA.
Lo que hacemos es generar un vector de valores lógicos,
utilizando la función is.na.
En éste nos regresará todo un vector que nos contenga los valores verdaderos,
donde el elemento sea NA, entonces
si lo que queremos es justo lo contrario, entonces tenemos que negar ese vector.
Utilizando el operador signo de admiración.
Entonces utilizando ese operador y el operador corchetes,
podemos pasarle al vector x ese operador y entonces nos regresará
sólo los elementos que son distintos de NA.
Ahora, supongamos que tenemos un dataframe,
y que este dataframe contiene NA en algunas columnas.
Cómo le haríamos para eliminar
los renglones que contienen NA sea de la columna que sea.
Para eso utilizamos una función que es muy útil conocida como complete.cases().
Esta función lo único que tenemos que hacer es generar con ella
un vector lógico, y luego mandar a llamar ese vector lógico,
utilizando una operación de corchetes.
El dataset airquality, is se lo pasamos a la función
complete.cases nos genera un vector lógico, este vector lógico entonces
se lo podemos pasar a airquality de nuevo, utilizando la operador corchetes
para que nos de sólo los renglones donde los valores sean TRUE.
Es decir, quitándonos todos los valores NA que no necesitamos.
[MUSIC]
Explora nuestro catálogo
Inscríbete de manera gratuita y obtén recomendaciones personalizadas, actualizaciones y ofertas.
Coursera brinda acceso universal a la mejor educación del mundo, al asociarse con las mejores universidades y organizaciones, para ofrecer cursos en línea.
© 2018 Coursera Inc. Todos los derechos reservados.
