Seamos ambiciosos

• Entender la diferencia entre R y RStudio y conocer las opciones de personalización de RStudio

• Tener una mejor idea de la lógica del lenguaje

• Conocer las estructuras de datos que podemos encontrarnos usualmente en R

• Familiarizarnos con la programación funcional en R y cómo no enredarnos con las funciones y los paquetes

• Conocer buenas prácticas para organizar un proyecto de analítica

… muy ambiciosos

• Aprender a usar los “manuales” de las funciones y los paquetes

• Familiarizarnos con los paquetes dplyr y ggplot2

• Realizar un par de ejercicios

• Que a todos nos funcione el código que vamos a usar

¿Qué es R?

• R es un lenguaje de programación de acceso libre, inicialmente diseñado y utilizado para realizar análisis estadístico.

• R es el programa que instalamos para interpretar el código que escribimos

• RStudio es un IDE (Integrated Development Environment) que funciona como una mascara sobre R, con más herramientas y facilidades

¿Por qué nos gusta?

• No solamente permite realizar análisis estadístico; tambien es posible capturar información de páginas web, crear aplicaciones web, procesar texto, entre otras cosas

• La comunidad que lo usa es muy amplia

• Es muy versátil para la creación de gráficos

• Tiene disponibles muchos paquetes para diferentes tipos de análisis

• ¡ES GRATIS!

¿Cómo correr comandos/código?

• Si se está trabajando en el panel console solamente es necesario presionar “Enter”.

• Si se está trabajando en un script es posible ejecutar los comandos presionando “Ctrl+Enter:

• Adcionalmente, “#” nos permite incluir comentarios en cualquier lugar del script

¿Qué tipo de estructuras de datos podemos encontrar?

Las estructuras de datos de R se pueden resumir de acuerdo con su número de dimensiones y si su contenido es homogéneo o heterogéneo. En estas se almacena la información que utilizamos.

¿Qué significa cada dimensión?

¿Que significa que su contenido sea homogéneo o heterogéneo?

Contenido de las estructuras de datos

double y numeric se pueden entender como lo mismo

Para utilizar una función en R se debe:

• Escribir el nombre exacto de la función (se debe tener cuidado con la combinación de mayúsculas y minúsculas) seguido de un paréntesis “(”.

• Después del paréntesis deben ir todos los argumentos de la función separados por comas; existen funciones que no necesitan argumentos (ej: Sys.time()).

• Es importante no olvidar cerrar los paréntesis.

Manuales de las funciones

En R

En línea

Grupos de funciones ~ paquetes

• Cuando varias funciones son desarrolladas con un objetivos similar se sulenes agrupar en paquetes los cuales son colaborativamente distribuidos gratuitamente

• Para utilizar de las funciones de un paquete es necesario instalar este paquete primero usando install.packages() y luego cargarlo en nuestro ambiente de trabajo usando library()

Aspectos importantes

• Pregunta/hipótesis

• Propósito del proyecto

• Los datos que vamos a usar

• El inicio del proyecto no es el momento para detenerse en detalles

Luego de resolver lo más importante, ¿cómo estructuramos nuestro directorio/carpeta?*

nombre_del_proyecto         <- nombre del proyecto 
│   README.txt              
│
├───data                    
│   ├───input               <- datos inicial
│   ├───interim             <- data intermedia
│   └───procesada           <- lista para análisis
|
├───outputs                 
│   └───imagenes            
|                           
├───referencias
│   ├───origen_datos.txt    <- descripción del origen de los datos
│   └───diccionarios        <- diccionarios de variables
|
└───scripts
    ├───analisis            <- código principal 
    ├───borradores          <- código borrador 
    └───tidying             <- scripts para preparar la base que 
                              se usará para el análisis 

setwd() vs projects

• setwd() permite cambiar el ambiente de trabajo desde el cual se cargan los archivos

• projects es la manera integral de ajustar el ambiente de trabajo para un proyecto

• Por reproducibilidad, facilidad y para tener los proyectos mejor organizados es mucho mejor usar projects y disminuir al mínimo el uso de setwd()

Vamos a R

¿Vale la pena este trabajo previo?

• Sí
• En realidad no es tanto; depende del tamaño del proyecto
• Eventualmente se convierte en un hábito
• El “futuro yo” estará muy agradecido si el proyecto escala

Preparemos una carpeta para nuestro primer ejercicio

Importar los datos al ambiente de trabajo

• Identificar en que formato viene el archivo y utilizar el paquete/función que nos va a permitir importarlo:

  • Para arhivos diferentes a csv podemos usar readxl (Excel) y foreign (SPSS o Stata); sin embargo la mayoría de tipos de datos están soportados con algún paquete

• Asignar los datos a un objeto en nuestro ambiente de trabajo

• Revisar las dimensiones y los nombre de la base que importamos

Algunos pasos comunes al preparar la base de datos

• Renombrar las variables

• Tratar missing values

• Identificar outliers

• Identificar duplicados

• Convertir strings a números

• Crear categorias a partir de variables continuas (binning)

• Crear variables compuestas

Inspección visual usando ggplot2

ggplot2 permite definir diferentes capas para llegar a la visualización que se quiere, pero ¿qué significan estas capas?

• La base de datos con la que vamos a trabajar.

• Las dimensiones/variables que vamos a utilizar en la representación.

• Los elementos visuales o marcas que queremos incorporar, tales como líneas, puntos, áreas, etc.

• Los grupos de datos sobre los cuales quisieramos realizar la representación de los datos

Vamos a R

K-means

En el código

• Aprovechar los snippets

• Utilizar la opción de auto-indent que viene con RStudio - Ctrl + i

• Crear y utilizar bookmars - Ctrl + Shift + r

• No es necesario escribir los nombre de los argumentos en las funciones, pero sí mejora su legibilidad

• Evitar líneas de código muy largas y complejas

• Releer el código

Fuera del código

• Utilizar la carpeta de borradores

• Para visualizar los gráficos, hacerlo en una ventana separada usando el comando windows(), quartz() o X12(), dependiendo del sistema operativo

• Utilizar un programa de control de cambios, por ejemplo git + GitHub Desktop

• Google es su mejor amigo

Vamos a R

Vamos a R

Vamos a R

Buscando ayuda en línea

• Stack Overflow
• R Blogger

Estructuras de datos en R

• Estructuras de datos
• Ejercicios adicionales sobre estructuras de datos

ggplot2

• Referencia de ggplot2 I
• Referencia de ggplot2 II
• R Graphics Cookbook

Estructurando proyectos en R

• Nice R code: designing projects
• Structuring R projects
• R packages: package structure