-
Notifications
You must be signed in to change notification settings - Fork 0
/
04-visualizacion.Rmd
211 lines (147 loc) · 3.46 KB
/
04-visualizacion.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
---
title: '<br>Elementos del Data Science con R<br><br>Manipulación de Datos 2 - Exportación'
pagetitle: 'Elementos del Data Science con R - Manipulación de Datos 2 - Exportación'
author: false
output:
revealjs::revealjs_presentation:
lib_dir: libs
self_contained: false
reveal_plugins: ["zoom"]
mathjax: null
transition: fade
css: ["css/styles.css"]
incremental: true
center: false
# center: true
theme: simple
fig_width: 6
fig_height: 3.5
reveal_options:
slideNumber: false
controls: false
mouseWheel: false
editor_options:
chunk_output_type: console
---
# Manipulación de Datos 2 y Exportación { .center .white data-background="#75AADB" }
```{r, include = FALSE}
source("R/setup.R")
knitr::opts_chunk$set(
fig.path = "img/03-manipulacion-datos-2-exportacion/",
echo = TRUE,
fig.width = 10,
fig.height = 6
)
```
# Manipulación de Datos 2 { .center .white data-background="#75AADB" }
## Datos a utilizar
```{r}
library(tidyverse)
data("table4a")
table4a
```
----
```{r}
data("table2")
table2
```
----
```{r}
cases <- read_csv("data/cases.csv")
cases
```
¿Como obtendríamos el promedio por país?
## ¿Como obtendríamos el promedio por país?
```{r}
cases %>%
mutate(promedio = (`2011` + `2012` + `2013`)/3)
```
Ahora pensemos en una tabla más grande, con más años
## `gather` Recolectar
Coloca nombres de columnas en una variable (columna) __key__, recolectando los
valores (__value__) de las columnas en un __sola__ columna
![](img/tidyr/gather.png)
## `gather` Ejemplo
![](img/tidyr/gather_example.png)
## `gather` Código
```{r}
gather(table4a, `1999`, `2000`, key = "year", value = "cases")
```
## `spread` Esparcir
Esparce un par de columnas (2, key-value) en multiples columnas
![](img/tidyr/spread.png)
## `spread` Ejemplo
![](img/tidyr/spread_example.png)
## `spread` Código
```{r}
spread(table2, type, count)
```
## Joins: Combinar tablas
![](img/dplyr/joins.png)
## Joins Ejemplos
![](img/dplyr/joins_example.png)
## Joins Código
```{r}
x <- data_frame(
A = c("a", "b", "c"),
B = c("t", "u", "v"),
C = c(1, 2, 3)
)
y <- data_frame(
A = c("a", "b", "c"),
B = c("t", "u", "w"),
D = c(3, 2, 1)
)
x
```
----
```{r}
left_join(x, y)
right_join(x, y)
```
----
```{r}
inner_join(x, y)
full_join(x, y)
```
# Exportación { .center .white data-background="#75AADB" }
## Destinos
Los datos puden exportarse de _muuuuchas_ formas
- Archivo de texto
- Excel
- SPSS
- Bases de Datos
## Funciones para exportar
Dependiendo de la fuente se requiere uan __función__ de un
__paquete__ en particular
```{r}
```
- Si es archivo de texto csv: `write_csv` del paquete `readr` (que viene en el `tidyverse`)
- Si es un archivo de texto: `write_delim` del paquete `readr` es una función más general
- Si es un excel: `write_xlsx` del paquete `writexl`
- Y así...
# Ejercicio Práctico { .center }
## Ejercicio 1 - ¿Qué sucede?
```{r, error=TRUE}
people <- data_frame(
name = c("Phillip Woods", "Phillip Woods", "Phillip Woods",
"Jessica Cordero", "Jessica Cordero"),
key = c("age", "height", "age", "age", "height"),
value = c(45, 186, 50, 37, 156)
)
people
spread(people, key, value)
```
## Ejercicio 2
Volviendo a:
```{r}
cases
```
Calcule el promedio usando una forma mas _elegante_
## Ejercicio 2 - Solución
```{r}
cases %>%
gather("año", "valor", `2011`:`2013`) %>%
group_by(country) %>%
summarise(promedio = mean(valor))
```