Capítulo 2 Funcionamiento básico de R

2.1 Introducción

En este capitulo se va a dar una introducción al funcionamiento básico de R (R Core Team, 2019), incluyendo el uso de R como una calculadora (consola), creación de objetos, y los tipos principales objetos que se utilizan en R, así como importar y exportar datos, y unas inspecciones generales de los datos.

Se van a usar, aunque poco en este capitulo, funciones de los paquetes:

library(rio)
library(skimr)
library(psych)
library(DescTools)
library(tidyverse)
library(summarytools)

2.2 Operaciones básicas

R puede funcionar como una calculadora básica, donde es posible realizar operaciones aritméticas sencillas. Los nombres de las funciones están en ingles (ej: sqrt para raíz cuadrada, round para redondeo, etc.).

Como cualquier otro programa, si se va a utilizar operaciones con ángulos (ej: cos, tan, etc.), los ángulos tienen que darse en radianes, y el resultado va a estar en radianes.

1+2

## [1] 3

1-2

## [1] -1

1*2

## [1] 2

1/2

## [1] 0.5

sqrt(125)

## [1] 11.18034

2.3 Crear objetos

Objetos se pueden crear usando los operadores <- o =. Al crear un objeto este no se despliega en la consola a menos que uno lo llame directamente o que a la hora de crearlo sea encerrado con paréntesis redondos ().

La idea de generar objetos es básica para los lenguajes de programación. Los objetos que se crean pueden ser reutilizados después de ser creados. Si se desean actualizar las operaciones o funciones que dependen de un objeto, solo se cambia el objeto una vez, y el resto se actualiza cuando se vuelve a correr.

Aquí se están generando los objetos x, y, y z, donde x se imprime hasta llamarlo, y se imprime al guardarlo por estar encerrado en paréntesis, y z es función de x y y.

x <- 1
(y = 2)

## [1] 2

## [1] 1

x + y

## [1] 3

z = x + y

2.4 Vectores

Los vectores son unidimensionales y deben ser (contener elementos) del mismo tipo. Aquí se muestran los diferentes tipos, y como crearlos. Los más importantes tipos son Numéricos, Texto, y Factores (tipo especial en R).

2.4.1 Numéricos

Se pueden crear vectores numéricos a partir de datos puntuales, sin ningún orden, usando la función c(), y separando las entradas (elementos) por medio de comas ,.

x <- c(1,2,3,4,5)
y <- c(6,7,8,9,10)

O se pueden crear vectores en secuencia (seq(from = , to = , by =, o length.out = )) o de valores repetidos (rep()). Crear vectores de valores repetidos no aplica únicamente para datos numéricos.

En seq se definen los argumentos from: valor inicial, to: valor final, y by: el intervalo, o length.out: la cantidad de elementos que quiero. En rep se define lo que se quiere repetir, y el numero de veces a repetir.

(f = 1:30)

##  [1]  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] 26 27 28 29 30

(t1 = seq(from = 0, to = 20, by = .2))

##   [1]  0.0  0.2  0.4  0.6  0.8  1.0  1.2  1.4  1.6  1.8  2.0  2.2  2.4  2.6  2.8
##  [16]  3.0  3.2  3.4  3.6  3.8  4.0  4.2  4.4  4.6  4.8  5.0  5.2  5.4  5.6  5.8
##  [31]  6.0  6.2  6.4  6.6  6.8  7.0  7.2  7.4  7.6  7.8  8.0  8.2  8.4  8.6  8.8
##  [46]  9.0  9.2  9.4  9.6  9.8 10.0 10.2 10.4 10.6 10.8 11.0 11.2 11.4 11.6 11.8
##  [61] 12.0 12.2 12.4 12.6 12.8 13.0 13.2 13.4 13.6 13.8 14.0 14.2 14.4 14.6 14.8
##  [76] 15.0 15.2 15.4 15.6 15.8 16.0 16.2 16.4 16.6 16.8 17.0 17.2 17.4 17.6 17.8
##  [91] 18.0 18.2 18.4 18.6 18.8 19.0 19.2 19.4 19.6 19.8 20.0

(t2 = seq(from = 0, to = 20, length.out = 11))

##  [1]  0  2  4  6  8 10 12 14 16 18 20

(u = rep(5,20))

##  [1] 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

rep(5:7,3)

## [1] 5 6 7 5 6 7 5 6 7

rep(5:7,each=3)

## [1] 5 5 5 6 6 6 7 7 7

2.4.2 Texto (string, character)

Los vectores de texto son usualmente el precursor de vectores categóricos o factores. Se construyen de manera similar usando c(), pero cada entrada (elemento) va en comillas (doble "", o sencilla ’’).

z <- "pura vida"
z

## [1] "pura vida"

dias <- c("lunes","martes","miercoles","jueves","viernes")
dias

## [1] "lunes"     "martes"    "miercoles" "jueves"    "viernes"

2.4.3 Categóricos (factores)

Los vectores para datos categóricos en R son llamados factores, y estos factores van a contener niveles o clases (levels). Este tipo de vector es muy utilizado en diversos análisis.

El primer tipo es un factor nominal (sin orden en los niveles/clases). Aquí se esta usando el vector de texto creado anteriormente, y simplemente se convierte a factor. La función as_factor es del paquete forcats, que se carga al cargar el tidyverse. Existe una función básica as.factor; los comportamientos son un poco diferentes, siendo la principal diferencia que as_factor ordena los niveles de acuerdo al orden de aparición, mientras que as.factor ordena los niveles de manera alfabética.

dias.f1 = as_factor(dias)
dias.f1

## [1] lunes     martes    miercoles jueves    viernes  
## Levels: lunes martes miercoles jueves viernes

dias.f2 = as.factor(dias)
dias.f2

## [1] lunes     martes    miercoles jueves    viernes  
## Levels: jueves lunes martes miercoles viernes

Factores ordinales pueden crearse usando la función básica factor, primero con el vector de datos (usualmente texto), agregando el argumento ordered = TRUE. Ademas, hay que especificar los niveles en el orden deseado con el argumento levels, donde van a ir de menor a mayor.

ordenado = factor(c('Bajo','Alto','Alto','Medio','Medio','Bajo','Alto'), 
                  ordered = T, 
                  levels = c('Bajo','Medio','Alto'))
ordenado

## [1] Bajo  Alto  Alto  Medio Medio Bajo  Alto 
## Levels: Bajo < Medio < Alto

2.5 Matrices

Las matrices son representaciones multidimensionales de datos numéricos. La función para construirlas es matrix, donde se especifican los datos y el numero de filas o columnas. Por defecto inserta los datos por columna, si se quieren meter por fila se debe usar byrow = TRUE. Adicionalmente se le pueden agregar nombres a las filas y columnas con el argumento dimnames.

matrix(data = 1:15, nrow = 3)

##      [,1] [,2] [,3] [,4] [,5]
## [1,]    1    4    7   10   13
## [2,]    2    5    8   11   14
## [3,]    3    6    9   12   15

matrix(data = 1:15, nrow = 3, byrow = T)

##      [,1] [,2] [,3] [,4] [,5]
## [1,]    1    2    3    4    5
## [2,]    6    7    8    9   10
## [3,]   11   12   13   14   15

matrix(data = 1:15, nrow = 3, byrow = T,
       dimnames = list(Filas = letters[1:3],
                       Columnas = LETTERS[1:5]))

##      Columnas
## Filas  A  B  C  D  E
##     a  1  2  3  4  5
##     b  6  7  8  9 10
##     c 11 12 13 14 15

2.6 DataFrames, listas y tibbles

Los vectores son unidimensionales y pueden almacenar datos (elementos) de un solo tipo. DataFrames, listas y tibbles son objetos que pueden almacenar más de 1 vector y los diferentes vectores pueden ser diferentes entre ellos. Esto es similar a una hoja de calculo donde cada columna es un vector.

Para DataFrames los contenidos pueden ser únicamente vectores de la misma longitud. Se crea usando la función data.frame, con los argumentos siendo los vectores, que van a pasar a ser las columnas. La función names brinda los nombres de las columnas, y a su vez se puede usar para renombrar a las columnas.

DF = data.frame(Visitas = x, Revision = y, Dias = dias)
DF

## # A tibble: 5 x 3
##   Visitas Revision Dias     
##     <dbl>    <dbl> <fct>    
## 1       1        6 lunes    
## 2       2        7 martes   
## 3       3        8 miercoles
## 4       4        9 jueves   
## 5       5       10 viernes

names(DF)

## [1] "Visitas"  "Revision" "Dias"

names(DF) = c("Experimento", "Valores", "Tiempo")
DF

## # A tibble: 5 x 3
##   Experimento Valores Tiempo   
##         <dbl>   <dbl> <fct>    
## 1           1       6 lunes    
## 2           2       7 martes   
## 3           3       8 miercoles
## 4           4       9 jueves   
## 5           5      10 viernes

Para listas los contenidos pueden ser cualquier objeto y de cualquier dimensión. Muchos de los resultados de funciones en R son listas. Estas se crean con la función list.

lst = list(Exp = x, Val = y, Dias = dias, Data = DF)
lst

## $Exp
## [1] 1 2 3 4 5
## 
## $Val
## [1]  6  7  8  9 10
## 
## $Dias
## [1] "lunes"     "martes"    "miercoles" "jueves"    "viernes"  
## 
## $Data
##   Experimento Valores    Tiempo
## 1           1       6     lunes
## 2           2       7    martes
## 3           3       8 miercoles
## 4           4       9    jueves
## 5           5      10   viernes

Tibbles son un tipo especial de DataFrame, donde la principal diferencia es que pueden tener un contenido (columna) que puede ser una lista y esto puede brindar muchas facilidades a la hora de manipular y analizar los datos. Ademas no fuerza a datos de texto a factores y en la consola se despliega de manera más amigable.

tb = tibble(Visitas = x, Revision = y, 
            Dias = dias, Extra = map(6:10, ~rnorm(.x)))
tb

## # A tibble: 5 x 4
##   Visitas Revision Dias      Extra     
##     <dbl>    <dbl> <chr>     <list>    
## 1       1        6 lunes     <dbl [6]> 
## 2       2        7 martes    <dbl [7]> 
## 3       3        8 miercoles <dbl [8]> 
## 4       4        9 jueves    <dbl [9]> 
## 5       5       10 viernes   <dbl [10]>

2.7 Verificando objetos

Hay funciones para verificar el tipo de objeto (mode, is, class), comprobar si es de un tipo en especifico (is.*) y cambiar de un tipo a otro (as.*). Con la funcione methods(class = *) se pueden obtener los diferentes métodos o funciones disponibles para ese tipo de objeto (va a depender de los paquetes cargados).

mode(x)

## [1] "numeric"

is(x)

##  [1] "numeric"          "vector"           "index"            "replValue"       
##  [5] "numLike"          "number"           "atomicVector"     "numericVector"   
##  [9] "EnumerationValue" "replValueSp"      "Mnumeric"

class(x)

## [1] "numeric"

x <- c(1, 2, 3, 4, 5, 6)
methods(class = class(x))

##  [1] [             [<-           all.equal     Arith         as_factor    
##  [6] as_mapper     as.data.frame as.Date       as.POSIXct    as.POSIXlt   
## [11] as.raster     as.yearmon    as.yearqtr    cbind2        coerce       
## [16] coerce<-      Compare       Desc          full_seq      get_skimmers 
## [21] Logic         months        Ops           rbind2        recode       
## [26] rescale       scale_type   
## see '?methods' for accessing help and source code

Aquí se agrega un elemento de texto a un vector numérico, R por defecto lo va a cambiar a texto, que se revisa con mode(x), y específicamente si es numérico con is.numeric(x). Para cambiarlo de nuevo a numérico se usa as.numeric(x).

x[6]<-"NA"
x

## [1] "1"  "2"  "3"  "4"  "5"  "NA"

mode(x)

## [1] "character"

is.numeric(x)

## [1] FALSE

x2 <- as.numeric(x)
x2

## [1]  1  2  3  4  5 NA

2.8 Guardando el espacio de trabajo

Una vez se han generado objetos estos pueden ser guardados para compartir con otra gente o cargar en otra sesión para no tener que volver a generarlos.

save.image("introR.rdata")

load("introR.rdata")

2.9 Importando/cargando datos

La mejor opción para importar datos es usar import del paquete rio (Chan & Leeper, 2018). Uno simplemente ocupa darle la dirección del archivo que se quiere importar y la función inteligentemente escoge la forma para importarlo. Si se quiere importar un documento de Excel que contiene varias hojas, se usa import_list, donde el resultado es una lista con las diferentes hojas. El argumento setclass = 'tibble' se usa para definir que el objeto creado sea un tibble y no un DataFrame.

data("airquality")
head(airquality)

## # A tibble: 6 x 6
##   Ozone Solar.R  Wind  Temp Month   Day
##   <int>   <int> <dbl> <int> <int> <int>
## 1    41     190   7.4    67     5     1
## 2    36     118   8      72     5     2
## 3    12     149  12.6    74     5     3
## 4    18     313  11.5    62     5     4
## 5    NA      NA  14.3    56     5     5
## 6    28      NA  14.9    66     5     6

# dat1 <- import(file.choose(), setclass = 'tibble')
dat1 <- import("data/LungCapData2.csv", setclass = 'tibble')
titanic <- import("data/titanic.csv", setclass = 'tibble')
lista_datos = import_list('data/datasets.xlsx', setclass = 'tibble')

2.10 Exportando datos

Usar export del paquete rio. Se pueden exportar diferentes formatos. Si se exporta una lista con nombres a un Excel, cada entrada de la lista aparece en una hoja diferente.

export(airquality, "data/airquality.csv")
export(list(airquality = airquality,
            mpg = mpg,
            gss = gss_cat), "data/datasets.xlsx")

2.11 Inspeccionando los datos

Aquí se muestran funciones básicas para explorar los datos y como acceder a ciertos datos en especifico. Dentro de las funciones más usadas están:

head: Muestra las primeras 6 filas o elementos de un DataFrame o vector (no es necesario usar esto con un Tibble ya que el Tibble muestra las primeras 10 filas por defecto)
tail: Muestra las ultimas 6 filas o elementos
dim: Muestra la dimensión del objeto
summary: Dependiendo del objeto esta función muestra diferentes cosas, en general siendo un resumen de los contenidos del objeto
str: Muestra la estructura de los datos, indicando numero de variables y observaciones, así como el tipo de variables (de nuevo esto lo muestra un Tibble por defecto)
names: Muestra los nombres de los objetos; en el caso de DataFrames y tibbles los nombres de las columnas, en el caso de una lista los nombres de los objetos dentro de la lista

head(dat1)

## # A tibble: 6 x 5
##     Age LungCap Height Gender Smoke
##   <int>   <dbl>  <dbl> <chr>  <chr>
## 1     9    3.12   57   female no   
## 2     8    3.17   67.5 female no   
## 3     7    3.16   54.5 female no   
## 4     9    2.67   53   male   no   
## 5     9    3.68   57   male   no   
## 6     8    5.01   61   female no

tail(dat1)

## # A tibble: 6 x 5
##     Age LungCap Height Gender Smoke
##   <int>   <dbl>  <dbl> <chr>  <chr>
## 1    16   12.6    72   male   yes  
## 2    16   10.8    67   male   yes  
## 3    15    9.18   68   male   yes  
## 4    18    6.56   60   female no   
## 5    16    6.38   63   female yes  
## 6    15    7.63   66.5 female no

dim(dat1)

## [1] 654   5

summary(dat1)

##       Age            LungCap           Height         Gender         
##  Min.   : 3.000   Min.   : 0.373   Min.   :46.00   Length:654        
##  1st Qu.: 8.000   1st Qu.: 3.943   1st Qu.:57.00   Class :character  
##  Median :10.000   Median : 5.643   Median :61.50   Mode  :character  
##  Mean   : 9.931   Mean   : 5.910   Mean   :61.14                     
##  3rd Qu.:12.000   3rd Qu.: 7.356   3rd Qu.:65.50                     
##  Max.   :19.000   Max.   :15.379   Max.   :74.00                     
##     Smoke          
##  Length:654        
##  Class :character  
##  Mode  :character  
##                    
##                    
##

str(dat1)

## tibble [654 × 5] (S3: tbl_df/tbl/data.frame)
##  $ Age    : int [1:654] 9 8 7 9 9 8 6 6 8 9 ...
##  $ LungCap: num [1:654] 3.12 3.17 3.16 2.67 3.69 ...
##  $ Height : num [1:654] 57 67.5 54.5 53 57 61 58 56 58.5 60 ...
##  $ Gender : chr [1:654] "female" "female" "female" "male" ...
##  $ Smoke  : chr [1:654] "no" "no" "no" "no" ...

names(dat1)

## [1] "Age"     "LungCap" "Height"  "Gender"  "Smoke"

Para acceder a elementos de un vector (de cualquier tipo) se usan los corchetes cuadrados [], con el numero de la posición del elemento dentro de estos. La posición se puede especificar por medio de un valor único, un rango (inicio:fin), o por medio de un vector de posiciones usando c().

t1[3:5]

## [1] 0.4 0.6 0.8

dias[2]

## [1] "martes"

ordenado[c(2,5,7)]

## [1] Alto  Medio Alto 
## Levels: Bajo < Medio < Alto

Para acceder a elementos de una lista se usa el corchete sencillo para extraer el elemento como tal, o doble corchete para extraer los contenido del elemento.

lst[1]

## $Exp
## [1] 1 2 3 4 5

lst[[1]]

## [1] 1 2 3 4 5

lst[[1]][3]

## [1] 3

Para acceder a los datos de una matriz o tabla (DataFrame o tibble) se usan los corchetes cuadrados [,], donde el espacio antes de la coma se usa para seleccionar filas y el espacio después para seleccionar columnas (de acuerdo al numero, o al nombre para tablas).

En tablas, para acceder a una columna como vector se pueden usar los dobles corchetes [[]] o el operados $.

dat1[,1] # primer columna

## # A tibble: 654 x 1
##      Age
##    <int>
##  1     9
##  2     8
##  3     7
##  4     9
##  5     9
##  6     8
##  7     6
##  8     6
##  9     8
## 10     9
## # … with 644 more rows

dat1[1,] # primer fila

## # A tibble: 1 x 5
##     Age LungCap Height Gender Smoke
##   <int>   <dbl>  <dbl> <chr>  <chr>
## 1     9    3.12     57 female no

dat1[1,1] # elemento en primer fila y columna

## # A tibble: 1 x 1
##     Age
##   <int>
## 1     9

dat1[,1:3] # columnas de la 1 a la 3

## # A tibble: 654 x 3
##      Age LungCap Height
##    <int>   <dbl>  <dbl>
##  1     9    3.12   57  
##  2     8    3.17   67.5
##  3     7    3.16   54.5
##  4     9    2.67   53  
##  5     9    3.68   57  
##  6     8    5.01   61  
##  7     6    3.76   58  
##  8     6    2.24   56  
##  9     8    3.96   58.5
## 10     9    3.83   60  
## # … with 644 more rows

dat1[,c(1,3,5)] # columnas 1, 3, y 5

## # A tibble: 654 x 3
##      Age Height Smoke
##    <int>  <dbl> <chr>
##  1     9   57   no   
##  2     8   67.5 no   
##  3     7   54.5 no   
##  4     9   53   no   
##  5     9   57   no   
##  6     8   61   no   
##  7     6   58   no   
##  8     6   56   no   
##  9     8   58.5 no   
## 10     9   60   no   
## # … with 644 more rows

dat1[,c("Age","Height")] # columnas por nombre

## # A tibble: 654 x 2
##      Age Height
##    <int>  <dbl>
##  1     9   57  
##  2     8   67.5
##  3     7   54.5
##  4     9   53  
##  5     9   57  
##  6     8   61  
##  7     6   58  
##  8     6   56  
##  9     8   58.5
## 10     9   60  
## # … with 644 more rows

head(dat1[["Age"]]) # columna como vector

## [1] 9 8 7 9 9 8

head(dat1$Age) # columna como vector

## [1] 9 8 7 9 9 8

dat1["Age"] # columna por nombre

## # A tibble: 654 x 1
##      Age
##    <int>
##  1     9
##  2     8
##  3     7
##  4     9
##  5     9
##  6     8
##  7     6
##  8     6
##  9     8
## 10     9
## # … with 644 more rows

Para columnas de tipo factor se pueden revisar los niveles con la función levels. Si una columna es de tipo texto y se quiere cambiar a factor se reescribe la columna (tabla$columna) por medio de la función factor. Ademas, si se requieren ordenar los niveles, estos se puede hacer especificando el orden deseado con el argumento levels, usando el nombre de los elementos en el vector.

levels(dat1$Smoke)

## NULL

dat1$Smoke = factor(dat1$Smoke,levels = c("yes","no")) # reordenar niveles
levels(dat1$Smoke)

## [1] "yes" "no"

summary(dat1)

##       Age            LungCap           Height         Gender          Smoke    
##  Min.   : 3.000   Min.   : 0.373   Min.   :46.00   Length:654         yes: 65  
##  1st Qu.: 8.000   1st Qu.: 3.943   1st Qu.:57.00   Class :character   no :589  
##  Median :10.000   Median : 5.643   Median :61.50   Mode  :character            
##  Mean   : 9.931   Mean   : 5.910   Mean   :61.14                               
##  3rd Qu.:12.000   3rd Qu.: 7.356   3rd Qu.:65.50                               
##  Max.   :19.000   Max.   :15.379   Max.   :74.00

2.12 Descripciones generales (globales)

Se muestran varias funciones que generan un resumen general de un vector, o tabla dependiendo del tipo de variable presente. Estas funciones se encuentran en los paquetes skimr (Waring et al., 2019), psych (Revelle, 2020), DescTools (Signorell, 2020), y summarytools (Comtois, 2019).

set.seed(101)
myvector = rnorm(n = 60,mean = 30,sd = 8)

skim(myvector)

Tabla 2.1: Data summary
Name	myvector
Number of rows	60
Number of columns	1
_______________________
Column type frequency:
numeric	1
________________________
Group variables

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
data	0	1	29.11	7.42	11.45	24.06	29.78	34.57	41.42	▂▅▇▇▆

describe(myvector)

## # A tibble: 1 x 13
##    vars     n  mean    sd median trimmed   mad   min   max range   skew kurtosis
##   <dbl> <dbl> <dbl> <dbl>  <dbl>   <dbl> <dbl> <dbl> <dbl> <dbl>  <dbl>    <dbl>
## 1     1    60  29.1  7.42   29.8    29.5  7.87  11.4  41.4  30.0 -0.499   -0.671
## # … with 1 more variable: se <dbl>

Desc(myvector)

## ------------------------------------------------------------------------------ 
## myvector (numeric)
## 
##     length         n       NAs    unique        0s      mean    meanCI
##         60        60         0       = n         0  29.10622  27.18840
##               100.0%      0.0%                0.0%            31.02404
##                                                                       
##        .05       .10       .25    median       .75       .90       .95
##   16.47568  18.28631  24.06407  29.78292  34.56941  37.43271  39.38988
##                                                                       
##      range        sd     vcoef       mad       IQR      skew      kurt
##   29.97666   7.42400   0.25507   7.86821  10.50535  -0.49887  -0.67149
##                                                                       
## lowest : 11.44538, 13.41515, 13.59754, 16.62716, 18.12898
## highest: 39.03847, 39.38978, 39.39173, 39.51883, 41.42204

dfSummary(myvector) %>% view(method = 'render')

Data Frame Summary

myvector

Dimensions: 60 x 1
Duplicates: 0

No	Variable	Stats / Values	Freqs (% of Valid)	Valid	Missing
1	myvector [numeric]	Mean (sd) : 29.1 (7.4) min < med < max: 11.4 < 29.8 < 41.4 IQR (CV) : 10.5 (0.3)	60 distinct values	60 (100%)	0 (0%)

Generated by summarytools 0.9.4 (R version 3.6.0)
2020-08-19

skim(airquality)

Tabla 2.2: Data summary
Name	airquality
Number of rows	153
Number of columns	6
_______________________
Column type frequency:
numeric	6
________________________
Group variables

Variable type: numeric

skim_variable	n_missing	complete_rate	mean	sd	p0	p25	p50	p75	p100	hist
Ozone	37	0.76	42.13	32.99	1.0	18.00	31.5	63.25	168.0	▇▃▂▁▁
Solar.R	7	0.95	185.93	90.06	7.0	115.75	205.0	258.75	334.0	▅▃▅▇▅
Wind	0	1.00	9.96	3.52	1.7	7.40	9.7	11.50	20.7	▂▇▇▃▁
Temp	0	1.00	77.88	9.47	56.0	72.00	79.0	85.00	97.0	▂▃▇▇▃
Month	0	1.00	6.99	1.42	5.0	6.00	7.0	8.00	9.0	▇▇▇▇▇
Day	0	1.00	15.80	8.86	1.0	8.00	16.0	23.00	31.0	▇▇▇▇▆

describe(airquality)

## # A tibble: 6 x 13
##    vars     n   mean    sd median trimmed   mad   min   max range     skew
##   <int> <dbl>  <dbl> <dbl>  <dbl>   <dbl> <dbl> <dbl> <dbl> <dbl>    <dbl>
## 1     1   116  42.1  33.0    31.5   37.8  25.9    1   168     167  1.21   
## 2     2   146 186.   90.1   205    190.   98.6    7   334     327 -0.419  
## 3     3   153   9.96  3.52    9.7    9.87  3.41   1.7  20.7    19  0.341  
## 4     4   153  77.9   9.47   79     78.3   8.90  56    97      41 -0.371  
## 5     5   153   6.99  1.42    7      6.99  1.48   5     9       4 -0.00234
## 6     6   153  15.8   8.86   16     15.8  11.9    1    31      30  0.00260
## # … with 2 more variables: kurtosis <dbl>, se <dbl>

Desc(airquality)

## ------------------------------------------------------------------------------ 
## Describe airquality (data.frame):
## 
## data frame:  153 obs. of  6 variables
##      111 complete cases (72.5%)
## 
##   Nr  ColName  Class    NAs         Levels
##   1   Ozone    integer  37 (24.2%)        
##   2   Solar.R  integer   7 (4.6%)         
##   3   Wind     numeric   .                
##   4   Temp     integer   .                
##   5   Month    integer   .                
##   6   Day      integer   .                
## 
## 
## ------------------------------------------------------------------------------ 
## 1 - Ozone (integer)
## 
##   length      n    NAs  unique     0s   mean  meanCI
##      153    116     37      67      0  42.13   36.06
##           75.8%  24.2%           0.0%          48.20
##                                                     
##      .05    .10    .25  median    .75    .90     .95
##     7.75  11.00  18.00   31.50  63.25  87.00  108.50
##                                                     
##    range     sd  vcoef     mad    IQR   skew    kurt
##   167.00  32.99   0.78   25.95  45.25   1.21    1.11
##                                                     
## lowest : 1, 4, 6, 7 (3), 8
## highest: 115, 118, 122, 135, 168

## ------------------------------------------------------------------------------ 
## 2 - Solar.R (integer)
## 
##   length      n     NAs  unique      0s    mean  meanCI
##      153    146       7     117       0  185.93  171.20
##           95.4%    4.6%            0.0%          200.66
##                                                        
##      .05    .10     .25  median     .75     .90     .95
##    24.25  47.50  115.75  205.00  258.75  288.50  311.50
##                                                        
##    range     sd   vcoef     mad     IQR    skew    kurt
##   327.00  90.06    0.48   98.59  143.00   -0.42   -1.00
##                                                        
## lowest : 7, 8, 13, 14, 19
## highest: 320, 322 (2), 323, 332, 334

## ------------------------------------------------------------------------------ 
## 3 - Wind (numeric)
## 
##   length       n    NAs  unique     0s   mean  meanCI
##      153     153      0      31      0   9.96    9.39
##           100.0%   0.0%           0.0%          10.52
##                                                      
##      .05     .10    .25  median    .75    .90     .95
##     4.60    5.82   7.40    9.70  11.50  14.90   15.50
##                                                      
##    range      sd  vcoef     mad    IQR   skew    kurt
##    19.00    3.52   0.35    3.41   4.10   0.34    0.03
##                                                      
## lowest : 1.7, 2.3, 2.8, 3.4, 4.0
## highest: 16.1, 16.6 (3), 18.4, 20.1, 20.7
## 
## heap(?): remarkable frequency (9.8%) for the mode(s) (= 11.5)

## ------------------------------------------------------------------------------ 
## 4 - Temp (integer)
## 
##   length       n    NAs  unique     0s   mean  meanCI
##      153     153      0      40      0  77.88   76.37
##           100.0%   0.0%           0.0%          79.39
##                                                      
##      .05     .10    .25  median    .75    .90     .95
##    60.20   64.20  72.00   79.00  85.00  90.00   92.00
##                                                      
##    range      sd  vcoef     mad    IQR   skew    kurt
##    41.00    9.47   0.12    8.90  13.00  -0.37   -0.46
##                                                      
## lowest : 56, 57 (3), 58 (2), 59 (2), 61 (3)
## highest: 92 (5), 93 (3), 94 (2), 96, 97

## ------------------------------------------------------------------------------ 
## 5 - Month (integer)
## 
##   length       n    NAs  unique    0s   mean  meanCI
##      153     153      0       5     0   6.99    6.77
##           100.0%   0.0%          0.0%           7.22
##                                                     
##      .05     .10    .25  median   .75    .90     .95
##     5.00    5.00   6.00    7.00  8.00   9.00    9.00
##                                                     
##    range      sd  vcoef     mad   IQR   skew    kurt
##     4.00    1.42   0.20    1.48  2.00  -0.00   -1.32
##                                                     
## 
##    level  freq   perc  cumfreq  cumperc
## 1      5    31  20.3%       31    20.3%
## 2      6    30  19.6%       61    39.9%
## 3      7    31  20.3%       92    60.1%
## 4      8    31  20.3%      123    80.4%
## 5      9    30  19.6%      153   100.0%
## 
## heap(?): remarkable frequency (20.3%) for the mode(s) (= 5, 7, 8)

## ------------------------------------------------------------------------------ 
## 6 - Day (integer)
## 
##   length       n    NAs  unique     0s   mean  meanCI
##      153     153      0      31      0  15.80   14.39
##           100.0%   0.0%           0.0%          17.22
##                                                      
##      .05     .10    .25  median    .75    .90     .95
##     2.00    4.00   8.00   16.00  23.00  28.00   29.40
##                                                      
##    range      sd  vcoef     mad    IQR   skew    kurt
##    30.00    8.86   0.56   11.86  15.00   0.00   -1.22
##                                                      
## lowest : 1 (5), 2 (5), 3 (5), 4 (5), 5 (5)
## highest: 27 (5), 28 (5), 29 (5), 30 (5), 31 (3)

dfSummary(airquality) %>% view(method = 'render')

Data Frame Summary

airquality

Dimensions: 153 x 6
Duplicates: 0

Variable

Stats / Values

Freqs (% of Valid)

Valid

Missing

Ozone [integer]

Mean (sd) : 42.1 (33) min < med < max: 1 < 31.5 < 168 IQR (CV) : 45.2 (0.8)

67 distinct values

116 (75.82%)

37 (24.18%)

Solar.R [integer]

Mean (sd) : 185.9 (90.1) min < med < max: 7 < 205 < 334 IQR (CV) : 143 (0.5)

117 distinct values

146 (95.42%)

7 (4.58%)

Wind [numeric]

Mean (sd) : 10 (3.5) min < med < max: 1.7 < 9.7 < 20.7 IQR (CV) : 4.1 (0.4)

31 distinct values

153 (100%)

0 (0%)

Temp [integer]

Mean (sd) : 77.9 (9.5) min < med < max: 56 < 79 < 97 IQR (CV) : 13 (0.1)

40 distinct values

153 (100%)

0 (0%)

Month [integer]

Mean (sd) : 7 (1.4) min < med < max: 5 < 7 < 9 IQR (CV) : 2 (0.2)

5	:	31	(	20.3%	)
6	:	30	(	19.6%	)
7	:	31	(	20.3%	)
8	:	31	(	20.3%	)
9	:	30	(	19.6%	)

153 (100%)

0 (0%)

Day [integer]

Mean (sd) : 15.8 (8.9) min < med < max: 1 < 16 < 31 IQR (CV) : 15 (0.6)

31 distinct values

153 (100%)

0 (0%)

Generated by summarytools 0.9.4 (R version 3.6.0)
2020-08-19

2.13 Recursos

Se presentan recursos a consultar para ahondar más en los temas presentados.

Introducción a estadística con R

Foundations of Statistics with R

Referencias

Chan, C.-h., & Leeper, T. J. (2018). rio: A Swiss-Army Knife for Data I/O. https://CRAN.R-project.org/package=rio

Comtois, D. (2019). summarytools: Tools to Quickly and Neatly Summarize Data. https://CRAN.R-project.org/package=summarytools

R Core Team. (2019). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing. https://www.R-project.org/

Revelle, W. (2020). psych: Procedures for Psychological, Psychometric, and Personality Research. https://CRAN.R-project.org/package=psych

Signorell, A. (2020). DescTools: Tools for Descriptive Statistics. https://CRAN.R-project.org/package=DescTools

Waring, E., Quinn, M., McNamara, A., Arino de la Rubia, E., Zhu, H., & Ellis, S. (2019). skimr: Compact and Flexible Summaries of Data. https://CRAN.R-project.org/package=skimr