Introducción a R
0.0.1 Índice de Contenidos
1 Introducción
1.1 ¿Qué es R?
1.1.1 ¿Qué es R?
Es un entorno de programación orientado al cálculo, manipulación de datos, y representación gráfica, publicado como software libre con licencia GNU-GPL.
1.1.2 R está muy bien documentado
1.1.3 Otros recursos de información
- Listas de correo (sin olvidar respetar estos consejos)
- Generales: R-announce, R-help, R-devel
- Special Interest Group (SIG) mailing lists
- R-bloggers
- stackoverflow
1.1.4 R es un proyecto colaborativo
- Una de las grandes riquezas de R es la cantidad de paquetes que amplían sus funcionalidades.
- La lista completa está en http://cran.es.r-project.org/web/packages/.
- Las CRAN Task Views agrupan por temáticas: http://cran.r-project.org/web/views/
2 Ejemplo
2.0.1 Lectura de datos
Importamos datos en formato tabular de un fichero disponible en un enlace externo.
myURL <- "https://raw.githubusercontent.com/oscarperpinan/R/master/data/aranjuez.csv" ## Las columnas están separadas por comas ## La primera fila es la cabecera datos <- read.table(myURL, sep=',', header=TRUE)
2.0.2 Accedemos al contenido
summary(datos)
X TempAvg TempMax TempMin
2004-01-01: 1 Min. :-5.309 Min. :-2.362 Min. :-12.980
2004-01-02: 1 1st Qu.: 7.692 1st Qu.:14.530 1st Qu.: 1.515
2004-01-03: 1 Median :13.810 Median :21.670 Median : 7.170
2004-01-04: 1 Mean :14.405 Mean :22.531 Mean : 6.888
2004-01-05: 1 3rd Qu.:21.615 3rd Qu.:30.875 3rd Qu.: 12.590
2004-01-06: 1 Max. :30.680 Max. :41.910 Max. : 22.710
(Other) :2892 NA's :4
HumidAvg HumidMax WindAvg WindMax
Min. : 19.89 Min. : 35.88 Min. :0.251 Min. : 0.000
1st Qu.: 47.04 1st Qu.: 81.60 1st Qu.:0.667 1st Qu.: 3.783
Median : 62.58 Median : 90.90 Median :0.920 Median : 5.027
Mean : 62.16 Mean : 87.22 Mean :1.174 Mean : 5.208
3rd Qu.: 77.38 3rd Qu.: 94.90 3rd Qu.:1.431 3rd Qu.: 6.537
Max. :100.00 Max. :100.00 Max. :8.260 Max. :10.000
NA's :13 NA's :8 NA's :128
Rain Radiation ET
Min. : 0.000 Min. : 0.277 Min. :0.000
1st Qu.: 0.000 1st Qu.: 9.370 1st Qu.:1.168
Median : 0.000 Median :16.660 Median :2.758
Mean : 1.094 Mean :16.742 Mean :3.091
3rd Qu.: 0.200 3rd Qu.:24.650 3rd Qu.:4.926
Max. :49.730 Max. :32.740 Max. :8.564
NA's :4 NA's :13 NA's :18
2.0.3 Modificamos los datos
## Convertimos unidades (MJ -> kWh) datos$Radiation2 <- datos$Radiation / 3.6
## 10 primeras filas de las dos variables datos[1:10, c("Radiation", "Radiation2")]
Radiation Radiation2 1 5.490 1.525000 2 6.537 1.815833 3 8.810 2.447222 4 9.790 2.719444 5 10.300 2.861111 6 9.940 2.761111 7 7.410 2.058333 8 4.630 1.286111 9 4.995 1.387500 10 8.930 2.480556
2.0.4 Representamos gráficamente los datos
library(lattice) xyplot(Radiation ~ TempAvg, data = datos, type = c("p", "r"), pch = 21, col = 'black', fill = 'gray')
3 Objetos en R
3.0.1 Objetos en R
- Existen varios objetos en R:
- Vectores
- Listas
- Funciones
- …
- A partir de estos objetos se definen varias clases:
matrixdata.framefactorDate,POSIXct- …
3.1 Vectores
3.1.1 Primeros pasos
x <- 1:5
x
[1] 1 2 3 4 5
length(x)
[1] 5
class(x)
[1] "integer"
3.1.2 Generar vectores con seq
x1 <- seq(1, 100, by=2)
x1
[1] 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 [26] 51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 85 87 89 91 93 95 97 99
seq(1, 100, length=10)
[1] 1 12 23 34 45 56 67 78 89 100
3.1.3 Unir vectores con c
x <- c(1, 2, 3)
x
[1] 1 2 3
x <- seq(1, 100, length=10) y <- seq(2, 100, length=50) z <- c(x, y) z
[1] 1 12 23 34 45 56 67 78 89 100 2 4 6 8 10 12 14 16 18 [20] 20 22 24 26 28 30 32 34 36 38 40 42 44 46 48 50 52 54 56 [39] 58 60 62 64 66 68 70 72 74 76 78 80 82 84 86 88 90 92 94 [58] 96 98 100
3.1.4 Operaciones sencillas con vectores
x <- 1:5
x + 1
[1] 2 3 4 5 6
x^2
[1] 1 4 9 16 25
y <- 1:10
x + y
[1] 2 4 6 8 10 7 9 11 13 15
x * y
[1] 1 4 9 16 25 6 14 24 36 50
x^2 + y^3
[1] 2 12 36 80 150 217 347 521 745 1025
3.2 Matrices
3.2.1 Construir una matriz
z <- 1:12 M <- matrix(z, nrow=3) M
[,1] [,2] [,3] [,4]
[1,] 1 4 7 10
[2,] 2 5 8 11
[3,] 3 6 9 12
class(M)
[1] "matrix"
dim(M)
[1] 3 4
summary(M)
V1 V2 V3 V4
Min. :1.0 Min. :4.0 Min. :7.0 Min. :10.0
1st Qu.:1.5 1st Qu.:4.5 1st Qu.:7.5 1st Qu.:10.5
Median :2.0 Median :5.0 Median :8.0 Median :11.0
Mean :2.0 Mean :5.0 Mean :8.0 Mean :11.0
3rd Qu.:2.5 3rd Qu.:5.5 3rd Qu.:8.5 3rd Qu.:11.5
Max. :3.0 Max. :6.0 Max. :9.0 Max. :12.0
3.2.2 Matrices a partir de vectores: rbind y cbind
z <- y <- x <- 1:10 M <- cbind(x, y, z) M
x y z
[1,] 1 1 1
[2,] 2 2 2
[3,] 3 3 3
[4,] 4 4 4
[5,] 5 5 5
[6,] 6 6 6
[7,] 7 7 7
[8,] 8 8 8
[9,] 9 9 9
[10,] 10 10 10
M <- rbind(x, y, z)
M
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] x 1 2 3 4 5 6 7 8 9 10 y 1 2 3 4 5 6 7 8 9 10 z 1 2 3 4 5 6 7 8 9 10
3.2.3 Álgebra matricial
t()- Transpuesta de una matriz
*- Multiplicación elemento a elemento
%*%- Multiplicación de matrices
solve(A)- Inversa de una matriz (cuadrada)
- (no term)
- …
3.3 Listas
3.3.1 Para crear una lista usamos la función list
lista <- list(a=c(1,3,5), b=c('l', 'p', 'r', 's'), c=3) lista
$a [1] 1 3 5 $b [1] "l" "p" "r" "s" $c [1] 3
class(lista)
[1] "list"
length(lista)
[1] 3
3.4 Data.frame
3.4.1 Para crear un data.frame…
df <- data.frame(x = 1:5,
y = rnorm(10),
z = 0)
df
x y z 1 1 -0.72783122 0 2 2 -0.34154898 0 3 3 0.05366612 0 4 4 -1.50100879 0 5 5 0.80388117 0 6 1 0.08311699 0 7 2 0.22733878 0 8 3 -0.40001025 0 9 4 0.13965409 0 10 5 0.58115860 0
length(df)
[1] 3
dim(df)
[1] 10 3
3.4.2 A partir de ficheros
dats <- read.table('data/aranjuez.csv', sep=',', header=TRUE)
head(dats)
X TempAvg TempMax TempMin HumidAvg HumidMax WindAvg WindMax Rain
1 2004-01-01 4.044 10.71 -1.969 88.3 95.9 0.746 3.528 0
2 2004-01-02 5.777 11.52 1.247 83.3 98.5 1.078 6.880 0
3 2004-01-03 5.850 13.32 0.377 75.0 94.4 0.979 6.576 0
4 2004-01-04 4.408 15.59 -2.576 82.0 97.0 0.633 3.704 0
5 2004-01-05 3.081 14.58 -2.974 83.2 97.0 0.389 2.244 0
6 2004-01-06 2.304 11.83 -3.379 84.5 96.5 0.436 2.136 0
Radiation ET
1 5.490 0.5352688
2 6.537 0.7710499
3 8.810 0.8361229
4 9.790 0.6861381
5 10.300 0.5152422
6 9.940 0.4886631
Atención: usa setwd para configurar ruta
3.4.3 A partir de ficheros remotos
remoto <- read.table('https://raw.githubusercontent.com/oscarperpinan/R/master/data/aranjuez.csv', sep=',', header=TRUE)
head(remoto)
X TempAvg TempMax TempMin HumidAvg HumidMax WindAvg WindMax Rain
1 2004-01-01 4.044 10.71 -1.969 88.3 95.9 0.746 3.528 0
2 2004-01-02 5.777 11.52 1.247 83.3 98.5 1.078 6.880 0
3 2004-01-03 5.850 13.32 0.377 75.0 94.4 0.979 6.576 0
4 2004-01-04 4.408 15.59 -2.576 82.0 97.0 0.633 3.704 0
5 2004-01-05 3.081 14.58 -2.974 83.2 97.0 0.389 2.244 0
6 2004-01-06 2.304 11.83 -3.379 84.5 96.5 0.436 2.136 0
Radiation ET
1 5.490 0.5352688
2 6.537 0.7710499
3 8.810 0.8361229
4 9.790 0.6861381
5 10.300 0.5152422
6 9.940 0.4886631
identical(dats, remoto)
[1] TRUE
4 Indexado
4.1 Condiciones lógicas
4.1.1 Condiciones simples
x <- seq(-1, 1, .1)
x
[1] -1.0 -0.9 -0.8 -0.7 -0.6 -0.5 -0.4 -0.3 -0.2 -0.1 0.0 0.1 0.2 0.3 0.4 [16] 0.5 0.6 0.7 0.8 0.9 1.0
x < 0
[1] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE FALSE FALSE [13] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
x >= 0
[1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE [13] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
x == 0
[1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE [13] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
x != 0
[1] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE FALSE TRUE [13] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE
4.1.2 Condiciones múltiples
cond <- (x > 0) & (x < .5)
cond
[1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE [13] TRUE TRUE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
cond <- (x >= .5) | (x <= -.5)
cond
[1] TRUE TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE FALSE FALSE [13] FALSE FALSE FALSE TRUE TRUE TRUE TRUE TRUE TRUE
4.1.3 Con las condiciones se pueden hacer operaciones
sum(cond)
[1] 12
sum(!cond)
[1] 9
as.numeric(cond)
[1] 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1
4.2 Vectores
4.2.1 Indexado numérico
x <- seq(1, 100, 2)
x
[1] 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 [26] 51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 85 87 89 91 93 95 97 99
x[1:5]
[1] 1 3 5 7 9
x[10:5]
[1] 19 17 15 13 11 9
4.2.2 Indexado con condiciones lógicas
x[x != 9]
[1] 1 3 5 7 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 [26] 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 85 87 89 91 93 95 97 99
x[x > 20]
[1] 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 [26] 71 73 75 77 79 81 83 85 87 89 91 93 95 97 99
x[x %in% seq(0, 10, .5)]
[1] 1 3 5 7 9
4.2.3 Indexado con condiciones múltiples
z <- seq(-10, 10, by = .5)
z
[1] -10.0 -9.5 -9.0 -8.5 -8.0 -7.5 -7.0 -6.5 -6.0 -5.5 -5.0 -4.5 [13] -4.0 -3.5 -3.0 -2.5 -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 [25] 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0 7.5 [37] 8.0 8.5 9.0 9.5 10.0
z[z < -5 | z > 5]
[1] -10.0 -9.5 -9.0 -8.5 -8.0 -7.5 -7.0 -6.5 -6.0 -5.5 5.5 6.0 [13] 6.5 7.0 7.5 8.0 8.5 9.0 9.5 10.0
cond <- (z >= 0 & z <= 5)
cond
[1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE [13] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE TRUE TRUE [25] TRUE TRUE TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE FALSE [37] FALSE FALSE FALSE FALSE FALSE
z[cond]
[1] 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0
4.3 Matrices
4.3.1 Indexado de matrices
M[1:2, ]
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] x 1 2 3 4 5 6 7 8 9 10 y 1 2 3 4 5 6 7 8 9 10
M[1:2, 2:3]
[,1] [,2] x 2 3 y 2 3
M[1, c(1, 4)]
[1] 1 4
4.3.2 Indexado de matrices
M[-1,]
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] y 1 2 3 4 5 6 7 8 9 10 z 1 2 3 4 5 6 7 8 9 10
M[-c(1, 2),]
[1] 1 2 3 4 5 6 7 8 9 10
4.4 Listas
4.4.1 Podemos acceder a los elementos…
- Por su nombre
lista$a
[1] 1 3 5
- o por su índice
lista[1]
$a [1] 1 3 5
lista[[1]]
[1] 1 3 5
4.5 Data Frame
4.5.1 Podemos acceder a los elementos
df <- data.frame(x = 1:5,
y = rnorm(10),
z = 0)
- Por su nombre (como una lista)
df$x
[1] 1 2 3 4 5 1 2 3 4 5
- Por su índice (como una matriz)
df[1,]
x y z 1 1 -1.204816 0
df[,1]
[1] 1 2 3 4 5 1 2 3 4 5
4.5.2 Indexado lógico
- Hay que explicitar dos veces el
data.frame:
df[df$y > 0,]
x y z 3 3 0.7950839 0 5 5 1.6455311 0
- La función
subsetsimplifica el código:
subset(df, y > 0)
x y z 3 3 0.7950839 0 5 5 1.6455311 0
4.5.3 Uso de with
- Problema: el código con varias variables puede ser ilegible
df$x^2 + df$y^2
- La función
withpermite acceder a varias variables con una única llamada:
with(df, x^2 + y^2)
[1] 2.451581 5.479738 9.632158 16.148577 27.707773 1.004841 7.005756 [8] 10.868256 17.746259 25.809706
with(df, x[y > 0])
[1] 3 5
5 Funciones
5.1 Definición de funciones
5.1.1 Componentes de una función
- Una función se define con
function
name <- function(arg_1, arg_2, ...) expression
- Está compuesta por:
- Nombre de la función (
name) - Argumentos (
arg_1,arg_2,...) - Cuerpo (
expression): emplea los argumentos para generar un resultado
- Nombre de la función (
5.1.2 Argumentos: nombre y orden
Una función identifica sus argumentos por su nombre y por su orden (sin nombre)
eleva <- function(x, p) { x ^ p }
eleva(x = 1:10, p = 2)
[1] 1 4 9 16 25 36 49 64 81 100
eleva(1:10, p = 2)
[1] 1 4 9 16 25 36 49 64 81 100
eleva(p = 2, x = 1:10)
[1] 1 4 9 16 25 36 49 64 81 100
5.1.3 Argumentos: valores por defecto
- Se puede asignar un valor por defecto a los argumentos
eleva <- function(x, p = 2) { x ^ p }
eleva(1:10)
[1] 1 4 9 16 25 36 49 64 81 100
eleva(1:10, 2)
[1] 1 4 9 16 25 36 49 64 81 100
5.1.4 Argumentos sin nombre: ...
pwrSum <- function(x, p, ...) { sum(x ^ p, ...) }
x <- 1:10
pwrSum(x, 2)
[1] 385
x <- c(1:5, NA, 6:9, NA, 10) pwrSum(x, 2)
[1] NA
pwrSum(x, 2, na.rm=TRUE)
[1] 385
5.1.5 Podemos construir a partir de funciones
foo <- function(x, ...){ mx <- mean(x, ...) medx <- median(x, ...) sdx <- sd(x, ...) c(mx, medx, sdx) }
foo(1:10)
[1] 5.50000 5.50000 3.02765
foo(rnorm(1e5))
[1] 0.0004335599 -0.0022139962 1.0003323147
5.1.6 Ejercicio
- Dibuja una circunferencia
Define una función de dos argumentos,
theta(vector de ángulos) yr(radio), que entregue undata.framede dos columnas,xey, con las coordenadas del arco de circunferencia que corresponde a los argumentos de la función, y emplea esta función para dibujar una circunferencia completa.
5.2 Funciones predefinidas
5.2.1 Funciones en paquetes
Rproporciona un amplio conjunto de funciones predefinidas agrupadas en paquetes- Algunos paquetes vienen instalados y se cargan al empezar (base):
sessionInfo()
- Otros vienen instalados pero hay que cargarlos (recommended):
library(lattice) packageDescription('lattice')
- Otros hay que instalarlos y después cargarlos (contributed):
install.packages('data.table')
library('data.table') packageDescription('data.table')
6 Bucles
6.1 Matrices
6.1.1 La función apply
apply(M, 1, sum)
x y z 55 55 55
rowSums(M)
x y z 55 55 55
apply(M, 2, mean)
[1] 1 2 3 4 5 6 7 8 9 10
colMeans(M)
[1] 1 2 3 4 5 6 7 8 9 10
6.2 Listas / data.frame
6.2.1 lapply y sapply
lista <- list(x = 1:10,
y = seq(0, 10, 2),
z = rnorm(30))
lapply(lista, sum)
$x [1] 55 $y [1] 30 $z [1] 4.436257
sapply(lista, sum)
x y z
55.000000 30.000000 4.436257
6.2.2 Ejercicio
- Calcula la media de cada una de las columnas de
remoto. - Calcula la media, mediana y desviación estándar de cada una de las columnas de
remoto. - Calcula la media de los valores positivos de cada una de las columnas de
remoto.
- Calcula la media de cada una de las columnas de
remoto <- read.csv('https://raw.githubusercontent.com/oscarperpinan/R/master/data/aranjuez.csv')
6.3 Bucles for
6.3.1 for
- En
Rsuele usarse más la familia de funciones*applycon funciones vectorizadas. - No obstante,
forpuede tener su utilidad:
for(n in c(2,5,10,20,50)) { x <- rnorm(n) cat(n,":", sum(x^2),"\n") }
2 : 5.664872 5 : 5.773403 10 : 9.924176 20 : 18.83003 50 : 59.64426
6.4 Condiciones con if, else e ifelse
6.4.1 if
- En
Rsuele usarse más el indexado lógico (vectorizado). - ¿Cuál es el equivalente a este bucle for-if?
x <- rnorm(10) x2 <- numeric(length(x)) for (i in seq_along(x2)){ if (x[i]<0) x2[i] <- 0 else x2[i] <- 1 } cbind(x, x2)
x x2
[1,] -1.8459518 0
[2,] -0.3605088 0
[3,] -0.3856194 0
[4,] -2.4322226 0
[5,] 1.1463008 1
[6,] -0.7030686 0
[7,] 0.2426574 1
[8,] 1.4097278 1
[9,] 0.6728350 1
[10,] -0.9884122 0
6.4.2 ifelse
x <- rnorm(10)
x
[1] 0.44028142 0.06329494 1.66706889 0.06791471 1.59104970 -0.25352052 [7] -0.95895125 0.05424772 -0.35864523 0.92174672
ifelse(x>0, 1, 0)
[1] 1 1 1 1 1 0 0 1 0 1