Proceso de analítica

Wickham, H. y otros (2023)

Trabajando con R

El entorno tidyverse

Flujo de trabajo

Flujo de trabajo

Arkie Owen

Organización y proyectos en R

Objetivo: proyectos reproducibles y replicables en entornos colaborativos.

Allison Horst

Organización y proyectos en R

• Facilita entornos colaborativos - reproducible y replicable
• Evite la asignación de rutas de trabajo setwd(mi/ruta/)
• Cree un R-project y solo revise getwd()
• Organice su espacio de trabajo:

Entorno de R Studio

Hadley Wickham

Flujo de trabajo

Organice sus scripts por tareas de manera ordenada hasta obtener los resultados.

Allison Horst

Reglas de los datos

Formas básicas

• Asignación: objeto <- valor

x <- 3*4             # Numérico
y <- "Hola a tod@s"  # Cadena

z <- seq(1, 10)      # Vector
hoy <- date()        # Fecha

?seq
?read.csv

Importar

Hay diferentes paquetes que permiten leer y escribir diversos formatos de datos

• haven: Stata, SPSS, SAS
• readxl y writexl
• arrow, data.table, …

Importar

• haven -> Stata :

require(haven)
nombre_en_R <- read_stata("ruta/tu_archivo_en_stata.dta")

• haven -> SPSS :

require(haven)
nombre_en_R <- read_sav("ruta/tu_archivo_en_spss.sav")

• haven -> SAS :

require(haven)
nombre_en_R <- read_sas("ruta/tu_archivo_en_stata.sas7bdat")

Importar

• readxl -> Excel :

require(readxl)
nombre_en_R <- read_excel("ruta/tu_archivo_en_excel.xlsx")

• arrow -> Parquet :

require(arrow)
nombre_en_R <- read_parquet("ruta/tu_archivo_en_parquet.parquet")

• readr -> CSV :

require(readr)
nombre_en_R <- read_csv("ruta/tu_archivo_en_CSV.csv")

Comandos iniciales: estructura

Existen varias formas de observar la estructura de los datos

head(tus_datos)        # Muestra las primeras 6 filas del data frame
str(tus_datos)         # Muestra la estructura: tipo de dato de cada columna, dimensiones, etc.
length(tus_datos)      # Devuelve la cantidad de columnas si es un data frame, o de elementos si es un vector/lista
glimpse(tus_datos)     # (dplyr) Muestra estructura en un formato más legible
names(tus_datos)       # Devuelve un vector con los nombres de las columnas

Los comandos head, str, names son del paquete base mientras que glimpse es del entorno tidyverse.

Ejercicio

Tu turno:

1. Cree el espacio de trabajo para Mi primer proyecto
2. Descargue los siguientes conjuntos de datos desde el repositorio de GitHub y ubiquelos en la carpeta input/:

• SPSS: ENSIN.sav,
• Stata: COL_2021_LAPOP.dta,
• Apache Parquet: violencia_intrafamiliar.parquet,
• Excel: datos_est_ventas.xlsx

3. Importe los conjuntos de datos a R y revise su estructura.