Bienvenidos a R

Contenidos

1. Introducción al entorno R: instalación y uso básico. Librerías.
2. Conceptos básicos del lenguaje R: instrucciones sencillas, scripts y funciones sencillas.
3. Librería RCommander y técnicas de análisis estadístico (I).
4. Librería RCommander y técnicas de análisis estadístico (II).
5. Gráficos en R: el comando plot() y librerías específicas. Introducción a la interfaz Rstudio.

1. Introducción al entorno R: instalación y uso básico. Librerías.

¿Qué es R (y qué es lo que no es)? (I)

• R es un entorno de libre acceso para computación estadística y gráficos así como para programación. Tiene una serie de características que lo hacen bastante asequible cuando empezamos a trabajar por primera vez con él.
  • Utiliza un lenguaje muy bien desarrollado pero simple.
  • Su funcionalidad es la de un intérprete de comandos (se ejecutan las instrucciones a medida que las introducimos) y la de un lenguaje de programación (se puede realizar un script o conjunto de instrucciones a modo de programa).
  • La instalación por primera vez proporciona un entorno básico de R casi sin ninguna dificultad.
  • Permite un rápido desarrollo de nuevas herramientas para resolver problemas.
  • Estos desarrollos se distribuyen en forma de librerías que cualquier usuario puede descargar e instalar para personalizar su propio entorno de R.

• R no es un lenguaje de programación que permita realizar aplicaciones ejecutables. Sin embargo, se pueden programar interfaces gráficas para facilitar el uso de los programas a los usuarios pero es preciso que estos tengan instalado R.

¿Qué es R (y qué es lo que no es)? (y II)

¿En qué me puede ayudar?

• Tenemos miedo a utilizar esto y luego venga otra cosa que lo sustituya….

• Sin embargo, si lo pensamos tranquilamente, muchas de las cosas que necesitamos hacer habitualmente (gráficas, problemas de estadística, etc..) no necesitan de un software complicado (SPSS, SAS, etc..).

• Podemos utilizar R para resolver de forma más o menos fácil (depende de lo que hayamos entendido en clase de estadística) muchos de estos problemas. A medida que uno desarrolle trabajos de más dificultad (trabajos, proyectos fin de grado o máster, investigación, etc..) R nos será de mayor utilidad.

¿Por donde empezamos? R Base y librerías o paquetes. Rstudio

• En principio, se comienza descargando el paquete básico de R (Base R)
  • Ir a www.r-project.org(http://www.r-project.org) y descarga la versión de RStudio para tu OS.

• El paquete base viene con un conjunto de herramientas básicas de gestión de datos, análisis y funciones gráficas.

• A medida que uno necesita más herramientas, se pueden descargar e instalar entre las +4000 librerías que hay en CRAN las que puedan sernos de ayuda.
  • Una librería que utilizaremos en este curso es Rcmdr (RCommander). La instalaremos desde el terminal de comandos de R.

• R se puede utilizar básicamente con lo que tenemos en la instalación base (terminal de comandos) pero podemos instalar, de forma adicional, algún otro entorno gráfico que facilite su uso (Rstudio).
  • Ir a www.rstudio.org(http://www.rstudio.org) y descarga la versión de RStudio para tu OS.

Ya tengo esto instalado….

• Empezaremos adquiriendo conocimientos básicos de R.
  • Se trata de iniciarse en el manejo de R (comienza como exploreR para llegar a ser un useR). Hay excelentes tutoriales en internet para mejorar aprendizaje.
    • Por ejemplo, codeschool tiene este tutorial online R para ensayar con R solo con el navegador, sin necesidad de instalar nada.
    • Hay muchos recursos como tutorial auto-aprendizaje o UCL wiki.

• Aunque la curva de aprendizaje de R puede ser pronunciada, el soporte de la comunidad de usuarios es muy grande.
  • La comunidad es muy activa en foros, páginas web,…
  • Buscar en Google una duda siempre retorna algo útil.
  • Familiarízate con stackoverflow
  • Si conoces otro software, hay bastante ayuda para el paso a R
    • R para usuarios Stata
    • R para usuarios Matlab

2. Conceptos básicos del lenguaje R: instrucciones sencillas, scripts y funciones sencillas.

La consola de R. Operaciones elementales

• El código R puede ser introducido directamente en la consola de comandos o mediante un script. Por ejemplo, se pueden realizar operaciones aritméticas elementales

# operaciones básicas
7+3
7*3
7/3
7%%3
7/0

• Observar que los comandos están separados con un salto de línea (o también con ;). Sin embargo, si el comando comienza con el caracter # esa línea no se ejecuta (p.e., apropiado para añadir comentarios explicativo)

• Todo en R (variables, vectores, funciones, gráficos, fórmulas, …) son objetos.

La consola de R. Operaciones elementales (II)

• El objeto más elemental es una variable. Para crear una variable (x) debemos asignar un valor (número, palabra, …) mediante <- or = . Se recomienda <- .

x <- 3

• Tengamos en cuenta que R es sensible a mayúsculas: x es diferente de X

• Una reasignación sobreescribe el contenido de la variable

x <- "ahora x es una cadena."
x
x <- c(3,4,5,6,7,8)  # c() combina valores en un vector. 
x

• Acceder a elementos de un vector x con x[n]

x
x[3:6] # elementos 3,4,5,6
x[c(1,3,6)] # elts 1,3 y 6
x[-c(1,3,6)] # todos elts excepto 1,3 y 6

Ejercicio 1

• crear un vector x con valores 0, 3, 6, 9, 12, 15, 18

• crear un vector y con las palabras {“mis”,“números”,“favoritos”,“son”}

• crear un vector z con todos los elementos de y los 2 últimos elementos de x

• ejecutar typeof(x), typeof(y) y typeof(z)

• crear un vector w con valores el logaritmo de cada elemento de x

Vectores

• Veamos algunos ejemplos con vectores

x <- c(1:3)
x+1     #suma 1 a cada elemento del vector
x/2     #divide por 2 cada elemento del vector
length(x) # número de elementos del vector
max(x)
min(x)
sum(x)  #suma todos los elementos del vector
log(x)  #aplica la función log() a cada elemento del vector

• Observar que estamos utilizando las primeras funciones de R (length, max, min, …). Si se desea obtener la ayuda en particular de una función debemos escribir ? seguido del nombre de la función

?sum
?mean

Vectores (II)

• Ahora, veamos como son las operaciones entre vectores

x <- c(1:3)
y <- 4:6 # también se pueden generar secuencias numéricas sin usar c()
x + y

x <- 1:4
x + y  # R da un warning si se suman de diferente longitud

x <- 1:3
y <- 4:6
x * y  # producto elemento a elemento

Matrices

• Veamos como se crea una matriz en R:

m1 <- matrix(data=1:9,nrow=3,ncol=3,byrow=TRUE)
m1

m1[1,2]
m1[,2]
m1[1,]
m1[c(1,3)]

• Seleccionemos partes de una matriz

dim(m1)
m1[1,2]
m1[2, ]   # fila 2, todas columnas
m1[ ,1]   # todas las filas, columna 1
m1[c(1,3),c(2,3)] # filas 1,3 y columnas 2,3

• Algunos ejemplos de operaciones con matrices

m1+m1
m1*m1 # de nuevo, producto elemento a elemento

Otras operaciones de interés con vectores y matrices

• Al contrario que con los vectores, ciertas operaciones con matrices no son posibles

m2 <- matrix(data=1:12,nrow=4,ncol=3,byrow=FALSE)
m1 + m2  # error
m1 * m2  # error

• ¿Y las operaciones usuales de vectores (producto escalar) y matrices (prod. matricial)? Se utiliza el operador %*%

x%*%y

m2 %*% m1
m1 %*% t(m2)
m1 %*% m2

• Para hallar el determinante y la inversa de una matriz

m3 <- matrix(c(1,2,3,4),nrow=2,ncol=2,byrow=TRUE)
det(m3) #determinante
solve(m3) #inversa

Ejercicio 2

• crear una matriz A de 2x2 con la primera fila 2,3 y la segunda 6,7

• crear una matriz b de 2x1 con los elementos 1,5

• resolver la ecuación Ax=b

Operaciones lógicas (comparaciones)

• Veamos como se hacen comparaciones en R

x<-1
y<-3
x==y # comparar variables
x<y 
x>y 

x<-c(1,2,3,4)
y<-c(1,3,2,4)
x==y # comparar vectores
x<y
x>y

• Veamos como obtener los elementos de un vector que satisfacen una condición

x[x>y]  # elementos de x que son mayores que los corresp. de y
y[x>y]  # elementos de y que son menores que los corresp. de x

Ejercicio 3

• Tenemos un vector x con los elementos 1,2,..,9,10 que identifican a 10 personas (vamos a simularlo con sample(1:10,10))

• Tenemos otro vector y con el peso de estas 10 personas (vamos a simularlo con rnorm(10,75,10))

• Hallar el peso de las personas con id. menor o igual a 5

• Hallar las personas con peso menor de 74 kg (determinar la persona y su peso).

Estructuras de datos. La instrucción data.frame()

• Un conjunto de datos estándar se representa en R como un data.frame
• Es una estructura similar a matrix
• Las filas son las observaciones y las columnas son las variables (numéricas o categóricas)

datos <- data.frame(aula=rep(1:3,each=2),sexo=rep(1:2,3),horas=rnorm(6,8,2))
dim(datos)  # hay 6 observaciones y 3 variables
datos 

• NOTA: Todas las columnas son de la misma longitud (un data.frame es rectangular, es como una hoja de cálculo)

• Como hemos dicho, un data.frame es similar a una matriz. Por tanto, para acceder a sus elementos lo hacemos de forma parecida.

datos[1,]  # observación 1
datos[,2]  # variable 2
datos[1:3,1:2] # ?

Estructuras de datos. La instrucción data.frame() (II)

• A las columnas podemos acceder utilizando su nombre

datos[,"sexo"] 
datos[,c("aula","sexo")]

aunque la más habitual es con el operador $:

datos$sexo      # la columna sexo (como vector de valores)
datos$sexo[1:3] # los 3 primeros elementos de sexo
datos$sexo[c(1,4,6)] # ?

• Podemos hacer operaciones vectoriales con las variables de un data.frame

x<-datos$sexo + datos$horas
datos$dias<- datos$horas/24

Filtrar conjuntos de registros en un data.frame

• Supongamos que queremos filtrar aquellas filas del dataset ‘datos’ que verifican una condición determinada (p.e., las filas tales que ‘aula’ sea igual a 2 y las filas con ‘sexo’ igual a 2).

datos_filt1<-subset(datos,aula==2)  # filas del aula 2
datos_filt1
# Otra forma:
cond<-datos$aula==2
datos_filt1<-datos[cond,] # filas del aula 2
datos_filt1

datos_filt2<-subset(datos,sexo==1)  # filas del sexo 1
datos_filt2
# Otra forma:
cond<-datos$sexo==1
datos_filt2<-datos[cond,] # filas del sexo 1
datos_filt2

Filtrar conjuntos de registros en un data.frame

• Si queremos combinar condiciones utilizamos los operadores & (AND) y | (OR). Por ejemplo:

datos_filt3<-subset(datos,aula==1 & sexo==2) # filas con aula=1 y sexo=2
# Otra forma:
cond<-(datos$aula==1 & datos$sexo==2)
datos_filt3<-datos[cond,] # filas con aula=1 y sexo=2


datos_filt4<-subset(datos,aula==1 | sexo==2) # filas con aula=1 o sexo=2
# Otra forma:
cond<-(datos$aula==1 | datos$sexo==2)
datos_filt4<-datos[cond,] # filas con aula=1 o sexo=2
datos_filt4

Ejercicio 4

mascotas <- data.frame(
animal=rep(c("gato","perro","mono"),each=2),
sexo=rep(c("M","H"),3),
peso=rnorm(6,15,5)
)

• Filtro por una variable: Filtrar las ‘mascotas’ de tipo ‘gato’. ¿Cuántos animales hay?

• Suma agrupada: Hallar la suma de todos los pesos de cada animal (animal=‘perro’, animal=‘gato’,animal=‘mono’). ¿Cuál es el máximo de las sumas agrupadas por animal?

• Media de una variable por grupos: Hallar el peso medio de cada animal.

Resúmenes por filas y columnas

• Se pueden sumar los valores de las columnas o las filas con las siguientes instrucciones

colSums(datos)
rowSums(datos) #sólo funciona si todas las variables son numéricas

• Sin embargo, a veces queremos sumar los valores de una variable agrupados de acuerdo a una variable categórica. Por ejemplo, sumar todas las horas para cada aula o cada sexo en ‘datos’.

by(datos[,"horas"],datos[,"aula"],sum) # suma las horas para cada aula
by(datos[,3],datos[,1],sum) # cuidado con esta forma que puede dar lugar a errores

• En R puede haber múltiples instrucciones para sumar por grupos.

aggregate(horas~aula,sum,data=datos) # utilizando una fórmula

Ejercicio 5

• Suma agrupada: Hallar la suma de todos los pesos de cada animal (animal=‘perro’, animal=‘gato’,animal=‘mono’).

• Media de una variable por grupos: Hallar el peso medio de cada animal.