Hoja de trucos de R para principiantes

R es un lenguaje de programación de código abierto ampliamente utilizado en el análisis de datos‚ la estadística y la ciencia de datos. Su versatilidad‚ combinada con una amplia gama de paquetes‚ lo convierte en una herramienta poderosa para científicos de datos‚ analistas y cualquier persona que trabaje con datos. Esta hoja de trucos tiene como objetivo proporcionar una guía rápida para principiantes en R‚ cubriendo conceptos esenciales‚ comandos y paquetes útiles.

Introducción a R

R es un lenguaje de programación interpretado‚ lo que significa que el código se ejecuta línea por línea‚ lo que facilita la experimentación y la depuración. También es un lenguaje orientado a objetos‚ lo que permite a los usuarios crear y reutilizar sus propios objetos y funciones.

Instalación de R y RStudio

Para comenzar con R‚ necesitarás instalar dos programas⁚

1. R⁚ El lenguaje de programación en sí. Descarga la última versión de CRAN (Comprehensive R Archive Network) para tu sistema operativo.
2. RStudio⁚ Un entorno de desarrollo integrado (IDE) que facilita la escritura‚ ejecución y depuración del código R. Descarga la versión gratuita de RStudio.

Interfaz de RStudio

RStudio ofrece una interfaz intuitiva con cuatro paneles principales⁚

• Panel de código⁚ Donde escribes y ejecutas tu código R.
• Panel de consola⁚ Muestra la salida de tu código y permite la interacción con R.
• Panel de entorno⁚ Lista los objetos y variables creados en tu sesión actual.
• Panel de archivos⁚ Permite navegar por los archivos‚ ver gráficos y acceder a la ayuda.

Conceptos básicos de R

Operadores

R utiliza operadores matemáticos estándar⁚

• Suma⁚ +
• Resta⁚ –
• Multiplicación⁚ *
• División⁚ /
• Exponente⁚ ^
• Módulo⁚ %%

Variables

Puedes almacenar datos en variables utilizando el operador de asignación “<-"⁚

r x <- 10 y <- "Hola mundo"

Tipos de datos

R admite varios tipos de datos⁚

• Numérico⁚ Números como 10‚ 3.14‚ -5.2.
• Carácter⁚ Texto entre comillas‚ como “Hola”‚ “R”‚ “123”.
• Lógico⁚ Valores booleanos TRUE o FALSE.
• Vector⁚ Una secuencia de valores del mismo tipo de datos.
• Lista⁚ Una colección ordenada de elementos de diferentes tipos de datos.
• Matriz⁚ Una estructura de datos bidimensional de valores del mismo tipo de datos.
• Data frame⁚ Una estructura de datos tabular que contiene columnas de diferentes tipos de datos.

Funciones

Las funciones en R realizan tareas específicas. Se llaman con el nombre de la función seguido de paréntesis que contienen los argumentos⁚

r # Calcular la raíz cuadrada de 16 sqrt(16) # Mostrar el texto “Hola mundo” print(“Hola mundo”)

Paquetes

Los paquetes en R proporcionan funciones y conjuntos de datos adicionales. Puedes instalar un paquete utilizando la función `install.packages`⁚

r install.packages(“ggplot2”)

Una vez instalado‚ puedes cargar el paquete en tu sesión actual con la función `library`⁚

r library(ggplot2)

Manipulación de datos

Creación de vectores

Puedes crear vectores utilizando la función `c`⁚

r # Crear un vector numérico numeros <- c(1‚ 2‚ 3‚ 4‚ 5) # Crear un vector de caracteres nombres <- c("Ana"‚ "Juan"‚ "Pedro")

Acceso a elementos de vectores

Puedes acceder a elementos específicos de un vector utilizando corchetes⁚

r # Obtener el segundo elemento del vector “numeros” numeros[2] # Obtener los elementos 1‚ 3 y 5 del vector “numeros” numeros[c(1‚ 3‚ 5)]

Creación de data frames

Puedes crear data frames utilizando la función `data.frame`⁚

r # Crear un data frame con dos columnas df <- data.frame( nombre = c("Ana"‚ "Juan"‚ "Pedro")‚ edad = c(25‚ 30‚ 28) )

Acceso a columnas de data frames

Puedes acceder a columnas de data frames utilizando el nombre de la columna o el índice de la columna⁚

r # Acceder a la columna “nombre” df$nombre # Acceder a la columna “edad” df[‚ 2]

Filtrado de datos

Puedes filtrar filas de un data frame utilizando operadores lógicos y corchetes⁚

r # Filtrar las filas donde la edad es mayor que 28 df[df$edad > 28‚ ] # Filtrar las filas donde el nombre es “Ana” df[df$nombre == “Ana”‚ ]

Agrupación y resumen

Puedes agrupar datos y calcular estadísticas resumen utilizando la función `aggregate`⁚

r # Calcular la edad promedio por nombre aggregate(edad ~ nombre‚ data = df‚ FUN = mean)

Visualización de datos

Gráficos básicos

R proporciona funciones para crear gráficos básicos como⁚

• Histograma⁚ `hist`⁚ Muestra la distribución de una variable numérica.
• Diagrama de dispersión⁚ `plot`⁚ Muestra la relación entre dos variables numéricas.
• Gráfico de barras⁚ `barplot`⁚ Muestra la frecuencia de categorías.
• Gráfico de cajas⁚ `boxplot`⁚ Muestra la distribución de una variable numérica por grupos.

ggplot2

El paquete `ggplot2` proporciona una gramática de gráficos para crear gráficos más sofisticados y personalizados. Los gráficos se construyen en capas‚ lo que permite un control preciso sobre cada elemento del gráfico.

r # Crear un diagrama de dispersión con ggplot2 ggplot(df‚ aes(x = edad‚ y = nombre)) + geom_point

Tipos de gráficos con ggplot2

ggplot2 admite una amplia gama de tipos de gráficos‚ incluyendo⁚

• Gráficos de dispersión⁚ `geom_point`‚ `geom_smooth`
• Gráficos de barras⁚ `geom_bar`‚ `geom_col`
• Gráficos de líneas⁚ `geom_line`
• Gráficos de cajas⁚ `geom_boxplot`
• Histograma⁚ `geom_histogram`
• Mapa de calor⁚ `geom_tile`

Personalización de gráficos

Puedes personalizar los gráficos de ggplot2 utilizando opciones como⁚

• Título⁚ `ggtitle`
• Ejes⁚ `xlab`‚ `ylab`
• Leyenda⁚ `labs`
• Colores⁚ `color =`‚ `fill =`
• Tamaño⁚ `size =`
• Forma⁚ `shape =`

Análisis estadístico

Pruebas de hipótesis

R proporciona funciones para realizar pruebas de hipótesis‚ como⁚

• Prueba t⁚ `t.test`⁚ Compara las medias de dos grupos.
• Prueba ANOVA⁚ `aov`⁚ Compara las medias de más de dos grupos.
• Prueba chi-cuadrado⁚ `chisq.test`⁚ Analiza la asociación entre variables categóricas.

Regresión lineal

La regresión lineal se utiliza para modelar la relación entre una variable dependiente y una o más variables independientes. Puedes realizar una regresión lineal en R utilizando la función `lm`⁚

r # Ajustar un modelo de regresión lineal modelo <- lm(edad ~ nombre‚ data = df) # Ver los resultados del modelo summary(modelo)

Análisis de series de tiempo

R ofrece funciones para analizar series de tiempo‚ como⁚

• Decomposición de series de tiempo⁚ `decompose`⁚ Separa una serie de tiempo en componentes de tendencia‚ estacionalidad y ruido.
• Modelos de series de tiempo⁚ `arima`⁚ Ajusta modelos autorregresivos integrados de media móvil (ARIMA) a series de tiempo.
• Pronóstico⁚ `forecast`⁚ Genera pronósticos de series de tiempo.

Tidyverse

Tidyverse es una colección de paquetes que proporcionan un enfoque coherente para la manipulación‚ transformación y visualización de datos en R. Los paquetes más utilizados incluyen⁚

• dplyr⁚ Para manipular y transformar datos.
• tidyr⁚ Para organizar y limpiar datos.
• ggplot2⁚ Para visualizar datos.
• readr⁚ Para leer datos de archivos.
• purrr⁚ Para trabajar con funciones y listas.

dplyr

dplyr proporciona funciones para filtrar‚ ordenar‚ agrupar‚ resumir y transformar datos de forma eficiente.

r # Filtrar las filas donde la edad es mayor que 28 df %>% filter(edad > 28) # Ordenar las filas por nombre df %>% arrange(nombre) # Agrupar las filas por nombre y calcular la edad promedio df %>% group_by(nombre) %>% summarise(edad_promedio = mean(edad))

Machine learning

R se utiliza ampliamente en el aprendizaje automático para construir y evaluar modelos predictivos. Los paquetes más utilizados para el aprendizaje automático incluyen⁚

• caret⁚ Para preparar datos‚ entrenar modelos y evaluar el rendimiento.
• randomForest⁚ Para construir modelos de bosque aleatorio.
• glmnet⁚ Para construir modelos de regresión logística y de lazo.
• xgboost⁚ Para construir modelos de refuerzo de gradiente.

Construcción de modelos de aprendizaje automático

Puedes construir modelos de aprendizaje automático en R utilizando la función `train` del paquete `caret`⁚

r # Entrenar un modelo de bosque aleatorio modelo <- train( edad ~ nombre‚ data = df‚ method = "rf" ) # Predecir valores nuevos predicciones <- predict(modelo‚ newdata = new_df)

Evaluación de modelos

Puedes evaluar el rendimiento de los modelos de aprendizaje automático utilizando métricas como⁚

• Precisión⁚ La proporción de predicciones correctas.
• Sensibilidad⁚ La proporción de casos positivos correctamente clasificados.
• Especificidad⁚ La proporción de casos negativos correctamente clasificados.
• Valor predictivo positivo⁚ La probabilidad de que una predicción positiva sea correcta.
• Valor predictivo negativo⁚ La probabilidad de que una predicción negativa sea correcta.

Recursos adicionales

Para obtener más información sobre R‚ puedes consultar los siguientes recursos⁚

• Sitio web oficial de R⁚ https://www.r-project.org/
• Sitio web de RStudio⁚ https://www.rstudio.com/
• Libro “R for Data Science”⁚ https://r4ds.had;co.nz/
• Curso de R en DataCamp⁚ https://www.datacamp.com/courses/free-introduction-to-r

Conclusión

Esta hoja de trucos proporciona una introducción básica a R‚ cubriendo conceptos esenciales‚ comandos y paquetes útiles. R es una herramienta poderosa para el análisis de datos‚ la estadística y la ciencia de datos‚ y esta hoja de trucos te ayudará a comenzar tu viaje en el aprendizaje de este lenguaje.