Introducción

• R es el lenguaje: ejecuta instrucciones directamente en una consola (es interpretado)

• Positron es el entorno de trabajo (IDE): derivado de VS Code, uno de los editores más usados

  • Misma interfaz y manejo, con añadidos específicos para el análisis de datos en R y Python

  • Se puede usar VS Code “puro” de forma muy similar

• Instalación: página Puesta a punto de la web (si no lo tenéis, LO ANTES POSIBLE)

• Este tema: de los primeros comandos hasta empezar a trabajar con datos; el material de cada sesión, siempre en Contenidos

Positron

• Editor (scripts) y Consola (ejecutar comandos y ver resultados); a la derecha, Variables (objetos en memoria) y Gráficos; a la izquierda, el Explorador de archivos

Empezando: elegir el intérprete de R

• Al abrir Positron aparece la zona de consola (panel inferior), PERO hay que elegir el intérprete: pulsad en el selector de la esquina superior derecha y elegid R (versión 4.6.x)

• OJO: si aparece Python, NO es un error vuestro, pero NO es lo que usamos: cambiad a R en ese mismo selector (New Console Session…)

La Consola

• Escribimos comandos en la consola y se ejecutan pulsando Enter:

  • La tecla de tabulador ofrece opciones de autocompletado

  • Ejecutar algo que no es un comando de R devuelve un error

2 + 2
3 * (1 - 4)^2
sqrt(log(5/2))
pi
hola

Archivos de guion (“scripts”)

• Es preferible incluir varios comandos en un archivo de texto para ejecutarlos

• Se puede replicar el proceso de cálculos paso a paso (no como Excel)

• Creamos un nuevo archivo en el menú File > New File… eligiendo R File

• Guardamos el archivo en File > Save (atajo Ctrl + S), eligiendo un directorio y nombre con extensión “.R” (por defecto) o “.r”

• Desde el editor, Ctrl+Enter envía a la consola la línea actual o las líneas seleccionadas (en MacOS, la tecla Command en lugar de Ctrl)

• En un archivo de guion (guardado), Positron marca las líneas con error y muestra el mensaje de error al pasar el puntero

Trabajar con ficheros de guion

• Cada comando es “una” línea y se ejecutan secuencialmente

• Un comando se puede extender visualmente más de una línea hasta completarse: p.e., hasta cerrar los paréntesis.

  • Escribimos log(, en otra línea 9 y ejecutamos: la consola cambia de > a +

  • No hace “nada” esperando que completemos el comando.

• El carácter # marca el inicio de un comentario: lo que sigue se “ignora” (no se ejecuta) en R

# Pueden ir al principio de la línea 
2 + 2 # o después de una instrucción

• Comentar es un buen hábito: ayuda a entender/recordar qué hacemos

• Notad que Positron tiene resaltado de sintaxis: distinto color para comentarios, números, funciones, etc.

Directorio de Trabajo. Proyectos.

• Conviene organizar los archivos relacionados con un mismo tema en una estructura de (sub)directorios a partir de un directorio de trabajo principal

La primera vez que abrís la carpeta

• Con la carpeta abierta, esa carpeta es vuestro directorio de trabajo: R busca y guarda los archivos ahí (usad rutas RELATIVAS, como veremos)

• Al abrir Positron se recupera la última carpeta usada; con File > Open Recent podéis cambiar entre carpetas (p.e., otra asignatura u otro proyecto)

Proyectos (cont.)

• Para trabajar con un archivo, usamos la ruta relativa al directorio de trabajo:

  • si están en el raíz del directorio: codigo.R, misdatos.Rdata

  • si están en un subdirectorio, indicamos la ruta separando directorios por /: datos/ventas.Rdata, datos/ano2020/ingresos.Rdata

• Las rutas relativas son otra idea general de la programación: el proyecto funciona igual en cualquier ordenador (la ruta completa C:/Users/minombre/... solo existe en el vuestro)

El Explorador y la barra lateral

• El Explorador (icono de archivos en la barra lateral izquierda) ofrece una forma visual de abrir, crear, copiar, mover o eliminar archivos y carpetas

• El Explorador solo muestra lo que está DENTRO de la carpeta abierta: lo de fuera no se ve ni se puede tocar desde aquí

  • Por eso hay que pensar QUÉ pertenece al proyecto (datos, scripts…) y traerlo a la carpeta (arrastrándolo al Explorador, o copiándolo con el explorador del sistema)

• Esa barra lateral tiene mucho más (extensiones, asistente de IA, control de versiones, búsqueda): NO lo necesitáis por ahora; la ayuda y la IA integradas las iremos usando poco a poco

• Evitad caracteres “raros” (acentos, espacios, etc.) en directorios y ficheros

• NOTA. El Explorador de Archivos de Windows y Finder de MacOS no muestran por defecto las extensiones de los archivos.

  • Puede ser confuso para distinguir entre dos archivos con el mismo nombre y diferente extensión: proyecto.R y proyecto.qmd

  • Consultad cómo mostrarlas: p.e., para Windows y MacOS

Ayuda en R y Positron

• Positron tiene autocompletado (tecla tabulador) y ayuda flotante para funciones y otros elementos de R

• Positron también tiene un panel de Ayuda (Help): F1 sobre una función, o ?min / help(min) en la consola

El Espacio de Trabajo en R

• El espacio de trabajo es el conjunto de objetos activos en memoria, resultado de todos los comandos ejecutados previamente

• En Positron, el panel Variables muestra los objetos y su valor

• Las funciones ls() y rm() muestran y eliminan respectivamente objetos del espacio de trabajo

• Borramos todos los objetos desde el panel Variables o con el comando

rm( list=ls() )  # eliminar todos los objetos
rm(y, x)         # eliminar solo algunos objetos

• Guardar el contenido del entorno de trabajo al cerrar es innecesario: ejecutando los comandos guardados en un archivo .R recuperamos los objetos

Mensajes de “Error” y “Warning”

• En programación, cometer errores es normal

• En muchos errores, R se “quejará” mostrando mensajes en rojo

  • Aviso: R ofrece un resultado (y continuará al siguiente comando), PERO indica que puede haber algo “no deseado”

  • Error: para la ejecución, sin resultado, e “informa” de la razón

• Algunos mensajes son claros, pero otros requieren más investigación: pegarlos a una IA y pedir que os los EXPLIQUE es un buen uso; que os reescriba el código sin entenderlo, no

• Peor que un mensaje de error: escribimos (copiamos) un código que funciona pero no hace lo que queremos…

• El ordenador NO se equivoca: hace lo que le pedimos según unas reglas bien definidas por R, que debemos conocer

  • Sed cuidadosos, pensad y entended cada paso del código

Un ejemplo para toda esta parte

• A partir de aquí nos acompaña un mini-caso: las fichas de clientes de un pequeño gimnasio: nombre, altura, peso, si es socio, gasto mensual, género, satisfacción

• Iremos como en un análisis real: de una variable suelta (un vector) a la información cualitativa (factores) y a la tabla completa (data frame)

• Habrá varias PRÁCTICAS en clase sobre este caso: implementar vosotros es donde se aprende

• NO hay que memorizar cada comando: hay que entender la IDEA de cada uno; los detalles se consultan (Ayuda, IA)

• Y aprenderemos a leer los fallos: los mensajes de error, y los casos peores en que no hay mensaje pero el resultado no es el que queríamos

Cómo se entrega el trabajo de clase

• Lo que se entrega es el trabajo de las PRÁCTICAS de este tema (el resto de cosas que probéis o veamos en pantalla, no)

• Para este tema, ese trabajo va en un guion propio: Tema00_DNI.R (con VUESTRO DNI: p.e., Tema00_12345678X.R), en la carpeta del curso

  • cada tema tendrá su propia entrega (y su formato); en algunos temas podrá haber más de una

• Si una tarea pide contestar algo (no solo código), escribid la respuesta como TEXTO en un comentario del guion

• Cuando se pida, se sube mediante un formulario cuyo enlace se dará en clase en ese momento

• Cuenta el TRABAJO, no la perfección: se valora que lo habéis ido haciendo y razonando

Vectores

• Un vector es una secuencia de datos elementales, creados con el operador “c()” (combinar)

• Empezamos nuestras fichas: cada variable de los 5 clientes es un vector

altura  <- c(176, 165, 189, 155, 168)                 # numérico
cliente <- c("Jose", "Maria", "Juan", "Elena", "Rosa") # caracteres
socio   <- c(TRUE, FALSE, TRUE, TRUE, FALSE)           # lógico

• Podemos crear vectores a partir de otros vectores o usando comandos

z <- c(altura, 170)   # añadir un dato
x <- rep(1, times=4)
y <- seq(from = 10, to = 1, by = -1)
z <- 1:10             # equivale a z <- seq(1,10,1)

• Un vector sólo puede contener objetos de un único tipo elemental, que podemos conocer con str() o class() (el panel Variables muestra los valores)

Vectores (cont.)

• Si se mezclan tipos distintos, R busca una clase que “acomode” a todos

vcr <- c("lunes", 2) 

• Forzamos que un objeto sea tratado con una clase concreta, con as.integer(), as.numeric(), as.character() y as.logical()

  • Si no se puede convertir a número, devuelve NA (con un “warning”)

• NO se pueden realizar operaciones incompatibles entre clases

  • Cuidado con las comillas: NO es lo mismo un objeto (su contenido) que el carácter de su nombre

a <- 4
c <- 'a' + 1

• Los vectores pueden tener nombres (una “etiqueta” única para cada elemento): un vector de caracteres de la misma longitud asignado con names()

names(altura) <- cliente   # etiquetamos cada altura con su cliente
altura

Aritmética de vectores

• La mayoría de los operadores se aplican elemento-a-elemento: p.e., el IMC de CADA cliente a partir de su peso y su altura

peso <- c(75, 85, 70, 60, 80)
imc  <- peso / (altura/100)^2   # un cálculo, 5 resultados

• Con diferentes longitudes, se repite el vector corto cuanto sea necesario

altura + c(1, 2, 3, 4, 5)
altura + 1   # se "recicla" el 1

• Algunas funciones relevantes

length(altura)   # longitud
sort(altura)     # ordenar
max(altura)      # máximo
min(altura)      # mínimo
sum(peso)        # suma

mean(altura)     # media
var(altura)      # varianza
table(socio)     # frecuencias

summary(altura)  # estadísticos

Vectores lógicos

• Obtenemos un objeto lógico enunciando una relación que puede ser cierta o falsa , como comparaciones básicas de igualdad o desigualdad: p.e., ¿qué clientes miden más de 165 cm?

1 == 1  # TRUE
1 != 3  # TRUE
1 > 2   # FALSE

a <- 3 
a >= 3       # TRUE
a + 1 <= 10  # FALSE

• Combinamos varios enunciados con operadores Y (&), O (|) y NO (!)

• Para conjuntos, x %in% Y es cierto cuando x es un elemento de Y

altura > 165                          # ¿qué clientes miden más de 165?
altura >= c(175, 165, 195, 165, 168)  # elemento a elemento
altura > 160 & altura <= 180
altura < 160 | altura >= 180
c(165,179) %in% altura
condicion <- !(altura <= 170)

Factores

• En nuestras fichas, el género o la satisfacción son información cualitativa: se suele codificar como texto o números, pero NO tiene sentido numérico (ni de “texto”): representan clases o categorías

• Para destacar la naturaleza distinta de estos datos, existe un tipo de objeto específico en R: los factores

• Además de otras ventajas que veremos, permiten separar la representación original de las categorías (niveles) de cómo queremos mostrarlas (etiquetas)

genero   <- c(2, 1, 2, 2, 2)
genero_f <- factor(genero, levels = c(1, 2), 
                           labels = c("Mujer", "Hombre"))

• Se asocia nivel 1 con “Mujer”, 2 con “Hombre”, etc.

• Las operaciones con factores se realiza con las etiquetas, no con los niveles

genero_f == 1       # NO existe valor 1
genero_f == "Mujer"

Factores (cont.)

• También podemos usar as.factor() para convertir un vector en un factor

• PERO es conveniente especificar niveles y etiquetas: si no, R usa como niveles los valores únicos ordenados (numérica o alfabéticamente) y como etiquetas esos mismos valores

g <- factor(genero)  # as.factor(genero) hace lo mismo
g                    # niveles: "1" < "2"

• Las etiquetas resultantes (“1”, “2”) no son informativas: no sabemos cuál es “Mujer” y cuál “Hombre”

• También podemos tener factores con orden con la opción order = TRUE y enumerando los niveles en orden

satisf   <- c("A", "B", "A", "B", "M")
satisf_f <- factor(satisf, order = TRUE, 
                    levels = c("B", "M", "A"),
                    labels = c("Bajo", "Medio", "Alto"))

El tipo importa: summary() con vector y factor

• La función summary() devuelve los principales estadísticos descriptivos de un vector numérico

summary(altura)

• Para información cualitativa, la media y otros estadísticos no tienen sentido

summary(genero)
genero  <- c(1, 20, 20, 1, 1)  # dos categorías igualmente
summary(genero)

• La función summary() ofrece resultados diferentes según el tipo de objeto (porque tiene distintas propiedades)

summary(genero_f)

“Data Frames”

• Es un tipo de objetos específico para facilitar el análisis de datos: una colección de variables por columnas y observaciones por filas.

• Cada columna es un vector con un nombre y tipos de datos (quizás) diferentes

• Nuestras fichas de clientes son EXACTAMENTE eso: las juntamos en una tabla

datos <- data.frame(cliente, altura, peso, genero_f, gasto)

• Se visualizan con View(datos) (abre el Data Explorer de Positron, con filtros y ordenación), desde el panel Variables, o una parte con head()

• Seleccionamos columnas por nombre con $ o por nombre o posición con [[ ]]

vectAltura <- datos$altura    # objeto resultante = vector
datos[[3]] == datos[["peso"]]

“Data Frames” (cont.)

• También podemos usar [] para seleccionar filas y columnas por posición, nombre y/o condición lógica

datos1 <- datos[datos$genero_f == "Hombre", 2:3]  # altura y peso de hombres        

• Suele ser mejor usar subset() que devuelve siempre un “data frame”

D1 <- subset(datos, altura > 165)   
D2 <- subset(datos, subset = altura %in% c(176,189),
                    select = c(altura, peso)) 

• Generamos nuevas variables con el vector de asignación

datos$altura_m <- datos$altura / 100

Listas

• Una lista es una colección de objetos de distinto tipo (a diferencia de un vector)

• Los elementos de una lista suelen tener nombres

miLista <- list(saludo="hola", vec=x, lista=list(1:4, "X"), 
                datos=datos)

• Con [[ ]] (por posición o por nombre) o con $(solo por nombre) extraemos los elementos en su clase original

miLista$vec
miLista[[2]] + 3

• También podemos usar [], pero devuelve una lista

• unlist() convierte una lista en vector, usando la clase que pueda ajustarse a todos los objetos (elementales)

Las listas guardan resultados de funciones

• Muchas funciones de R devuelven sus resultados como una lista: guardan cosas diversas (estadísticos, opciones, datos…) en un único objeto

• Por eso importa saber ACCEDER a sus elementos: cuando ejecutemos un contraste o una regresión, extraeremos de ahí lo que necesitemos

res <- t.test(altura)   # el resultado es una lista
names(res)              # qué contiene
res$p.value             # accedemos a un elemento

Bibliotecas (“libraries”)

install.packages("AER")

library(AER)

Bibliotecas (cont.)

• El nombre completo de un objeto es biblioteca::nombre

  • La nombre de la biblioteca solo es necesaria si no se ha cargado o dos objetos diferentes tienen el mismo nombre en bibliotecas distintas

base::log(1)
log(1)

library(Hmisc)
find("units")

• Para mostrar todos los datos de las bibliotecas cargadas

data()

• Los podemos cargar (aparecen en el panel Variables) y obtener información detallada en la ayuda (ej., nombre de variables)

data("Affairs")
help("Affairs")

Datos “nativos” en R

• Guardamos objetos del espacio de trabajo con save() (en una ruta relativa al directorio de trabajo)

x <- 1:20
y <- 2 * x ^ 2 + 1
save(x, file="x.RData")      # un objeto, o varios
save(x, y, file="data/xy.RData")  #   separados por comas

• Para cargar datos al espacio de trabajo, con load()

load("data/xy.RData")

• Nota: este tipo de archivo puede contener varios objetos, incluidas varios conjuntos de datos

Importar y exportar con rio

• rio permite trabajar con el mismo comando para todos los formatos, pero las opciones por defecto pueden no ser adecuadas

  • En la Ayuda se incluye una presentación completa del paquete

• El comando import() se usa para leer los datos

library(rio)
sex   <- import("data/sex_data.csv")
renta <- import("data/renta.txt")
beauty <- import("data/beauty.xls")
nsw    <- import("data/nsw.dta")    # formato Stata

• Podemos exportar datos a un tipo de formato con export()

export(nsw, "data/nsw.csv")

• O convertir un archivo del disco a otro formato con convert()

Valores ausentes (“missing values”): NA

• Muchos conjuntos de datos tienen valores ausentes de ciertas observaciones para algunas variables: ej., descargad (UA Cloud) earn.RData

• Sabemos si una observación es NA y la frecuencia total:

load("data/earn.RData")
x <- earn$earnings

is.na(x)
table(is.na(x))

• Por defecto en R, un cálculo con NAs es NA: debemos decir que los elimine explícitamente (y ser conscientes de lo que implica)

mean(x)

mean(x, na.rm=TRUE)

• na.omit() elimina observaciones con NAs de una o varias variables

earn2 <- na.omit(earn)

• ¿Cómo tratar los NAs? Eliminarlos implica selección muestral y la alternativa de imputar valores implica supuestos sobre éstos

Nota sobre programación “avanzada”

• Como en todo lenguaje de programación R, tiene funciones para

  • Ejecución condicional if(): una parte del código se ejecuta solo si se cumple una condición

  • Bucles for(): se repite un mismo bloque de código mientras se itera por los valores de vector

  • Crear funciones propias con function()

• Una variante de la ejecución condicional, solo para crear variables según una condición

data("Affairs", package = "AER")
Affairs$univers <- ifelse(Affairs$education>15, 1, 0)