Speaker A
Vamos a iniciar nuestra sesión de hoy. El día de hoy tendríamos que ver el tema de eh importación y exportación de datos, ¿no?
Sesión sobre importación y exportación de datos en R, repasando estructuras de datos y funciones básicas para manipulación y análisis.
Key Takeaways
- Las estructuras de datos más usadas en R son los data frames y vectores.
- Para sumar vectores deben tener la misma longitud y se pueden realizar operaciones aritméticas elemento a elemento.
- La función sort es fundamental para ordenar datos, lo cual es clave para análisis estadísticos.
- R permite importar datos desde múltiples formatos usando librerías especializadas.
- Mantener organizados los archivos y códigos facilita la importación y exportación de datos sin errores.
Summary
- Repaso de la sesión anterior enfocada en estructuras de datos en R como vectores, matrices, listas y data frames.
- Explicación detallada sobre la creación y manipulación de vectores, incluyendo operaciones aritméticas y funciones como class, length y sort.
- Introducción a la creación de matrices con la función matrix, especificando filas, columnas y orden de llenado.
- Discusión sobre la importancia del ordenamiento de datos para análisis estadísticos como el cálculo de la mediana.
- Inicio del tema principal de la sesión: importación y exportación de datos en R.
- Demostración de instalación y uso de librerías especializadas para importar datos desde diferentes formatos como Excel, SPSS, SAS y Stata.
- Ejemplos prácticos de funciones para importar datos, manejo de codificaciones y limpieza de consola para facilitar el trabajo.
- Consejos para mantener organizados los archivos y códigos para evitar conflictos durante la importación y exportación.
- Mención de la versatilidad de R para trabajar con múltiples formatos de datos y realizar análisis complejos.
- Se responde a preguntas frecuentes sobre manejo de vectores de diferente tamaño y operaciones con bases de datos múltiples.
Chapters
- 00:00Introducción y repaso de estructuras de datos en R
- 04:35Creación y operaciones con vectores en R
- 08:58Ordenamiento de vectores con la función sort
- 13:26Creación y manejo de matrices en R
- 31:09Inicio del tema: importación y exportación de datos
- 35:29Instalación y uso de librerías para importar datos
- 39:30Importación de datos desde diferentes formatos
- 46:30Consejos para organización y manejo de archivos
- 50:11Preguntas frecuentes y cierre de la sesión
Full Transcript — Download SRT & Markdown
Speaker A
Muy bien. Eh okay. Muchas gracias, Beatriz. Pero eh la sesión anterior habíamos no habíamos terminado una parte de laboratorio, ¿no? Así que vamos a hacer un pequeño repaso o mejor dicho vamos a terminar con esa con esa parte del
Speaker A
laboratorio y entraríamos con este tema de importación y exportación de datos, ¿no? Muy bien, entonces vamos a abrir el laboratorio anterior.
Speaker A
Ustedes ya deben tener su carpeta ordenada, ¿no? poremplo, sesión uno y todo lo que hemos visto, ¿no?
Speaker A
Entonces, el laboratorio se llamaba LAP 1 introducción ¿no? Muy bien. Eso sería nuestro oro laboratorio ¿no?
Speaker A
Y nos habíamos quedado en la parte, a ver, nos habíamos quedado acá, ¿dónde? No, no sabemos qué acá en lo que era estructura de datos, ¿no?
Speaker A
Para ya los que han revisado este laboratorio, entonces se han dado cuenta que la estructura de datos pues son los famosos vectores, ¿no? Vectores, por ejemplo, las matrices, las listas, los data frames, ¿no?
Speaker A
recapitulando un poquito lo que hemos visto la sesión anterior, ¿no? Vimos, por ejemplo, que es R, la instalación, clase de objetos y las estructuras de datos, ¿no?
Speaker A
Entonces, eso vimos la sesión anterior, ¿no? Para los que recién se están nivelando, eh, les invito a que revisen los materiales anteriores, ¿no? Y el video también.
Speaker A
Por ejemplo, en R se habla de cuatro estructuras de datos, ¿no? Bueno, cinco se podría decir el famoso vector donde solamente se define una variable, matriz donde tengo dos dimensiones y los famosos arreglos, ¿no? Que puede ser de tres dimensiones a más, ¿no?
Speaker A
También tenemos las listas, una forma de almacenar objetos, ¿no? Pero la estructura más usada, jóvenes, para nosotros va a ser el famoso data frame o la famosa tabla, ¿no?
Speaker A
Esa es la estructura más usada. En segundo lugar, la estructura más usada va a ser el vector, ¿no?
Speaker A
Entonces, estas dos estructuras de datos son las más usadas. Muy bien, eso vimos la sesión anterior y varias cosas más, ¿no?
Speaker A
Entonces, el laboratorio nos habíamos quedado en esta parte, ¿no? Por ejemplo, ¿cómo se crea un vector en R?
Speaker A
Fácil, simplemente le doy el nombre al vector, símbolo de asignación. La función C significa concatenación.
Speaker A
Abro paréntesis y dentro del paréntesis va a ir los valores de ese vector. Por ejemplo, 20, 21, 23, 19, 18. No, sombreo y ejecuto, automáticamente ya definí, miren, mi vector Z, ¿no? O el objeto Z, en este caso, que es un
Speaker A
vector. Una manera rápida, ¿no? Si quiero imprimir los resultados de este vector, puedo poner print z, ¿no? Y automáticamente me imprime los valores ¿no?
Speaker A
Si si es que ustedes quisieran saber de qué clases es es este objeto que has creado, hay una función llamado class, ¿no? O sea, esa función lo que te permite hacer es identificar la clase del objeta, ¿no? Te dice que es un
Speaker A
objeto numérico, ¿no? Literal es un vector numérico, ¿no? S es una función que te permite saber la estructura del objeto.
Speaker A
es una es un objeto numérico también, ¿no? Num obviamente quiere decir que es numérico ¿no?
Speaker A
Entonces, de esa manera, jóvenes, se define un vector usando la función C, ¿no? Que significa C de concatenación.
Speaker A
Muy bien. Y ahora, ¿qué pasaría si yo defino dos vectores, vector uno y vector dos?
Speaker A
Como ya sabemos que los se crea de esta manera, ojo, pueden usar este operador o también se puede usar esto, la igualdad.
Speaker A
Cualquiera de los dos funciones son equivalentes. ¿Ya? Muy bien. Entonces, acá voy a sombrear y voy a crear dos vectores. Vector uno, miren, y vector dos.
Speaker A
Para los que no se han dado cuenta, los objetos se crean en esta parte, ¿no?
Speaker A
Miren, vector uno y vector dos. Ahí está, ¿no? Entonces, al crear un vector, ¿qué puedes hacer con los vectores?
Speaker A
Como son numéricos, vectores numéricos, yo puedo sumar vectores. La suma de vectores es elemento elemento se suman, ¿no? Entonces, si yo imprimo la suma de los vectores, miren lo que me va a dar, ¿no? La suma de vectores.
Speaker A
Y los vectores se suman elemento a elemento, ¿no? Es decir, si yo sumo estos dos vectores, la el vector resultante va a ser 7, 9, 11, 13 y 15, ¿no?
Speaker A
Y efectivamente es lo que nos sale acá, ¿no? Ahí está, mira. Entonces, cuando sumo vectores numéricos, el resultado es otro vector numérico ¿no?
Speaker A
Entonces, eso es interesante. Pueden ser operaciones con vectores, claro, siempre y cuando sean numéricos, ¿no?
Speaker A
Muy bien. Así como puedes sumar, también puedes hacer varias operaciones. Por ejemplo, dos veces el vector uno más tres veces el vector dos, puedes sumar, ¿no? ¿Qué sucede cuando multiplico por dos a este vector? ese2 multiplica a cada elemento del vector, ¿no?
Speaker A
Es como una operación matemática. Muy bien. Entonces, si imprimo este resultado es esta, ¿no? Ahí está la suma de vectores, pero previamente habiendo sido multiplicado por unas constantes ¿no?
Speaker A
Muy bien. Ahora creemos otro vector, jóvenes. y le voy a llamar simplemente vector y quiero imprimir la función o los valores de ese vector. Ahí está, miren.
Speaker A
Ahora vamos a poner en práctica una función interesante. A ver, hay una pregunta de su compañero Miguel Béis.
Speaker A
Si los vectores son de diferentes tamaños, también se pueden sumar. No se va a poder sumar, ¿no? Porque para que sumen tienen que tener la misma dimensión o la misma longitud.
Speaker A
Hay que tener cuidado esa parte. Miren cómo saber la longitud del vector. Hay una función llamado leng.
Speaker A
encima el R estudio te ayuda, ¿no? Miren la primera, ¿no? Y ahí le das ahí le das el objeto vector, ¿no? Miren, entonces este pequeña función te permite saber la cantidad de datos, ¿no? Miren.
Speaker A
Entonces, para hacer suma operaciones, hay que primero garantizar que tienen la misma longitud o la misma dimensión, se le dice, ¿no?
Speaker A
Muy bien. Ahora hay una pregunta que todo el mundo nos hace, ¿no? A ver, vamos a limpiar nuestra consola. Control L, recuerden, o también la escobita, cualquiera de los dos.
Speaker A
Ya sabemos que los elementos del vector son estos. Y siempre me preguntan, "Profesor, ¿y esto se puede ordenar de manera ascendente o descendente?" Sí, existe una función en R, jóvenes, que se llama zorro.
Speaker A
Sor, esta función ordena vectores. ¿Qué te pide como insumo? El vector que quieres ordenar.
Speaker A
Y si quieres que sea ascendente o descendente. Acá le estoy diciendo que el decrecimiento sea verdadero, es decir, sea de esta manera, ¿no?
Speaker A
Que sea decreciente, en otras palabras. Si quieren que sea al revés, tendrían que poner false ¿no?
Speaker A
Miren, si ponen false quiere decir que va a ser ascendente, ¿no? Ahí está. Entonces, una función tan simple hace esa operación, ¿no? Y ustedes se preguntarán, "Profesor, pero ¿para qué sirve es útil esa función?", No, bueno, en algunos casos el ordenamiento es muy
Speaker A
importante para muchos análisis, ¿no? Por ejemplo, para calcular la mediana, que es una medida de centralización, por cierto, se tienen que ordenar los datos, ¿no? Entonces, esta función nos puede ayudar bastante.
Speaker A
Muy bien, voy a regresar al true. No se olviden la función s te pide, le das el vector y este argumento que te indica si crece o decrece según lo que deseas ¿no?
Speaker A
Muy bien, esa función es interesante. Ahora, ¿cómo se crea una matriz? Una matriz tiene dos dimensiones, filas y columnas, ¿no?
Speaker A
Acá internamente, obviamente la función se llama matrix, ¿no? Matrix es la función que te permite construir una matriz.
Speaker A
Para eso le tienes que dar un vector de valores. Acá le estoy dando este vector.
Speaker A
Y le digo, "Oye, que sea de cuatro filas y cuatro columnas." Pero adicionalmente hay que agregar esto.
Speaker A
¿Por qué? Si es una matriz de 4x, estos datos pueden ser llenados de esta manera, en ese orden, miren como le estoy mencionando.
Speaker A
O también pueden ser llenados de esta manera ¿no? Para saber si el llenado quieres que sea por fila o por columna, tienes que detallarle acá, tienes que indicarle, ¿no? Entonces, quiero una matriz de 4x 4, pero el llenado sea por
Speaker A
fila. Los cuatro primeros van a ir en la primera fila, los cuatro segundos en la segunda fila y así sucesivamente, ¿no? Para que haya un orden se especifica este argumento, ¿no?
Speaker A
Si es por columna, esta sería la primera columna, la segunda columna, la tercera columna y así, ¿no?
Speaker A
Entonces es interesante conocer esos pequeños detalles, ¿no? Por eso cuando yo imprimo todo esto, miren lo que obtengo jóvenes.
Speaker A
Una matriz de 4x 4. Los cuatro primeros elementos, mira, acá yo he dicho que sea por fila, entonces los cuatro primeros, miren, está en la en la fila, ¿no?
Speaker A
Los cuatro siguientes están en la siguiente fila. Ese ordenamiento se hace gracias a este argumento que se agregó en la función matrix ¿no?
Speaker A
Así de de simple, jóvenes, se construyó una matriz, ¿no? Muy bien. No olvidarse la función matrix que te permite crear las matrices. Ya.
Speaker A
Ahora, ¿qué nos falta, profesor? ¿Por qué operaciones se puede hacer con una matriz? Puedes calcular la dimensión de la matriz.
Speaker A
4* 4, cuatro filas y cuatro columnas. Profesora, la matriz yo la puedo multiplicar por 10. Claro que sí. Ahí está. Esta matriz por 10 significa que cada elemento se tiene que multiplicar por 10. Miren, profesor, la matriz se puede dividir
Speaker A
entre 100. Claro que sí. Quiere decir que cada elemento de la matriz se va a dividir entre 100.
Speaker A
Ahí está. Son operaciones que se puede hacer con matrices ¿no? Profesor, ¿cómo se calcula la diagonal de la matriz?
Speaker A
Bueno, son conceptos un poco de álgera lineal ¿no jóvenes? Por ejemplo, la diagonal de una matriz es la eh los valores de la diagonal principal ¿no?
Speaker A
Mejor dicho, esta es nuestra matriz. La diagonal de esta matriz es son los son estos valores de acá.
Speaker A
Esta es la diagonal de la matriz que hemos creado, ¿no? Por eso cuando se pide dia de la matriz se va a dar esos valores ¿no?
Speaker A
Y la suma de la diagonal de la matriz puede calcular así, no es más que la suma de todos estos elementos, ¿no? Que en álgineal esto se llama la famosa traza de una matriz. Bueno, ya es otra cosa ¿no?
Speaker A
Profesor, en la universidad a mí me enseñaron en los primeros siglos calcular la determinante de una matriz y aplicaba la regla del cerrucho y todas esas cosas, ¿no?
Speaker A
R lo calcula en segundo, jóvenes. La función es de dt determinante, ¿no? Simplemente le aplicas y ahí está. Este es el determinante de tu matriz que has creado ¿no profesor? y la inversa de una matriz era muy complicado la universidad, ¿no? R
Speaker A
tiene una función llamado sol que calcula la inversa de una matriz y esa es la inversa de tu matriz, ¿no?
Speaker A
Estamos viendo algunos conceptos básicos, jóvenes. Claro, hemos aprovechado ya que estamos en la matriz ver algunas cositas eh extras, ¿no?
Speaker A
Por ejemplo, ahí si tu hijo o algún hermano te está pidiendo ayuda de cómo calcular la la inversa matriz, en R sale instantáneo, ¿no? No se demora ni un segundo.
Speaker A
Muy bien. Ahora hablemos sobre otra estructura de datos, yo diría que la más usada, que es el data frame o la famosa tabla de datos que conocemos todos, ¿no?
Speaker A
La función data frame necesita argumentos. Cada elemento son vectores. Entonces, para crear primero mi data frame, voy a definir dos vectores, grupo A y grupo B. Ambos son vectores numéricos de igual dimensión ¿no?
Speaker A
Acá los creo y acá están mis vectores. Miren, ya los he creado, ¿no? Ahora, ¿cómo estos dos vectores lo pongo en formato tabla, en formato de datos que conocemos todos, ¿no? Para ello se usa la función data frame.
Speaker A
Entre paréntesis va a ir los vectores que he creado, ¿no? Y simplemente eso y automáticamente ya tengo mi tablita de datos. Miren, ¿se dan cuenta?
Speaker A
Lo interesante de data frame, jóvenes, es que crean un objeto tabular. Ese objeto que he creado se llama BD-2, ¿no?
Speaker A
Eso ustedes lo pueden buscar acá. Miren, ¿se dan cuenta? Si le doy clic a esto de acá, miren dónde me manda. Esta es la base de datos que he creado, ¿no?
Speaker A
Y este tipo de base de datos todos lo conocemos, lo hemos visto en el trabajo, en los estudios, en todo sitio, ¿no?
Speaker A
Esto es una tabla de datos, pero R lo dice data frame. Así se construyen las famosas tablas de datos jóvenes.
Speaker A
Naturalmente nosotros no vamos a construir tablas de datos, vamos a importar nuestros datos, pero eso es la esencia de cómo se construyen las famosas tablas, ¿no?
Speaker A
Otro ejemplo, imaginemos acá voy a crear tres vectores: índice, mi vector índice, mi vector fecha y mi vector grupo.
Speaker A
Con estos tres variables voy a crear un dataframe. Primero voy a ejecutar mis vectores o objetos en general como se le puede conocer, ¿no? Listo, ya están mis tres objetos definidos. Ahora voy a crear un objeto llamado datos.
Speaker A
Esto va a ser un data frame de estos tres vectores, ¿no? Sombreo y ejecuto.
Speaker A
Y acá están mis datos. Pero la función data frame crea un objeto acá. Miren, miren, jóvenes, automáticamente no se dan cuenta.
Speaker A
Lo que tengo que hacer es para verificar si se construyó bien, darle clic. Miren, acá está mi base de datos, ¿no?
Speaker A
Índice, fecha y grupo. Una tabla que conocemos, una tabla de datos, ¿no? Acá ya se puede hacer los análisis y todo. No, eso es el famoso data frame, jóvenes. Ya es mucho más especializado, ¿no?
Speaker A
Muy bien. Hay hay algunas cositas que se puede hacer, ¿no? Por ejemplo, algunos están interesados. Profesor, yo no quiero todo este conjunto de datos. Yo solamente quiero quedarme con la columna número tres, es decir, solo con grupo. Ya no quiero
Speaker A
las demás variables, solo quiero la variable grupo. Para eso puedes usar la siguiente función, ¿no? O la siguiente el siguiente, bueno, algún artificio que se podría hacer, ¿no?
Speaker A
Adelante, Charlie. ¿Cuál es la duda? Sí, muy buenas noches, maestro, y buenas noches para los demás. Me gustaría entender un poquito la parte de la fecha que usted presenta, si puede subir un poco, ya que a ver, sí,
Speaker A
en la columna, en el vector que se creó de fecha, vamos ahí. Exacto. En ese vector eh puedo observar que solamente se presenta eh no sé si el mes o el año o qué representa ese valor 19.
Speaker A
Eh, lo lo menciono porque dentro de mi argor laboral tengo que generalmente trabajar con fechas, eh, ya saben, mes, días y año. Y si en algún caso llegara así, entonces, ¿cómo podemos eh manejar esa esa situación? Porque a veces llega
Speaker A
con fecha muy Sé que no vamos por ese por ese punto todavía, pero me gustaría tener al menos detalle de cómo poder manejar esta fecha. Gracias.
Speaker A
Ya. Muy bien, muy bien. Sí. Eh, R tiene librerías especializadas para manejar fechas. Todavía no lo vamos a ver, ¿no?
Speaker A
Pero se puede uniformizar las fechas, ¿no? Es verdad lo que dice el compañero, ¿no? A veces registran fechas en diferentes formatos, ¿no? Se le puede llevar todo a un mismo formato, no se preocupen.
Speaker A
Acá lo que he definido el vector fecha simplemente es un poco arbitrario los valores, ¿no? agosto 2019, septiembre 2019, pero obviamente no es un formato adecuado, no no se preocupe por esa parte. Lo que les puede decir efectivamente R tiene una
Speaker A
librería especializada para manejo de fechas ¿no? Eh, es más, puede ser, no sé, año, meses, día, inclusive horas, ¿no? Se puede manejar inclusive a ese nivel.
Speaker A
Muy bien, esto simplemente es un ejemplo didáctico, ¿no? Ya cuando veamos una data real con fecha y vamos a poder eh hacer muchas más cosas, ¿no? Más interesantes inclusive.
Speaker A
Ya. Muy bien. A ver, les comentaba un poquito, por ejemplo, a ver, muchachos. Profe, acá crea adelante.
Speaker A
Hola, buenas noches. Buenas noches con todos los compañeros. Al momento que yo marco índice, fecha y grupo y le doy el room o enter, me sale en la parte inferior. No me sale de color blanco, sino me sale de color
Speaker A
morado. No sé si es que está con algún error. Color. A ver, a ver, a ver. Comparte tu pantalla. A ver. Vamos a apoyarte.
Speaker A
Adelante, Juan Pablo, adelante. Este, aquí es, me dice si está viendo el profe. A ver, a ver, a ver, un momento, todavía no se ve nada.
Speaker A
Ya, ya. A ver, corra nuevamente desde índice hasta datos. A ver, desde índice hasta grupo.
Speaker A
Sí, dale. A ver. Sí, corra, corra. No sé. Ahora, ahora datos 182, 183 las filas.
Speaker A
Eh perdón bajo sigo. Ahora las dos siguientes filas, la fila 182 y la fila 183. Sombré y ejecuto.
Speaker A
Ah, ya. O sea, siempre es con el con el con el comando subsiguiente, ¿no? No hay claro. Lo que pasa en los tres primeros objetos, índice, fecha y grupo, estás creando los vectores.
Speaker A
En la fila 182 estás usando la función data frame para juntar esos tres vectores en un solo objeto llamado datos.
Speaker A
Ah perfecto. Gracias. Y si te fijas en en la parte derecha ya ya hay una que dice datos. Dale click.
Speaker A
No, no, al objeto, al nombre, al nombre, al nombre. Y ya te ab ya te abre tu tablita de datos, ¿ves? ¿Te das cuenta?
Speaker A
Okay. Sí. Ya. Así, así se crea una data, ¿no? Muy bien. Ya. Gracias. Okay. Okay.
Speaker A
A ver. Muy bien. A ver, dice que no tienen el archivo LAP 1. A ver, vamos a compartir ya.
Speaker A
Ya que estamos acá, vamos a compartir. Deben tener sus archivos guardados porque para que puedan practicar. Ya. A ver.
Speaker A
Listo. Ahí les pasé igual por el chat del Zoom. Muy bien. Les comentaba, eh, una, perdón, profesor, disculpe. Buenas noches.
Speaker A
Adelante, Miguel. Adelante. Sí. Este eh, para correr el archivo debo tener instalado el el R Studio en mi computadora ¿cierto?
Speaker A
R y R Studio. Okay, okay, lo veré luego, no se preocupe. Sigamos. Okay. Okay. Igual revisen el video en la primera sesión, ahí hablamos del proceso de instalación.
Speaker A
Sí, seguro. Gracias. Okay, bien. Listo. A ver, hay unas cositas interesantes, ¿no? Una vez que creas tu tabla de datos siempre a veces no estamos interesados en usar todas las variables, de repente solamente quiere usar esta variable.
Speaker A
Entonces, para eso podemos hacer algo interesante, ¿no? R es muy versátil, ¿no? Por ejemplo, R entiende de la siguiente manera. Esta es la columna uno, la columna dos y la columna tres. Supongamos que yo solamente quiero analizar la columna
Speaker A
tres. Entonces, entre corchete coma 3 me permite acceder solamente a esa variable grupo, ¿no? Coma dos a fecha, coma un a índice, ¿no? Entonces a veces estas cositas sirven, ¿no? Por ejemplo, miren, si ejecuto él solo me está dando la
Speaker A
columna tres, ¿no? Se dan cuenta que por cierto es esto de acá, pero si ejecuto la columna dos me va a dar todo lo que es fecha, ¿no?
Speaker A
La columna uno, todo lo que es índice, ¿no? Ahí está. Pero algunos son un poco más especiales.
Speaker A
Dicen, "Profesor, quiero solamente el valor de la fila uno y la columna tres." Sería este valor de acá, ¿no?
Speaker A
Se dan cuenta fila uno, columna 3, sería privado, registrado, ¿no? O sea, que ya una intersección prácticamente R también es versátil y te permite hacer, ¿no?, objeto entre corchete, fila uno y columna tres.
Speaker A
Si ejecutas automáticamente te va a dar el valor correspondiente, ¿no? Privado, registrado. Esto es útil en algunas en algunos casos, ¿no? Como les comenté, puedes tener una data de 50 variables, pero quizás solo te interesa pues una un
Speaker A
par de variables, ¿no? Entonces puedes hacer estos pequeños artificios. Ya cuando veamos manipulación de datos, que es la siguiente sesión, ahí les voy a enseñar una librería especializada para selección de variables, construcción de variables, recodificación y todo eso, ¿no? Por el
Speaker A
momento hay que ver lo necesario. Ya. Muy bien. El otro objeto, jóvenes, es las famosas listas.
Speaker A
No son tan usados, pero eh existen dentro de la teoría del R, ¿no? Lo interesante de las listas es que pueden almacenar objetos de diferente naturaleza. Jueves, miren, strings, strings, numéricos y vectores.
Speaker A
Por eso las listas son almacén de almacenes, algo así, ¿no? Es un objeto que almacena objetos de diferentes naturaleza. Juan.
Speaker A
¿Para qué es útil este tipo de casos? Eh, los informáticos han encontrado más utilidad. Dicen que las listas son mucho más eficientes que los dataframes, ¿no?
Speaker A
Porque te permite almacenar efectivamente mucho más cosas y acceder a cada uno de los segmentos de manera separada, ¿no? Por eso, ¿cómo se crea una lista? Usando la función list.
Speaker A
Primer objeto, name. Segundo objeto, mor. Le puse nombres arbitrarios, ¿no? Y acá hay un objeto de tipo vector, ¿no?
Speaker A
Naturalmente no se puede hacer ninguna operación con los listas porque si se dan cuenta los objetos son recontradi diferentes, ¿no? ¿Qué operación podría hacer él con él? Imposible, ¿no?
Speaker A
Por ejemplo, voy a ejecutar esto y acá están las listas. Mira, los elementos de la lista, ¿no?
Speaker A
Lo bueno es que las listas tú puedes acceder a cada elemento. ¿Cómo se accede? Con doble corchete, mientras que en la data frame era con un corchete simple y con los índices.
Speaker A
Una lista tú puedes acceder con doble corcheta. Igual esto es la posición, el objeto uno, el objeto dos, el objeto tres y el objeto cuatro, ¿no? Si le digo lista doble corchete dos, me va a dar esto, ¿no?
Speaker A
Si le digo lista doble corchete cuatro, me va a dar este objeto, ¿no? Se dan cuenta que las listas almacenan objetos que tú después puedes acceder acá a cada objeto, ¿no? con los dobles corchetes y de ahí recién hacer tus
Speaker A
análisis ¿no? Muy bien, esas son las famosas listas, jues. Por ejemplo, si ejecuto esto, antes voy a limpiar mi consola, me va a dar el objeto E, ¿no?, que es esto de acá. ¿Se dan cuenta?
Speaker A
Si si ejecuto la posición cuatro de la lista, me va a dar los valores de este vector color, ¿no? Ahí está.
Speaker A
Entonces es una forma de estructura de datos que tiene también el R, ¿no? Pero para nosotros de ahora en adelante todo va a ser data frame.
Speaker A
Es más, la sesión de hoy es importación de datos. Todo lo que importemos en forma tabular, el R lo reconoce por default o por defecto como un dataframe.
Speaker A
¿Por qué? Porque tiene la estructura tabular, filas y columnas. Para el R. Eso es un data frame.
Speaker A
Muy bien, eso era lo que nos había quedado pendiente, jóvenes. Muy bien, muy bien, jóvenes.
Speaker A
[Música] A ver, ahora sí continuemos con nuestra sesión del día de hoy, ya importación y exportación de datos.
Speaker A
Muy bien, entonces hemos visto un laboratorio básico, ¿no? Poco a poco ya vamos a hacer cosas más complejas.
Speaker A
A ver, entonces hablemos ya de la siguiente etapa, jóvenes. Ya vimos conceptos básicos de R, que es un objeto, eh estructura de datos, algunas funciones básicas, matemáticas, estadísticas.
Speaker A
Ahora nos toca ver la siguiente etapa, ¿no? Ya que conocimos todo lo básico de R, ahora hay que enfocarnos, profesor, ¿cómo importo mis datos? Yo estoy haciendo mi tesis, tengo mis datos, ¿cómo mis datos los llevo al R?
Speaker A
Lo tengo que digitar uno por uno, vector a vector, luego agruparle un dataframe, no es necesario, ¿no? Si ustedes ya tienen su base de datos, un Excel o cualquier otro formato de datos, el R puede importar diferentes tipos de
Speaker A
extensiones, ¿no? TXT, CSV, Excel, SATA, SPCS SAS DBF SQL. en línea de un repositorio y todo o sea que se puede hacer la importación de diferentes fuentes, ¿no? Y la exportación también, ¿no?
Speaker A
Entonces, este tema es pequeño pero superinesante. Muy aparte de hablar de importación y exportación de datos, jóvenes, vamos a hablar de algo muy interesante. La instalación de librerías.
Speaker A
R tiene librerías. Las librerías son aquellas eh, como quien dice, ¿no?, que te proporciona herramientas para los análisis más sencillo, más rápido.
Speaker A
Claro, si tú no tienes una herramienta en R, pero quieres hacer algún análisis, tendrías que crear una función.
Speaker A
Pero ya hay muchas funciones que existen, que son parte de las librerías, entonces mejor hay que usarlas, ¿no?
Speaker A
Como quien dice, acá no estamos para descubrir la pólvora. No, si no usar ya lo que existe, ¿no?
Speaker A
Muy bien. Como sabrán, jóvenes, ustedes ya conocen el entorno del R Studio. Claro, ustedes está en color blanco, ¿no? Y mío está en color oscuro. ¿Por qué yo cambié el tema ¿no?
Speaker A
Esto es el famoso eh interfaz del R Studio, ¿no? La primera ventana es un editor de código. Acá va a ir nuestros códigos.
Speaker A
La ventana dos es una consola de los resultados. La ventana tres es el famoso entorno del trabajo, ¿no? Acá va a estar nuestras bases de datos y todos los objetos que vamos a crear, ¿no?
Speaker A
En la cuarta ventana están los gráficos, nuestros archivos, el menú de ayuda y todo ello, ¿no?
Speaker A
Todo eso nos va permitir conocer un poco más la interfaz del R Studio. Por cierto, lo vimos la primera sesión, pero igual siempre un pequeño repaso. Ya, [Música] profesor, usted me habló de las librerías y las librerías te
Speaker A
proporcionan conjunto de funciones o herramientas que facilitan los análisis. Correcto. Hay muchos investigadores que han creado sus librerías, las han publicado y es de acceso libre.
Speaker A
¿Cómo se instala una librería en R? en específicamente restudio, ¿no? Para ello nos vamos a la ventana cuatro, es decir, a esta ventana de acá.
Speaker A
Si se fijan, acá hay una opción llamado install. Lo voy a agrandar y vendría a ser así, ¿no?
Speaker A
Acá mira install ¿no? Package. Install. Primero le das a package y luego le das a install, ¿no? En installana así, la ventana cinco, ¿no?
Speaker A
Y acá vamos a escribir la librería que queremos instalar, ¿no? Le das el nombre de la librería especializada y simplemente le das le das instalar, ¿no?
Speaker A
Así eso es de manera manual. Perdón, profesor, una pregunta. Adelante. Eh, el ese nombre de la librería, ¿cómo lo obtengo?
Speaker A
Ah, ya. Muy bien. Ya voy a explicar este pasito, lo explicamos lo que comentas.
Speaker A
Ya. Muy bien. Le damos el nombre de librería y simplemente le damos instalar y se acabó.
Speaker A
Eso es de manera manual. muchos pasos, ¿no? Pero existe también de una una manera más sencilla usando un código install.pacash y el nombre de la librería y listo, se acabó.
Speaker A
Lo pueden hacer de manera manual como este caso o usando esta función install.pacash Pacash y el nombre de la librería, ¿no? O del paquete.
Speaker A
Dos tareas sers sencillas y lo vamos a explicar a continuación. De paso su compañero.
Speaker A
Bueno, vamos a a responder su consulta ya. Para eso abran por favor laboratorio dos. Ya vamos a tratar de hacer el aparto.
Speaker A
Muy bien. Su compañero hiz una pregunta interesante. ¿Cómo saber qué libro haría instalar? No, a ver, hay librerías especializadas, por ejemplo, Javen es una librería.
Speaker A
Claro, hay que investigar un poco, ¿no? Pero les comento, Javen es una librería que te permite importar y exportar datos de SPCSTA y SAS.
Speaker A
Javen es la librería que se encarga de eso. Rit XL es una librería que te permite importar archivos en Excel.
Speaker A
WR XL te permite exportar los datos en formato Excel y así existe un montón de librerías.
Speaker A
Profesor, ¿y cómo puedo saber un poquito más de ellos? Si se fijan ustedes, mira, acá hay una opción llamado pacash. Mucho ojo acá.
Speaker A
Pac paquetes ¿no? Si le das clic ahí te aparece, miren, todas las librerías que tú tienes, que por default el Dr. R ya lo tiene.
Speaker A
¿Se dan cuenta? ¿Sí? ¿No se dan cuenta? Un montón. Profesor, ¿y para qué sirve cada uno de esos?
Speaker A
Bueno, tampoco lo sé por completo, ¿no? Pero imaginemos que tú quieres hacer algo interesante, tendrías que poner acá en la ayuda, ¿no?
Speaker A
Te vas a gel y acá escribes pues las cosas que quieres, ¿no? Por ejemplo, ¿qué quisieras? A ver, en pero en inglés, ¿no?
Speaker A
A ver, acá va a ser un poco confuso porque a veces no ponen el texto completo de las funciones, ¿no? Sino ponen abreviaciones.
Speaker A
Vamos a poner eh plot. Plot quiere decir eh gráfico, ¿no? Si yo busco plot me dice, "Oye, acá hay varias librerías que usan la función plot y acá hay uno, GG plot." Le voy a dar clic.
Speaker A
GG plot paquetes. ¿Para qué sirve? un paquete que te permita hacer gráficos, ¿no? Entonces, ya te explica para qué sirve este paquete o esta librería y te explica brevemente en qué consiste, ¿no? Y lo interesante es con los
Speaker A
ejemplos y todo. De esa manera vamos a aprender un poco más qué librerías instalar, ¿no? Pero todo es práctica, ¿no? Por ejemplo, hoy día vamos a aprender a instalar librerías para importación y exportación de datos, la siguiente para manipulación
Speaker A
de datos, la siguiente para visualización de datos, la siguiente para modelos estadísticos y así poco a poco ¿no?
Speaker A
Muy bien. Ahora en el PPT explicamos que se instala librerías manualmente o también usando código, ¿no? Comando.
Speaker A
Vamos a instalar Jave. Javen es para SPCS, importar SPCS, stat, SAS ¿no? Manualmente, ¿cómo se hacía? Me voy a pacash. Paso uno, paso dos, install instalar.
Speaker A
Paso tres, escribo el nombre del paquete ¿no? Jave. Ahí está. ¿Y qué le doy, jóvenes? Simplemente instalar.
Speaker A
Y miren acá, miren acá, Juanes. Listo, ya se instaló. Pesaba 783 KB mi archivo.
Speaker A
Ya se instaló. Una vez que instalas, lo que tienes que hacer ahora es cargarlo.
Speaker A
Listo, ya está cargado. ¿Cómo sabes que ya está cargado? Miren, el R por default le pone un check cada vez que tú le cargas.
Speaker A
Así se hace, jóvenes. Eh, entonces hemos aprendido a instalar un paquete de manera manual, profesor.
Speaker A
No le entendí. Nuevamente vamos a instalar manualmente esta librería. Ya me voy a inacag.
Speaker A
Install y acá va el nombre, ¿no? Listo. Install. Listo. Ahí está. Ya se instaló, ¿no?
Speaker A
Ahora, una vez que instalé, tengo que cargarlo ¿no? A ver, vamos a ver si se ha cargado correctamente. Debe estar con su check, ¿no? Miren, jóvenes, ya está con su check.
Speaker A
¿Se dan cuenta? Una cosa es instalar y otra cosa es cargar, llamar a la librería para sacar provecho a sus funciones, ¿no?
Speaker A
Muy bien, eso es de manera manual. Algunos les puede gustar esa esa manera de instalar, pero la más fácil es esta, install.
Speaker A
Instal, entre paréntesis, la librería. Esto ya no se agrega, pero algunos tienen la costumbre de agregarlo.
Speaker A
Muy bien, Francisco. Justo Francisco me pregunta, "Profesor, ¿para qué sirve estas dependencias? Lo que pasa, toda librería a veces depende de otras librerías.
Speaker A
Entonces, para que se instale por completo con todas sus dependencias o herramientas, se recomienda agregar este argumento de tal manera que no tengas problemas a la hora de usar la librería, ¿no? Eso nada más.
Speaker A
Ahora vamos a instalar una librería de manera directa usando install. Le das el nombre de la librería, le dice que todas las dependencias se instalen, sombreas y ejecutas. Miren, ahí está. Para que se instala. Miren, esto sí tiene bastantes dependencias,
Speaker A
¿no? Miren, esta librería depende de casi 10 librerías. Miren, esta librería WR XL depende de todas estas librerías, ¿no? Es son sus dependencias, como dicen, ¿no? Una vez instalado, lo tengo que cargar, ¿no? Listo, profe, no le entendí nada. Otra
Speaker A
librería. Existe una librería para gráficos, les comenté ¿no? GG Plot 2. Esta es una librería para visualizar de datos. Voy a escribir install.
Speaker A
Install. A ver, lo bueno que el R Studio, jóvenes, miren, miren que te ayuda.
Speaker A
Mira, install. Ya, el primerito, comidas dobles y listo. Profesor, es necesario poner las dependencias.
Speaker A
La verdad no. ¿Por qué? Por default ya instala las dependencias. Dice que hay casos en la cual no instala toda su dependencia. Entonces, para evitarnos problema, vamos a agregarle dependencia, ¿no? Pero si no, no hay problema.
Speaker A
¿Por qué? Cuando tienen dudas sobre una función, vayan a la consola y dile, "Oye, ayúdame sobre esa función.
Speaker A
Y miren, miren todo lo que implica el install para cash. Miren, acá está el nombre del paquete y todos los argumentos que existen, ¿no?
Speaker A
Miren, ¿se dan cuenta? Un montón. Dependencias NA. Por default es NA. Entonces, mejor nosotros le ponemos true para que instalen todas sus dependencias ¿no?
Speaker A
Miren, sombreo y ejecuto. Esto sí tiene un montón de dependencias. Miren cuánto está demorando en cargar.
Speaker A
y sigue cargando. Miren, es una librería muy pesada, ¿no? Ya, una vez que ya lo tengo cargado, ahora tengo que llamarlo, ¿no? Cargarlo, en otras palabras. Listo.
Speaker A
Eso es, jóvenes, el proceso de instalación de datos, perdón, instalación de librerías de manera manual o usando el código instal package, ¿no?
Speaker A
¿Por qué es muy importante? Porque R trabaja mucho con librerías, ¿no? Hay que sacar provecho a todas esas librerías que existen.
Speaker A
Y vienen diferentes países, ¿no? Hay librerías pues de Estados Unidos, de Corea, Japón, China, de Lato inclusive, ¿no? Pues cada país lanza sus librerías, ¿no?
Speaker A
Hay librerías especializadas en estadística descriptiva, estadística inferencial modelos muestreo un montón. Muy bien, jóvenes, eso es el proceso de instalación. ¿Quedó claro ese esa parte, jóvenes? ¿O alguna duda?
Speaker A
Ahora me avisan si es que no quedó claro. Ya. ¿Alguna duda? Muy bien, parecer está todo claro.
Speaker A
Claro, es un proceso sencillo, ¿no? No nada complicado. Okay, Aldo. Muy bien. Pues ahora continuamos. Entonces, ya sabemos instalar librerías, ¿no?
Speaker A
Igual acá para que puedan repasar un poquito. Ahora hablemos de la importación y exportación de datos. ¿Por qué este tema es muy importante?
Speaker A
Yo diría que más importante es la importación, pero también se puede exportar ¿no? Muchas veces vamos a estar en contacto con diferentes extensiones de base de datos, ¿no? De archivo de datos.
Speaker A
Lo común es Excel, ¿no? O CSV lo común. Pero, ¿qué pasaría si viene en SPCS?
Speaker A
¿Qué pasaría si tu archivo es está en stata o en DBF? Un poco complicado, ¿no?
Speaker A
Entonces R jóvenes puede importar diferentes extensiones de de datos. no se complica, pero así como has importado, también puedes exportar en cualquier fuente que tú deseas.
Speaker A
Por ejemplo, quizás importaste un SPCSS y lo quieres mandar a Excel. Se puede, claro que sí. R versátil, jóvenes, que maneja extensiones super raras. Por ejemplo, los Jason, ¿no? Que lo usan mucho los informáticos.
Speaker A
CQL también desde un link de un repositorio también se puede cargar los datos ¿no?
Speaker A
Entonces R es muy potente para este proceso y sobre todo muy flexible, jóvenes, muy muy flexible, ¿no?
Speaker A
Entonces, la importación de datos, ¿qué vendría a ser? Básicamente es cargar tu conjunto de datos que tienes hacia el R usando pues algunas librerías especializadas, ¿no?
Speaker A
Eso va a ser nuestro objetivo. Y una vez que carguemos los datos al R, jóvenes, estamos listos para el análisis, jóvenes.
Speaker A
Listos para el análisis, ¿no? Jorge Ambrán, no tengo laboratorio dos. A ver, ahí los comparto.
Speaker A
Recuerden que los materiales durante la tarde lo han compartido el grupo, ¿no? Tienen que estar un poco más al tanto.
Speaker A
Ahí los comparto por el chat del Zoom para que lo tengan y los datos que vamos a trabajar también. Eh, a ver.
Speaker A
Muy bien, muy bien. Entonces, el proceso de importación, jóvenes, sí requiere uso de librerías, ¿no? Si no, no vamos a poder hacer ese proceso.
Speaker A
[Música] Los extensiones de datos más conocidos, jóvenes. Claro, el R tiene sus propias extensiones, ¿no? O sea, que el R también tiene sus propias extensiones, solo que no lo recomiendo porque no lo puedes compartir así no más con otros
Speaker A
usuarios que no son que no que no usan R ¿no? Lo tradicional es pues el TXT en formato Excel, SPCS, SAS y Estata, ¿no? Creo que son los más comerciales.
Speaker A
Entonces, si tú tienes un archivo de esta naturaleza u otros más jóvenes, no necesariamente esas, el R está capacitado para importar esos datos, joven, tiene muchas librerías especializadas en importación de datos.
Speaker A
Entonces, R no se va a complicar para nada joven. Y la pregunta es, profesor, ¿cómo se hace ese proceso?
Speaker A
Hay dos maneras también, usando el mouse o el puntero o usando librerías especializad. Si lo quiero hacer manualmente, ¿cómo se haría?
Speaker A
Me voy a la columna derecha, la ventana superior donde está el ambiente de trabajo o el famoso environment.
Speaker A
Ahí hay una opción llamado importar dataset ¿no? Si tú le das clic se despliega estos formatos.
Speaker A
Supongamos que yo elijo el formato SPCS. Le doy clic, me va a llegar a otra ventanita.
Speaker A
Acá yo voy a buscar el archivo que está en extensión SPCS, ¿no? Claro, si yo elegí el formato SPCS, tengo que buscar un archivo en formato SPCSS, ¿no? Y el formato del SPCSS es punto SAP.
Speaker A
Entonces, lo identifico y simplemente le doy importar y listo. Eso sería todo el proceso de manera manual, usando el puntero o el mouse, como se dice, ¿no, profesor? ¿Y si lo quiero hacer usando librerías?
Speaker A
usando librerías es mucho más sencillo, ¿no? Por ejemplo, ese mismo proceso que hemos hecho manualmente sería usando esta función Javen.
Speaker A
La función para importar ese PCS es read sub. Le das el nombre del archivo y se acabó.
Speaker A
Profesor, no le entendí nada. Vamos a explicar esto con el laboratorio. Miren, importación de datos. No, voy a limpiar mi consola.
Speaker A
Miren, miren acá, jóvenes. Importar dataset. Acá paso uno, el paso dos, darle clic y se despliega opciones, ¿no? Se dan cuenta le voy a escoger SPCS. Quiero importar datos de SPCS.
Speaker A
Y acá obviamente voy a poner brow y buscar dónde está ese archivo SPCS. El archivo SPCS es la extensión pun.
Speaker A
Abrir. Espera unos segundos y automáticamente ya reconoce la estructura de mis datos. ¿Se dan cuenta?
Speaker A
Y en ese momento yo le doy importar y listo. Ya tengo mi base de datos en mi en el R.
Speaker A
¿Qué opinan, jóvenes? No se demorado ni un segundo, profe. Acá está mi objeto de dataframe.
Speaker A
Miren, ahí está. ¿No se dan cuenta? Esto es tu base de datos, Juanes, manualmente. Ah, ahora voy a limpiar con mi escobita, ya no hay el objeto.
Speaker A
Nuevamente, muy bien. Nos vamos a esta opción. Miren, importar dataset. Acá nos vamos. Elijo la extensión que quiero importar.
Speaker A
SPCS yo estoy eligiendo. Ojo, la elección del formato va va a depender de qué extensión tienen de datos ustedes, ¿no? En este caso es PSS.
Speaker A
Ya está. Acá le pongo brow para que busque. Y acá esto es el único archivo en extensión SPCS, ¿no? Pun sub. Open.
Speaker A
Ya está. Una vista preliminar. y le doy importar acá jóvenes importar. Y listo, ya se cargó nuestro conjunto de datos al R, ¿no? Y acá ya se puede hacer todos los análisis que conocemos, bueno, que todavía no hemos visto, ¿no?
Speaker A
Entonces, ese proceso es simple, jóvenes sencillo. Profesor, no le creo nada. Ahora quiero otro formato igualito, importar dataset y me voy ahora a Excel Pros y el único archivo Excel que tengo es esto. Colegio Perú.
Speaker A
Open. Está cargando. Vamos a esperar. Listo. Y le doy importar. No, esto va a demorar un poquito más porque tengo 158,997 registros.
Speaker A
¿Cuánto tiempo se demoró en cargar, joven? 2 segundos. 158,997 registros, jóvenes. Se ha demorado 2 segundos.
Speaker A
Interesante ¿no? Y acá está tu data, jóvenes. Ahí está. Muy bien. Hasta ahí se entendió cómo se importa bases de datos jóvenes al R estudio. ¿Alguna duda?
Speaker A
Muy bien, muy bien, jóvenes. Ya. A ver, Charlie, adelante. ¿Cuál es la consulta? Sí. Eh, una observación que he visto que si queremos hacer procesos repetitivos, vemos que al momento de hacer importación no nos presenta el código que podemos utilizar para inclusive
Speaker A
agregarlo al script que se vaya a desarrollar y así para otra ocasión no tener que hacer ese ese procedimiento manual. No sé si hacer ese proceso para que lo demás también puedan Claro que sí, claro que sí. Muy bien,
Speaker A
muy buena observación. Tu compañero eh observó algo interesante. Miren, nuevamente nos vamos importar y acá ponemos ya estata, ya buscamos brows y buscamos el archivo de extensión stata. Extensión stata es pun dta ¿ya?
Speaker A
y importamos y ahí esperemos la vista previa. Ese proceso que hicimos, el R nos proporciona el código, ¿no? ¿Se dan cuenta?
Speaker A
Entonces, el R te también te proporciona el código de ese proceso que estás haciendo. Te dice, "Oye, carga la luría Javen, usa la función read dta del nombre de tu data y listo.
Speaker A
Con eso habrás podido importar también tu base de datos, es decir, el R te está ayudando." ¿Por qué? Porque este código ya lo puedes copiar y ya no estar haciendo todo ese proceso, ¿no?
Speaker A
Efectivamente ¿no? Y eso es justo lo que les quería comentar acá. Miren, yo les recomiendo que el proceso de importación sea con códigos, joven, se ahorran mucho tiempo, ¿no? Es más rápido, de tal manera que se familiarizan más
Speaker A
con las funciones. Eso también es interesante ¿no? Por ejemplo, voy a importar acá la data que está en formato SPSS, es decir, extensión pun.
Speaker A
¿Qué les dije yo? Existe una librería llamado Javen que sirve para SPCS, Statas, SAS y otros extensiones más. Primero se carga.
Speaker A
Luego voy a usar la función read SPSS. Dentro de los paréntesis va a ir el nombre del archivo de la base de datos que yo tengo con su respectiva extensión.
Speaker A
Y luego, claro, lo voy a almacenar en este objeto llamado depto. Ustedes pueden poner cualquier nombre objeto, bases de datos, datos tesis clase, trabajo, nombre arbitrario.
Speaker A
Y acá le estoy diciendo la función head que te muestre los cinco primeros registros nada más para ver si efectivamente la carga es correcta, ¿no?
Speaker A
Entonces, ejecuto y sombreo y automáticamente ya tengo, miren, miren acá, jóvenes, mi objeto importado, ¿no? Mi base de datos ya está en el R.
Speaker A
¿Cómo accedo a ello? Simplemente le doy clic y automáticamente ya tengo mi base de datos, ¿no? Se dan cuenta con código es mucho más fácil.
Speaker A
Muy bien, eso es de SPCS. Por eso yo les compartí un montón de archivos en diferentes extensiones para practicar ¿no?
Speaker A
Se dan cuenta hasta ahí, jóvenes, ¿alguna duda? A ver, me avisan. sencillo, ¿no? Librería, la función apropiada y así vamos a estar familiarizándonos con las funciones, jóvenes.
Speaker A
Entonces, ya de ahora saben que cada vez que tienen la necesidad de importar un archivo SPC, ya saben qué función usar y qué librería usar, ¿no? Y listo.
Speaker A
El otro formato conocido es el stata. A ver, hay una consulta. A ver, Julián con pregunta lo siguiente.
Speaker A
Si tengo dos archivos y quiero importar un archivo de ingresos y luego quiero importar otro de costo y quiero unir ambos, ¿se puede? Claro que sí. La siguiente sesión de mañana es manipulación de datos.
Speaker A
En manipulación de datos vamos a hacer los famosos match, que son cruces de tablas, los famosos inner joint, left join, ¿no? Recuerden que para cruzar dos tablas necesitas una llave, ¿no? Si tienes esa llave puedes hacer los famosos cruces o los famosos joint, ¿no?
Speaker A
Eso lo vamos a ver mañana, eh, Julián, no te preocupes. Poco a poco. Entonces, ya mañana entramos a lo que es ya manipulación de datos, ¿no? Ya vamos a estas datas que estamos importando a hacer todo los los posibles cálculos
Speaker A
para que nuestro análisis sea mucho más interesante ¿no? Sí se puede, no se preocupen.
Speaker A
Entonces, ahora, ¿cómo se hace o cómo se importa data en formato? Que es el punto DTA.
Speaker A
Fácil, profesor. Cargo mi librería Javen. Ojo, una vez que cargan Javen, ya no necesitan cargar otra vez. No, basta una vez.
Speaker A
Pero yo lo estoy haciendo por por temas didácticos para que se queden ahí grabado en la librería Jave. No voy a crear un objeto llamado BD colegios.
Speaker A
Uso la función read DTA. Esta función es para importar datos en extensión status. colegiosperú.dta, dta, así se llama el archivo. Y acá adicionalmente le voy a agregar este encoding.
Speaker A
Lo que pasa en la TAN hay un problema, ¿no? Las eñes y las tildes, ¿no?
Speaker A
Eh, para que no tenga problemas con las tildes y las eñes, voy a poner este encoding. Ya es un algo opcional para no tener problemas sobre eso con con la y la til o la diérisis también, ¿no?
Speaker A
Entonces, lo único tengo que hacer que es sombreo y ejecuto. Y miren, jóvenes, acá está mi nuevo objeto BD colegios.
Speaker A
171,780 filas registros han sido cargados de manera instantánea. Joves, si le das clic al objeto, acá está tu base de datos.
Speaker A
Ahí está. Sencillo, muy sencillo, ¿no? Muy bien, profesor. Yo uso más CSV. ¿Cómo importo un CSV a mi R?
Speaker A
Existe una función llamado R, en este caso read.csv. Esta función es una función base del R, no necesita librerías.
Speaker A
Interesante, ¿no? Las funciones base, funciones nativas del R, no requieren librerías. Entonces le doy el nombre del archivo wine CSV y le digo lo siguiente. Heer true quiere decir que las cabeceras son las variables ¿no?
Speaker A
Entonces tengo que darle esa pequeña especificación jóvenes. Y luego lo único que me queda es sombrear y ejecutar.
Speaker A
Profe, ¿dónde está ese objeto que he creado? BD White está acá, jóvenes. Miren, ¿se dan cuenta?
Speaker A
Ya fue importado, ¿no? Si le doy clic, ahí está mi base de datos de vinos.
Speaker A
Mi base de datos de vinos. Maestro disculpe. Adelante. Disculpe que interrumpa de esa manera.
Speaker A
Me gustaría saber porque en ocasiones uno está recibiendo informaciones desde otro lugar que uno no está manipulando previamente y se da la casualidad que a veces los saltos de línea que realizan porque no toman en consideración que la data tiene que
Speaker A
comenzar, o sea, que la que los encabezados tienen que comenzar en la primera fila y resulta que algunos de los encabezados comienzan en la segunda y aparte a partir de ahí porque ponen el logo, ponen una descripción, etcétera.
Speaker A
¿Cómo aquí yo puedo comenzar a partir de una eh de una línea en específico, llámese que yo le pueda decir que el header va a ser línea cuatro, por ejemplo.
Speaker A
Ya, muy buena, muy buena observación. Sí, es común eso, ¿no? Es muy común. Entonces para eso estas funciones ya tienen algo así, ¿no? Si nos vamos a la ayuda miren damos help.
Speaker A
Oy, perdón, puedo poner la función, ¿no? En la ayuda, ¿qué dicen? Ah, también puedes elegir la la forma de separación, ¿no? Recuerda que los SVs eh a veces tienen separación coma, punto y coma o slash, ¿no? Las famosas barritas.
Speaker A
Entonces, acá también tú puedes elegir qué tipo de separación tiene tu fuente de datos, ¿no?
Speaker A
Y lo que respecta a su compañero, la pregunta es, profesor, a veces en la cabecera empieza de de la tercera fila, ¿no? Para eso vas a agregar este parámetro llamado skip.
Speaker A
Skip te permite decir, "Oye, ¿de qué posición de la fila va a empezar tu cabecera, no?" O sea, skip juega un rol muy importante.
Speaker A
Si parte como todo de la primera fila, no hay problema, cero por default, pero si parte la siguiente va uno y así sucesivamente ¿no?
Speaker A
Es más, se puede hacer muchas más cosas, solo que hay que documentarnos con la con el help o con la ayuda de la función ¿no?
Speaker A
Solo eso. Mira, acá hay un montón, por ejemplo, solo para elegir un grupo de variables, eh, un montón de cosas más, un montón de cosas, ¿no? En coding también ¿no?
Speaker A
Hay un montón de cosas, pero estas lo que dice específicamente su compañero es esto para partir de una posición de fila específica ¿no?
Speaker A
Muy bien. Eso es. Poco a poco ya van a estar famili adelante. Al rato de que corro el no me sale error.
Speaker A
A ver, compárteme tu pantalla, Jenny. Vamos a ver qué es lo que sucede. Vamos a ver.
Speaker A
No, no te puedo compartir porque yo estoy oyéndote desde mi celular y haciendo mi compu, pero me sale error en head winnet.
Speaker A
El objeto, ¿no? Ah ya. El objeto no sé. Ya, ya sé cuál es el error.
Speaker A
Ya sé cuál es el error. Cada vez que ustedes ejecutan un script, jóvenes, siempre enfóquense que su script esté en la y su código, su código y su base de datos esté en la misma carpeta.
Speaker A
Siempre, por favor. Así tiene que estar datos y código, cosa que cuando ustedes abren su código reconoce esta ruta como tu directorio de trabajo y por ende va a acceder a cada elemento de ese directorio de trabajo, ¿no?
Speaker A
Eso es. Si lo hacen separado, no va a encontrar la ruta de la base ads, a menos que acá le especifiquemos, pero esa es una cosa bien larga.
Speaker A
Eso has verificado bien. Sí, está todo está en una misma carpeta. A ver, entonces te recomiendo que primero guardes tu código. A ver, algo así, ¿no?
Speaker A
Primero acá hay un disquet para guardar todos los avances, ¿no? Ya. Guardas cierras tu ventanita y también cierras tu R estudio y lo vuelves a abrir y vuelve a ejecutar este pedazo de bloque.
Speaker A
Cierro todo. Sí, por favor. y me dices qué es lo que sucedió. Ya. Ya. Muy bien. Eso es. Siempre, por favor, su directorio de trabajo, su código y sus datos juntos. A ver, hay otra pregunta. Eh, profesor, eh, ¿cuál es la función? ¿Cuál
Speaker A
es la función que te direcciona a esa carpeta? Ah, ya. si es que quieren redireccionarlo, había una función llamado getpd, ¿no? Si no me equivoco, que te permitía saber dónde estás trabajando la ruta de tu trabajo.
Speaker A
De esa manera podías saber en qué ruta estás trabajando, en qué en qué carpetita, en otras palabras, ¿no?
Speaker A
Entonces, lo ideal es que en esta sesión dos, que yo lo llamé está mi código y mis datos.
Speaker A
Si hago eso, no me va a generar ningún conflicto posible, ¿no? Pero si tengo mis códigos en una carpeta, en mi dat en otra carpeta, entonces no está reconociendo la ruta de la base de datos, ¿no?
Speaker A
Sí también Diego también. Eso sería mucho mejor inclusive, ¿no? Eso es. Entonces, algo así. Mira, miren mi carpeta, jóvenes. Acá está mi código y acá están mis datos.
Speaker A
Entonces, ambos están en el en la misma carpeta. Entonces, no va a haber conflicto a la hora que compile, ¿no?
Speaker A
Pero yo compilo y automáticamente, mira, voy a borrar esta parte, compilo y automáticamente está mi datos acá de manera instantánea.
Speaker A
Así. Eso es. A ver, a ver, su compañero Diego dice, "Diego, ustedes tienen los archivos, entiendo, ¿no? O no tienen los archivos.
Speaker A
Sí, deben tenerlo, ¿no? A ver, ¿quién tiene problemas para importar? Eh, Wine CCV. Creo que, a ver, creo que en la en la primera información nos pasaron eh varios archivos por el WhatsApp, pero no estaba W CSB. Entonces ahora
Speaker A
entonces ahora en en este chat de la clase de ahora veo que está el W CSB, que no está en los primeros archivos que nos pasaron por WhatsApp.
Speaker A
Ah, ya. Qué raro. Ya, traten de guardarlo, por favor. Igual va a estar en el Claro, no se preocupen, no se preocupen.
Speaker A
Ahí creo que se le fue. Tiene razón, ¿no? Ya, muy bien. Ya. Sí, creo que favor por WhatsApp.
Speaker A
Ah, ya se les fue entonces a los ahí al al responsable. A ver, voy a pasar el wine por el chat y tratan de guardarlo, por favor. Pequeño lapsus esta parte.
Speaker A
Ya, claro, como no hay el archivo no va a importar, pues no hay no hay efectivamente el insumo. Ahora, ahora verifiquen, por favor.
Speaker A
Muy bien, gracias por la observación. Ya. A ver, prueben, por favor, con el wi.
Speaker A
Ya, mientras prueben, vamos a ir con importación en formato txt. Para txt necesitamos una librería llamado Rit R que tiene una función de este tipo.
Speaker A
Mira, no es igual. Ah, miren, ah, miren esto. Punto CSV gu abajo CSV. Pequeña distinción, ¿no?
Speaker A
Muy bien. Y simplemente ejecutamos, ¿no? Listo. Acá está. iris. Entonces, el proceso de importación, jóvenes, es sencillo, no nada no es nada complicado, es muy muy sencillo.
Speaker A
Ahora sí llegaron a importarse eh W CCV, jóvenes. A ver, Jenny, tú que tenías problemas, nos avisas si es que todo está bien.
Speaker A
Profesor, me quedé un poco en la diferencia entre el punto y el Ah ya y el piso.
Speaker A
Ya. Muy bien. El Muy bien. Excelente. Buena, buena pregunta. El Red CSV no necesita librería, es una función nativa del R.
Speaker A
Te permite importar archivos en CSV. Sí, pero el txtato, un bloc de notas es un txt, por ejemplo, ¿no? Para importar un txtita una librería llamado read R.
Speaker A
Esta librería tiene una función que es muy parecida a esta, pero con guion abajo, ¿no? Pero esta función es muy útil porque ayuda a importar datos en formato txt.
Speaker A
Es es una pequeña distinción que hay que tener en cuenta. Ya. Muchas gracias, profesor.
Speaker A
Sí, es el formato. No, no se preocupen, no se compliquen tanto. Claro, nada le costaba poner acá txt, ¿no? Pero los creadores lo pusieron así.
Speaker A
Muy bien. A ver, acá es creo que a lo a ustedes le importa más, ¿no, profesor? ¿Cómo importo un archivo Excel al R?
Speaker A
Esto les va a interesar más a ustedes porque casi siempre estamos más en contacto con los archivos Excel, ¿no?
Speaker A
Primero cargamos la librería RIT XL. Esta librería tiene una función llamado read Excel y listo, le hace el nombre del archivo con su extensión respectiva y listo.
Speaker A
Acá está BD colegio. ¿Se dan cuenta? 158,997 registros, joven, en cuestión de segundos ¿no?
Speaker A
Y acá su compañero hizo una pregunta interesante. Profesor, quiero partir de la segunda fila.
Speaker A
tiene, ¿no? Por ejemplo, si vamos a la opción, a la ayuda de la función R Excel help y en la ayuda te dicen, esto es interesante. Con las ayudas se aprenden mucho jóvenes.
Speaker A
A ver un ratito a Freddy. A ver, Freddy, tú estás abriendo el R. que tienes que abrir desde R Studio.
Speaker A
Primero instalas el R, luego el R Studio y en el R Studio abres el código LAAB 2 laboratorio 2.
Speaker A
¿Llegaste a instalar el R Studio, Frey? A ver, ¿me confirmas, por favor? Sí, estoy en R estudio, profesor.
Speaker A
A ver, comparte tu pantalla para apoyarte. Vamos. Ya. Okay. Sí sí. Los demás vayan explorando la función eh el help de Rit Excel, por favor, a para que exploren qué cosas tienen.
Speaker A
Como les comenté, el help, jóvenes, la ayuda del R Studio es muy potente porque tiene teoría y ejemplos, ¿no?
Speaker A
A ver, vamos, a ver, vamos a ver. Muy bien. A ver, a ver. ¿Estás en una misma carpeta tu código y tus datos? ¿Correcto? A ver, ¿me confirmas?
Speaker A
Sí. Ya. Muy bien. Ahora el error te dice, eh, no existe colegios Perú en tu carpeta dice.
Speaker A
A ver, muéstrame tu carpeta. Vamos. ¿Dónde está tu carpeta? Vamos. de trabajo. A verm, está ahora te pido a ver, regresa tu R estudio.
Speaker A
Regresa Tu R Studio y en la parte de abajo escribe G. A ver, G e T WD.
Speaker A
Dos paréntesis. Abre y cierra. Enter. Ya ves. Mira dónde estás trabajando tú. Lo que pasa, tú has descargado tu R Studio el laboratorio y lo estás abriendo de documentos.
Speaker A
¿Cuándo tú me has enseñado otro directorio de trabajo? Ahora cierra todos tus scripts. Cierra, cierra.
Speaker A
Mucha atención los demás que tienen el mismo problema. Cierra todo, todo, todas las ventanitas. Ciérral todos todos todos todos ¿no?
Speaker A
Y también cierra tu R Studio. Sí, sí. No, no, no guardar, no guardar. Y ahora abre el lap.
Speaker A
Muy bien. Entonces, cuando están en diferentes rutas, ya ahora ejecuta justamente la línea 56 y 58 de frente, no nos compliquemos.
Speaker A
Listo, ya está cargado ya. Eh, entonces para cargarlo y que esté direccionado en en la carpeta desde desde donde está ubicado mi archivo de le tengo que abrirlo.
Speaker A
Sí, tu código R y tus datos deben estar juntos para que no tengas conflicto.
Speaker A
Y a partir de ese archivo es donde tengo que iniciar el R Studio para que esté direccionado, ¿no? Porque Exacto, exacto. porque había otro otra otra opción de que por aquí creo que podías direccionarlo y sí, pero pero eso no es recomendable
Speaker A
cuando tienes diferentes archivos, ¿no? Entonces, imagínate solamente puedes direccionar una vez y tienes diferentes archivos, no se puede, ¿no? Entonces mejor en una misma carpeta, eh, todo ordenado, ¿no? Miren, ándate a session, la opción session, el menú de
Speaker A
arriba, eh, ahí set working, ahí al final, choose, choose ahí. Sí, este es ahí puedes redireccionar, ¿no?
Speaker A
Así es. Ahí también. Eso es un plan B, ¿cómo se dice? Un plan B. Por única vez no más puedes puedes Sí, una sola vez.
Speaker A
Ah, okay, okay, ya. Gracias, profesor. Pero lo ideal es partir desde inicio de un mismo de una misma carpeta de trabajo, ¿no? Para no tener problema.
Speaker A
Okay, ahí está el truco. Gracias. Excelente. Muy bien. Gracias. Ya. Entonces, como les comentaba, muchachos, miren, la potencialidad del L estudio es lo siguiente, ¿no? Cuando ustedes ponen help y la función, el R te va a decir, "Oye, esta función
Speaker A
tiene todas estas cosas. Por ejemplo, recuerden ustedes que un Excel puede tener varias hojas, ¿no?
Speaker A
¿Cómo leo cada hoja? Sheet. Acá pones el nombre de la hoja. Profesor, solamente puedo importar algunas columnas. Sí, también puedes importar solo un par de columnas, profesor. ¿Y qué pasa si mi cabecera empieza de la de la quinta fila? Skip
Speaker A
cu ¿no? Y así hay un montón de argumentos que te puede solucionar todas esas casuísticas a la hora de importar los datos, pero ustedes tienen que meterse acá.
Speaker A
Y lo interesante es que tienen sus significados, ¿no? Sheet, por ejemplo, es la hoja que quieres leer del Excel, ¿no?
Speaker A
Call names, acá está. Skip, mínimo número de filas, el cual se va a leer, ¿no?
Speaker A
Un montón de cosas. Y encima tienen ejemplitos para practicar, ¿no? Muy bien. Eso es lo interesante del help. es como un profesor acá que tienes que te ayuda, ¿no? Al menos que te orienta en algo.
Speaker A
Muy bien. Entonces eso es el proceso de de importación de de datos, ¿no? Entonces ya saben importar en Excel, TXT CSB SATA SPCS y muchos extensiones más, ¿no? Que son los más comerciales. Por cierto, ahora la pregunta de millón. Profesor,
Speaker A
¿puedo exportar este Excel que he importado a cualquier formato que yo desee? Sí, sí se puede, jóvenes.
Speaker A
Por ejemplo, vamos a usar los dos formatos más comunes, ¿no? ¿Qué pasa si es que yo quiero exportar al Excel? Exportar, jóvenes. Ah, pero antes de ver esto, vamos a ver la teoría porque nos hemos nos hemos olvidado de la teoría.
Speaker A
Muy bien. Les había comentado, jóvenes, que importar se puede hacer manualmente, como este proceso lo indica, o también usando códigos.
Speaker A
Por ejemplo, si quiero importar en en txt, mejor dicho, en CCV, tengo mi función, ¿no?
Speaker A
Si quiero importar en Excel, mi función es read Excel, ¿no? Se dan cuenta entonces.
Speaker A
Pero una vez que identifican la extensión, ya saben qué función usar, ¿no? Pero ojo, siempre va el nombre del archivo con su respectiva extensión, el nombre del archivo con su respectiva extensión. Siempre es así, si no no va a reconocer, jóvenes. Ya.
Speaker A
¿Qué más tenemos por acá? Lectura de archivos de SPCS, ¿no? Javen es una librería que te permite importar en S archivos de SPCSS, archivos de startup y también de SAS, ¿no?
Speaker A
Son programas estadísticos clásicos, ¿no? SPCs y estatas son, bueno, SPCs es más usado por lo que por los ciencias sociales, ¿no? Estata más por los bioestadísticos, quizás más por los que están en sector financiero, ¿no? Pero son herramientas
Speaker A
para análisis estadístico de datos. Javen te permite importar archivos de estas extensiones. Si quieres pss, la función es read.s WhatsApp.
Speaker A
Le hace el nombre del archivo con su respectiva extensión. Si quieres importar archivos en stata, la función es read dta.
Speaker A
Le das el nombre del archivo con su respectiva extensión. Nada más. Eso es el proceso que se tienen que seguir, ya saben, tienen de manera manual y también usando coin. Cualquiera de los dos es válido.
Speaker A
Yo particularmente les recomiendo que sea de manera automatizada un código, ¿no? De tal manera que nos familiarizamos más rápido.
Speaker A
Muy bien. Importación de datos. Así como podemos importar de diferentes extensiones, jóvenes, también podemos exportar en diferentes extensiones.
Speaker A
También quizás yo importé en un Excel y quiero exportarlo en Stata o viceversa. Se puede hacer cualquier tipo de combinación, en extensiones, ¿no? Lo importante es que elijan pues una extensión pues que les facilite el trabajo ¿no?
Speaker A
Eso es lo ideal. Por ejemplo, para exportar archivos de texto, por ejemplo, CSVs, por ejemplo, la función se llama WR CSV.
Speaker A
Así de simple, profesor, ¿cómo importo o exporto un archivo Excel? La función es WR XLSX.
Speaker A
Eso es la función, jóvenes. ¿Se dan cuenta? Profesor, ¿y cómo exporto en a formato SPCS, SAS y Stata?
Speaker A
Para SPCS, WR right.S, para SAS, WR right.SAS. Y para stat.dta, no son funciones que nos van a ayudar a exportar datos.
Speaker A
Claro, si es que ustedes quieren exportar datos, no siempre existe esa necesidad, ¿no? Pero si quisieran ya saben que existen funciones especializadas para ese proceso, ¿no?
Speaker A
Muy bien, eso es, jóvenes. Muy bien. Entonces, es una clase muy corta, ¿no? Ahora vamos a plasmar esos todo lo que hemos visto en el R. Ya, por ejemplo, exportar una data al formato Excel, ¿no? La función era WR
Speaker A
XLSX, ¿no? Esta función pertenece a esta librería WR XL. Profesor, este objeto depto, ¿de dónde lo está jalando?
Speaker A
Acá miren, este adepto es esta base atas, ¿no? ¿De dónde viene? Tiene un origen de SPCS punto SAP.
Speaker A
Profesor, ese objeto de SPCSS lo puedo pasar a Excel. Sí. Write XLSX, el nombre del objeto que voy a exportar. ¿Y con qué nombres quieres que se guarde? Ah, le voy a poner el mismo depto.
Speaker A
XLSX. ¿Por qué? Porque yo quiero que se exporte en esa extensión y lo único que hago es sombreo y ejecuto.
Speaker A
Listo, profesor. ¿Dónde se va el archivo exportado? A tu directorio de trabajo, jóvenes. Y ustedes se van. Miren, jóvenes, acá está.
Speaker A
¿Se dan cuenta? ha sido exportado. Así de simple, joven. Ustedes usted lo abren y automáticamente acá está su base de datos en Excel, ¿no? Ahí está.
Speaker A
J. ¿Se dan cuenta? Al inicio estaba en SPCS, ahora está en Excel. Eso es la versatilidad y la utilidad del R jóvenes.
Speaker A
Y lo borré para que no me estorbe acá. No, profesor. ¿Y cómo exporto a SPCS wrs?
Speaker A
Le voy a dar un objeto BD iris. BD Iris tiene un origen txt. Ya este objeto BD iris lo voy a exportar a un formato de SPCs, por eso se llama punto SAP.
Speaker A
Simplemente sombreo y ejecuto. Profesor, ¿dónde se guardó la exportación? Obviamente en mi directorio de trabajo. Miren, bdiris.
Speaker A
Listo. Eso, jóvenes, es el proceso de exportación de datos, ¿no? ¿Alguna duda? ¿Alguien que no haya quedado claro esta parte? Me avisan, por favor.
Speaker A
Yo la tengo, maestro. llega un punto que recibimos diferentes o tenemos diferentes archivos con la misma estructura, todo está bien, pero queremos cargar esa, por ejemplo, cinco archivos con la misma estructura con diferentes nombres. ¿Cómo procedemos a realizar esa parte?
Speaker A
Cinco archivos con la misma estructura. Eh, a ver, va a depender, ¿no? Si es de la misma de la misma extensión, se tendría que es la misma extensión, pero resulta que estamos en un análisis epidemiológico y nos reportan eh información en la
Speaker A
semana. Es un archivo con solamente con una variación, ya sea en el nombre, por ejemplo, base uno, base dos, base tres.
Speaker A
Y queremos cargar, en vez de trabajar todo esto uno a uno, queremos cargar todos los archivos al Excel, eh, perdón, a a R para hacer el proceso de manipulación de datos y análisis de datos previos.
Speaker A
A ver, a ver, a ver si te entendí. Vamos a ver, vamos a abrir un un blo a ver, vamos a ver, vamos a ver, vamos a discutirlos.
Speaker A
Jenny, adelante. ¿Cuál es tu duda? Supongamos que tenemos un archivo llamado base uno. A ver, a ver, vamos a escribir un momentito. A ver, vamos a escribirlo.
Speaker A
Supongamos acá tienes tú tu base de datos un. Ya. Muy bien. ¿Cuánto de esos tienes más o menos?
Speaker A
Base de dato dos, base de dato n. Ya está n no. tiene la misma estructura porque es un reporte que se realiza de manera semanal, por decirlo así. Ahora, ah, entonces, n, no, no, muy bien.
Speaker A
Voy a poner 30 para para tener algo más sentido. Exacto exacto. Ya. Entonces, estos 30 tú tendrías que exportarlo, importarlo al Excel, ¿no?
Speaker A
Por ejemplo, por ejemplo, voy a crear un objeto así, ¿no? BD1. Claro, haces tu secuencia, ¿no? El Excel y todo. Exacto.
Speaker A
Y así BD3. Entiendo que tú quieres tener una sola base de datos o importar todo una única vez.
Speaker A
Ah, ya. Entonces, para que no estés haciendo BD1, BD2, BD3, así. Exactamente. Ya. Entonces, ahí se tiene que hacer un especie de loop, ¿no?
Speaker A
Un book. Eso bucle, un bucle de tal manera que no te hague todo este proceso uno por uno.
Speaker A
Es lo único. Sí, es caí en la misma caí en la misma eh conclusión, pero esperaba de que yo pudiese llamar todo a a en R, pero veo que al parecer, o sea, yo puedo hacerlo con expresiones regulares, llamándolo
Speaker A
todo de la misma extensión, pero si hay si esa es la solución, pues voy a utilizar eso. Gracias. Claro, claro.
Speaker A
Perdón, una una pregunta con respecto a eso. Adelante. Sí. Yo entendería adicionalmente a exportar cada pequeña base de datos o o base de datos individuales de una sola vez en un solo procedimiento. Pero, ¿qué pasaría con lo que usted decía si era que cada una de
Speaker A
esas bases de datos las quisiésemos unir en una sola base de datos única o en un archivo único? Se puede hacer también profesor.
Speaker A
Sí, también se puede. Pasaría lo mismo. Ah, perdón. Bueno, pasaría lo mismo porque yo guardaría la información en una base de datos general y lo exportaría a una extensión que que quisiera ya después de haber tenido todo cargado,
Speaker A
como el maestro lo indica. ¿Estoy en lo cierto o hay otro otra forma, maestro?
Speaker A
Sí, es sería lo más apropiado, ¿no? Una vez que se importa, pues se puede apilar en uno solo, ¿no?
Speaker A
Sí, sí. Esa es la manera más rápida, ¿no? Un un loop, importo todo y si quiere una sola data consolidada lo apilo en uno solo, ¿no?
Speaker A
Eso mismo. Eh, pensé ahorita, pero el compañero anterior, el compañero anterior nos eh hizo la aclaración que podría ser, en ese caso, sería la forma como lo está viendo, hacer algún bucle, un ciclo que me lo haga las veces que indique
Speaker A
de manera, pero me va, si yo tengo 30 archivos, voy a generar 30 30 bases de datos.
Speaker A
Claro. Eh, si quiero una sola cosa, entonces tendría que ir añadiendo archivos una a continuación de otro que hay manera para hacer que hay manera para hacerlos en Sí, sí, sí, sí hay funciones para hacer eso. Una vez que importas o algo así,
Speaker A
¿no? Supongamos que la base de datos uno sea esto, ¿no? Y todo lo demás se viene apilando, ¿no?
Speaker A
Como tiene la misma estructura. Exacto. Exacto. Sí. Tiene la misma tiene la misma estructura y encima la misma extensión. O sea, no tiene que tener dolor de cabeza de que va a cambiar tensiones para poder hacer esto.
Speaker A
Ajá. Claro. Exacto. Lo apilas y al final tienes una sola base de datos para hacer los análisis, ¿no?
Speaker A
Lo más Sí, tienes la misma tienes la misma estructura. Bueno, me imagino que se pondrán controles para los registros repetidos y esas cosas, no sé.
Speaker A
Sí, hay muchas casuísticas que se ven cuando se trabaja. La verdad es verdad. Eh, claro, si las datas son grandes también se hace el proceso pues un poco lento ¿no?
Speaker A
Eh, ya cuando ya es demasiado grande ya se tiene que recurrir a otros tipos, al R, por ejemplo, que que usan las organizaciones, ¿no? Este R que nosotros tenemos es una versión libre, ¿no? Pero ya hay un R con licencia también, ya si
Speaker A
es que quieres manejar datos grandes, ¿no? Big Data, por ejemplo. Muy bien. A ver, hay una consulta, un apen, ¿correcto? Solo que en Python se conoce como apen, ¿no? Acá es una función más simple.
Speaker A
Muy bien. Eh, correcto. Muy bien. Muy buenas consultas. Hemos terminado nuestro laboratorio, jóvenes. Nos queda 15 minutos y vamos a hacer una pequeña introducción a la sesión siguiente. Ya mañana vamos a ver manipulación de datos, jóvenes.
Speaker A
Por ejemplo, ¿qué significa manipulación de datos? No, es un tema muy interesante. Vamos a ver esta data. Ya, miren, B de colegio, por ejemplo, manipular datos es, por ejemplo, filtrar una data. Quizás no estás interesado en trabajar con todos los datos, solamente
Speaker A
con una parte de ello. Filtrar te va a crear un nuevo grupo, un nuevo dataset más pequeño, ¿no?
Speaker A
Por ejemplo, puedes filtrar por departamento, unos países le llaman estado. ¿Qué más se puede hacer con manipulación de datos?
Speaker A
Puedes crear variables a partir de las ya existentes también. ¿Qué más se puede hacer?
Speaker A
Se puede segmentar. Se puede se puede segmentar también. Se puede eliminar variables también. Todo lo que ustedes puedan crear con un conjunto de datos en la manipulación, maestro, perdón que interrumpa otra vez. La manipulación de mañana vamos a ver
Speaker A
cómo hacer la curación o la limpieza de los datos. Limpieza no tanto. Limpieza es los datos eh incompletos, eh cosas de no respuesta.
Speaker A
Ajá. Muy bien. Claro, cuando se habla de manipulación de datos también incorpora eso, ¿no?, por ejemplo, los valores perdidos, los valores atípicos, la imputación de datos, todo eso, ¿no?
Speaker A
Vamos a ver de manera rápida, ¿no? Por ejemplo, imputación de datos es un tema muy amplio, ¿no? Vamos a ver una imputación simple básicamente, ¿no?
Speaker A
Pero para nuestro caso, que es análisis de datos, jóvenes, o más aplicado para la investigación, vamos a enfocarnos en cómo sacar provecho a nuestro conjunto de datos para hacer análisis mucho más interesantes.
Speaker A
Crear variables, seleccionar variables, recodificar, agrupar variables. Por ejemplo, tú tienes la variable dat, pero quizás te interesa más crear la variable grupo de edad.
Speaker A
que es mucho más informativo, ¿no? Eliminar variables, por ejemplo, segmentar, hacer agregaciones, los famosos group, hacer resúmenos por con groupes, por ejemplo, crear variables, ordenar variables, todo esas cosas lo vamos a ver mañana.
Speaker A
La manipulación de datos. Ahora adelante. ¿Cuál es la consulta? ¿En qué momento aplicamos el IA?
Speaker A
Ah, acá todavía no podemos aplicar IA porque yo lo quiero aplicar IA en a partir de visualización de datos en adelante.
Speaker A
¿Por qué? Eh, algo así, ¿no? Miren, a ver, ya que estamos acá, muy buena pregunta a su compañero.
Speaker A
Después de manipulación ya entramos a los análisis más sofisticados, ¿no? Por ejemplo, hacer gráficos estadísticos, ¿no?
Speaker A
Por ejemplo, miren, a ver, ustedes han llevado, por ejemplo, eh vamos algo puntual como introducción, ¿no?
Speaker A
Su curso de matemática, ¿no? Alguna vez les han pedido graficar, pues, no sé, la función algo así, ¿no? La exponencial de - x², algo así, ¿no?
Speaker A
Entonces, la pregunta es manualmente era un poco complicado, ¿no? Era todo un problema ¿no?
Speaker A
Quizás la gráfica de estos pues sea algo así, ¿no? No se sabe algo así.
Speaker A
Entonces eh no necesariamente así, ¿no? Pero no un ejemplo, no exactamente no sé qué forma más o menos más o menos.
Speaker A
Entonces eh claro, yo puedo crear mi función, ¿no? Pero manualmente tenías que tabular valores, evaluar y tod una cosa, ¿no? Una cosa de locos.
Speaker A
Pero, ¿se imaginan cómo sería esto en R su gráfico? Entonces ahí viene la utilidad práctica de estos de estas herramientas, ¿no?
Speaker A
Por ejemplo, primero tenemos que definir los valores de x, ¿no? ¿Qué valores puede tomar x?
Speaker A
de menos de menos dos hasta dos puede ser para se vea sencillo. En general el dominio de R es todos los reales, entonces no hay Sí, sí, claro. En ese caso son todos los reales, pero para ver la gráfica nada
Speaker A
más ahí en ese pedacito. Exacto. Entonces le voy a decir punto01. Entonces le voy a decir, "Oye, créame una secuencia de valores de -10 a 10 a razón de 0.05." Ahí está, ¿no?
Speaker A
Entonces, ya acá he creado los valores de x. Los valores de y sería el exponencial de -x2.
Speaker A
Exacto. De - x. A ver, doble trico. Ahí está. Es más fácil. Mm. Entonces, hasta ahí ya he creado los dos insumos, x y. No existe una función en R llamado plot, jóvenes, que te permite hacer gráficos ¿no?
Speaker A
Entonces, xa y mejor dicho. Entonces, esta función te va a graficar esa función aquí.
Speaker A
Ahí está. Mir, eso sería tu gráfico, ¿no? Pero aún falta mejorar, ¿no? ¿Se dan cuenta? Es un poco rústico, ¿no?
Speaker A
Sí, porque son puntuales. Ahí está por punto. Claro. Entonces, la idea sería que sea una línea, ¿no?
Speaker A
Una línea continua. Ponerle títulos a los ejes. Exacto. Algo por ahí. Entonces, exacto. Mira, ahora miren cómo vamos a sacar provecho de la AA. Jóvenes, voy a copiar esto. Voy a abrir el GPT, por ejemplo.
Speaker A
Miren. Ah, ustedes con la teoría que conocen más que suficiente. Voy a decir, necesito que mejores mi código. Va, mira, voy a escribir que mejores mi gráfico tal manera que sea de alto impacto.
Speaker A
La IA, jóvenes, va a ser muy potente a medida que tú le das bastante ayuda.
Speaker A
Si le digas, si le dices que te haga tu tesis, no, no te va a dar cualquier cosa, ¿no? Pero si tú ya tienes un gran avance y quieres mejorar algunas cosas, algunas referencias, por ejemplo, si te va a ayudar
Speaker A
y de alto nivel. Voy a lucirme un poco ya un poco de acá en Lima le decimos un poco de floros, no sé. A ver, vamos a ver.
Speaker A
Entonces, perfecto. Dice, "No uses la función plot porque es una función base. Mejor usa GG plot.
Speaker A
y me da todo el código. GGPLOT es una librería especializada para gráficos. Entonces, lo voy a pegar acá.
Speaker A
Profe, ¿cómo es posible que a partir de dos líneas de código de tres, perdón, paso a casi 25 líneas de código?
Speaker A
¿Qué les parece, jóvenes? ¿Qué opinan? Eso es casi del cielo. Casi del cielo a la tierra. De la tierra al cielo.
Speaker A
Excelente. Eso es IA, jóvenes. Ia no es que te hague la tarea o la tesis.
Speaker A
Lo podemos hacer nosotros, solo que no te daríamos media clase. Excelente. Excelente. Problema. Los dos horas vamos a hacer este código.
Speaker A
Ese código cuando Pero con esto más que suficiente porque tú has entendido la teoría.
Speaker A
Si tú haces esto es porque has entendido la teoría y eso es suficiente. Tengo una duda, profesor. Eh el chatt entiende que ese es un código de de R.
Speaker A
Sí, por el efecto lo entienden. No tienes que decirle nada. Okay. Y miren la calidad, jóvenes. Este es un gráfico para de frente para un paper, una tesis, para cualquiera. Es un golazo.
Speaker A
Tiene todo. Título, la función. Lo único, lo único que en algunos casos, revistas indexadas te exigen que el gráfico sea editable, llámese editable Excel.
Speaker A
Claro. Entonces, eh entonces no, yo yo realmente no entiendo porque al final lo que se quiere es que se presente una información y que sea confiable y que contenga todas las características propias de un gráfico, pero claro, no sé por qué piden eso, pero lo piden.
Speaker A
Sí, sí, sí, es verdad. Igual que las tablas que sean editables también. Claro, lo bueno que el R como ya tienes automatizado, puedes compartir el código y ahí lo reproducen, ¿no? Los revisores.
Speaker A
Exacto. Sí, eso es lo potente del R también. De hecho, algunos algunas revistas si tú trabajas en R te exigen.
Speaker A
Sí, es más, la revista BBC de Londres, ustedes han escuchado, ¿no? Sus gráficos lo hacen con GG Plot.
Speaker A
Así de simple, porque son potentes versátiles jóvenes. Entonces, yo siempre dicho, "No, el conocimiento hay que tenerlo.
Speaker A
Si queremos mejorar nuestro gráfico o nuestro análisis, hay que ayudarnos de la IA, como en este caso." Y la IA se encarga de hacer todo.
Speaker A
Eso nos va a ayudar bastante. Claro. Por eso, efectivamente este curso jóvenes todo lo que aprendemos nosotros lo vamos a potenciar con ojo, potenciar, porque imagínense ustedes quieren aplicar IA y ni siquiera saben lo que quieren pedirle, ahí es un problema, ¿no? Pero si ustedes
Speaker A
ya tienen un conocimiento previo, ese conocimiento lo pueden potenciar más con la Juana. Y este curso se va a orientar en eso, ¿no?
Speaker A
En sacarle provecha provecho al GPT, que por cierto es gratuito y y muy potente, ¿no?
Speaker A
Y lo mismo haremos para los demás análisis, por ejemplo, e para las pruebas de hipótesis, para los modelos de regresión, pero donde sí, donde más lo vamos a sacar provecho es en visualización de datos.
Speaker A
Ahí le vamos a sacar el jugo, jóvenes. Muy bien. Muy bien, muchachos. Entonces, nos quedamos acá entonces y eh a ver, voy a guardar este código y les comparto ya. A ver, por si acaso.
Speaker A
A ver, gráfico prueba. Ya voy a poner para que vean cuán útil es sin IA y con IA. En otras palabras, ahí esto es sin y esto es con ella, ¿no? La diferencia abismal, ¿no? Pasar de esto a esto una cosa de locos, ¿no?
Speaker A
Pero esto nos indica que nosotros tenemos conocimientos previos, ¿no? Es decir, si entendemos lo que nos está pidiendo.
Speaker A
¿Me ayudas, por favor? No puedo divisar el gráfico. Ya lo hice con todo, pero no se divide el gráfico. ¿Por qué es?
Speaker A
A ver, a ver, un momento, un momento. A ver, voy a compartir primero este este código al grupo de al chat del Zoom. A ver, un momento.
Speaker A
A ver. Uy, hay varias consultas, no respondí. A ver, vamos a ver. A ver, comparta su pantalla, por favor.
Speaker A
Okay. Eh, hay una pregunta de su compañero. Jorge Abraham, después compartes tu pantalla, por favor. Ya.
Speaker A
Muy bien. A ver, Jenny, vamos a corra las tres primeras líneas. Estas tres ya las dice.
Speaker A
Ah, ya. Lo que pasa tu Ahí dice los márgenes están muy cortos. Esa ese margen de abajo, ¿cuál? De la pantalla en blanco.
Speaker A
Ponte en las líneas medio, arriba, arriba. En la divisora, en las líneas divisoras y extiende tu ventana.
Speaker A
No, no, al revés. La parte de abajo. La parte de abajo. Esta esa. Súbela, súbela.
Speaker A
No, no la la hice todo y no se veía nada. Ahora ejecuta tu código.
Speaker A
Oh ya. Ahora pega ese código que les pasé. A ver, yo les paso, yo les paso por acá por el chat del Zoom.
Speaker A
A ver, ya le pasé el código, pero lo que te pasé, cópialo y pégalo. La parte de abajo en la línea cinco para abajo. Pégalo.
Speaker A
[Música] Ahora sombrea todo y ejecútalo. Un código extenso, ¿no? La línea seis. Bórralo ya. De las cinco para abajo.
Speaker A
Muy bien. Excelente. Gracias. Eso es eso es la utilidad de la IA. Muy bien, muy bien. Juan.
Speaker A
Ya. A ver. Eh, hay un compañero eh que Jorge Abraham, compárteme tu pantalla para poder apoyarte, por favor.
Speaker A
Los que tienen duda pueden compartir su pantalla, no hay problema. Ya, muy bien. Creo que Jorge ya se fue a dormir, así que nosotros también ya nos iremos a descansar muchachos.
Speaker A
Muchachos, entonces nos quedamos acá y estaríamos continuando mañana con nuestro tema de manipulación de datos.
Speaker A
Pasen buenas noches. Igualmente nos vemos. Hasta mañana. Buenas noches.
Topics:importación de datosexportación de datosRestructuras de datosvectoresmatricesdata framesmanipulación de datoslibrerías Ranálisis de datos
