+ - 0:00:00
Notes for current slide
Notes for next slide

para análisis de datos

Introducción a R


Roxana N. Villafañe | LEMyP | @data_datum
Florencia D'Andrea | INTA-CONICET | @cantoflor_87






Slides disponibles en https://flor14.github.io/intro_r/intro_r.html#1 ✨
Página web del curso en https://flor14.github.io/Curso_r_unne_2020/ 🌟

1 / 78

Nota

Las filminas del primer dia de clase se basan en el curso que se dio en 2019 en la JAIIO https://flor14.github.io/r_cai_2019/

2 / 78

Configuración

3 / 78

Obteniendo Datos

Campo

Obtención de datos a campo – Planillas Ej: Planilla con valores de presencia – ausencia de especies

Laboratorio

Procesamiento de muestras de experimentos. Mediciones. Ej: Planilla con valores de mediciones enzimáticas.

Bases de datos

Trabajo sobre datos ya obtenidos Ej: Datos de estaciones meteorológicas.

4 / 78
5 / 78

Ciencia de Datos

Fuente: https://es.r4ds.hadley.nz/explorar-introduccion.html

6 / 78

¿Por qué programar?

7 / 78

Cuando un trabajo se hace a manualmente, el tiempo empleado para realizar un trabajo suele ser directamente proporcional a la cantidad de trabajo

http://mclibre.org/consultar/python/otros/lenguajes-programacion.html

8 / 78

http://mclibre.org/consultar/python/otros/lenguajes-programacion.html

9 / 78

Al final, el informático puede hacer más trabajo sin necesidad de invertir más tiempo, mientras que el no informático descubre que no puede competir.

http://mclibre.org/consultar/python/otros/lenguajes-programacion.html

10 / 78

La programación nos permite automatizar tareas

11 / 78

Nos permite manejar bases de datos más grandes.

Los paquetes permiten explorar varias funcionalidades de forma relativamente sencilla.

12 / 78

Múltiples formas de comunicar resultados:

con R podes crear reportes en distintos formatos, paginas web, mapas, gráficos, libros, posters, presentaciones, etc...

Es software libre 🕊️

13 / 78

14 / 78
15 / 78

https://rss.onlinelibrary.wiley.com/doi/10.1111/j.1740-9713.2018.01169.x

16 / 78

17 / 78

R y RStudio IDE

18 / 78

19 / 78

En nuestra máquina, se presentan dos íconos

20 / 78

Para instalar R y R-Studio pueden usar el link que esta en la página del curso.

Cuando lo instalamos en nuestra máquina, se presentan dos íconos

21 / 78

R y RStudio IDE

22 / 78
23 / 78
24 / 78

Paquetes 📦

25 / 78

Paquetes 📦

26 / 78

Funciones

27 / 78

¿Cuál es la diferencia entre un paquete y una libreria?

28 / 78

¿Cuál es la diferencia entre un paquete y una libreria?

29 / 78
30 / 78
31 / 78

Repositorios ☁️

32 / 78

33 / 78

Uso de Proyectos

34 / 78
35 / 78
36 / 78

DEMO 1 🙌💻

Diferencia entre R y RStudio

Abrir un proyecto de trabajo

Instalar y llamar un paquete en R

37 / 78

Mensajes en R

Errores

Generalmente cuando hay un error, el código no se ejecutará.

Advertencias

En general, el código seguirá funcionando, pero hay algo a revisar o estar atentos.

Mensajes

Son mensajes de diagnóstico útiles y no impiden que el código funcione.

38 / 78
39 / 78
40 / 78
41 / 78
42 / 78

43 / 78

Comunidades

R-Ladies

Twitter

R en el NEA

Twitter

44 / 78

Avanza muy rápido 📈

45 / 78

La comunidad de R es twittera 🐦

46 / 78

Tidyverse 🌌

47 / 78
48 / 78
49 / 78
50 / 78
51 / 78
52 / 78
53 / 78
54 / 78
55 / 78

Tidyverse 🌌

56 / 78

Tidyverse 🌌

57 / 78

Tidyverse 🌌

Las funciones de los paquetes del Tidyverse y los de R base pueden coincidir

58 / 78

Los paquetes del tidyverse se escriben diferente, tienen una sintaxis particular

59 / 78

60 / 78
61 / 78
62 / 78

f(x,y) seria idéntico a escribir

x %>% f(y)

63 / 78
64 / 78

Importar datos

65 / 78
66 / 78

67 / 78

Vector

Analogía de Jenny Bryan - https://speakerdeck.com/jennybc/data-rectangling Software Carpentry - http://swcarpentry.github.io/r-novice-gapminder/04-data-structures-part1/index.html

68 / 78

dataframe

Analogía de Jenny Bryan - https://speakerdeck.com/jennybc/data-rectangling Software Carpentry - http://swcarpentry.github.io/r-novice-gapminder/04-data-structures-part1/index.html

69 / 78

dataframe

Analogía de Jenny Bryan - https://speakerdeck.com/jennybc/data-rectangling Software Carpentry - http://swcarpentry.github.io/r-novice-gapminder/04-data-structures-part1/index.html

70 / 78

Importar archivos desde Excel 📎

71 / 78

Formas de importar archivos

72 / 78

Otros paquetes 📦

73 / 78

DEMO 2 🙌💻

Importar una base de datos

Escribir con pipes

74 / 78

🙋 ¿Preguntas?

75 / 78

Práctica 🙌

  • Inicien un proyecto dónde van a realizar las actividades del curso
  • Instalar tidyverse, datos, tidymodels, GGally, gapminder, mlbench
  • Observar que hay dentro de un paquete usando ::
  • Importar un dataset desde excel
  • Pipes
76 / 78

Práctica 🙌

¿Cómo escribirían este código con pipes?

El dataset inicial se llama babynames

# primer caso
babynames <- filter(babynames, year == 2015, sex == "M")
babynames <- select(babynames, name, n)
babynames <- arrange(babynames, desc(n))
babynames
# segundo caso
boys_2015 <- filter(babynames, year == 2015, sex == "M")
boys_2015 <- select(boys_2015, name, n)
boys_2015 <- arrange(boys_2015, desc(n))
boys_2015
77 / 78

Práctica 🙌

Rta

babynames %>% 
  filter(year == 2015, sex == "M") %>% 
  select(name, n) %>% 
  arrange(desc(n))
78 / 78

Nota

Las filminas del primer dia de clase se basan en el curso que se dio en 2019 en la JAIIO https://flor14.github.io/r_cai_2019/

2 / 78
Paused

Help

Keyboard shortcuts

↑, ←, Pg Up, k Go to previous slide
↓, →, Pg Dn, Space, j Go to next slide
Home Go to first slide
End Go to last slide
Number + Return Go to specific slide
b / m / f Toggle blackout / mirrored / fullscreen mode
c Clone slideshow
p Toggle presenter mode
t Restart the presentation timer
?, h Toggle this help
Esc Back to slideshow