2.4 Vectores
2.4.1 Declarando vectores
Para crear una variable que contiene múltiples valores requerimos la función de concatenación o c(). Esta función toma como argumentos los valores que queremos concatenar y crea un objeto o una estructura de datos llamada vector.
numeros <- c(45, 38, 90, 5, 20, 3)También podemos crear vectores numéricos que contengan una secuencia de números enteros con el operador :
enteros <- 23:31
# [1] 23 24 25 26 27 28 29 30 31
enteros_back <- 45:39
# [1] 45 44 43 42 41 40 39O utilizando la función seq(), en donde definimos el valor de inicio, el valor final y el incremento que requerimos
secuencia <- seq(from = 1.5, to = 3.75, by = 0.25)
# [1] 1.50 1.75 2.00 2.25 2.50 2.75 3.00 3.25 3.50 3.75Además, existe la función rep() con la cual podemos repetir valores un cierto número de veces.
repeticiones <- rep(5, times = 5)
# [1] 5 5 5 5 5
repeticiones_str <- rep("hi", times = 3)
# [1] "hi" "hi" "hi"
repeticiones_vec <- rep(c(2, 12, 22, 32, 42), times = 2)
# [1] 2 12 22 32 42 2 12 22 32 42Cuando el primer argumento de la función rep() es un vector, podemos especificar que cada uno de los elementos en el vector se repita each veces
repeticiones_each <- rep(c(1, 4, 6), each = 4)
# [1] 1 1 1 1 4 4 4 4 6 6 6 6
repeticiones_mn <- rep(numeros, each = 2)
# [1] 45 45 38 38 90 90 5 5 20 20 3 3Al ser de una sola dimensión, los vectores solamente tienen longitud, y la podemos conocer
con la función length()
length(numeros)## [1] 62.4.2 Accesando a los valores
Podemos extraer valores de un vector mediante sus índices. Es importante recordar que en R los índices comienzan en 1.
numeros
# [1] 45 38 90 5 20 3
numeros[3]
# [1] 90
numeros[2:5]
# [1] 2 3 4 5
numeros[c(1, 4, 6)]
# [1] 45 5 3Otra de las características más importantes del lenguaje de programación R es que las operaciones están vectorizadas; es decir, no es necesario recorrer un arreglo para realizar sumas u otras operaciones ya que las operaciones se aplican a cada uno de sus elementos.
numeros * 3
# [1] 135 114 270 15 60 9
numeros + 5
# [1] 50 43 95 10 25 8
numeros + c(1,4)
# [1] 46 42 91 9 21 7La última operación logra sumar cada elemento de los valores de dos arreglos ya que uno tiene un tamaño que es múltiplo del otro. Si intentamos esta operación para tamaños no múltiplos, obtenemos un warning.
numeros + c(1,4, 6, 8)## Warning in numeros + c(1, 4, 6, 8): longer object length is not a multiple of
## shorter object length## [1] 46 42 96 13 21 7La vectorización funciona también para operaciones lógicas
numeros < 10
# [1] FALSE FALSE FALSE TRUE FALSE TRUE
numeros %% 2 == 0
# [1] 50 43 95 10 25 8
numeros == 90
# [1] FALSE FALSE TRUE FALSE FALSE FALSEY los resultados de dichas operaciones, es decir, vectores lógicos, pueden servir también para extraer valores de los arreglos.
numeros[numeros < 10]
# [1] 5 3
numeros[numeros %% 2 == 0]
# [1] 38 90 20
numeros[numeros == 90]
# 90Por ejemplo, si tenemos un arreglo de días y queremos extraer los que corresponden a los días lunes y miércoles, es posible utilizar el operador OR (|) o utilizar la función %in%.
dias <- sample(c("lu", "ma", "mi", "ju", "vi"), 15, replace = TRUE)
dias## [1] "mi" "lu" "vi" "ma" "ma" "mi" "vi" "mi" "vi" "ju" "ma" "mi" "ma" "ju" "mi"dias == "lu" | dias == "mi"## [1] TRUE TRUE FALSE FALSE FALSE TRUE FALSE TRUE FALSE FALSE FALSE TRUE
## [13] FALSE FALSE TRUEdias %in% c("lu", "mi")## [1] TRUE TRUE FALSE FALSE FALSE TRUE FALSE TRUE FALSE FALSE FALSE TRUE
## [13] FALSE FALSE TRUELa función which obtiene los índices de los elementos donde el el resultado de la comparación es TRUE.
which(numeros > 20)## [1] 1 2 3Para contar cuántos elementos resultan TRUE en la comparación, podemos obtener el tamaño del vector de índices o sumar los elementos del vector lógico resultante de la comparación, aprovechando su conversión a valores numéricos.
length(which(numeros > 20))## [1] 3sum(numeros > 20)## [1] 3Con la función all podemos saber si todos los valores pasan la comparación.
all(numeros > 10)## [1] FALSEall(numeros %% 2 == 0)## [1] FALSECon any preguntamos si algunos de los valores pasan la
comparación
any(numeros > 15)## [1] TRUEany(numeros == 90)## [1] TRUEany(numeros == 4)## [1] FALSE2.4.3 Coerción
Es muy importante considerar que los vectores son estructuras de datos homogéneas, es decir, todos sus elementos deben ser del mismo tipo. Si los elementos del vector no son del mismo tipo,
ocurre una coerción, en donde se asigna a todos los elementos la clase más restrictiva posible, en el orden:
logical -> integer -> numeric -> character
mis_valores <- c("rojo", 77, "blanco", 1, TRUE)
class(mis_valores)
# [1] "character"
mis_valores <- c(77, FALSE, 1, TRUE)
class(mis_valores)
# [1] "numeric"Como ya se mencionó, el valor especial lógico NA, especifica ausencia de datos. Por ejemplo,si intentamos acceder a un índice que no existen en un arreglo.
numeros[1000]
# [1] NA
numeros[-3]
# [1] NAAdemás, si tenemos un vector con valores NA, debemos tener cuidado al ejecutar las funciones numéricas y especificar de forma explícita que los valores NA no deben ser tomados en cuenta.
mis_na <- c(numeros[1:3], NA, numeros[4:5])
mean(mis_na)
# [1] NA
mean(mis_na, na.rm = TRUE)
# [1] 39.6Y para extraer los valores del vector que no son NA, se hace subset con la función is.na() para formar un vector lógico.
mis_na[is.na(mis_na)]
# [1] 45 38 90 5 20