7  Conclusiónes

-La habilidad para manipular DataFrames de manera efectiva en R emerge como un componente esencial en el panorama del análisis de datos. Las funciones y bibliotecas clave, como las proporcionadas por paquetes como dplyr y tidyr, facilitan la ejecución de operaciones complejas de manera eficiente en conjuntos de datos tabulares.

-El flujo de trabajo, desde la etapa de importación de datos hasta la fase de visualización, sigue una estructura lógica que guía a los analistas a través de pasos esenciales. Este enfoque proporciona un marco sólido para explorar, depurar y acondicionar los datos antes de avanzar hacia análisis más complejos.

-Exploramos varios aspectos relacionados con la visualización, por ejemplo la visualización de Datos Univariados, realizamos gráficos univariados, como histogramas y gráficos de densidad, para comprender la distribución de variables individuales.En el caso de los Bivariados, empleamos diagramas de dispersión y gráficos de caja, para analizar las relaciones entre dos variables.Para los casos Bivariados Multivariados exploramos otros conjuntos de datos multivariados para visualizaciones más complejas.

-La exploración, visualización, es fundamental para la comprensión de patrones y relaciones en los datos. En el caso de manipulación de datos en R, tanto para datos estructurados como no estructurados, como es el texto, se llevó a cabo mediante técnicas específicas para analizar el contenido de manera significativa. Siendo todo lo anterior esencial para cualquier análisis de datos efectivo en R.