nombre_de_funcion <- function(arg1, arg2, ...){
cuerpo <- ...
cuerpo <- ...
cuerpo <- ...
resultado <- return(resultado)
}3 Manipulación de dataframe
La manipulación de datos en RStudio implica comúnmente la modificación de estructuras de datos, la realización de operaciones específicas y el empleo de funciones para transformar los datos según las necesidades del análisis.
3.1 Funciones
Es un objeto que se encarga de procesar las entradas en resultados. Si queremos crear una función, tendrá la siguiente estructura:
La función return se utiliza para especificar el valor que debe ser devuelto por una función. Sin embargo, en muchos casos, no es necesario usar explícitamente return ya que R automáticamente devuelve el valor de la última expresión evaluada en la función. Esto es conocido como “retorno implícito”.
mi_funcion <- function(arg1, arg2) {
resultado_intermedio <- arg1 + arg2
resultado_intermedio <- resultado_intermedio * 2
resultado_intermedio <- resultado_intermedio ^ 2
resultado <- return(resultado_intermedio)
}
resultado_final <- mi_funcion(3, 7)
resultado_final[1] 400Funciones que se pueden aplicar en un dataframe
#Creamos una dataframe
df <- data.frame(
ID = c(1,2,3,4,5,6,7,8),
Nombre = c("Jorge", "Daniel", "Diana", "Juan", "Camila", "Javier", "Rosa", "Fernando"),
Genero=c("M", "M", "F", "M", "F", "M", "F", "M"),
Edad = c(18, 20, 22, 21, 19, 25, 28, 23)
)Mostrar las primeras filas del dataframe (por defecto, las primeras 6)
head(df) ID Nombre Genero Edad
1 1 Jorge M 18
2 2 Daniel M 20
3 3 Diana F 22
4 4 Juan M 21
5 5 Camila F 19
6 6 Javier M 25Mostrar las últimas filas del dataframe (por defecto, las últimas 6)
tail(df) ID Nombre Genero Edad
3 3 Diana F 22
4 4 Juan M 21
5 5 Camila F 19
6 6 Javier M 25
7 7 Rosa F 28
8 8 Fernando M 23Elegir cuantas filas ver
head(df,3) ID Nombre Genero Edad
1 1 Jorge M 18
2 2 Daniel M 20
3 3 Diana F 22Información sobre la estructura del dataframe
str(df)'data.frame': 8 obs. of 4 variables:
$ ID : num 1 2 3 4 5 6 7 8
$ Nombre: chr "Jorge" "Daniel" "Diana" "Juan" ...
$ Genero: chr "M" "M" "F" "M" ...
$ Edad : num 18 20 22 21 19 25 28 23Resumen estadístico del dataframe
summary(df) ID Nombre Genero Edad
Min. :1.00 Length:8 Length:8 Min. :18.00
1st Qu.:2.75 Class :character Class :character 1st Qu.:19.75
Median :4.50 Mode :character Mode :character Median :21.50
Mean :4.50 Mean :22.00
3rd Qu.:6.25 3rd Qu.:23.50
Max. :8.00 Max. :28.00 Dimensiones del dataframe
dim(df)[1] 8 4Filtrar las filas donde la edad es mayor que 20
df_filtrado <- df[df$Edad > 20, ]
df_filtrado ID Nombre Genero Edad
3 3 Diana F 22
4 4 Juan M 21
6 6 Javier M 25
7 7 Rosa F 28
8 8 Fernando M 23Agregar nueva columna
df$Ingresos <- c(1000, 1200, 1500, 1350, 1400, 1250, 1600, 1450)
df ID Nombre Genero Edad Ingresos
1 1 Jorge M 18 1000
2 2 Daniel M 20 1200
3 3 Diana F 22 1500
4 4 Juan M 21 1350
5 5 Camila F 19 1400
6 6 Javier M 25 1250
7 7 Rosa F 28 1600
8 8 Fernando M 23 14503.2 Modulos y Librerias
3.2.1 Modulos
Un Modulo en R es una colección de funciones y posiblemente datos relacionados, organizados en un script o archivo R separado para mejorar la estructura y facilitar la reutilización y el mantenimiento del código.
Creamos un script llamado “Ejemplo_modulo”
#funcion <- function(z) {
#return(z * 10)
#}Cargar el modulo
#source("PEGAR RUTA DEL SCRIPT/Ejemplo_modulo.R")Utilizamos el modulo
#resultado_modulo <- funcion(20)
#resultado_modulo
#Respuesta: 2003.2.2 Librerias
Existen varias librerías en R que son ampliamente utilizadas para la manipulación de dataframes, permitiendo realizar operaciones como filtrado, selección de columnas, agregaciones y transformaciones de datos de manera eficiente.
3.2.2.1 dyplr()
Proporciona un conjunto coherente de funciones que facilitan la manipulación de dataframes.
Cargamos la libreria
library(dplyr)
Attaching package: 'dplyr'The following objects are masked from 'package:stats':
filter, lagThe following objects are masked from 'package:base':
intersect, setdiff, setequal, unionEl operador %>% facilita la lectura del código, especialmente cuando se realizan varias operaciones en secuencia. La librería dplyr es una de las librerías que hace un uso extensivo de este operador en R.
3.2.2.1.0.1 select()
Se utiliza para seleccionar columnas específicas de un dataframe. Puedes especificar las columnas por sus nombres y también realizar operaciones de selección más avanzadas
df_select <- df %>%
select(ID, Nombre, Edad)
df_select ID Nombre Edad
1 1 Jorge 18
2 2 Daniel 20
3 3 Diana 22
4 4 Juan 21
5 5 Camila 19
6 6 Javier 25
7 7 Rosa 28
8 8 Fernando 233.2.2.1.0.2 filter()
Filtra filas del dataframe basándose en condiciones lógicas. Permite seleccionar las filas que cumplen con ciertas condiciones.
df_filter <- df %>%
filter(Genero == "F", Edad > 25)
df_filter ID Nombre Genero Edad Ingresos
1 7 Rosa F 28 16003.2.2.1.0.3 group_by()
Summrise: Se utiliza para generar resúmenes estadísticos o realizar otras operaciones de resumen en un conjunto de datos agrupado.
resultados_media_edad <- df %>%
group_by(Genero) %>%
summarise(Media_Edad = mean(Edad))
resultados_media_edad# A tibble: 2 × 2
Genero Media_Edad
<chr> <dbl>
1 F 23
2 M 21.43.2.2.2 tidyr
Proporciona funciones que ayudan a transformar datos entre formatos anchos (wide) y largos (long), así como a limpiar y organizar datos para que sean más fáciles de trabajar.
Cargamos la libreria
library(tidyr)3.2.2.2.0.1 gather()
Convierte un dataframe de formato “wide” a “long”.
df_long <- gather(df, key = "Variable", value = "Valor", -ID)
df_long ID Variable Valor
1 1 Nombre Jorge
2 2 Nombre Daniel
3 3 Nombre Diana
4 4 Nombre Juan
5 5 Nombre Camila
6 6 Nombre Javier
7 7 Nombre Rosa
8 8 Nombre Fernando
9 1 Genero M
10 2 Genero M
11 3 Genero F
12 4 Genero M
13 5 Genero F
14 6 Genero M
15 7 Genero F
16 8 Genero M
17 1 Edad 18
18 2 Edad 20
19 3 Edad 22
20 4 Edad 21
21 5 Edad 19
22 6 Edad 25
23 7 Edad 28
24 8 Edad 23
25 1 Ingresos 1000
26 2 Ingresos 1200
27 3 Ingresos 1500
28 4 Ingresos 1350
29 5 Ingresos 1400
30 6 Ingresos 1250
31 7 Ingresos 1600
32 8 Ingresos 14503.2.2.2.0.2 spread()
Convierte un dataframe de formato “long” a “wide”
df_wide <- spread(df_long, key = "Variable", value = "Valor")
df_wide ID Edad Genero Ingresos Nombre
1 1 18 M 1000 Jorge
2 2 20 M 1200 Daniel
3 3 22 F 1500 Diana
4 4 21 M 1350 Juan
5 5 19 F 1400 Camila
6 6 25 M 1250 Javier
7 7 28 F 1600 Rosa
8 8 23 M 1450 Fernando3.2.2.3 data.table
Es una librería y una estructura de datos que ofrece una sintaxis más eficiente y funcionalidades mejoradas para la manipulación de datos, especialmente cuando se trata de conjuntos de datos grandes.
Cargamos la libreria
library(data.table)
Attaching package: 'data.table'The following objects are masked from 'package:dplyr':
between, first, lastCreamos el data.table
dt <- data.table(
ID = c(1, 2, 3, 4, 5, 6, 7, 8),
Nombre = c("Jorge", "Daniel", "Diana", "Juan", "Camila", "Javier", "Rosa", "Fernando"),
Genero = c("M", "M", "F", "M", "F", "M", "F", "M"),
Edad = c(18, 20, 22, 21, 19, 25, 28, 23)
)3.2.2.3.0.1 Filtrar
Filtrar por genero
dt[Genero == "M", .(ID, Nombre)] ID Nombre
1: 1 Jorge
2: 2 Daniel
3: 4 Juan
4: 6 Javier
5: 8 Fernando3.2.2.3.0.2 Sintaxis de agrupación
Facilita la realización de operaciones agregadas y resúmenes por grupos de datos.
dt[, .(Media_Edad = mean(Edad)), by = Genero] Genero Media_Edad
1: M 21.4
2: F 23.03.2.2.3.0.3 Indexación y Ordenación Eficientes
Puedes establecer claves en columnas para mejorar la eficiencia de las operaciones de búsqueda y ordenación.
setkey(dt, Edad)
dt ID Nombre Genero Edad
1: 1 Jorge M 18
2: 5 Camila F 19
3: 2 Daniel M 20
4: 4 Juan M 21
5: 3 Diana F 22
6: 8 Fernando M 23
7: 6 Javier M 25
8: 7 Rosa F 283.2.2.3.0.4 Operaciones de Unión Eficientes
Puedes unir dos data.tables de manera eficiente usando la sintaxis de unión en R
dt2 <- data.table(ID = c(1, 2, 3, 4, 5, 6, 7, 8), Ocupacion = c("Ingeniero", "Profesor", "Doctor", "Abogado", "Policia", "Bombero", "Veterinario", "Arquitecto"))
dt_unido <- dt[dt2, on = "ID"]
dt_unido ID Nombre Genero Edad Ocupacion
1: 1 Jorge M 18 Ingeniero
2: 2 Daniel M 20 Profesor
3: 3 Diana F 22 Doctor
4: 4 Juan M 21 Abogado
5: 5 Camila F 19 Policia
6: 6 Javier M 25 Bombero
7: 7 Rosa F 28 Veterinario
8: 8 Fernando M 23 Arquitecto3.3 Manipulación e Introducción al análisis de datos
3.3.1 Dataframe
Es una estructura de datos bidimensional que sirve para almacenar información de manera tabular, donde las filas representan observaciones y las columnas, variables.
3.3.2 Manipulación de datos
La manipulación de datos se refiere a la preparación y modificación de conjuntos de datos con el objetivo de facilitar su análisis.
3.3.2.1 Limpieza de Datos
Identificar y resolver inconvenientes como datos ausentes, valores atípicos y duplicados. La calidad de los resultados analíticos está intrínsecamente ligada a la integridad de los datos.
3.3.2.2 Transformación de Datos
Adaptar la estructura de los datos de acuerdo con los requisitos del análisis. Esto puede abarcar desde cambios de formato hasta la normalización de variables o la creación de nuevas características.
3.3.2.3 Filtrado y Subconjuntos
Elegir un conjunto de datos específico relevante para el análisis. Esto podría incluir la exclusión de observaciones no deseadas o la extracción de variables particulares
3.3.2.4 Agregación y Resumen:
Condensar conjuntos extensos de datos mediante procesos como la agregación, donde se calculan estadísticas resumen, y la creación de resúmenes estadísticos.
3.4 Flujo del proceso de análisis de datos
Inicia con la importación de datos, seguido de una exploración inicial para comprender la estructura y contenido. Luego, se lleva a cabo la limpieza y preprocesamiento para abordar posibles problemas. A continuación, se realiza la transformación y manipulación de datos, seguida por un análisis descriptivo y exploratorio para comprender patrones y tendencias. La aplicación de modelos estadísticos, validación y ajuste se lleva a cabo para entender y prever relaciones. La interpretación de resultados conduce a la presentación y comunicación de hallazgos a través de informes, visualizaciones o presentaciones, adaptadas a la audiencia. Este proceso, aunque secuencial, puede ser iterativo para ajustarse según los hallazgos y necesidades específicas del análisis.
3.5 Importación de datos
3.5.1 Archivo CSV
datos_csv <- read.csv("netflix_revenue_updated.csv",
header=TRUE,sep=",")Mostrar los 5 primeros
head(datos_csv,5) Date Global.Revenue UCAN.Streaming.Revenue EMEA.Streaming.Revenue
1 31-03-2019 4520992000 2256851000 1233379000
2 30-06-2019 4923116000 2501199000 1319087000
3 30-09-2019 5244905000 2621250000 1428040000
4 31-12-2019 5467434000 2671908000 1562561000
5 31-03-2020 5767691000 2702776000 1723474000
LATM.Streaming.Revenue APAC.Streaming.Revenue UCAN.Members EMEA..Members
1 630472000 319602000 66633000 42542000
2 677136000 349494000 66501000 44229000
3 741434000 382304000 67114000 47355000
4 746392000 418121000 67662000 51778000
5 793453000 483660000 69969000 58734000
LATM.Members APAC.Members UCAN.ARPU EMEA.ARPU LATM..ARPU APAC..ARPU
1 27547000 12141000 11.45 10.23 7.84 9.37
2 27890000 12942000 12.52 10.13 8.14 9.29
3 29380000 14485000 13.08 10.40 8.63 9.29
4 31417000 16233000 13.22 10.51 8.18 9.07
5 34318000 19835000 13.09 10.40 8.05 8.94
Netflix.Streaming.Memberships
1 148863000
2 151562000
3 158334000
4 167090000
5 182856000Mostrar solo las columnas “Date” y “UCAN.Streaming.Revenue”
datos_seleccionados <- datos_csv %>%
select(Date, UCAN.Streaming.Revenue)
datos_seleccionados Date UCAN.Streaming.Revenue
1 31-03-2019 2256851000
2 30-06-2019 2501199000
3 30-09-2019 2621250000
4 31-12-2019 2671908000
5 31-03-2020 2702776000
6 30-06-2020 2839670000
7 30-09-2020 2933445000
8 31-12-2020 2979505000
9 31-03-2021 3170972000
10 30-06-2021 3234643000
11 30-09-2021 3257697000
12 31-12-2021 3308788000
13 31-03-2022 3350424000
14 30-06-2022 3537863000
15 30-09-2022 3601565000
16 31-12-2022 3594791000
17 31-03-2023 3608645000Filtrar
datos_filtrados <- datos_csv %>%
filter(Global.Revenue > 6000000000)
datos_filtrados Date Global.Revenue UCAN.Streaming.Revenue EMEA.Streaming.Revenue
1 30-06-2020 6148286000 2839670000 1892537000
2 30-09-2020 6435637000 2933445000 2019083000
3 31-12-2020 6644442000 2979505000 2137158000
4 31-03-2021 7163282000 3170972000 2343674000
5 30-06-2021 7341777000 3234643000 2400480000
6 30-09-2021 7483467000 3257697000 2432239000
7 31-12-2021 7709318000 3308788000 2523426000
8 31-03-2022 7867767000 3350424000 2561831000
9 30-06-2022 7970141000 3537863000 2457235000
10 30-09-2022 7925589000 3601565000 2375814000
11 31-12-2022 7852053000 3594791000 2350135000
12 31-03-2023 8161503000 3608645000 2517641000
LATM.Streaming.Revenue APAC.Streaming.Revenue UCAN.Members EMEA..Members
1 785368000 569140000 72904000 61483000
2 789384000 634891000 73081000 62242000
3 788522000 684609000 73936000 66698000
4 836647000 762414000 74384000 68508000
5 860882000 799480000 73951000 68696000
6 915297000 834002000 74024000 70500000
7 964150000 870705000 75215000 74036000
8 998948000 916754000 74579000 73733000
9 1030234000 907719000 73283000 72966000
10 1023945000 889037000 73387000 73534000
11 1016846000 856711000 74296000 76729000
12 1070192000 933523000 74398000 77373000
LATM.Members APAC.Members UCAN.ARPU EMEA.ARPU LATM..ARPU APAC..ARPU
1 36068000 22492000 13.25 10.50 7.44 8.96
2 36324000 23504000 13.40 10.88 7.27 9.20
3 37537000 25492000 13.51 11.05 7.12 9.32
4 37894000 26853000 14.25 11.56 7.39 9.71
5 38658000 27875000 14.54 11.66 7.50 9.74
6 38988000 30051000 14.68 11.65 7.86 9.60
7 39961000 32632000 14.78 11.64 8.14 9.26
8 39610000 33719000 14.91 11.56 8.37 9.21
9 39624000 34799000 15.95 11.17 8.67 8.83
10 39936000 36228000 16.37 10.81 8.58 8.34
11 41699000 38023000 16.23 10.43 8.30 7.69
12 41249000 39478000 16.18 10.89 8.60 8.03
Netflix.Streaming.Memberships
1 192947000
2 195151000
3 203663000
4 207639000
5 209180000
6 213563000
7 221844000
8 221641000
9 220672000
10 223085000
11 230747000
12 232498000Para eliminar la primera columna
datos_csv = datos_csv[ , -1]
datos_csv Global.Revenue UCAN.Streaming.Revenue EMEA.Streaming.Revenue
1 4520992000 2256851000 1233379000
2 4923116000 2501199000 1319087000
3 5244905000 2621250000 1428040000
4 5467434000 2671908000 1562561000
5 5767691000 2702776000 1723474000
6 6148286000 2839670000 1892537000
7 6435637000 2933445000 2019083000
8 6644442000 2979505000 2137158000
9 7163282000 3170972000 2343674000
10 7341777000 3234643000 2400480000
11 7483467000 3257697000 2432239000
12 7709318000 3308788000 2523426000
13 7867767000 3350424000 2561831000
14 7970141000 3537863000 2457235000
15 7925589000 3601565000 2375814000
16 7852053000 3594791000 2350135000
17 8161503000 3608645000 2517641000
LATM.Streaming.Revenue APAC.Streaming.Revenue UCAN.Members EMEA..Members
1 630472000 319602000 66633000 42542000
2 677136000 349494000 66501000 44229000
3 741434000 382304000 67114000 47355000
4 746392000 418121000 67662000 51778000
5 793453000 483660000 69969000 58734000
6 785368000 569140000 72904000 61483000
7 789384000 634891000 73081000 62242000
8 788522000 684609000 73936000 66698000
9 836647000 762414000 74384000 68508000
10 860882000 799480000 73951000 68696000
11 915297000 834002000 74024000 70500000
12 964150000 870705000 75215000 74036000
13 998948000 916754000 74579000 73733000
14 1030234000 907719000 73283000 72966000
15 1023945000 889037000 73387000 73534000
16 1016846000 856711000 74296000 76729000
17 1070192000 933523000 74398000 77373000
LATM.Members APAC.Members UCAN.ARPU EMEA.ARPU LATM..ARPU APAC..ARPU
1 27547000 12141000 11.45 10.23 7.84 9.37
2 27890000 12942000 12.52 10.13 8.14 9.29
3 29380000 14485000 13.08 10.40 8.63 9.29
4 31417000 16233000 13.22 10.51 8.18 9.07
5 34318000 19835000 13.09 10.40 8.05 8.94
6 36068000 22492000 13.25 10.50 7.44 8.96
7 36324000 23504000 13.40 10.88 7.27 9.20
8 37537000 25492000 13.51 11.05 7.12 9.32
9 37894000 26853000 14.25 11.56 7.39 9.71
10 38658000 27875000 14.54 11.66 7.50 9.74
11 38988000 30051000 14.68 11.65 7.86 9.60
12 39961000 32632000 14.78 11.64 8.14 9.26
13 39610000 33719000 14.91 11.56 8.37 9.21
14 39624000 34799000 15.95 11.17 8.67 8.83
15 39936000 36228000 16.37 10.81 8.58 8.34
16 41699000 38023000 16.23 10.43 8.30 7.69
17 41249000 39478000 16.18 10.89 8.60 8.03
Netflix.Streaming.Memberships
1 148863000
2 151562000
3 158334000
4 167090000
5 182856000
6 192947000
7 195151000
8 203663000
9 207639000
10 209180000
11 213563000
12 221844000
13 221641000
14 220672000
15 223085000
16 230747000
17 232498000Hallar la media de “Global.Revenue”
media <- mean(datos_csv$Global.Revenue)
media[1] 6742788235Resumen de los datos
summary(datos_csv) Global.Revenue UCAN.Streaming.Revenue EMEA.Streaming.Revenue
Min. :4.521e+09 Min. :2.257e+09 Min. :1.233e+09
1st Qu.:5.768e+09 1st Qu.:2.703e+09 1st Qu.:1.723e+09
Median :7.163e+09 Median :3.171e+09 Median :2.344e+09
Mean :6.743e+09 Mean :3.069e+09 Mean :2.075e+09
3rd Qu.:7.852e+09 3rd Qu.:3.350e+09 3rd Qu.:2.432e+09
Max. :8.162e+09 Max. :3.609e+09 Max. :2.562e+09
LATM.Streaming.Revenue APAC.Streaming.Revenue UCAN.Members
Min. :6.305e+08 Min. :319602000 Min. :66501000
1st Qu.:7.854e+08 1st Qu.:483660000 1st Qu.:69969000
Median :8.366e+08 Median :762414000 Median :73387000
Mean :8.629e+08 Mean :683068588 Mean :72077471
3rd Qu.:9.989e+08 3rd Qu.:870705000 3rd Qu.:74296000
Max. :1.070e+09 Max. :933523000 Max. :75215000
EMEA..Members LATM.Members APAC.Members UCAN.ARPU
Min. :42542000 Min. :27547000 Min. :12141000 Min. :11.45
1st Qu.:58734000 1st Qu.:34318000 1st Qu.:19835000 1st Qu.:13.22
Median :68508000 Median :37894000 Median :26853000 Median :14.25
Mean :64184471 Mean :36358824 Mean :26281294 Mean :14.20
3rd Qu.:73534000 3rd Qu.:39624000 3rd Qu.:33719000 3rd Qu.:14.91
Max. :77373000 Max. :41699000 Max. :39478000 Max. :16.37
EMEA.ARPU LATM..ARPU APAC..ARPU Netflix.Streaming.Memberships
Min. :10.13 Min. :7.120 Min. :7.69 Min. :148863000
1st Qu.:10.43 1st Qu.:7.500 1st Qu.:8.94 1st Qu.:182856000
Median :10.88 Median :8.140 Median :9.21 Median :207639000
Mean :10.91 Mean :8.005 Mean :9.05 Mean :198902059
3rd Qu.:11.56 3rd Qu.:8.370 3rd Qu.:9.32 3rd Qu.:221641000
Max. :11.66 Max. :8.670 Max. :9.74 Max. :232498000 3.5.2 Archivo Excel (xlsx)
Cargamos la libreria
library(readxl)datos_excel <- read_excel("FIFA WC 2022 Players Stats .xlsx")
datos_excel# A tibble: 814 × 18
Nationality `FIFA Ranking` `National Team Kit Sponsor` Position
<chr> <dbl> <chr> <chr>
1 Argentina 2 Adidas GK
2 Argentina 2 Adidas GK
3 Argentina 2 Adidas GK
4 Argentina 2 Adidas DF
5 Argentina 2 Adidas DF
6 Argentina 2 Adidas DF
7 Argentina 2 Adidas DF
8 Argentina 2 Adidas DF
9 Argentina 2 Adidas DF
10 Argentina 2 Adidas DF
# ℹ 804 more rows
# ℹ 14 more variables: `National Team Jersey Number` <dbl>, `Player DOB` <chr>,
# Club <chr>, `Player Name` <chr>, Appearances <chr>, `Goals Scored` <chr>,
# `Assists Provided` <chr>, `Dribbles per 90` <chr>,
# `Interceptions per 90` <chr>, `Tackles per 90` <chr>,
# `Total Duels Won per 90` <chr>, `Save Percentage` <chr>,
# `Clean Sheets` <chr>, `Brand Sponsor/Brand Used` <chr>Mostrar los 5 primeros
head(datos_excel,5)# A tibble: 5 × 18
Nationality `FIFA Ranking` `National Team Kit Sponsor` Position
<chr> <dbl> <chr> <chr>
1 Argentina 2 Adidas GK
2 Argentina 2 Adidas GK
3 Argentina 2 Adidas GK
4 Argentina 2 Adidas DF
5 Argentina 2 Adidas DF
# ℹ 14 more variables: `National Team Jersey Number` <dbl>, `Player DOB` <chr>,
# Club <chr>, `Player Name` <chr>, Appearances <chr>, `Goals Scored` <chr>,
# `Assists Provided` <chr>, `Dribbles per 90` <chr>,
# `Interceptions per 90` <chr>, `Tackles per 90` <chr>,
# `Total Duels Won per 90` <chr>, `Save Percentage` <chr>,
# `Clean Sheets` <chr>, `Brand Sponsor/Brand Used` <chr>Resumen de los datos
summary(datos_excel) Nationality FIFA Ranking National Team Kit Sponsor
Length:814 Min. : 1.00 Length:814
Class :character 1st Qu.: 9.00 Class :character
Mode :character Median :18.00 Mode :character
Mean :21.71
3rd Qu.:29.00
Max. :60.00
Position National Team Jersey Number Player DOB
Length:814 Min. : 1.00 Length:814
Class :character 1st Qu.: 7.00 Class :character
Mode :character Median :14.00 Mode :character
Mean :13.51
3rd Qu.:20.00
Max. :26.00
NA's :1
Club Player Name Appearances Goals Scored
Length:814 Length:814 Length:814 Length:814
Class :character Class :character Class :character Class :character
Mode :character Mode :character Mode :character Mode :character
Assists Provided Dribbles per 90 Interceptions per 90 Tackles per 90
Length:814 Length:814 Length:814 Length:814
Class :character Class :character Class :character Class :character
Mode :character Mode :character Mode :character Mode :character
Total Duels Won per 90 Save Percentage Clean Sheets
Length:814 Length:814 Length:814
Class :character Class :character Class :character
Mode :character Mode :character Mode :character
Brand Sponsor/Brand Used
Length:814
Class :character
Mode :character
3.5.3 De la WEB
Cargamos la libreria
library(readr)Cargamos el archivo .csv de la WEB
url <- "https://www.datosabiertos.gob.pe/sites/default/files/Trim%20May-Jun-Jul23_Muestra.csv"
datosweb_csv <- read_csv(url)Rows: 200 Columns: 96
── Column specification ────────────────────────────────────────────────────────
Delimiter: ","
chr (2): MES, SELVIV
dbl (89): ANIO, CONGLOMERADO, MUESTRA, HOGAR, C201, REGION, ESTRATO, LLAVE_P...
lgl (5): C206, C345_1, C347_T, I345_1, D347_T
ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.datosweb_csv# A tibble: 200 × 96
ANIO MES CONGLOMERADO MUESTRA SELVIV HOGAR C201 REGION ESTRATO
<dbl> <chr> <dbl> <dbl> <chr> <dbl> <dbl> <dbl> <dbl>
1 2023 05 1725903 1 0031 1 1 1 1
2 2023 05 1725903 1 0031 1 2 1 1
3 2023 05 1725903 1 0031 1 3 1 1
4 2023 05 1725903 1 0031 1 4 1 1
5 2023 05 1725903 1 0031 1 5 1 1
6 2023 05 1725903 1 0032 1 1 1 1
7 2023 05 1725903 1 0032 1 2 1 1
8 2023 05 1725903 1 0032 1 3 1 1
9 2023 05 1725903 1 0032 1 4 1 1
10 2023 05 1725903 1 0032 1 5 1 1
# ℹ 190 more rows
# ℹ 87 more variables: LLAVE_PANEL <dbl>, C203 <dbl>, C204 <dbl>, C205 <dbl>,
# C206 <lgl>, C207 <dbl>, C208 <dbl>, C300n <dbl>, NROINF <dbl>,
# C301_DIA <dbl>, C301_MES <dbl>, C301_ANIO <dbl>, C303 <dbl>, C304 <dbl>,
# C305 <dbl>, C306_1 <dbl>, C306_2 <dbl>, C306_3 <dbl>, C306_4 <dbl>,
# C306_5 <dbl>, C306_6 <dbl>, C306_7 <dbl>, C306_8 <dbl>, C306_9 <dbl>,
# C306_10 <dbl>, C306_10A <dbl>, C306_11 <dbl>, C308_COD <dbl>, …#Utiliza spec() para obtener la especificación completa
column_spec <- spec(datosweb_csv)Mostrar los 5 primeros
head(datosweb_csv,5)# A tibble: 5 × 96
ANIO MES CONGLOMERADO MUESTRA SELVIV HOGAR C201 REGION ESTRATO LLAVE_PANEL
<dbl> <chr> <dbl> <dbl> <chr> <dbl> <dbl> <dbl> <dbl> <dbl>
1 2023 05 1725903 1 0031 1 1 1 1 2.02e19
2 2023 05 1725903 1 0031 1 2 1 1 2.02e19
3 2023 05 1725903 1 0031 1 3 1 1 2.02e19
4 2023 05 1725903 1 0031 1 4 1 1 2.02e19
5 2023 05 1725903 1 0031 1 5 1 1 2.02e19
# ℹ 86 more variables: C203 <dbl>, C204 <dbl>, C205 <dbl>, C206 <lgl>,
# C207 <dbl>, C208 <dbl>, C300n <dbl>, NROINF <dbl>, C301_DIA <dbl>,
# C301_MES <dbl>, C301_ANIO <dbl>, C303 <dbl>, C304 <dbl>, C305 <dbl>,
# C306_1 <dbl>, C306_2 <dbl>, C306_3 <dbl>, C306_4 <dbl>, C306_5 <dbl>,
# C306_6 <dbl>, C306_7 <dbl>, C306_8 <dbl>, C306_9 <dbl>, C306_10 <dbl>,
# C306_10A <dbl>, C306_11 <dbl>, C308_COD <dbl>, C309_COD <dbl>, C310 <dbl>,
# C311 <dbl>, C317 <dbl>, C317A <dbl>, C318_1 <dbl>, C318_2 <dbl>, …Resumen de los datos
summary(datosweb_csv) ANIO MES CONGLOMERADO MUESTRA
Min. :2023 Length:200 Min. : 17272 Min. :1
1st Qu.:2023 Class :character 1st Qu.: 17390 1st Qu.:1
Median :2023 Mode :character Median : 17437 Median :1
Mean :2023 Mean : 188270 Mean :1
3rd Qu.:2023 3rd Qu.: 17527 3rd Qu.:1
Max. :2023 Max. :1725903 Max. :1
SELVIV HOGAR C201 REGION ESTRATO
Length:200 Min. :1.000 Min. : 1.00 Min. :1 Min. :1
Class :character 1st Qu.:1.000 1st Qu.: 1.00 1st Qu.:1 1st Qu.:1
Mode :character Median :1.000 Median : 2.00 Median :1 Median :1
Mean :1.015 Mean : 2.84 Mean :1 Mean :1
3rd Qu.:1.000 3rd Qu.: 4.00 3rd Qu.:1 3rd Qu.:1
Max. :2.000 Max. :11.00 Max. :1 Max. :1
LLAVE_PANEL C203 C204 C205 C206
Min. :2.022e+17 Min. : 1.000 Min. :1 Min. :1.00 Mode:logical
1st Qu.:2.022e+17 1st Qu.: 1.000 1st Qu.:1 1st Qu.:2.00 NA's:200
Median :2.023e+17 Median : 3.000 Median :1 Median :2.00
Mean :2.222e+18 Mean : 2.725 Mean :1 Mean :1.98
3rd Qu.:2.023e+17 3rd Qu.: 3.000 3rd Qu.:1 3rd Qu.:2.00
Max. :2.022e+19 Max. :11.000 Max. :1 Max. :2.00
C207 C208 C300n NROINF
Min. :1.00 Min. : 1.00 Min. : 1.000 Min. : 1.00
1st Qu.:1.00 1st Qu.:16.00 1st Qu.: 1.000 1st Qu.: 1.00
Median :2.00 Median :30.00 Median : 2.000 Median : 2.00
Mean :1.54 Mean :33.78 Mean : 2.342 Mean :19.09
3rd Qu.:2.00 3rd Qu.:49.00 3rd Qu.: 3.000 3rd Qu.: 4.00
Max. :2.00 Max. :92.00 Max. :10.000 Max. :99.00
NA's :1 NA's :45 NA's :45
C301_DIA C301_MES C301_ANIO C303
Min. : 1.00 Min. : 1.000 Min. :1930 Min. :1.000
1st Qu.: 7.75 1st Qu.: 4.000 1st Qu.:1969 1st Qu.:1.000
Median :16.50 Median : 7.000 Median :1981 Median :2.000
Mean :15.92 Mean : 6.727 Mean :1981 Mean :1.508
3rd Qu.:23.25 3rd Qu.:10.000 3rd Qu.:2000 3rd Qu.:2.000
Max. :31.00 Max. :12.000 Max. :2009 Max. :2.000
NA's :72 NA's :72 NA's :72 NA's :72
C304 C305 C306_1 C306_2 C306_3
Min. :1.000 Min. :2 Min. :2 Min. :1.000 Min. :2
1st Qu.:2.000 1st Qu.:2 1st Qu.:2 1st Qu.:2.000 1st Qu.:2
Median :2.000 Median :2 Median :2 Median :2.000 Median :2
Mean :1.969 Mean :2 Mean :2 Mean :1.952 Mean :2
3rd Qu.:2.000 3rd Qu.:2 3rd Qu.:2 3rd Qu.:2.000 3rd Qu.:2
Max. :2.000 Max. :2 Max. :2 Max. :2.000 Max. :2
NA's :135 NA's :137 NA's :137 NA's :137 NA's :137
C306_4 C306_5 C306_6 C306_7 C306_8
Min. :2 Min. :2 Min. :2 Min. :2 Min. :2
1st Qu.:2 1st Qu.:2 1st Qu.:2 1st Qu.:2 1st Qu.:2
Median :2 Median :2 Median :2 Median :2 Median :2
Mean :2 Mean :2 Mean :2 Mean :2 Mean :2
3rd Qu.:2 3rd Qu.:2 3rd Qu.:2 3rd Qu.:2 3rd Qu.:2
Max. :2 Max. :2 Max. :2 Max. :2 Max. :2
NA's :137 NA's :137 NA's :137 NA's :137 NA's :137
C306_9 C306_10 C306_10A C306_11 C308_COD
Min. :2 Min. :1.000 Min. :2 Min. :2 Min. : 312
1st Qu.:2 1st Qu.:2.000 1st Qu.:2 1st Qu.:2 1st Qu.:5212
Median :2 Median :2.000 Median :2 Median :2 Median :7342
Mean :2 Mean :1.968 Mean :2 Mean :2 Mean :6694
3rd Qu.:2 3rd Qu.:2.000 3rd Qu.:2 3rd Qu.:2 3rd Qu.:8914
Max. :2 Max. :2.000 Max. :2 Max. :2 Max. :9629
NA's :137 NA's :137 NA's :137 NA's :137 NA's :130
C309_COD C310 C311 C317
Min. :1073 Min. :1.000 Min. :1.000 Min. :1.000
1st Qu.:4324 1st Qu.:2.000 1st Qu.:4.000 1st Qu.:1.000
Median :4922 Median :3.000 Median :5.000 Median :1.000
Mean :5578 Mean :3.029 Mean :4.324 Mean :1.857
3rd Qu.:8093 3rd Qu.:3.000 3rd Qu.:5.000 3rd Qu.:2.000
Max. :9700 Max. :9.000 Max. :5.000 Max. :5.000
NA's :130 NA's :130 NA's :166 NA's :130
C317A C318_1 C318_2 C318_3
Min. : 1.0 Min. : 0.000 Min. : 0.000 Min. : 0.000
1st Qu.: 1.0 1st Qu.: 0.000 1st Qu.: 5.250 1st Qu.: 6.000
Median : 3.0 Median : 0.000 Median : 8.000 Median : 8.000
Mean : 466.6 Mean : 2.186 Mean : 6.986 Mean : 7.257
3rd Qu.: 50.0 3rd Qu.: 3.750 3rd Qu.: 9.000 3rd Qu.: 9.000
Max. :9888.0 Max. :15.000 Max. :15.000 Max. :15.000
NA's :131 NA's :130 NA's :130 NA's :130
C318_4 C318_5 C318_6 C318_7
Min. : 0.0 Min. : 0.000 Min. : 0.00 Min. : 0.000
1st Qu.: 5.0 1st Qu.: 4.250 1st Qu.: 4.25 1st Qu.: 0.000
Median : 8.0 Median : 8.000 Median : 8.00 Median : 6.000
Mean : 6.7 Mean : 6.514 Mean : 6.50 Mean : 5.071
3rd Qu.: 9.0 3rd Qu.: 8.750 3rd Qu.: 8.75 3rd Qu.: 8.000
Max. :15.0 Max. :15.000 Max. :15.00 Max. :15.000
NA's :130 NA's :130 NA's :130 NA's :130
whoraT C330 C331 P209H
Min. : 4.00 Min. :1.000 Min. : 8.00 Min. :1.000
1st Qu.: 37.00 1st Qu.:1.000 1st Qu.:44.50 1st Qu.:2.000
Median : 48.00 Median :1.000 Median :48.00 Median :2.000
Mean : 46.61 Mean :1.171 Mean :46.83 Mean :1.857
3rd Qu.: 58.75 3rd Qu.:1.000 3rd Qu.:56.25 3rd Qu.:2.000
Max. :105.00 Max. :2.000 Max. :70.00 Max. :2.000
NA's :130 NA's :130 NA's :188 NA's :130
C335 C338 C339_1 C341_T C342
Min. :1.000 Min. :2.000 Min. : 12 Min. : 10.0 Min. : 150
1st Qu.:2.000 1st Qu.:2.750 1st Qu.: 335 1st Qu.: 30.0 1st Qu.:1000
Median :2.000 Median :4.000 Median :1300 Median :108.0 Median :1000
Mean :1.862 Mean :3.475 Mean :1532 Mean :174.6 Mean :1216
3rd Qu.:2.000 3rd Qu.:4.000 3rd Qu.:2075 3rd Qu.:173.0 3rd Qu.:1500
Max. :2.000 Max. :5.000 Max. :6500 Max. :800.0 Max. :3000
NA's :135 NA's :160 NA's :161 NA's :191 NA's :175
C344 C345_1 C348 C347_T C350
Min. : 20 Mode:logical Min. :250 Mode:logical Min. :10
1st Qu.: 55 NA's:200 1st Qu.:325 NA's:200 1st Qu.:10
Median : 80 Median :400 Median :10
Mean : 90 Mean :450 Mean :10
3rd Qu.:110 3rd Qu.:550 3rd Qu.:10
Max. :200 Max. :700 Max. :10
NA's :193 NA's :197 NA's :199
C352 C353 C354 C355 C356
Min. :1.000 Min. :4 Min. :1.000 Min. :1.00 Min. :5
1st Qu.:2.000 1st Qu.:4 1st Qu.:1.000 1st Qu.:1.75 1st Qu.:5
Median :2.000 Median :5 Median :2.000 Median :2.00 Median :5
Mean :1.948 Mean :5 Mean :1.636 Mean :1.75 Mean :6
3rd Qu.:2.000 3rd Qu.:5 3rd Qu.:2.000 3rd Qu.:2.00 3rd Qu.:6
Max. :2.000 Max. :8 Max. :2.000 Max. :2.00 Max. :9
NA's :142 NA's :145 NA's :145 NA's :180 NA's :195
C357_I C358 C359 SEGURO1
Min. :2.000 Min. :2.000 Min. :1.000 Min. :1.000
1st Qu.:2.000 1st Qu.:2.000 1st Qu.:1.000 1st Qu.:1.000
Median :2.000 Median :2.000 Median :1.000 Median :5.000
Mean :3.333 Mean :2.667 Mean :1.086 Mean :3.922
3rd Qu.:4.000 3rd Qu.:3.000 3rd Qu.:1.000 3rd Qu.:5.000
Max. :6.000 Max. :4.000 Max. :2.000 Max. :6.000
NA's :197 NA's :197 NA's :72 NA's :72
C366 C366_1 C366_2 C375_1 C375_2
Min. : 1.000 Min. :1.000 Min. :1.00 Min. :1.000 Min. :2
1st Qu.: 5.000 1st Qu.:2.000 1st Qu.:2.00 1st Qu.:2.000 1st Qu.:2
Median : 6.000 Median :4.000 Median :5.00 Median :2.000 Median :2
Mean : 6.531 Mean :3.567 Mean :4.00 Mean :1.984 Mean :2
3rd Qu.: 8.000 3rd Qu.:5.000 3rd Qu.:5.75 3rd Qu.:2.000 3rd Qu.:2
Max. :11.000 Max. :6.000 Max. :6.00 Max. :2.000 Max. :2
NA's :72 NA's :80 NA's :194 NA's :72 NA's :72
C375_3 C375_4 C375_5 C375_6
Min. :1.000 Min. :1.000 Min. :1.000 Min. :1.000
1st Qu.:2.000 1st Qu.:2.000 1st Qu.:2.000 1st Qu.:2.000
Median :2.000 Median :2.000 Median :2.000 Median :2.000
Mean :1.992 Mean :1.984 Mean :1.992 Mean :1.992
3rd Qu.:2.000 3rd Qu.:2.000 3rd Qu.:2.000 3rd Qu.:2.000
Max. :2.000 Max. :2.000 Max. :2.000 Max. :2.000
NA's :72 NA's :72 NA's :72 NA's :72
C376 C377 OCUP300 I339_1
Min. : 1.000 Min. :1.000 Min. :1.000 Min. : 52
1st Qu.:10.000 1st Qu.:7.000 1st Qu.:1.000 1st Qu.: 900
Median :10.000 Median :7.000 Median :1.000 Median :1350
Mean : 9.094 Mean :6.406 Mean :2.305 Mean :1719
3rd Qu.:10.000 3rd Qu.:7.000 3rd Qu.:4.000 3rd Qu.:2075
Max. :10.000 Max. :9.000 Max. :4.000 Max. :6500
NA's :72 NA's :72 NA's :72 NA's :161
D341_T I342 D344 I345_1 I348
Min. :130.0 Min. : 200 Min. : 10.00 Mode:logical Min. :250
1st Qu.:150.0 1st Qu.:1000 1st Qu.: 50.00 NA's:200 1st Qu.:325
Median :300.0 Median :1200 Median : 87.00 Median :400
Mean :323.4 Mean :1413 Mean : 79.29 Mean :450
3rd Qu.:460.0 3rd Qu.:1500 3rd Qu.:104.00 3rd Qu.:550
Max. :800.0 Max. :3996 Max. :150.00 Max. :700
NA's :191 NA's :175 NA's :193 NA's :197
D347_T D350 INGTOT INGTOTP RESIDENT
Mode:logical Min. :10 Min. : 52 Min. : 52 Min. :0.00
NA's:200 1st Qu.:10 1st Qu.:1000 1st Qu.:1000 1st Qu.:1.00
Median :10 Median :1308 Median :1308 Median :1.00
Mean :10 Mean :1649 Mean :1628 Mean :0.98
3rd Qu.:10 3rd Qu.:1949 3rd Qu.:1949 3rd Qu.:1.00
Max. :10 Max. :7300 Max. :7300 Max. :1.00
NA's :199 NA's :135 NA's :135
fa_mjj23
Min. :233.1
1st Qu.:345.5
Median :399.2
Mean :451.2
3rd Qu.:553.2
Max. :817.4
NA's :45