Documento 2 Practica Data Frames y Funciones | Laboratorio de Computación

2.1 Manipulación de Data Frames.

Importar el dataset HairEyeColor.

color <- data("HairEyeColor")

Si el dataset importado no es un dataframe, convertirlo.

is.data.frame(color)

## [1] FALSE

class(color)

## [1] "character"

Entonces, lo convertimos:

color <- as.data.frame(HairEyeColor)
is.data.frame(color)

## [1] TRUE

Analizar la estructura del dataset, tipo de datos, estructura, clase, etc.

class(color)

## [1] "data.frame"

str(color)

## 'data.frame':    32 obs. of  4 variables:
##  $ Hair: Factor w/ 4 levels "Black","Brown",..: 1 2 3 4 1 2 3 4 1 2 ...
##  $ Eye : Factor w/ 4 levels "Brown","Blue",..: 1 1 1 1 2 2 2 2 3 3 ...
##  $ Sex : Factor w/ 2 levels "Male","Female": 1 1 1 1 1 1 1 1 1 1 ...
##  $ Freq: num  32 53 10 3 11 50 10 30 10 25 ...

summary(color)

##     Hair      Eye        Sex          Freq      
##  Black:8   Brown:8   Male  :16   Min.   : 2.00  
##  Brown:8   Blue :8   Female:16   1st Qu.: 7.00  
##  Red  :8   Hazel:8               Median :10.00  
##  Blond:8   Green:8               Mean   :18.50  
##                                  3rd Qu.:29.25  
##                                  Max.   :66.00

Obtener número de columnas, número de filas.

nrow(color)

## [1] 32

ncol(color)

## [1] 4

También podríamos haber usado dim(color).

Guardar en un vector el nombre de las columnas.

nombres <- names(color)
nombres

## [1] "Hair" "Eye"  "Sex"  "Freq"

Cambiar el nombre de la primera columna.

names(color)[1] <-"Pelo"
names(color)

## [1] "Pelo" "Eye"  "Sex"  "Freq"

Averiguar el tipo de datos de la primera columna.

class(color[ , 1])

## [1] "factor"

Comando para averiguar si hay valores NA en todo el dataframe, y lo mismo en la columna 1.

as.logical(sum(is.na(color)))

## [1] FALSE

as.logical(sum(is.na(color[ , 1])))

## [1] FALSE

Practicar con el dataset para extraer un conjunto de filas y/o columnas.

En este ejemplo queremos extraer las filas 1,2,3 y 20 y las columnas 2 y 3.

#formattable(color[c(1,2,3,20), c(2,3)])
color[c(1,2,3,20), c(2,3)]

##      Eye    Sex
## 1  Brown   Male
## 2  Brown   Male
## 3  Brown   Male
## 20 Brown Female

Guardar cinco primeras filas en una variable d1 y las cinco últimas en una variable d2 y combinarlas en un nuevo dataframe llamado d12.

d1 <- color[1:5, ]
formattable(d1)

Pelo	Eye	Sex	Freq
Black	Brown	Male	32
Brown	Brown	Male	53
Red	Brown	Male	10
Blond	Brown	Male	3
Black	Blue	Male	11

d2 <- color[(nrow(color)-4) : nrow(color), ]

formattable(d2)

	Pelo	Eye	Sex	Freq
28	Blond	Hazel	Female	5
29	Black	Green	Female	2
30	Brown	Green	Female	14
31	Red	Green	Female	7
32	Blond	Green	Female	8

d3 <- rbind(d1, d2)
formattable(d3)

	Pelo	Eye	Sex	Freq
1	Black	Brown	Male	32
2	Brown	Brown	Male	53
3	Red	Brown	Male	10
4	Blond	Brown	Male	3
5	Black	Blue	Male	11
28	Blond	Hazel	Female	5
29	Black	Green	Female	2
30	Brown	Green	Female	14
31	Red	Green	Female	7
32	Blond	Green	Female	8

A continuación, utilizar el comando subset para extraer, eliminar, etc. un conjunto de columnas de un data set.

Subset: Devuelve subconjuntos de vectores, matrices o dataframes que cumplen condiciones.

Usar subset para guardar en una variable las filas de dataset con valor para eye de Blue.

nombres[2]

## [1] "Eye"

OjosAzules <- subset(color, color[2] == "Blue")

# Otra forma sin usar subset
# OjosAzules2 <- color[color$Eye =="Blue", ]

formattable(OjosAzules)

	Pelo	Eye	Sex	Freq
5	Black	Blue	Male	11
6	Brown	Blue	Male	50
7	Red	Blue	Male	10
8	Blond	Blue	Male	30
21	Black	Blue	Female	9
22	Brown	Blue	Female	34
23	Red	Blue	Female	7
24	Blond	Blue	Female	64

Guardar la primera columna en variable d y utilizar los comandos unique, table. ¿Para qué sirven estos comandos?.

d <- color[][1] # Lo guardamos como dataframe
d_ <- color[ ,1] # Lo guardamos como factor
datatable(d)

Usamos la función unique que borra los elementos/columnas repetidas de un vector, data frame o array.

unique(d) # Salida como dataframe

##    Pelo
## 1 Black
## 2 Brown
## 3   Red
## 4 Blond

unique(d_) # Salida como factor

## [1] Black Brown Red   Blond
## Levels: Black Brown Red Blond

Ahora, usamos la función table, que crea una tabla de contingencia con las variables y sus frecuencias.

table(d)

## d
## Black Brown   Red Blond 
##     8     8     8     8

#table(d_) Misma salida

Con la variable d usar colSums, colMeans. Explicar con ejemplos para qué sirven estos comandos.

Usamos la variable d2, en la cual almacenamos datos de tipo númerico en vez de tipo factor.

d2 <- color[][4]
datatable(d2)

# colSumns suma todos los elementos de cada columna.
# En este caso, al sólo haber una (frecuencia) se obtiene un único dato:
colSums(d2)

## Freq 
##  592

# colMeans realiza la media de todos los elementos de cada columna.
colMeans(d2)

## Freq 
## 18.5

Explicar con ejemplos para qué sirven los comandos rowSums, rowMeans.

# Creamos el data frame a:
df1 <- data.frame (
  foo = c(  15 ,    9 ,   13 ,   12 ,   11 ,   14 ,   15 ,   11 ,    9 ,   10 ,   12 ,   13 ),
  bar = c(  11 ,   15 ,   10 ,    9 ,    8 ,   12 ,   14 ,   13 ,   15 ,   16 ,   12 ,   11 ),
  baz = c(   8 ,   10 ,    9 ,   10 ,   11 ,   13 ,   15 ,   14 ,   14 ,   13 ,   13 ,   10 )
)

row.names(df1) <- c('Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec')

formattable(df1)

	foo	bar	baz
Jan	15	11	8
Feb	9	15	10
Mar	13	10	9
Apr	12	9	10
May	11	8	11
Jun	14	12	13
Jul	15	14	15
Aug	11	13	14
Sep	9	15	14
Oct	10	16	13
Nov	12	12	13
Dec	13	11	10

# Aplicamos rowSums, que suma todos los elementos de cada fila.
# En este caso, al sólo haber 12 filas se obtienen 12 datos:
rowSums(df1)

## Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec 
##  34  34  32  31  30  39  44  38  38  39  37  34

# De la misma forma, rowMeans realiza la media de todos los elementos de cada fila.
rowMeans(df1)

##      Jan      Feb      Mar      Apr      May      Jun      Jul      Aug 
## 11.33333 11.33333 10.66667 10.33333 10.00000 13.00000 14.66667 12.66667 
##      Sep      Oct      Nov      Dec 
## 12.66667 13.00000 12.33333 11.33333

2.2 Errores más comunes.

Explica por qué los siguientes comandos dan error o no hacen lo que podría ser previsible con la lectura del comando. Arréglalo.

library(datasets)

library(datasets)

Carga el paquete ‘datasets’ en memoria, que contiene una lista de datasets por defecto. Para ver los datasets que contiene podemos ejecutar ‘data()’.

data(“mtcars”)

data("mtcars")

Cargamos el paquete mtcars.

mtcars[mtcars$cyl = 4, ]

Arreglamos el fallo cambiando ‘=’ por ‘==’, ya que estamos aplicando una operación lógica de igualdad, no asignando valores.

formattable(mtcars[mtcars$cyl == 4, ])

	mpg	cyl	disp	hp	drat	wt	qsec	vs	am	gear	carb
Datsun 710	22.8	4	108.0	93	3.85	2.320	18.61	1	1	4	1
Merc 240D	24.4	4	146.7	62	3.69	3.190	20.00	1	0	4	2
Merc 230	22.8	4	140.8	95	3.92	3.150	22.90	1	0	4	2
Fiat 128	32.4	4	78.7	66	4.08	2.200	19.47	1	1	4	1
Honda Civic	30.4	4	75.7	52	4.93	1.615	18.52	1	1	4	2
Toyota Corolla	33.9	4	71.1	65	4.22	1.835	19.90	1	1	4	1
Toyota Corona	21.5	4	120.1	97	3.70	2.465	20.01	1	0	3	1
Fiat X1-9	27.3	4	79.0	66	4.08	1.935	18.90	1	1	4	1
Porsche 914-2	26.0	4	120.3	91	4.43	2.140	16.70	0	1	5	2
Lotus Europa	30.4	4	95.1	113	3.77	1.513	16.90	1	1	5	2
Volvo 142E	21.4	4	121.0	109	4.11	2.780	18.60	1	1	4	2

mtcars[0:4, ]

Arreglamos el fallo cambiando ‘1’ por ‘0’, ya que si queremos seleccionar las primeras n filas no podemos poner números negativos (empezamos en 1).

formattable(mtcars[1:4, ])

	mpg	cyl	disp	hp	drat	wt	qsec	vs	am	gear	carb
Mazda RX4	21.0	6	160	110	3.90	2.620	16.46	0	1	4	4
Mazda RX4 Wag	21.0	6	160	110	3.90	2.875	17.02	0	1	4	4
Datsun 710	22.8	4	108	93	3.85	2.320	18.61	1	1	4	1
Hornet 4 Drive	21.4	6	258	110	3.08	3.215	19.44	1	0	3	1

mtcars[mtcars$cyl <= 5]

Solucionamos el problema añadiendo una coma ‘,’, esto se debe a que debemos seleccionar un número de columnas ya que estamos trabajando con un data frame, por ello, seleccionamos todas las columnas (opción más razonable) de la siguiente manera:

formattable(mtcars[mtcars$cyl <= 5, ] )

	mpg	cyl	disp	hp	drat	wt	qsec	vs	am	gear	carb
Datsun 710	22.8	4	108.0	93	3.85	2.320	18.61	1	1	4	1
Merc 240D	24.4	4	146.7	62	3.69	3.190	20.00	1	0	4	2
Merc 230	22.8	4	140.8	95	3.92	3.150	22.90	1	0	4	2
Fiat 128	32.4	4	78.7	66	4.08	2.200	19.47	1	1	4	1
Honda Civic	30.4	4	75.7	52	4.93	1.615	18.52	1	1	4	2
Toyota Corolla	33.9	4	71.1	65	4.22	1.835	19.90	1	1	4	1
Toyota Corona	21.5	4	120.1	97	3.70	2.465	20.01	1	0	3	1
Fiat X1-9	27.3	4	79.0	66	4.08	1.935	18.90	1	1	4	1
Porsche 914-2	26.0	4	120.3	91	4.43	2.140	16.70	0	1	5	2
Lotus Europa	30.4	4	95.1	113	3.77	1.513	16.90	1	1	5	2
Volvo 142E	21.4	4	121.0	109	4.11	2.780	18.60	1	1	4	2

mtcars[mtcars$cyl == 4 | 6, ]

Solucionamos el problema diviendo las dos operaciones que se quieren ejecutar, debido a que se está aplicando un formato incorrecto al reconocido por R.

formattable(mtcars[mtcars$cyl == 4 | mtcars$cyl == 6, ])

	mpg	cyl	disp	hp	drat	wt	qsec	vs	am	gear	carb
Mazda RX4	21.0	6	160.0	110	3.90	2.620	16.46	0	1	4	4
Mazda RX4 Wag	21.0	6	160.0	110	3.90	2.875	17.02	0	1	4	4
Datsun 710	22.8	4	108.0	93	3.85	2.320	18.61	1	1	4	1
Hornet 4 Drive	21.4	6	258.0	110	3.08	3.215	19.44	1	0	3	1
Valiant	18.1	6	225.0	105	2.76	3.460	20.22	1	0	3	1
Merc 240D	24.4	4	146.7	62	3.69	3.190	20.00	1	0	4	2
Merc 230	22.8	4	140.8	95	3.92	3.150	22.90	1	0	4	2
Merc 280	19.2	6	167.6	123	3.92	3.440	18.30	1	0	4	4
Merc 280C	17.8	6	167.6	123	3.92	3.440	18.90	1	0	4	4
Fiat 128	32.4	4	78.7	66	4.08	2.200	19.47	1	1	4	1
Honda Civic	30.4	4	75.7	52	4.93	1.615	18.52	1	1	4	2
Toyota Corolla	33.9	4	71.1	65	4.22	1.835	19.90	1	1	4	1
Toyota Corona	21.5	4	120.1	97	3.70	2.465	20.01	1	0	3	1
Fiat X1-9	27.3	4	79.0	66	4.08	1.935	18.90	1	1	4	1
Porsche 914-2	26.0	4	120.3	91	4.43	2.140	16.70	0	1	5	2
Lotus Europa	30.4	4	95.1	113	3.77	1.513	16.90	1	1	5	2
Ferrari Dino	19.7	6	145.0	175	3.62	2.770	15.50	0	1	5	6
Volvo 142E	21.4	4	121.0	109	4.11	2.780	18.60	1	1	4	2

mtcars[1:20]

Solucionamos el problema de la misma manera que 5), seleccionando el número de columnas.

formattable(mtcars[1:20, ] )

	mpg	cyl	disp	hp	drat	wt	qsec	vs	am	gear	carb
Mazda RX4	21.0	6	160.0	110	3.90	2.620	16.46	0	1	4	4
Mazda RX4 Wag	21.0	6	160.0	110	3.90	2.875	17.02	0	1	4	4
Datsun 710	22.8	4	108.0	93	3.85	2.320	18.61	1	1	4	1
Hornet 4 Drive	21.4	6	258.0	110	3.08	3.215	19.44	1	0	3	1
Hornet Sportabout	18.7	8	360.0	175	3.15	3.440	17.02	0	0	3	2
Valiant	18.1	6	225.0	105	2.76	3.460	20.22	1	0	3	1
Duster 360	14.3	8	360.0	245	3.21	3.570	15.84	0	0	3	4
Merc 240D	24.4	4	146.7	62	3.69	3.190	20.00	1	0	4	2
Merc 230	22.8	4	140.8	95	3.92	3.150	22.90	1	0	4	2
Merc 280	19.2	6	167.6	123	3.92	3.440	18.30	1	0	4	4
Merc 280C	17.8	6	167.6	123	3.92	3.440	18.90	1	0	4	4
Merc 450SE	16.4	8	275.8	180	3.07	4.070	17.40	0	0	3	3
Merc 450SL	17.3	8	275.8	180	3.07	3.730	17.60	0	0	3	3
Merc 450SLC	15.2	8	275.8	180	3.07	3.780	18.00	0	0	3	3
Cadillac Fleetwood	10.4	8	472.0	205	2.93	5.250	17.98	0	0	3	4
Lincoln Continental	10.4	8	460.0	215	3.00	5.424	17.82	0	0	3	4
Chrysler Imperial	14.7	8	440.0	230	3.23	5.345	17.42	0	0	3	4
Fiat 128	32.4	4	78.7	66	4.08	2.200	19.47	1	1	4	1
Honda Civic	30.4	4	75.7	52	4.93	1.615	18.52	1	1	4	2
Toyota Corolla	33.9	4	71.1	65	4.22	1.835	19.90	1	1	4	1

2.3 Vectores y listas (1).

Dado la siguiente pareja de vectores mu y nu, realizar una función que haga lo siguiente:

Vaya cogiendo los elementos de mu y nu que estén en la misma posición y los reuna en vectores.
Todas las parejas se reunirán en una lista y ésta es la salida de la función.

mu <- c(1,2,3)
nu <- c(4,5,6)

iset <- function(mu,nu){
  
 mi.iset <- mapply(c, as.list(mu), as.list(nu), SIMPLIFY=FALSE)
 # El SIMPLIFY=FALSE te muestra directamente la matriz por columnas, 
 # si el valor es TRUE te muestra la matriz aplanada.
 
 return(mi.iset)
}#end function

res <- iset(mu,nu)
res

## [[1]]
## [1] 1 4
## 
## [[2]]
## [1] 2 5
## 
## [[3]]
## [1] 3 6

2.4 Vectores y listas (2).

Implementa una función que reciba una matriz y devuelva la diagonal de la matriz D, la submatriz inferior debajo de la diagonal R y la la submatriz superior encima de la diagonal R.

divido.matriz <- function(M){
  
  return(list(D=diag(M), R=M[upper.tri(M)], L=M[lower.tri(M)]))
}# fin funcion

m <- matrix(1:9, nrow = 3)
m

##      [,1] [,2] [,3]
## [1,]    1    4    7
## [2,]    2    5    8
## [3,]    3    6    9

res <- divido.matriz(m)
res

## $D
## [1] 1 5 9
## 
## $R
## [1] 4 7 8
## 
## $L
## [1] 2 3 6

	foo	bar	baz
Jan	15	11	8
Feb	9	15	10
Mar	13	10	9
Apr	12	9	10
May	11	8	11
Jun	14	12	13
Jul	15	14	15
Aug	11	13	14
Sep	9	15	14
Oct	10	16	13
Nov	12	12	13
Dec	13	11	10

	foo	bar	baz
Jan	15	11	8
Feb	9	15	10
Mar	13	10	9
Apr	12	9	10
May	11	8	11
Jun	14	12	13
Jul	15	14	15
Aug	11	13	14
Sep	9	15	14
Oct	10	16	13
Nov	12	12	13
Dec	13	11	10

	foo	bar	baz
Jan	15	11	8
Feb	9	15	10
Mar	13	10	9
Apr	12	9	10
May	11	8	11
Jun	14	12	13
Jul	15	14	15
Aug	11	13	14
Sep	9	15	14
Oct	10	16	13
Nov	12	12	13
Dec	13	11	10