Con esta práctica se pretende aprender a usar la herramienta RStudio, que permite crear proyectos para ejecutar
comandos en lenguaje R para
realizar cálculos y generar diagramas.
R es un lenguaje de programación con el que se pueden escribir comandos, también llamados órdenes, instrucciones
o sentencias, que el ordenador ejecuta; para lo cual es necesario tener instalado un software denominado “R”,
disponible para Windows, macOS o Linux.
Para que sea más cómodo crear y ejecutar grupos de comandos R, es recomendable usar una herramienta como RStudio.
Se trata de un entorno de desarrollo integrado, que incluye un editor de comandos R, pero también otras
utilidades como una consola de ejecución de comandos, un gestor de archivos del proyecto, una sección para
visualizar gráficos, etc.
2. Instalación de R y RStudio
2.1 Instalación de R
Para que RStudio funcione, primero hay que instalar el software R, que se descarga desde cran.rediris.es.
En el caso de Windows, se selecciona “install R for the first time”.
Y se descarga la última versión disponible.
Es un archivo .exe, que una vez descargado hay que ejecutar para que se instale.
En todas las pantallas que aparezcan se selecciona el botón “Siguiente”.
2.2 Instalación de RStudio
Una vez instalado R, se puede instalar RStudio Desktop desde posit.co.
En el caso de Windows, descargamos el archivo .exe de la última versión y lo ejecutamos.
Seleccionamos el botón “Siguiente” en todas las ventanas.
Existe la opción de utilizar RStudio de forma online sin instalarlo en nuestro ordenador, usando un navegador web. Se trata de Posit Cloud, que ofrece una suscripción gratuita con algunas limitaciones.
2.3 Referencias sobre R y RStudio
Sobre R existen recomendaciones de manuales y documentos de consulta en el propio sitio web del proyecto R:
Para ejecutar RStudio, localizamos su icono en el escritorio de nuestro ordenador. No confundir con el icono de
R.
Al abrir RStudio aparece una ventana con diferentes secciones.
Debemos crear un nuevo proyecto desde el menú principal de la parte superior de la ventana:
File > New Project
Y aparece una ventana en la que elegiremos New Directory > New Project.
Al elegir esta opción, se nos pide el nombre del directorio (carpeta) del ordenador en el que queremos que se
guarde el proyecto. Con el botón “Browse” podemos navegar por el explorador de archivos del ordenador hasta la
carpeta que queramos usar para que se cree una subcarpeta para el proyecto.
Por ejemplo, podríamos crear el proyecto en una carpeta P1 para esta práctica, dentro de la carpeta Estadística:
Directory name: P1
Create Project as subdirectory of: C:/Estadistica
Si la carpeta Estadística no existe en el disco, se crea en el momento de seleccionar el botón “Create Project”.
Y aparece en entorno de trabajo de RStudio.
Pueden verse tres secciones:
Environment: Con las variables y otros recursos usados en el proyecto. De momento no hay nada.
Files: Donde se ve el contenido de la carpeta (directorio) del proyecto. De momento sol hay un archivo
llamado “R1.Rproj”.
Console: En esta sección se pueden escribir directamente los comandos en lenguaje R. Podemos probar a
escribir
una operación matemática como: 34+62 y vemos que nos responde con el resultado de la suma.
Si queremos limpiar la consola, podemos seleccionar el icono con forma de brocha o cepillo.
3.1 Crear un archivo de texto para comandos en lenguaje R
En las prácticas no escribiremos comando u órdenes en lenguaje R directamente en la consola, sino que crearemos
previamente un archivo de texto en el que escribiremos las órdenes, una en cada línea, así podemos guardar el
trabajo en dicho archivo y recuperarlo en siguientes sesiones.
Para crear un archivo hay que seleccionar:
File > New File > R Script
Al hacerlo, lo que ocurre es que se crea una nueva sección encima de la consola, que es un editor de texto, en el
que se abre el archivo recién creado, cuyo nombre inicial es “Untitled1”.
Para guardar este archivo de texto en la carpeta (directorio) del proyecto hay que seleccionar:
File > Save
Y se nos pide el nombre para el archivo, y escribimos por ejemplo “P1.R”. Los archivos de comandos en lenguaje R,
deben tener como extensión “.R” al final del nombre.
Al hacer esto, en el editor ahora aparece el nombre del archivo. Y el propio archivo podemos verlo en la ventana
File del proyecto.
Ya estamos en condiciones de empezar a escribir comandos R en el archivo de texto, uno por cada línea, por
ejemplo, podemos escribir estas dos líneas:
34+62
5^2
En la primera línea hemos escrito un comando, orden o instrucción para sumar dos números y en la segunda para
elevar 5 al cuadrado.
Para ejecutar cada línea hay que posicionar el cursor en esa línea y pulsar Ctrl+Intro en el teclado,
o bien el botón “Run” que aparece en la parte superior derecha del editor. Y el resultado de la ejecución de esa
línea debe aparecer en la consola. Si queremos ejecutar de una sola vez varias líneas del archivo de texto,
debemos seleccionar todas, y pulsar Ctrl+Intro o bien el botón “Run”.
Delante de cada resultado aparece un número [1] que de momento podemos ignorar, será útil cuando los resultados
de un mismo comando ocupen más de una línea, para poder identificar cada una de ellas.
4. Variables, operadores, comandos y funciones
Como en cualquier otro lenguaje de programación como Python, Java, C, JavaScript, etc., en R también se pueden
crear variables, y usar operadores y funciones.
Las variables son contenedores de valores. A una variable le podemos asignar un valor, y en aquellos comandos en
los que se use la variable, cuando se ejecute será sustituida por su valor.
Para asignar un valor a una variable podemos hacerlo de dos formas, con el operador <- o con el operador “=”. En
esta práctica y en las siguientes usaremos siempre el operador “=”.
Por ejemplo, podemos crear una variable edad y asignarle un valor 12.
edad = 12
O bien:
edad <- 12
Y después usarla en una expresión como:
edad + 100
Para ejecutar estas órdenes desde el archivo de texto P1.R, se recuerda que hay que pulsar
Ctrl+Intro en cada línea, y el resultado aparece en la consola.
Cuando creamos variables en un proyecto, aparecen en la sección “Environment”.
Puede observarse que al asignar un valor a una variable con edad=12, no aparece el resultado en la
consola. Si queremos ver el resultado de la asignación en la consola, hay que encerrar la expresión
entre paréntesis:
(edad=12)
Puede apreciarse que en un caso en la consola no se indica el valor 12 y en el otro sí, aunque en ambos
casos el resultado ha sido el mismo, es decir se ha creado la variable en el proyecto, aparece en
Environment y se puede usar a partir de ahora en el proyecto.
Si se utilizan números con decimales, hay que utilizar el punto “.” Para separar la parte entera de la
decimal.
precio = 34.99
También se pueden asignar textos a las variables, en este caso deben encerrarse entre comillas dobles o
simples.
nombre = "juan perez"
O bien:
nombre= 'juan perez'
También se pueden variables que almacenen valores lógicos o booleanos, que pueden ser TRUE o FALSE.
Por ejemplo:
respuesta = FALSE
Normalmente usamos nombres largos para las funciones, en ese caso se pueden usar símbolos como “_” o “.”
en el nombre de la función, o una notación “camelcase”, es decir poner en mayúscula la primera letra de
cada palabra. Lo habitual en r es usar el separador “.”. Por ejemplo, algunos nombres válidos podrían
ser:
Se pueden utilizar operadores de diferente tipo, como aritméticos y de comparación, entre otros.
Principales operadores aritméticos en R
Operador
Nombre
Ejemplo (consola)
+
Suma
> 30+10
[1] 40
-
Resta
> 456.78-0.50
[1] 456.28
*
Multiplicación
> 100*3
[1] 300
/
División
> 56/5
[1] 11.2
%/%
División entera
> 56%/%5
[1] 11
%%
Resto de un división
> 56%%5
[1] 1
^
Potencia
> 5^3
[1] 125
Con los operadores de comparación se obtiene un resultado TRUE o FALSE.
Principales operadores de comparación en R
Operador
Nombre
Ejemplo (consola)
==
Igual
> 6==5
[1] FALSE
!=
Desigual
> 6!=5
[1] TRUE
>
Mayor
> 6>5
[1] TRUE
>=
Mayor o igual
> 6>=5
[1] TRUE
<
Menor
> 6<5
[1] FALSE
<=
Menor o igual
> 6<=5
[1] FALSE
4.3 Comandos y comentarios
Los comandos de R son similares a las órdenes, instrucciones o sentencias de otros lenguajes de
programación.
Un grupo de comandos en un archivo “.R” se puede considerar un programa.
Los comandos se pueden separar con un salto de línea como ya hemos visto, pero también con punto y coma
“;”. Por ejemplo:
34+64; 5^2
Los comandos se pueden agrupar encerrándolos entre llaves “{ }”. Por ejemplo:
{x=34+62; y=5^2}; {x+y}
En un archivo “.R” se pueden incluir comentarios usando el símbolo “#”. Todo lo que haya a la derecha del
símbolo se considera un comentario y no se ejecuta.
# Ejemplo de suma
34+62
100-20 #Ejemplo de resta
4.4 Funciones
En los comandos se pueden usar funciones predefinidas (built-in) en el propio lenguaje o creadas por
desarrolladores y disponibles en librerías que se pueden descargar de Internet.
Cuando se usa una función, el intérprete de R ejecuta las líneas de código que estableció el autor de la
función. No necesitamos conocer dicho código, únicamente cuál es el objetivo de la función, los
parámetros o argumentos que tenemos que pasar a la función y el tipo de resultado que debe devolver.
Por ejemplo, la función sqrt() calcula la raíz cuadrada de un número.
Ejemplo de función
Función
sqrt(x)
Objetivo de la función
Calcular la raíz cuadrada de un número
Parámetros o argumentos
x: número real del que se quiere calcular la raíz cuadrada
Ejecuta en el proyecto actual el código contenido en “archivo.R”. Si no se indica la ruta
del archivo, se supone que está en el directorio de trabajo actual.
> source("c:\curso\ejemplo.R")
options(scipen = dígitos)
Establece que aquellos resultados que tengan un número de dígitos inferior al indicado,
se representen con notación fija, y no con notación científica que utiliza un formato de
un valor multiplicado por 10 elevado a un exponente.
> options(scipen = 100)
4.4.2 Funciones importadas de librerías
Con las funciones install.package y luego library podemos importar librerías de funciones contenidas
en paquetes públicos.
Si hemos instalado varios paquetes que tienen funciones con el mismo nombre, para diferenciarlas se puede poner delante de la función el nombre del paquete librería seguido de “::”. Por ejemplo:
Si queremos compartir nuestra función con otros desarrolladores, podemos guardar su código en un
archivo “.R” y enviarlo a los posibles interesados, para que lo incorporen a su proyecto usando la
función source(“archivo.R”).
5 Vectores
Los vectores son colecciones ordenadas de números, caracteres o valores lógicos. Se crean mediante la
función predefinida c().
Por ejemplo, podemos crear las siguientes variables de tipo vector:
Crea un vector como secuencia de número comenzando por inicio hasta fin y sumando una unidad para obtener el siguiente elemento del vector.
Se puede comenzar con un número decimal
Crea un vector de n números elegidos aleatoriamente entre los valores incio y fin. Se puede añadir el parámetro replace=TRUE para indicar que se admiten números repetidos
> num = sample(1:10, 5)
> num
[1] 4 6 9 2 1
> num = sample(1:10, 5, replace=TRUE)
> num
[1] 4 1 7 3 7
v[i]
Obtiene el valor del elemento que ocupa la posición “i” en el vector “v”
> valores=c(45,32,1,-5,0)
> segundo=valores[2]
> segundo
[1] 32
v[c(i,j,k)]
Obtiene un vector con los elementos del vector “v” que están en las posiciones “i”, “j” y “k”
> valores=c(45,32,1,-5,0)
> otro=valores[c(2,4)]
> otro
[1] 32 -5
v[c(-i,-j,-k)]
Obtiene un vector con todos los elementos del vector “v” menos los que están en las posiciones “i”, “j” y “k”
> valores=c(45,32,1,-5,0)
> sin=valores[c(-2,-4)]
> sin
[1] 45 1 0
v[i]=valor
Modifica el elemento de la posición “i” del vector “v” por el valor indicado
Obtiene un vector en el que cada valor indica el número de veces que aparece cada elemento diferente del vector v
> v=c(1,2,3,3,4,4,4)
> tabulate(v)
[1] 1 1 2 3
sample(v, n, replace=FALSE, prob=NULL)
Obtiene un vector con una muestra aleatoria con n valores del vector v, con o sin reemplazamiento
> v=c(1,2,3,3,4,4,4)
> sample(v,3)
[1] 4 2 4
Cuando se realizan operaciones aritméticas con vectores, estas operaciones se realizan elemento a elemento, como puede comprobarse en los siguientes ejemplos.
Las tablas son estructuras de datos con filas y columnas, en las que cada columna tiene un título o cabecera, y todos los elementos de una misma columna son del mismo tipo. Cada columna se trata como un vector.
Una tabla puede crearse con la función predefinida data.frame. Para crear un data.frame en R se utiliza la siguiente sintaxis:
En este tercer caso en la consola se muestra de otra forma, pero es un vector como en los casos anteriores.
NOTA: Es posible crear tablas usando la función data.table(), pero para ello hay que instalar el paquete data.table. Ambas funciones son similares, aunque data.table tiene algunas ventajas como la velocidad al procesar grandes volúmenes de datos. Para comenzar a trabajar con R, se suele recomendar primero usar data.frame.
En este enlace se realiza una comparación entre data.frame y data.table.
Se puede acceder a una fila de una tabla con tabla[fila,].
> personas[2,]
nombre apellido edad
2 Ana Garcia 33
O a una celda, indicando fila y columna con tabla[fila,columna]:
> personas[2,3]
[1] 33
A partir de una tabla se puede obtener otra sólo con las filas que cumplan una condición con tabla[condición]. Por ejemplo, con las personas que se apelliden “Garcia”.
> personas.garcia = personas[personas$apellido=="Garcia",]
> personas.garcia
nombre apellido edad
2 Ana Garcia 33
4 Jose Garcia 25
O por ejemplo con las personas que tengan más de 26 años.
> mayores = personas[personas$edad>26,]
> mayores
nombre apellido edad
2 Ana Garcia 33
3 Elena Lopez 30
La condición se puede utilizar para obtener una muestra aleatoria de filas de la tabla, usando la función sample.
> muestra=personas[sample(nrow(personas), size=2),]
> muestra
nombre apellido edad
4 Jose Garcia 25
3 Elena Lopez 30
Se puede modificar el valor de un dato en una tabla identificando su fila y columna: tabla[fila,columna].
> personas
nombre apellido edad
1 Juan Perez 25
2 Ana Garcia 33
3 Elena Lopez 30
4 Jose Garcia 25
> personas[2,3]=34
> personas
nombre apellido edad
1 Juan Perez 25
2 Ana Garcia 34
3 Elena Lopez 30
4 Jose Garcia 25
Se puede modificar una fila completa, mediante la notación tabla[fila,]=list(valores).
> personas[1,]=list("Pedro","Herrero",20)
> personas
nombre apellido edad
1 Pedro Herrero 20
2 Ana Garcia 34
3 Elena Lopez 30
4 Jose Garcia 25
Se puede eliminar una fila mediante la notación tabla[-fila,].
> personas=personas[-2,]
> personas
nombre apellido edad
1 Pedro Herrero 20
3 Elena Lopez 30
4 Jose Garcia 25
Se puede añadir una nueva fila al final de un tabla usando la función rbind()
> personas=rbind(personas,list("María","Gutierrez", 40))
> personas
nombre apellido edad
1 Pedro Herrero 20
3 Elena Lopez 30
4 Jose Garcia 25
5 María Gutierrez 40
Se puede eliminar una columna de una tabla usando la notación tabla[,-columna].
> personas
nombre apellido
1 Pedro Herrero
3 Elena Lopez
4 Jose Garcia
5 María Gutierrez
Se puede añadir una nueva columna a la derecha de la tabla usando la función cbind().
> nota=c(6,10,5,9)
> personas=cbind(personas,nota)
> personas
nombre apellido nota
1 Pedro Herrero 6
3 Elena Lopez 10
4 Jose Garcia 5
5 María Gutierrez 9
7 Archivos de datos
Cuando se utiliza R para realizar cálculos estadísticos, se suelen leer los datos desde el archivo en el que estén almacenados. Uno de los formatos que más se utiliza es CSV (Comma Separated Values). Un archivo csv puede generarse desde un programa de edición de hojas de cálculo, como Excel, LibreOffice, o Google Sheets.
En los siguientes sitios web podemos encontrar miles de archivos csv con datos reales:
datos.gob.es: Datos abiertos sobre servicios públicos en España
Para leer el contenido de un archivo .csv y almacenarlo en una tabla de tipo data.frame se utiliza la función read.csv2().
tabla = read.csv2(“archivo.csv”)
Esta función considera que, en el archivo, las columnas se separan con “;” y los números con parte decimal usan el carácter “,” como separador. Si usáramos un archivo de datos generado en un ordenador configurado para idioma inglés, habría que utilizar la función read.csv(), que considera que las columnas están separadas por “,” y el separado de decimales usado en el archivo es “.”.
NOTA: Aunque en el archivo de datos el separador decimal sea “,”, una vez leídos los datos y cargados en la variable del proyecto de R, hay que usar en los comandos R el separador “.”, como se ha hecho en los apartados anteriores.
Para probar con un archivo de ejemplo, vamos a descargar el archivo futbol.csv que contiene datos sobre equipos de fútbol.
El archivo descargado hay que guardarlo en la carpeta del nuestro proyecto P1 de RStudio. Para recordar cuál es nuestra carpeta o directorio de trabajo (working directory) se puede usar la función getwd() de R.
> getwd()
[1] "C:/Estadistica/P1"
Cada uno habrá obtenido la ubicación de su proyecto, y es en esa carpeta donde hay que guardar el archivo descargado. Que debe aparecer en la sección Files de RStudio.
Una vez que lo tenemos en el espacio de trabajo, podemos cargar los datos en una variable usando la función data.frame.
Ahora podemos usar cualquiera de las funciones vistas en los apartados anteriores. Por ejemplo, podemos consultar el máximo número de goles marcados por un equipo, el mínimo, o sumar el total de goles marcados por todos los equipos.
En las prácticas no vamos a generar archivos de datos, sólo procesar archivos ya existentes. No obstante, es algo sencillo que puede hacerse usando la función write.csv2.
Por ejemplo. Supongamos que ha habido un error en los goles del equipo 10 y en lugar de 47 goles ha marcado 48.
1) Resolver la ecuación de segundo grado \(3x^2 + 5x + 1 = 0\), usando la fórmula: \(x = {-5 \pm \sqrt{5^2-4 \cdot 3 \cdot 1} \over 2 \cdot 3}\).
2) Crear la función triple(x) para obtener el valor del parámetro o argumento x multiplicado por 3. Usar esa función para calcular el triple de 100.
3) Crear un vector v1 con los datos 20, 21, 22, .., 30 y otro vector v2 con los datos 1, 2, 3, .., 11. Con estos vectores realizar las siguientes operaciones:
a) Obtener un vector v3 que sea la suma de v1 y v2
b) Obtener un vector v4 que en el que los elementos sean las raíces cuadradas de los elementos de v1
c) Obtener un vector v5 con en el que los elementos tengan un valor doble que el valor de los elementos de v1
4) Leer el archivo futbol.csv, omitir los valores NA, y obtener en euros la suma de los presupuestos de todos los equipos. NOTA: El presupuesto en millones de euros de cada equipo está en la columna PRESUPUESTO del archivo.
5) Dividir la ventana Plots de RStudio en dos partes y dibujar los siguientes diagramas, uno junto a otro:
La recta y=-3x+50, en color azul, con el eje x desde 0 a 100, usando la función plot().
La recta y=-3x+50, en color azul, con el eje x desde 0 a 100, usando la función curve().
