Imagen abstracta de una mujer sentada en libros y estudiando en una computadora portátil

Curso basico de R

M
Mateo Martínez

El curso básico de R tiene como objetivo enseñar los fundamentos del lenguaje de programación R en el área de estadística. Cubre temas como la instalación de R, la creación de gráficos y operaciones con diferentes objetos y tipos de datos. Se basa en el documento de introducción al uso de R de Ramón Díaz-Uria y destaca la comunidad activa y los numerosos paquetes disponibles.

Software
1 de 128
Descargar para leer sin conexión
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
Curso b´asico de R Francesc Carmona fcarmona@ub.edu 15 de febrero de 2007 El objetivo principal de este curso es proporcionar los elementos b´asicos para empezar a trabajar con el lenguaje de programaci´on R en el ´ambito de la Estad´ıstica.
´Indice 1. Introducci´on 7 1.1. R y S . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.2. Obtenci´on y instalaci´on de R . . . . . . . . . . . . . . . . 10 1.3. Paquetes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 1.4. Documentaci´on . . . . . . . . . . . . . . . . . . . . . . . . 12 1.5. Ayudas sobre R . . . . . . . . . . . . . . . . . . . . . . . . 16 2. Empezamos 17 2.1. Inicio de una sesi´on en R . . . . . . . . . . . . . . . . . . 17 2.2. Una primera sesi´on . . . . . . . . . . . . . . . . . . . . . . 18 2.3. R como calculadora . . . . . . . . . . . . . . . . . . . . . . 19 2.4. Ayuda dentro del programa . . . . . . . . . . . . . . . . . 20 2.5. Instalaci´on de paquetes adicionales . . . . . . . . . . . . . 21 2.6. Usar R desde un editor . . . . . . . . . . . . . . . . . . . . 22 2.7. Un ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 3. Objetos en R 24
3.1. ¿Qu´e objetos? . . . . . . . . . . . . . . . . . . . . . . . . . 24 3.2. Tipos de objetos . . . . . . . . . . . . . . . . . . . . . . . 25 3.3. Atributos de los objetos . . . . . . . . . . . . . . . . . . . 28 3.4. Nombres para los objetos . . . . . . . . . . . . . . . . . . 30 3.5. Operaciones aritm´eticas . . . . . . . . . . . . . . . . . . . 31 3.6. Operadores l´ogicos . . . . . . . . . . . . . . . . . . . . . . 33 3.7. Discretizar datos . . . . . . . . . . . . . . . . . . . . . . . 35 3.8. Operaciones con conjuntos . . . . . . . . . . . . . . . . . 36 4. Vectores 37 4.1. Generaci´on de secuencias . . . . . . . . . . . . . . . . . . 37 4.2. Generaci´on de secuencias aleatorias . . . . . . . . . . . . 39 4.3. Selecci´on de elementos de un vector . . . . . . . . . . . . 40 4.4. Valores perdidos . . . . . . . . . . . . . . . . . . . . . . . . 41 4.5. Ordenaci´on de vectores . . . . . . . . . . . . . . . . . . . 43 4.6. Vectores de caracteres . . . . . . . . . . . . . . . . . . . . 44 4.7. Factores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45 5. Arrays y matrices 47
5.1. Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . 47 5.2. Operaciones con matrices . . . . . . . . . . . . . . . . . . 51 5.3. Combinaci´on de arrays . . . . . . . . . . . . . . . . . . . . 54 6. Data.frames 55 6.1. Definici´on . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 6.2. La familia apply . . . . . . . . . . . . . . . . . . . . . . . . 58 6.3. Tablas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 6.4. Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 7. Muchos objetos 63 7.1. Listas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63 7.2. Los objetos que tenemos . . . . . . . . . . . . . . . . . . . 64 7.3. En resumen . . . . . . . . . . . . . . . . . . . . . . . . . . 68 8. Datos 70 8.1. Lectura de datos . . . . . . . . . . . . . . . . . . . . . . . 70 8.2. Guardar y leer datos . . . . . . . . . . . . . . . . . . . . . 71 8.3. Importar datos de Excel . . . . . . . . . . . . . . . . . . . 72
8.4. Exportar datos . . . . . . . . . . . . . . . . . . . . . . . . 74 9. Gr´aficos 75 9.1. Introducci´on . . . . . . . . . . . . . . . . . . . . . . . . . . 75 9.2. El comando plot . . . . . . . . . . . . . . . . . . . . . . . 76 9.3. Identificaci´on interactiva de datos . . . . . . . . . . . . . 80 9.4. M´ultiples gr´aficos por ventana . . . . . . . . . . . . . . . . 81 9.5. Datos multivariantes . . . . . . . . . . . . . . . . . . . . . 82 9.6. Boxplots . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 9.7. Un poco de ruido . . . . . . . . . . . . . . . . . . . . . . . 84 9.8. Dibujar rectas . . . . . . . . . . . . . . . . . . . . . . . . . 85 9.9. M´as gr´aficos . . . . . . . . . . . . . . . . . . . . . . . . . . 86 9.10. Guardar los gr´aficos . . . . . . . . . . . . . . . . . . . . . 87 10.Funciones 88 10.1. Definici´on de funciones . . . . . . . . . . . . . . . . . . . . 88 10.2. Argumentos . . . . . . . . . . . . . . . . . . . . . . . . . . 89 10.3. Scope . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91 10.4. Control de ejecuci´on . . . . . . . . . . . . . . . . . . . . . 92
10.5. Cuando algo va mal . . . . . . . . . . . . . . . . . . . . . 95 10.6. Ejecuci´on no interactiva . . . . . . . . . . . . . . . . . . . 97 Este curso est´a basado muy especialmente en el documento Introducci´on al uso y programaci´on del sistema estad´ıstico R de Ram´on D´ıaz-Uriarte de la Unidad de Bioinform´atica del CNIO.
1. Introducci´on 1.1. R y S
1. Introducci´on 1.1. R y S R, tambi´en conocido como ”GNU S”, es un entorno y un lenguaje para el c´alculo estad´ıstico y la generaci´on de gr´aficos. R implementa un dialecto del premiado lenguaje S, desarrollado en los Laboratorios Bell por John Chambers et al.
1. Introducci´on 1.1. R y S R, tambi´en conocido como ”GNU S”, es un entorno y un lenguaje para el c´alculo estad´ıstico y la generaci´on de gr´aficos. R implementa un dialecto del premiado lenguaje S, desarrollado en los Laboratorios Bell por John Chambers et al. Para los no iniciados diremos que R provee un acceso relativamente sencillo a una amplia variedad de t´ecnicas estad´ısticas y gr´aficas.
1. Introducci´on 1.1. R y S R, tambi´en conocido como ”GNU S”, es un entorno y un lenguaje para el c´alculo estad´ıstico y la generaci´on de gr´aficos. R implementa un dialecto del premiado lenguaje S, desarrollado en los Laboratorios Bell por John Chambers et al. Para los no iniciados diremos que R provee un acceso relativamente sencillo a una amplia variedad de t´ecnicas estad´ısticas y gr´aficas. Para los usuarios avanzados se ofrece un lenguaje de programaci´on completo con el que a˜nadir nuevas t´ecnicas mediante la definici´on de funciones.
1. Introducci´on 1.1. R y S R, tambi´en conocido como ”GNU S”, es un entorno y un lenguaje para el c´alculo estad´ıstico y la generaci´on de gr´aficos. R implementa un dialecto del premiado lenguaje S, desarrollado en los Laboratorios Bell por John Chambers et al. Para los no iniciados diremos que R provee un acceso relativamente sencillo a una amplia variedad de t´ecnicas estad´ısticas y gr´aficas. Para los usuarios avanzados se ofrece un lenguaje de programaci´on completo con el que a˜nadir nuevas t´ecnicas mediante la definici´on de funciones. ”S ha modificado para siempre la forma en la que las personas analizan, visualizan y manipulan los datos”(Association of Computer Machinery Software System Award 1998 a John Chambers).
Actualmente, S y R son los dos lenguajes m´as utilizados en investigaci´on en estad´ıstica.
Actualmente, S y R son los dos lenguajes m´as utilizados en investigaci´on en estad´ıstica. Los grandes atractivos de R/S son:
Actualmente, S y R son los dos lenguajes m´as utilizados en investigaci´on en estad´ıstica. Los grandes atractivos de R/S son: La capacidad de combinar, sin fisuras, an´alisis ”preempaquetados”(ej., una regresi´on log´ıstica) con an´alisis ad-hoc, espec´ıficos para una situaci´on: capacidad de manipular y modificar datos y funciones.
Actualmente, S y R son los dos lenguajes m´as utilizados en investigaci´on en estad´ıstica. Los grandes atractivos de R/S son: La capacidad de combinar, sin fisuras, an´alisis ”preempaquetados”(ej., una regresi´on log´ıstica) con an´alisis ad-hoc, espec´ıficos para una situaci´on: capacidad de manipular y modificar datos y funciones. Los gr´aficos de alta calidad: visualizaci´on de datos y producci´on de gr´aficos para papers.
Actualmente, S y R son los dos lenguajes m´as utilizados en investigaci´on en estad´ıstica. Los grandes atractivos de R/S son: La capacidad de combinar, sin fisuras, an´alisis ”preempaquetados”(ej., una regresi´on log´ıstica) con an´alisis ad-hoc, espec´ıficos para una situaci´on: capacidad de manipular y modificar datos y funciones. Los gr´aficos de alta calidad: visualizaci´on de datos y producci´on de gr´aficos para papers. La comunidad de R es muy din´amica, con gran crecimiento del n´umero de paquetes, e integrada por estad´ısticos de gran renombre (ej., J. Chambers, L. Terney, B. Ripley, D. Bates, etc.).
Actualmente, S y R son los dos lenguajes m´as utilizados en investigaci´on en estad´ıstica. Los grandes atractivos de R/S son: La capacidad de combinar, sin fisuras, an´alisis ”preempaquetados”(ej., una regresi´on log´ıstica) con an´alisis ad-hoc, espec´ıficos para una situaci´on: capacidad de manipular y modificar datos y funciones. Los gr´aficos de alta calidad: visualizaci´on de datos y producci´on de gr´aficos para papers. La comunidad de R es muy din´amica, con gran crecimiento del n´umero de paquetes, e integrada por estad´ısticos de gran renombre (ej., J. Chambers, L. Terney, B. Ripley, D. Bates, etc.). Hay extensiones espec´ıficas a nuevas ´areas como bioinform´atica, geoestad´ıstica y modelos gr´aficos.
Actualmente, S y R son los dos lenguajes m´as utilizados en investigaci´on en estad´ıstica. Los grandes atractivos de R/S son: La capacidad de combinar, sin fisuras, an´alisis ”preempaquetados”(ej., una regresi´on log´ıstica) con an´alisis ad-hoc, espec´ıficos para una situaci´on: capacidad de manipular y modificar datos y funciones. Los gr´aficos de alta calidad: visualizaci´on de datos y producci´on de gr´aficos para papers. La comunidad de R es muy din´amica, con gran crecimiento del n´umero de paquetes, e integrada por estad´ısticos de gran renombre (ej., J. Chambers, L. Terney, B. Ripley, D. Bates, etc.). Hay extensiones espec´ıficas a nuevas ´areas como bioinform´atica, geoestad´ıstica y modelos gr´aficos. Es un lenguaje orientado a objetos.
Actualmente, S y R son los dos lenguajes m´as utilizados en investigaci´on en estad´ıstica. Los grandes atractivos de R/S son: La capacidad de combinar, sin fisuras, an´alisis ”preempaquetados”(ej., una regresi´on log´ıstica) con an´alisis ad-hoc, espec´ıficos para una situaci´on: capacidad de manipular y modificar datos y funciones. Los gr´aficos de alta calidad: visualizaci´on de datos y producci´on de gr´aficos para papers. La comunidad de R es muy din´amica, con gran crecimiento del n´umero de paquetes, e integrada por estad´ısticos de gran renombre (ej., J. Chambers, L. Terney, B. Ripley, D. Bates, etc.). Hay extensiones espec´ıficas a nuevas ´areas como bioinform´atica, geoestad´ıstica y modelos gr´aficos. Es un lenguaje orientado a objetos. Se parece a Matlab y a Octave, y su sintaxis recuerda a C/C++.
R es la implementaci´on GNU de S. Filosof´ıa y objetivos del proyecto GNU: http://www.gnu.org
R es la implementaci´on GNU de S. Filosof´ıa y objetivos del proyecto GNU: http://www.gnu.org R se distribuye con licencia GNU GPL o General Public http://www.gnu.org/licenses/gpl.html
R es la implementaci´on GNU de S. Filosof´ıa y objetivos del proyecto GNU: http://www.gnu.org R se distribuye con licencia GNU GPL o General Public http://www.gnu.org/licenses/gpl.html La GPL no pone ninguna restricci´on al uso de R. Restringe su distribuci´on (ha de ser GPL).
R es la implementaci´on GNU de S. Filosof´ıa y objetivos del proyecto GNU: http://www.gnu.org R se distribuye con licencia GNU GPL o General Public http://www.gnu.org/licenses/gpl.html La GPL no pone ninguna restricci´on al uso de R. Restringe su distribuci´on (ha de ser GPL). R se obtiene por 0 euros en http://cran.es.r-project.org S-PLUS es un programa comercial.
1.2. Obtenci´on y instalaci´on de R
1.2. Obtenci´on y instalaci´on de R Depende del sistema operativo, pero todo se puede encontrar en http://cran.es.r-project.org/bin
1.2. Obtenci´on y instalaci´on de R Depende del sistema operativo, pero todo se puede encontrar en http://cran.es.r-project.org/bin
1.2. Obtenci´on y instalaci´on de R Depende del sistema operativo, pero todo se puede encontrar en http://cran.es.r-project.org/bin Windows: se puede obtener un ejecutable desde http://cran.es.r-project.org/bin/windows/base por ejemplo, http://cran.es.r-project.org/bin/windows/base/R-2.4.1-win32.exe Al ejecutar el archivo se instalar´a el sistema base y los paquetes recomendados.
1.2. Obtenci´on y instalaci´on de R Depende del sistema operativo, pero todo se puede encontrar en http://cran.es.r-project.org/bin Windows: se puede obtener un ejecutable desde http://cran.es.r-project.org/bin/windows/base por ejemplo, http://cran.es.r-project.org/bin/windows/base/R-2.4.1-win32.exe Al ejecutar el archivo se instalar´a el sistema base y los paquetes recomendados. GNU/Linux: (dos opciones) 1. Obtener el R-x.y.z.tar.gz y compilar desde las fuentes. Tambi´en bajar los paquetes adicionales y instalarlos. (Buena forma de comprobar que el sistema tiene development tools). 2. Obtener binarios (ej., *.deb para Debian, *.rpm para RedHat, SuSE, Mandrake).
1.3. Paquetes R consta de un sistema base y de paquetes adicionales que extienden su funcionalidad. http://cran.es.r-project.org/src/contrib/PACKAGES.html
1.3. Paquetes R consta de un sistema base y de paquetes adicionales que extienden su funcionalidad. http://cran.es.r-project.org/src/contrib/PACKAGES.html Tipos de paquetes:
1.3. Paquetes R consta de un sistema base y de paquetes adicionales que extienden su funcionalidad. http://cran.es.r-project.org/src/contrib/PACKAGES.html Tipos de paquetes: Los que forman parte del sistema base (ej. ctest).
1.3. Paquetes R consta de un sistema base y de paquetes adicionales que extienden su funcionalidad. http://cran.es.r-project.org/src/contrib/PACKAGES.html Tipos de paquetes: Los que forman parte del sistema base (ej. ctest). Los que no son parte del sistema base, pero son recommended (ej., survival, nlme). En GNU/Linux y Windows ya forman parte de la distribuci´on est´andar.
1.3. Paquetes R consta de un sistema base y de paquetes adicionales que extienden su funcionalidad. http://cran.es.r-project.org/src/contrib/PACKAGES.html Tipos de paquetes: Los que forman parte del sistema base (ej. ctest). Los que no son parte del sistema base, pero son recommended (ej., survival, nlme). En GNU/Linux y Windows ya forman parte de la distribuci´on est´andar. Otros paquetes; ej., UsingR, foreing, los paquetes de Bioconductor (como multtest, etc.). ´Estos se han de seleccionar y instalar individualmente. M´as adelante veremos c´omo.
1.4. Documentaci´on Los manuales de R, incluidos en todas las instalaciones son: An introduction to R. (De lectura obligatoria) Writing R extensions. R data import/export. The R language definition. R installation and administration.
Documentaci´on general: R para principiantes, de E. Paradis. En http://cran.es.r-project.org/doc/contrib/Paradis-rdebuts_en.pdf o http://cran.es.r-project.org/doc/contrib/rdebuts_es.pdf. A guide for the unwilling S user, de P. Burns. En http://cran.es.r-project.org/doc/contrib/Burns-unwilling_S.pdf o http://www.burns-stat.com/pages/tutorials.html. ¡S´olo 8 p´aginas! R Graphics, de Paul Murrell. S Programming, de W. Venables y B. Ripley. Ver tambi´en http://www.stats.ox.ac.uk/pub/MASS3/Sprog.
Estad´ıstica: simpleR Using R for Introductory Statistics de John Verzani en http://www.math.csi.cuny.edu/Statistics/R/simpleR/index.html Introductory statistics with R de P. Dalgaard. An R and S-PLUS companion to applied regression de J. Fox. Modern applied statistics with S, 4th ed. de W. Venables y B. Ripley. Ver tambi´en http://www.stats.ox.ac.uk/pub/MASS4. Practical regression and ANOVA using R de J. Faraway, en http://cran.r-project.org/other-docs.html o http://www.stat.lsa.umich.edu/~faraway/book/. Estad´ıstica Aplicada con S-PLUS de M. Dolores Ugarte y Ana F. Militino. Otros documentos en http://cran.es.r-project.org/other-docs.html
S-PLUS 6.0 for Unix. Guide to statistics. Vol. I & II. En http://www.insightful.com/support/documentation.asp?DID=3 Mixed-effects models in S and S-PLUS de J. Pinheiro y D. Bates. Regression modelling strategies de F. Harrell. Modelos Lineales de F. Carmona. ”Site¸con documentaci´on sobre an´alisis para datos categ´oricos (”site”para el libro de A. Agresti Categorical data analysis). http://www.stat.ufl.edu/~aa/cda/cda.html Modeling survival data: extending the Cox model de T. M. Therenau y P. M. Grambsch. Documentos varios en la p´agina de J. Fox http://cran.r-project.org/doc/contrib/Fox-Companion/appendix.html
1.5. Ayudas sobre R Hay diversas formas de ayuda: Ayuda incluida con el programa (lo veremos m´as adelante). FAQ: http://cran.es.r-project.org/faqs.html Rtips de Paul Johnson http://pj.freefaculty.org/R/Rtips.html R Help Center http://www.stat.ucl.ac.be/ISdidactique/Rhelp/ Las e-mail lists son “consultables”. Ver http://cran.es.r-project.org/search.html y http://finzi.psych.upenn.edu/search.html. Permiten hacer las b´usquedas no s´olo sobre las listas de e-mail sino tambi´en sobre la documentaci´on (incluyendo paquetes).
2. Empezamos 2.1. Inicio de una sesi´on en R Windows: Hacer doble-click en el icono. Se abrir´a “Rgui”. Desde una “ventana del sistema” ejecutar Rterm o desde Inicio-Ejecutar... C:Archivos de programaRR-2.4.1binRterm.exe parecido a R en Unix o Linux. Iniciar R desde Tinn-R, XEmacs o un editor apropiado.
2. Empezamos 2.1. Inicio de una sesi´on en R Windows: Hacer doble-click en el icono. Se abrir´a “Rgui”. Desde una “ventana del sistema” ejecutar Rterm o desde Inicio-Ejecutar... C:Archivos de programaRR-2.4.1binRterm.exe parecido a R en Unix o Linux. Iniciar R desde Tinn-R, XEmacs o un editor apropiado. GNU/Linux: Escribir “R” en una shell. Iniciar R desde (X)Emacs (M-X R). En cualquier caso, se puede adaptar el inicio de una sesi´on de R (ej., qu´e paquetes se cargan, mensajes, etc.). Ver secci´on 10.8 en An introduction to R.
2.2. Una primera sesi´on > rnorm(5) # 5 n´umeros aleatorios de una normal (mean= 0, sd = 1) > ## "#" indica el principio de un comentario > ## Los n´umeros se calculan y se muestran (print) > > x <- rnorm(5) # asignamos unos n´umeros a un objeto (un vector) x > summary(x) ## muestra un resumen de x (un summary "inteligente") > > ## o tambi´en: > w <- summary(x) > w > print(w) # escribir w y print(w) produce el mismo resultado > > ## summary(x) TAMBI´EN es un objeto. (virtually) “everything is an object”
2.3. R como calculadora > 2+2 > sqrt(10) > 2*3*4*5 > # Intereses sobre 1000 euros > 1000*(1+0.075)^5 - 1000 > # R conoce pi > pi > # Circunferencia de la Tierra en el Ecuador en km > 2*pi*6378 > # Convertimos ´angulos a radianes y luego calculamos el seno > sin(c(0,30,45,60,90)*pi/180)
2.4. Ayuda dentro del programa ?rnorm help.start() ?help.search help.search("normal") ?apropos apropos("normal") ?demo demo(graphics); demo(persp); demo(lm.glm) !Cuidado¡ > ?if # mal > help("if")
2.5. Instalaci´on de paquetes adicionales Depende del sistema operativo: Windows: Desde el men´u Packages->Install package(s)... Primero nos pide seleccionar el “CRAN mirror”. Desde R, con install.packages() como en GNU/Linux. Desde una “ventana del sistema” o desde Inicio-Ejecutar... Rcmd INSTALL paquete Desde la interface de XEmacs.
2.5. Instalaci´on de paquetes adicionales Depende del sistema operativo: Windows: Desde el men´u Packages->Install package(s)... Primero nos pide seleccionar el “CRAN mirror”. Desde R, con install.packages() como en GNU/Linux. Desde una “ventana del sistema” o desde Inicio-Ejecutar... Rcmd INSTALL paquete Desde la interface de XEmacs. GNU/Linux: R CMD INSTALL paquete-x.y.z.tar.gz Permite instalar aunque uno no sea root (especificar el dir). M´as c´omodo, desde R, install.packages(), update.packages(), etc. Tambi´en permiten instalar si no eres root (especificar lib.loc).
2.6. Usar R desde un editor ¿Por qu´e usar R desde un editor como Tinn-R, R-WinEdt o XEmacs? El uso de scripts y el mantenimiento del c´odigo ordenado y comentado es una “buena pr´actica estad´ıstica” (ver tambi´en loadhistory, savehistory). Colores de sintaxis, completa par´entesis, etc. Una interface com´un para otros paquetes estad´ısticos (ej., SAS, XLispStat, Arc, etc.), num´ericos (ej., Octave) o procesador de texto (LaTeX). Una buena elecci´on: Tinn-R. Tambi´en WinEdt tiene una configuraci´on adaptada: R-WinEdt. (X)Emacs es MUCHO m´as que un editor..., aunque no es muy conocido para los usuarios de Windows (mejor con las modificaciones de J. Fox).
2.7. Un ejemplo Sea X una v.a. con distribuci´on exponencial de par´ametro α y X1, X2, . . . , Xn una muestra aleatoria simple. Se sabe que la distribuci´on de Z = n · m´ın{X1, X2, . . . , Xn} es exponencial de par´ametro α. > alpha <- 0.01; n <- 50; m <- 1000 > datos <- matrix(rexp(n * m, alpha), ncol=n) > fz <- function(x) n*min(x) > z <- apply(datos,1,fz) > mean(z) # debe ser 1/alpha=100 > > hist(z,freq=F) > points(dexp(0:600,alpha),type="l") > > ks.test(z,"pexp",alpha)
3. Objetos en R 3.1. ¿Qu´e objetos? Casi todo en R es un objeto, incluyendo funciones y estructuras de datos. Para saber los objetos que tenemos en el espacio de trabajo utilizaremos ls(). Escribir el nombre de un objeto muestra su contenido: mean. Para guardar el contenido del espacio de trabajo se pueden utilizar las funciones save.image() y save(<objetos>,file="nombre.RData") Para acceder a objetos de la carpeta de trabajo (o del camino que especifiquemos) se pueden adjuntar: > attach("misdatos.RData") > ls(pos=2) # segunda posici´on en la ‘‘search list’’
3.2. Tipos de objetos objetos del lenguaje: llamadas expresiones nombres
3.2. Tipos de objetos objetos del lenguaje: llamadas expresiones nombres expresiones: colecciones de expresiones correctas no evaluadas
3.2. Tipos de objetos objetos del lenguaje: llamadas expresiones nombres expresiones: colecciones de expresiones correctas no evaluadas funciones: Constan de lista de argumentos c´odigo entorno
3.2. Tipos de objetos objetos del lenguaje: llamadas expresiones nombres expresiones: colecciones de expresiones correctas no evaluadas funciones: Constan de lista de argumentos c´odigo entorno sin objeto: NULL
Objetos para los datos: vector: colecci´on ordenada de elementos del mismo tipo. > x <- c(1, 2, 3); y <- c("a", "b", "c") > z <- c(TRUE, TRUE, FALSE)
Objetos para los datos: vector: colecci´on ordenada de elementos del mismo tipo. > x <- c(1, 2, 3); y <- c("a", "b", "c") > z <- c(TRUE, TRUE, FALSE) array: generalizaci´on multidimensional del vector. Elementos del mismo tipo.
Objetos para los datos: vector: colecci´on ordenada de elementos del mismo tipo. > x <- c(1, 2, 3); y <- c("a", "b", "c") > z <- c(TRUE, TRUE, FALSE) array: generalizaci´on multidimensional del vector. Elementos del mismo tipo. data frame: como el array, pero con columnas de diferentes tipos. Es el objeto m´as habitual para los datos experimentales. > dades <- data.frame(ID=c("gen0", "genB", "genZ"), + subj1 = c(10, 25, 33), subj2 = c(NA, 34, 15), + oncogen = c(TRUE, TRUE, FALSE), + loc = c(1,30, 125))
Objetos para los datos: vector: colecci´on ordenada de elementos del mismo tipo. > x <- c(1, 2, 3); y <- c("a", "b", "c") > z <- c(TRUE, TRUE, FALSE) array: generalizaci´on multidimensional del vector. Elementos del mismo tipo. data frame: como el array, pero con columnas de diferentes tipos. Es el objeto m´as habitual para los datos experimentales. > dades <- data.frame(ID=c("gen0", "genB", "genZ"), + subj1 = c(10, 25, 33), subj2 = c(NA, 34, 15), + oncogen = c(TRUE, TRUE, FALSE), + loc = c(1,30, 125)) factor: tipo de vector para datos cualitativos. > x <- factor(c(1, 2, 2, 1, 1, 2, 1, 2, 1))
list: vector generalizado. Cada lista est´a formada por componentes que pueden ser otras listas. Cada componente puede ser de distinto tipo. Son contenedores generales de datos. Muy flexibles, pero sin estructura. Muchas funciones devuelven una lista o conjunto de resultados de distinta longitud y distinto tipo. > una.lista <- c(un.vector = 1:10, + una.palabra = "hola", + una.matriz = matrix(rnorm(20), ncol = 5), + lista2 = c(a = 5, + b = factor(c("a", "b"))))
3.3. Atributos de los objetos Modo: Tipo b´asico en un vector o array: l´ogico, entero, real, car´acter,... mode Tipo: de los vectores o arrays: double,... typeof Nombres: etiquetas de los elementos individuales de un vector o lista: names Dimensiones: de los arrays (alguna puede ser cero): dim Dimnames: nombres de las dimensiones de los arrays: dimnames Clase: vector alfanum´erico con la lista de las clases del objeto: class Otros: atributos de una serie temporal.
Ejemplos: > x <- 1:15; length(x) > y <- matrix(5, nrow = 3, ncol = 4); dim(y) > is.vector(x); is.vector(y); is.array(x) > x1 <- 1:5; x2 <- c(1, 2, 3, 4, 5); x3 <- "patata" > typeof(x1); typeof(x2); typeof(x3) > mode(x); mode(y); z <- c(TRUE, FALSE); mode(z) > attributes(y) > w <- list(a = 1:3, b = 5); attributes(w) > y <- as.data.frame(y); attributes(y) > f1 <- function(x) {return(2 * x)} > attributes(f1); is.function(f1)
3.4. Nombres para los objetos Los nombres v´alidos para un objeto son combinaciones de letras, n´umeros y el punto (“.”). Los nombres no pueden empezar con un n´umero. R es “case-sensitive”: x != X. Hay nombres reservados (“function”, “if”, etc.). Otras consideraciones: • El uso del “.” es distinto del de C++. • Mejor evitar nombres que R usa (ej., “c”) (se puede arreglar). > c <- 4; x <- c(3, 8); c > rm(c); c • Las asignaciones se hacen con "<-" y se recomiendan los espacios. El signo "=" se reserva para los argumentos de las funciones. > x<-1:5 # Estilo incorrecto > x <- 1:5 # Mucho mejor
3.5. Operaciones aritm´eticas Las operaciones con vectores mejoran el uso de bucles. Todo m´as claro: • Es la forma natural de operar sobre objetos completos. • C´odigo m´as f´acil de entender. • M´as sencillo de modificar y mantener. • M´as f´acil de hacer “debugging”. • M´as r´apido de escribir. M´as eficiente (en tiempo y memoria).
Principales operaciones aritm´eticas: suma +, resta -, multiplicaci´on *, divisi´on / potencia ^, ra´ız cuadrada sqrt %/% divisi´on entera, %% m´odulo: resto de la divisi´on entera logaritmos log, log10, log2, logb(x, base), exponencial exp trigonom´etricas sin, cos, tan, asin, acos, atan otras: max, min, range, pmax, pmin, mean, median, var, sd, quantile sum, prod, diff cumsum, cumprod, cummax, cummin Ejemplo: > data(presidents) > help(presidents) > range(presidents, na.rm = TRUE) > which.min(presidents)# 28 > which.max(presidents)# 2
3.6. Operadores l´ogicos <, >, <=, >=, ==, != !, &, |, xor() y los parecidos &&, || > x <- 5; x < 5; x >= 5; x == 6; x != 5 > y <- c(TRUE, FALSE); !y; z <- c(TRUE, TRUE) > xor(y, z) > y & z; y | z Las formas &&, || se eval´uan de izquierda a derecha, examinando s´olo el primer elemento de cada vector (si decide). Se suelen usar dentro de instrucciones “if”. if (is.numeric(x) && min(x) > 0) {entonces... min(x) no tiene sentido si x no es num´erico. 0 + y; as.numeric(y); mode(y) <- "numeric"
Ejemplo: > peso <- c(19,14,15,17,20,23,30,19,25) > peso < 20 > peso < 20 | peso > 25 > peso[peso<20] > peso[peso<20 & peso!=15] > trat <- c(rep("A",3),rep("B",3),rep("C",3)) > peso[trat=="A"] > peso[trat=="A"|trat=="B"] > split(peso,trat) > split(peso,trat)$A
3.7. Discretizar datos La funci´on split(x,f) > split(peso,trat) > split(peso,trat)$A La funci´on cut > vv <- rnorm(100) > cut1 <- cut(vv, 5) > table(cut1) > > cut2 <- cut(vv, quantile(vv, c(0, 1/4, 1/2, 3/4, 1))) > summary(cut2) > class(cut2)
3.8. Operaciones con conjuntos > x <- 1:5; y <- c(1, 3, 7:10) > union(x, y) > intersect(x, y) > setdiff(y, x) > v <- c("bcA1", "bcA2", "blX1") > w <- c("bcA2", "xA3") > union(v, w) > intersect(v, w) > setdiff(w, v) > setdiff(v, w)
4. Vectores 4.1. Generaci´on de secuencias > x <- c(1, 2, 3, 4, 5) > x <- 1:10; y <- -5:3 > 1:4+1; 1:(4+1) > x <- seq(from = 2, to = 18, by = 2) > x <- seq(from = 2, to = 18, length = 30) > y <- seq(along = x) > z2 <- c(1:5, 7:10, seq(from=-7,to=5,by=2))
> rep(1, 5) > x <- 1:3; rep(x, 2) > y <- rep(5, 3); rep(x, y) > rep(1:3, rep(5, 3)) > rep(x, x) > rep(x, length = 8) > gl(3, 5) # como rep(1:3, rep(5, 3)) > gl(4, 1, length = 20) # !Alerta! gl genera factores > gl(3, 4, label = c("Sano", "Enfermo", "Muerto")) > expand.grid(edad = c(10, 18, 25), > sexo = c("Macho", "Hembra"), loc = 1:3) Podemos combinar: z5 <- c(1:5, rep(8, 3))
4.2. Generaci´on de secuencias aleatorias > sample(5) > sample(5, 3) > x <- 1:10 > sample(x) > sample(x, replace = TRUE) > sample(x, length = 2* length(x), replace = TRUE) > probs <- x/sum(x) > sample(x, prob = probs) N´umeros aleatorios rDistribuci´on(n,par´ametros) > rnorm(10) # rnorm(10, mean = 0,sd = 1) > runif(8,min=2,max=10)
4.3. Selecci´on de elementos de un vector > x <- 1:5; x[1]; x[3]; x[c(1,3)] > x[x > 3] > x > 3 > y <- x > 3 > x[y] > x[-c(1, 4)]; y <- c(1, 2, 5); x[y] > names(x) <- c("a", "b", "c", "d", "patata") > x[c("b", "patata")]
4.4. Valores perdidos NA es el c´odigo de “Not available”. > v <- c(1,6,9,NA) > is.na(v); which(is.na(v)) > w <- v[!is.na(v)] # sin los valores perdidos > v == NA # !No funciona! ¿Por qu´e? Sustituir NA por, p.ej., 0: > v[is.na(v)] <- 0 El infinito y NaN (“not a number”) son diferentes de NA. > 5/0; -5/0; 0/0 > is.infinite(-5/0); is.nan(0/0); is.na(5/0) Con algunas funciones > xna <- c(1, 2, 3, NA, 4); mean(xna) > mean(xna, na.rm = TRUE)
Para “modelling functions” (ej. lm) lo mejor es usar na.omit na.exclude Esta ´ultima es m´as conveniente para generar predicciones, residuos, etc. Eliminar todos los NA: > XNA <- matrix(c(1,2,NA,3,NA,4), nrow = 3) > XNA > X.no.na <- na.omit(XNA)
4.5. Ordenaci´on de vectores > x1 <- c(5, 1, 8, 3) > order(x1) > sort(x1) > rev(x1) > rank(x1) > x1[order(x1)] > x2 <- c(1, 2, 2, 3, 3, 4); rank(x2) > min(x1); which.min(x1); which(x1 == min(x1)) > y <- c(1, 1, 2, 2); order(y, x) order y sort admiten decreasing = TRUE.
4.6. Vectores de caracteres > codigos <- paste(c("A", "B"), 2:3, sep = "") > codigos <- paste(c("A", "B"), 2:3, sep = ".") > juntar <- paste(c("una", "frase", "simple"), collapse =" ") > columna.a <- LETTERS[1:5]; columna.b <- 10:15 > juntar <- paste(columna.a, columna.b, sep ="") > substr("abcdef",2,4) > x <- paste(LETTERS[1:5], collapse="") > substr(x, 3, 5) <- c("uv") Otras funciones de manipulaci´on de caracteres: nchar, grep, match, pmatch, tolower, toupper, sub, gsub, regexpr.
4.7. Factores Consideremos el c´odigo postal: > codigo.postal <- c(28430, 28016, 28034); > mode(codigo.postal) No deber´ıamos usar el c´odigo postal en, por ejemplo, un ANOVA como si fuera un vector num´erico. Usar variables aparentemente num´ericas en an´alisis estad´ısticos es un grave error. > codigo.postal <- factor(codigo.postal) # mejor Antes de utilizar un vector con caracteres dentro de un an´alisis, hace falta convertirlo en un factor. En caso contrario, R protesta. > y <- rnorm(10); x <- rep(letters[1:5], 2) > aov(y ~ x) # !error! > aov(y ~ factor(x)) # funciona
Si queremos convertir un vector factor en num´erico: > x <- c(34, 89, 1000); y <- factor(x); y > as.numeric(y) # mal > # los valores han sido recodificados > as.numeric(as.character(y)) # bien Podemos fijar el orden de las etiquetas: > ftr1 <- factor(c("alto", "bajo", "medio")) > ftr1 > ftr1 <- factor(c("alto", "bajo", "medio"), + levels = c("bajo", "medio", "alto"))
5. Arrays y matrices 5.1. Definiciones Un array es una colecci´on de datos del mismo tipo con varias dimensiones. > a <- 1:24; dim(a) <- c(3,4,2) El vector a pasa a ser un array 3x4x2. Una matrix es un array con dos dimensiones. Tienen una funcionalidad muy parecida, pero matrix es m´as c´omoda. > a1 <- array(9, dim = c(5,4)) > a2 <- matrix(1:20, nrow = 5)# como en FORTRAN > a3 <- matrix(1:20, nrow = 5, byrow = TRUE) > a4 <- 1:20; dim(a4) <- c(5, 4)
Con las coordenadas se obtienen los elementos particulares, como en los vectores: > a[1,1,1]; a[1,1,2]; a[3,4,2] Tambi´en podemos considerar subconjuntos de un array > a[2, , ] # es un array de dimensi´on c(4,2) > a4[1, ]; a4[, 2]; a4[c(1, 3), c(2, 4)] Tambi´en se pueden dar las coordenadas matricialmente. Observar el ejemplo: > im <- matrix(c(1, 3, 2, 4), nrow = 2) > im > a4[im]
Ejemplo: > x <- c(190,8,22,191,4,1.7,223,80,2,210,50,3) > datos <- matrix(x,nrow=4,byrow=T); dim(datos) > ciudades <- c("Barna","Tarraco","Lleida","Gi") > dimnames(datos) <- list(ciudades,NULL) > variables <- c("A","B","C") > dimnames(datos) <- list(ciudades,variables) > datos > dimnames(datos) > datos["Barna", ] > datos[ ,"C"]
Otro ejemplo: > a4 <- 1:20; dim(a4) <- c(5, 4) > attributes(a4) > colnames(a4) <- paste("v", 1:4, sep = "") > rownames(a4) <- paste("id", 1:5, sep = ".") > a4[, c("v1", "v3")] > attributes(a4) Para ordenar un array por una columna: > matriz <- matrix(rnorm(20),ncol=4) > o.matriz <- matriz[order(matriz[, 1]), ]
5.2. Operaciones con matrices A %*% B : producto de matrices t(A) : transpuesta de la matriz A solve(A,b) : soluci´on del sistema de ecuaciones Ax=b. solve(A) : inversa de la matriz A svd(A) : descomposici´on en valores singulares qr(A) : descomposici´on QR eigen(A) : valores y vectores propios diag(b) : matriz diagonal (b es un vector) diag(A) : matriz diagonal (A es una matriz) A %o% B == outer(A,B) : producto exterior de dos vectores o matrices
Las funciones var, cov y cor calculan la varianza de x y la covarianza o correlaci´on de x y y si ´estos son vectores. Cuando x y y son matrices, entonces calculan las covarianzas (o correlaciones) entre las columnas de x y las columnas de y. > data(longley) > (Cl <- cor(longley)) > ## Graphical Correlation Matrix: > symnum(Cl) # highly correlated > ## Spearman’s rho > cor(apply(longley, 2, rank)) > cor(longley, method = "spearman") # better La funci´on cov2cor convierte “eficientemente” una matriz de covarianzas en la correspondiente matriz de correlaciones.
La funci´on outer(X, Y, FUN="*", ...) proporciona por defecto el producto exterior de los dos arrays. Sin embargo, podemos introducir otras funciones e incluso nuestras propias funciones. > x <- 1:9; names(x) <- x > # Multiplication & Power Tables > x %o% x > y <- 2:8; names(y) <- paste(y,":",sep="") > outer(y, x, "^")
5.3. Combinaci´on de arrays Para combinar vectores, matrices o arrays utilizamos las instrucciones rbind y cbind. > x1 <- 1:10; x2 <- 11:20 > a6 <- diag(6) # matriz identidad > a7 <- cbind(x1, x2); a8 <- rbind(x1, x2) > a24 <- cbind(a2, a4) > cbind(a4, a6) # no funciona > rbind(a4, a6) # no funciona > a9 <- matrix(rnorm(30), nrow = 5) > cbind(a4, a9) > rbind(a4, a9) # no funciona
6. Data.frames 6.1. Definici´on Para datos de diferentes tipos: > x3 <- letters[1:10] > a9 <- cbind(x1, x2, x3) ¿De qu´e tipo es a9? ¿Es eso lo que quer´ıamos? Mejor con un data.frame: > a10 <- data.frame(x1, x2, x3) > prcomp(a10[, c(1,2)])# comp. principales > prcomp(a10[, c("x1", "x2")]) > prcomp(a10[, -3])
Tambi´en podemos a˜nadir alguna columna a una matriz como datos: > playa <- c("si","si","no","no") > datos.df <- data.frame(datos,playa) > datos.df$playa Usar $ facilita el acceso y la creaci´on de nuevas columnas: > set.seed(1) # fija la semilla del random number generator > d1 <- data.frame(g1 = runif(10), g2 = rnorm(10)) > d1$edad <- c(rep(20, 5), rep(40, 5)) > set.seed(1) > d2 <- cbind(g1 = runif(10), g2 = rnorm(10)) > d2[, 3] <- c(rep(20, 5), rep(40, 5)) # error > d2 <- cbind(d2, edad = c(rep(20, 5), rep(40, 5)))
Adem´as, en los data.frame los “character vectors” se convierten en factores. Podemos convertir matrices a data.frame con as.data.frame(). Los data.frame tambi´en tienen rownames, colnames. > attributes(a10) # cuando no est´an definidos Tambi´en podemos usar dimnames(a10).
6.2. La familia apply > ax <- matrix(rnorm(20), ncol = 5) > medias.por.fila <- apply(ax, 1, mean) > por.si.na <- apply(ax, 1, mean, na.rm = TRUE) > mi.f1 <- function(x) { return(2*x - 25)} > mi.f1.por.fila <- apply(ax, 1, mi.f1) > mas.simple <- apply(ax, 1, function(x){return(2*x -25)}) > medias.por.columna <- apply(ax, 2, mean) > sample.rows <- apply(ax, 1, sample) > dos.cosas <- function(y){return(c(mean(y), var(y)))} > apply(ax, 1, dos.cosas) > t(apply(ax, 1, dos.cosas))
Utilizar apply es generalmente mucho m´as eficiente que un bucle. Adem´as de m´as claro, m´as f´acil, etc.. > parameters <- cbind(mean = -5:5, sd = 2:12) > z.data <- matrix(rnorm(1000 * 11), nrow = 11) > data <- (z.data * parameters[,2]) + parameters[,1] > apply(data, 1, mean); apply(data, 1, sd) Las funciones sapply(X,funci´on) y lapply(X,funci´on) son como apply(x,i,funci´on) pero no hay que especificar el ´ındice i=2; sapply intenta simplificar el resultado a un vector o a una matriz (la “s” es de “simplify”), pero lapply siempre devuelve una lista. Ambas pueden aplicarse a vectores, listas, arrays. > data(airquality) > sapply(airquality, function(x)sum(is.na(x)))
La funci´on tapply(x,y,funci´on) calcula la funci´on especificada sobre el objeto x seg´un las categor´ıas de y. > x <- c(19,14,15,17,20,23,19,19,21,18) > trat <- c(rep("A",5),rep("B",5)) > x.media <- tapply(x,trat,mean) > x.media apply, sapply, lapply y tapply son funciones muy ´utiles que contribuyen a hacer el c´odigo m´as legible, f´acil de entender, y facilitan posteriores modificaciones y aplicaciones. Consejo: Cada vez que vayamos a usar un “loop” intentemos substituirlo por alg´un miembro de familia apply. Algunas funciones hacen un apply: > x1 <- 1:10 > m1 <- matrix(1:20, ncol = 5) > d1 <- as.data.frame(m1) > mean(x1); mean(d1); sd(x1); sd(d1); median(m1); median(d1)
6.3. Tablas La tabulaci´on cruzada de dos variables cualitativas se consigue con la funci´on table. > table(sexo,nivel) Para introducir una tabla de contingencia tambi´en se utiliza la instrucci´on table. Las variables se definen con sus modalidades con la instrucci´on expand.grid(var1,var2). > resultado <- cbind(expand.grid( + calif=c("mejor","peor","igual"), + tratam=c("A","B"))) > frec <- c(21,34,5,7,12,14) > tabla <- table(calif,tratam)*frec > tabla
6.4. Ejemplo > d3 <- data.frame(g1=runif(10),g2=rnorm(10), + id1 = c(rep("a", 3), rep("b", 2), + rep("c", 2), rep("d", 3))) > my.fun <- function(x) { + las.medias <- mean(x[, -3]) + las.vars <- var(x[, -3]) + max.total <- max(x[, -3]) + tabla.clases <- table(x[, 3]) + return(list(row.means = las.medias, + row.vars = las.vars, maximum = max.total, + factor.classes = tabla.clases)) + } > my.fun(d3)
7. Muchos objetos 7.1. Listas > una.lista <- my.fun(d3); una.lista > attributes(una.lista); names(una.lista) > length(una.lista) > una.lista[[4]] > una.lista[4] # ¿por qu´e sale el nombre? class > una.lista$factor.classes > una.lista[[3]] <- list(NULL); una.lista > una.lista[[3]] <- NULL > una.lista # hemos eliminado el "slot" maximum > unlist(una.lista) > otra.lista <- list(cucu = 25, una.lista) > unlist(otra.lista) > unlist(otra.lista, drop = FALSE) > una.lista <- c(una.lista, otro.elemento = "una frase")
7.2. Los objetos que tenemos Para saber los objetos que hemos definido hacemos > ls() > objects() > objects(pattern="a*") R tiene una lista donde buscar los objetos accesibles: “the search list”. Cargar un paquete extiende la “search list”. Para obtener la lista de los directorios, llamados “databases”: > search() > library(MASS) > search()
Para que un objeto o directorio sea f´acilmente accesible lo podemos poner en la “search list” de R. En el caso de un data.frame, esto permite acceder directamente a las columnas por su nombre. > str(datos.df) # es un data.frame > A # error > attach(datos.df) > A # ahora s´ı > plot(A,B) # en lugar de plot(datos.df$A,datos.df$B) La actualizaci´on no es din´amica > datos.df$D <- 1:4 # una nueva columna > datos.df # aqu´ı est´a > D # pero aqu´ı no Para desconectar > detach(objeto)
Para borrar objetos concretos > rm(objetos) Para borrar todos los objetos del entorno de trabajo: > rm(list = ls()) Para cargar un archivo nombre.RData con objetos diversos (datos, funciones,...) se puede hacer un attach o un load. La primera instrucci´on accede a los objetos cuando se requieren, la segunda los carga todos. > load("nombre.RData")
¡Alerta! > datos.df > A <- 1 > A # usa la ´ultima > search() # el search path > detach(datos.df) > attach(datos.df) > D > A # cuidado Conclusi´on: En “entornos confusos”, como un an´alisis que se prolonga dos semanas, es mejor evitar attach y acceder siempre a las variables usando su localizaci´on expl´ıcita y completa.
7.3. En resumen La manipulaci´on de datos en R es muy flexible. Podemos seleccionar variables, casos, subsecciones de datos, etc, de acuerdo con criterios arbitrarios (que usan, adem´as, condiciones que pueden implicar a un n´umero arbitrario de variables y casos). Los data.frames y las matrices pueden separarse, juntarse, cambiarse de forma (reshape), etc. El indexado y selecci´on de casos pueden usar n´umeros, factores, cadenas de caracteres, etc. Podemos preparar c´odigo que repita las mismas operaciones con datos semejantes (i.e., podemos automatizar el proceso con sencillez). Podemos verificar “al vuelo” que estas transformaciones hacen lo que queremos que hagan (mirando selectivamente los resultados, o “emulando” el proceso en unos datos artificiales m´as peque˜nos). Por tanto, una vez que los datos est´an en R, no hay muchas
razones para exportarlos y hacer la selecci´on y manipulaci´on con otros lenguajes (ej., Python, Perl) para luego volver a leerlos en R.
8. Datos 8.1. Lectura de datos Para leer un fichero simple, con los datos separados por espacios en blanco, tabuladores o saltos de l´ınea, se utiliza la instrucci´on read.table en la forma: > fichero.df <- read.table("c:/dir/mi.fichero", + header = TRUE, sep = "", + comment.char = "") Si el car´acter decimal no es un punto sino, por ej., una coma, usar: dec = ",". Se pueden saltar l´ıneas (skip) o leer un n´umero fijo de l´ıneas (nrows). Hay funciones especializadas para otros archivos (ej., read.csv) pero son casos espec´ıficos de read.table.
8.2. Guardar y leer datos Resulta muy importante poder guardar datos, funciones, etc., para ser usados en otras sesiones de R. Esos datos as´ı guardados pueden compartirse con otros usuarios e incluso utilizarse en distintos sistemas operativos. > x <- runif(20) > y <- list(a = 1, b = TRUE, c = "patata") > save(x, y, file = "xy.RData") Los leeremos con > load("xy.RData")
Podemos guardar todos los objetos con > save.image() # guardado como ".RData" > save.image(file = "nombre.RData") El fichero .RData se carga al iniciarse R. R y muchos otros paquetes incorporan archivos con datos: Se cargan con load("nombre.RData"). La instrucci´on data permite cargar archivos de las librer´ıas disponibles. > data() # muestra todos los archivos > data(iris) > data(iris, package = "base") # equivalente > ?iris
8.3. Importar datos de Excel Lo mejor es exportar los datos desde Excel a un archivo de texto separado por tabuladores. Cuidado con las ´ultimas columnas y missing data (Excel elimina los “trailing tabs”). Dos formas de minimizar problemas: • Usar NA para missing. • Poner una ´ultima columna con datos arbitrarios (ej., una columna llena de 2s). Cuidado tambi´en con l´ıneas extra al final del fichero. Salvamos como texto (s´olo salvamos una de las hojas). Importamos en R con read.table.
8.4. Exportar datos Lo m´as sencillo es exportar una matriz (es necesario transponer la matriz). > write(t(x), file = "c:/dir/data.txt", + ncolumns = n, + append = FALSE) Pero para exportar un data.frame es mejor > write.table(my.data.frame, + file = "mi.output.txt", + sep = "",row.names = FALSE, + col.names = TRUE) Para escribir un fichero CSV importable desde Excel > write.table(x, file = "foo.csv", sep = ",", + col.names = NA)
9. Gr´aficos 9.1. Introducci´on R incluye muchas y variadas funciones para hacer gr´aficos. El sistema permite desde gr´aficos muy simples a figuras de calidad para incluir en art´ıculos y libros. S´olo examinaremos la superficie. M´as detalles en el libro R Graphics de Paul Murrell. Tambi´en podemos ver un buen conjunto de ejemplos con demo(graphics). El comando plot es uno de los m´as utilizados para realizar gr´aficos.
9.2. El comando plot Si escribimos plot(x, y) donde x e y son vectores con n coordenadas, entonces R representa el gr´afico de dispersi´on con los puntos de coordenadas (xi, yi). Este comando incluye por defecto una elecci´on autom´atica de ejes, escalas, etiquetas de los ejes, densidad de las l´ıneas, etc., que pueden ser modificados a˜nadiendo par´ametros gr´aficos al comando y que pueden visualizarse con help(par). > x <- runif(50, 0, 4); y <- runif(50, 0, 4) > plot(x, y, main = "T´ıtulo principal", + sub = "subt´ıtulo", xlab = "eje x", ylab = "eje y", + xlim = c(-5,5),ylim = c (-5,5))
Variaciones de plot: > z <- cbind(x,y) > plot(z) > plot(y ~ x) > plot(log(y + 1) ~ x) # transformaci´on de y > plot(x, y, type = "p") > plot(x, y, type = "l") > plot(x, y, type = "b") > plot(c(1,5), c(1,5)) > legend(1, 4, c("uno", "dos", "tres"), lty = 1:3, + col = c("red", "blue", "green"), + pch = 15:17, cex = 2) Con text podemos representar caracteres de texto directamente: > sexo <- c(rep("v", 20), rep("m", 30)) > plot(x, y, type = "n") > text(x, y, labels = sexo)
Puntos. > points(x, y, pch = 3, col = "red") Tipos de puntos. > plot(c(1, 10), c(1, 3), type = "n", axes = FALSE, + xlab = "", ylab="") > points(1:10, rep(1, 10), pch = 1:10, cex = 2, col = "blue") > points(1:10, rep(2, 10), pch = 11:20, cex = 2, col = "red") > points(1:10, rep(3, 10), pch = 21:30, cex = 2, + col = "blue", bg = "yellow") Tipos de l´ıneas. > plot(c(0, 10), c(0, 10), type = "n", xlab ="", + ylab ="") > for(i in 1:10) + abline(0, i/5, lty = i, lwd = 2) > for(i in 1:10) + abline(0, i/5, lty = i, lwd = 2)
lty permite especificaciones m´as complejas (longitud de los segmentos que son alternativamente dibujados y no dibujados). par controla muchos par´ametros gr´aficos. Por ejemplo, cex puede referirse a los “labels” (cex.lab), otro, cex.axis, a la anotaci´on de los ejes, etc. Hay muchos m´as colores. Ver palette, colors.
9.3. Identificaci´on interactiva de datos identify(x, y, etiquetas) identifica los puntos con el rat´on y escribe la correspondiente etiqueta. > x <- 1:10 > y <- sample(1:10) > nombres <- paste("punto", x, ".", y, sep ="") > plot(x, y) > identify(x, y, labels = nombres) locator() devuelve las coordenadas de los puntos. > plot(x, y) > locator() > text(locator(1), "el marcado", adj = 0)
9.4. M´ultiples gr´aficos por ventana Empezamos con par(mfrow=c(filas,columnas)) antes del comando plot. > par(mfrow = c(2, 2)) > plot(rnorm(10)) > plot(runif(5), rnorm(5)) > plot(runif(10)) > plot(rnorm(10), rnorm(10)) Podemos mostrar muchos gr´aficos en el mismo dispositivo gr´afico. La funci´on m´as flexible y sofisticada es split.screen, bien explicada en R para principiantes, secc. 4.1.2 (p. 30).
9.5. Datos multivariantes Diagrama de dispersi´on m´ultiple. > X <- matrix(rnorm(1000), ncol = 5) > colnames(X) <- c("a", "id", "edad", "loc", + "weight") > pairs(X) Gr´aficos condicionados (revelan interacciones). > Y <- as.data.frame(X) > Y$sexo <- as.factor(c(rep("Macho", 80), + rep("Hembra", 120))) > coplot(weight ~ edad | sexo, data = Y) > coplot(weight ~ edad | loc, data = Y) > coplot(weight ~ edad | loc * sexo, data = Y) La librer´ıa lattice permite lo mismo, y mucho m´as, que coplot. Ver secc. 4.6 de R para principiantes.
9.6. Boxplots Los diagramas de caja son muy ´utiles para ver r´apidamente las principales caracter´ısticas de una variable cuantitativa, o comparar entre variables. > attach(Y) > boxplot(weight) > plot(sexo, weight) > detach() > boxplot(weight ~ sexo, data = Y, + col = c("red", "blue")) La funci´on boxplot tiene muchas opciones; se puede modificar el aspecto, mostrarlos horizontalmente, en una matriz de boxplots, etc. V´ease la ayuda ?boxplot.
9.7. Un poco de ruido Los datos cuantitativos discretos pueden ser dif´ıciles de ver bien. Podemos a˜nadir un poco de ruido con el comando jitter. > dc1 <- sample(1:5, 500, replace = TRUE) > dc2 <- dc1 + sample(-2:2, 500, replace = TRUE, + prob = c(1, 2, 3, 2, 1)/9) > plot(dc1, dc2) > plot(jitter(dc1), jitter(dc2))
9.8. Dibujar rectas Podemos a˜nadir muchos elementos a un gr´afico, adem´as de leyendas y l´ıneas rectas. > x <- rnorm(50) > y <- rnorm(50) > plot(x, y) > lines(lowess(x, y), lty = 2) > plot(x, y) > abline(lm(y ~ x), lty = 3) Podemos a˜nadir otros elementos con “panel functions” en otras funciones (como pairs, lattice, etc).
9.9. M´as gr´aficos Podemos modificar m´argenes exteriores de figuras y entre figuras (v´ease ?par y b´usquense oma, omi, mar, mai; ejemplos en An introduction to R, secc. 12.5.3 y 12.5.4. Tambi´en gr´aficos 3D: persp, image, contour; histogramas: hist; gr´aficos de barras: barplot; gr´aficos de comparaci´on de cuantiles, usados para comparar la distribuci´on de dos variables, o la disribuci´on de unos datos frente a un est´andar (ej., distribuci´on normal): qqplot, qqnorm y, en paquete car, qq.plot. Notaci´on matem´atica (plotmath) y expresiones de texto arbitrariamente complejas. Gr´aficos tridimensionales din´amicos con XGobi y GGobi. Ver: http://cran.r-project.org/src/contrib/Descriptions/xgobi.html, http://www.ggobi.org, http://www.mcs.vuw.ac.nz/~ray/R-stuff/windows/gguide.pdf.
9.10. Guardar los gr´aficos En Windows, podemos usar los men´us y guardar con distintos formatos. Tambi´en podemos especificar donde queremos guardar el gr´afico. > pdf(file = "f1.pdf", width = 8, height = 10) > plot(rnorm(10)) > dev.off() O bien, podemos copiar una figura a un fichero. > plot(runif(50)) > dev.copy2eps()
10. Funciones 10.1. Definici´on de funciones R es un lenguaje que permite crear nuevas funciones. Una funci´on se define con una asignaci´on de la forma > nombre <- function(arg1,arg2,...){expresi´on} La expresi´on es una f´ormula o grupo de f´ormulas que utilizan los argumentos para calcular su valor. El valor de dicha expresi´on es el valor que proporciona R en su salida y ´este puede ser un simple n´umero, un vector, una gr´afica, una lista o un mensaje. Ejemplo: Suma de una progresi´on aritm´etica > suma <- function(a1,d,n){ + an <- a1+(n-1)*d; + ((a1+an)*n)/2}
10.2. Argumentos Una funci´on con cuatro argumentos > una.f <- function(a,b,c = 4,d = FALSE){x1<-a*z ...} Los argumentos a y b tienen que darse en el orden debido o, si los nombramos, podemos darlos en cualquier orden: > una.f(4, 5) > una.f(b = 5, a = 4) Pero los argumentos con nombre siempre se tienen que dar despu´es de los posicionales: > una.f(c = 25, 4, 5) # error Los argumentos c y d tienen valores por defecto. Podemos especificarlos nosotros o no (i.e., usar los valores por defecto).
args(nombre.funcion) nos muestra los argumentos de cualquier funci´on. “...” permite pasar argumentos a otra funci´on: > f3 <- function(x, y, label = "la x", ...){ + plot(x, y, xlab = label, ...)} > > f3(1:5, 1:5) > f3(1:5, 1:5, col = "red") Para realizar funciones de dos variables se puede utilizar el comando outer. Por ejemplo: > f <- function(x,y){cos(y)/(x^2-3)} > z <- outer(x,y,f)
10.3. Scope En la funci´on una.f “z” es una “free variable”: ¿c´omo se especifica su valor? Lexical scoping. Ver documento Frames, environments and scope in R and S-PLUS de J. Fox en http://cran.r-project.org/doc/contrib/Fox-Companion/appendix.html y secci´on 10.7 en An introduction to R. Tambi´en ver demo(scoping). Un ejemplo > cubo <- function(n) { + sq <- function() n*n # aqu´ı n no es un argumento + n*sq() + } En esto R (lexical scope) y S-PLUS (static scope) son distintos.
10.4. Control de ejecuci´on Principales instrucciones if(cond) expr if(cond) cons.expr else alt.expr for(var in seq) expr while(cond) expr repeat expr break next La expresi´on expr (tambi´en alt.expr) puede ser una expresi´on simple o una de las llamadas expresiones compuestas, normalmente del tipo {expr1; expr2}. Uno de los errores m´as habituales es el olvido de los corchetes {...} alrededor de las instrucciones, i.e. despu´es de if(...) o for(...).
if (cond.logica) instrucci´on else instrucci´on.alternativa > f4 <- function(x) { + if(x > 5) print("x > 5") + else { + y <- runif(1) + print(paste("y is ", y)) + } + } ifelse es una versi´on vectorizada (Thomas Untern¨ahrer, R-help, 2003-04-17) > odd.even <- function(x) { + ifelse(x %% 2 == 1, "Odd", "Even") + } > mtf <- matrix(c(TRUE, FALSE, TRUE, TRUE), + nrow = 2) > ifelse(mtf, 0, 1)
for (variable.loop in valores) instrucci´on > for(i in 1:10) cat("el valor de i es", i, "n") > continue.loop <- TRUE > x <- 0 > while(continue.loop) { + x <- x + 1 + print(x) + if( x > 10) continue.loop <- FALSE + } break para salir de un loop.
10.5. Cuando algo va mal Cuando se produce un error, traceback() nos informa de la secuencia de llamadas antes del “crash” de nuestra funci´on. Es ´util cuando se producen mensajes de error incomprensibles. Cuando se producen errores o la funci´on da resultados incorrectos o “warnings” indebidos podemos seguir la ejecuci´on de la funci´on. browser interrumpe la ejecuci´on a partir de ese punto y permite seguir la ejecuci´on o examinar el entorno; con “n” paso a paso, si otra tecla sigue la ejecuci´on normal. “Q” para salir. debug es como poner un broswer al principio de la funci´on y se ejecuta la funci´on paso a paso. Se sale con “Q”. > debug(my.buggy.function) > ... > undebug(my.buggy.function)
Ejemplo: > my.f2 <- function(x, y) { + z <- rnorm(10) + y2 <- z * y + y3 <- z * y * x + return(y3 + 25) + } > my.f2(runif(3), 1:4) > debug(my.f2) > my.f2(runif(3), 1:4) > undebug(my.f2) > # insertar un browser() y correr de nuevo
10.6. Ejecuci´on no interactiva Con source abrimos una sesi´on de R y hacemos > source("mi.fichero.con.codigo.R") Con BATCH: Rcmd BATCH mi.fichero.con.codigo.R source es en ocasiones m´as ´util porque informa inmediatamente de errores en el c´odigo. BATCH no informa, pero no requiere tener abierta una sesi´on (se puede correr en el background). Ver la ayuda: Rcmd BATCH --help Puede que necesitemos expl´ıcitos print statements o hacer source(my.file.R, echo = TRUE). sink es el inverso de source (lo manda todo a un fichero). Se pueden crear paquetes, con nuestras funciones, que se comporten igual que los dem´as paquetes. Ver Writing R extensions.
R puede llamar c´odigo compilado en C/C++ y FORTRAN. Ver .C, .Call, .Fortran. “Lexical scoping” importante en programaci´on m´as avanzada. No hemos mencionado el “computing on the language” (ej., do.call, eval, etc.). R es un verdadero “object-oriented language”. Dos implementaciones, las S3 classes y las S4 classes.

Más contenido relacionado

PDF
Manual LaTeX
Robert Ipanaqué Chero
 
PDF
Manual
Jessé Franco Alva
 
PDF
Libre office manual usuario impress
tecnologiasiguala
 
PDF
Maxima
Robert Ipanaqué Chero
 
PDF
MANUAL DE LENGUAJE C
claudiocj7
 
PDF
Fireworks Cs4 Help
Universidad Jose Antonio Paez
 
PDF
Creacion de mapas conceptuales cmap tools
Cristian Benavides
 
PDF
Creacion mapasconceptuales
lalitamarin
 
Manual LaTeX
Robert Ipanaqué Chero
 
Manual
Jessé Franco Alva
 
Libre office manual usuario impress
tecnologiasiguala
 
Maxima
Robert Ipanaqué Chero
 
MANUAL DE LENGUAJE C
claudiocj7
 
Fireworks Cs4 Help
Universidad Jose Antonio Paez
 
Creacion de mapas conceptuales cmap tools
Cristian Benavides
 
Creacion mapasconceptuales
lalitamarin
 

La actualidad más candente (17)

PDF
Manual dreamweaver cs5
Equipo 3
 
PDF
Dreamweaver cs5
Kevin Gonzalez
 
PDF
Absysnet avanzado
Katalogador
 
PDF
AbsysNet avanzado
Katalogador
 
PDF
Tutorial xhtml y css
iConstruye
 
PDF
Fedora guia de usuario
Miguel Castillo
 
PDF
O oo ms office
BartOc3
 
PDF
Ejercicios programacion prolog
rogersgarcia
 
PDF
Manual guadalinex edu
adolfogcasanova
 
PDF
Gasl
1 2d
 
PDF
Manual programación android
dcastacun
 
PDF
Fundamentos de programacion_piensa_en_c_osvaldo_cairo_battistutti-libre
Fausto Torres
 
PDF
Tabla de contenido y resumen
Jaquelinee Gómez Márquez
 
PDF
Practica5 final
Raquel Carretero
 
PDF
Memoria dinámica en el lenguaje de programación c
juan perez
 
PDF
Guia del-en roo-tador-2.8
1 2d
 
DOCX
Informatica 1 1
Daysi Paulina
 
Manual dreamweaver cs5
Equipo 3
 
Dreamweaver cs5
Kevin Gonzalez
 
Absysnet avanzado
Katalogador
 
AbsysNet avanzado
Katalogador
 
Tutorial xhtml y css
iConstruye
 
Fedora guia de usuario
Miguel Castillo
 
O oo ms office
BartOc3
 
Ejercicios programacion prolog
rogersgarcia
 
Manual guadalinex edu
adolfogcasanova
 
Gasl
1 2d
 
Manual programación android
dcastacun
 
Fundamentos de programacion_piensa_en_c_osvaldo_cairo_battistutti-libre
Fausto Torres
 
Tabla de contenido y resumen
Jaquelinee Gómez Márquez
 
Practica5 final
Raquel Carretero
 
Memoria dinámica en el lenguaje de programación c
juan perez
 
Guia del-en roo-tador-2.8
1 2d
 
Informatica 1 1
Daysi Paulina
 
Publicidad

Similar a Curso basico de R (20)

PDF
Introducción al r
Cocepción Aguilar
 
PDF
Datos con r
Javier Arciniegas
 
PDF
Boccardo ruiz2018.usoder studioparaestadsticaunivariadaencienciassociales19julio
Cristian Caiza
 
PDF
Manual r 1
Ramón Ruiz
 
PDF
ESTADISTICA-PROYECTO FINAL.pdf
DavidUmboFernandez
 
PDF
El Arte de Programar en R
Helio Colombe
 
PDF
El arte de programar en r
Luis Bautista
 
PDF
Santana el arte_de_programar_en_r
Vlad Crespo
 
PDF
Curso de R: 1.1. introducción al lenguaje (Objetos y operadores básicos)
Nerys Ramírez Mordán
 
PPTX
LENGUAJE DE PROGRAMACION R
Shirley Armas
 
PDF
Sesion R
Juanan Pereira
 
PDF
Articulo en r
Nasly Reyes Payares
 
PPTX
Deber n° 09 lenguajes de programación.
Mayra Almache
 
PDF
Curso básico de lenguaje R aplicado a las Ciencias Sociales
Nicolas Robinson-Garcia
 
PPTX
Clase 6 Introducción a R.pptx
MbaUstvilaEspaaAntof
 
PDF
Matlab adv esp
Luis Maury
 
PDF
Análisis Espacial con R
Jose Armando Cardenas Aguilar
 
PDF
10 11 introducción a r para desarrolladores
Software Guru
 
PDF
RasterR.pdf
jazonfabianhp
 
PDF
[Lm]10 consejos-para-empezar-con-r-sin-morir-en-el-intento
edwincarlos11
 
Introducción al r
Cocepción Aguilar
 
Datos con r
Javier Arciniegas
 
Boccardo ruiz2018.usoder studioparaestadsticaunivariadaencienciassociales19julio
Cristian Caiza
 
Manual r 1
Ramón Ruiz
 
ESTADISTICA-PROYECTO FINAL.pdf
DavidUmboFernandez
 
El Arte de Programar en R
Helio Colombe
 
El arte de programar en r
Luis Bautista
 
Santana el arte_de_programar_en_r
Vlad Crespo
 
Curso de R: 1.1. introducción al lenguaje (Objetos y operadores básicos)
Nerys Ramírez Mordán
 
LENGUAJE DE PROGRAMACION R
Shirley Armas
 
Sesion R
Juanan Pereira
 
Articulo en r
Nasly Reyes Payares
 
Deber n° 09 lenguajes de programación.
Mayra Almache
 
Curso básico de lenguaje R aplicado a las Ciencias Sociales
Nicolas Robinson-Garcia
 
Clase 6 Introducción a R.pptx
MbaUstvilaEspaaAntof
 
Matlab adv esp
Luis Maury
 
Análisis Espacial con R
Jose Armando Cardenas Aguilar
 
10 11 introducción a r para desarrolladores
Software Guru
 
RasterR.pdf
jazonfabianhp
 
[Lm]10 consejos-para-empezar-con-r-sin-morir-en-el-intento
edwincarlos11
 
Publicidad

Último (10)

PPTX
hojas_de_calculo_aplicado para microsoft office
proyectos650
 
PDF
Manual de mantenimiento de soporte y mantenimiento
soportloyita
 
PPTX
presentación de introducción a las metodologías agiles .pptx
Hnltoeaoa
 
PDF
Presentacion de compiladores e interpretes
KelvinMelgar
 
PPTX
PROPIEDADES Y METODOS DE PrOO CON PYTHON
fabianalejandroCadam
 
PDF
Estudio de factibilidad para requisiciones de soporte técnico utilizando OSTi...
SteveDSousa
 
PPTX
Control de seguridad en los sitios web.pptx
AudisMunive
 
PDF
DNS_SERVIDORES PARA ASER PRACTICAS EN REDES
CARLOSMAYANALVAREZ
 
PPTX
Competencias digitales.PPT.SOTFWAREPTT.0
arcoscabrerakreisly
 
PDF
Manual de mantenimiento de soporte y mantenimiento
soportloyita
 
hojas_de_calculo_aplicado para microsoft office
proyectos650
 
Manual de mantenimiento de soporte y mantenimiento
soportloyita
 
presentación de introducción a las metodologías agiles .pptx
Hnltoeaoa
 
Presentacion de compiladores e interpretes
KelvinMelgar
 
PROPIEDADES Y METODOS DE PrOO CON PYTHON
fabianalejandroCadam
 
Estudio de factibilidad para requisiciones de soporte técnico utilizando OSTi...
SteveDSousa
 
Control de seguridad en los sitios web.pptx
AudisMunive
 
DNS_SERVIDORES PARA ASER PRACTICAS EN REDES
CARLOSMAYANALVAREZ
 
Competencias digitales.PPT.SOTFWAREPTT.0
arcoscabrerakreisly
 
Manual de mantenimiento de soporte y mantenimiento
soportloyita
 

Curso basico de R

  • 1. Curso b´asico de R Francesc Carmona fcarmona@ub.edu 15 de febrero de 2007 El objetivo principal de este curso es proporcionar los elementos b´asicos para empezar a trabajar con el lenguaje de programaci´on R en el ´ambito de la Estad´ıstica.
  • 2. ´Indice 1. Introducci´on 7 1.1. R y S . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.2. Obtenci´on y instalaci´on de R . . . . . . . . . . . . . . . . 10 1.3. Paquetes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 1.4. Documentaci´on . . . . . . . . . . . . . . . . . . . . . . . . 12 1.5. Ayudas sobre R . . . . . . . . . . . . . . . . . . . . . . . . 16 2. Empezamos 17 2.1. Inicio de una sesi´on en R . . . . . . . . . . . . . . . . . . 17 2.2. Una primera sesi´on . . . . . . . . . . . . . . . . . . . . . . 18 2.3. R como calculadora . . . . . . . . . . . . . . . . . . . . . . 19 2.4. Ayuda dentro del programa . . . . . . . . . . . . . . . . . 20 2.5. Instalaci´on de paquetes adicionales . . . . . . . . . . . . . 21 2.6. Usar R desde un editor . . . . . . . . . . . . . . . . . . . . 22 2.7. Un ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 3. Objetos en R 24
  • 3. 3.1. ¿Qu´e objetos? . . . . . . . . . . . . . . . . . . . . . . . . . 24 3.2. Tipos de objetos . . . . . . . . . . . . . . . . . . . . . . . 25 3.3. Atributos de los objetos . . . . . . . . . . . . . . . . . . . 28 3.4. Nombres para los objetos . . . . . . . . . . . . . . . . . . 30 3.5. Operaciones aritm´eticas . . . . . . . . . . . . . . . . . . . 31 3.6. Operadores l´ogicos . . . . . . . . . . . . . . . . . . . . . . 33 3.7. Discretizar datos . . . . . . . . . . . . . . . . . . . . . . . 35 3.8. Operaciones con conjuntos . . . . . . . . . . . . . . . . . 36 4. Vectores 37 4.1. Generaci´on de secuencias . . . . . . . . . . . . . . . . . . 37 4.2. Generaci´on de secuencias aleatorias . . . . . . . . . . . . 39 4.3. Selecci´on de elementos de un vector . . . . . . . . . . . . 40 4.4. Valores perdidos . . . . . . . . . . . . . . . . . . . . . . . . 41 4.5. Ordenaci´on de vectores . . . . . . . . . . . . . . . . . . . 43 4.6. Vectores de caracteres . . . . . . . . . . . . . . . . . . . . 44 4.7. Factores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45 5. Arrays y matrices 47
  • 4. 5.1. Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . 47 5.2. Operaciones con matrices . . . . . . . . . . . . . . . . . . 51 5.3. Combinaci´on de arrays . . . . . . . . . . . . . . . . . . . . 54 6. Data.frames 55 6.1. Definici´on . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 6.2. La familia apply . . . . . . . . . . . . . . . . . . . . . . . . 58 6.3. Tablas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 6.4. Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 7. Muchos objetos 63 7.1. Listas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63 7.2. Los objetos que tenemos . . . . . . . . . . . . . . . . . . . 64 7.3. En resumen . . . . . . . . . . . . . . . . . . . . . . . . . . 68 8. Datos 70 8.1. Lectura de datos . . . . . . . . . . . . . . . . . . . . . . . 70 8.2. Guardar y leer datos . . . . . . . . . . . . . . . . . . . . . 71 8.3. Importar datos de Excel . . . . . . . . . . . . . . . . . . . 72
  • 5. 8.4. Exportar datos . . . . . . . . . . . . . . . . . . . . . . . . 74 9. Gr´aficos 75 9.1. Introducci´on . . . . . . . . . . . . . . . . . . . . . . . . . . 75 9.2. El comando plot . . . . . . . . . . . . . . . . . . . . . . . 76 9.3. Identificaci´on interactiva de datos . . . . . . . . . . . . . 80 9.4. M´ultiples gr´aficos por ventana . . . . . . . . . . . . . . . . 81 9.5. Datos multivariantes . . . . . . . . . . . . . . . . . . . . . 82 9.6. Boxplots . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 9.7. Un poco de ruido . . . . . . . . . . . . . . . . . . . . . . . 84 9.8. Dibujar rectas . . . . . . . . . . . . . . . . . . . . . . . . . 85 9.9. M´as gr´aficos . . . . . . . . . . . . . . . . . . . . . . . . . . 86 9.10. Guardar los gr´aficos . . . . . . . . . . . . . . . . . . . . . 87 10.Funciones 88 10.1. Definici´on de funciones . . . . . . . . . . . . . . . . . . . . 88 10.2. Argumentos . . . . . . . . . . . . . . . . . . . . . . . . . . 89 10.3. Scope . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91 10.4. Control de ejecuci´on . . . . . . . . . . . . . . . . . . . . . 92
  • 6. 10.5. Cuando algo va mal . . . . . . . . . . . . . . . . . . . . . 95 10.6. Ejecuci´on no interactiva . . . . . . . . . . . . . . . . . . . 97 Este curso est´a basado muy especialmente en el documento Introducci´on al uso y programaci´on del sistema estad´ıstico R de Ram´on D´ıaz-Uriarte de la Unidad de Bioinform´atica del CNIO.
  • 8. 1. Introducci´on 1.1. R y S R, tambi´en conocido como ”GNU S”, es un entorno y un lenguaje para el c´alculo estad´ıstico y la generaci´on de gr´aficos. R implementa un dialecto del premiado lenguaje S, desarrollado en los Laboratorios Bell por John Chambers et al.
  • 9. 1. Introducci´on 1.1. R y S R, tambi´en conocido como ”GNU S”, es un entorno y un lenguaje para el c´alculo estad´ıstico y la generaci´on de gr´aficos. R implementa un dialecto del premiado lenguaje S, desarrollado en los Laboratorios Bell por John Chambers et al. Para los no iniciados diremos que R provee un acceso relativamente sencillo a una amplia variedad de t´ecnicas estad´ısticas y gr´aficas.
  • 10. 1. Introducci´on 1.1. R y S R, tambi´en conocido como ”GNU S”, es un entorno y un lenguaje para el c´alculo estad´ıstico y la generaci´on de gr´aficos. R implementa un dialecto del premiado lenguaje S, desarrollado en los Laboratorios Bell por John Chambers et al. Para los no iniciados diremos que R provee un acceso relativamente sencillo a una amplia variedad de t´ecnicas estad´ısticas y gr´aficas. Para los usuarios avanzados se ofrece un lenguaje de programaci´on completo con el que a˜nadir nuevas t´ecnicas mediante la definici´on de funciones.
  • 11. 1. Introducci´on 1.1. R y S R, tambi´en conocido como ”GNU S”, es un entorno y un lenguaje para el c´alculo estad´ıstico y la generaci´on de gr´aficos. R implementa un dialecto del premiado lenguaje S, desarrollado en los Laboratorios Bell por John Chambers et al. Para los no iniciados diremos que R provee un acceso relativamente sencillo a una amplia variedad de t´ecnicas estad´ısticas y gr´aficas. Para los usuarios avanzados se ofrece un lenguaje de programaci´on completo con el que a˜nadir nuevas t´ecnicas mediante la definici´on de funciones. ”S ha modificado para siempre la forma en la que las personas analizan, visualizan y manipulan los datos”(Association of Computer Machinery Software System Award 1998 a John Chambers).
  • 12. Actualmente, S y R son los dos lenguajes m´as utilizados en investigaci´on en estad´ıstica.
  • 13. Actualmente, S y R son los dos lenguajes m´as utilizados en investigaci´on en estad´ıstica. Los grandes atractivos de R/S son:
  • 14. Actualmente, S y R son los dos lenguajes m´as utilizados en investigaci´on en estad´ıstica. Los grandes atractivos de R/S son: La capacidad de combinar, sin fisuras, an´alisis ”preempaquetados”(ej., una regresi´on log´ıstica) con an´alisis ad-hoc, espec´ıficos para una situaci´on: capacidad de manipular y modificar datos y funciones.
  • 15. Actualmente, S y R son los dos lenguajes m´as utilizados en investigaci´on en estad´ıstica. Los grandes atractivos de R/S son: La capacidad de combinar, sin fisuras, an´alisis ”preempaquetados”(ej., una regresi´on log´ıstica) con an´alisis ad-hoc, espec´ıficos para una situaci´on: capacidad de manipular y modificar datos y funciones. Los gr´aficos de alta calidad: visualizaci´on de datos y producci´on de gr´aficos para papers.
  • 16. Actualmente, S y R son los dos lenguajes m´as utilizados en investigaci´on en estad´ıstica. Los grandes atractivos de R/S son: La capacidad de combinar, sin fisuras, an´alisis ”preempaquetados”(ej., una regresi´on log´ıstica) con an´alisis ad-hoc, espec´ıficos para una situaci´on: capacidad de manipular y modificar datos y funciones. Los gr´aficos de alta calidad: visualizaci´on de datos y producci´on de gr´aficos para papers. La comunidad de R es muy din´amica, con gran crecimiento del n´umero de paquetes, e integrada por estad´ısticos de gran renombre (ej., J. Chambers, L. Terney, B. Ripley, D. Bates, etc.).
  • 17. Actualmente, S y R son los dos lenguajes m´as utilizados en investigaci´on en estad´ıstica. Los grandes atractivos de R/S son: La capacidad de combinar, sin fisuras, an´alisis ”preempaquetados”(ej., una regresi´on log´ıstica) con an´alisis ad-hoc, espec´ıficos para una situaci´on: capacidad de manipular y modificar datos y funciones. Los gr´aficos de alta calidad: visualizaci´on de datos y producci´on de gr´aficos para papers. La comunidad de R es muy din´amica, con gran crecimiento del n´umero de paquetes, e integrada por estad´ısticos de gran renombre (ej., J. Chambers, L. Terney, B. Ripley, D. Bates, etc.). Hay extensiones espec´ıficas a nuevas ´areas como bioinform´atica, geoestad´ıstica y modelos gr´aficos.
  • 18. Actualmente, S y R son los dos lenguajes m´as utilizados en investigaci´on en estad´ıstica. Los grandes atractivos de R/S son: La capacidad de combinar, sin fisuras, an´alisis ”preempaquetados”(ej., una regresi´on log´ıstica) con an´alisis ad-hoc, espec´ıficos para una situaci´on: capacidad de manipular y modificar datos y funciones. Los gr´aficos de alta calidad: visualizaci´on de datos y producci´on de gr´aficos para papers. La comunidad de R es muy din´amica, con gran crecimiento del n´umero de paquetes, e integrada por estad´ısticos de gran renombre (ej., J. Chambers, L. Terney, B. Ripley, D. Bates, etc.). Hay extensiones espec´ıficas a nuevas ´areas como bioinform´atica, geoestad´ıstica y modelos gr´aficos. Es un lenguaje orientado a objetos.
  • 19. Actualmente, S y R son los dos lenguajes m´as utilizados en investigaci´on en estad´ıstica. Los grandes atractivos de R/S son: La capacidad de combinar, sin fisuras, an´alisis ”preempaquetados”(ej., una regresi´on log´ıstica) con an´alisis ad-hoc, espec´ıficos para una situaci´on: capacidad de manipular y modificar datos y funciones. Los gr´aficos de alta calidad: visualizaci´on de datos y producci´on de gr´aficos para papers. La comunidad de R es muy din´amica, con gran crecimiento del n´umero de paquetes, e integrada por estad´ısticos de gran renombre (ej., J. Chambers, L. Terney, B. Ripley, D. Bates, etc.). Hay extensiones espec´ıficas a nuevas ´areas como bioinform´atica, geoestad´ıstica y modelos gr´aficos. Es un lenguaje orientado a objetos. Se parece a Matlab y a Octave, y su sintaxis recuerda a C/C++.
  • 20. R es la implementaci´on GNU de S. Filosof´ıa y objetivos del proyecto GNU: http://www.gnu.org
  • 21. R es la implementaci´on GNU de S. Filosof´ıa y objetivos del proyecto GNU: http://www.gnu.org R se distribuye con licencia GNU GPL o General Public http://www.gnu.org/licenses/gpl.html
  • 22. R es la implementaci´on GNU de S. Filosof´ıa y objetivos del proyecto GNU: http://www.gnu.org R se distribuye con licencia GNU GPL o General Public http://www.gnu.org/licenses/gpl.html La GPL no pone ninguna restricci´on al uso de R. Restringe su distribuci´on (ha de ser GPL).
  • 23. R es la implementaci´on GNU de S. Filosof´ıa y objetivos del proyecto GNU: http://www.gnu.org R se distribuye con licencia GNU GPL o General Public http://www.gnu.org/licenses/gpl.html La GPL no pone ninguna restricci´on al uso de R. Restringe su distribuci´on (ha de ser GPL). R se obtiene por 0 euros en http://cran.es.r-project.org S-PLUS es un programa comercial.
  • 24. 1.2. Obtenci´on y instalaci´on de R
  • 25. 1.2. Obtenci´on y instalaci´on de R Depende del sistema operativo, pero todo se puede encontrar en http://cran.es.r-project.org/bin
  • 26. 1.2. Obtenci´on y instalaci´on de R Depende del sistema operativo, pero todo se puede encontrar en http://cran.es.r-project.org/bin
  • 27. 1.2. Obtenci´on y instalaci´on de R Depende del sistema operativo, pero todo se puede encontrar en http://cran.es.r-project.org/bin Windows: se puede obtener un ejecutable desde http://cran.es.r-project.org/bin/windows/base por ejemplo, http://cran.es.r-project.org/bin/windows/base/R-2.4.1-win32.exe Al ejecutar el archivo se instalar´a el sistema base y los paquetes recomendados.
  • 28. 1.2. Obtenci´on y instalaci´on de R Depende del sistema operativo, pero todo se puede encontrar en http://cran.es.r-project.org/bin Windows: se puede obtener un ejecutable desde http://cran.es.r-project.org/bin/windows/base por ejemplo, http://cran.es.r-project.org/bin/windows/base/R-2.4.1-win32.exe Al ejecutar el archivo se instalar´a el sistema base y los paquetes recomendados. GNU/Linux: (dos opciones) 1. Obtener el R-x.y.z.tar.gz y compilar desde las fuentes. Tambi´en bajar los paquetes adicionales y instalarlos. (Buena forma de comprobar que el sistema tiene development tools). 2. Obtener binarios (ej., *.deb para Debian, *.rpm para RedHat, SuSE, Mandrake).
  • 29. 1.3. Paquetes R consta de un sistema base y de paquetes adicionales que extienden su funcionalidad. http://cran.es.r-project.org/src/contrib/PACKAGES.html
  • 30. 1.3. Paquetes R consta de un sistema base y de paquetes adicionales que extienden su funcionalidad. http://cran.es.r-project.org/src/contrib/PACKAGES.html Tipos de paquetes:
  • 31. 1.3. Paquetes R consta de un sistema base y de paquetes adicionales que extienden su funcionalidad. http://cran.es.r-project.org/src/contrib/PACKAGES.html Tipos de paquetes: Los que forman parte del sistema base (ej. ctest).
  • 32. 1.3. Paquetes R consta de un sistema base y de paquetes adicionales que extienden su funcionalidad. http://cran.es.r-project.org/src/contrib/PACKAGES.html Tipos de paquetes: Los que forman parte del sistema base (ej. ctest). Los que no son parte del sistema base, pero son recommended (ej., survival, nlme). En GNU/Linux y Windows ya forman parte de la distribuci´on est´andar.
  • 33. 1.3. Paquetes R consta de un sistema base y de paquetes adicionales que extienden su funcionalidad. http://cran.es.r-project.org/src/contrib/PACKAGES.html Tipos de paquetes: Los que forman parte del sistema base (ej. ctest). Los que no son parte del sistema base, pero son recommended (ej., survival, nlme). En GNU/Linux y Windows ya forman parte de la distribuci´on est´andar. Otros paquetes; ej., UsingR, foreing, los paquetes de Bioconductor (como multtest, etc.). ´Estos se han de seleccionar y instalar individualmente. M´as adelante veremos c´omo.
  • 34. 1.4. Documentaci´on Los manuales de R, incluidos en todas las instalaciones son: An introduction to R. (De lectura obligatoria) Writing R extensions. R data import/export. The R language definition. R installation and administration.
  • 35. Documentaci´on general: R para principiantes, de E. Paradis. En http://cran.es.r-project.org/doc/contrib/Paradis-rdebuts_en.pdf o http://cran.es.r-project.org/doc/contrib/rdebuts_es.pdf. A guide for the unwilling S user, de P. Burns. En http://cran.es.r-project.org/doc/contrib/Burns-unwilling_S.pdf o http://www.burns-stat.com/pages/tutorials.html. ¡S´olo 8 p´aginas! R Graphics, de Paul Murrell. S Programming, de W. Venables y B. Ripley. Ver tambi´en http://www.stats.ox.ac.uk/pub/MASS3/Sprog.
  • 36. Estad´ıstica: simpleR Using R for Introductory Statistics de John Verzani en http://www.math.csi.cuny.edu/Statistics/R/simpleR/index.html Introductory statistics with R de P. Dalgaard. An R and S-PLUS companion to applied regression de J. Fox. Modern applied statistics with S, 4th ed. de W. Venables y B. Ripley. Ver tambi´en http://www.stats.ox.ac.uk/pub/MASS4. Practical regression and ANOVA using R de J. Faraway, en http://cran.r-project.org/other-docs.html o http://www.stat.lsa.umich.edu/~faraway/book/. Estad´ıstica Aplicada con S-PLUS de M. Dolores Ugarte y Ana F. Militino. Otros documentos en http://cran.es.r-project.org/other-docs.html
  • 37. S-PLUS 6.0 for Unix. Guide to statistics. Vol. I & II. En http://www.insightful.com/support/documentation.asp?DID=3 Mixed-effects models in S and S-PLUS de J. Pinheiro y D. Bates. Regression modelling strategies de F. Harrell. Modelos Lineales de F. Carmona. ”Site¸con documentaci´on sobre an´alisis para datos categ´oricos (”site”para el libro de A. Agresti Categorical data analysis). http://www.stat.ufl.edu/~aa/cda/cda.html Modeling survival data: extending the Cox model de T. M. Therenau y P. M. Grambsch. Documentos varios en la p´agina de J. Fox http://cran.r-project.org/doc/contrib/Fox-Companion/appendix.html
  • 38. 1.5. Ayudas sobre R Hay diversas formas de ayuda: Ayuda incluida con el programa (lo veremos m´as adelante). FAQ: http://cran.es.r-project.org/faqs.html Rtips de Paul Johnson http://pj.freefaculty.org/R/Rtips.html R Help Center http://www.stat.ucl.ac.be/ISdidactique/Rhelp/ Las e-mail lists son “consultables”. Ver http://cran.es.r-project.org/search.html y http://finzi.psych.upenn.edu/search.html. Permiten hacer las b´usquedas no s´olo sobre las listas de e-mail sino tambi´en sobre la documentaci´on (incluyendo paquetes).
  • 39. 2. Empezamos 2.1. Inicio de una sesi´on en R Windows: Hacer doble-click en el icono. Se abrir´a “Rgui”. Desde una “ventana del sistema” ejecutar Rterm o desde Inicio-Ejecutar... C:Archivos de programaRR-2.4.1binRterm.exe parecido a R en Unix o Linux. Iniciar R desde Tinn-R, XEmacs o un editor apropiado.
  • 40. 2. Empezamos 2.1. Inicio de una sesi´on en R Windows: Hacer doble-click en el icono. Se abrir´a “Rgui”. Desde una “ventana del sistema” ejecutar Rterm o desde Inicio-Ejecutar... C:Archivos de programaRR-2.4.1binRterm.exe parecido a R en Unix o Linux. Iniciar R desde Tinn-R, XEmacs o un editor apropiado. GNU/Linux: Escribir “R” en una shell. Iniciar R desde (X)Emacs (M-X R). En cualquier caso, se puede adaptar el inicio de una sesi´on de R (ej., qu´e paquetes se cargan, mensajes, etc.). Ver secci´on 10.8 en An introduction to R.
  • 41. 2.2. Una primera sesi´on > rnorm(5) # 5 n´umeros aleatorios de una normal (mean= 0, sd = 1) > ## "#" indica el principio de un comentario > ## Los n´umeros se calculan y se muestran (print) > > x <- rnorm(5) # asignamos unos n´umeros a un objeto (un vector) x > summary(x) ## muestra un resumen de x (un summary "inteligente") > > ## o tambi´en: > w <- summary(x) > w > print(w) # escribir w y print(w) produce el mismo resultado > > ## summary(x) TAMBI´EN es un objeto. (virtually) “everything is an object”
  • 42. 2.3. R como calculadora > 2+2 > sqrt(10) > 2*3*4*5 > # Intereses sobre 1000 euros > 1000*(1+0.075)^5 - 1000 > # R conoce pi > pi > # Circunferencia de la Tierra en el Ecuador en km > 2*pi*6378 > # Convertimos ´angulos a radianes y luego calculamos el seno > sin(c(0,30,45,60,90)*pi/180)
  • 43. 2.4. Ayuda dentro del programa ?rnorm help.start() ?help.search help.search("normal") ?apropos apropos("normal") ?demo demo(graphics); demo(persp); demo(lm.glm) !Cuidado¡ > ?if # mal > help("if")
  • 44. 2.5. Instalaci´on de paquetes adicionales Depende del sistema operativo: Windows: Desde el men´u Packages->Install package(s)... Primero nos pide seleccionar el “CRAN mirror”. Desde R, con install.packages() como en GNU/Linux. Desde una “ventana del sistema” o desde Inicio-Ejecutar... Rcmd INSTALL paquete Desde la interface de XEmacs.
  • 45. 2.5. Instalaci´on de paquetes adicionales Depende del sistema operativo: Windows: Desde el men´u Packages->Install package(s)... Primero nos pide seleccionar el “CRAN mirror”. Desde R, con install.packages() como en GNU/Linux. Desde una “ventana del sistema” o desde Inicio-Ejecutar... Rcmd INSTALL paquete Desde la interface de XEmacs. GNU/Linux: R CMD INSTALL paquete-x.y.z.tar.gz Permite instalar aunque uno no sea root (especificar el dir). M´as c´omodo, desde R, install.packages(), update.packages(), etc. Tambi´en permiten instalar si no eres root (especificar lib.loc).
  • 46. 2.6. Usar R desde un editor ¿Por qu´e usar R desde un editor como Tinn-R, R-WinEdt o XEmacs? El uso de scripts y el mantenimiento del c´odigo ordenado y comentado es una “buena pr´actica estad´ıstica” (ver tambi´en loadhistory, savehistory). Colores de sintaxis, completa par´entesis, etc. Una interface com´un para otros paquetes estad´ısticos (ej., SAS, XLispStat, Arc, etc.), num´ericos (ej., Octave) o procesador de texto (LaTeX). Una buena elecci´on: Tinn-R. Tambi´en WinEdt tiene una configuraci´on adaptada: R-WinEdt. (X)Emacs es MUCHO m´as que un editor..., aunque no es muy conocido para los usuarios de Windows (mejor con las modificaciones de J. Fox).
  • 47. 2.7. Un ejemplo Sea X una v.a. con distribuci´on exponencial de par´ametro α y X1, X2, . . . , Xn una muestra aleatoria simple. Se sabe que la distribuci´on de Z = n · m´ın{X1, X2, . . . , Xn} es exponencial de par´ametro α. > alpha <- 0.01; n <- 50; m <- 1000 > datos <- matrix(rexp(n * m, alpha), ncol=n) > fz <- function(x) n*min(x) > z <- apply(datos,1,fz) > mean(z) # debe ser 1/alpha=100 > > hist(z,freq=F) > points(dexp(0:600,alpha),type="l") > > ks.test(z,"pexp",alpha)
  • 48. 3. Objetos en R 3.1. ¿Qu´e objetos? Casi todo en R es un objeto, incluyendo funciones y estructuras de datos. Para saber los objetos que tenemos en el espacio de trabajo utilizaremos ls(). Escribir el nombre de un objeto muestra su contenido: mean. Para guardar el contenido del espacio de trabajo se pueden utilizar las funciones save.image() y save(<objetos>,file="nombre.RData") Para acceder a objetos de la carpeta de trabajo (o del camino que especifiquemos) se pueden adjuntar: > attach("misdatos.RData") > ls(pos=2) # segunda posici´on en la ‘‘search list’’
  • 49. 3.2. Tipos de objetos objetos del lenguaje: llamadas expresiones nombres
  • 50. 3.2. Tipos de objetos objetos del lenguaje: llamadas expresiones nombres expresiones: colecciones de expresiones correctas no evaluadas
  • 51. 3.2. Tipos de objetos objetos del lenguaje: llamadas expresiones nombres expresiones: colecciones de expresiones correctas no evaluadas funciones: Constan de lista de argumentos c´odigo entorno
  • 52. 3.2. Tipos de objetos objetos del lenguaje: llamadas expresiones nombres expresiones: colecciones de expresiones correctas no evaluadas funciones: Constan de lista de argumentos c´odigo entorno sin objeto: NULL
  • 53. Objetos para los datos: vector: colecci´on ordenada de elementos del mismo tipo. > x <- c(1, 2, 3); y <- c("a", "b", "c") > z <- c(TRUE, TRUE, FALSE)
  • 54. Objetos para los datos: vector: colecci´on ordenada de elementos del mismo tipo. > x <- c(1, 2, 3); y <- c("a", "b", "c") > z <- c(TRUE, TRUE, FALSE) array: generalizaci´on multidimensional del vector. Elementos del mismo tipo.
  • 55. Objetos para los datos: vector: colecci´on ordenada de elementos del mismo tipo. > x <- c(1, 2, 3); y <- c("a", "b", "c") > z <- c(TRUE, TRUE, FALSE) array: generalizaci´on multidimensional del vector. Elementos del mismo tipo. data frame: como el array, pero con columnas de diferentes tipos. Es el objeto m´as habitual para los datos experimentales. > dades <- data.frame(ID=c("gen0", "genB", "genZ"), + subj1 = c(10, 25, 33), subj2 = c(NA, 34, 15), + oncogen = c(TRUE, TRUE, FALSE), + loc = c(1,30, 125))
  • 56. Objetos para los datos: vector: colecci´on ordenada de elementos del mismo tipo. > x <- c(1, 2, 3); y <- c("a", "b", "c") > z <- c(TRUE, TRUE, FALSE) array: generalizaci´on multidimensional del vector. Elementos del mismo tipo. data frame: como el array, pero con columnas de diferentes tipos. Es el objeto m´as habitual para los datos experimentales. > dades <- data.frame(ID=c("gen0", "genB", "genZ"), + subj1 = c(10, 25, 33), subj2 = c(NA, 34, 15), + oncogen = c(TRUE, TRUE, FALSE), + loc = c(1,30, 125)) factor: tipo de vector para datos cualitativos. > x <- factor(c(1, 2, 2, 1, 1, 2, 1, 2, 1))
  • 57. list: vector generalizado. Cada lista est´a formada por componentes que pueden ser otras listas. Cada componente puede ser de distinto tipo. Son contenedores generales de datos. Muy flexibles, pero sin estructura. Muchas funciones devuelven una lista o conjunto de resultados de distinta longitud y distinto tipo. > una.lista <- c(un.vector = 1:10, + una.palabra = "hola", + una.matriz = matrix(rnorm(20), ncol = 5), + lista2 = c(a = 5, + b = factor(c("a", "b"))))
  • 58. 3.3. Atributos de los objetos Modo: Tipo b´asico en un vector o array: l´ogico, entero, real, car´acter,... mode Tipo: de los vectores o arrays: double,... typeof Nombres: etiquetas de los elementos individuales de un vector o lista: names Dimensiones: de los arrays (alguna puede ser cero): dim Dimnames: nombres de las dimensiones de los arrays: dimnames Clase: vector alfanum´erico con la lista de las clases del objeto: class Otros: atributos de una serie temporal.
  • 59. Ejemplos: > x <- 1:15; length(x) > y <- matrix(5, nrow = 3, ncol = 4); dim(y) > is.vector(x); is.vector(y); is.array(x) > x1 <- 1:5; x2 <- c(1, 2, 3, 4, 5); x3 <- "patata" > typeof(x1); typeof(x2); typeof(x3) > mode(x); mode(y); z <- c(TRUE, FALSE); mode(z) > attributes(y) > w <- list(a = 1:3, b = 5); attributes(w) > y <- as.data.frame(y); attributes(y) > f1 <- function(x) {return(2 * x)} > attributes(f1); is.function(f1)
  • 60. 3.4. Nombres para los objetos Los nombres v´alidos para un objeto son combinaciones de letras, n´umeros y el punto (“.”). Los nombres no pueden empezar con un n´umero. R es “case-sensitive”: x != X. Hay nombres reservados (“function”, “if”, etc.). Otras consideraciones: • El uso del “.” es distinto del de C++. • Mejor evitar nombres que R usa (ej., “c”) (se puede arreglar). > c <- 4; x <- c(3, 8); c > rm(c); c • Las asignaciones se hacen con "<-" y se recomiendan los espacios. El signo "=" se reserva para los argumentos de las funciones. > x<-1:5 # Estilo incorrecto > x <- 1:5 # Mucho mejor
  • 61. 3.5. Operaciones aritm´eticas Las operaciones con vectores mejoran el uso de bucles. Todo m´as claro: • Es la forma natural de operar sobre objetos completos. • C´odigo m´as f´acil de entender. • M´as sencillo de modificar y mantener. • M´as f´acil de hacer “debugging”. • M´as r´apido de escribir. M´as eficiente (en tiempo y memoria).
  • 62. Principales operaciones aritm´eticas: suma +, resta -, multiplicaci´on *, divisi´on / potencia ^, ra´ız cuadrada sqrt %/% divisi´on entera, %% m´odulo: resto de la divisi´on entera logaritmos log, log10, log2, logb(x, base), exponencial exp trigonom´etricas sin, cos, tan, asin, acos, atan otras: max, min, range, pmax, pmin, mean, median, var, sd, quantile sum, prod, diff cumsum, cumprod, cummax, cummin Ejemplo: > data(presidents) > help(presidents) > range(presidents, na.rm = TRUE) > which.min(presidents)# 28 > which.max(presidents)# 2
  • 63. 3.6. Operadores l´ogicos <, >, <=, >=, ==, != !, &, |, xor() y los parecidos &&, || > x <- 5; x < 5; x >= 5; x == 6; x != 5 > y <- c(TRUE, FALSE); !y; z <- c(TRUE, TRUE) > xor(y, z) > y & z; y | z Las formas &&, || se eval´uan de izquierda a derecha, examinando s´olo el primer elemento de cada vector (si decide). Se suelen usar dentro de instrucciones “if”. if (is.numeric(x) && min(x) > 0) {entonces... min(x) no tiene sentido si x no es num´erico. 0 + y; as.numeric(y); mode(y) <- "numeric"
  • 64. Ejemplo: > peso <- c(19,14,15,17,20,23,30,19,25) > peso < 20 > peso < 20 | peso > 25 > peso[peso<20] > peso[peso<20 & peso!=15] > trat <- c(rep("A",3),rep("B",3),rep("C",3)) > peso[trat=="A"] > peso[trat=="A"|trat=="B"] > split(peso,trat) > split(peso,trat)$A
  • 65. 3.7. Discretizar datos La funci´on split(x,f) > split(peso,trat) > split(peso,trat)$A La funci´on cut > vv <- rnorm(100) > cut1 <- cut(vv, 5) > table(cut1) > > cut2 <- cut(vv, quantile(vv, c(0, 1/4, 1/2, 3/4, 1))) > summary(cut2) > class(cut2)
  • 66. 3.8. Operaciones con conjuntos > x <- 1:5; y <- c(1, 3, 7:10) > union(x, y) > intersect(x, y) > setdiff(y, x) > v <- c("bcA1", "bcA2", "blX1") > w <- c("bcA2", "xA3") > union(v, w) > intersect(v, w) > setdiff(w, v) > setdiff(v, w)
  • 67. 4. Vectores 4.1. Generaci´on de secuencias > x <- c(1, 2, 3, 4, 5) > x <- 1:10; y <- -5:3 > 1:4+1; 1:(4+1) > x <- seq(from = 2, to = 18, by = 2) > x <- seq(from = 2, to = 18, length = 30) > y <- seq(along = x) > z2 <- c(1:5, 7:10, seq(from=-7,to=5,by=2))
  • 68. > rep(1, 5) > x <- 1:3; rep(x, 2) > y <- rep(5, 3); rep(x, y) > rep(1:3, rep(5, 3)) > rep(x, x) > rep(x, length = 8) > gl(3, 5) # como rep(1:3, rep(5, 3)) > gl(4, 1, length = 20) # !Alerta! gl genera factores > gl(3, 4, label = c("Sano", "Enfermo", "Muerto")) > expand.grid(edad = c(10, 18, 25), > sexo = c("Macho", "Hembra"), loc = 1:3) Podemos combinar: z5 <- c(1:5, rep(8, 3))
  • 69. 4.2. Generaci´on de secuencias aleatorias > sample(5) > sample(5, 3) > x <- 1:10 > sample(x) > sample(x, replace = TRUE) > sample(x, length = 2* length(x), replace = TRUE) > probs <- x/sum(x) > sample(x, prob = probs) N´umeros aleatorios rDistribuci´on(n,par´ametros) > rnorm(10) # rnorm(10, mean = 0,sd = 1) > runif(8,min=2,max=10)
  • 70. 4.3. Selecci´on de elementos de un vector > x <- 1:5; x[1]; x[3]; x[c(1,3)] > x[x > 3] > x > 3 > y <- x > 3 > x[y] > x[-c(1, 4)]; y <- c(1, 2, 5); x[y] > names(x) <- c("a", "b", "c", "d", "patata") > x[c("b", "patata")]
  • 71. 4.4. Valores perdidos NA es el c´odigo de “Not available”. > v <- c(1,6,9,NA) > is.na(v); which(is.na(v)) > w <- v[!is.na(v)] # sin los valores perdidos > v == NA # !No funciona! ¿Por qu´e? Sustituir NA por, p.ej., 0: > v[is.na(v)] <- 0 El infinito y NaN (“not a number”) son diferentes de NA. > 5/0; -5/0; 0/0 > is.infinite(-5/0); is.nan(0/0); is.na(5/0) Con algunas funciones > xna <- c(1, 2, 3, NA, 4); mean(xna) > mean(xna, na.rm = TRUE)
  • 72. Para “modelling functions” (ej. lm) lo mejor es usar na.omit na.exclude Esta ´ultima es m´as conveniente para generar predicciones, residuos, etc. Eliminar todos los NA: > XNA <- matrix(c(1,2,NA,3,NA,4), nrow = 3) > XNA > X.no.na <- na.omit(XNA)
  • 73. 4.5. Ordenaci´on de vectores > x1 <- c(5, 1, 8, 3) > order(x1) > sort(x1) > rev(x1) > rank(x1) > x1[order(x1)] > x2 <- c(1, 2, 2, 3, 3, 4); rank(x2) > min(x1); which.min(x1); which(x1 == min(x1)) > y <- c(1, 1, 2, 2); order(y, x) order y sort admiten decreasing = TRUE.
  • 74. 4.6. Vectores de caracteres > codigos <- paste(c("A", "B"), 2:3, sep = "") > codigos <- paste(c("A", "B"), 2:3, sep = ".") > juntar <- paste(c("una", "frase", "simple"), collapse =" ") > columna.a <- LETTERS[1:5]; columna.b <- 10:15 > juntar <- paste(columna.a, columna.b, sep ="") > substr("abcdef",2,4) > x <- paste(LETTERS[1:5], collapse="") > substr(x, 3, 5) <- c("uv") Otras funciones de manipulaci´on de caracteres: nchar, grep, match, pmatch, tolower, toupper, sub, gsub, regexpr.
  • 75. 4.7. Factores Consideremos el c´odigo postal: > codigo.postal <- c(28430, 28016, 28034); > mode(codigo.postal) No deber´ıamos usar el c´odigo postal en, por ejemplo, un ANOVA como si fuera un vector num´erico. Usar variables aparentemente num´ericas en an´alisis estad´ısticos es un grave error. > codigo.postal <- factor(codigo.postal) # mejor Antes de utilizar un vector con caracteres dentro de un an´alisis, hace falta convertirlo en un factor. En caso contrario, R protesta. > y <- rnorm(10); x <- rep(letters[1:5], 2) > aov(y ~ x) # !error! > aov(y ~ factor(x)) # funciona
  • 76. Si queremos convertir un vector factor en num´erico: > x <- c(34, 89, 1000); y <- factor(x); y > as.numeric(y) # mal > # los valores han sido recodificados > as.numeric(as.character(y)) # bien Podemos fijar el orden de las etiquetas: > ftr1 <- factor(c("alto", "bajo", "medio")) > ftr1 > ftr1 <- factor(c("alto", "bajo", "medio"), + levels = c("bajo", "medio", "alto"))
  • 77. 5. Arrays y matrices 5.1. Definiciones Un array es una colecci´on de datos del mismo tipo con varias dimensiones. > a <- 1:24; dim(a) <- c(3,4,2) El vector a pasa a ser un array 3x4x2. Una matrix es un array con dos dimensiones. Tienen una funcionalidad muy parecida, pero matrix es m´as c´omoda. > a1 <- array(9, dim = c(5,4)) > a2 <- matrix(1:20, nrow = 5)# como en FORTRAN > a3 <- matrix(1:20, nrow = 5, byrow = TRUE) > a4 <- 1:20; dim(a4) <- c(5, 4)
  • 78. Con las coordenadas se obtienen los elementos particulares, como en los vectores: > a[1,1,1]; a[1,1,2]; a[3,4,2] Tambi´en podemos considerar subconjuntos de un array > a[2, , ] # es un array de dimensi´on c(4,2) > a4[1, ]; a4[, 2]; a4[c(1, 3), c(2, 4)] Tambi´en se pueden dar las coordenadas matricialmente. Observar el ejemplo: > im <- matrix(c(1, 3, 2, 4), nrow = 2) > im > a4[im]
  • 79. Ejemplo: > x <- c(190,8,22,191,4,1.7,223,80,2,210,50,3) > datos <- matrix(x,nrow=4,byrow=T); dim(datos) > ciudades <- c("Barna","Tarraco","Lleida","Gi") > dimnames(datos) <- list(ciudades,NULL) > variables <- c("A","B","C") > dimnames(datos) <- list(ciudades,variables) > datos > dimnames(datos) > datos["Barna", ] > datos[ ,"C"]
  • 80. Otro ejemplo: > a4 <- 1:20; dim(a4) <- c(5, 4) > attributes(a4) > colnames(a4) <- paste("v", 1:4, sep = "") > rownames(a4) <- paste("id", 1:5, sep = ".") > a4[, c("v1", "v3")] > attributes(a4) Para ordenar un array por una columna: > matriz <- matrix(rnorm(20),ncol=4) > o.matriz <- matriz[order(matriz[, 1]), ]
  • 81. 5.2. Operaciones con matrices A %*% B : producto de matrices t(A) : transpuesta de la matriz A solve(A,b) : soluci´on del sistema de ecuaciones Ax=b. solve(A) : inversa de la matriz A svd(A) : descomposici´on en valores singulares qr(A) : descomposici´on QR eigen(A) : valores y vectores propios diag(b) : matriz diagonal (b es un vector) diag(A) : matriz diagonal (A es una matriz) A %o% B == outer(A,B) : producto exterior de dos vectores o matrices
  • 82. Las funciones var, cov y cor calculan la varianza de x y la covarianza o correlaci´on de x y y si ´estos son vectores. Cuando x y y son matrices, entonces calculan las covarianzas (o correlaciones) entre las columnas de x y las columnas de y. > data(longley) > (Cl <- cor(longley)) > ## Graphical Correlation Matrix: > symnum(Cl) # highly correlated > ## Spearman’s rho > cor(apply(longley, 2, rank)) > cor(longley, method = "spearman") # better La funci´on cov2cor convierte “eficientemente” una matriz de covarianzas en la correspondiente matriz de correlaciones.
  • 83. La funci´on outer(X, Y, FUN="*", ...) proporciona por defecto el producto exterior de los dos arrays. Sin embargo, podemos introducir otras funciones e incluso nuestras propias funciones. > x <- 1:9; names(x) <- x > # Multiplication & Power Tables > x %o% x > y <- 2:8; names(y) <- paste(y,":",sep="") > outer(y, x, "^")
  • 84. 5.3. Combinaci´on de arrays Para combinar vectores, matrices o arrays utilizamos las instrucciones rbind y cbind. > x1 <- 1:10; x2 <- 11:20 > a6 <- diag(6) # matriz identidad > a7 <- cbind(x1, x2); a8 <- rbind(x1, x2) > a24 <- cbind(a2, a4) > cbind(a4, a6) # no funciona > rbind(a4, a6) # no funciona > a9 <- matrix(rnorm(30), nrow = 5) > cbind(a4, a9) > rbind(a4, a9) # no funciona
  • 85. 6. Data.frames 6.1. Definici´on Para datos de diferentes tipos: > x3 <- letters[1:10] > a9 <- cbind(x1, x2, x3) ¿De qu´e tipo es a9? ¿Es eso lo que quer´ıamos? Mejor con un data.frame: > a10 <- data.frame(x1, x2, x3) > prcomp(a10[, c(1,2)])# comp. principales > prcomp(a10[, c("x1", "x2")]) > prcomp(a10[, -3])
  • 86. Tambi´en podemos a˜nadir alguna columna a una matriz como datos: > playa <- c("si","si","no","no") > datos.df <- data.frame(datos,playa) > datos.df$playa Usar $ facilita el acceso y la creaci´on de nuevas columnas: > set.seed(1) # fija la semilla del random number generator > d1 <- data.frame(g1 = runif(10), g2 = rnorm(10)) > d1$edad <- c(rep(20, 5), rep(40, 5)) > set.seed(1) > d2 <- cbind(g1 = runif(10), g2 = rnorm(10)) > d2[, 3] <- c(rep(20, 5), rep(40, 5)) # error > d2 <- cbind(d2, edad = c(rep(20, 5), rep(40, 5)))
  • 87. Adem´as, en los data.frame los “character vectors” se convierten en factores. Podemos convertir matrices a data.frame con as.data.frame(). Los data.frame tambi´en tienen rownames, colnames. > attributes(a10) # cuando no est´an definidos Tambi´en podemos usar dimnames(a10).
  • 88. 6.2. La familia apply > ax <- matrix(rnorm(20), ncol = 5) > medias.por.fila <- apply(ax, 1, mean) > por.si.na <- apply(ax, 1, mean, na.rm = TRUE) > mi.f1 <- function(x) { return(2*x - 25)} > mi.f1.por.fila <- apply(ax, 1, mi.f1) > mas.simple <- apply(ax, 1, function(x){return(2*x -25)}) > medias.por.columna <- apply(ax, 2, mean) > sample.rows <- apply(ax, 1, sample) > dos.cosas <- function(y){return(c(mean(y), var(y)))} > apply(ax, 1, dos.cosas) > t(apply(ax, 1, dos.cosas))
  • 89. Utilizar apply es generalmente mucho m´as eficiente que un bucle. Adem´as de m´as claro, m´as f´acil, etc.. > parameters <- cbind(mean = -5:5, sd = 2:12) > z.data <- matrix(rnorm(1000 * 11), nrow = 11) > data <- (z.data * parameters[,2]) + parameters[,1] > apply(data, 1, mean); apply(data, 1, sd) Las funciones sapply(X,funci´on) y lapply(X,funci´on) son como apply(x,i,funci´on) pero no hay que especificar el ´ındice i=2; sapply intenta simplificar el resultado a un vector o a una matriz (la “s” es de “simplify”), pero lapply siempre devuelve una lista. Ambas pueden aplicarse a vectores, listas, arrays. > data(airquality) > sapply(airquality, function(x)sum(is.na(x)))
  • 90. La funci´on tapply(x,y,funci´on) calcula la funci´on especificada sobre el objeto x seg´un las categor´ıas de y. > x <- c(19,14,15,17,20,23,19,19,21,18) > trat <- c(rep("A",5),rep("B",5)) > x.media <- tapply(x,trat,mean) > x.media apply, sapply, lapply y tapply son funciones muy ´utiles que contribuyen a hacer el c´odigo m´as legible, f´acil de entender, y facilitan posteriores modificaciones y aplicaciones. Consejo: Cada vez que vayamos a usar un “loop” intentemos substituirlo por alg´un miembro de familia apply. Algunas funciones hacen un apply: > x1 <- 1:10 > m1 <- matrix(1:20, ncol = 5) > d1 <- as.data.frame(m1) > mean(x1); mean(d1); sd(x1); sd(d1); median(m1); median(d1)
  • 91. 6.3. Tablas La tabulaci´on cruzada de dos variables cualitativas se consigue con la funci´on table. > table(sexo,nivel) Para introducir una tabla de contingencia tambi´en se utiliza la instrucci´on table. Las variables se definen con sus modalidades con la instrucci´on expand.grid(var1,var2). > resultado <- cbind(expand.grid( + calif=c("mejor","peor","igual"), + tratam=c("A","B"))) > frec <- c(21,34,5,7,12,14) > tabla <- table(calif,tratam)*frec > tabla
  • 92. 6.4. Ejemplo > d3 <- data.frame(g1=runif(10),g2=rnorm(10), + id1 = c(rep("a", 3), rep("b", 2), + rep("c", 2), rep("d", 3))) > my.fun <- function(x) { + las.medias <- mean(x[, -3]) + las.vars <- var(x[, -3]) + max.total <- max(x[, -3]) + tabla.clases <- table(x[, 3]) + return(list(row.means = las.medias, + row.vars = las.vars, maximum = max.total, + factor.classes = tabla.clases)) + } > my.fun(d3)
  • 93. 7. Muchos objetos 7.1. Listas > una.lista <- my.fun(d3); una.lista > attributes(una.lista); names(una.lista) > length(una.lista) > una.lista[[4]] > una.lista[4] # ¿por qu´e sale el nombre? class > una.lista$factor.classes > una.lista[[3]] <- list(NULL); una.lista > una.lista[[3]] <- NULL > una.lista # hemos eliminado el "slot" maximum > unlist(una.lista) > otra.lista <- list(cucu = 25, una.lista) > unlist(otra.lista) > unlist(otra.lista, drop = FALSE) > una.lista <- c(una.lista, otro.elemento = "una frase")
  • 94. 7.2. Los objetos que tenemos Para saber los objetos que hemos definido hacemos > ls() > objects() > objects(pattern="a*") R tiene una lista donde buscar los objetos accesibles: “the search list”. Cargar un paquete extiende la “search list”. Para obtener la lista de los directorios, llamados “databases”: > search() > library(MASS) > search()
  • 95. Para que un objeto o directorio sea f´acilmente accesible lo podemos poner en la “search list” de R. En el caso de un data.frame, esto permite acceder directamente a las columnas por su nombre. > str(datos.df) # es un data.frame > A # error > attach(datos.df) > A # ahora s´ı > plot(A,B) # en lugar de plot(datos.df$A,datos.df$B) La actualizaci´on no es din´amica > datos.df$D <- 1:4 # una nueva columna > datos.df # aqu´ı est´a > D # pero aqu´ı no Para desconectar > detach(objeto)
  • 96. Para borrar objetos concretos > rm(objetos) Para borrar todos los objetos del entorno de trabajo: > rm(list = ls()) Para cargar un archivo nombre.RData con objetos diversos (datos, funciones,...) se puede hacer un attach o un load. La primera instrucci´on accede a los objetos cuando se requieren, la segunda los carga todos. > load("nombre.RData")
  • 97. ¡Alerta! > datos.df > A <- 1 > A # usa la ´ultima > search() # el search path > detach(datos.df) > attach(datos.df) > D > A # cuidado Conclusi´on: En “entornos confusos”, como un an´alisis que se prolonga dos semanas, es mejor evitar attach y acceder siempre a las variables usando su localizaci´on expl´ıcita y completa.
  • 98. 7.3. En resumen La manipulaci´on de datos en R es muy flexible. Podemos seleccionar variables, casos, subsecciones de datos, etc, de acuerdo con criterios arbitrarios (que usan, adem´as, condiciones que pueden implicar a un n´umero arbitrario de variables y casos). Los data.frames y las matrices pueden separarse, juntarse, cambiarse de forma (reshape), etc. El indexado y selecci´on de casos pueden usar n´umeros, factores, cadenas de caracteres, etc. Podemos preparar c´odigo que repita las mismas operaciones con datos semejantes (i.e., podemos automatizar el proceso con sencillez). Podemos verificar “al vuelo” que estas transformaciones hacen lo que queremos que hagan (mirando selectivamente los resultados, o “emulando” el proceso en unos datos artificiales m´as peque˜nos). Por tanto, una vez que los datos est´an en R, no hay muchas
  • 99. razones para exportarlos y hacer la selecci´on y manipulaci´on con otros lenguajes (ej., Python, Perl) para luego volver a leerlos en R.
  • 100. 8. Datos 8.1. Lectura de datos Para leer un fichero simple, con los datos separados por espacios en blanco, tabuladores o saltos de l´ınea, se utiliza la instrucci´on read.table en la forma: > fichero.df <- read.table("c:/dir/mi.fichero", + header = TRUE, sep = "", + comment.char = "") Si el car´acter decimal no es un punto sino, por ej., una coma, usar: dec = ",". Se pueden saltar l´ıneas (skip) o leer un n´umero fijo de l´ıneas (nrows). Hay funciones especializadas para otros archivos (ej., read.csv) pero son casos espec´ıficos de read.table.
  • 101. 8.2. Guardar y leer datos Resulta muy importante poder guardar datos, funciones, etc., para ser usados en otras sesiones de R. Esos datos as´ı guardados pueden compartirse con otros usuarios e incluso utilizarse en distintos sistemas operativos. > x <- runif(20) > y <- list(a = 1, b = TRUE, c = "patata") > save(x, y, file = "xy.RData") Los leeremos con > load("xy.RData")
  • 102. Podemos guardar todos los objetos con > save.image() # guardado como ".RData" > save.image(file = "nombre.RData") El fichero .RData se carga al iniciarse R. R y muchos otros paquetes incorporan archivos con datos: Se cargan con load("nombre.RData"). La instrucci´on data permite cargar archivos de las librer´ıas disponibles. > data() # muestra todos los archivos > data(iris) > data(iris, package = "base") # equivalente > ?iris
  • 103. 8.3. Importar datos de Excel Lo mejor es exportar los datos desde Excel a un archivo de texto separado por tabuladores. Cuidado con las ´ultimas columnas y missing data (Excel elimina los “trailing tabs”). Dos formas de minimizar problemas: • Usar NA para missing. • Poner una ´ultima columna con datos arbitrarios (ej., una columna llena de 2s). Cuidado tambi´en con l´ıneas extra al final del fichero. Salvamos como texto (s´olo salvamos una de las hojas). Importamos en R con read.table.
  • 104. 8.4. Exportar datos Lo m´as sencillo es exportar una matriz (es necesario transponer la matriz). > write(t(x), file = "c:/dir/data.txt", + ncolumns = n, + append = FALSE) Pero para exportar un data.frame es mejor > write.table(my.data.frame, + file = "mi.output.txt", + sep = "",row.names = FALSE, + col.names = TRUE) Para escribir un fichero CSV importable desde Excel > write.table(x, file = "foo.csv", sep = ",", + col.names = NA)
  • 105. 9. Gr´aficos 9.1. Introducci´on R incluye muchas y variadas funciones para hacer gr´aficos. El sistema permite desde gr´aficos muy simples a figuras de calidad para incluir en art´ıculos y libros. S´olo examinaremos la superficie. M´as detalles en el libro R Graphics de Paul Murrell. Tambi´en podemos ver un buen conjunto de ejemplos con demo(graphics). El comando plot es uno de los m´as utilizados para realizar gr´aficos.
  • 106. 9.2. El comando plot Si escribimos plot(x, y) donde x e y son vectores con n coordenadas, entonces R representa el gr´afico de dispersi´on con los puntos de coordenadas (xi, yi). Este comando incluye por defecto una elecci´on autom´atica de ejes, escalas, etiquetas de los ejes, densidad de las l´ıneas, etc., que pueden ser modificados a˜nadiendo par´ametros gr´aficos al comando y que pueden visualizarse con help(par). > x <- runif(50, 0, 4); y <- runif(50, 0, 4) > plot(x, y, main = "T´ıtulo principal", + sub = "subt´ıtulo", xlab = "eje x", ylab = "eje y", + xlim = c(-5,5),ylim = c (-5,5))
  • 107. Variaciones de plot: > z <- cbind(x,y) > plot(z) > plot(y ~ x) > plot(log(y + 1) ~ x) # transformaci´on de y > plot(x, y, type = "p") > plot(x, y, type = "l") > plot(x, y, type = "b") > plot(c(1,5), c(1,5)) > legend(1, 4, c("uno", "dos", "tres"), lty = 1:3, + col = c("red", "blue", "green"), + pch = 15:17, cex = 2) Con text podemos representar caracteres de texto directamente: > sexo <- c(rep("v", 20), rep("m", 30)) > plot(x, y, type = "n") > text(x, y, labels = sexo)
  • 108. Puntos. > points(x, y, pch = 3, col = "red") Tipos de puntos. > plot(c(1, 10), c(1, 3), type = "n", axes = FALSE, + xlab = "", ylab="") > points(1:10, rep(1, 10), pch = 1:10, cex = 2, col = "blue") > points(1:10, rep(2, 10), pch = 11:20, cex = 2, col = "red") > points(1:10, rep(3, 10), pch = 21:30, cex = 2, + col = "blue", bg = "yellow") Tipos de l´ıneas. > plot(c(0, 10), c(0, 10), type = "n", xlab ="", + ylab ="") > for(i in 1:10) + abline(0, i/5, lty = i, lwd = 2) > for(i in 1:10) + abline(0, i/5, lty = i, lwd = 2)
  • 109. lty permite especificaciones m´as complejas (longitud de los segmentos que son alternativamente dibujados y no dibujados). par controla muchos par´ametros gr´aficos. Por ejemplo, cex puede referirse a los “labels” (cex.lab), otro, cex.axis, a la anotaci´on de los ejes, etc. Hay muchos m´as colores. Ver palette, colors.
  • 110. 9.3. Identificaci´on interactiva de datos identify(x, y, etiquetas) identifica los puntos con el rat´on y escribe la correspondiente etiqueta. > x <- 1:10 > y <- sample(1:10) > nombres <- paste("punto", x, ".", y, sep ="") > plot(x, y) > identify(x, y, labels = nombres) locator() devuelve las coordenadas de los puntos. > plot(x, y) > locator() > text(locator(1), "el marcado", adj = 0)
  • 111. 9.4. M´ultiples gr´aficos por ventana Empezamos con par(mfrow=c(filas,columnas)) antes del comando plot. > par(mfrow = c(2, 2)) > plot(rnorm(10)) > plot(runif(5), rnorm(5)) > plot(runif(10)) > plot(rnorm(10), rnorm(10)) Podemos mostrar muchos gr´aficos en el mismo dispositivo gr´afico. La funci´on m´as flexible y sofisticada es split.screen, bien explicada en R para principiantes, secc. 4.1.2 (p. 30).
  • 112. 9.5. Datos multivariantes Diagrama de dispersi´on m´ultiple. > X <- matrix(rnorm(1000), ncol = 5) > colnames(X) <- c("a", "id", "edad", "loc", + "weight") > pairs(X) Gr´aficos condicionados (revelan interacciones). > Y <- as.data.frame(X) > Y$sexo <- as.factor(c(rep("Macho", 80), + rep("Hembra", 120))) > coplot(weight ~ edad | sexo, data = Y) > coplot(weight ~ edad | loc, data = Y) > coplot(weight ~ edad | loc * sexo, data = Y) La librer´ıa lattice permite lo mismo, y mucho m´as, que coplot. Ver secc. 4.6 de R para principiantes.
  • 113. 9.6. Boxplots Los diagramas de caja son muy ´utiles para ver r´apidamente las principales caracter´ısticas de una variable cuantitativa, o comparar entre variables. > attach(Y) > boxplot(weight) > plot(sexo, weight) > detach() > boxplot(weight ~ sexo, data = Y, + col = c("red", "blue")) La funci´on boxplot tiene muchas opciones; se puede modificar el aspecto, mostrarlos horizontalmente, en una matriz de boxplots, etc. V´ease la ayuda ?boxplot.
  • 114. 9.7. Un poco de ruido Los datos cuantitativos discretos pueden ser dif´ıciles de ver bien. Podemos a˜nadir un poco de ruido con el comando jitter. > dc1 <- sample(1:5, 500, replace = TRUE) > dc2 <- dc1 + sample(-2:2, 500, replace = TRUE, + prob = c(1, 2, 3, 2, 1)/9) > plot(dc1, dc2) > plot(jitter(dc1), jitter(dc2))
  • 115. 9.8. Dibujar rectas Podemos a˜nadir muchos elementos a un gr´afico, adem´as de leyendas y l´ıneas rectas. > x <- rnorm(50) > y <- rnorm(50) > plot(x, y) > lines(lowess(x, y), lty = 2) > plot(x, y) > abline(lm(y ~ x), lty = 3) Podemos a˜nadir otros elementos con “panel functions” en otras funciones (como pairs, lattice, etc).
  • 116. 9.9. M´as gr´aficos Podemos modificar m´argenes exteriores de figuras y entre figuras (v´ease ?par y b´usquense oma, omi, mar, mai; ejemplos en An introduction to R, secc. 12.5.3 y 12.5.4. Tambi´en gr´aficos 3D: persp, image, contour; histogramas: hist; gr´aficos de barras: barplot; gr´aficos de comparaci´on de cuantiles, usados para comparar la distribuci´on de dos variables, o la disribuci´on de unos datos frente a un est´andar (ej., distribuci´on normal): qqplot, qqnorm y, en paquete car, qq.plot. Notaci´on matem´atica (plotmath) y expresiones de texto arbitrariamente complejas. Gr´aficos tridimensionales din´amicos con XGobi y GGobi. Ver: http://cran.r-project.org/src/contrib/Descriptions/xgobi.html, http://www.ggobi.org, http://www.mcs.vuw.ac.nz/~ray/R-stuff/windows/gguide.pdf.
  • 117. 9.10. Guardar los gr´aficos En Windows, podemos usar los men´us y guardar con distintos formatos. Tambi´en podemos especificar donde queremos guardar el gr´afico. > pdf(file = "f1.pdf", width = 8, height = 10) > plot(rnorm(10)) > dev.off() O bien, podemos copiar una figura a un fichero. > plot(runif(50)) > dev.copy2eps()
  • 118. 10. Funciones 10.1. Definici´on de funciones R es un lenguaje que permite crear nuevas funciones. Una funci´on se define con una asignaci´on de la forma > nombre <- function(arg1,arg2,...){expresi´on} La expresi´on es una f´ormula o grupo de f´ormulas que utilizan los argumentos para calcular su valor. El valor de dicha expresi´on es el valor que proporciona R en su salida y ´este puede ser un simple n´umero, un vector, una gr´afica, una lista o un mensaje. Ejemplo: Suma de una progresi´on aritm´etica > suma <- function(a1,d,n){ + an <- a1+(n-1)*d; + ((a1+an)*n)/2}
  • 119. 10.2. Argumentos Una funci´on con cuatro argumentos > una.f <- function(a,b,c = 4,d = FALSE){x1<-a*z ...} Los argumentos a y b tienen que darse en el orden debido o, si los nombramos, podemos darlos en cualquier orden: > una.f(4, 5) > una.f(b = 5, a = 4) Pero los argumentos con nombre siempre se tienen que dar despu´es de los posicionales: > una.f(c = 25, 4, 5) # error Los argumentos c y d tienen valores por defecto. Podemos especificarlos nosotros o no (i.e., usar los valores por defecto).
  • 120. args(nombre.funcion) nos muestra los argumentos de cualquier funci´on. “...” permite pasar argumentos a otra funci´on: > f3 <- function(x, y, label = "la x", ...){ + plot(x, y, xlab = label, ...)} > > f3(1:5, 1:5) > f3(1:5, 1:5, col = "red") Para realizar funciones de dos variables se puede utilizar el comando outer. Por ejemplo: > f <- function(x,y){cos(y)/(x^2-3)} > z <- outer(x,y,f)
  • 121. 10.3. Scope En la funci´on una.f “z” es una “free variable”: ¿c´omo se especifica su valor? Lexical scoping. Ver documento Frames, environments and scope in R and S-PLUS de J. Fox en http://cran.r-project.org/doc/contrib/Fox-Companion/appendix.html y secci´on 10.7 en An introduction to R. Tambi´en ver demo(scoping). Un ejemplo > cubo <- function(n) { + sq <- function() n*n # aqu´ı n no es un argumento + n*sq() + } En esto R (lexical scope) y S-PLUS (static scope) son distintos.
  • 122. 10.4. Control de ejecuci´on Principales instrucciones if(cond) expr if(cond) cons.expr else alt.expr for(var in seq) expr while(cond) expr repeat expr break next La expresi´on expr (tambi´en alt.expr) puede ser una expresi´on simple o una de las llamadas expresiones compuestas, normalmente del tipo {expr1; expr2}. Uno de los errores m´as habituales es el olvido de los corchetes {...} alrededor de las instrucciones, i.e. despu´es de if(...) o for(...).
  • 123. if (cond.logica) instrucci´on else instrucci´on.alternativa > f4 <- function(x) { + if(x > 5) print("x > 5") + else { + y <- runif(1) + print(paste("y is ", y)) + } + } ifelse es una versi´on vectorizada (Thomas Untern¨ahrer, R-help, 2003-04-17) > odd.even <- function(x) { + ifelse(x %% 2 == 1, "Odd", "Even") + } > mtf <- matrix(c(TRUE, FALSE, TRUE, TRUE), + nrow = 2) > ifelse(mtf, 0, 1)
  • 124. for (variable.loop in valores) instrucci´on > for(i in 1:10) cat("el valor de i es", i, "n") > continue.loop <- TRUE > x <- 0 > while(continue.loop) { + x <- x + 1 + print(x) + if( x > 10) continue.loop <- FALSE + } break para salir de un loop.
  • 125. 10.5. Cuando algo va mal Cuando se produce un error, traceback() nos informa de la secuencia de llamadas antes del “crash” de nuestra funci´on. Es ´util cuando se producen mensajes de error incomprensibles. Cuando se producen errores o la funci´on da resultados incorrectos o “warnings” indebidos podemos seguir la ejecuci´on de la funci´on. browser interrumpe la ejecuci´on a partir de ese punto y permite seguir la ejecuci´on o examinar el entorno; con “n” paso a paso, si otra tecla sigue la ejecuci´on normal. “Q” para salir. debug es como poner un broswer al principio de la funci´on y se ejecuta la funci´on paso a paso. Se sale con “Q”. > debug(my.buggy.function) > ... > undebug(my.buggy.function)
  • 126. Ejemplo: > my.f2 <- function(x, y) { + z <- rnorm(10) + y2 <- z * y + y3 <- z * y * x + return(y3 + 25) + } > my.f2(runif(3), 1:4) > debug(my.f2) > my.f2(runif(3), 1:4) > undebug(my.f2) > # insertar un browser() y correr de nuevo
  • 127. 10.6. Ejecuci´on no interactiva Con source abrimos una sesi´on de R y hacemos > source("mi.fichero.con.codigo.R") Con BATCH: Rcmd BATCH mi.fichero.con.codigo.R source es en ocasiones m´as ´util porque informa inmediatamente de errores en el c´odigo. BATCH no informa, pero no requiere tener abierta una sesi´on (se puede correr en el background). Ver la ayuda: Rcmd BATCH --help Puede que necesitemos expl´ıcitos print statements o hacer source(my.file.R, echo = TRUE). sink es el inverso de source (lo manda todo a un fichero). Se pueden crear paquetes, con nuestras funciones, que se comporten igual que los dem´as paquetes. Ver Writing R extensions.
  • 128. R puede llamar c´odigo compilado en C/C++ y FORTRAN. Ver .C, .Call, .Fortran. “Lexical scoping” importante en programaci´on m´as avanzada. No hemos mencionado el “computing on the language” (ej., do.call, eval, etc.). R es un verdadero “object-oriented language”. Dos implementaciones, las S3 classes y las S4 classes.