Acceso a datos en formato RData
|
res = load("dataset.RData") Se cargan como variables res y dataset. Res es simplemente una referencia y dataset es el conjunto de datos.
|
|
save(dataset, file = "dataset.RData") |
Importación desde Excel
|
dataset = read.table("dataset.csv", header = TRUE, sep = ";", dec = ",") |
|
dataset = read.csv2("dataset.csv", header = TRUE, sep = ";", dec = ",") Convertimos el excel a csv y después tenemos dos opciones
|
|
|
Acceso a datos de librerías
|
data(package = .packages(all.available = TRUE)) Ver todos los datasets disponibles
|
|
data(dataset) Cargar uno de los datasets disponibles
|
Importación desde SPSS
|
library(foreign) |
|
dataset = read.spss("dataset.sav", to.data.frame = TRUE) |
|
spss.get() del paquete Hmisc Si hay fechas
|
Exportación de datos
|
write.table(dataset, file = "dataset.txt") A archivo txt
|
|
write.csv2(dataset, file = "dataset.csv") A archivo csv
|
|
save(dataset, file = "dataset.RData") A archivo RData
|
Manipulación de datos con dplyr
|
data.frame(Etiquetas = attr(empleados, "variable.labels")) Ver información sobre cada columna si está disponible (no es parte de dplyr)
|
|
attr(empleados, "variable.labels") <- NULL Borrar información sobre columnas (no pertenece a dplyr)
|
|
dataset2 = select(dataset1, id, sexo, minoria, tiempemp, salini, salario) Seleccionar únicamente una serie de columnas
|
|
dataset2 = select(dataset1, id, sexo, noblanca=minoria, tiempemp, salini, salario) Seleccionar únicamente una serie de columnas y cambiar el nombre de una
|
|
select(empleados, sexo:salario) Seleccionar columnas contenidas entre dos columnas.
|
|
select(empleados, -(sexo:salario)) Seleccionar todas las columnas menos las contenidas en un rango.
|
|
select(empleados, starts_with("s")) Seleccionar solo las columnas cuya etiqueta empiece por s
|
|
ends_with(), contains(), matches(), one_of() (ver ?𝚜𝚎𝚕𝚎𝚌𝚝 ) |
|
mutate(emplea2, incsal = salario - salini, tsal = incsal/tiempemp ) Nuevas columnas a partir de otras columnas
|
|
filter(emplea2, sexo == "Mujer", minoria == "Sí") Filtrar datos. Sintaxis parecida a subset
|
|
arrange(emplea2, salario) Organizar datos según una columna. Se cambia el índice de filas.
|
|
arrange(emplea2, desc(salini), salario) Organizar datos según una columna de forma descendente, y según la siguiente de forma ascendente si dos datos son iguales. Se cambia el índice de filas.
|
|
summarise(empleados, sal.med = mean(salario), n = n()) resumir valores
|
|
summarise(group_by(empleados, sexo, minoria), sal.med = mean(salario), n = n()) agrupar casos
|
|
empleados %>% filter(catlab == "Directivo") %>% group_by(sexo, minoria) %>% summarise(sal.med = mean(salario), n = n()) |
|
empleados %>% select(sexo, catlab, salario) %>% filter(catlab != "Seguridad") %>% group_by(catlab) %>% mutate(saldif = salario - mean(salario)) %>% ungroup() %>% boxplot(saldif ~ sexo*droplevels(catlab), data = .) abline(h = 0, lty = 2) el operador pipe nos permite canalizar la salida de una función a la entrada de otra funciónel operador pipe nos permite canalizar la salida de una función a la entrada de otra función
|
|
|
Lectura de archivos de texto
|
dataset = read.table("dataset.txt", header=TRUE, quote="\"") header: indica si el fichero tiene cabecera (header=TRUE) o no (header=FALSE). Por defecto toma el valor header=FALSE.
sep: carácter separador de columnas que por defecto es un espacio en blanco (sep=""). Otras opciones serían: sep="," si el separador es un ";", sep="" si el separador es un "", etc.
dec: carácter utilizado en el fichero para los números decimales. Por defecto se establece dec = ".". Si los decimales vienen dados por "," se utiliza dec = ","
|
|
read.delim(file, header = TRUE, sep = "\t", dec = ".") |
|
read.delim2(file, header = TRUE, sep = "\t", dec = ",") Ficheros separados por tabuladores
|
Operaciones con variables
|
x=cars$speed |
|
x=cars[,1] Equivalente
|
|
cars$velocidad = cars$speed / 0.62137 Crear una nueva columna a partir de otra
|
|
cars = cars[, c("velocidad", "distancia")] Eliminar columnas. Funciona también con índices
|
|
ii = order(cars$dist) |
|
cars2 = cars[ii, ] Ordenadar filas de un dataframe según los valores de una columna
|
|
subset(familia,genero=="mujer"&cabello=="rubio") |
|
subset(cars, speed > 10 & speed < 15 & dist > 45) elegir una submuestra que cumpla determinadas condiciones
|
|
ii = cars$speed > 10 & cars$speed < 15 & cars$dist > 45 |
|
cars[ii, ] Filtrado con índices
|
|
it <- which(ii) |
|
cars[it, ] Mismo resultado. Which devuelve los índices de los elementos que son True
|
|
id <- which(!ii) |
|
cars[id, ] Resultado opuesto
|
|
Created By
Metadata
Comments
No comments yet. Add yours below!
Add a Comment
Related Cheat Sheets
More Cheat Sheets by julenx