Capitulo 3 Lectura y manipulación de datos en RStudio
Hoy en día la información generada a partir del mundo natural se multiplica minuto a minuto. Desde un punto de vista académico y/o profesional, la correcta toma de decisiones demandará la recolección y manejo de grandes cantidades de datos, los cuales nos permitirán describir y determinar propiedades del mundo natural.
Una base de datos se puede definir como un conjunto de información perteneciente a un mismo contexto y almacenada sistemáticamente para su posterior uso. Cada base de datos se compone de una tablas que guarda un conjunto de datos. Cada tabla tiene una o más columnas y filas.
En este laboratorio comenzaremos a trabajar con bases de datos. Para ello abordaremos cuatro tópicos centrales:
- La preparación de los datos para poder trabajarlos en R,
- La importación de una base de datos a R,
- La edición de los datos contenidos en la base de datos,
- La exploración de la información contenida en nuestra base de datos.
3.1 Preparemos los datos para R
Al mencionar que trabajaremos con base de datos, inmediatamente surge el desafío de como podemos ingresar nuestra información a R. Lo primero que debemos tener presente es que a R “le encantan” las bases de datos que tienen cada observación en una fila y que en cada columna incorpora una variable. Por ejemplo, si tenemos una base de datos con la altura y género de los alumnos del curso “métodos estadísticos” de la escuela de Agronomía, esta se vería de la siguiente manera en excel:
Figure 3.1: Ejemplo de base de datos en excel
Si creáramaos esta misma base de datos en Rstudio deberíamos hacer lo siguiente:
genero <- c("Hombre","Hombre","Hombre","Hombre","Hombre","Mujer","Mujer","Mujer","Mujer","Mujer")
altura<-c(1.75,1.68,1.82,1.71,1.62,1.61,1.55,1.53,1.66,1.58)
base_de_datos <- data.frame(genero,altura)¿Cuáles son las dimensiones de esta base de datos?. La tabla tiene una dimensión de 10x2. Esto quiere decir que está compuesta de diez filas y dos columnas.
IMPORTANTE:
Las filas contienen nuestras observaciones.
Las columnas contienen nuestras variables.
R reconoce puntos (“.”) y no comas (“,”) como separador de decimales.
Revisar que nuestra base de datos no contenga filas en blanco (sin valores). Cuando eso ocurra se recomienda rellenar el espacio con las letras
NA(“Not available”).
3.1.1 ¿Qué formato de archivos reconoce R?
R es muy versátil para reconocer y leer múltiples formatos de archivo. Los archivos de texto plano, tales como TXT o CSV, son la opción más sencilla para importar datos desde hojas de cálculo. Por ejemplo, Excel permite guardar archivos .txt (texto delimitado por tabulaciones) o .csv (texto delimitados por comas). En este curso los alentamos a utilizar el formato CSV. Una ventaja de este tipo de representación es que los datos se pueden visualizar/editar con un editor de texto. CSV representa la información en forma de tabla donde las columnas se delimitan con un carácter (por defecto, con coma)* y las filas con saltos de línea.
3.2 Importemos los datos a R
Para importar los datos, necesitamos especificar a R la localización (ruta) de los datos en el computador. El problema es que la ruta de los archivos generalmente son muy largas y difícil de memorizar. Además, si se equivocan al escribirla, R no la reconocerá. Es por ello que es preferible que RStudio haga ese difícil trabajo.
A lo largo de nuestro curso, el método que utilizaremos para importar la base de datos se basará en la herramienta Import dataset. Rstudio proporciona una función de importación a través de la pestaña Import dataset en la parte superior derecha.
Figure 3.2: Importación de datos desde Rstudio
Esta función nos permitirá buscar el archivo de datos, seleccionarlo y finalmente para poder cargar la base de datos en R. Al seleccionar la opción From Text (base), podemos navegar en nuestro computador para encontrar nuestro archivo con la base de datos. Una vez lo seleccionamos, solamente debemos hacer clic en el botón Open para que la magia se haga realidad.
- Para aprender sobre otros métodos de importación de datos les sugerimos visitar el siguiente link
Una vez seleccionado el archivo, se abrirá una ventana que entrega una vista preliminar del archivo
seleccionado. En la parte superior izquierda, podrán observar la opción name, la cual nos permite asignar un
nombre a nuestra base de datos (¿Recuerdan el comando <-?). En este caso, nuestra base de datos recibirá
el nombre data. Lo único que resta por hacer es darle la orden a R para que importe la base de datos. Esto lo
lo podemos hacer habiendo clic en el botón Import.
Figure 3.3: Paso final para Importación de datos
La base de datos que trabajaremos a lo largo del curso contiene nueve diferentes variables:
Cultivo: Proporciona el cultivo sobre el cuales realizaron las observaciones.
Region: Hace referencia a la división territorial de Chile en donde se realizó el muestreo.
Variedad: Indica las diferentes variedades del cultivo que fueron estudiadas.
Hectareas: Proporciona la superficie plantada con el cultivo (hectáreas).
Temperatura: Indica el valor de temperatura ambiental promedio anual para cada sitio de muestreo.
costo_jh: Indica el valor pagado por jornada hombre (pesos chilenos).
rendimiento: Proporciona el rendimiento del cultivo en cada sitio de muestreo (toneladas/hectárea).
Perdida_plaga: Indica las perdidas en rendimiento causadas por la presencia de insectos plaga (porcentaje).
mano_de_obra: Proporciona el número de personas contratadas para realizar las labores asociadas a la temporada de cosecha en cada sitio de muestreo.
Importante:
- La base de datos acá presentada es una base de datos ficticia creada sólo con fines académicos
3.3 Exploremos los datos a R
Al importar nuestro archivo, lo que buscamos es analizar incluso graficar la información contenida en la base de datos. Sin embargo, antes de eso existe un paso sensible y crítico que jamás debemos olvidar. Es importante asegurarnos que importamos correctamente nuestros datos!
La función str() nos mostrará el tipo de datos contenido en nuestra base de datos y enumerará cada variable
de columna junto con su tipo de datos.
## Warning: package 'readxl' was built under R version 4.0.3str(data)## 'data.frame': 120 obs. of 9 variables:
## $ Cultivo : chr "Arandanos" "Arandanos" "Arandanos" "Arandanos" ...
## $ Region : chr "Ohiggins" "Ohiggins" "Ohiggins" "Ohiggins" ...
## $ Variedad : chr "V1" "V1" "V1" "V1" ...
## $ Hectareas : num 1030 999 1118 1007 1078 ...
## $ Temperatura : num 16.8 16.9 15 15.7 15.1 15.9 16.1 15.6 17.4 14.7 ...
## $ costo_jh : int 13059 13026 12933 13027 13045 12949 13002 12968 12978 13056 ...
## $ rendimiento : num 6866 7122 7041 6892 6928 ...
## $ Perdida_plaga: num 35.1 34.3 31.7 40.5 35.6 33 38.1 37.9 34.8 34.4 ...
## $ mano_de_obra : int 3080 2728 3120 3135 3276 2966 2725 2874 2785 3193 ...Como podemos ver, nuestra base contiene variables con diferentes tipos de datos.
La función summary() nos proporciona para cada variable un conjunto de estadísticas descriptivas, según el tipo de variable:
summary(data)## Cultivo Region Variedad Hectareas
## Length:120 Length:120 Length:120 Min. : 998.9
## Class :character Class :character Class :character 1st Qu.:1477.7
## Mode :character Mode :character Mode :character Median :1797.0
## Mean :2090.7
## 3rd Qu.:2352.7
## Max. :3788.0
## Temperatura costo_jh rendimiento Perdida_plaga mano_de_obra
## Min. :10.00 Min. :11893 Min. :4166 Min. :24.70 Min. :2609
## 1st Qu.:12.50 1st Qu.:11997 1st Qu.:4765 1st Qu.:32.95 1st Qu.:3092
## Median :13.75 Median :12490 Median :5457 Median :34.60 Median :3312
## Mean :13.74 Mean :12500 Mean :5617 Mean :34.66 Mean :3384
## 3rd Qu.:15.10 3rd Qu.:13002 3rd Qu.:6285 3rd Qu.:37.30 3rd Qu.:3645
## Max. :17.40 Max. :13121 Max. :7247 Max. :42.80 Max. :4274Variables numéricas:
summary()proporciona el rango, los cuartiles, la mediana y la media.Variables factoriales:
summary()proporciona una tabla con frecuencias.Variables numéricas y factoriales:
summary(), en caso de que existan, nos entregará información sobre el número de valores faltantes (NAs).Variables de caracteres:
summary()solo proporciona la longitud de la variable.
La función head() nos entregará las primeras filas de nuestra base de datos. Por defecto serán las primeras 6:
head(data)## Cultivo Region Variedad Hectareas Temperatura costo_jh rendimiento
## 1 Arandanos Ohiggins V1 1029.9 16.8 13059 6866.5
## 2 Arandanos Ohiggins V1 998.9 16.9 13026 7122.1
## 3 Arandanos Ohiggins V1 1117.8 15.0 12933 7041.2
## 4 Arandanos Ohiggins V1 1007.2 15.7 13027 6891.5
## 5 Arandanos Ohiggins V1 1077.6 15.1 13045 6927.7
## 6 Arandanos Ohiggins V1 1091.3 15.9 12949 6900.4
## Perdida_plaga mano_de_obra
## 1 35.1 3080
## 2 34.3 2728
## 3 31.7 3120
## 4 40.5 3135
## 5 35.6 3276
## 6 33.0 2966En caso de que quisiéramos ampliar el número de filas:
head(data, 10)## Cultivo Region Variedad Hectareas Temperatura costo_jh rendimiento
## 1 Arandanos Ohiggins V1 1029.9 16.8 13059 6866.5
## 2 Arandanos Ohiggins V1 998.9 16.9 13026 7122.1
## 3 Arandanos Ohiggins V1 1117.8 15.0 12933 7041.2
## 4 Arandanos Ohiggins V1 1007.2 15.7 13027 6891.5
## 5 Arandanos Ohiggins V1 1077.6 15.1 13045 6927.7
## 6 Arandanos Ohiggins V1 1091.3 15.9 12949 6900.4
## 7 Arandanos Ohiggins V1 1188.9 16.1 13002 6943.9
## 8 Arandanos Ohiggins V1 1111.6 15.6 12968 6885.7
## 9 Arandanos Ohiggins V1 1028.8 17.4 12978 6724.3
## 10 Arandanos Ohiggins V1 1124.2 14.7 13056 6920.4
## Perdida_plaga mano_de_obra
## 1 35.1 3080
## 2 34.3 2728
## 3 31.7 3120
## 4 40.5 3135
## 5 35.6 3276
## 6 33.0 2966
## 7 38.1 2725
## 8 37.9 2874
## 9 34.8 2785
## 10 34.4 3193Por otro lado, la función tail() nos entregará las últimas filas de nuestra base de datos. Por defecto serán
las últimas 6:
tail(data)## Cultivo Region Variedad Hectareas Temperatura costo_jh rendimiento
## 115 Arandanos La_Araucania V2 1857.6 11.1 11974 4591.7
## 116 Arandanos La_Araucania V2 1862.7 11.6 11960 4689.4
## 117 Arandanos La_Araucania V2 1894.5 10.6 12023 4400.5
## 118 Arandanos La_Araucania V2 1873.5 11.1 11971 4380.6
## 119 Arandanos La_Araucania V2 1915.4 11.5 12065 4424.1
## 120 Arandanos La_Araucania V2 1932.1 13.5 12084 4331.0
## Perdida_plaga mano_de_obra
## 115 33.2 3439
## 116 38.1 3566
## 117 24.7 3552
## 118 37.6 3449
## 119 35.1 3550
## 120 38.3 3162La función names() nos entregará el nombre de las variables (columnas) contenidas en nuestra base de
datos:
names(data)## [1] "Cultivo" "Region" "Variedad" "Hectareas"
## [5] "Temperatura" "costo_jh" "rendimiento" "Perdida_plaga"
## [9] "mano_de_obra"En caso de que quisiéramos conocer las dimensiones (número de columnas y filas) de nuestra base de datos,
podemos utilizar la función dim():
dim(data)## [1] 120 9Tips:
Mucho de lo anteriormente visto lo podemos transformar en tablas mucho más amigables con la función ktable del paquete knitr. Por ejemplo la siguiente Tabla se obtuvo mediante el siguiente código:
knitr::kable(
head(data),
caption = "Ejemplo de Tabla de Datos con ktable")| Cultivo | Region | Variedad | Hectareas | Temperatura | costo_jh | rendimiento | Perdida_plaga | mano_de_obra |
|---|---|---|---|---|---|---|---|---|
| Arandanos | Ohiggins | V1 | 1029.9 | 16.8 | 13059 | 6866.5 | 35.1 | 3080 |
| Arandanos | Ohiggins | V1 | 998.9 | 16.9 | 13026 | 7122.1 | 34.3 | 2728 |
| Arandanos | Ohiggins | V1 | 1117.8 | 15.0 | 12933 | 7041.2 | 31.7 | 3120 |
| Arandanos | Ohiggins | V1 | 1007.2 | 15.7 | 13027 | 6891.5 | 40.5 | 3135 |
| Arandanos | Ohiggins | V1 | 1077.6 | 15.1 | 13045 | 6927.7 | 35.6 | 3276 |
| Arandanos | Ohiggins | V1 | 1091.3 | 15.9 | 12949 | 6900.4 | 33.0 | 2966 |
3.4 Exploremos los datos R con la libreria dplyr
Una de las grandes ventajas de R es la ampliación de sus funcionalidades básicas mediante paquetes (packages) o librerías. Las librerías de R se pueden instalar de múltiples formas. En RStudio, lo haremos de siguiendo una serie de sencillos pasos.
Debemos hacer clic en la pestaña package ubicada en el panel inferior derecho. Al hacer clic en esta pestaña, aparecerá una pequeña ventana con tres campos principales: Install from, packages, and Install to Library. Solo necesitamos preocuparnos por el campo packages, los otros dos los dejaremos en su valor predeterminado.
Figure 3.4: Instalación de paquete dplyr
Ahora, al escribir las primeras letras del nombre de una librería (en este caso dplyr), Rstudio proporcionará
una lista de librerías disponibles que coincidan con esta palabra. Después de encontrar la librería, todo lo
que tenemos que hacer es hacer clic en el botón Install y dejar que Rstudio trabaje.
Figure 3.5: Instalación de paquete dplyr (2do paso)
A pesar de estar instalada, a menos que lo especifiquemos, R no cargará la librería en la consola. Entonces,
debemos “llamar” a la librería que acabamos de instalar con el comando library(dplyr).
library(dplyr)## Warning: package 'dplyr' was built under R version 4.0.3La librería dplyr incluye un conjunto de comandos que coinciden con las acciones más comunes que se
realizan sobre un conjunto de datos (seleccionar filas filter, seleccionar columnas select, resumir mediante
alguna medida numérica summarise, entre muchas otras). Para mayor información sobre la librería dplyr
puedes acceder al siguiente link.
La función select() selecciona columnas de nuestra base:
Intentemos seleccionar la columna Region en la base de datos llamada data
select(data, Region)## Region
## 1 Ohiggins
## 2 Ohiggins
## 3 Ohiggins
## 4 Ohiggins
## 5 Ohiggins
## 6 Ohiggins
## 7 Ohiggins
## 8 Ohiggins
## 9 Ohiggins
## 10 Ohiggins
## 11 Ohiggins
## 12 Ohiggins
## 13 Ohiggins
## 14 Ohiggins
## 15 Ohiggins
## 16 Ohiggins
## 17 Ohiggins
## 18 Ohiggins
## 19 Ohiggins
## 20 Ohiggins
## 21 Ohiggins
## 22 Ohiggins
## 23 Ohiggins
## 24 Ohiggins
## 25 Ohiggins
## 26 Ohiggins
## 27 Ohiggins
## 28 Ohiggins
## 29 Ohiggins
## 30 Ohiggins
## 31 Maule
## 32 Maule
## 33 Maule
## 34 Maule
## 35 Maule
## 36 Maule
## 37 Maule
## 38 Maule
## 39 Maule
## 40 Maule
## 41 Maule
## 42 Maule
## 43 Maule
## 44 Maule
## 45 Maule
## 46 Maule
## 47 Maule
## 48 Maule
## 49 Maule
## 50 Maule
## 51 Maule
## 52 Maule
## 53 Maule
## 54 Maule
## 55 Maule
## 56 Maule
## 57 Maule
## 58 Maule
## 59 Maule
## 60 Maule
## 61 BioBio
## 62 BioBio
## 63 BioBio
## 64 BioBio
## 65 BioBio
## 66 BioBio
## 67 BioBio
## 68 BioBio
## 69 BioBio
## 70 BioBio
## 71 BioBio
## 72 BioBio
## 73 BioBio
## 74 BioBio
## 75 BioBio
## 76 BioBio
## 77 BioBio
## 78 BioBio
## 79 BioBio
## 80 BioBio
## 81 BioBio
## 82 BioBio
## 83 BioBio
## 84 BioBio
## 85 BioBio
## 86 BioBio
## 87 BioBio
## 88 BioBio
## 89 BioBio
## 90 BioBio
## 91 La_Araucania
## 92 La_Araucania
## 93 La_Araucania
## 94 La_Araucania
## 95 La_Araucania
## 96 La_Araucania
## 97 La_Araucania
## 98 La_Araucania
## 99 La_Araucania
## 100 La_Araucania
## 101 La_Araucania
## 102 La_Araucania
## 103 La_Araucania
## 104 La_Araucania
## 105 La_Araucania
## 106 La_Araucania
## 107 La_Araucania
## 108 La_Araucania
## 109 La_Araucania
## 110 La_Araucania
## 111 La_Araucania
## 112 La_Araucania
## 113 La_Araucania
## 114 La_Araucania
## 115 La_Araucania
## 116 La_Araucania
## 117 La_Araucania
## 118 La_Araucania
## 119 La_Araucania
## 120 La_AraucaniaLa función select() también nos permite seleccionar todas las columnas excepto una:
select(data, -Region)## Cultivo Variedad Hectareas Temperatura costo_jh rendimiento Perdida_plaga
## 1 Arandanos V1 1029.9 16.8 13059 6866.5 35.1
## 2 Arandanos V1 998.9 16.9 13026 7122.1 34.3
## 3 Arandanos V1 1117.8 15.0 12933 7041.2 31.7
## 4 Arandanos V1 1007.2 15.7 13027 6891.5 40.5
## 5 Arandanos V1 1077.6 15.1 13045 6927.7 35.6
## 6 Arandanos V1 1091.3 15.9 12949 6900.4 33.0
## 7 Arandanos V1 1188.9 16.1 13002 6943.9 38.1
## 8 Arandanos V1 1111.6 15.6 12968 6885.7 37.9
## 9 Arandanos V1 1028.8 17.4 12978 6724.3 34.8
## 10 Arandanos V1 1124.2 14.7 13056 6920.4 34.4
## 11 Arandanos V1 1106.5 15.9 13056 7056.9 37.9
## 12 Arandanos V1 1000.6 15.4 13077 6898.6 30.0
## 13 Arandanos V1 1101.0 16.5 12993 6797.2 37.3
## 14 Arandanos V1 1113.9 14.0 12975 6858.2 33.9
## 15 Arandanos V1 1159.9 14.7 13003 7064.3 31.0
## 16 Arandanos V2 1110.8 14.3 12970 7028.4 33.0
## 17 Arandanos V2 1091.4 13.7 13003 7127.7 36.4
## 18 Arandanos V2 1173.8 15.7 12994 7247.3 33.9
## 19 Arandanos V2 1034.9 15.1 13033 6896.8 27.2
## 20 Arandanos V2 1081.7 14.3 13107 6927.3 37.9
## 21 Arandanos V2 1120.4 14.8 13013 6893.3 41.8
## 22 Arandanos V2 1054.0 16.9 12998 6929.0 36.9
## 23 Arandanos V2 1099.7 15.0 12895 7237.8 36.0
## 24 Arandanos V2 1083.0 15.2 12991 6964.5 34.6
## 25 Arandanos V2 1063.7 15.3 12969 6776.9 29.5
## 26 Arandanos V2 1097.1 13.5 13055 7017.3 29.9
## 27 Arandanos V2 1132.5 14.9 13005 7080.4 34.7
## 28 Arandanos V2 1086.0 14.4 12988 7171.5 38.2
## 29 Arandanos V2 1035.5 12.5 12920 7246.0 28.3
## 30 Arandanos V2 1110.5 16.4 12936 6928.1 32.6
## 31 Arandanos V1 3750.2 15.6 12968 5931.1 27.5
## 32 Arandanos V1 3668.7 11.6 13013 6076.3 34.5
## 33 Arandanos V1 3586.2 15.8 13007 6005.6 38.0
## 34 Arandanos V1 3678.0 15.0 13033 5964.3 36.9
## 35 Arandanos V1 3729.1 12.5 13057 6003.4 33.2
## 36 Arandanos V1 3709.2 15.9 13039 6026.0 36.1
## 37 Arandanos V1 3636.3 15.6 12961 5973.5 37.7
## 38 Arandanos V1 3749.6 13.7 13023 6046.6 36.4
## 39 Arandanos V1 3644.6 12.5 12985 5960.2 34.3
## 40 Arandanos V1 3634.6 14.5 13041 6011.1 35.6
## 41 Arandanos V1 3649.5 15.1 12942 6012.2 38.5
## 42 Arandanos V1 3788.0 13.7 13121 6100.5 29.2
## 43 Arandanos V1 3699.9 15.9 12945 5932.6 36.9
## 44 Arandanos V1 3718.2 14.0 12967 5876.5 31.5
## 45 Arandanos V1 3645.8 13.2 13098 5745.2 38.5
## 46 Arandanos V2 3699.5 14.0 13065 5890.1 35.5
## 47 Arandanos V2 3627.4 13.5 13008 6078.3 34.2
## 48 Arandanos V2 3685.2 16.8 13088 6062.3 38.1
## 49 Arandanos V2 3770.5 14.5 13034 5852.9 33.5
## 50 Arandanos V2 3711.1 15.5 13064 6016.7 32.1
## 51 Arandanos V2 3758.2 13.7 12975 6112.8 37.5
## 52 Arandanos V2 3685.5 12.7 13087 6032.1 33.5
## 53 Arandanos V2 3619.6 13.5 12902 6139.0 33.3
## 54 Arandanos V2 3724.8 14.7 12974 6008.3 37.9
## 55 Arandanos V2 3735.7 13.5 12976 5936.0 40.2
## 56 Arandanos V2 3672.5 15.1 12937 5929.8 34.2
## 57 Arandanos V2 3657.3 15.3 12946 6036.1 33.3
## 58 Arandanos V2 3657.9 13.4 12963 6084.7 37.8
## 59 Arandanos V2 3721.7 15.8 12955 5848.1 30.7
## 60 Arandanos V2 3762.6 16.2 13059 6125.2 30.0
## 61 Arandanos V1 1642.1 13.5 12018 4957.5 33.6
## 62 Arandanos V1 1823.2 13.6 12051 5025.6 32.8
## 63 Arandanos V1 1801.9 12.4 12004 5118.6 27.6
## 64 Arandanos V1 1742.7 12.6 12005 4980.2 36.3
## 65 Arandanos V1 1731.6 13.8 12069 5024.6 35.7
## 66 Arandanos V1 1601.4 11.7 11906 5007.0 32.1
## 67 Arandanos V1 1793.8 13.9 11901 4825.8 34.2
## 68 Arandanos V1 1766.3 14.1 11962 5164.7 34.2
## 69 Arandanos V1 1793.7 14.8 11989 4767.4 34.0
## 70 Arandanos V1 1742.0 11.5 11988 5013.5 33.4
## 71 Arandanos V1 1656.7 14.0 11976 5013.0 34.6
## 72 Arandanos V1 1659.9 14.8 12014 5102.8 29.6
## 73 Arandanos V1 1573.9 14.9 12083 4924.8 35.0
## 74 Arandanos V1 1781.8 13.4 11997 5061.5 31.4
## 75 Arandanos V1 1724.4 12.5 11893 4892.4 41.8
## 76 Arandanos V2 1800.3 13.9 11927 5129.7 37.7
## 77 Arandanos V2 1683.0 11.9 12046 5115.4 34.6
## 78 Arandanos V2 1733.9 13.3 11993 4992.5 35.6
## 79 Arandanos V2 1803.5 13.7 11900 4962.0 39.3
## 80 Arandanos V2 1679.8 14.8 11987 4905.3 36.7
## 81 Arandanos V2 1743.7 15.2 12005 5037.2 34.6
## 82 Arandanos V2 1664.5 14.8 11906 5107.2 31.6
## 83 Arandanos V2 1715.7 14.5 11962 4914.6 37.1
## 84 Arandanos V2 1706.4 12.4 11985 5058.8 41.2
## 85 Arandanos V2 1698.5 12.1 11919 4934.8 37.0
## 86 Arandanos V2 1734.7 13.8 11997 4965.1 34.6
## 87 Arandanos V2 1785.3 14.0 11967 4970.2 37.5
## 88 Arandanos V2 1694.2 15.7 11967 5137.6 33.3
## 89 Arandanos V2 1680.7 12.1 11938 5140.9 31.7
## 90 Arandanos V2 1681.4 12.7 11988 5168.7 33.5
## 91 Arandanos V1 1907.5 11.3 12005 4166.3 33.2
## 92 Arandanos V1 1896.7 12.4 12015 4439.0 33.6
## 93 Arandanos V1 1867.3 11.9 12011 4374.1 37.6
## 94 Arandanos V1 1922.1 13.0 11995 4506.7 37.8
## 95 Arandanos V1 1941.5 11.2 12018 4466.9 37.1
## 96 Arandanos V1 1846.2 12.8 12023 4469.6 33.4
## 97 Arandanos V1 1854.6 11.9 12084 4517.0 31.8
## 98 Arandanos V1 1898.1 10.0 12069 4538.1 34.9
## 99 Arandanos V1 1783.3 11.9 11923 4456.1 42.8
## 100 Arandanos V1 1833.6 13.1 11970 4444.0 35.4
## 101 Arandanos V1 1801.7 12.8 12007 4525.9 37.4
## 102 Arandanos V1 1931.0 11.5 12023 4632.6 32.0
## 103 Arandanos V1 1865.6 13.3 12022 4327.5 31.4
## 104 Arandanos V1 1819.9 10.3 12063 4526.0 33.6
## 105 Arandanos V1 1855.1 11.6 12042 4523.7 31.1
## 106 Arandanos V2 1910.0 12.6 11924 4447.8 32.8
## 107 Arandanos V2 1708.3 10.4 11962 4421.7 37.6
## 108 Arandanos V2 1823.3 13.2 11951 4554.1 35.0
## 109 Arandanos V2 1780.9 11.6 12050 4344.9 37.3
## 110 Arandanos V2 1886.3 10.1 12020 4456.3 29.8
## 111 Arandanos V2 1838.7 13.1 11961 4528.3 34.1
## 112 Arandanos V2 1858.9 10.1 12038 4651.1 30.4
## 113 Arandanos V2 1761.6 12.0 12037 4758.3 32.8
## 114 Arandanos V2 1908.1 10.6 12055 4539.7 34.1
## 115 Arandanos V2 1857.6 11.1 11974 4591.7 33.2
## 116 Arandanos V2 1862.7 11.6 11960 4689.4 38.1
## 117 Arandanos V2 1894.5 10.6 12023 4400.5 24.7
## 118 Arandanos V2 1873.5 11.1 11971 4380.6 37.6
## 119 Arandanos V2 1915.4 11.5 12065 4424.1 35.1
## 120 Arandanos V2 1932.1 13.5 12084 4331.0 38.3
## mano_de_obra
## 1 3080
## 2 2728
## 3 3120
## 4 3135
## 5 3276
## 6 2966
## 7 2725
## 8 2874
## 9 2785
## 10 3193
## 11 2872
## 12 2983
## 13 2932
## 14 2965
## 15 2609
## 16 3104
## 17 2790
## 18 2720
## 19 3099
## 20 2868
## 21 3307
## 22 3155
## 23 3093
## 24 2928
## 25 2996
## 26 3002
## 27 3285
## 28 3068
## 29 3308
## 30 2724
## 31 3446
## 32 3204
## 33 3225
## 34 2979
## 35 3222
## 36 3504
## 37 3349
## 38 3066
## 39 3186
## 40 3205
## 41 3080
## 42 3463
## 43 3410
## 44 2956
## 45 3316
## 46 3027
## 47 2980
## 48 3319
## 49 3640
## 50 2891
## 51 3559
## 52 3278
## 53 3356
## 54 3159
## 55 3363
## 56 3341
## 57 3094
## 58 3480
## 59 3088
## 60 3434
## 61 3914
## 62 3901
## 63 3673
## 64 3953
## 65 4171
## 66 4013
## 67 3864
## 68 3947
## 69 3908
## 70 3764
## 71 4029
## 72 4132
## 73 4030
## 74 3882
## 75 3698
## 76 3880
## 77 3785
## 78 4175
## 79 3660
## 80 3832
## 81 4087
## 82 4101
## 83 4205
## 84 3755
## 85 3889
## 86 4036
## 87 4274
## 88 4101
## 89 4250
## 90 3938
## 91 3198
## 92 3303
## 93 3207
## 94 3484
## 95 3212
## 96 3356
## 97 3408
## 98 3319
## 99 3280
## 100 3105
## 101 3404
## 102 3258
## 103 2927
## 104 3028
## 105 3004
## 106 3403
## 107 3503
## 108 3300
## 109 3325
## 110 3160
## 111 3553
## 112 3614
## 113 3208
## 114 3595
## 115 3439
## 116 3566
## 117 3552
## 118 3449
## 119 3550
## 120 3162La función slice() selecciona filas de nuestra base. Intentemos seleccionar la quinta fila en la base de datos llamada data:
slice(data, 5)## Cultivo Region Variedad Hectareas Temperatura costo_jh rendimiento
## 1 Arandanos Ohiggins V1 1077.6 15.1 13045 6927.7
## Perdida_plaga mano_de_obra
## 1 35.6 3276La función slice() también nos permite seleccionar una secuencia de filas. Seleccionemos desde la tercera hasta la decima en la base de datos llamada data:
slice(data, 3:10)## Cultivo Region Variedad Hectareas Temperatura costo_jh rendimiento
## 1 Arandanos Ohiggins V1 1117.8 15.0 12933 7041.2
## 2 Arandanos Ohiggins V1 1007.2 15.7 13027 6891.5
## 3 Arandanos Ohiggins V1 1077.6 15.1 13045 6927.7
## 4 Arandanos Ohiggins V1 1091.3 15.9 12949 6900.4
## 5 Arandanos Ohiggins V1 1188.9 16.1 13002 6943.9
## 6 Arandanos Ohiggins V1 1111.6 15.6 12968 6885.7
## 7 Arandanos Ohiggins V1 1028.8 17.4 12978 6724.3
## 8 Arandanos Ohiggins V1 1124.2 14.7 13056 6920.4
## Perdida_plaga mano_de_obra
## 1 31.7 3120
## 2 40.5 3135
## 3 35.6 3276
## 4 33.0 2966
## 5 38.1 2725
## 6 37.9 2874
## 7 34.8 2785
## 8 34.4 3193La versatilidad de la función slice() es aún mayor. Por ejemplo, podemos seleccionar una secuencia de filas
discontinua:
slice(data, c(3,10,25,100))## Cultivo Region Variedad Hectareas Temperatura costo_jh rendimiento
## 1 Arandanos Ohiggins V1 1117.8 15.0 12933 7041.2
## 2 Arandanos Ohiggins V1 1124.2 14.7 13056 6920.4
## 3 Arandanos Ohiggins V2 1063.7 15.3 12969 6776.9
## 4 Arandanos La_Araucania V1 1833.6 13.1 11970 4444.0
## Perdida_plaga mano_de_obra
## 1 31.7 3120
## 2 34.4 3193
## 3 29.5 2996
## 4 35.4 3105También existe la función `filter()``, la cual nos permite seleccionar las observaciones (filas) que cumplen las condiciones que nos interesan.
En caso de que quisiéramos seleccionar todas aquellas observaciones en donde el rendimiento fue mayor 7000 toneladas/hectárea:
filter(data, rendimiento > 7000)## Cultivo Region Variedad Hectareas Temperatura costo_jh rendimiento
## 1 Arandanos Ohiggins V1 998.9 16.9 13026 7122.1
## 2 Arandanos Ohiggins V1 1117.8 15.0 12933 7041.2
## 3 Arandanos Ohiggins V1 1106.5 15.9 13056 7056.9
## 4 Arandanos Ohiggins V1 1159.9 14.7 13003 7064.3
## 5 Arandanos Ohiggins V2 1110.8 14.3 12970 7028.4
## 6 Arandanos Ohiggins V2 1091.4 13.7 13003 7127.7
## 7 Arandanos Ohiggins V2 1173.8 15.7 12994 7247.3
## 8 Arandanos Ohiggins V2 1099.7 15.0 12895 7237.8
## 9 Arandanos Ohiggins V2 1097.1 13.5 13055 7017.3
## 10 Arandanos Ohiggins V2 1132.5 14.9 13005 7080.4
## 11 Arandanos Ohiggins V2 1086.0 14.4 12988 7171.5
## 12 Arandanos Ohiggins V2 1035.5 12.5 12920 7246.0
## Perdida_plaga mano_de_obra
## 1 34.3 2728
## 2 31.7 3120
## 3 37.9 2872
## 4 31.0 2609
## 5 33.0 3104
## 6 36.4 2790
## 7 33.9 2720
## 8 36.0 3093
## 9 29.9 3002
## 10 34.7 3285
## 11 38.2 3068
## 12 28.3 3308Si estuviésemos interesados en seleccionar aquellas observaciones en donde el rendimiento fue mayor 7000 toneladas/hectárea solamente para la variedad 1 de arándanos:
filter(data, rendimiento > 7000, Variedad == "V1")## Cultivo Region Variedad Hectareas Temperatura costo_jh rendimiento
## 1 Arandanos Ohiggins V1 998.9 16.9 13026 7122.1
## 2 Arandanos Ohiggins V1 1117.8 15.0 12933 7041.2
## 3 Arandanos Ohiggins V1 1106.5 15.9 13056 7056.9
## 4 Arandanos Ohiggins V1 1159.9 14.7 13003 7064.3
## Perdida_plaga mano_de_obra
## 1 34.3 2728
## 2 31.7 3120
## 3 37.9 2872
## 4 31.0 2609Ahora, intentemos seleccionar aquellas observaciones en donde el rendimiento fue mayor 7000 toneladas/hectárea “o” que sean de la Variedad 1:
filter(data, rendimiento > 7000 | Variedad == "V1")## Cultivo Region Variedad Hectareas Temperatura costo_jh rendimiento
## 1 Arandanos Ohiggins V1 1029.9 16.8 13059 6866.5
## 2 Arandanos Ohiggins V1 998.9 16.9 13026 7122.1
## 3 Arandanos Ohiggins V1 1117.8 15.0 12933 7041.2
## 4 Arandanos Ohiggins V1 1007.2 15.7 13027 6891.5
## 5 Arandanos Ohiggins V1 1077.6 15.1 13045 6927.7
## 6 Arandanos Ohiggins V1 1091.3 15.9 12949 6900.4
## 7 Arandanos Ohiggins V1 1188.9 16.1 13002 6943.9
## 8 Arandanos Ohiggins V1 1111.6 15.6 12968 6885.7
## 9 Arandanos Ohiggins V1 1028.8 17.4 12978 6724.3
## 10 Arandanos Ohiggins V1 1124.2 14.7 13056 6920.4
## 11 Arandanos Ohiggins V1 1106.5 15.9 13056 7056.9
## 12 Arandanos Ohiggins V1 1000.6 15.4 13077 6898.6
## 13 Arandanos Ohiggins V1 1101.0 16.5 12993 6797.2
## 14 Arandanos Ohiggins V1 1113.9 14.0 12975 6858.2
## 15 Arandanos Ohiggins V1 1159.9 14.7 13003 7064.3
## 16 Arandanos Ohiggins V2 1110.8 14.3 12970 7028.4
## 17 Arandanos Ohiggins V2 1091.4 13.7 13003 7127.7
## 18 Arandanos Ohiggins V2 1173.8 15.7 12994 7247.3
## 19 Arandanos Ohiggins V2 1099.7 15.0 12895 7237.8
## 20 Arandanos Ohiggins V2 1097.1 13.5 13055 7017.3
## 21 Arandanos Ohiggins V2 1132.5 14.9 13005 7080.4
## 22 Arandanos Ohiggins V2 1086.0 14.4 12988 7171.5
## 23 Arandanos Ohiggins V2 1035.5 12.5 12920 7246.0
## 24 Arandanos Maule V1 3750.2 15.6 12968 5931.1
## 25 Arandanos Maule V1 3668.7 11.6 13013 6076.3
## 26 Arandanos Maule V1 3586.2 15.8 13007 6005.6
## 27 Arandanos Maule V1 3678.0 15.0 13033 5964.3
## 28 Arandanos Maule V1 3729.1 12.5 13057 6003.4
## 29 Arandanos Maule V1 3709.2 15.9 13039 6026.0
## 30 Arandanos Maule V1 3636.3 15.6 12961 5973.5
## 31 Arandanos Maule V1 3749.6 13.7 13023 6046.6
## 32 Arandanos Maule V1 3644.6 12.5 12985 5960.2
## 33 Arandanos Maule V1 3634.6 14.5 13041 6011.1
## 34 Arandanos Maule V1 3649.5 15.1 12942 6012.2
## 35 Arandanos Maule V1 3788.0 13.7 13121 6100.5
## 36 Arandanos Maule V1 3699.9 15.9 12945 5932.6
## 37 Arandanos Maule V1 3718.2 14.0 12967 5876.5
## 38 Arandanos Maule V1 3645.8 13.2 13098 5745.2
## 39 Arandanos BioBio V1 1642.1 13.5 12018 4957.5
## 40 Arandanos BioBio V1 1823.2 13.6 12051 5025.6
## 41 Arandanos BioBio V1 1801.9 12.4 12004 5118.6
## 42 Arandanos BioBio V1 1742.7 12.6 12005 4980.2
## 43 Arandanos BioBio V1 1731.6 13.8 12069 5024.6
## 44 Arandanos BioBio V1 1601.4 11.7 11906 5007.0
## 45 Arandanos BioBio V1 1793.8 13.9 11901 4825.8
## 46 Arandanos BioBio V1 1766.3 14.1 11962 5164.7
## 47 Arandanos BioBio V1 1793.7 14.8 11989 4767.4
## 48 Arandanos BioBio V1 1742.0 11.5 11988 5013.5
## 49 Arandanos BioBio V1 1656.7 14.0 11976 5013.0
## 50 Arandanos BioBio V1 1659.9 14.8 12014 5102.8
## 51 Arandanos BioBio V1 1573.9 14.9 12083 4924.8
## 52 Arandanos BioBio V1 1781.8 13.4 11997 5061.5
## 53 Arandanos BioBio V1 1724.4 12.5 11893 4892.4
## 54 Arandanos La_Araucania V1 1907.5 11.3 12005 4166.3
## 55 Arandanos La_Araucania V1 1896.7 12.4 12015 4439.0
## 56 Arandanos La_Araucania V1 1867.3 11.9 12011 4374.1
## 57 Arandanos La_Araucania V1 1922.1 13.0 11995 4506.7
## 58 Arandanos La_Araucania V1 1941.5 11.2 12018 4466.9
## 59 Arandanos La_Araucania V1 1846.2 12.8 12023 4469.6
## 60 Arandanos La_Araucania V1 1854.6 11.9 12084 4517.0
## 61 Arandanos La_Araucania V1 1898.1 10.0 12069 4538.1
## 62 Arandanos La_Araucania V1 1783.3 11.9 11923 4456.1
## 63 Arandanos La_Araucania V1 1833.6 13.1 11970 4444.0
## 64 Arandanos La_Araucania V1 1801.7 12.8 12007 4525.9
## 65 Arandanos La_Araucania V1 1931.0 11.5 12023 4632.6
## 66 Arandanos La_Araucania V1 1865.6 13.3 12022 4327.5
## 67 Arandanos La_Araucania V1 1819.9 10.3 12063 4526.0
## 68 Arandanos La_Araucania V1 1855.1 11.6 12042 4523.7
## Perdida_plaga mano_de_obra
## 1 35.1 3080
## 2 34.3 2728
## 3 31.7 3120
## 4 40.5 3135
## 5 35.6 3276
## 6 33.0 2966
## 7 38.1 2725
## 8 37.9 2874
## 9 34.8 2785
## 10 34.4 3193
## 11 37.9 2872
## 12 30.0 2983
## 13 37.3 2932
## 14 33.9 2965
## 15 31.0 2609
## 16 33.0 3104
## 17 36.4 2790
## 18 33.9 2720
## 19 36.0 3093
## 20 29.9 3002
## 21 34.7 3285
## 22 38.2 3068
## 23 28.3 3308
## 24 27.5 3446
## 25 34.5 3204
## 26 38.0 3225
## 27 36.9 2979
## 28 33.2 3222
## 29 36.1 3504
## 30 37.7 3349
## 31 36.4 3066
## 32 34.3 3186
## 33 35.6 3205
## 34 38.5 3080
## 35 29.2 3463
## 36 36.9 3410
## 37 31.5 2956
## 38 38.5 3316
## 39 33.6 3914
## 40 32.8 3901
## 41 27.6 3673
## 42 36.3 3953
## 43 35.7 4171
## 44 32.1 4013
## 45 34.2 3864
## 46 34.2 3947
## 47 34.0 3908
## 48 33.4 3764
## 49 34.6 4029
## 50 29.6 4132
## 51 35.0 4030
## 52 31.4 3882
## 53 41.8 3698
## 54 33.2 3198
## 55 33.6 3303
## 56 37.6 3207
## 57 37.8 3484
## 58 37.1 3212
## 59 33.4 3356
## 60 31.8 3408
## 61 34.9 3319
## 62 42.8 3280
## 63 35.4 3105
## 64 37.4 3404
## 65 32.0 3258
## 66 31.4 2927
## 67 33.6 3028
## 68 31.1 30043.5 Reducción de una base de datos
La importancia de estas funciones radica en que nos permiten trabajar con subconjuntos de la base de datos original. Por ejemplo, podemos generar una nueva base de datos que solo contenga la información referida a las plantaciones de arándanos provenientes de la región del Maule:
data1 <- filter(data, Region == "Maule")
data1## Cultivo Region Variedad Hectareas Temperatura costo_jh rendimiento
## 1 Arandanos Maule V1 3750.2 15.6 12968 5931.1
## 2 Arandanos Maule V1 3668.7 11.6 13013 6076.3
## 3 Arandanos Maule V1 3586.2 15.8 13007 6005.6
## 4 Arandanos Maule V1 3678.0 15.0 13033 5964.3
## 5 Arandanos Maule V1 3729.1 12.5 13057 6003.4
## 6 Arandanos Maule V1 3709.2 15.9 13039 6026.0
## 7 Arandanos Maule V1 3636.3 15.6 12961 5973.5
## 8 Arandanos Maule V1 3749.6 13.7 13023 6046.6
## 9 Arandanos Maule V1 3644.6 12.5 12985 5960.2
## 10 Arandanos Maule V1 3634.6 14.5 13041 6011.1
## 11 Arandanos Maule V1 3649.5 15.1 12942 6012.2
## 12 Arandanos Maule V1 3788.0 13.7 13121 6100.5
## 13 Arandanos Maule V1 3699.9 15.9 12945 5932.6
## 14 Arandanos Maule V1 3718.2 14.0 12967 5876.5
## 15 Arandanos Maule V1 3645.8 13.2 13098 5745.2
## 16 Arandanos Maule V2 3699.5 14.0 13065 5890.1
## 17 Arandanos Maule V2 3627.4 13.5 13008 6078.3
## 18 Arandanos Maule V2 3685.2 16.8 13088 6062.3
## 19 Arandanos Maule V2 3770.5 14.5 13034 5852.9
## 20 Arandanos Maule V2 3711.1 15.5 13064 6016.7
## 21 Arandanos Maule V2 3758.2 13.7 12975 6112.8
## 22 Arandanos Maule V2 3685.5 12.7 13087 6032.1
## 23 Arandanos Maule V2 3619.6 13.5 12902 6139.0
## 24 Arandanos Maule V2 3724.8 14.7 12974 6008.3
## 25 Arandanos Maule V2 3735.7 13.5 12976 5936.0
## 26 Arandanos Maule V2 3672.5 15.1 12937 5929.8
## 27 Arandanos Maule V2 3657.3 15.3 12946 6036.1
## 28 Arandanos Maule V2 3657.9 13.4 12963 6084.7
## 29 Arandanos Maule V2 3721.7 15.8 12955 5848.1
## 30 Arandanos Maule V2 3762.6 16.2 13059 6125.2
## Perdida_plaga mano_de_obra
## 1 27.5 3446
## 2 34.5 3204
## 3 38.0 3225
## 4 36.9 2979
## 5 33.2 3222
## 6 36.1 3504
## 7 37.7 3349
## 8 36.4 3066
## 9 34.3 3186
## 10 35.6 3205
## 11 38.5 3080
## 12 29.2 3463
## 13 36.9 3410
## 14 31.5 2956
## 15 38.5 3316
## 16 35.5 3027
## 17 34.2 2980
## 18 38.1 3319
## 19 33.5 3640
## 20 32.1 2891
## 21 37.5 3559
## 22 33.5 3278
## 23 33.3 3356
## 24 37.9 3159
## 25 40.2 3363
## 26 34.2 3341
## 27 33.3 3094
## 28 37.8 3480
## 29 30.7 3088
## 30 30.0 3434Ahora, podemos aplicar todas las funciones que hemos aprendido para explorar la información contenida en una base de datos.