Aquí se definen parámetros generales y el espacio de trabajo
options(max.print = 100000, width=300) # dimensiones salida
getwd() # donde estamos ahora## [1] "/home/sergio/Documents/Lavoro in corso/Análisis de datos y estadística inferencial - IMCA/Lezioni 2024/Clase_2/R"setwd("~/Documents/Lavoro in corso/Análisis de datos y estadística inferencial - IMCA/Lezioni 2024/Clase_2/R") # donde vamosx = c(5,2,0,-3,7)
y = 6
y/sqrt(x)## Warning in sqrt(x): NaNs produced## [1] 2.683282 4.242641 Inf NaN 2.267787for (i in 1:length(x)) {
if (x[i] > 0) {
print (y/sqrt(x[i]))
} else if (x[i] == 0) {
print(paste("x = ",x[i],": division by zero illegal", sep=""))
} else {
print(paste("x = ",x[i],": square root of negative x is illegal"))
}
}## [1] 2.683282
## [1] 4.242641
## [1] "x = 0: division by zero illegal"
## [1] "x = -3 : square root of negative x is illegal"
## [1] 2.267787Se pueden importar archivos .csv, o sea separando los datos con comma, así como archivos salidos de hojas electrónicas, como .ods (de Libre Office calc), .xls y .xlsx (de Microsoft Excel).
Los archivos .csv se colgan con los comandos read.csv(), si los datos son separados para comas y el decimal es un punto; con read.csv2() si son separados para punto y coma y el decimal es un coma.
Funcionan también para bajar datos desde internet.
piel<-read.csv("Pielescuero.csv", header = TRUE); head(piel)## Exportacion Tamano Financiacion Zona Actividad
## 1 1 1 2 2 4
## 2 2 1 2 3 3
## 3 1 1 2 2 3
## 4 1 1 2 2 3
## 5 1 1 2 1 3
## 6 1 1 2 3 3read.csv("Pielescuero.csv",header=TRUE, sep = ",", quote="", dec=".")## X.Exportacion. X.Tamano. X.Financiacion. X.Zona. X.Actividad.
## 1 1 1 2 2 4
## 2 2 1 2 3 3
## 3 1 1 2 2 3
## 4 1 1 2 2 3
## 5 1 1 2 1 3
## 6 1 1 2 3 3
## 7 1 1 2 3 3
## 8 1 1 2 3 3
## 9 1 1 2 1 4
## 10 2 1 2 1 3
## 11 2 1 2 1 4
## 12 2 1 2 1 3
## 13 1 1 1 1 3
## 14 1 1 2 1 3
## 15 2 2 1 3 3
## 16 2 2 2 1 3
## 17 2 2 1 1 4
## 18 1 2 2 1 3
## 19 1 2 2 1 3
## 20 2 2 1 2 3
## 21 1 2 1 2 3
## 22 2 2 1 3 4
## 23 2 2 1 3 3
## 24 2 2 2 3 4
## 25 1 2 2 1 3
## 26 1 2 2 1 3
## 27 2 2 2 1 4
## 28 1 2 2 3 3
## 29 1 2 2 3 3
## 30 1 2 1 3 3
## 31 1 2 1 3 3
## 32 2 2 2 3 3
## 33 2 2 2 3 3
## 34 1 2 2 3 3
## 35 1 2 1 3 3
## 36 1 2 2 3 3
## 37 1 2 2 2 3
## 38 1 2 2 2 3
## 39 1 2 1 2 3
## 40 1 2 1 1 3
## 41 2 2 2 1 3
## 42 1 2 2 1 4
## 43 2 2 1 3 4
## 44 2 2 1 3 3
## 45 1 2 2 2 3
## 46 2 2 2 2 3
## 47 2 2 1 2 3
## 48 1 2 2 2 4
## 49 1 2 1 2 3
## 50 2 3 2 2 4
## 51 1 3 1 2 3
## 52 2 3 2 2 3
## 53 1 3 2 1 3
## 54 1 3 2 3 3
## 55 2 3 2 1 3
## 56 1 3 1 2 3
## 57 1 3 2 1 3
## 58 1 3 1 3 3
## 59 1 3 1 3 3
## 60 2 3 1 3 3
## 61 1 3 1 3 3
## 62 1 3 1 2 3
## 63 2 3 2 3 3
## 64 1 3 1 3 3
## 65 2 3 2 2 3
## 66 2 1 2 3 1
## 67 1 1 2 3 1
## 68 1 1 2 3 1
## 69 1 1 1 3 1
## 70 2 1 2 3 1
## 71 1 1 2 3 1
## 72 2 1 2 3 1
## 73 1 1 1 3 2
## 74 1 1 2 3 1
## 75 1 1 2 3 2
## 76 2 1 2 3 1
## 77 1 1 2 3 1
## 78 1 1 2 2 2
## 79 1 1 2 1 1
## 80 1 1 2 1 1
## 81 1 1 2 2 2
## 82 1 1 2 3 2
## 83 1 1 2 3 2
## 84 2 1 1 3 2
## 85 1 1 2 3 2
## 86 1 1 2 3 2
## 87 2 1 2 2 2
## 88 1 1 2 2 2
## 89 1 1 2 2 2
## 90 1 1 1 2 2
## 91 1 1 2 1 1
## 92 1 1 2 1 1
## 93 2 1 2 1 1
## 94 1 1 2 3 1
## 95 2 1 2 3 1
## 96 2 1 2 3 1
## 97 2 1 1 3 1
## 98 1 1 2 3 1
## 99 1 1 2 3 1
## 100 1 1 2 3 2
## 101 2 1 2 3 1
## 102 1 1 2 1 1
## 103 2 1 2 3 2
## 104 1 1 2 3 2
## 105 1 2 2 3 1
## 106 1 2 1 3 1
## 107 1 2 2 1 1
## 108 1 2 2 1 2
## 109 1 2 2 1 1
## 110 1 2 1 1 2
## 111 1 2 1 1 2
## 112 1 2 1 1 2
## 113 1 2 2 1 2
## 114 2 2 2 2 2
## 115 1 2 2 2 2
## 116 2 2 2 3 1
## 117 1 2 1 3 2
## 118 1 2 2 3 1
## 119 1 2 1 3 1
## 120 1 2 2 3 2
## 121 1 2 2 3 1
## 122 1 2 1 2 2
## 123 1 2 1 2 1
## 124 1 2 2 2 1
## 125 1 2 2 2 1
## 126 2 2 2 3 2
## 127 1 2 1 3 2
## 128 1 2 1 3 2
## 129 1 2 1 3 1
## 130 1 2 2 3 1
## 131 2 2 1 3 1
## 132 1 2 2 1 2
## 133 1 2 2 1 2
## 134 2 2 2 3 2
## 135 1 2 2 3 2
## 136 1 2 2 3 2
## 137 1 2 1 3 2
## 138 1 2 1 3 1
## 139 1 2 2 3 2
## 140 1 2 2 3 1
## 141 1 2 2 3 2
## 142 1 2 2 3 2
## 143 2 2 2 3 2
## 144 1 2 2 3 2
## 145 1 2 2 3 2
## 146 1 2 2 3 2
## 147 1 2 2 3 2
## 148 1 2 2 3 2
## 149 1 2 1 3 2
## 150 1 2 1 3 2
## 151 1 2 2 3 2
## 152 1 2 1 2 2
## 153 1 2 2 2 2
## 154 1 2 2 2 2
## 155 1 2 2 2 2
## 156 1 2 1 2 2
## 157 1 2 2 2 2
## 158 1 2 2 2 2
## 159 1 2 1 1 1
## 160 1 2 2 1 1
## 161 1 2 1 1 1
## 162 1 2 2 1 1
## 163 1 3 2 1 2
## 164 2 3 2 3 1
## 165 1 3 1 2 1
## 166 1 3 2 2 2
## 167 1 3 2 1 2
## 168 1 3 1 3 2
## 169 1 3 2 3 2
## 170 1 3 1 2 2
## 171 1 3 2 2 1
## 172 1 3 1 1 2
## 173 1 3 2 1 2piel<-read.csv("http://www.camiz.it/Universita/Dati/Pielescuero.csv", header = TRUE); head(piel)## Exportacion Tamano Financiacion Zona Actividad
## 1 1 1 2 2 4
## 2 2 1 2 3 3
## 3 1 1 2 2 3
## 4 1 1 2 2 3
## 5 1 1 2 1 3
## 6 1 1 2 3 3piel<-read.csv("http://www.camiz.it/Universita/Dati/Pielescuero2.csv", header = TRUE); head(piel)## Exportaciones.Tamano.Financiacion.Zona.Actividad
## 1 1;1;2;2;4
## 2 2;1;2;3;3
## 3 1;1;2;2;3
## 4 1;1;2;2;3
## 5 1;1;2;1;3
## 6 1;1;2;3;3Nótese la mala lectura en este caso, corregida para read.csv2()
piel<-read.csv2("http://www.camiz.it/Universita/Dati/Pielescuero2.csv", header = TRUE); head(piel)## Exportaciones Tamano Financiacion Zona Actividad
## 1 1 1 2 2 4
## 2 2 1 2 3 3
## 3 1 1 2 2 3
## 4 1 1 2 2 3
## 5 1 1 2 1 3
## 6 1 1 2 3 3# con separador ";" y decimal ","
piel<-read.csv2("Pielescuero2.csv", header = TRUE,quote=""); head(piel)## Exportacion Tamano Financiacion Zona Actividad
## 1 1 1 2 2 4
## 2 2 1 2 3 3
## 3 1 1 2 2 3
## 4 1 1 2 2 3
## 5 1 1 2 1 3
## 6 1 1 2 3 3Por los archivos de hojas electrónicas se necesitan paquetes particulares. Para los archivos .ods se necesita readODS.
# importación de archivos libre office calc .ods
library(readODS) # libraria necesaria
piel<-read_ods("Pielescuero.ods",sheet="Datos"); head(piel) ## # A tibble: 6 × 5
## Exportacion Tamano Financiacion Zona Actividad
## <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1 1 2 2 4
## 2 2 1 2 3 3
## 3 1 1 2 2 3
## 4 1 1 2 2 3
## 5 1 1 2 1 3
## 6 1 1 2 3 3# piel<-read_ods("http://www.camiz.it/Universita/Dati/Pielescuero.ods",sheet="Datos"); head(piel) que pero no funciona con internet.
Para los archivos de Excel sirve el paquete readxl
# importación de archivos excel
library(readxl)
piel<-read_excel("Pielescuero.xls",sheet="Datos"); head(piel) ## # A tibble: 6 × 5
## Exportacion Tamano Financiacion Zona Actividad
## <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1 1 2 2 4
## 2 2 1 2 3 3
## 3 1 1 2 2 3
## 4 1 1 2 2 3
## 5 1 1 2 1 3
## 6 1 1 2 3 3piel<-read_excel("Pielescuero.xlsx",sheet="Datos"); head(piel) ## # A tibble: 6 × 5
## Exportacion Tamano Financiacion Zona Actividad
## <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1 1 2 2 4
## 2 2 1 2 3 3
## 3 1 1 2 2 3
## 4 1 1 2 2 3
## 5 1 1 2 1 3
## 6 1 1 2 3 3# piel<-read_excel("http://www.camiz.it/Universita/Dati/Pielescuero.xls",sheet="Datos"); head(piel)
# piel<-read_excel("http://www.camiz.it/Universita/Dati/Pielescuero.xlsx",sheet="Datos"); head(piel)que no funciona en internet.
Para lo archivos .xslx se puede emplear también el paquete opnxlsx,
#
library(openxlsx)
piel<-read.xlsx("Pielescuero.xlsx",sheet="Datos"); head(piel) ## Exportacion Tamano Financiacion Zona Actividad
## 1 1 1 2 2 4
## 2 2 1 2 3 3
## 3 1 1 2 2 3
## 4 1 1 2 2 3
## 5 1 1 2 1 3
## 6 1 1 2 3 3piel<-read.xlsx("http://www.camiz.it/Universita/Dati/Pielescuero.xlsx",sheet="Datos"); head(piel) ## Exportacion Tamano Financiacion Zona Actividad
## 1 1 1 2 2 4
## 2 2 1 2 3 3
## 3 1 1 2 2 3
## 4 1 1 2 2 3
## 5 1 1 2 1 3
## 6 1 1 2 3 3# piel<-read.xlsx("Pielescuero.xls",sheet="Datos"); head(piel) que funciona en internet pero no funcione con el viejo formado .xls.
La función import() del paquete rio funciona en todos casos
# posibilidad para todos
library(rio)
piel<-import("Pielescuero.ods",sheet="Datos"); head(piel) ## Exportacion Tamano Financiacion Zona Actividad
## 1 1 1 2 2 4
## 2 2 1 2 3 3
## 3 1 1 2 2 3
## 4 1 1 2 2 3
## 5 1 1 2 1 3
## 6 1 1 2 3 3piel<-import("http://www.camiz.it/Universita/Dati/Pielescuero.ods",sheet="Datos"); head(piel) ## Exportacion Tamano Financiacion Zona Actividad
## 1 1 1 2 2 4
## 2 2 1 2 3 3
## 3 1 1 2 2 3
## 4 1 1 2 2 3
## 5 1 1 2 1 3
## 6 1 1 2 3 3piel<-import("Pielescuero.xls",sheet="Datos"); head(piel) ## Exportacion Tamano Financiacion Zona Actividad
## 1 1 1 2 2 4
## 2 2 1 2 3 3
## 3 1 1 2 2 3
## 4 1 1 2 2 3
## 5 1 1 2 1 3
## 6 1 1 2 3 3piel<-import("http://www.camiz.it/Universita/Dati/Pielescuero.xlsx",sheet="Datos"); head(piel) ## Exportacion Tamano Financiacion Zona Actividad
## 1 1 1 2 2 4
## 2 2 1 2 3 3
## 3 1 1 2 2 3
## 4 1 1 2 2 3
## 5 1 1 2 1 3
## 6 1 1 2 3 3piel<-import("Pielescuero2.csv", header = TRUE); head(piel)## Exportacion Tamano Financiacion Zona Actividad
## 1 1 1 2 2 4
## 2 2 1 2 3 3
## 3 1 1 2 2 3
## 4 1 1 2 2 3
## 5 1 1 2 1 3
## 6 1 1 2 3 3piel<-import("http://www.camiz.it/Universita/Dati/Pielescuero.csv", header = TRUE); head(piel)## Exportacion Tamano Financiacion Zona Actividad
## 1 1 1 2 2 4
## 2 2 1 2 3 3
## 3 1 1 2 2 3
## 4 1 1 2 2 3
## 5 1 1 2 1 3
## 6 1 1 2 3 3piel<-import("Pielescuero2.csv", header = TRUE); head(piel)## Exportacion Tamano Financiacion Zona Actividad
## 1 1 1 2 2 4
## 2 2 1 2 3 3
## 3 1 1 2 2 3
## 4 1 1 2 2 3
## 5 1 1 2 1 3
## 6 1 1 2 3 3Una vez colgado un archivo, para conocer la estructura del archivo, hay varios comandos
typeof(piel) # tipo de estructura## [1] "list"str(piel) # composición de la estructura## 'data.frame': 173 obs. of 5 variables:
## $ Exportacion : int 1 2 1 1 1 1 1 1 1 2 ...
## $ Tamano : int 1 1 1 1 1 1 1 1 1 1 ...
## $ Financiacion: int 2 2 2 2 2 2 2 2 2 2 ...
## $ Zona : int 2 3 2 2 1 3 3 3 1 1 ...
## $ Actividad : int 4 3 3 3 3 3 3 3 4 3 ...dim(piel) # dimensiones (array y data frames) ## [1] 173 5rownames(piel) # nombres de filas## [1] "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] "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] "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" "129" "130" "131" "132" "133" "134" "135" "136" "137" "138" "139" "140" "141" "142" "143" "144" "145" "146" "147"
## [148] "148" "149" "150" "151" "152" "153" "154" "155" "156" "157" "158" "159" "160" "161" "162" "163" "164" "165" "166" "167" "168" "169" "170" "171" "172" "173"colnames(piel) # nombres de columnas## [1] "Exportacion" "Tamano" "Financiacion" "Zona" "Actividad"piel<-read.csv("Pielescuero.csv"); head(piel) # lectura de Pielescuero## Exportacion Tamano Financiacion Zona Actividad
## 1 1 1 2 2 4
## 2 2 1 2 3 3
## 3 1 1 2 2 3
## 4 1 1 2 2 3
## 5 1 1 2 1 3
## 6 1 1 2 3 3typeof(piel); dim(piel)## [1] "list"## [1] 173 5Cada factor tiene que ser declarado por su mismo. Es conveniente, antes, de copiar todo el data frame en otro objeto y conectarlo con attach() para simplificar el trabajo. Aquí el tratamiento por todos los datos de pielescuero.
pielc <- piel # copia sobre otro data frame
attach(pielc)
pielc$Exportacion <- factor(piel$Exportacion,
levels = c(1,2),
labels = c("siexp","noexp"))
pielc$Tamano <- factor(piel$Tamano,
levels = c(1,2,3),
labels = c("11-20","21-50","> 50"), ordered = TRUE)
pielc$Financiacion <- factor(piel$Financiacion,
levels = c(1,2),
labels = c("sipre","nopre"))
pielc$Zona <- factor(piel$Zona,
levels = c(1,2,3),
labels = c("NO","NE","CE"))
pielc$Actividad <- factor(piel$Actividad,
levels = c(1,2,3,4),
labels = c("PeCu","Zapa","Ropa","MeAl"))
head(pielc); typeof(pielc); str(pielc); summary(pielc)## Exportacion Tamano Financiacion Zona Actividad
## 1 siexp 11-20 nopre NE MeAl
## 2 noexp 11-20 nopre CE Ropa
## 3 siexp 11-20 nopre NE Ropa
## 4 siexp 11-20 nopre NE Ropa
## 5 siexp 11-20 nopre NO Ropa
## 6 siexp 11-20 nopre CE Ropa## [1] "list"## 'data.frame': 173 obs. of 5 variables:
## $ Exportacion : Factor w/ 2 levels "siexp","noexp": 1 2 1 1 1 1 1 1 1 2 ...
## $ Tamano : Ord.factor w/ 3 levels "11-20"<"21-50"<..: 1 1 1 1 1 1 1 1 1 1 ...
## $ Financiacion: Factor w/ 2 levels "sipre","nopre": 2 2 2 2 2 2 2 2 2 2 ...
## $ Zona : Factor w/ 3 levels "NO","NE","CE": 2 3 2 2 1 3 3 3 1 1 ...
## $ Actividad : Factor w/ 4 levels "PeCu","Zapa",..: 4 3 3 3 3 3 3 3 4 3 ...## Exportacion Tamano Financiacion Zona Actividad
## siexp:129 11-20:53 sipre: 53 NO:43 PeCu:46
## noexp: 44 21-50:93 nopre:120 NE:42 Zapa:62
## > 50 :27 CE:88 Ropa:54
## MeAl:11Es importante acuerdar que, si se guarda el data frame en un archivo externo, luego la estructura de factores se pierde.
write.csv(pielc,file="Pielescuero_car.csv",row.names=FALSE)
pielet <- read.csv("Pielescuero_car.csv"); head(pielet)## Exportacion Tamano Financiacion Zona Actividad
## 1 siexp 11-20 nopre NE MeAl
## 2 noexp 11-20 nopre CE Ropa
## 3 siexp 11-20 nopre NE Ropa
## 4 siexp 11-20 nopre NE Ropa
## 5 siexp 11-20 nopre NO Ropa
## 6 siexp 11-20 nopre CE Ropastr(pielet)## 'data.frame': 173 obs. of 5 variables:
## $ Exportacion : chr "siexp" "noexp" "siexp" "siexp" ...
## $ Tamano : chr "11-20" "11-20" "11-20" "11-20" ...
## $ Financiacion: chr "nopre" "nopre" "nopre" "nopre" ...
## $ Zona : chr "NE" "CE" "NE" "NE" ...
## $ Actividad : chr "MeAl" "Ropa" "Ropa" "Ropa" ...nótese que la estructura de factores se ha perdido.