Introducción a R

Autores: Amparo Baíllo y José R. Berrendero

Temas

1. Características básicas del programa
2. Principales tipos de objetos

¿Qué es R?

R es un conjunto integrado de funciones para manejo de datos, cálculo y gráficos

• Comandos para manejar y almacenar conjuntos de datos
• Operadores para llevar a cabo cálculos con vectores y matrices
• Comandos para llevar a cabo diversos análisis de datos
• Comandos para gráficos
• Un lenguaje de programación especialmente adaptado a cálculos estadísticos

La aplicabilidad de R se puede extender mediante paquetes de funciones. La distribución básica contiene aproximadamente 25 paquetes.

Un poco de historia

• Becker, Chambers y Wilks desarrollaron en los años 70 el lenguaje S en los Bell labs.

• S tiene implementaciones comerciales (SPlus, muy utilizado en los años 90)

• Ross Ihaka y Robert Gentleman (R & R) escriben R en 1996

• Actualmente, es desarrollado y mantenido por un equipo de unas 20 personas, el llamado core group.

¿Por qué aprender R?

• Es gratuito

• Al ser código abierto, una numerosa comunidad de usuarios ha contribuido a ampliar sus aplicaciones

• Es mucho más flexible que otros productos comerciales

• En la actualidad es el software estándar en estadística computacional

• Existen versiones para Windows, Mac y Linux

Algunos enlaces

• La página de R: www.r-project.org/

• Documentación oficial: cran.r-project.org/manuals.html

• Blogs: www.r-bloggers.com

• Paquetes de R: cran.at.r-project.org/web/packages/

• RStudio: www.rstudio.com/ide/

Características básicas

• Orientado a objetos
• Distingue mayúsculas y minúsculas
• Los nombres de objetos empiezan por una letra
• Operador de asignación: x <- 10
  
• Combinar objetos: x <- c(2, 3, 4)
• Lista de objetos en el área de trabajo ls()
• Borrar objetos: rm()
• Obtener ayuda: help() o help.search()

Área y directorio de trabajo

• Para conocer el directorio de trabajo: getwd()
• Para cambiarlo: setwd(). En Rstudio basta ir a Session -> Set working directory -> Choose directory y elegir el directorio adecuado.
• Al responder afirmativamente al salir del programa se guardan todos los objetos del área de trabajo en el fichero .RData

Práctica 1: el primer contacto con R

Tipos de objetos en R

• En orden de menor a mayor complejidad: vectores, factores, matrices, listas, data frames

• Hay otros tipos más específicos: series temporales, imágenes, etc

Vectores: comandos para generarlos

1:5

## [1] 1 2 3 4 5

seq(2, 10, 2)

## [1]  2  4  6  8 10

rep(c(1,3), 4)

## [1] 1 3 1 3 1 3 1 3

Vectores: reciclaje

• En operaciones que requieren cierta dimensión, R automáticamente recicla (repite los valores) hasta llegar a la dimensión requerida.
• Los escalares son vectores de dimensión 1.

3 + c(1,2,3)

## [1] 4 5 6

c(1,2) + c(7,8,9)

## Warning in c(1, 2) + c(7, 8, 9): longitud de objeto mayor no es múltiplo de
## la longitud de uno menor

## [1]  8 10 10

Vectores: valores especiales

Inf = Infinito

3/0 # un número distinto de 0 dividido por 0 da infinito 

## [1] Inf

NaN = Not a Number = resultado imposible de calcular

0/0 # 0 dividido por 0 es una indeterminación

## [1] NaN

NA = Not Available = representa un valor numérico perdido

Los siguientes datos son medidas morfométricas de 8 pájaros:longitud del ala (Wingcrd), pata (Tarsus), cabeza (Head) y peso (Wt).

Datos = read.table("MorphBirds.txt",header=TRUE)
Datos

##   Wingcrd Tarsus Head   Wt
## 1    59.0   22.3 31.2  9.5
## 2    55.0   19.7 30.4 13.8
## 3    53.5   20.8 30.6 14.8
## 4    55.0   20.3 30.3 15.2
## 5    52.5   20.8 30.3 15.5
## 6    57.5   21.5 30.8 15.6
## 7    53.0   20.6 32.5 15.6
## 8    55.0   21.5   NA 15.7

Vectores: filtrado

• Seleccionar algunas de las coordenadas

x <- (1:5)^2
x[2]

## [1] 4

x[c(2,5)]

## [1]  4 25

x[-c(2,5)]

## [1]  1  9 16

• Seleccionar los elementos que cumplen cierta condición

x <- (1:5)^2
x[x > 15]

## [1] 16 25

which(x>15)

## [1] 4 5

Vectores: variables lógicas

Toman los valores TRUE y FALSE

Se generan al evaluar condiciones:

x = rnorm(7)
x > 0

## [1]  TRUE  TRUE  TRUE FALSE  TRUE FALSE FALSE

Se usan operadores lógicos para escribir condiciones más complejas:

< , <= , > , >= , == , != , & , | , !

• ¿Cuál es la diferencia entre x = 0 y x == 0?
• c1 & c2 es la intersección entre las condiciones c1 y c2
• c1 | c2 es la unión de las condiciones c1 y c2
• !c es la negación de la condición c

En operaciones aritméticas TRUE toma el valor 1 y FALSE toma el valor 0

x <- -10:20
sum(x>0)

## [1] 20

sum(x==0)

## [1] 1

Ejercicio: Escribe una línea de código que determine el número de coordenadas de un vector que son menores que -1 o mayores que 2.

Factores

• Los factores son las estructuras que se utilizan para manejar las variables cualitativas en los análisis estadísticos.
• Se pueden contemplar como un vector al que se añade un poco más de información consistente en los distintos valores presentes en el vector, llamados niveles.
• Se crean usando el comando factor().

respuesta <- c('si', 'no', 'si', 'no', 'no', 'no', 'si')
respuesta <- factor(respuesta)
respuesta

## [1] si no si no no no si
## Levels: no si

data = c(1,2,2,3,1,2,3,3,1,2,3,3,1)
fdata = factor(data)
fdata

##  [1] 1 2 2 3 1 2 3 3 1 2 3 3 1
## Levels: 1 2 3

rdata = factor(data, labels=c("I","II","III"))
rdata

##  [1] I   II  II  III I   II  III III I   II  III III I  
## Levels: I II III

Cálculos por niveles: Se usa la función tapply cuando queremos llevar a cabo un cálculo para los valores correspondientes a cada nivel de un factor.

respuesta

## [1] si no si no no no si
## Levels: no si

edades <- c(20, 25, 34, 20, 37, 43, 40)
tapply(edades, respuesta, mean)

##       no       si 
## 31.25000 31.33333

Matrices

• Las matrices son también vectores pero con dos atributos adicionales: número de filas y número de columnas

• Los vectores no son matrices con una fila o con una columna

• Para crear una matriz

matrix(1:3, nrow = 2, ncol = 3)

##      [,1] [,2] [,3]
## [1,]    1    3    2
## [2,]    2    1    3

• Sumar un vector y una matriz

x <- matrix(1:9, 3,3)
x

##      [,1] [,2] [,3]
## [1,]    1    4    7
## [2,]    2    5    8
## [3,]    3    6    9

c(1,2) + x

## Warning in c(1, 2) + x: longitud de objeto mayor no es múltiplo de la
## longitud de uno menor

##      [,1] [,2] [,3]
## [1,]    2    6    8
## [2,]    4    6   10
## [3,]    4    8   10

• Las matrices se comportan a veces como vectores

x <- matrix(5:15, 3, 3)

## Warning in matrix(5:15, 3, 3): la longitud de los datos [11] no es un
## submúltiplo o múltiplo del número de filas [3] en la matriz

x

##      [,1] [,2] [,3]
## [1,]    5    8   11
## [2,]    6    9   12
## [3,]    7   10   13

x[x>6]

## [1]  7  8  9 10 11 12 13

Extraer submatrices

x[1,2]

## [1] 8

x[,3]

## [1] 11 12 13

x[3,-1]

## [1] 10 13

Pegar vectores

y <- 1:3
z <- 4:6
cbind(y,z)

##      y z
## [1,] 1 4
## [2,] 2 5
## [3,] 3 6

rbind(y,z)

##   [,1] [,2] [,3]
## y    1    2    3
## z    4    5    6

Aplicar funciones a filas o columnas

x

##      [,1] [,2] [,3]
## [1,]    5    8   11
## [2,]    6    9   12
## [3,]    7   10   13

mean(x)

## [1] 9

apply(x,2,mean)

## [1]  6  9 12

Matrices: operaciones más habituales

A = matrix(1:4,2,2) ; B = matrix(5:8,2,2)

• Producto matricial:

A %*% B

##      [,1] [,2]
## [1,]   23   31
## [2,]   34   46

• Determinante:

det(A)

## [1] -2

• Producto componente a componente:

A * B

##      [,1] [,2]
## [1,]    5   21
## [2,]   12   32

• Traspuesta:

t(A)

##      [,1] [,2]
## [1,]    1    2
## [2,]    3    4

• Extraer la diagonal:

diag(A)

## [1] 1 4

• Inversa:

solve(A)

##      [,1] [,2]
## [1,]   -2  1.5
## [2,]    1 -0.5

• Autovalores y autovectores:

eigen(A) # Devuelve una lista 

## eigen() decomposition
## $values
## [1]  5.3722813 -0.3722813
## 
## $vectors
##            [,1]       [,2]
## [1,] -0.5657675 -0.9093767
## [2,] -0.8245648  0.4159736

• Resolver un sistema de ecuaciones lineales (\(Ax=b\)):

b = c(1,3)
solve(A,b)

## [1]  2.5 -0.5

Listas

• Una lista es una colección ordenada de objetos (pueden ser de distintos tipos) llamados componentes, que conviene agrupar en la misma estructura.
• Para crearlas se usa el comando list

milista <- list(nombre='Pepe',no.hijos=3,
edades.hijos=c(4,7,9)) 
str(milista)

## List of 3
##  $ nombre      : chr "Pepe"
##  $ no.hijos    : num 3
##  $ edades.hijos: num [1:3] 4 7 9

milista$nombre

## [1] "Pepe"

Los componentes de la lista están numerados:

milista[[1]]

## [1] "Pepe"

También podemos extraer las componentes así:

milista$edades.hijos

## [1] 4 7 9

milista$edades.hijos[2]

## [1] 7

• Es importante comprender este tipo de objetos porque muchas funciones de R devuelven los resultados en forma de lista (ejemplo, eigen)

AutoV = eigen(A) # Autovalores y autovectores de A
AutoV$values

## [1]  5.3722813 -0.3722813

AutoV[[2]]

##            [,1]       [,2]
## [1,] -0.5657675 -0.9093767
## [2,] -0.8245648  0.4159736

Data frames

• Se utilizan para guardar los ficheros de datos
• Intuitivamente son matrices con entradas de distintos tipos. Técnicamente es una lista formada por vectores (heterogéneos) de la misma longitud
• Para crearlos se utiliza el comando data.frame

x <- 7:9
y <- c('a','b','c')
mifichero <- data.frame(edad=x, grupo=y)
mifichero

##   edad grupo
## 1    7     a
## 2    8     b
## 3    9     c

• Admiten comandos para matrices y para listas

mifichero$edad

## [1] 7 8 9

mifichero[1,]

##   edad grupo
## 1    7     a

• Admiten los comandos lapply y sapply

• Datos de duración y tiempo de espera entre erupciones del geyser Old faithful

sapply(faithful,summary)

##         eruptions  waiting
## Min.     1.600000 43.00000
## 1st Qu.  2.162750 58.00000
## Median   4.000000 76.00000
## Mean     3.487783 70.89706
## 3rd Qu.  4.454250 82.00000
## Max.     5.100000 96.00000

Práctica 2: tipos de objetos en R

Cargar librerías (packages) en R

Podemos ver la lista de librerías instaladas en nuestro ordenador pinchando en la pestaña Packages.

Las que están cargadas en la actual sesión de R aparecen marcadas con \(\LARGE \checkmark\).

Si una librería no está cargada, podemos cargarla marcando con \(\LARGE \checkmark\) o escribiendo en la consola:

library("splines")

Si una librería no aparece en la lista es porque no está instalada. Para instalar una librería, pinchamos en Install (pestaña Packages), escribimos el nombre de la librería en el cuadro de diálogo y pinchamos en el botón Install del cuadro de diálogo.

Importar datos a R

Desde un fichero de texto situado en una web

enlace <- 'http://verso.mat.uam.es/~joser.berrendero/datos/notas.txt'
notas <- read.table(enlace, sep = " ", dec = ",", header = TRUE)

Significado de las opciones utilizadas:

argumento	valor	efecto
sep	Espacio en blanco	El carácter que se usa para separar variables
dec	,	Una coma separa la parte entera y la decimal de cada número
header	TRUE	La primera línea contiene los nombres de las variables

• En lugar del enlace, se puede dar simplemente el nombre de un fichero situado en el directorio de trabajo.

• Si el fichero está en formato csv (variables separadas por comas) se puede usar read.csv en lugar de read.table.

• Muchos programas (excel, SPSS) permiten guardar los datos en formato de texto o csv.

• Una vez guardados los datos en uno de estos formatos, podemos usar read.table o read.csv para llevarlos a R.

Cómo importar datos desde un fichero excel

Hay más de una librería que podemos utilizar: XLConnect, Readxl, gdata, xlsx.

También podemos hacerlo “manualmente”: en la esquina superior derecha del RStudio, pinchamos en Import Dataset dentro de la pestaña Environment. Seleccionamos el tipo de fichero que queramos importar y luego lo buscamos en el equipo. Finalmente pinchamos en el botón Import.