Herramientas Cuantitativas para el Análisis Político

# Herramientas Cuantitativas para el Análisis Político
## [CP44] Maestría en Ciencia Política
### Juan Pablo Ruiz Nicolini
### Universidad Torcuato Di Tella
### 6/10/2020

---

---

## SESIÓN 4
### Domar los datos (II)

#### [/MetodosCiPol/](https://tuqmano.github.io/MetodosCiPol/)

#### [/MetodosCiPol/](https://github.com/TuQmano/MetodosCiPol)

---

# Hoja de ruta

1. Repaso

2. Ejercicio clase 3 + demo `git`

3. Domar los datos II

* Más `dplyr` (verbos auxiliares; datos relacionales)
  
--
  
* día y hora `{lubridate}`
  
--
  
* caracteres `{stringr}`
  
--
  
* variables ordinales `{factors}`

---

##  Ciencia de Datos - Domar Datos

* **Importar **

* **Ordenar **
--

* **Transformar **

---

## Referencias

### PROCESAR

4. _Transformación de Datos_, en [Wickham y Grolemnud](https://es.r4ds.hadley.nz/transform.html)

5.  _Transformando nuestros Datos_ en  [Montané](https://bookdown.org/martinmontaneb/CienciaDeDatosParaCuriosos/transformando-nuestros-datos-data-wrangling.html)

6. _Manejo de datos_ en [Urdinez y Cruz](https://arcruz0.github.io/libroadp/data.html)

7. _Poniendo los datos en forma_ en [Vazquez Brust](https://bitsandbricks.github.io/ciencia_de_datos_gente_sociable/poniendo-los-datos-en-forma.html)

---
class: inverse, center, middle

# REPASO

---

background-image: url(https://github.com/TuQmano/hex-stickers/raw/master/PNG/tidyr.png)
background-position: 95% 5%
background-size: 10%

# Domar los datos I

## Datos Ordenados

1. Cada variable debe tener su propia columna.

2. Cada observación debe tener su propia fila.

3. Cada valor debe tener su propia celda.

---

background-image: url(https://github.com/TuQmano/hex-stickers/raw/master/PNG/tidyr.png)
background-position: 95% 5%
background-size: 10%

# Domar los datos I

## Datos Ordenados: _pivotear_

Entre los distintos verbos, se destacan:

* `pivot_longer()`: reduce cantidad de columnas y aumenta las filas

* `pivot_wider()`: reduce cantidad de filas y aumenta columnas

* Más verbos:

`complete / fill / replace_na / drop_na`,

`nest / unnest`,

`unite /separate / extract`

[`{tidyr}`](https://tidyr.tidyverse.org/)

---

background-image: url(https://github.com/TuQmano/hex-stickers/raw/master/PNG/dplyr.png)
background-position: 95% 5%
background-size: 10%

# Domar los datos I

## Transformar

### Una caja de herramientas

#### Verbos principales de `{dplyr}` para manipular la _data_

* `filter()`: reduce la cantidad de filas  (observaciones)

* `select()`: reduce la cantidad de columnas (variables)

* `mutate()`: crea o modifica variables

* `arrange()`: ordena (sort)

* `group_by()`: agrupa observaciones

* `summarize()`: reduce múltiples observaciones a un valor

---
class:  center, middle

### Ejemplo:

#

# +

#

---

# `git`

<https://yabellini.netlify.app/es/post/githubconr/>

---
class: inverse, center, middle

### Revisión

# TP N°1

---

background-image: url(https://www.tidyverse.org/blog/2020/06/dplyr-1-0-0/dplyr.png)
background-position: 95% 5%
background-size: 10%

# Domar los datos I

## + verbos de `{dplyr}`

* `n()`

* `slice()` (y variantes:  `slice_*()`)

* `rename()`

* `case_when()` (re versión de `ifelse()`)

* Variantes de `mutate_*()` y `summarise_*()`

* `across()` en el [*nuevo* `{dplyr}` ](https://www.tidyverse.org/blog/2020/06/dplyr-1-0-0/)

* grupos por filas con `rowwise()`

---

background-image: url(https://www.tidyverse.org/blog/2020/06/dplyr-1-0-0/dplyr.png)
background-position: 95% 5%
background-size: 10%

## Datos relacionales

[ Tidy Explain, Garrick Aden‑Buie](https://www.garrickadenbuie.com/project/tidyexplain/)

---

background-image: url(https://www.tidyverse.org/blog/2020/06/dplyr-1-0-0/dplyr.png)
background-position: 95% 5%
background-size: 10%

## Datos relacionales

* Uniones de transformación (del inglés _mutating joins_), que agregan nuevas variables a un data frame a partir de las observaciones coincidentes en otra tabla (*vg* `left_join()`)

* Uniones de filtro (del inglés _filtering joins_), que filtran observaciones en un _data frame_ con base en si coinciden o no con una observación de otra tabla (*vg* `anti_join()`).

* Operaciones de conjuntos (del inglés _set operations_), que tratan las observaciones como elementos de un conjunto (*vg* `set_diff()`).

[Datos Relacionales - R4DS](https://es.r4ds.hadley.nz/datos-relacionales.html)

---
class: inverse, middle, center

# Domar los Datos
### (II Parte)

---

background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/stringr.png)
background-position: 95% 5%
background-size: 10%

# Domar los datos II

## Caracteres

* Funciones que permiten manipular caracteres individuales dentro de las cadenas en vectores de caracteres (_vg_ : **`str_sub(string = x, start = 1, end = 4)`**).

* Herramientas para agregar, eliminar y manipular espacios en blanco (_vg_ : **`str_pad(string = x , width = 2 , side = "left" , pad = 0)`**).

* Funciones que detectan coincidencia de patrones como las _expresiones regulares_ -[_regex_ ](https://stringr.tidyverse.org/articles/regular-expressions.html): 
**`str_detect(string = x, pattern = ":digits:")`**

[`{stringr}`](https://stringr.tidyverse.org/articles/stringr.html)

---
background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/lubridate.png)
background-position: 95% 5%
background-size: 10%

# Domar los datos II

## Días y horas

`{lubridate}` incluye una gran variedad de funciones para **(a) *paresear* días y horas**; **(b) crear y extraer información**; (c) manejar zonas horarias (_tz_); y hasta calcular intervalos de tiempo y _aritmética de tiempo_

```r
library(lubridate) # (a)

dmy("6 de octubre de 2020")
## [1] "2020-10-06"
```

```r
library(lubridate) # (b)

today() + 365
## [1] "2021-10-05"
```

[`{lubridate}`](https://lubridate.tidyverse.org/index.html)

---

background-image: url(https://github.com/rstudio/hex-stickers/raw/master/PNG/forcats.png)
background-position: 95% 5%
background-size: 10%

# Domar los datos II

## Variables categóricas

> *Los factores son útiles cuando se tiene datos categóricos, variables que tienen un conjunto de valores fijo y conocido, y cuando se desea mostrar los vectores de caracteres en orden no alfabético* **R4DS - <https://es.r4ds.hadley.nz/factores.html>**

* `fct_reorder()` > modifica el orden

* `fct_recode()` > modifica valores (no niveles)

* `fct_collapse()`> colapsar es útil para re codificar muchos niveles 
--

* `fct_lump()` > agrupa

---

background-image: url(https://raw.githubusercontent.com/electorArg/polAr/master/hex/hex-polAr.png)
background-position: 90% 10%
background-size: 15%

#Domar los Datos (II)

### **-> _live coding_ con `{polAr}`**