+ verbos de {dplyr}

+ verbos de {dplyr}

• n()

+ verbos de {dplyr}

• n()

• slice() (y variantes: slice_*())

+ verbos de {dplyr}

• n()

• slice() (y variantes: slice_*())

• rename()

+ verbos de {dplyr}

• n()

• slice() (y variantes: slice_*())

• rename()

• case_when() (re versión de ifelse())

+ verbos de {dplyr}

• n()

• slice() (y variantes: slice_*())

• rename()

• case_when() (re versión de ifelse())

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

+ verbos de {dplyr}

• n()

• slice() (y variantes: slice_*())

• rename()

• case_when() (re versión de ifelse())

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

nuevo {dplyr}

• across()

Datos relacionales

3 tipos:

• 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())

Datos relacionales

3 tipos:

• 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()).

Extracción de texto

Extracción de texto

Extraer caracteres según la posición en el texto:

library(tidyverse)

library(tidyverse)
str_sub(string = texto, 
        start = posicion_inicial, 
        end = posicion_final)

Extracción de texto

Extraer caracteres según la posición en el texto:

library(tidyverse)

library(tidyverse)
str_sub(string = texto, 
        start = posicion_inicial, 
        end = posicion_final)

Ejemplo 1:

texto_ejemplo1 <- "año 1"
str_sub(string = texto_ejemplo1, 
        start = 5, 
        end = 5)
## [1] "1"

Extracción de texto

Extraer caracteres según la posición en el texto:

library(tidyverse)

library(tidyverse)
str_sub(string = texto, 
        start = posicion_inicial, 
        end = posicion_final)

Ejemplo 1:

texto_ejemplo1 <- "año 1"
str_sub(string = texto_ejemplo1, 
        start = 5, 
        end = 5)
## [1] "1"

Ejemplo 2:

texto_ejemplo2 <- c("año 1", "año 2", "año 3")
str_sub(string = texto_ejemplo2, 
        start = 5, 
        end = 5)
## [1] "1" "2" "3"

Espacios en blanco

Completar texto:

str_pad(string = texto, 
        width =  ancho ideal del texto, 
        side = donde agregar, 
        pad = qué agregar)

Ejemplo:

texto_ejemplo <- c("1", "011", "01", "0111")
str_pad(string = texto_ejemplo, 
        width = 4, 
        side = "left", 
        pad = "0")
## [1] "0001" "0011" "0001" "0111"

Espacios en blanco

Eliminar espacios en blanco

str_trim(string = texto, 
         side = lado sobre el que trabaja)

Detección de patrones

Funciones que detectan coincidencia de patrones:

Detección de patrones

Funciones que detectan coincidencia de patrones:

Ejemplo:

Me quiero quedar con todos los inmuebles que se encuentran sobre avenidas

b_inm_avenidas <- datos %>% 
  filter(str_detect(string = calle, 
                    pattern = "Av"))
head(b_inm_avenidas$calle)
## [1] "Avenida Rivadavia"    "Avenida de Mayo"      "Avenida Paseo Colon" 
## [4] "Avenida Rivadavia"    "Avda. del Libertador" "Av. Rivadavia"

Detección de patrones

Funciones que detectan coincidencia de patrones:

Ejemplo:

Me quiero quedar con todos los inmuebles que se encuentran sobre avenidas

b_inm_avenidas <- datos %>% 
  filter(str_detect(string = calle, 
                    pattern = "Av"))
head(b_inm_avenidas$calle)
## [1] "Avenida Rivadavia"    "Avenida de Mayo"      "Avenida Paseo Colon" 
## [4] "Avenida Rivadavia"    "Avda. del Libertador" "Av. Rivadavia"

Ver uso de expresiones regulares -regex : str_detect(string = x, pattern = ":digits:")

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 un orden específico R4DS - https://es.r4ds.hadley.nz/factores.html

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 un orden específico R4DS - https://es.r4ds.hadley.nz/factores.html

factor(x = variable a transformar a factor, 
       levels = niveles de la variable, 
       labels = etiquetas de los niveles)

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 un orden específico R4DS - https://es.r4ds.hadley.nz/factores.html

factor(x = variable a transformar a factor, 
       levels = niveles de la variable, 
       labels = etiquetas de los niveles)

• fct_reorder() > modifica el orden

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 un orden específico R4DS - https://es.r4ds.hadley.nz/factores.html

factor(x = variable a transformar a factor, 
       levels = niveles de la variable, 
       labels = etiquetas de los niveles)

• fct_reorder() > modifica el orden

• fct_recode() > modifica valores (no niveles)

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 un orden específico R4DS - https://es.r4ds.hadley.nz/factores.html

factor(x = variable a transformar a factor, 
       levels = niveles de la variable, 
       labels = etiquetas de los niveles)

• fct_reorder() > modifica el orden

• fct_recode() > modifica valores (no niveles)

• fct_collapse()> colapsar es útil para re codificar muchos niveles