En tutoriales anteriores, aprendió sobre objetos, clases de objetos y vectores . Para este tutorial, aprenderá sobre marcos de datos en R.
Los marcos de datos son esencialmente vectores combinados para formar filas y columnas de datos.
Una columna consta de un vector. Entonces, en el ejemplo anterior, la primera columna es una columna de cadena, seguida de una columna numérica y luego de una lógica. Esto es similar a cómo se vería una tabla en LuckyTemplates.
Además, debe recordar que para los marcos de datos, debe haber la misma cantidad de elementos para todas las columnas. Es decir, debe haber un número constante de filas.
Cuando utilice el lenguaje de programación R , normalmente trabajará con tramas de datos. Por lo tanto, es importante comprender qué son y cómo se pueden utilizar.
Tabla de contenido
Cargar y ver un marco de datos enviado
RStudio ya viene con marcos de datos enviados que puede usar. Para identificarlos, es necesario utilizar la función de datos ( ) .
Abra RStudio y ejecute datos ( ) . No es necesario colocar ningún argumento entre paréntesis.
Una vez hecho esto, verá una lista de conjuntos de datos integrados en R que puede usar.
Son realmente útiles para practicar y familiarizarse con el uso de marcos de datos en R.
El conjunto de datos integrado más utilizado es iris . Iris se usa a menudo cuando se aprende ciencia de datos o análisis de datos en general. Imprime iris para que puedas ver sus datos en la Consola.
Puedes ver que hay muchos datos. Al desplazarte hacia arriba, verás que está compuesto por diferentes columnas.
Explorando marcos de datos en R usando funciones
Una de las formas de ver mejor los datos es usando la función de vista ( ) . Cuando ejecuta la vista de código (iris) , verá que aparece una nueva pestaña que contiene una tabla en RScript.
Lo que hace que la vista ( ) funcione mejor es que puede realizar ajustes en la tabla. Puede ajustar el orden de los datos utilizando las flechas en el título de cada columna. También hay un botón de filtro.
También puede hacer clic en el icono junto al filtro para abrir los datos en una nueva ventana.
Esta nueva ventana es similar a Power Query , donde puede ver los datos pero no tocarlos. Es decir, no puede ingresar o reemplazar valores sobre los datos existentes.
Otra función útil para conocer es la función head ( ) . Esta función imprime las primeras filas del conjunto de datos.
Entonces, si ejecuta la cabeza (iris) , verá que solo imprime las primeras seis filas.
Esto es excelente cuando desea comprender mejor sus datos. La consola no está abrumada y la presentación de datos es más ordenada.
Marcos de datos de indexación
La indexación también se discutió en un tutorial anterior sobre vectores. Solo necesita usar corchetes ( [ ] ) para indexar una posición. Ahora, dado que los marcos de datos se componen de filas y columnas, debe indexar ambos. El formato es nombre [fila, columna] .
Por ejemplo, si desea indexar la segunda fila y la cuarta columna del conjunto de datos de iris , simplemente ejecute iris [2, 4] .
También puede indexar un rango de filas y columnas. Todo lo que necesita es usar dos puntos ( :) para indicar el rango. Aquí hay un ejemplo:
También puede indexar una columna completa. Use el signo de dólar ( $ ) después del nombre del conjunto de datos e indique el nombre de la columna que desea. Por ejemplo, si desea indexar toda la columna denominada Species, ejecute iris$Species .
Luego verá que toda la columna de especies se imprimió en la consola.
Mostrar estadísticas de marcos de datos en R
Como aprendió en tutoriales anteriores, R se creó con el propósito de realizar análisis de datos, estadísticas y visualizaciones. Entonces, otra cosa útil para aprender sobre los marcos de datos en R es cómo resumirlos.
Cuando utilice la función de resumen ( ) , la Consola devolverá las estadísticas de resumen para esos datos.
Ejecutar resumen (iris) . Esto le dará información básica del conjunto de datos en términos de estadísticas descriptivas.
Hay otros paquetes para obtener estadísticas más resumidas, como la desviación estándar y la curtosis. Pero estos serán discutidos en tutoriales posteriores.
Crear vectores en R: un tutorial paso a paso
Conclusión
Has estado aprendiendo los componentes de R progresivamente. Primero, aprendió sobre objetos, luego avanzó con vectores, hasta esta lección sobre marcos de datos. Ahora está tratando con datos más grandes y complejos.
Con los marcos de datos, ahora está mejor familiarizado con los diferentes conjuntos de datos en R y aprendió cómo llegar a la información estadística básica.
Continuará aprendiendo progresivamente a medida que los próximos tutoriales aborden formas de dimensionar y explorar datos más grandes en R.
Descubra cómo calcular el total de transacciones realizadas en los últimos N días y obtenga información útil utilizando la inteligencia de tiempo en LuckyTemplates.
En este tutorial, demuestro cómo mostrar clústeres en sus datos permite extraer información valiosa usando técnicas DAX avanzadas.
En este tutorial, aprenderá a calcular la <strong>población actual del personal</strong> para las relaciones múltiples de la tabla de calendario mediante la función COUNTROWS y FILTER en LuckyTemplates.
Aprenda a crear una solicitud HTTP con Power Automate y cómo implementar soluciones efectivas para la automatización de tareas.
En este tutorial, aprenda cómo programar un flujo de escritorio en Power Automate para automatizar tareas en la web y su escritorio.
Aprenda a usar correctamente el control Terminar acción de Power Automate que termina las acciones en un flujo si no se cumple alguna de las condiciones.
Aprenda a combinar archivos de varias carpetas en su red, escritorio, OneDrive o SharePoint utilizando Power Query.
En este blog, analizamos las similitudes y diferencias entre los tipos de flujo de Power Automate y determinamos cuándo usar cada flujo. Encuentra la mejor opción de automatización.
Familiarízate con algunos conectores Power Automate integrados que transforman cadenas en otro formato: número, texto y fecha y hora.
Este tutorial detallado sobre el analizador VertiPaq en DAX Studio le enseñará cómo usar la pestaña Relaciones para optimizar su DAX y resolver problemas de integridad referencial.
