Curso Capacitación en R

class: center, middle

.linea-superior[]
.linea-inferior[]

# Curso Capacitación en R

## Sesión 2

## Más estructuras de datos e introducción a bases de datos

### Mayo 2025

---

background-image: url("imagenes/background.png")
background-size: contain;
background-position: 50% 0%

# Repaso sesión 1

- ¿Es lo mismo R y R Studio?

- ¿Qué tipos de datos podemos utilizar en R?

- ¿Para qué sirve la función `class()`?

- ¿Cómo accedo a la documentación sobre una determinada función?

- ¿Cuál es la utilidad de utilizar scripts en vez de la consola directamente?

- ¿Cual es el operador de asignación en R?

---

background-image: url("imagenes/background.png")
background-size: contain;
background-position: 50% 0%

# Mini ejercicios

La fuerza asociada a un objeto en física se calcula mediante la siguiente fórmula: `$F = m*a$` donde `$F$` es la fuerza ejercida, `$m$` es la masa del objeto y `$a$` corresponde a la aceleración del objeto.

1. Asigne a un objeto el nombre `masa` el valor `$12$` y a un objeto llamado `acelaracion` el valor `$3$`.

2. Asigne a un objeto llamado `fuerza` el valor de la multiplicación de los objetos masa y aceleración. Imprima el objeto.

3. Modifique el objeto `aceleracion` para que tenga valor `$-4$`, es decir, ahora acelera hacia el sentido contrario. Imprima el resultado de la fuerza.

4. Su compañero o compañera le dice que en vez de escribir `fuerza`, escribió un objeto de la forma `fuerza del objeto` y R le tira un error. Expliqué el error.

5. A otro compañero/a le salió bien el ejercicio pero escribió el objeto aceleración como `Aceleración_Del_Objeto`. Explique los errores.

---
background-image: url("imagenes/background.png")
background-size: contain;
background-position: 50% 0%

# Vectores

- Los vectores son la estructura de datos más común en el lenguaje R.

- En palabras sencillas son meramente una lista de valores, ya sean números o caracteres.

- Los vectores se crean con la función `c()` que significa combinar valores en un vector.

``` r
frutas <- c("uva", "pera", "manzana")
frutas
```

```
## [1] "uva"     "pera"    "manzana"
```

``` r
cantidad_frutas <- c(3, 1, 4)
cantidad_frutas
```

```
## [1] 3 1 4
```

---
background-image: url("imagenes/background.png")
background-size: contain;
background-position: 50% 0%

# Vectores

- ¿Qué sucede si mezclamos números con caracteres en un vector?

``` r
mix <- c("Paula", 1, "Roberto")
mix
```

```
## [1] "Paula"   "1"       "Roberto"
```

- Con los vectores al igual que con tipos de datos más básicos es importante saber su clase.

``` r
class(mix)
```

```
## [1] "character"
```

- Otra función útil es la función `str()`,

``` r
str(mix)
```

```
##  chr [1:3] "Paula" "1" "Roberto"
```

---
background-image: url("imagenes/background.png")
background-size: contain;
background-position: 50% 0%

# Vectores

- Los vectores también permiten operaciones aritméticas. Por ejemplo:

``` r
cantidad_frutas_para_1_persona <- c(3, 1, 4)
cantidad_frutas_para_1_persona
```

```
## [1] 3 1 4
```

``` r
cantidad_frutas_para_2_persona <- cantidad_frutas_para_1_persona*2
cantidad_frutas_para_2_persona
```

```
## [1] 6 2 8
```
--

``` r
cantidad_frutas_jorge <- c(5, 1, 4)
cantidad_frutas_pilar <- c(6, 2, 0)

cantidad_frutas_jorge_y_pilar <- cantidad_frutas_jorge + cantidad_frutas_pilar
cantidad_frutas_jorge_y_pilar
```

```
## [1] 11  3  4
```

---
background-image: url("imagenes/background.png")
background-size: contain;
background-position: 50% 0%

# Vectores

``` r
cantidad_frutas_jorge <- c(5, 1, 4)
cantidad_frutas_pilar <- c(6, 2, 0, 5)

cantidad_frutas_jorge_y_pilar <- cantidad_frutas_jorge + cantidad_frutas_pilar
```

```
## Warning in cantidad_frutas_jorge + cantidad_frutas_pilar: longer object length
## is not a multiple of shorter object length
```

``` r
cantidad_frutas_jorge_y_pilar
```

```
## [1] 11  3  4 10
```
--
**Saber el largo de un vector es muy importante para que no sucedan situaciones como la anterior.**
--

``` r
length(cantidad_frutas_jorge)
```

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

``` r
length(cantidad_frutas_pilar)
```

```
## [1] 4
```

---
background-image: url("imagenes/background.png")
background-size: contain;
background-position: 50% 0%

# Vectores

--
**Mini ejercicio:** como podriamos verificar que el largo de los dos vectores anteriores es el mismo? *Recuerde los operadores lógicos*.

``` r
length(cantidad_frutas_jorge) == length(cantidad_frutas_pilar)
```

```
## [1] FALSE
```

---
background-image: url("imagenes/background.png")
background-size: contain;
background-position: 50% 0%

# Vectores

Dado que la cantidad de frutas de Pilar es mayor, agreguemos un número más al vector de Jorge. Primero recordemos que:

``` r
cantidad_frutas_jorge <- c(5, 1, 4)
cantidad_frutas_jorge
```

```
## [1] 5 1 4
```

``` r
cantidad_frutas_jorge <- c(cantidad_frutas_jorge, 2)
cantidad_frutas_jorge
```

```
## [1] 5 1 4 2
```

---
background-image: url("imagenes/background.png")
background-size: contain;
background-position: 50% 0%

# Vectores

También, si se requiere, se puede agregar un valor al comienzo de la siguiente forma:

``` r
cantidad_frutas_jorge <- c(5, 1, 4)
cantidad_frutas_jorge
```

```
## [1] 5 1 4
```

``` r
cantidad_frutas_jorge <- c(2, cantidad_frutas_jorge)
cantidad_frutas_jorge
```

```
## [1] 2 5 1 4
```

Prácticamente **todo** es un vector...

``` r
numero <- 1
is.vector(numero)
```

```
## [1] TRUE
```

---
background-image: url("imagenes/background.png")
background-size: contain;
background-position: 50% 0%

# Generacion de vectores

--
1. Utilizando la función `c()`.

2. Utilizando el operador `:`.

``` r
del_1_20 <- 1:20
del_1_20
```

```
##  [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20
```
--

3. Utilizando la función `seq()`.

``` r
del_1_20_seq <- seq(from=1, to=20, by=1)
del_1_20_seq
```

```
##  [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20
```

``` r
del_1_20_seq <- seq(1,20,1)
del_1_20_seq
```

```
##  [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20
```

---

background-image: url("imagenes/background.png")
background-size: contain;
background-position: 50% 0%

# Indexación

¿Han notado que al imprimir (o *printear*) un vector aparecen números en `[ ]`?

``` r
del_1_50 <- 1:50
del_1_50
```

```
##  [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] 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
```
--

En R y al igual que en la mayoría de lenguajes existe el proceso de **indexación** que permite aislar elementos de un vector u otras estructuras de datos semejantes. Esto sirve ya sea para inspecciones, modificar, etc.

``` r
del_1_50[25]
```

```
## [1] 25
```

**Importante:** La indexación en R comienza en `$1$`, algo **NO** trivial.

---

background-image: url("imagenes/background.png")
background-size: contain;
background-position: 50% 0%

# Indexación

``` r
jugadores_tenis_favoritos <- c("Roger Federer", "Rafael Nadal", "Fernando González", "Marcelo Ríos", "Jannik Sinner",
                               "Carlos Alcaraz")
```

Formas de indexación

``` r
jugadores_tenis_favoritos[3]
```

```
## [1] "Fernando González"
```

``` r
jugadores_chilenos <- jugadores_tenis_favoritos[c(3,4)]
jugadores_chilenos
```

```
## [1] "Fernando González" "Marcelo Ríos"
```
--

``` r
jugadores_chilenos <- jugadores_tenis_favoritos[-c(1,2,5,6)]
jugadores_chilenos
```

```
## [1] "Fernando González" "Marcelo Ríos"
```

---

background-image: url("imagenes/background.png")
background-size: contain;
background-position: 50% 0%

# Indexación

``` r
jugadores_tenis_favoritos == "Carlos Alcaraz"
```

```
## [1] FALSE FALSE FALSE FALSE FALSE  TRUE
```
--

``` r
which(jugadores_tenis_favoritos == "Carlos Alcaraz")
```

```
## [1] 6
```
--

``` r
jugadores_tenis_favoritos[which(jugadores_tenis_favoritos == "Carlos Alcaraz")]
```

```
## [1] "Carlos Alcaraz"
```

---

background-image: url("imagenes/background.png")
background-size: contain;
background-position: 50% 0%

# Indexación
Conozcamos el operador `%in%`.
--

``` r
jugadores_tenis_favoritos <- c("Roger Federer", "Rafael Nadal", "Fernando González", "Marcelo Ríos", "Jannik Sinner",
                               "Carlos Alcaraz")
jugadores_tenis_espanioles <- c("Rafael Nadal", "Carlos Alcaraz", "Fernando Verdasco")
```

¿Cuántos tenistas españoles son parte de mis jugadores favoritos?

``` r
jugadores_tenis_espanioles %in% jugadores_tenis_favoritos
```

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

``` r
jugadores_tenis_espanioles[jugadores_tenis_espanioles %in% jugadores_tenis_favoritos]
```

```
## [1] "Rafael Nadal"   "Carlos Alcaraz"
```

¿Cuántos de mis tenistas favoritos son de nacionalidad española?

``` r
jugadores_tenis_favoritos[jugadores_tenis_favoritos %in% jugadores_tenis_espanioles]
```

```
## [1] "Rafael Nadal"   "Carlos Alcaraz"
```

---

background-image: url("imagenes/background.png")
background-size: contain;
background-position: 50% 0%

# Indexación

``` r
del_1_50 <- 1:50
del_1_50
```

```
##  [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] 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
```

Crear vector en base al objeto `del_1_50` que incluya solo aquellos números mayores a 25.

``` r
del_26_50 <- del_1_50[del_1_50 > 25]
del_26_50
```

```
##  [1] 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
```
--

Crear vector en base al objeto `del_1_50` que incluya solo aquellos números mayores a 25 **y** menores o iguales a 40.

``` r
del_26_40 <- del_1_50[del_1_50 > 25 & del_1_50 <= 40]
del_26_40
```

```
##  [1] 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
```
---

background-image: url("imagenes/background.png")
background-size: contain;
background-position: 50% 0%

# Indexación

**Mini ejercicio 1:** genere un vector en base al objeto `del_1_50` que incluya sólo los números que son **pares**. Primero en responder tiene 5 décimas a sumarse a cualquier tarea. **Hint:** Recuerde la función `seq()` para generar vectores.

``` r
vector_numeros_pares <- del_1_50[seq(2, length(del_1_50), 2)]
vector_numeros_pares
```

```
##  [1]  2  4  6  8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 44 46 48 50
```
--

**Mini ejercicio 2:** genere un vector en base al objeto `del_1_50` que incluya sólo los números que son **impares** y también incluya el número 2.

``` r
vector_numeros_impares_mas_dos <- del_1_50[c(seq(1, length(del_1_50), 2), 2)]
vector_numeros_impares_mas_dos
```

```
##  [1]  1  3  5  7  9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
## [26]  2
```

---

background-image: url("imagenes/background.png")
background-size: contain;
background-position: 50% 0%

# Librerías y repositorios

Actualmente existen más de `$22406$` paquetes disponibles en el repositorio de paquetes .pur[CRAN] creado por usuarios individuales, instituciones, investigadores, etc.

En el transcurso de la capacitación utilizaremos distintos paquetes o librerías que nos aportarán con una mayor cantidad y calidad de funciones y herramientas que el .pur[R base] no posee.

Para instalar una determinada librería se utiliza la función `install.packages()` de la siguiente manera:

``` r
install.packages("guaguas") # para instalar se deben utilizar las comillas!
```

Si todo funciona bien, veremos la librería en la pestaña .pur[packages] en la zona de utilidades de R Studio. ¿La encuentran?

Pero... luego de instalar, ¿esto quiere decir que ya podemos utilizar las funcionalidades de la librería? 
--
.red[**NO**]. 
--
Para utilizar o cargar una librería se debe correr el comando o función `library()` de la siguiente manera:

``` r
library(guaguas) # para cargar una librería ya no necesitamos las comillas!
```

---

background-image: url("imagenes/background.png")
background-size: contain;
background-position: 50% 0%

# Introducción a bases de datos

En honor al trabajo nacional, exploraremos una base de datos creada por Riva Quiroga, lingüista chilena y activa participante de LatinR y R-Ladies. Este paquete se llama `guaguas` ya instalado al principio de la sesión.

Dado que ya instalamos el paquete, ahora **solo debemos cargarlo**.

``` r
library("guaguas")
```

Este paquete consiste en proveer *Datos sobre nombres de guaguas (bebés) registrados en Chile entre 1920 y 2021, según el Servicio de Registro Civil e Identificación. Incluye solo los que fueron inscritos como primer nombre. Este dataset permite explorar tendencias en los nombres registrados durante el último siglo y puede utilizarse como fuente de ejemplos para aprender/enseñar a trabajar con datos.*

---

background-image: url("imagenes/background.png")
background-size: contain;
background-position: 50% 0%

# Introducción a bases de datos

Exploremos la base `guaguas` con las siguientes funciones:

- `view()`

- `str()`

- `class`

- `dim()`

- Operador `$`