Curso Capacitación en R

class: center, middle

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

# Curso Capacitación en R

## Sesión 5

## Bases de datos 3 (importación y herramientas de utilidad)

### Junio 2025

---

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

# Entendiendo directorios

Para mantener un trabajo ordenado en cuanto a bases a cargar y exportar, es 
necesario saber correctamente en qué lugar nos encontramos. Debido a esto, se hace
relevante conocer la forma en que se estructuran las carpetas y como R puede 
interactuar con ellas.

``` r
getwd() # imprime el lugar donde nos encontramos en este momento
```

```
## [1] "/Users/noliverop/Desktop/Curso_R_SIS/Curso-R-SIS"
```
Para cambiar de lugar (cambiar de directorio) utilizamos la función `setwd()`.

``` r
# "D:\OneDrive - superdesalud.gob.cl\Desktop\Clases R\Sesion_1" en windows
# "D:/OneDrive - superdesalud.gob.cl/Desktop/Clases R/Sesion_1" 
setwd("D:/OneDrive - superdesalud.gob.cl/Desktop/Clases R/Sesion_1")
```

---

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

# Entendiendo directorios

También existen funciones que nos permiten ver la lista de directorios y/o archivos
en una determinada ubicación.

``` r
list.dirs(recursive = FALSE)
```

```
##  [1] "./.git"                        "./.Rproj.user"                
##  [3] "./imagenes"                    "./sesion_1_presentacion_files"
##  [5] "./sesion_2_presentacion_files" "./sesion_3_presentacion_files"
##  [7] "./sesion_4_presentacion_files" "./sesion_5_presentacion_files"
##  [9] "./tarea_1_files"               "./tarea_1_solucion_files"     
## [11] "./tarea_2_enunciado_files"     "./tarea_3_enunciado_files"
```

``` r
list.files(recursive = FALSE)
```

```
##  [1] "creacion_ejemplos_y_graficos.R" "ej_csv.csv"                    
##  [3] "ej_excel.xlsx"                  "imagenes"                      
##  [5] "miniejercicio_sesion_2.R"       "notas_tarea_1.html"            
##  [7] "notas_tarea_1.Rmd"              "README.md"                     
##  [9] "sesion_1_presentacion_files"    "sesion_1_presentacion.html"    
## [11] "sesion_1_presentacion.Rmd"      "Sesion_1.Rproj"                
## [13] "sesion_2_presentacion_files"    "sesion_2_presentacion.html"    
## [15] "sesion_2_presentacion.Rmd"      "sesion_3_presentacion_files"   
## [17] "sesion_3_presentacion.html"     "sesion_3_presentacion.Rmd"     
## [19] "sesion_4_presentacion_files"    "sesion_4_presentacion.html"    
## [21] "sesion_4_presentacion.Rmd"      "sesion_5_presentacion_files"   
## [23] "sesion_5_presentacion.html"     "sesion_5_presentacion.Rmd"     
## [25] "sesion2.Rmd"                    "tarea_1_files"                 
## [27] "tarea_1_solucion_files"         "tarea_1_solucion.html"         
## [29] "tarea_1_solucion.Rmd"           "tarea_1.html"                  
## [31] "tarea_1.R"                      "tarea_1.Rmd"                   
## [33] "tarea_2_enunciado_files"        "tarea_2_enunciado.html"        
## [35] "tarea_2_enunciado.Rmd"          "tarea_2_solucion.Rmd"          
## [37] "tarea_3_enunciado_files"        "tarea_3_enunciado.html"        
## [39] "tarea_3_enunciado.Rmd"          "tarea_4_enunciado.Rmd"         
## [41] "xaringan-themer.css"
```
---

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

# Entendiendo directorios

Contemplar que las funciones entregan vectores.

``` r
directorio <- list.dirs(recursive = FALSE)
directorio[2]
```

```
## [1] "./.Rproj.user"
```

``` r
length(directorio)
```

```
## [1] 12
```

---

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

# Importando archivos

Primero exploremos la forma gráfica y visual de importar archivos CVS.

Archivo CSV:

``` r
library(readr)
ej_csv <- read_csv("ej_csv.csv", locale = locale(grouping_mark = ""))
ej_csv
```

```
## # A tibble: 7 × 4
## Letra `Número entero` `Número decimal v1` `Número decimal v2`
## <chr> <dbl> <chr> <dbl>
## 1 a 1 1,5 2.1
## 2 b 2 2,5 2.2
## 3 c 3 3,5 2.3
## 4 d 4 4,5 2.4
## 5 e 5 5,5 2.5
## 6 f 6 <NA> 2.6
## 7 g 7 7,5 2.7
```

---

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

# Importando archivos

Ahora exploremos la forma gráfica y visual de importar archivos Excel.

Archivo Excel:

``` r
library(readxl)
ej_excel <- read_excel("ej_excel.xlsx")
ej_excel
```

---

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

# Exportemos archivos

Primero modifiquemos nuestro archivo CSV:

``` r
library(dplyr)
ej_csv <- ej_csv |>
 rename_with(tolower)

ej_csv <- ej_csv |>
 rename_with(~gsub(" ", "_", .x, fixed = TRUE))

ej_csv
```

```
## # A tibble: 7 × 4
## letra número_entero número_decimal_v1 número_decimal_v2
## <chr> <dbl> <chr> <dbl>
## 1 a 1 1,5 2.1
## 2 b 2 2,5 2.2
## 3 c 3 3,5 2.3
## 4 d 4 4,5 2.4
## 5 e 5 5,5 2.5
## 6 f 6 <NA> 2.6
## 7 g 7 7,5 2.7
```

---

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

# Exportemos archivos

Ahora exportamos un archivo con formato csv:

``` r
write.table(ej_csv,"ej_csv_exp1.csv",dec = ",", sep = ";", row.names=FALSE)
```

``` r
write.table(ej_csv,"ej_csv_exp2.csv",dec = ".", sep = ";", row.names=FALSE)
```

En Excel cuando tengan problemas al cargar archivos csv utilicen la herramienta en
datos -> Desde el texto/CSV.

---

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

# Exportemos archivos

El paquete `readr` como vimos permite importar archivos excel pero no permite 
exportar en excel. Si necesitan exportar directamente a excel recomiento la librería 
`openxlsx2`.

``` r
library(openxlsx2)
```

Cambiemos un poco nuestra base de excel.

``` r
ej_excel <- ej_excel |>
 mutate(codigo = paste(Letra,`Número entero`,sep="-"))
ej_excel
```

```
## # A tibble: 7 × 5
## Letra `Número entero` `Número decimal v1` `Número decimal v2` codigo
## <chr> <dbl> <chr> <dbl> <chr> 
## 1 a 1 1,5 2.1 a-1 
## 2 b 2 2,5 2.2 b-2 
## 3 c 3 3,5 2.3 c-3 
## 4 d 4 4,5 2.4 d-4 
## 5 e 5 5,5 2.5 e-5 
## 6 f 6 <NA> 2.6 f-6 
## 7 g 7 7,5 2.7 g-7
```

---

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

# Exportemos archivos

``` r
write_xlsx(ej_excel, "ej_excel.xlsx")
```

``` r
write_xlsx(ej_excel, "ej_excel.xlsx", as_table = TRUE)
```

``` r
write_xlsx(ej_excel, "ej_excel.xlsx",  font_name="Verdana")
```

A pesar de la comodidad que entregan las librerías para exportar en Excel, 
recomiendo fuertemente leer y escribir datos en formato **plano** como por ejemplo 
archivos CSV.

---

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

# Uniones de Bases de Datos

.center[<img src="imagenes/union1.png" />]

.center[<img src="imagenes/union2.png" />]

---

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

# Uniones de Bases de Datos

.pull-left[<img src="imagenes/union3.png" />]

.pull-right[<img src="imagenes/union4.png" />]

---

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

# Uniones de Bases de Datos

.center[<img src="imagenes/union5.png" />]

---

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

# Uniones de Bases de Datos

Diagrama de resumen:

.center[<img src="imagenes/union6.png" />]

---

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

# Uniones de Bases de Datos

Veamos algunos ejemplos:

``` r
miembros_banda <- band_members
instrumentos_banda <- band_instruments
instrumentos2_banda <- band_instruments2
```

``` r
inner_example1 <- miembros_banda |>
 inner_join(instrumentos_banda)
```

```
## Joining with `by = join_by(name)`
```

``` r
inner_example1
```

```
## # A tibble: 2 × 3
## name band plays 
## <chr> <chr> <chr> 
## 1 John Beatles guitar
## 2 Paul Beatles bass
```

---

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

# Uniones de Bases de Datos

Veamos algunos ejemplos:

``` r
left_example1 <- miembros_banda |>
 left_join(instrumentos_banda)
left_example1
```

```
## # A tibble: 3 × 3
## name band plays 
## <chr> <chr> <chr> 
## 1 Mick Stones <NA> 
## 2 John Beatles guitar
## 3 Paul Beatles bass
```

``` r
right_example1 <- miembros_banda |>
 right_join(instrumentos_banda)
right_example1
```

```
## # A tibble: 3 × 3
## name band plays 
## <chr> <chr> <chr> 
## 1 John Beatles guitar
## 2 Paul Beatles bass 
## 3 Keith <NA> guitar
```

---

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

# Uniones de Bases de Datos

``` r
full_example1 <- miembros_banda |>
 full_join(instrumentos_banda)
full_example1
```

```
## # A tibble: 4 × 3
## name band plays 
## <chr> <chr> <chr> 
## 1 Mick Stones <NA> 
## 2 John Beatles guitar
## 3 Paul Beatles bass 
## 4 Keith <NA> guitar
```

--
A pesar de los ejemplos anteriores que el lenguaje infiere correctamente qué llave 
utilizar para unir las bases, es recomendable siempre **explicitar** la llave utilizada.

``` r
inner_example2 <- miembros_banda |>
 inner_join(instrumentos_banda, by = join_by(name))
inner_example2
```

```
## # A tibble: 2 × 3
## name band plays 
## <chr> <chr> <chr> 
## 1 John Beatles guitar
## 2 Paul Beatles bass
```

---

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

# Uniones de Bases de Datos

``` r
full_example2 <- miembros_banda |>
 full_join(instrumentos2_banda, by = join_by(name == artist))
full_example2
```

```
## # A tibble: 4 × 3
## name band plays 
## <chr> <chr> <chr> 
## 1 Mick Stones <NA> 
## 2 John Beatles guitar
## 3 Paul Beatles bass 
## 4 Keith <NA> guitar
```
---

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

# Uniones de Bases de Datos

Otros tipos de ejemplos:

``` r
df1 <- tibble(x = 1:3) # recuerden que un tibble es un data frame
df2 <- tibble(x = c(1, 1, 2), y = c("first", "second", "third"))
df1
```

```
## # A tibble: 3 × 1
## x
## <int>
## 1 1
## 2 2
## 3 3
```

``` r
df2
```

```
## # A tibble: 3 × 2
## x y 
## <dbl> <chr> 
## 1 1 first 
## 2 1 second
## 3 2 third
```

---

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

# Uniones de Bases de Datos

``` r
df1_df_2_left <- df1 |>
 left_join(df2, by = join_by(x))
df1_df_2_left
```

```
## # A tibble: 4 × 2
## x y 
## <dbl> <chr> 
## 1 1 first 
## 2 1 second
## 3 2 third 
## 4 3 <NA>
```
--

``` r
df3 <- tibble(x = c(1, 1, 1, 3))
df3
```

```
## # A tibble: 4 × 1
## x
## <dbl>
## 1 1
## 2 1
## 3 1
## 4 3
```

---

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

# Uniones de Bases de Datos

``` r
df3_df2_left <- df3 |> 
 left_join(df2, by = join_by(x))
```

```
## Warning in left_join(df3, df2, by = join_by(x)): Detected an unexpected many-to-many relationship between `x` and `y`.
## ℹ Row 1 of `x` matches multiple rows in `y`.
## ℹ Row 1 of `y` matches multiple rows in `x`.
## ℹ If a many-to-many relationship is expected, set `relationship =
##   "many-to-many"` to silence this warning.
```

``` r
df3_df2_left
```

```
## # A tibble: 7 × 2
## x y 
## <dbl> <chr> 
## 1 1 first 
## 2 1 second
## 3 1 first 
## 4 1 second
## 5 1 first 
## 6 1 second
## 7 3 <NA>
```