Data wrangling: manejo de datos con R, the tidyverse way

class: inverse, center, middle

<br>

###### Programación y manejo de datos con R (Slides 05)

### Data wrangling: manejo de datos con R, the tidyverse way

<br>

### Pedro J. Pérez

#### 2021, abril

###### (actualizadas el 04-09-2023)

<br><br><br>
##### [<svg viewBox="0 0 512 512" style="height:1em;position:relative;display:inline-block;top:.1em;" xmlns="http://www.w3.org/2000/svg">  <path d="M464 64H48C21.49 64 0 85.49 0 112v288c0 26.51 21.49 48 48 48h416c26.51 0 48-21.49 48-48V112c0-26.51-21.49-48-48-48zm0 48v40.805c-22.422 18.259-58.168 46.651-134.587 106.49-16.841 13.247-50.201 45.072-73.413 44.701-23.208.375-56.579-31.459-73.413-44.701C106.18 199.465 70.425 171.067 48 152.805V112h416zM48 400V214.398c22.914 18.251 55.409 43.862 104.938 82.646 21.857 17.205 60.134 55.186 103.062 54.955 42.717.231 80.509-37.199 103.053-54.947 49.528-38.783 82.032-64.401 104.947-82.653V400H48z"></path></svg>](mailto:pedro.j.perez@uv.es) [pedro.j.perez@uv.es](mailto:pedro.j.perez@uv.es)

#### Web del curso: [https://perezp44.github.io/intro-ds-23-24-web](https://perezp44.github.io/intro-ds-23-24-web)

---
class: inverse, center

<br>

### Data munging: the tidyverse way

Aprendimos a cargar datos, pero es raro que los datos esten preparados para empezar nuestro análisis, así que hay que "arreglar/limpiar" los datos. Para ello, tenemos que:

1) hacer nuestros datos TIDY,

2) arreglarlos para que sean útiles para nuestros propósitos.

---

##### Arreglando los datos

- Aprenderemos a limpiar y transformar datos en R. Priorizaremos la nueva forma de hacer las cosas en R (o workflow) conocido como [**tidyverse**](https://www.tidyverse.org/).

- El procesado/limpieza de los datos suele ocupar un 80% del tiempo de un análisis de datos; así que el workflow sería más bien así:

- > Classroom data are like teddy bears; real data are like a grizzly with salmon blood dripping out its mouth. —- [@JennyBryan]

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_03_tidyverse-hex.png)
background-position: 99% 1%
background-size: 4%

##### Tidyverse

.small[Conjunto de paquetes que trabajan en armonía y que permiten una nueva forma de escribir/programar en R.]

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_03_tidyverse-hex.png)
background-position: 99% 1%
background-size: 3%

##### Principales pkgs del Tidyverse

.pull-left[
- **`tidyr`**: convertir a tidy data

- **`dplyr`**: para manipular datos

- **`ggplot2`**: para hacer gráficos

- .grey[**`readr`**: para importar datos]
- .grey[**`tibble`**: data frames actualizados]   
- .grey[**`forcast`**: para manipular factores]
- .grey[**`stringr`**: para manipular strings]
- .grey[**`purrr`**: functional programming]

- .grey[ ... y algunos más]

]

.pull-right[
<img src="data:image/png;base64,#./imagenes/ss_05_img_05_pkgs-tidyverse.png" width="120%" style="display: block; margin: auto;" />
]

&nbsp;

.bg-washed-green.b--dark-green.ba.bw2.br3.shadow-5.ph4.mt5[
Nos centraremos en los **tres primeros paquetes**, principalmente en **`dplyr`** y **`ggplot2`**.
]

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_03_tidyverse-hex.png)
background-position: 99% 1%
background-size: 4%

##### "Filosofía" del Tidyverse

> Programs must be written for people to read, and only incidentally for machines to execute  -- Hal Abelson

<br>

Dos principios del *tidyverse*:

- Los scripts deben ser **"fácilmente" legibles por las personas**  
  
  - **Resolver problemas complejos** encadenando funciones simples con el **operador pipe (`%>%`)**

<br>

##### The pipe

- El operador **pipe** se lo debemos a Stefan Bache que lo introdujo en 2014 en su pkg [magrittr](https://github.com/tidyverse/magrittr)

- La nueva versión de R (la 4.1.0) tiene una **pipe nativa `|>`**. Puedes leer sobre ella [aquí](https://www.jumpingrivers.com/blog/new-features-r410-pipe-anonymous-functions/)

---
class: inverse, center, middle
background-image: url(data:image/png;base64,#imagenes/ss_05_img_04_pipe-hex.png)
background-position: 99% 1%
background-size: 5%

# The pipe

###### El operador %>% es crucial en el tidyverse. Hay que entenderlo.

###### Es fácil. Pronto os sentiréis cómodos con él.

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_04_pipe-hex.png)
background-position: 99% 1%
background-size: 4%

#### The pipe

The pipe es un operador que pasa el elemento que está a su izquierda como un argumento de la función que tiene a la derecha. .red[That's all!!!]

.bg-washed-green.b--dark-green.ba.bw2.br3.shadow-5.ph4.mt5[
**Con expresiones** el operador pipe hace:

.red[f](.orange[object], .purple[args. of the f.])  .grey[...  es equivalente a  ...] .orange[object] %>% .red[f](.purple[args. of the f.])
]

&nbsp;

##### Igual os resulta más fácil con ejemplos. Las siguientes 2 expresiones hacen exactamente lo mismo:

```r
library(palmerpenguins)

head(penguins, n = 4) #- forma habitual de llamar/usar la función head()

penguins %>% head(. , n = 4) #- usando el operador pipe
```

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_04_pipe-hex.png)
background-position: 99% 1%
background-size: 4%

#### The pipe (más ejemplos)

Estas 3 expresiones también son equivalentes, hacen exactamente lo mismo:

```r
head(penguins, n = 4)         #- forma habitual de llamar/usar la función head()

penguins %>% head(. , n = 4)  #- usando el operador pipe (con el punto actuando como placeholder)

penguins %>% head(n = 4)      #- usando el operador pipe (SIN el punto)
```

-------------------

¿Qué hace la siguiente expresión?

```r
4 %>% head(penguins, .)
```

---------------------

Y, ¿por qué no funciona la siguiente expresión?

```r
4 %>% head(penguins)
```

---------------------
Intenta descubrir/entender que hace la siguiente expresión:

```r
letters %>% paste0( "-----" ,  .  ,  "!!!" ) %>% toupper
```

---
background-image: url(data:image/png;base64,#imagenes/ss_00_RR_icono.jpeg)
background-position: 99% 1%
background-size: 4%

##### Pipe nativa (|>)

- La [versión 4.1.0 de R](https://www.jumpingrivers.com/blog/new-features-r410-pipe-anonymous-functions/) supuso la aparición de una **pipe nativa** en R: **|>**

- En la [versión 4.2.0](https://cran.r-project.org/doc/manuals/r-devel/NEWS.html) se mejora la pipe nativa introduciendo un ["placeholder"](https://twitter.com/henrikbengtsson/status/1501306369319735300).

- Aún así, la pipe nativa tiene algunas limitaciones: [aquí](https://github.com/bwiernik/pipebind/), [aquí](https://github.com/bwiernik/pipebind/) y [aquí](https://ivelasq.rbind.io/blog/understanding-the-r-pipe/)

#####  ¿qué pasará en el futuro?

- Pues parece que ahora sí que [esto va en serio](https://twitter.com/hadleywickham/status/1519313737773158401?ref_src=twsrc%5Egoogle%7Ctwcamp%5Eserp%7Ctwgr%5Etweet%7Ctwtr%5Etrue)

---
class: inverse, center, middle
background-image: url(data:image/png;base64,#imagenes/ss_05_img_06_tidyr-hex.png)
background-position: 99% 1%
background-size: 6%

# Tidy data

Para trabajar à la tidyverse es crucial que los datos sean "tidy". El concepto de datos tidy es sencillo. Hacer los datos tidy no tanto pero tenemos un paquete para hacerlo fácil: el pkg *tidyr*

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_06_tidyr-hex.png)
background-position: 95% 5%
background-size: 7%

##### Tidy data

- Un aspecto importante del tidyverse es hacer los datos **tidy**.

- Unos datos son tidy si: (1) cada columna es una variable, (2) cada fila es una observación y (3) cada valor está en, o tiene, su propia celda.

> A dataset is a **collection of values**. Every value belongs to a variable and an observation.

<br>

- Parece fácil, y lo es: realmente es la situación a la que estamos acostumbrados. Pero mejor desarrollarlo con unos ejemplos.

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_06_tidyr-hex.png)
background-position: 99% 1%
background-size: 4%

##### Tidy data  ... algunos ejemplos

.panelset[
.panel[.panel-name[Ejemplo 1]
.pull-left[

```r
data_1 <- data.frame(
            year  = c("2014", "2015", "2016"),  
            Pedro = c(100, 500, 200), 
            Carla = c(400, 600, 250), 
            María = c(200, 700, 900)  )
```

<br>

- Son datos fáciles de leer y entender, pero no son tidy porque las unidades de análisis (personas) están en las columnas, no en las filas
]
.pull-right[

```r
DT::datatable(data_1)
```

<div class="datatables html-widget html-fill-item-overflow-hidden html-fill-item" id="htmlwidget-1af8ee95fcc1a4ac5174" style="width:100%;height:auto;"></div>
<script type="application/json" data-for="htmlwidget-1af8ee95fcc1a4ac5174">{"x":{"filter":"none","vertical":false,"data":[["1","2","3"],["2014","2015","2016"],[100,500,200],[400,600,250],[200,700,900]],"container":"<table class=\"display\">\n  <thead>\n    <tr>\n      <th> <\/th>\n      <th>year<\/th>\n      <th>Pedro<\/th>\n      <th>Carla<\/th>\n      <th>María<\/th>\n    <\/tr>\n  <\/thead>\n<\/table>","options":{"columnDefs":[{"className":"dt-right","targets":[2,3,4]},{"orderable":false,"targets":0}],"order":[],"autoWidth":false,"orderClasses":false}},"evals":[],"jsHooks":[]}</script>
]
]

.panel[.panel-name[Ejemplo 2]
.pull-left[

```r
data_2 <- data.frame(names = c("Pedro", "Carla", "María"), 
                      W_2014 = c(100, 400, 200), 
                      W_2015 = c(500, 600, 700),
                      W_2016 = c(200, 250, 900)   )
```
- También son datos fáciles de leer, pero no son tidy: los valores de una variable (periodo) están en las cabeceras de las columnas.
]
.pull-right[

```r
knitr::kable(data_2)
```

|names | W_2014| W_2015| W_2016|
|:-----|------:|------:|------:|
|Pedro |    100|    500|    200|
|Carla |    400|    600|    250|
|María |    200|    700|    900|

]
]

.panel[.panel-name[Ejemplo 3]
.pull-left[

```r
data_3 <- data.frame(
            names =rep(c("Pedro", "Carla", "María"), times = 3),  
            year = rep(c("2014", "2015", "2016"), each = 3),
            salario = c(100, 400, 200, 500, 600, 700, 200, 250,900) )
```
<br>
- Sí, estos sí son datos tidy. Más difíciles de leer por los humanos, pero es que los datos los leen las máquinas!!
<br>
- Los datos tidy suelen estar en formato largo o long.

]
.pull-right[

```r
gt::gt(data_3)
```

<div id="hukuegnbsy" style="padding-left:0px;padding-right:0px;padding-top:10px;padding-bottom:10px;overflow-x:auto;overflow-y:auto;width:auto;height:auto;">
<style>#hukuegnbsy table {
  font-family: system-ui, 'Segoe UI', Roboto, Helvetica, Arial, sans-serif, 'Apple Color Emoji', 'Segoe UI Emoji', 'Segoe UI Symbol', 'Noto Color Emoji';
  -webkit-font-smoothing: antialiased;
  -moz-osx-font-smoothing: grayscale;
}

#hukuegnbsy thead, #hukuegnbsy tbody, #hukuegnbsy tfoot, #hukuegnbsy tr, #hukuegnbsy td, #hukuegnbsy th {
  border-style: none;
}

#hukuegnbsy p {
  margin: 0;
  padding: 0;
}

#hukuegnbsy .gt_table {
  display: table;
  border-collapse: collapse;
  line-height: normal;
  margin-left: auto;
  margin-right: auto;
  color: #333333;
  font-size: 16px;
  font-weight: normal;
  font-style: normal;
  background-color: #FFFFFF;
  width: auto;
  border-top-style: solid;
  border-top-width: 2px;
  border-top-color: #A8A8A8;
  border-right-style: none;
  border-right-width: 2px;
  border-right-color: #D3D3D3;
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #A8A8A8;
  border-left-style: none;
  border-left-width: 2px;
  border-left-color: #D3D3D3;
}

#hukuegnbsy .gt_caption {
  padding-top: 4px;
  padding-bottom: 4px;
}

#hukuegnbsy .gt_title {
  color: #333333;
  font-size: 125%;
  font-weight: initial;
  padding-top: 4px;
  padding-bottom: 4px;
  padding-left: 5px;
  padding-right: 5px;
  border-bottom-color: #FFFFFF;
  border-bottom-width: 0;
}

#hukuegnbsy .gt_subtitle {
  color: #333333;
  font-size: 85%;
  font-weight: initial;
  padding-top: 3px;
  padding-bottom: 5px;
  padding-left: 5px;
  padding-right: 5px;
  border-top-color: #FFFFFF;
  border-top-width: 0;
}

#hukuegnbsy .gt_heading {
  background-color: #FFFFFF;
  text-align: center;
  border-bottom-color: #FFFFFF;
  border-left-style: none;
  border-left-width: 1px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 1px;
  border-right-color: #D3D3D3;
}

#hukuegnbsy .gt_bottom_border {
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
}

#hukuegnbsy .gt_col_headings {
  border-top-style: solid;
  border-top-width: 2px;
  border-top-color: #D3D3D3;
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
  border-left-style: none;
  border-left-width: 1px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 1px;
  border-right-color: #D3D3D3;
}

#hukuegnbsy .gt_col_heading {
  color: #333333;
  background-color: #FFFFFF;
  font-size: 100%;
  font-weight: normal;
  text-transform: inherit;
  border-left-style: none;
  border-left-width: 1px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 1px;
  border-right-color: #D3D3D3;
  vertical-align: bottom;
  padding-top: 5px;
  padding-bottom: 6px;
  padding-left: 5px;
  padding-right: 5px;
  overflow-x: hidden;
}

#hukuegnbsy .gt_column_spanner_outer {
  color: #333333;
  background-color: #FFFFFF;
  font-size: 100%;
  font-weight: normal;
  text-transform: inherit;
  padding-top: 0;
  padding-bottom: 0;
  padding-left: 4px;
  padding-right: 4px;
}

#hukuegnbsy .gt_column_spanner_outer:first-child {
  padding-left: 0;
}

#hukuegnbsy .gt_column_spanner_outer:last-child {
  padding-right: 0;
}

#hukuegnbsy .gt_column_spanner {
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
  vertical-align: bottom;
  padding-top: 5px;
  padding-bottom: 5px;
  overflow-x: hidden;
  display: inline-block;
  width: 100%;
}

#hukuegnbsy .gt_spanner_row {
  border-bottom-style: hidden;
}

#hukuegnbsy .gt_group_heading {
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
  color: #333333;
  background-color: #FFFFFF;
  font-size: 100%;
  font-weight: initial;
  text-transform: inherit;
  border-top-style: solid;
  border-top-width: 2px;
  border-top-color: #D3D3D3;
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
  border-left-style: none;
  border-left-width: 1px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 1px;
  border-right-color: #D3D3D3;
  vertical-align: middle;
  text-align: left;
}

#hukuegnbsy .gt_empty_group_heading {
  padding: 0.5px;
  color: #333333;
  background-color: #FFFFFF;
  font-size: 100%;
  font-weight: initial;
  border-top-style: solid;
  border-top-width: 2px;
  border-top-color: #D3D3D3;
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
  vertical-align: middle;
}

#hukuegnbsy .gt_from_md > :first-child {
  margin-top: 0;
}

#hukuegnbsy .gt_from_md > :last-child {
  margin-bottom: 0;
}

#hukuegnbsy .gt_row {
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
  margin: 10px;
  border-top-style: solid;
  border-top-width: 1px;
  border-top-color: #D3D3D3;
  border-left-style: none;
  border-left-width: 1px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 1px;
  border-right-color: #D3D3D3;
  vertical-align: middle;
  overflow-x: hidden;
}

#hukuegnbsy .gt_stub {
  color: #333333;
  background-color: #FFFFFF;
  font-size: 100%;
  font-weight: initial;
  text-transform: inherit;
  border-right-style: solid;
  border-right-width: 2px;
  border-right-color: #D3D3D3;
  padding-left: 5px;
  padding-right: 5px;
}

#hukuegnbsy .gt_stub_row_group {
  color: #333333;
  background-color: #FFFFFF;
  font-size: 100%;
  font-weight: initial;
  text-transform: inherit;
  border-right-style: solid;
  border-right-width: 2px;
  border-right-color: #D3D3D3;
  padding-left: 5px;
  padding-right: 5px;
  vertical-align: top;
}

#hukuegnbsy .gt_row_group_first td {
  border-top-width: 2px;
}

#hukuegnbsy .gt_row_group_first th {
  border-top-width: 2px;
}

#hukuegnbsy .gt_summary_row {
  color: #333333;
  background-color: #FFFFFF;
  text-transform: inherit;
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
}

#hukuegnbsy .gt_first_summary_row {
  border-top-style: solid;
  border-top-color: #D3D3D3;
}

#hukuegnbsy .gt_first_summary_row.thick {
  border-top-width: 2px;
}

#hukuegnbsy .gt_last_summary_row {
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
}

#hukuegnbsy .gt_grand_summary_row {
  color: #333333;
  background-color: #FFFFFF;
  text-transform: inherit;
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
}

#hukuegnbsy .gt_first_grand_summary_row {
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
  border-top-style: double;
  border-top-width: 6px;
  border-top-color: #D3D3D3;
}

#hukuegnbsy .gt_last_grand_summary_row_top {
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
  border-bottom-style: double;
  border-bottom-width: 6px;
  border-bottom-color: #D3D3D3;
}

#hukuegnbsy .gt_striped {
  background-color: rgba(128, 128, 128, 0.05);
}

#hukuegnbsy .gt_table_body {
  border-top-style: solid;
  border-top-width: 2px;
  border-top-color: #D3D3D3;
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
}

#hukuegnbsy .gt_footnotes {
  color: #333333;
  background-color: #FFFFFF;
  border-bottom-style: none;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
  border-left-style: none;
  border-left-width: 2px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 2px;
  border-right-color: #D3D3D3;
}

#hukuegnbsy .gt_footnote {
  margin: 0px;
  font-size: 90%;
  padding-top: 4px;
  padding-bottom: 4px;
  padding-left: 5px;
  padding-right: 5px;
}

#hukuegnbsy .gt_sourcenotes {
  color: #333333;
  background-color: #FFFFFF;
  border-bottom-style: none;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
  border-left-style: none;
  border-left-width: 2px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 2px;
  border-right-color: #D3D3D3;
}

#hukuegnbsy .gt_sourcenote {
  font-size: 90%;
  padding-top: 4px;
  padding-bottom: 4px;
  padding-left: 5px;
  padding-right: 5px;
}

#hukuegnbsy .gt_left {
  text-align: left;
}

#hukuegnbsy .gt_center {
  text-align: center;
}

#hukuegnbsy .gt_right {
  text-align: right;
  font-variant-numeric: tabular-nums;
}

#hukuegnbsy .gt_font_normal {
  font-weight: normal;
}

#hukuegnbsy .gt_font_bold {
  font-weight: bold;
}

#hukuegnbsy .gt_font_italic {
  font-style: italic;
}

#hukuegnbsy .gt_super {
  font-size: 65%;
}

#hukuegnbsy .gt_footnote_marks {
  font-size: 75%;
  vertical-align: 0.4em;
  position: initial;
}

#hukuegnbsy .gt_asterisk {
  font-size: 100%;
  vertical-align: 0;
}

#hukuegnbsy .gt_indent_1 {
  text-indent: 5px;
}

#hukuegnbsy .gt_indent_2 {
  text-indent: 10px;
}

#hukuegnbsy .gt_indent_3 {
  text-indent: 15px;
}

#hukuegnbsy .gt_indent_4 {
  text-indent: 20px;
}

#hukuegnbsy .gt_indent_5 {
  text-indent: 25px;
}
</style>
<table class="gt_table" data-quarto-disable-processing="false" data-quarto-bootstrap="false">
  <thead>
    
    <tr class="gt_col_headings">
      <th class="gt_col_heading gt_columns_bottom_border gt_left" rowspan="1" colspan="1" scope="col" id="names">names</th>
      <th class="gt_col_heading gt_columns_bottom_border gt_right" rowspan="1" colspan="1" scope="col" id="year">year</th>
      <th class="gt_col_heading gt_columns_bottom_border gt_right" rowspan="1" colspan="1" scope="col" id="salario">salario</th>
    </tr>
  </thead>
  <tbody class="gt_table_body">
    <tr><td headers="names" class="gt_row gt_left">Pedro</td>
<td headers="year" class="gt_row gt_right">2014</td>
<td headers="salario" class="gt_row gt_right">100</td></tr>
    <tr><td headers="names" class="gt_row gt_left">Carla</td>
<td headers="year" class="gt_row gt_right">2014</td>
<td headers="salario" class="gt_row gt_right">400</td></tr>
    <tr><td headers="names" class="gt_row gt_left">María</td>
<td headers="year" class="gt_row gt_right">2014</td>
<td headers="salario" class="gt_row gt_right">200</td></tr>
    <tr><td headers="names" class="gt_row gt_left">Pedro</td>
<td headers="year" class="gt_row gt_right">2015</td>
<td headers="salario" class="gt_row gt_right">500</td></tr>
    <tr><td headers="names" class="gt_row gt_left">Carla</td>
<td headers="year" class="gt_row gt_right">2015</td>
<td headers="salario" class="gt_row gt_right">600</td></tr>
    <tr><td headers="names" class="gt_row gt_left">María</td>
<td headers="year" class="gt_row gt_right">2015</td>
<td headers="salario" class="gt_row gt_right">700</td></tr>
    <tr><td headers="names" class="gt_row gt_left">Pedro</td>
<td headers="year" class="gt_row gt_right">2016</td>
<td headers="salario" class="gt_row gt_right">200</td></tr>
    <tr><td headers="names" class="gt_row gt_left">Carla</td>
<td headers="year" class="gt_row gt_right">2016</td>
<td headers="salario" class="gt_row gt_right">250</td></tr>
    <tr><td headers="names" class="gt_row gt_left">María</td>
<td headers="year" class="gt_row gt_right">2016</td>
<td headers="salario" class="gt_row gt_right">900</td></tr>
  </tbody>
  
  
</table>
</div>
]
]
]

---
class: inverse, center, middle
background-image: url(data:image/png;base64,#imagenes/ss_05_img_06_tidyr-hex.png)
background-position: 99% 1%
background-size: 5%

## Tidy data en formato *LONG*

###### Para trabajar à la tidyverse es crucial que los datos sean "tidy" y además que estén en formato *LONG*.

###### Es importante aprender a pasar de datos WIDE a LONG y viceversa.

###### Con el pkg tidyr es sencillo pero ...

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_06_tidyr-hex.png)
background-position: 99% 1%
background-size: 3%
##### De wide a LONG format con `pivot_longer()`

<img src="data:image/png;base64,#./imagenes/ss_05_img_09_wide-long.png" width="70%" style="display: block; margin: auto;" />
   
.panelset[
.panel[.panel-name[Tarea]
 Aquí tienes un df en formato ANCHO, pásalo a formato LARGO

```r
data_wide <- data.frame(names = c("Pedro", "Carla", "María"), 
                        w_2014 = c(100, 400, 200), 
                        w_2015 = c(500, 600, 700),
                        w_2016 = c(200, 250, 900) )
```
]

.panel[.panel-name[Solución]

```r

#- la función pivot_longer() transforma los datos de formato ancho(wide) a formato largo(long)

data_long <- data_wide %>% 
             tidyr::pivot_longer(cols = 2:4, names_to = "periodo")

```
]
]

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_06_tidyr-hex.png)
background-position: 99% 1%
background-size: 3%
##### De long a WIDE format con `pivot_wider()`

<img src="data:image/png;base64,#./imagenes/ss_05_img_10_wide-long.png" width="70%" style="display: block; margin: auto;" />
   
.panelset[
.panel[.panel-name[Tarea]
En el ejercicio anterior hemos creado un df en formato LONG, lo hemos llamado `df_long`.

La tarea consiste en convertir `df_long` a formato ANCHO.

]

.panel[.panel-name[Solución]

```r
data_wide2 <- data_long %>% 
              tidyr::pivot_wider(names_from = periodo, 
                                 values_from = value)
```
]
]

---
class: inverse, center, middle

## Más funciones de *tidyr*

#### El paquete *tidyr* tiene muchas funciones. Veremos dos: *separate()* y *unite()*

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_06_tidyr-hex.png)
background-position: 99% 1%
background-size: 4%
##### las funciones `separate()` y `unite()`

- `separate()` y `unite()` facilitan el separar y unir columnas. Por ejemplo fíjate en el siguiente dataframe:

<div id="prcybpmsbm" style="padding-left:0px;padding-right:0px;padding-top:10px;padding-bottom:10px;overflow-x:auto;overflow-y:auto;width:auto;height:auto;">
<style>#prcybpmsbm table {
  font-family: system-ui, 'Segoe UI', Roboto, Helvetica, Arial, sans-serif, 'Apple Color Emoji', 'Segoe UI Emoji', 'Segoe UI Symbol', 'Noto Color Emoji';
  -webkit-font-smoothing: antialiased;
  -moz-osx-font-smoothing: grayscale;
}

#prcybpmsbm thead, #prcybpmsbm tbody, #prcybpmsbm tfoot, #prcybpmsbm tr, #prcybpmsbm td, #prcybpmsbm th {
  border-style: none;
}

#prcybpmsbm p {
  margin: 0;
  padding: 0;
}

#prcybpmsbm .gt_table {
  display: table;
  border-collapse: collapse;
  line-height: normal;
  margin-left: auto;
  margin-right: auto;
  color: #333333;
  font-size: 16px;
  font-weight: normal;
  font-style: normal;
  background-color: #FFFFFF;
  width: auto;
  border-top-style: solid;
  border-top-width: 2px;
  border-top-color: #A8A8A8;
  border-right-style: none;
  border-right-width: 2px;
  border-right-color: #D3D3D3;
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #A8A8A8;
  border-left-style: none;
  border-left-width: 2px;
  border-left-color: #D3D3D3;
}

#prcybpmsbm .gt_caption {
  padding-top: 4px;
  padding-bottom: 4px;
}

#prcybpmsbm .gt_title {
  color: #333333;
  font-size: 125%;
  font-weight: initial;
  padding-top: 4px;
  padding-bottom: 4px;
  padding-left: 5px;
  padding-right: 5px;
  border-bottom-color: #FFFFFF;
  border-bottom-width: 0;
}

#prcybpmsbm .gt_subtitle {
  color: #333333;
  font-size: 85%;
  font-weight: initial;
  padding-top: 3px;
  padding-bottom: 5px;
  padding-left: 5px;
  padding-right: 5px;
  border-top-color: #FFFFFF;
  border-top-width: 0;
}

#prcybpmsbm .gt_heading {
  background-color: #FFFFFF;
  text-align: center;
  border-bottom-color: #FFFFFF;
  border-left-style: none;
  border-left-width: 1px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 1px;
  border-right-color: #D3D3D3;
}

#prcybpmsbm .gt_bottom_border {
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
}

#prcybpmsbm .gt_col_headings {
  border-top-style: solid;
  border-top-width: 2px;
  border-top-color: #D3D3D3;
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
  border-left-style: none;
  border-left-width: 1px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 1px;
  border-right-color: #D3D3D3;
}

#prcybpmsbm .gt_col_heading {
  color: #333333;
  background-color: #FFFFFF;
  font-size: 100%;
  font-weight: normal;
  text-transform: inherit;
  border-left-style: none;
  border-left-width: 1px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 1px;
  border-right-color: #D3D3D3;
  vertical-align: bottom;
  padding-top: 5px;
  padding-bottom: 6px;
  padding-left: 5px;
  padding-right: 5px;
  overflow-x: hidden;
}

#prcybpmsbm .gt_column_spanner_outer {
  color: #333333;
  background-color: #FFFFFF;
  font-size: 100%;
  font-weight: normal;
  text-transform: inherit;
  padding-top: 0;
  padding-bottom: 0;
  padding-left: 4px;
  padding-right: 4px;
}

#prcybpmsbm .gt_column_spanner_outer:first-child {
  padding-left: 0;
}

#prcybpmsbm .gt_column_spanner_outer:last-child {
  padding-right: 0;
}

#prcybpmsbm .gt_column_spanner {
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
  vertical-align: bottom;
  padding-top: 5px;
  padding-bottom: 5px;
  overflow-x: hidden;
  display: inline-block;
  width: 100%;
}

#prcybpmsbm .gt_spanner_row {
  border-bottom-style: hidden;
}

#prcybpmsbm .gt_group_heading {
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
  color: #333333;
  background-color: #FFFFFF;
  font-size: 100%;
  font-weight: initial;
  text-transform: inherit;
  border-top-style: solid;
  border-top-width: 2px;
  border-top-color: #D3D3D3;
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
  border-left-style: none;
  border-left-width: 1px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 1px;
  border-right-color: #D3D3D3;
  vertical-align: middle;
  text-align: left;
}

#prcybpmsbm .gt_empty_group_heading {
  padding: 0.5px;
  color: #333333;
  background-color: #FFFFFF;
  font-size: 100%;
  font-weight: initial;
  border-top-style: solid;
  border-top-width: 2px;
  border-top-color: #D3D3D3;
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
  vertical-align: middle;
}

#prcybpmsbm .gt_from_md > :first-child {
  margin-top: 0;
}

#prcybpmsbm .gt_from_md > :last-child {
  margin-bottom: 0;
}

#prcybpmsbm .gt_row {
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
  margin: 10px;
  border-top-style: solid;
  border-top-width: 1px;
  border-top-color: #D3D3D3;
  border-left-style: none;
  border-left-width: 1px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 1px;
  border-right-color: #D3D3D3;
  vertical-align: middle;
  overflow-x: hidden;
}

#prcybpmsbm .gt_stub {
  color: #333333;
  background-color: #FFFFFF;
  font-size: 100%;
  font-weight: initial;
  text-transform: inherit;
  border-right-style: solid;
  border-right-width: 2px;
  border-right-color: #D3D3D3;
  padding-left: 5px;
  padding-right: 5px;
}

#prcybpmsbm .gt_stub_row_group {
  color: #333333;
  background-color: #FFFFFF;
  font-size: 100%;
  font-weight: initial;
  text-transform: inherit;
  border-right-style: solid;
  border-right-width: 2px;
  border-right-color: #D3D3D3;
  padding-left: 5px;
  padding-right: 5px;
  vertical-align: top;
}

#prcybpmsbm .gt_row_group_first td {
  border-top-width: 2px;
}

#prcybpmsbm .gt_row_group_first th {
  border-top-width: 2px;
}

#prcybpmsbm .gt_summary_row {
  color: #333333;
  background-color: #FFFFFF;
  text-transform: inherit;
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
}

#prcybpmsbm .gt_first_summary_row {
  border-top-style: solid;
  border-top-color: #D3D3D3;
}

#prcybpmsbm .gt_first_summary_row.thick {
  border-top-width: 2px;
}

#prcybpmsbm .gt_last_summary_row {
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
}

#prcybpmsbm .gt_grand_summary_row {
  color: #333333;
  background-color: #FFFFFF;
  text-transform: inherit;
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
}

#prcybpmsbm .gt_first_grand_summary_row {
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
  border-top-style: double;
  border-top-width: 6px;
  border-top-color: #D3D3D3;
}

#prcybpmsbm .gt_last_grand_summary_row_top {
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
  border-bottom-style: double;
  border-bottom-width: 6px;
  border-bottom-color: #D3D3D3;
}

#prcybpmsbm .gt_striped {
  background-color: rgba(128, 128, 128, 0.05);
}

#prcybpmsbm .gt_table_body {
  border-top-style: solid;
  border-top-width: 2px;
  border-top-color: #D3D3D3;
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
}

#prcybpmsbm .gt_footnotes {
  color: #333333;
  background-color: #FFFFFF;
  border-bottom-style: none;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
  border-left-style: none;
  border-left-width: 2px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 2px;
  border-right-color: #D3D3D3;
}

#prcybpmsbm .gt_footnote {
  margin: 0px;
  font-size: 90%;
  padding-top: 4px;
  padding-bottom: 4px;
  padding-left: 5px;
  padding-right: 5px;
}

#prcybpmsbm .gt_sourcenotes {
  color: #333333;
  background-color: #FFFFFF;
  border-bottom-style: none;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
  border-left-style: none;
  border-left-width: 2px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 2px;
  border-right-color: #D3D3D3;
}

#prcybpmsbm .gt_sourcenote {
  font-size: 90%;
  padding-top: 4px;
  padding-bottom: 4px;
  padding-left: 5px;
  padding-right: 5px;
}

#prcybpmsbm .gt_left {
  text-align: left;
}

#prcybpmsbm .gt_center {
  text-align: center;
}

#prcybpmsbm .gt_right {
  text-align: right;
  font-variant-numeric: tabular-nums;
}

#prcybpmsbm .gt_font_normal {
  font-weight: normal;
}

#prcybpmsbm .gt_font_bold {
  font-weight: bold;
}

#prcybpmsbm .gt_font_italic {
  font-style: italic;
}

#prcybpmsbm .gt_super {
  font-size: 65%;
}

#prcybpmsbm .gt_footnote_marks {
  font-size: 75%;
  vertical-align: 0.4em;
  position: initial;
}

#prcybpmsbm .gt_asterisk {
  font-size: 100%;
  vertical-align: 0;
}

#prcybpmsbm .gt_indent_1 {
  text-indent: 5px;
}

#prcybpmsbm .gt_indent_2 {
  text-indent: 10px;
}

#prcybpmsbm .gt_indent_3 {
  text-indent: 15px;
}

#prcybpmsbm .gt_indent_4 {
  text-indent: 20px;
}

#prcybpmsbm .gt_indent_5 {
  text-indent: 25px;
}
</style>
<table class="gt_table" data-quarto-disable-processing="false" data-quarto-bootstrap="false">
  <thead>
    
    <tr class="gt_col_headings">
      <th class="gt_col_heading gt_columns_bottom_border gt_left" rowspan="1" colspan="1" scope="col" id="names">names</th>
      <th class="gt_col_heading gt_columns_bottom_border gt_right" rowspan="1" colspan="1" scope="col" id="year">year</th>
    </tr>
  </thead>
  <tbody class="gt_table_body">
    <tr><td headers="names" class="gt_row gt_left">Pedro_Navaja</td>
<td headers="year" class="gt_row gt_right">1978</td></tr>
    <tr><td headers="names" class="gt_row gt_left">Bob_Dylan</td>
<td headers="year" class="gt_row gt_right">1941</td></tr>
    <tr><td headers="names" class="gt_row gt_left">Cid_Campeador</td>
<td headers="year" class="gt_row gt_right">1048</td></tr>
  </tbody>
  
  
</table>
</div>

.panelset[
.panel[.panel-name[Separar la 1ª columna]
.pull-left[

```r
df_a <- df %>% 
      separate(col = names, 
              into = c("Nombre", "Apellido"),
              sep  = "_")
```
]
.pull-right[

```r
gt::gt(df_a)
```

<div id="lveesykrvw" style="padding-left:0px;padding-right:0px;padding-top:10px;padding-bottom:10px;overflow-x:auto;overflow-y:auto;width:auto;height:auto;">
<style>#lveesykrvw table {
  font-family: system-ui, 'Segoe UI', Roboto, Helvetica, Arial, sans-serif, 'Apple Color Emoji', 'Segoe UI Emoji', 'Segoe UI Symbol', 'Noto Color Emoji';
  -webkit-font-smoothing: antialiased;
  -moz-osx-font-smoothing: grayscale;
}

#lveesykrvw thead, #lveesykrvw tbody, #lveesykrvw tfoot, #lveesykrvw tr, #lveesykrvw td, #lveesykrvw th {
  border-style: none;
}

#lveesykrvw p {
  margin: 0;
  padding: 0;
}

#lveesykrvw .gt_table {
  display: table;
  border-collapse: collapse;
  line-height: normal;
  margin-left: auto;
  margin-right: auto;
  color: #333333;
  font-size: 16px;
  font-weight: normal;
  font-style: normal;
  background-color: #FFFFFF;
  width: auto;
  border-top-style: solid;
  border-top-width: 2px;
  border-top-color: #A8A8A8;
  border-right-style: none;
  border-right-width: 2px;
  border-right-color: #D3D3D3;
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #A8A8A8;
  border-left-style: none;
  border-left-width: 2px;
  border-left-color: #D3D3D3;
}

#lveesykrvw .gt_caption {
  padding-top: 4px;
  padding-bottom: 4px;
}

#lveesykrvw .gt_title {
  color: #333333;
  font-size: 125%;
  font-weight: initial;
  padding-top: 4px;
  padding-bottom: 4px;
  padding-left: 5px;
  padding-right: 5px;
  border-bottom-color: #FFFFFF;
  border-bottom-width: 0;
}

#lveesykrvw .gt_subtitle {
  color: #333333;
  font-size: 85%;
  font-weight: initial;
  padding-top: 3px;
  padding-bottom: 5px;
  padding-left: 5px;
  padding-right: 5px;
  border-top-color: #FFFFFF;
  border-top-width: 0;
}

#lveesykrvw .gt_heading {
  background-color: #FFFFFF;
  text-align: center;
  border-bottom-color: #FFFFFF;
  border-left-style: none;
  border-left-width: 1px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 1px;
  border-right-color: #D3D3D3;
}

#lveesykrvw .gt_bottom_border {
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
}

#lveesykrvw .gt_col_headings {
  border-top-style: solid;
  border-top-width: 2px;
  border-top-color: #D3D3D3;
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
  border-left-style: none;
  border-left-width: 1px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 1px;
  border-right-color: #D3D3D3;
}

#lveesykrvw .gt_col_heading {
  color: #333333;
  background-color: #FFFFFF;
  font-size: 100%;
  font-weight: normal;
  text-transform: inherit;
  border-left-style: none;
  border-left-width: 1px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 1px;
  border-right-color: #D3D3D3;
  vertical-align: bottom;
  padding-top: 5px;
  padding-bottom: 6px;
  padding-left: 5px;
  padding-right: 5px;
  overflow-x: hidden;
}

#lveesykrvw .gt_column_spanner_outer {
  color: #333333;
  background-color: #FFFFFF;
  font-size: 100%;
  font-weight: normal;
  text-transform: inherit;
  padding-top: 0;
  padding-bottom: 0;
  padding-left: 4px;
  padding-right: 4px;
}

#lveesykrvw .gt_column_spanner_outer:first-child {
  padding-left: 0;
}

#lveesykrvw .gt_column_spanner_outer:last-child {
  padding-right: 0;
}

#lveesykrvw .gt_column_spanner {
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
  vertical-align: bottom;
  padding-top: 5px;
  padding-bottom: 5px;
  overflow-x: hidden;
  display: inline-block;
  width: 100%;
}

#lveesykrvw .gt_spanner_row {
  border-bottom-style: hidden;
}

#lveesykrvw .gt_group_heading {
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
  color: #333333;
  background-color: #FFFFFF;
  font-size: 100%;
  font-weight: initial;
  text-transform: inherit;
  border-top-style: solid;
  border-top-width: 2px;
  border-top-color: #D3D3D3;
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
  border-left-style: none;
  border-left-width: 1px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 1px;
  border-right-color: #D3D3D3;
  vertical-align: middle;
  text-align: left;
}

#lveesykrvw .gt_empty_group_heading {
  padding: 0.5px;
  color: #333333;
  background-color: #FFFFFF;
  font-size: 100%;
  font-weight: initial;
  border-top-style: solid;
  border-top-width: 2px;
  border-top-color: #D3D3D3;
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
  vertical-align: middle;
}

#lveesykrvw .gt_from_md > :first-child {
  margin-top: 0;
}

#lveesykrvw .gt_from_md > :last-child {
  margin-bottom: 0;
}

#lveesykrvw .gt_row {
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
  margin: 10px;
  border-top-style: solid;
  border-top-width: 1px;
  border-top-color: #D3D3D3;
  border-left-style: none;
  border-left-width: 1px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 1px;
  border-right-color: #D3D3D3;
  vertical-align: middle;
  overflow-x: hidden;
}

#lveesykrvw .gt_stub {
  color: #333333;
  background-color: #FFFFFF;
  font-size: 100%;
  font-weight: initial;
  text-transform: inherit;
  border-right-style: solid;
  border-right-width: 2px;
  border-right-color: #D3D3D3;
  padding-left: 5px;
  padding-right: 5px;
}

#lveesykrvw .gt_stub_row_group {
  color: #333333;
  background-color: #FFFFFF;
  font-size: 100%;
  font-weight: initial;
  text-transform: inherit;
  border-right-style: solid;
  border-right-width: 2px;
  border-right-color: #D3D3D3;
  padding-left: 5px;
  padding-right: 5px;
  vertical-align: top;
}

#lveesykrvw .gt_row_group_first td {
  border-top-width: 2px;
}

#lveesykrvw .gt_row_group_first th {
  border-top-width: 2px;
}

#lveesykrvw .gt_summary_row {
  color: #333333;
  background-color: #FFFFFF;
  text-transform: inherit;
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
}

#lveesykrvw .gt_first_summary_row {
  border-top-style: solid;
  border-top-color: #D3D3D3;
}

#lveesykrvw .gt_first_summary_row.thick {
  border-top-width: 2px;
}

#lveesykrvw .gt_last_summary_row {
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
}

#lveesykrvw .gt_grand_summary_row {
  color: #333333;
  background-color: #FFFFFF;
  text-transform: inherit;
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
}

#lveesykrvw .gt_first_grand_summary_row {
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
  border-top-style: double;
  border-top-width: 6px;
  border-top-color: #D3D3D3;
}

#lveesykrvw .gt_last_grand_summary_row_top {
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
  border-bottom-style: double;
  border-bottom-width: 6px;
  border-bottom-color: #D3D3D3;
}

#lveesykrvw .gt_striped {
  background-color: rgba(128, 128, 128, 0.05);
}

#lveesykrvw .gt_table_body {
  border-top-style: solid;
  border-top-width: 2px;
  border-top-color: #D3D3D3;
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
}

#lveesykrvw .gt_footnotes {
  color: #333333;
  background-color: #FFFFFF;
  border-bottom-style: none;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
  border-left-style: none;
  border-left-width: 2px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 2px;
  border-right-color: #D3D3D3;
}

#lveesykrvw .gt_footnote {
  margin: 0px;
  font-size: 90%;
  padding-top: 4px;
  padding-bottom: 4px;
  padding-left: 5px;
  padding-right: 5px;
}

#lveesykrvw .gt_sourcenotes {
  color: #333333;
  background-color: #FFFFFF;
  border-bottom-style: none;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
  border-left-style: none;
  border-left-width: 2px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 2px;
  border-right-color: #D3D3D3;
}

#lveesykrvw .gt_sourcenote {
  font-size: 90%;
  padding-top: 4px;
  padding-bottom: 4px;
  padding-left: 5px;
  padding-right: 5px;
}

#lveesykrvw .gt_left {
  text-align: left;
}

#lveesykrvw .gt_center {
  text-align: center;
}

#lveesykrvw .gt_right {
  text-align: right;
  font-variant-numeric: tabular-nums;
}

#lveesykrvw .gt_font_normal {
  font-weight: normal;
}

#lveesykrvw .gt_font_bold {
  font-weight: bold;
}

#lveesykrvw .gt_font_italic {
  font-style: italic;
}

#lveesykrvw .gt_super {
  font-size: 65%;
}

#lveesykrvw .gt_footnote_marks {
  font-size: 75%;
  vertical-align: 0.4em;
  position: initial;
}

#lveesykrvw .gt_asterisk {
  font-size: 100%;
  vertical-align: 0;
}

#lveesykrvw .gt_indent_1 {
  text-indent: 5px;
}

#lveesykrvw .gt_indent_2 {
  text-indent: 10px;
}

#lveesykrvw .gt_indent_3 {
  text-indent: 15px;
}

#lveesykrvw .gt_indent_4 {
  text-indent: 20px;
}

#lveesykrvw .gt_indent_5 {
  text-indent: 25px;
}
</style>
<table class="gt_table" data-quarto-disable-processing="false" data-quarto-bootstrap="false">
  <thead>
    
    <tr class="gt_col_headings">
      <th class="gt_col_heading gt_columns_bottom_border gt_left" rowspan="1" colspan="1" scope="col" id="Nombre">Nombre</th>
      <th class="gt_col_heading gt_columns_bottom_border gt_left" rowspan="1" colspan="1" scope="col" id="Apellido">Apellido</th>
      <th class="gt_col_heading gt_columns_bottom_border gt_right" rowspan="1" colspan="1" scope="col" id="year">year</th>
    </tr>
  </thead>
  <tbody class="gt_table_body">
    <tr><td headers="Nombre" class="gt_row gt_left">Pedro</td>
<td headers="Apellido" class="gt_row gt_left">Navaja</td>
<td headers="year" class="gt_row gt_right">1978</td></tr>
    <tr><td headers="Nombre" class="gt_row gt_left">Bob</td>
<td headers="Apellido" class="gt_row gt_left">Dylan</td>
<td headers="year" class="gt_row gt_right">1941</td></tr>
    <tr><td headers="Nombre" class="gt_row gt_left">Cid</td>
<td headers="Apellido" class="gt_row gt_left">Campeador</td>
<td headers="year" class="gt_row gt_right">1048</td></tr>
  </tbody>
  
  
</table>
</div>
]
]

.panel[.panel-name[Volvamos a unir las columnas]
.pull-left[

```r
df_b <- df_a %>% 
       unite(Nombre_y_Apellido, 
             Nombre:Apellido, 
             sep = "&")
```
]
.pull-right[

```r
gt::gt(df_b)
```

<div id="yjbecyyedo" style="padding-left:0px;padding-right:0px;padding-top:10px;padding-bottom:10px;overflow-x:auto;overflow-y:auto;width:auto;height:auto;">
<style>#yjbecyyedo table {
  font-family: system-ui, 'Segoe UI', Roboto, Helvetica, Arial, sans-serif, 'Apple Color Emoji', 'Segoe UI Emoji', 'Segoe UI Symbol', 'Noto Color Emoji';
  -webkit-font-smoothing: antialiased;
  -moz-osx-font-smoothing: grayscale;
}

#yjbecyyedo thead, #yjbecyyedo tbody, #yjbecyyedo tfoot, #yjbecyyedo tr, #yjbecyyedo td, #yjbecyyedo th {
  border-style: none;
}

#yjbecyyedo p {
  margin: 0;
  padding: 0;
}

#yjbecyyedo .gt_table {
  display: table;
  border-collapse: collapse;
  line-height: normal;
  margin-left: auto;
  margin-right: auto;
  color: #333333;
  font-size: 16px;
  font-weight: normal;
  font-style: normal;
  background-color: #FFFFFF;
  width: auto;
  border-top-style: solid;
  border-top-width: 2px;
  border-top-color: #A8A8A8;
  border-right-style: none;
  border-right-width: 2px;
  border-right-color: #D3D3D3;
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #A8A8A8;
  border-left-style: none;
  border-left-width: 2px;
  border-left-color: #D3D3D3;
}

#yjbecyyedo .gt_caption {
  padding-top: 4px;
  padding-bottom: 4px;
}

#yjbecyyedo .gt_title {
  color: #333333;
  font-size: 125%;
  font-weight: initial;
  padding-top: 4px;
  padding-bottom: 4px;
  padding-left: 5px;
  padding-right: 5px;
  border-bottom-color: #FFFFFF;
  border-bottom-width: 0;
}

#yjbecyyedo .gt_subtitle {
  color: #333333;
  font-size: 85%;
  font-weight: initial;
  padding-top: 3px;
  padding-bottom: 5px;
  padding-left: 5px;
  padding-right: 5px;
  border-top-color: #FFFFFF;
  border-top-width: 0;
}

#yjbecyyedo .gt_heading {
  background-color: #FFFFFF;
  text-align: center;
  border-bottom-color: #FFFFFF;
  border-left-style: none;
  border-left-width: 1px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 1px;
  border-right-color: #D3D3D3;
}

#yjbecyyedo .gt_bottom_border {
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
}

#yjbecyyedo .gt_col_headings {
  border-top-style: solid;
  border-top-width: 2px;
  border-top-color: #D3D3D3;
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
  border-left-style: none;
  border-left-width: 1px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 1px;
  border-right-color: #D3D3D3;
}

#yjbecyyedo .gt_col_heading {
  color: #333333;
  background-color: #FFFFFF;
  font-size: 100%;
  font-weight: normal;
  text-transform: inherit;
  border-left-style: none;
  border-left-width: 1px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 1px;
  border-right-color: #D3D3D3;
  vertical-align: bottom;
  padding-top: 5px;
  padding-bottom: 6px;
  padding-left: 5px;
  padding-right: 5px;
  overflow-x: hidden;
}

#yjbecyyedo .gt_column_spanner_outer {
  color: #333333;
  background-color: #FFFFFF;
  font-size: 100%;
  font-weight: normal;
  text-transform: inherit;
  padding-top: 0;
  padding-bottom: 0;
  padding-left: 4px;
  padding-right: 4px;
}

#yjbecyyedo .gt_column_spanner_outer:first-child {
  padding-left: 0;
}

#yjbecyyedo .gt_column_spanner_outer:last-child {
  padding-right: 0;
}

#yjbecyyedo .gt_column_spanner {
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
  vertical-align: bottom;
  padding-top: 5px;
  padding-bottom: 5px;
  overflow-x: hidden;
  display: inline-block;
  width: 100%;
}

#yjbecyyedo .gt_spanner_row {
  border-bottom-style: hidden;
}

#yjbecyyedo .gt_group_heading {
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
  color: #333333;
  background-color: #FFFFFF;
  font-size: 100%;
  font-weight: initial;
  text-transform: inherit;
  border-top-style: solid;
  border-top-width: 2px;
  border-top-color: #D3D3D3;
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
  border-left-style: none;
  border-left-width: 1px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 1px;
  border-right-color: #D3D3D3;
  vertical-align: middle;
  text-align: left;
}

#yjbecyyedo .gt_empty_group_heading {
  padding: 0.5px;
  color: #333333;
  background-color: #FFFFFF;
  font-size: 100%;
  font-weight: initial;
  border-top-style: solid;
  border-top-width: 2px;
  border-top-color: #D3D3D3;
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
  vertical-align: middle;
}

#yjbecyyedo .gt_from_md > :first-child {
  margin-top: 0;
}

#yjbecyyedo .gt_from_md > :last-child {
  margin-bottom: 0;
}

#yjbecyyedo .gt_row {
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
  margin: 10px;
  border-top-style: solid;
  border-top-width: 1px;
  border-top-color: #D3D3D3;
  border-left-style: none;
  border-left-width: 1px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 1px;
  border-right-color: #D3D3D3;
  vertical-align: middle;
  overflow-x: hidden;
}

#yjbecyyedo .gt_stub {
  color: #333333;
  background-color: #FFFFFF;
  font-size: 100%;
  font-weight: initial;
  text-transform: inherit;
  border-right-style: solid;
  border-right-width: 2px;
  border-right-color: #D3D3D3;
  padding-left: 5px;
  padding-right: 5px;
}

#yjbecyyedo .gt_stub_row_group {
  color: #333333;
  background-color: #FFFFFF;
  font-size: 100%;
  font-weight: initial;
  text-transform: inherit;
  border-right-style: solid;
  border-right-width: 2px;
  border-right-color: #D3D3D3;
  padding-left: 5px;
  padding-right: 5px;
  vertical-align: top;
}

#yjbecyyedo .gt_row_group_first td {
  border-top-width: 2px;
}

#yjbecyyedo .gt_row_group_first th {
  border-top-width: 2px;
}

#yjbecyyedo .gt_summary_row {
  color: #333333;
  background-color: #FFFFFF;
  text-transform: inherit;
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
}

#yjbecyyedo .gt_first_summary_row {
  border-top-style: solid;
  border-top-color: #D3D3D3;
}

#yjbecyyedo .gt_first_summary_row.thick {
  border-top-width: 2px;
}

#yjbecyyedo .gt_last_summary_row {
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
}

#yjbecyyedo .gt_grand_summary_row {
  color: #333333;
  background-color: #FFFFFF;
  text-transform: inherit;
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
}

#yjbecyyedo .gt_first_grand_summary_row {
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
  border-top-style: double;
  border-top-width: 6px;
  border-top-color: #D3D3D3;
}

#yjbecyyedo .gt_last_grand_summary_row_top {
  padding-top: 8px;
  padding-bottom: 8px;
  padding-left: 5px;
  padding-right: 5px;
  border-bottom-style: double;
  border-bottom-width: 6px;
  border-bottom-color: #D3D3D3;
}

#yjbecyyedo .gt_striped {
  background-color: rgba(128, 128, 128, 0.05);
}

#yjbecyyedo .gt_table_body {
  border-top-style: solid;
  border-top-width: 2px;
  border-top-color: #D3D3D3;
  border-bottom-style: solid;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
}

#yjbecyyedo .gt_footnotes {
  color: #333333;
  background-color: #FFFFFF;
  border-bottom-style: none;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
  border-left-style: none;
  border-left-width: 2px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 2px;
  border-right-color: #D3D3D3;
}

#yjbecyyedo .gt_footnote {
  margin: 0px;
  font-size: 90%;
  padding-top: 4px;
  padding-bottom: 4px;
  padding-left: 5px;
  padding-right: 5px;
}

#yjbecyyedo .gt_sourcenotes {
  color: #333333;
  background-color: #FFFFFF;
  border-bottom-style: none;
  border-bottom-width: 2px;
  border-bottom-color: #D3D3D3;
  border-left-style: none;
  border-left-width: 2px;
  border-left-color: #D3D3D3;
  border-right-style: none;
  border-right-width: 2px;
  border-right-color: #D3D3D3;
}

#yjbecyyedo .gt_sourcenote {
  font-size: 90%;
  padding-top: 4px;
  padding-bottom: 4px;
  padding-left: 5px;
  padding-right: 5px;
}

#yjbecyyedo .gt_left {
  text-align: left;
}

#yjbecyyedo .gt_center {
  text-align: center;
}

#yjbecyyedo .gt_right {
  text-align: right;
  font-variant-numeric: tabular-nums;
}

#yjbecyyedo .gt_font_normal {
  font-weight: normal;
}

#yjbecyyedo .gt_font_bold {
  font-weight: bold;
}

#yjbecyyedo .gt_font_italic {
  font-style: italic;
}

#yjbecyyedo .gt_super {
  font-size: 65%;
}

#yjbecyyedo .gt_footnote_marks {
  font-size: 75%;
  vertical-align: 0.4em;
  position: initial;
}

#yjbecyyedo .gt_asterisk {
  font-size: 100%;
  vertical-align: 0;
}

#yjbecyyedo .gt_indent_1 {
  text-indent: 5px;
}

#yjbecyyedo .gt_indent_2 {
  text-indent: 10px;
}

#yjbecyyedo .gt_indent_3 {
  text-indent: 15px;
}

#yjbecyyedo .gt_indent_4 {
  text-indent: 20px;
}

#yjbecyyedo .gt_indent_5 {
  text-indent: 25px;
}
</style>
<table class="gt_table" data-quarto-disable-processing="false" data-quarto-bootstrap="false">
  <thead>
    
    <tr class="gt_col_headings">
      <th class="gt_col_heading gt_columns_bottom_border gt_left" rowspan="1" colspan="1" scope="col" id="Nombre_y_Apellido">Nombre_y_Apellido</th>
      <th class="gt_col_heading gt_columns_bottom_border gt_right" rowspan="1" colspan="1" scope="col" id="year">year</th>
    </tr>
  </thead>
  <tbody class="gt_table_body">
    <tr><td headers="Nombre_y_Apellido" class="gt_row gt_left">Pedro&Navaja</td>
<td headers="year" class="gt_row gt_right">1978</td></tr>
    <tr><td headers="Nombre_y_Apellido" class="gt_row gt_left">Bob&Dylan</td>
<td headers="year" class="gt_row gt_right">1941</td></tr>
    <tr><td headers="Nombre_y_Apellido" class="gt_row gt_left">Cid&Campeador</td>
<td headers="year" class="gt_row gt_right">1048</td></tr>
  </tbody>
  
  
</table>
</div>
]
]
]

---
class: inverse, center, middle
background-image: url(data:image/png;base64,#imagenes/ss_05_img_07_dplyr-hex-new.png)
background-position: 99% 1%
background-size: 6%

## DPLYR

#### *dplyr* es el paquete más importante a la hora de manipular datos.

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_07_dplyr-hex-new.png)
background-position: 99% 1%
background-size: 4%

##### DPLYR

- `dplyr` es un paquete que permite manipular datos de forma intuitiva. Tiene 6-7 funciones o verbos principales.

- Cada uno de ellos hace “una sola cosa”, así que para realizar transformaciones complejas hay que ir concatenando instrucciones sencillas con el operador pipe (`%>%`)

##### Sintaxis

Todas las funciones tienen una estructura o comportamiento similar:

- el primer argumento siempre es un df (esto es importante).      
  - los siguientes argumentos describen que hacer con los datos.     
  - el resultado es siempre un nuevo df (esto es importante).

##### Las siguientes 3 expresiones hacen exactamente lo mismo:

```r
filter(df, X1 >= 10)

df %>% filter(. , X1 >= 10)

df %>% filter(X1 >= 10)
```

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_07_dplyr-hex-new.png)
background-position: 99% 1%
background-size: 4%

##### Principales funciones de dplyr

- **`filter()`** : selecciona **filas** (que cumplen una o varias condiciones)
  - **`arrange()`**: reordena las filas
  - **`rename()`** : cambia los nombres de las columnas 
  - **`select()`** : selecciona **columnas** 
  - **`mutate()`** : crea nuevas variables
  - **`summarise()`** : resume (colapsa) unos cuantos valores a uno sólo. Por ejemplo, calcula la media, moda, etc... de un conjunto de valores
 
--
 
##### Hay una séptima función:

- **`group_by()`** : permite agrupar filas en función de una o varias condiciones

<br>

##### Y con `dplyr 1.0.0`, en mayo de 2020, **dos funciones más**:

- **`across()`**   y **`where()`**. Estas funciones son un poco diferentes, solo se usan en combinación de otra función/verbo. Son 2 funciones que en la jerga del tidyverse no son verbos sino adverbios. Lo vemos

---
<br>

##### Vamos a trabajar con los datos del [pkg gapminder](https://github.com/jennybc/gapminder)

<br>

- ¿Supongo que ya sabéis que hace el siguiente código?

```r
gapminder <- gapminder::gapminder  #- cargamos los datos
```

<br>

- Por supuesto: hace accesibles, carga en memoria de R, los datos de gapminder.

- El conjunto de datos gapminder está en el pkg gapminder

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_07_dplyr-hex-new.png)
background-position: 99% 1%
background-size: 4%

##### 1.A **`filter()`**: permite seleccionar **filas**

<br>

**Filas** que cumplan una determinadas **condiciones o criterios lógicos**. Por ejemplo:

```r
gapminder <- gapminder::gapminder  #- cargamos los datos

#- Observaciones de España (country == "Spain")
aa <- gapminder %>% filter(country == "Spain")

#- filas con valores de "lifeExp" < 29
aa <- gapminder %>% filter(lifeExp < 29)

#- filas con valores de "lifeExp" entre [29, 32]
aa <- gapminder %>% filter(lifeExp >=  29 , lifeExp <= 32)   
aa <- gapminder %>% filter(lifeExp >=  29 &  lifeExp <= 32)  
aa <- gapminder %>% filter(between(lifeExp, 29, 32))

#- observaciones de países de África con lifeExp > 32
aa <- gapminder %>% filter(lifeExp > 72 &  continent == "Africa")

#- observaciones de países de África o Asia con lifeExp > 32
aa <- gapminder %>% filter(lifeExp > 72 &  continent %in% c("Africa", "Asia") )  
aa <- gapminder %>% filter(lifeExp > 72 & (continent == "Africa" | continent == "Asia") )  
```

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_07_dplyr-hex-new.png)
background-position: 99% 1%
background-size: 4%

##### 1.B **`slice()`**: permite seleccionar **filas** pero **por posición**.

<br>

- `filter()` y `slice()` ambas seleccionan filas, la primera por **condiciones** y la segunda por **posición**:

```r
#- selecciona las observaciones de la décima a la quinceava
aa <- gapminder %>% slice(c(10:15))

#- selecciona las observaciones de la 11 a 13 Y de la 41 a 43, Y las 3 últimas filas
#- deberían seleccionarse 9 filas, pero ... cometemos un error
aa <- gapminder %>%
  slice( c(11:13, 41:43, n()-3:n()) ) #- AQUI hay un error, tenéis que arreglarlo.

#- Pista: igual os ayuda ver que hace la siguiente expresión
15-3:15

```

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_07_dplyr-hex-new.png)
background-position: 99% 1%
background-size: 4%

##### 1.C Variantes de **`slice()`**

- `slice_max()` y `slice_min()`: seleccionan filas con valor máximo (o mínimo) de una variable:

```r
#- selecciona las 3 filas con mayor valor de lifeExp
aa <- gapminder %>% slice_max(lifeExp, n = 3)

#- selecciona las 4 filas con MENOR valor de pop
aa <- gapminder %>% slice_min(pop, n = 4)

#- observaciones en el primer décil en cuanto a esperanza de vida, 10% con menor esperanza de vida
aa <- gapminder %>% slice_min(lifeExp, prop = 0.1)

#- 1% de observaciones con mayor población. Imagino que estarán China e India
aa <- gapminder %>% slice_max(pop, prop = 0.01)
```

---------------------

A veces se necesita obtener una muestra aleatoria de los datos: por ejemplo con `slice_sample()`:

```r
#- selecciona (aleatoriamente) 100 filas de los datos
aa <- gapminder %>% slice_sample(n = 100)

#- selecciona (aleatoriamente) un 5% de los datos
aa <- gapminder %>% slice_sample(prop = 0.05)
```

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_07_dplyr-hex-new.png)
background-position: 99% 1%
background-size: 4%

##### 2. **`arrange()`**: permite **reordenar las filas** de un df

<br>

```r
#- ordena las filas de MENOR a mayor según los valores de la v. lifeExp 
aa <- gapminder %>% arrange(lifeExp)

#- ordena las filas de MAYOR a menor según los valores de la v. lifeExp
aa <- gapminder %>% arrange(desc(lifeExp))

#- ordena las filas de MENOR a mayor según los valores de la v. lifeExp. 
#- Si hay empates se resuelve con la variable "pop"
aa <- gapminder %>% arrange(lifeExp, pop) 
```

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_07_dplyr-hex-new.png)
background-position: 99% 1%
background-size: 4%

##### 3. **`rename()`**: permite cambiar los nombres de las variables

```r
#- cambia los nombres de lifeExp y gdpPercap a life_exp y gdp_percap 
gapminder %>% rename(life_exp = lifeExp,  gdp_percap = gdpPercap)
```

<br>

##### la función `names()` es útil

```r
#-(!!) la función names() de R-base es muy útil. 
aa <- gapminder

names(aa) <- names(aa) %>% toupper
names(aa) <- names(aa) %>% tolower
```

##### `rename_with()` permite hacer transformaciones más complejas [🌶]

```r
aa <- gapminder

aa %>% rename_with(toupper)

rename_with(aa, toupper, starts_with("Life") | contains("countr"))

rename_with(aa, ~ str_replace(.x, "e", "Ö"))  #- (!!!!)
```

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_07_dplyr-hex-new.png)
background-position: 99% 1%
background-size: 4%

##### 4.A **`select()`** se utiliza para seleccionar variables

##### seleccionar variables por nombre

```r
aa <- gapminder %>% select(year, lifeExp) 
```

##### seleccionar variables por posición

```r
aa <- gapminder %>% select(1:3, 5)
```

-----------------

##### eliminar variables

```r
aa <- gapminder %>% select(-year)

#- Para eliminar varias variables
aa <- gapminder %>% select(-c(year, lifeExp))
```

##### eliminar variables por posición

```r
aa <- gapminder %>% select(-c(1:3, 5))
```

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_07_dplyr-hex-new.png)
background-position: 99% 1%
background-size: 4%

##### 4.B **`select()`** junto a la función  **`where()`**

- `select()` y `where()` son dos funciones, sí, pero en la jerga del tidyverse, `select()` es un verbo y `where()` es un adverbio, cualifica/cambia lo que hace `select()`.

------------------

##### ejemplo de uso

- En `gapminder` las 2 primeras variables (country y continent) son factores y las 4 siguientes son variable numéricas.

- Imagina que queremos seleccionar sólo las variables que son numéricas. Podemos hacerlo por nombre o por posición pero mejor con `select()` y la función auxiliar `where()`

```r
aa <- gapminder %>% select(is.numeric)        #- funciona, pero ...

aa <- gapminder %>% select(where(is.numeric)) #- es "preferible" esta segunda expresión
```

---------------

- Si queremos seleccionar las variables que **NO** son numéricas haríamos:

```r
aa <- gapminder %>% select(!where(is.numeric)) 
```

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_07_dplyr-hex-new.png)
background-position: 99% 1%
background-size: 4%

##### 4.C.1 **`select()`** para renombrar y reordenar las variables

```r
#- dejamos en aa solamente a las columnas "year" y "pop"; ADEMÁS, ahora, "pop" irá antes que "year"
aa <- gapminder %>% select(pop, year)

#- dejamos en aa solamente a las columnas "year" y "pop" y les cambiamos el nombre
aa <- gapminder %>% select(poblacion = pop, año = year)
```

<br>

Imagina que quieres que la última columna pase a ser la primera (manías!!). Podemos hacerlo con select y `everything()`. everything es una **función auxiliar**:

```r
#- "gdpPercap" que es la última columna pasa a ser la primera
aa <- gapminder %>% select(gdpPercap, everything())
```

<br>

------------

##### 4.C.2  `relocate() ` otra función para reordenar las variables de un df

```r
aa <- gapminder %>% dplyr::relocate(country, .after = lifeExp)

aa <- gapminder %>% dplyr::relocate(country, .before = lifeExp)
```

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_07_dplyr-hex-new.png)
background-position: 99% 1%
background-size: 4%

##### 5 **`mutate()`** para crear nuevas variables

- Por ejemplo, creamos la variable: GDP = pop*gdpperCap

```r
aa <- gapminder %>% mutate(GDP = pop*gdpPercap)
```

<br>

Por defecto, la nueva variable creada se situará **al final del df**, a no ser que usemos los argumentos `.after` y `.before` [🌶]

```r
aa <- gapminder %>% mutate(GDP = pop*gdpPercap, .after = country)

aa <- gapminder %>% mutate(GDP = pop*gdpPercap, .before = country)
```

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_07_dplyr-hex-new.png)
background-position: 99% 1%
background-size: 4%

##### 6.A **`summarize()`** para "resumir" variables

- Coge una variable como input y devuelve un solo valor; por ejemplo, calcula la media aritmética (o el mínimo, o el máximo ...) de una columna/variable.

- Empezamos "resumiendo" una sola variable:

```r
aa <- gapminder %>% summarise(media = mean(lifeExp))  
aa <- gapminder %>% summarise(desviacion_tipica = sd(lifeExp))  
aa <- gapminder %>% summarise(max(pop))  
aa <- gapminder %>% summarise(NN = n())

aa <- gapminder %>% count()      #- más adelante veremos la utilidad de count()
```

---------------------

- "Resumimos" dos variables:

```r
#- retornará 2 valores: las medias de "lifeExp" y "gdpPercap"
aa <- gapminder %>% summarise(mean(lifeExp), mean(gdpPercap))  
```

---------------------

- Hacemos 2 resúmenes de una variable:

```r
#- retornará 2 valores: la media y sd de la v. "lifeExp"
aa <- gapminder %>% summarise(mean(lifeExp), sd(lifeExp))
```

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_07_dplyr-hex-new.png)
background-position: 99% 1%
background-size: 3%

##### 6.B **`summarize()`** con `across()`

Usar `across()` permitirá calcular estadísticos de todas las variables, o de subconjuntos de estas, de manera más cómoda:

```r
#- media de cada una de las 6 variables. Devuelve 2 warnings porque las 2 primeras son textuales. No se puede calcular la media de continent y country
gapminder %>% summarise(across(everything(), mean) )

#- calculamos la media de tercera a la sexta variable
gapminder %>% summarise(across(3:6, mean) ) 
```

- O sea, `across()` permite seleccionar variables para hacer summaries.

---------------------

-  **Dentro** de `across()` se puede utilizar `where()` para aplicar criterios lógicos para seleccionar variables: [🌶] [ 🌟 ]

```r
gapminder %>% summarise(across(where(is.numeric), mean))
```

- Ahora no os asustéis de lo que salga: es lo mismo que lo de arriba pero con los nombres de los argumentos

```r
#- con los nombres de los argumentos (más largo pero conviene verlo de vez en cuando)
gapminder %>% summarise(across(.cols = where(is.numeric), .fns = mean)) 
```

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_07_dplyr-hex-new.png)
background-position: 99% 1%
background-size: 4%

##### 6.B **`summarize()`** con `across()`  y varias funciones(list)

- Si quieres calcular dos summaries de varias variables; por ejemplo la media y la desviación típica de un grupo de variables, tendrás que seguir utilizando `summarise()` con `across()` pero, además, tendrás que poner la lista de funciones dentro de `list()`. [🌶] [ 🌟 ]

- Veámoslo:

```r
#- calculamos la media y desviación típica de las columnas 3 a 6.
gapminder %>% summarise(across(3:6, list(media = mean, desv = sd)))
```

--------------------

<br>

- No os asustéis: ahora con los nombres de los argumentos

```r
#- lo mismo, pero explicitando los nombres de los argumentos [🌶] 
gapminder %>% summarise(across(.cols = 3:6, .fns = list(media = mean, desv = sd) ))
```

- No os asustéis: ahora con más argumentos

```r
#- lo mismo otra vez, pero eligiendo el nombre de las variables que se van a crear con .names [🌶] [🌶] 
gapminder %>% summarise(across(3:6, list(media = mean, desv = sd), .names = "{fn}_{col}"))
```

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_07_dplyr-hex-new.png)
background-position: 99% 1%
background-size: 3%

##### 7. **`group_by()`**. Con está función ya se puede ver la potencia de `dplyr`

En análisis de datos muchas operaciones  queremos calcularlas para distintos grupos (p. ej. mujer/hombre,  ...). `group_by()` permite hacerlo.

`group_by()` coge un df y lo convierte en un **"df agrupado"**. En ese nuevo "df agrupado", las operaciones que hagamos, se harán por separado para cada uno de los grupos que hayamos definido. Ahora lo vemos.

```r
#- cogemos df y lo (des)agrupamos por grupos 
#- definidos por la variable "continent"; o sea, habrá 5 grupos
#- después con summarise() calcularemos el nº de observaciones en cada grupo;
#- es decir, nos retornará un df con una fila por cada continente

aa <- gapminder %>% group_by(continent) %>% summarise(NN = n())
```

```r
aa
#> # A tibble: 5 × 2
#>   continent    NN
#>   <fct>     <int>
#> 1 Africa      624
#> 2 Americas    300
#> 3 Asia        396
#> 4 Europe      360
#> 5 Oceania      24
```

```r
aa %>% nrow()
```

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_07_dplyr-hex-new.png)
background-position: 99% 1%
background-size: 4%

##### Ejemplo 1: usando **`group_by()`**

**Pregunta:** ¿cuantos países hay en la base de datos?

- Una forma "chapucera" de hacerlo

```r
aa <- gapminder %>% group_by(country) %>%  
        summarize(NN = n())
```

```r
aa
#> # A tibble: 142 × 2
#>    country        NN
#>    <fct>       <int>
#>  1 Afghanistan    12
#>  2 Albania        12
#>  3 Algeria        12
#>  4 Angola         12
#>  5 Argentina      12
#>  6 Australia      12
#>  7 Austria        12
#>  8 Bahrain        12
#>  9 Bangladesh     12
#> 10 Belgium        12
#> # ℹ 132 more rows
```

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_07_dplyr-hex-new.png)
background-position: 99% 1%
background-size: 4%

##### Ejemplo 1: usando **`group_by()`** (continuación)

**Pregunta:** ¿cuantos países hay en la base de datos?

- Un poco mejor

```r
aa <- gapminder %>% group_by(country) %>%
        summarize(NN = n()) %>% 
        mutate(NN_paises = n())
```

- Mejor?!

```r
aa <- gapminder %>% 
    summarise(NN_paises = n_distinct(country))
```

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_07_dplyr-hex-new.png)
background-position: 99% 1%
background-size: 3%

##### Seguimos usando **`group_by()`**

**Pregunta:** ¿cuantos países hay en cada continente?

```r
#- cogemos df y lo agrupamos por "continent", 
#- después calculamos 2 cosas: el número de observaciones o rows
#- y el número de países (distintos) en cada continente (NN_countries_cont)
aa <- gapminder %>% group_by(continent) %>%  
          summarize(NN_obs = n(), 
                    NN_countries_cont = n_distinct(country))
```

```r
aa
#> # A tibble: 5 × 3
#>   continent NN_obs NN_countries_cont
#>   <fct>      <int>             <int>
#> 1 Africa       624                52
#> 2 Americas     300                25
#> 3 Asia         396                33
#> 4 Europe       360                30
#> 5 Oceania       24                 2
```

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_07_dplyr-hex-new.png)
background-position: 99% 1%
background-size: 3%

##### Seguimos usando **`group_by()`**

**Pregunta:** ¿cuantos países hay en cada continente?

```r
aa <- gapminder %>% group_by(continent) %>%  
          summarize(NN_obs = n(), 
                    NN_countries_cont = n_distinct(country))
```

- ¿Cómo obtenemos ahora el número total de países?

```r
bb <- aa %>% 
          mutate(NN_countries = sum(NN_countries_cont))
```

```r
bb
#> # A tibble: 5 × 4
#>   continent NN_obs NN_countries_cont NN_countries
#>   <fct>      <int>             <int>        <int>
#> 1 Africa       624                52          142
#> 2 Americas     300                25          142
#> 3 Asia         396                33          142
#> 4 Europe       360                30          142
#> 5 Oceania       24                 2          142
```

---
background-image: url(data:image/png;base64,#imagenes/ss_05_img_07_dplyr-hex-new.png)
background-position: 99% 1%
background-size: 3%

##### Usando **`group_by()`**

**Pregunta:** ¿cuantos países hay en cada continente?

- También se puede así (un poco à la R-base) [🌶]:

```r
aa <- gapminder %>% group_by(continent) %>%  
          summarize(NN = n(), 
                    NN_countries = length(unique(country)) )
```

```r
aa
#> # A tibble: 5 × 3
#>   continent    NN NN_countries
#>   <fct>     <int>        <int>
#> 1 Africa      624           52
#> 2 Americas    300           25
#> 3 Asia        396           33
#> 4 Europe      360           30
#> 5 Oceania      24            2
```

---
class: inverse, center, middle

### Ejemplos para afianzar y ganar confianza con  *dplyr*

###### Una vez tenemos, aunque sea con pinzas, los conocimientos necesarios de *dplyr*, ya podemos hacer ejemplos o preguntas de verdad.

######  El objetivo es afianzarlos y ganar confianza con *dplyr*. Vamos allaaaa ....

---

##### Ejemplos para practicar con  `dplyr`

.bg-washed-purple.b--dark-purple.ba.bw2.br3.shadow-5.ph4.mt5[
.panelset[
.panel[.panel-name[Tarea 1]
Primero algo sencillo para calentar: hay que calcular **la esperanza de vida media por continente**.

]
.panel[.panel-name[Solución 1]

```r
#- cogemos df y lo agrupamos por "continent", 
#- después calculamos la media de "lifeExp"

gapminder %>% group_by(continent) %>%  
              summarize(mean(lifeExp)) 
#> # A tibble: 5 × 2
#>   continent `mean(lifeExp)`
#>   <fct>               <dbl>
#> 1 Africa               48.9
#> 2 Americas             64.7
#> 3 Asia                 60.1
#> 4 Europe               71.9
#> 5 Oceania              74.3
```

]
.panel[.panel-name[Tarea 2]
Calculemos la esperanza de vida media por continente en el primer periodo (1952)
]
.panel[.panel-name[Solución 2]

```r
#- cogemos df y filtramos para quedarnos con las observaciones de 1952
#- después lo agrupamos por "continent", 
#- después calculamos la media de "lifeExp"

gapminder %>% filter(year == "1952") %>%  
              group_by(continent) %>%  
              summarize(mean(lifeExp)) 
```
]
.panel[.panel-name[Tarea 3]

¿Qué hace este trozo de código?

```r

gapminder %>% filter(year %in% c(1952, 2007)) %>%  
             group_by(continent, year) %>%  
             summarize(mean(lifeExp), mean(gdpPercap)) 
```

]
.panel[.panel-name[Solución 3]

```r
#- cogemos df y filtramos las observaciones de 1952 y 2007
#- agrupamos por "continent", 
#- después calculamos la media de "lifeExp" y de "gdpPercap"

gapminder %>% filter(year %in% c(1952, 2007)) %>%  
             group_by(continent, year) %>%  
             summarize(mean(lifeExp), mean(gdpPercap)) 
#> # A tibble: 10 × 4
#> # Groups:   continent [5]
#>    continent  year `mean(lifeExp)` `mean(gdpPercap)`
#>    <fct>     <int>           <dbl>             <dbl>
#>  1 Africa     1952            39.1             1253.
#>  2 Africa     2007            54.8             3089.
#>  3 Americas   1952            53.3             4079.
#>  4 Americas   2007            73.6            11003.
#>  5 Asia       1952            46.3             5195.
#>  6 Asia       2007            70.7            12473.
#>  7 Europe     1952            64.4             5661.
#>  8 Europe     2007            77.6            25054.
#>  9 Oceania    1952            69.3            10298.
#> 10 Oceania    2007            80.7            29810.
```
]
]
]

---
background-image: url(data:image/png;base64,#imagenes/hot-pepper_1f336.png)
background-position: 99% 1%
background-size: 3%

##### Más ejemplos. Para recordar `across()`

```r
#- Voy a crear un nuevo df: "gapminder_gr" o "gapminder agrupado"
gapminder_gr <- gapminder %>% filter(year %in% c(1952, 2007)) %>%
                 group_by(continent, year) 
#- y sobre "gapminder_gr" iremos haciendo cálculos
  
#- si queremos calcular la media de varias variables tenemos que usar across()
gapminder_gr %>% summarise(across(c(lifeExp, gdpPercap), mean))

#- si queremos calcular la media de todas las variables numéricas tenemos que usar across() y where()
gapminder_gr %>% summarise(across(where(is.numeric), mean))

#- si queremos calcular la media y la mediana, hay que usar list()
gapminder_gr %>% summarise(across(c(lifeExp, gdpPercap), 
                            list (media = mean, mediana = median) ))

#- si ponemos los nombres de los argumentos quedaría como
gapminder_gr %>% summarise(across(.cols = c(lifeExp, gdpPercap), 
                                  .fns = list (media = mean, mediana = median)))

#- además, podemos controlar el nombre de las variables creadas con el argumento .names
gapminder_gr %>% summarise(across(c(lifeExp, gdpPercap), 
                        list (media = mean, mediana = median), 
                        .names = "{fn}_{col}"))
```

---
class: inverse, center, middle

### Ahora ya preguntas de VERDAD

######Yo creo que ya medio pilotáis,

###### así que vamos a tratar de resolver alguna pregunta "de verdad"

---

##### ¿En que continente ha aumentado más la esperanza de vida en el periodo 1952-2007?

.bg-washed-purple.b--dark-purple.ba.bw2.br3.shadow-5.ph4.mt5[
.panelset[
.panel[.panel-name[Intento 0]

```r
gapminder %>% 
  filter(year %in% c(1952, 2007)) %>%  
  group_by(continent, year) %>% 
  summarize(media = mean(lifeExp)) %>% ungroup()
#> # A tibble: 10 × 3
#>    continent  year media
#>    <fct>     <int> <dbl>
#>  1 Africa     1952  39.1
#>  2 Africa     2007  54.8
#>  3 Americas   1952  53.3
#>  4 Americas   2007  73.6
#>  5 Asia       1952  46.3
#>  6 Asia       2007  70.7
#>  7 Europe     1952  64.4
#>  8 Europe     2007  77.6
#>  9 Oceania    1952  69.3
#> 10 Oceania    2007  80.7
```
]

.panel[.panel-name[Intento 1]

```r
#- se puede hacer de una vez, pero vamos a partir el código en 2 trozos
aa <- gapminder %>% filter(year %in% c(1952, 2007)) %>%  
  group_by(continent, year) %>% 
  summarize(media = mean(lifeExp)) %>% ungroup()

aa1 <- aa %>% group_by(continent) %>% 
  summarise(min_l = min(media), max_l = max(media)) %>% 
  mutate(dif = max_l-min_l) %>% 
  arrange(desc(dif))

aa1
#> # A tibble: 5 × 4
#>   continent min_l max_l   dif
#>   <fct>     <dbl> <dbl> <dbl>
#> 1 Asia       46.3  70.7  24.4
#> 2 Americas   53.3  73.6  20.3
#> 3 Africa     39.1  54.8  15.7
#> 4 Europe     64.4  77.6  13.2
#> 5 Oceania    69.3  80.7  11.5
```

]
.panel[.panel-name[Intento 2]

```r
#- segundo intento: se puede hacer de una vez, pero vamos a partir el código en 2 trozos
aa <- gapminder %>% filter(year %in% c(1952, 2007)) %>%  
         group_by(continent, year) %>% 
         summarize(media = mean(lifeExp)) %>% ungroup()

#- usamos lag()
aa1 <- aa %>% group_by(continent) %>% 
              arrange(year) %>%
              mutate(variac_l = media - lag(media))

#- mostramos los resultados
aa1 %>% filter(year == 2007) %>% arrange(desc(variac_l))
#> # A tibble: 5 × 4
#> # Groups:   continent [5]
#>   continent  year media variac_l
#>   <fct>     <int> <dbl>    <dbl>
#> 1 Asia       2007  70.7     24.4
#> 2 Americas   2007  73.6     20.3
#> 3 Africa     2007  54.8     15.7
#> 4 Europe     2007  77.6     13.2
#> 5 Oceania    2007  80.7     11.5
```
]

.panel[.panel-name[Otra forma]

```r
#- esta parte es común
aa <- gapminder %>% 
  filter(year %in% c(1952, 2007)) %>%  
  group_by(continent, year) %>% 
  summarize(media = mean(lifeExp)) %>% ungroup()

#- pero ahora usamos pivot_wider()
aa %>% pivot_wider(names_from = year, values_from = media) %>% 
     mutate(dif_l = 2007 - 1952) %>% 
     arrange(desc(dif_l))
#> # A tibble: 5 × 4
#>   continent `1952` `2007` dif_l
#>   <fct>      <dbl>  <dbl> <dbl>
#> 1 Africa      39.1   54.8    55
#> 2 Americas    53.3   73.6    55
#> 3 Asia        46.3   70.7    55
#> 4 Europe      64.4   77.6    55
#> 5 Oceania     69.3   80.7    55
```

]
]
]

---

##### Otra pregunta: ¿qué hace el código de abajo?

.bg-washed-purple.b--dark-purple.ba.bw2.br3.shadow-5.ph4.mt5[

```r
aa <- gapminder %>% 
  group_by(continent, year) %>% 
  select(continent, year, lifeExp) %>% 
  summarise(mean_life = mean(lifeExp)) %>% 
  arrange(year) %>% 
  mutate(incre_mean_life_0 = mean_life - first(mean_life)) %>% 
  mutate(incre_mean_life_t = mean_life - lag(mean_life)) %>% 
  arrange(continent)

#- por ejemplo veamos el resultado para Europe
aa %>% filter(continent == "Europe")
```
]

---

##### Por favor, sed conscientes de que: "**Las cosas no salen a la primera**"

En palabras de Jennyfer Bryan:

.bg-washed-purple.b--dark-purple.ba.bw2.br3.shadow-5.ph4.mt5[

> Break the code into pieces, starting at the top, and inspect the intermediate results. That’s certainly how I was able to write such a thing. These commands do not leap fully formed out of anyone’s forehead – they are built up gradually, with lots of errors and refinements along the way. Is the statement above really hard for you to read? If yes, then by all means break it into pieces and make some intermediate objects. Your code should be easy to write and read when you’re done.
]

---
#### Más preguntas de "verdad"

.bg-washed-purple.b--dark-purple.ba.bw2.br3.shadow-5.ph4.mt5[
.panelset[
.panel[.panel-name[Tarea 1]
- ¿Cómo ha evolucionado la esperanza de vida en España?
]
.panel[.panel-name[Solución 1]

```r
#- variación de lifeExp en Spain año a año (bueno lustro a lustro)
gapminder %>% group_by(country) %>% 
  select(country, year, lifeExp) %>% 
  mutate(lifeExp_gain_cada_lustro = lifeExp - lag(lifeExp)) %>% 
  filter(country == "Spain" )
#> # A tibble: 12 × 4
#> # Groups:   country [1]
#>    country  year lifeExp lifeExp_gain_cada_lustro
#>    <fct>   <int>   <dbl>                    <dbl>
#>  1 Spain    1952    64.9                   NA    
#>  2 Spain    1957    66.7                    1.72 
#>  3 Spain    1962    69.7                    3.03 
#>  4 Spain    1967    71.4                    1.75 
#>  5 Spain    1972    73.1                    1.62 
#>  6 Spain    1977    74.4                    1.33 
#>  7 Spain    1982    76.3                    1.91 
#>  8 Spain    1987    76.9                    0.600
#>  9 Spain    1992    77.6                    0.670
#> 10 Spain    1997    78.8                    1.20 
#> 11 Spain    2002    79.8                    1.01 
#> 12 Spain    2007    80.9                    1.16
```

]
.panel[.panel-name[Tarea 2]
 ¿Y la variación acumulada? Fácil!! Sólo tendríamos que sumar o acumular la variable "lifeExp_gain_cada_lustro" que hemos generado anteriormente, así que sólo habría que añadir una linea a nuestro código:
]
.panel[.panel-name[Sol 2.a]

```r
gapminder %>% group_by(country) %>% 
  select(country, year, lifeExp) %>% 
  mutate(lifeExp_gain_cada_lustro = lifeExp - lag(lifeExp)) %>% 
  
#- Al final para hacerlo (como había pensado) me han hecho falta 2 lineas, 
#- porque la primera observación de "lifeExp_gain_cada_lustro" es un NA 
#- y eso hacía que la función cumsum() no funcionase.
  
mutate(lifeExp_gain_cada_lustro2 = 
 `ifelse`(is.na(lifeExp_gain_cada_lustro), 0, lifeExp_gain_cada_lustro)) %>% 
mutate(lifeExp_gain_acumulado = cumsum(lifeExp_gain_cada_lustro2)) %>%   
filter(country == "Spain")
```
]
.panel[.panel-name[Sol 2.b]
Otra solución, además es más fácil:

```r
#- ganancia acumulada (otra forma de hacer lo mismo)
gapminder %>% group_by(country) %>% 
  select(country, year, lifeExp) %>% 
  mutate(lifeExp_gain_acumulada = lifeExp - lifeExp[1])  %>% 
  filter(country == "Spain")
#> # A tibble: 12 × 4
#> # Groups:   country [1]
#>    country  year lifeExp lifeExp_gain_acumulada
#>    <fct>   <int>   <dbl>                  <dbl>
#>  1 Spain    1952    64.9                   0   
#>  2 Spain    1957    66.7                   1.72
#>  3 Spain    1962    69.7                   4.75
#>  4 Spain    1967    71.4                   6.5 
#>  5 Spain    1972    73.1                   8.12
#>  6 Spain    1977    74.4                   9.45
#>  7 Spain    1982    76.3                  11.4 
#>  8 Spain    1987    76.9                  12.0 
#>  9 Spain    1992    77.6                  12.6 
#> 10 Spain    1997    78.8                  13.8 
#> 11 Spain    2002    79.8                  14.8 
#> 12 Spain    2007    80.9                  16.0
```

]

]
]

---

##### A ver si entendéis estos ejemplos

.bg-washed-purple.b--dark-purple.ba.bw2.br3.shadow-5.ph4.mt5[
.panelset[
.panel[.panel-name[Ejemplo 1]

```r
aa <- gapminder %>%
  filter(continent == "Asia") %>%
  select(year, country, lifeExp) %>%
  group_by(year) %>%
  slice_max(n = 3, lifeExp) %>% 
  arrange(year) 
```

]
.panel[.panel-name[Ejemplo 2]

Una **función auxiliar** que es **muy útil** al utilizarla junto a mutate: `case_when()`.

```r
aa <- gapminder %>%
  group_by(continent, year)  %>%
  mutate(media_lifeExp = mean(lifeExp)) %>% 
  mutate(media_gdpPercap = mean(gdpPercap)) %>% 
  mutate(GOOD_or_BAD = case_when( 
    lifeExp > mean(lifeExp) & gdpPercap > mean(gdpPercap)  ~ "good",
    lifeExp < mean(lifeExp) & gdpPercap < mean(gdpPercap)  ~ "bad" ,
    lifeExp < mean(lifeExp) | gdpPercap < mean(gdpPercap)  ~ "medium",
    .default = "otros casos"
  )) %>%
  filter(country == "Spain")
```
]
]
]

---
class: inverse, center, middle

##  Combinando (joining) df's

###### Hasta ahora hemos trabajado con un único df,  pero ...

###### muchas veces tenemos que trabajar con datos que están en varias tablas,

#### así que muchas veces tendremos que juntar o fusionar tablas.

---

##### Dos casos ideales (sencillos de unir): `bind_cols()` y `bind_rows()`

- Si los 2 dfs tienen **exactamente las mismas filas** o unidades de análisis (y además en el mismo orden). En este caso, solo habría que juntar en una misma tabla las columnas de df1 y de df2. Esto lo podemos hacer con `bind_cols()` (o con **c**bind() de R-base)

```r
df_1 <- iris[ , 1:2]  ; df_2 <- iris[ , 3:5]

df_1 <- iris %>% select(1:2)  ; df_2 <- iris %>% select(3:5)

df_3 <- bind_cols(df_1, df_2)

identical(iris, df_3)
```
--

--------------

- Si los 2 dfs tienen **exactamente las mismas columnas** (y además en el mismo orden). En este caso, se trataría simplemente de juntar todas las observaciones o filas de los 2 df's. Esto lo podemos hacer con `bind_rows()` (o con **r**bind() de R-base)

```r
df_1 <- iris[1:75, ]  ; df_2 <- iris[76:150, ]

df_1 <- iris %>% slice(1:75)  ; df_2 <- iris %>% slice(76:150)

df_3 <- bind_rows(df_1, df_2)

identical(iris, df_3)
```

---
##### 3 tipos de uniones de tablas

En dplyr hay 3 tipos de funciones(verbos) que se ocupan de diferentes operaciones para unir datasets:

- **Mutating joins**, añade nuevas variables (o columnas) a un dataframe (df1). Estas nuevas columnas vienen de un segundo df2 (hay varias mutating joins, dependiendo del criterio para seleccionar las filas)
  
  <br>

- **Filtering joins**, filtra las filas (observaciones) de un dataframe (df1) basándose en si las filas de df1 coinciden (match) o no con una observación del segundo df2
  
  <br>

- **Set operations**, combina las observaciones de los dos datasets (df1 y df2) as if they were set elements.

Un buen recurso para estos temas es el [capítulo dedicado a JOINS en R4DS2ed](https://r4ds.hadley.nz/joins.html)

---
##### Las uniones más comunes son las **mutating joins**.

Hay **3/4 tipos de mutating joins**. Su sintaxis es idéntica, sólo se diferencian en que las filas que se seleccionan dependen del criterio para hacer el match:

- `inner_join(df1,df2)`: Retorna todas las columnas de df1 y también las de df2, PERO **solo retorna las filas de df1 que tienen una equivalencia en df2**. (la equivalencia se define en función del valor de una variable o variables comunes en df1 y df2)

- `left_join(df1,df2)`: Retorna todas las columnas de df1 y también las de df2; en cuanto a las filas, **retorna TODAS las filas de df1**. (Si hubiesen varios matches entre df1 e df2 se retornan todas las combinaciones!!!!)

- `full_join(df1,df2)`: Retorna todas las columnas de df1 y también las de df2; en cuanto a las filas, **retorna TODAS las filas de df1 y de df2**. Osea, retorna TODAS las filas y TODAS las columnas de las 2 tablas. (Donde no hay matches retorna NA's)
  
--

------------------

##### Para los ejemplos de *joins* usaremos estos 2 df's:

```r
x <- tibble(id = 1:3, x = paste0("x", 1:3))

y <- tibble(id = (1:4)[-3], y = paste0("y", (1:4)[-3]))
```

---
##### Ejemplos de *Mutating joins*

.bg-washed-purple.b--dark-purple.ba.bw2.br3.shadow-5.ph4.mt5[
.panelset[
.panel[.panel-name[Inner join]

```r
#- only includes observations that match in both x and y
df_inner <- inner_join(x, y)
```

]
.panel[.panel-name[Full join]

```r
#- full_join() includes all observations from x and y
df_full_join <- full_join(x, y)
```

]
.panel[.panel-name[Left join]

```r
#- includes all observations in x, regardless of whether they match or not. 
#- This is the most commonly used join because it ensures that you don’t lose observations from your primary table.
df_left_join <- left_join(x, y)
```

]
]
]