Manejo de datos con R (I):
the tidyverse way

Programación y manejo de datos con R
(Web del curso aquí)

Data munging: the tidyverse way

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

Hacer nuestros datos TIDY
Arreglarlos/modificarlos 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.

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]

¿qué es el tidyverse?

Un conjunto de paquetes que trabajan en armonía y que permiten una nueva forma de escribir/programar en R.

principales pkgs del Tidyverse

readr: para importar datos
tidyr: convertir a tidy data
dplyr: para manipular datos
ggplot2: para hacer gráficos
stringr: para manipular strings
… y algunos más

aquí nos centraremos principalmente en dos paquetes: dplyr y tidyr

“Filosofía” del Tidyverse

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

dos principios del tidyverse

Los scripts deben ser “fácilmente” legibles por las personas
Resolver problemas complejos encadenando funciones simples con el operador pipe (%>%)

El operador %>% es crucial en el tidyverse

El operador pipe se lo debemos a Stefan Bache que lo introdujo en 2014 en su pkg magrittr

The pipe ha tenido tanto éxito que en 2021 apareció una nueva pipe en R-base: |>
Puedes leer sobre ella aquí

The pipe ( %>% )

El operador %>% es crucial en el tidyverse. Hay que saber usarlo y entenderlo
Es fácil. Pronto os sentiréis cómodos con él.

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.

Igual os resulta más fácil entenderlo con ejemplos

Las siguientes 2 expresiones hacen exactamente lo mismo:

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

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

The pipe (más ejemplos)

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

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

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

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

¿Qué hace la siguiente expresión?

4 %>% head(iris, .)

¿por qué no funciona la siguiente expresión?

4 %>% head(iris)

Intenta descubrir/entender que hace la siguiente expresión:

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

Pipe nativa (|>)

En 2021, con la versión 4.1.0 de R supuso la aparición de una pipe nativa en R: |>

Mejoras en la pipe nativa

En la versión 4.2.0 se mejora la pipe nativa introduciendo un “placeholder”. El placeholder de la pipe nativa es el guión bajo: __
Aún así, la pipe nativa tiene algunas limitaciones: aquí, aquí, aquí y en este vídeo

¿qué pasará en el futuro?

Pues parece que ahora sí que esto va en serio

Manejo de datos con R (I): the tidyverse way

Data munging: the tidyverse way

The pipe ( %>% )

Manejo de datos con R (I):
the tidyverse way