Tipo y estructura de Datos

Transformación de datos o forzar coerción.

Ahora si, con todo lo que ya sabes, comprenderás mejor a través de ejemplos la transformación de datos, entonces, hágamoslo pequeñín:

Atención, atención!!!

El símbolo $ lo usamos en R para “llamar” a una columna de nuestra base datos

En este ejemplo quedará un poco más claro. Tenemos una base de datos llamada Proyecto y los lugares que se trabajaron los numeraron, en vez de haberles colocado un nombre, vaya problema!. Así, observaremos nuestros primeros datos y luego veremos el tipo de clase de la columna Lugar, tal y como lo vemos en este código:

head(Proyecto)

##   Lugar Sepal.Width Petal.Length Petal.Width Species
## 1     5         3.5          1.4         0.2  setosa
## 2     5         3.0          1.4         0.2  setosa
## 3     5         3.2          1.3         0.2  setosa
## 4     5         3.1          1.5         0.2  setosa
## 5     5         3.6          1.4         0.2  setosa
## 6     5         3.9          1.7         0.4  setosa

class(Proyecto$Lugar)

## [1] "numeric"

Cómo pudiste observar esta columna de datos es identificada por R como numeric, pero ya sabemos que no son números, si no que son nombres de sitios, por eso, tenemos que transformalos para que R no vaya a mezclarlos y quizá generar error en nuestros análisis. Para ello, utilizaremos la función as.character() como lo vemos en el siguiente ejemplo

char <- as.character(Proyecto$Lugar)
class(char)

## [1] "character"

Y quedó listo nuestra intención!

Pero… ¿Entonces sólo puedo transformar de numeric a character?

También puedes realizar otros tipos de coerción, según lo que necesites o como te lo pidan usando los comandos que verás en la siguiente tabla:

¿Cómo usarlos? Te cuento que se usan tal y como hicimos con as.character()

Ahora, veremos como funciona cada una de estas estructuras con ejemplos útiles.

Vectores

Los vectores son la estructura de datos mas sencilla en R, como vimos en la anterior tabla, su dimensión depende del número de datos que contenga y sólo puede tener un sólo tipo de dato.

¿Cómo puedes saber que tienes un vector y cómo puedes crear vectores?

Ya conoces la función class() que nos ayuda a identificar el tipo de dato que tenemos y algunas veces el tipo de estructura de datos; sin embargo, la familia de funciones is() es la mas adecuada para definir estructura de los datos de la siguiente manera:

3

## [1] 3

is.vector(3)

## [1] TRUE

class(3)

## [1] "numeric"

Cómo lo puedes notar, al usar ambas funciones nos arrojan diferentes resultados, ya que la función class() nos indicará el tipo de dato y la función is() al ser lógica, nos dirá si es cierto (TRUE) o falsa (FALSE), este tipo de respuesta se conoce como Booleana.

Otro ejemplo:

tres <- 3
class(tres)

## [1] "numeric"

is.vector(tres)

## [1] TRUE

La forma de crear un vector es muy sencilla; es más, todo este tiempo lo estuviste viendo, necesitamos del operador <- y si vas a agregar varios datos del mismo tipo usas c(). Por otra parte, hay algo muy importante que debes aprender y es la forma en la que vas a asignar los nombres a la estructura de los datos. Lo importante es que signifiquen algo para ti y que alguien más lo pueda comprender.

Más ejemplos:

num <- c(1233,555,88,99,17)
class(num)

## [1] "numeric"

is.vector(num)

## [1] TRUE

nomb <- c("Sofia", "Camila", "Juliana", 
          "Pablo", "Andrés", "Wallace")
class(nomb)

## [1] "character"

is.vector(nomb)

## [1] TRUE

Ahora te toca a ti practicar, crea diferentes vectores, con diferentes tipos de datos, explora todo lo que puedes hacer, por ejemplo intenta sumar vectores numéricos y observa que pasa, como en el siguiente ejemplo:

emj1 <- c(112,667,99,56,47,12)
emj2 <- c(22,65,23.8,99,101,41)

suma <- emj1 + emj2
suma

## [1] 134.0 732.0 122.8 155.0 148.0  53.0

¿Que ocurrió?, te queda de tarea describir de la mejor manera lo que ocurrió. ¿Qué pasaría si los vectores no tienen el mismo número de datos? Cuéntanos!

Matrices y arrays

Estas estructuras son usadas en matemáticas y estadística; es más, es una de las estructuras más comunes y solicitadas en muchos de los paquetes que solemos usar en Biología, y también es una de las razones por las cuales nos desesperamos con R y de querer darle al teclado como locos.

Ahora, ¿Cómo reconocer y crear matrices?

Es tan fácil cómo escribir matrix(), esta función acepta dos argumentos, nrow (número de filas) y ncol (número de columnas) para indicar el número de filas y columnas de la matriz que vas a generar, como en el siguiente código

Esto lo podemos hacer sin especificar el número de columnas y filas. Para este ejemplo vas a generar una matriz del 1 al 12 de la siguiente manera: 1:12

matrix(1:12)

##       [,1]
##  [1,]    1
##  [2,]    2
##  [3,]    3
##  [4,]    4
##  [5,]    5
##  [6,]    6
##  [7,]    7
##  [8,]    8
##  [9,]    9
## [10,]   10
## [11,]   11
## [12,]   12

Acá R automáticamente nos muestra una matriz con 12 filas y una columna, pero supongamos que tu quieres que sean 6 filas y 2 columnas, para ello ingresaremos de la siguiente manera

matrix(1:12, nrow = 6, ncol = 2)

##      [,1] [,2]
## [1,]    1    7
## [2,]    2    8
## [3,]    3    9
## [4,]    4   10
## [5,]    5   11
## [6,]    6   12

Ahora crea una matriz con números del 1 al 12 (1:12) con un nrow de 6 y ncol de 4, observa que pasa.

También podemos crear matrices uniendo vectores con las funciones cbind() (unión cómo columnas) y rbind (unión cómo filas) de la siguiente forma:

vec1 <- c(1:5)
vec2 <- c(10:15)
vec3 <- c(20:25)
vec4 <- c(35:40)

matrix1 <- cbind(vec1, vec2, vec3,vec4)
matrix1

##      vec1 vec2 vec3 vec4
## [1,]    1   10   20   35
## [2,]    2   11   21   36
## [3,]    3   12   22   37
## [4,]    4   13   23   38
## [5,]    5   14   24   39
## [6,]    1   15   25   40

matrix2<-rbind(vec1, vec2, vec3, vec4)
matrix2

##      [,1] [,2] [,3] [,4] [,5] [,6]
## vec1    1    2    3    4    5    1
## vec2   10   11   12   13   14   15
## vec3   20   21   22   23   24   25
## vec4   35   36   37   38   39   40

Como puedes observar estas funciones nos son muy útiles y permiten realizar tareas puntuales.

Nota: Con las matrices también puedes realizar operaciones aritméticas.

matrix1 + 1

##      vec1 vec2 vec3 vec4
## [1,]    2   11   21   36
## [2,]    3   12   22   37
## [3,]    4   13   23   38
## [4,]    5   14   24   39
## [5,]    6   15   25   40
## [6,]    2   16   26   41

matrix1 * 2

##      vec1 vec2 vec3 vec4
## [1,]    2   20   40   70
## [2,]    4   22   42   72
## [3,]    6   24   44   74
## [4,]    8   26   46   76
## [5,]   10   28   48   78
## [6,]    2   30   50   80

matrix2 ^ 3

##       [,1]  [,2]  [,3]  [,4]  [,5]  [,6]
## vec1     1     8    27    64   125     1
## vec2  1000  1331  1728  2197  2744  3375
## vec3  8000  9261 10648 12167 13824 15625
## vec4 42875 46656 50653 54872 59319 64000

Como puedes notar la operación aritmética se realiza para cada uno de los datos de la matriz

Ahora veras la estructura de datos realmente más usada por nosotros en biología, las data frames. Pero… ¿Por qué es la más usada? Es la más usada, por que es la estructura que más se adapta a nuestras necesidades; además, de que es la forma en la que nosotros guardamos nuestro datos en excel y posteriormente cargamos generalmente en archivo .csv

Generalmente las filas en una data frame representa individuos u observaciones y las columnas representan los atributos, rasgos o variables.

¿Cómo luce una data frame?

La data frame iris que hemos estado utilizando, es una clara muestra de la organización y de los tipos de datos que puede contener una data frame.

Pero, ¿Cómo puedo crear una data frame en RStudio?

De forma rápida y sencilla, utilizaremos la función data.frame, en la cual podemos ingresar una serie de vectores que compondrán nuestro data frame, en el siguiente ejemplo ingresaremos 4 vectores con 4 clases de datos diferentes, esta es una de la ventajas de un data frame, podemos utilizar distintos tipos de datos.

Atención, atención!!!

Recordemos que los data frames requieren que las variables sean de la misma longitud. Por este motivo, tenemos que asegurarnos que el número de argumentos pasados a cada vector sean los mismos

mi_df <- data.frame(
  "entero" = 1:4, 
  "factor" = c("a", "b", "c", "d"), #  Observa que los caracteres deben estar entre ""
  "numero" = c(1.2, 3.4, 4.5, 5.6),
  "cadena" = as.character(c("a", "b", "c", "d")))
  
mi_df  

##   entero factor numero cadena
## 1      1      a    1.2      a
## 2      2      b    3.4      b
## 3      3      c    4.5      c
## 4      4      d    5.6      d

Así podemos ver que nuestro data frame ha sido creado exitosamente, nuevamente te invitamos a que juegues con estas funciones y te vuelvas más amigos de ellas.

Finalmente podemos usar la función str() para conocer la estructura de nuestros datos en un data frame, como podemos ver a continuación

str(mi_df)

## 'data.frame':    4 obs. of  4 variables:
##  $ entero: int  1 2 3 4
##  $ factor: chr  "a" "b" "c" "d"
##  $ numero: num  1.2 3.4 4.5 5.6
##  $ cadena: chr  "a" "b" "c" "d"

Ahora puedes observar la estructura de cada uno de nuestros datos, 4 observaciones de 4 variables, en la que nos especifica el tipo de dato de cada columna o variable.