/
Ejercicios_Pivot.Rmd
121 lines (90 loc) · 2.68 KB
/
Ejercicios_Pivot.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
---
title: "Taller Tidyr"
output:
html_document:
df_print: paged
pdf_document: default
---
```{r setup, include=FALSE}
library(tidyverse)
library(rmarkdown)
library(datos)
```
## Pivot longer
Veamos la tabla4a que estructura tiene
```{r ver_tabla}
view(tabla4a)
```
## Ejercicio NB_1:
Completar los espacios en blanco con lo que corresponda para que la tabla quede "ordenada" (tidy)
*Las siguientes lineas tienen palabras que son erróneas, seleccionar las que consideren correctas.*
"casos"
anio
casos
"anio"
c('1999','2000')
'1999':'2000'
Recomendación: si se animan escriban directamente sin usar las palabras sugeridas arriba :)
```{r pivot_longer}
# tabla_larga <-tabla4a %>%
# pivot_longer( , names_to = , values_to = )
```
## Pivot wider
Veamos la estructura de la tabla2
```{r ver_tabla2}
view(tabla2)
```
## Ejercicio NB_2:
ordenar los trozos de la función pivot_wider que figuran aquí abajo, para poder completar la función del chunk y poder procesarlo.
tabla2 %>%
tipo
cuenta
values_from
names_from
,
pivot_wider(
=
=
)
```{r pivot_wider}
#tabla_ancha <-
```
## Otras funciones útiles:
Veamos la tabla5
```{r ver_tabla5}
view(tabla5)
```
Unite: sirve generar una nueva columna que es la unión de aquellas que se indiquen para unir.
```{r unite}
tabla_unite <- tabla5 %>%
unite(anio, c(siglo, anio), sep = "")
```
Separate: sirve generar nuevas columnas separando el contenido de una columna que tiene caracteres separadores:
```{r separate1}
tabla_normalizada <- tabla_unite %>%
separate(col = tasa, into = c("casos", "poblacion"))
```
```{r separate2}
tabla_normalizada <- tabla_unite %>%
separate(col = tasa, into = c("casos", "poblacion"), convert = TRUE)
```
Replace_na: es una función para completar los valores faltantes (NA, missing values) con algun caracter.
```{r replace_na1}
vector <- c("n", "h", NA)
vector %>% replace_na(0)
```
```{r replace_na2}
tablita <- tibble(x1 = c(1, 3, "a"), y1 = c("z", "x, y", NA))
tablita %>% mutate(y1 = replace_na(y1, "desconocido"))
```
## Ejercicio final:
Vamos a definir una tabla llamada prueba, que tiene el precio de venta y el costo de 3 productos.
Vamos a unir ("unite") las columnas "precio_venta" y "costo" con el separador "/" generando una columna "incidencia"
Luego vamos a volver a separar ("separate") las columnas sin indicar el argumento separador.
Qué pasó? quedaron igual que antes el precio_venta y el costo?
```{r ejercicio final}
prueba <- tribble(~Producto, ~precio_venta, ~costo,
"pro1", 143, 15,
"pro2", 250, 90,
"pro3", 1520, 250.5)
```