/
script-taller-regex.R
144 lines (102 loc) · 3.65 KB
/
script-taller-regex.R
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
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
## LatinR 2020
## Expresiones regulares para la limpieza y transformación de datos
## Taller a cargo de Riva Quiroga (@rivaquiroga) y Stephanie Orellana (@sporella)
##
# Parte 1 -----------------------------------------------------------------
library(tidyverse)
library(datos)
# Posibilidades que existen con función filter()
#
paises
View(paises)
paises %>%
filter(pais == "México")
paises %>%
filter(pais == "Corea")
paises %>%
filter(str_detect(pais, "Corea")) %>%
count(pais)
paises %>%
filter(str_detect(pais, "Per"))
paises %>%
filter(str_detect(pais, "M[e|é]xico"))
telefonos <- read_csv("https://raw.githubusercontent.com/rivaquiroga/latinr-taller-regex/master/datos/telefonos.csv")
head(telefonos)
# Miremos primero la ciudad
telefonos %>%
count(ciudad)
telefonos %>%
filter(str_detect(ciudad, "quilpu[e|é]"))
# Miremos qué pasa cuando saco []
telefonos %>%
filter(str_detect(ciudad, "quilpue|é"))
# Ahora para Valparaíso
telefonos %>%
filter(str_detect(ciudad, "[V|v]alpara[i|í]so"))
# case_when()
telefonos %>%
mutate(ciudad = case_when(
str_detect(ciudad, "[V|v]alpara[i|í]so") ~ "Valparaíso",
TRUE ~ as.character(ciudad)
))
# En una nueva columna
telefonos %>%
mutate(ciudad_limpia = case_when(
str_detect(ciudad, "[V|v]alpara[i|í]so") ~ "Valparaíso",
TRUE ~ as.character(ciudad)
))
# Ahora con quilpué
telefonos %>%
mutate(ciudad_limpia = case_when(
str_detect(ciudad, "[V|v]alpara[i|í]so") ~ "Valparaíso",
str_detect(ciudad, "quilpu[e|é]") ~ "Quilpué",
TRUE ~ as.character(ciudad)
))
# Ahora con La Serena
telefonos %>%
mutate(ciudad_limpia = case_when(
str_detect(ciudad, "[V|v]alpara[i|í]so") ~ "Valparaíso",
str_detect(ciudad, "quilpu[e|é]") ~ "Quilpué",
str_detect(ciudad, "Serena") ~ "La Serena",
TRUE ~ as.character(ciudad)
))
telefonos <- telefonos %>%
mutate(ciudad_limpia = case_when(
str_detect(ciudad, "[V|v]alpara[i|í]so") ~ "Valparaíso",
str_detect(ciudad, "quilpu[e|é]") ~ "Quilpué",
str_detect(ciudad, "Serena") ~ "La Serena",
TRUE ~ as.character(ciudad)
))
telefonos %>%
count(ciudad_limpia)
# Parte 2 -----------------------------------------------------------------
# datos -------------------------------------------------------------------
peliculas <- read_csv("https://raw.githubusercontent.com/cienciadedatos/datos-de-miercoles/master/datos/2020/2020-02-19/ranking_imdb.csv")
pinguinos <- datos::pinguinos
animales <- read_csv("https://raw.githubusercontent.com/rivaquiroga/latinr-taller-regex/master/datos/animales.csv")
# separate() --------------------------------------------------------------
pelis_sep <- peliculas %>%
separate(genero, into = c("genero_principal","genero_secundario"),
sep = ", ", remove = FALSE, extra = "merge")
# separate_rows() ---------------------------------------------------------
pelis_row <- peliculas %>%
separate_rows(genero, sep = ", ")
pelis_row2 <- peliculas %>%
separate_rows(genero)
# pivot_longer() ----------------------------------------------------------
pinguinos <- datos::pinguinos
pinguinos_L1<- pinguinos %>%
pivot_longer(largo_pico_mm:masa_corporal_g)
pinguinos_L2<- pinguinos %>%
pivot_longer(largo_pico_mm:masa_corporal_g,
names_pattern = "(.*_.*)_(.*)",
names_to = c("variable", "unidad"))
#
animales <- read_csv("https://raw.githubusercontent.com/rivaquiroga/latinr-taller-regex/master/datos/animales.csv")
animales_limpio <- animales %>%
pivot_longer(
starts_with("s"),
names_pattern = "(.*)_monitoreo(.*)_(.*)",
names_to = c("sitio", "annio", "mes")
) %>%
separate_rows(value)