tidyr-dplyr.utf8

# <svg style="height:0.8em;top:.04em;position:relative;fill:steelblue;" viewBox="0 0 581 512"><path d="M581 226.6C581 119.1 450.9 32 290.5 32S0 119.1 0 226.6C0 322.4 103.3 402 239.4 418.1V480h99.1v-61.5c24.3-2.7 47.6-7.4 69.4-13.9L448 480h112l-67.4-113.7c54.5-35.4 88.4-84.9 88.4-139.7zm-466.8 14.5c0-73.5 98.9-133 220.8-133s211.9 40.7 211.9 133c0 50.1-26.5 85-70.3 106.4-2.4-1.6-4.7-2.9-6.4-3.7-10.2-5.2-27.8-10.5-27.8-10.5s86.6-6.4 86.6-92.7-90.6-87.9-90.6-87.9h-199V361c-74.1-21.5-125.2-67.1-125.2-119.9zm225.1 38.3v-55.6c57.8 0 87.8-6.8 87.8 27.3 0 36.5-38.2 28.3-87.8 28.3zm-.9 72.5H365c10.8 0 18.9 11.7 24 19.2-16.1 1.9-33 2.8-50.6 2.9v-22.1z"/></svg>  para análisis de datos 🚀<br> <br>

## 🔧Manipulación de datos 💻<br> <br> <br>

.large[Roxana N. Villafañe | LEMyP | <a href='http://twitter.com/data_datum'><svg style="height:0.8em;top:.04em;position:relative;fill:steelblue;" viewBox="0 0 512 512"><path d="M459.37 151.716c.325 4.548.325 9.097.325 13.645 0 138.72-105.583 298.558-298.558 298.558-59.452 0-114.68-17.219-161.137-47.106 8.447.974 16.568 1.299 25.34 1.299 49.055 0 94.213-16.568 130.274-44.832-46.132-.975-84.792-31.188-98.112-72.772 6.498.974 12.995 1.624 19.818 1.624 9.421 0 18.843-1.3 27.614-3.573-48.081-9.747-84.143-51.98-84.143-102.985v-1.299c13.969 7.797 30.214 12.67 47.431 13.319-28.264-18.843-46.781-51.005-46.781-87.391 0-19.492 5.197-37.36 14.294-52.954 51.655 63.675 129.3 105.258 216.365 109.807-1.624-7.797-2.599-15.918-2.599-24.04 0-57.828 46.782-104.934 104.934-104.934 30.213 0 57.502 12.67 76.67 33.137 23.715-4.548 46.456-13.32 66.599-25.34-7.798 24.366-24.366 44.833-46.132 57.827 21.117-2.273 41.584-8.122 60.426-16.243-14.292 20.791-32.161 39.308-52.628 54.253z"/></svg> @data_datum</a>] <br> 
.large[Florencia D'Andrea | INTA-CONICET | <a href="http://twitter.com/cantoflor_87"> <svg style="height:0.8em;top:.04em;position:relative;fill:steelblue;" viewBox="0 0 512 512"><path d="M459.37 151.716c.325 4.548.325 9.097.325 13.645 0 138.72-105.583 298.558-298.558 298.558-59.452 0-114.68-17.219-161.137-47.106 8.447.974 16.568 1.299 25.34 1.299 49.055 0 94.213-16.568 130.274-44.832-46.132-.975-84.792-31.188-98.112-72.772 6.498.974 12.995 1.624 19.818 1.624 9.421 0 18.843-1.3 27.614-3.573-48.081-9.747-84.143-51.98-84.143-102.985v-1.299c13.969 7.797 30.214 12.67 47.431 13.319-28.264-18.843-46.781-51.005-46.781-87.391 0-19.492 5.197-37.36 14.294-52.954 51.655 63.675 129.3 105.258 216.365 109.807-1.624-7.797-2.599-15.918-2.599-24.04 0-57.828 46.782-104.934 104.934-104.934 30.213 0 57.502 12.67 76.67 33.137 23.715-4.548 46.456-13.32 66.599-25.34-7.798 24.366-24.366 44.833-46.132 57.827 21.117-2.273 41.584-8.122 60.426-16.243-14.292 20.791-32.161 39.308-52.628 54.253z"/></svg> @cantoflor_87</a><br>]

✨
<br> Página web del curso en <https://flor14.github.io/Curso_r_unne_2020/> 🌟

---

# Flujo de Ciencia de Datos 📌

---

# data.frame vs. tibble
- data.frame es una estructura nativas de __rbase__ y está disponible sin necesidad de instalar ningún paquete adicional. Es una estructura tabular organizada en filas y columnas. Se puede acceder a las columnas mediantes colnames() y los nombres de las filas, como rownames().
<br>
- tibble, sin embargo, es parte de __tidyverse__. También presenta una estructura tabular, en filas y columnas. Los tibbles eliminan los rownames por defecto, para tener mejor compatibilidad con bases de datos SQL.
<br>
- Ambas formas son intercambiables mediante los comandos

```r
rbase::as.data.frame()
tidyverse::as_tibble()
```

---

# `Ordenar datos con tidyr`

---

background-image: url(img/fondo-madera.png)
background-size: cover
class: center, middle

# Datos ordenados

Cuando hablamos de datos ordenados son referimos a:

### 1. Cada línea es una observación
### 2. Cada columna es una variable
### 3. Cada unidad de experimentación está en una tabla separada

---
background-image: url(img/fondo-madera.png)
background-size: cover
class: center, middle

# Ordenando datos desordenados

### 1. Los títulos de las columnas son números, no variables
### 2. Múltiples variables están guardadas en una columna. 
### 3. Las variables están guardadas en filas y columnas. 
### 4. Múltiples unidades de experimentación en la misma tabla.
### 5. Una única unidad de experimentación en diferentes tablas.

---

# Funciones principales de tidyr

## pivot_longer()
_antes spread()_

## pivot_wider()
_antes gather()_

--
## unite()
## separate()

---

### Cuando los nombres de las columnas no representan nombres de las variables, sino números

## `pivot_longer()`
--

```r
pivot_longer(data, #dataset
             cols, #columnas para reordenar
             names_to = "xxx", #a partir de columnas colapsadas
             values_to = "yyy") #a partir de datos en celdas
```

.footnote[[*]
Mas información en https://tidyr.tidyverse.org/reference/pivot_longer.html
]
---
<img src="img/tidyr-logo.png" width="10%" align="right" />

```r
library(tidyr)
head(relig_income) #encabezado del dataset
```

```
## # A tibble: 6 x 11
##   religion `<$10k` `$10-20k` `$20-30k` `$30-40k` `$40-50k` `$50-75k` `$75-100k`
##   <chr>      <dbl>     <dbl>     <dbl>     <dbl>     <dbl>     <dbl>      <dbl>
## 1 Agnostic      27        34        60        81        76       137        122
## 2 Atheist       12        27        37        52        35        70         73
## 3 Buddhist      27        21        30        34        33        58         62
## 4 Catholic     418       617       732       670       638      1116        949
## 5 Don’t k…      15        14        15        11        10        35         21
## 6 Evangel…     575       869      1064       982       881      1486        949
## # … with 3 more variables: `$100-150k` <dbl>, `>150k` <dbl>, `Don't
## #   know/refused` <dbl>
```

---

## `pivot_longer()`

```r
relig_income %>%   #datos para ordenar 
  pivot_longer(-religion, #columnas para reordenar 
               names_to = "income", #columnas colapsadas
               values_to = "count") #el conteo de los casos
```

```
## # A tibble: 180 x 3
##    religion income             count
##    <chr>    <chr>              <dbl>
##  1 Agnostic <$10k                 27
##  2 Agnostic $10-20k               34
##  3 Agnostic $20-30k               60
##  4 Agnostic $30-40k               81
##  5 Agnostic $40-50k               76
##  6 Agnostic $50-75k              137
##  7 Agnostic $75-100k             122
##  8 Agnostic $100-150k            109
##  9 Agnostic >150k                 84
## 10 Agnostic Don't know/refused    96
## # … with 170 more rows
```

---

### Multiples variables están en una sola columna
#### (esas variables pasarán a ser las nuevas columnas)

## `pivot_wider()`
--

```r
pivot_wider(data, #dataset
            names_from = #de donde se crean las columnas
            values_from = #de donde obtengo los valores)
```

.footnote[[*]
Mas información en https://tidyr.tidyverse.org/reference/pivot_wider.html
]
---
<img src="img/tidyr-logo.png" width="10%" align="right" />

```r
fish_encounters
```

```
## # A tibble: 114 x 3
##    fish  station  seen
##    <fct> <fct>   <int>
##  1 4842  Release     1
##  2 4842  I80_1       1
##  3 4842  Lisbon      1
##  4 4842  Rstr        1
##  5 4842  Base_TD     1
##  6 4842  BCE         1
##  7 4842  BCW         1
##  8 4842  BCE2        1
##  9 4842  BCW2        1
## 10 4842  MAE         1
## # … with 104 more rows
```

---
<img src="img/tidyr-logo.png" width="10%" align="right" />

```r
fish_encounters %>% #ingreso de los datos 
  pivot_wider(names_from = station, 
              values_from = seen)
```

```
## # A tibble: 19 x 12
##    fish  Release I80_1 Lisbon  Rstr Base_TD   BCE   BCW  BCE2  BCW2   MAE   MAW
##    <fct>   <int> <int>  <int> <int>   <int> <int> <int> <int> <int> <int> <int>
##  1 4842        1     1      1     1       1     1     1     1     1     1     1
##  2 4843        1     1      1     1       1     1     1     1     1     1     1
##  3 4844        1     1      1     1       1     1     1     1     1     1     1
##  4 4845        1     1      1     1       1    NA    NA    NA    NA    NA    NA
##  5 4847        1     1      1    NA      NA    NA    NA    NA    NA    NA    NA
##  6 4848        1     1      1     1      NA    NA    NA    NA    NA    NA    NA
##  7 4849        1     1     NA    NA      NA    NA    NA    NA    NA    NA    NA
##  8 4850        1     1     NA     1       1     1     1    NA    NA    NA    NA
##  9 4851        1     1     NA    NA      NA    NA    NA    NA    NA    NA    NA
## 10 4854        1     1     NA    NA      NA    NA    NA    NA    NA    NA    NA
## 11 4855        1     1      1     1       1    NA    NA    NA    NA    NA    NA
## 12 4857        1     1      1     1       1     1     1     1     1    NA    NA
## 13 4858        1     1      1     1       1     1     1     1     1     1     1
## 14 4859        1     1      1     1       1    NA    NA    NA    NA    NA    NA
## 15 4861        1     1      1     1       1     1     1     1     1     1     1
## 16 4862        1     1      1     1       1     1     1     1     1    NA    NA
## 17 4863        1     1     NA    NA      NA    NA    NA    NA    NA    NA    NA
## 18 4864        1     1     NA    NA      NA    NA    NA    NA    NA    NA    NA
## 19 4865        1     1      1    NA      NA    NA    NA    NA    NA    NA    NA
```

---

background-image: url(img/dplyr-fondo.png)
background-size: cover
class: center, middle

# `pivot_longer()` 
# y 
# `pivot_wider()` 
# son operaciones inversas

---

background-image: url(img/textura-fondo.png)
background-size: cover
class: center, middle, inverse

# 🔧 DEMO 💻

---

# 💡

# Consigna 
## 1. Pasar los objetos `relig2` y `fish2` a su formato original aplicando la función inversa (`pivot_longer` y `pivot_wider`) en cada caso.

---
<img src="img/tidyr-logo.png" width="10%" align="right" />

# Solución 1
*parte1*

```r
library(tidyr)
relig2<-relig_income %>% #datos para ordenar 
  pivot_longer(-religion, #columnas para reordenar 
               names_to = "income", #columnas colapsadas
               values_to = "count")
relig2
```

---
<img src="img/tidyr-logo.png" width="10%" align="right" />
*parte2*

```r
relig<-relig2 %>%
  pivot_wider(names_from= income, values_from=count)
relig
```

```
## # A tibble: 18 x 11
##    religion `<$10k` `$10-20k` `$20-30k` `$30-40k` `$40-50k` `$50-75k` `$75-100k`
##    <chr>      <dbl>     <dbl>     <dbl>     <dbl>     <dbl>     <dbl>      <dbl>
##  1 Agnostic      27        34        60        81        76       137        122
##  2 Atheist       12        27        37        52        35        70         73
##  3 Buddhist      27        21        30        34        33        58         62
##  4 Catholic     418       617       732       670       638      1116        949
##  5 Don’t k…      15        14        15        11        10        35         21
##  6 Evangel…     575       869      1064       982       881      1486        949
##  7 Hindu          1         9         7         9        11        34         47
##  8 Histori…     228       244       236       238       197       223        131
##  9 Jehovah…      20        27        24        24        21        30         15
## 10 Jewish        19        19        25        25        30        95         69
## 11 Mainlin…     289       495       619       655       651      1107        939
## 12 Mormon        29        40        48        51        56       112         85
## 13 Muslim         6         7         9        10         9        23         16
## 14 Orthodox      13        17        23        32        32        47         38
## 15 Other C…       9         7        11        13        13        14         18
## 16 Other F…      20        33        40        46        49        63         46
## 17 Other W…       5         2         3         4         2         7          3
## 18 Unaffil…     217       299       374       365       341       528        407
## # … with 3 more variables: `$100-150k` <dbl>, `>150k` <dbl>, `Don't
## #   know/refused` <dbl>
```

---
<img src="img/tidyr-logo.png" width="10%" align="right" />

# Solución 
*parte 1*

```r
fish2<-fish_encounters %>% #ingreso de los datos 
  pivot_wider(names_from = station, 
              values_from = seen)
fish2
```

---
<img src="img/tidyr-logo.png" width="10%" align="right" />

# Solución 
*parte 2*

```r
fish<-fish2%>%
  pivot_longer(-fish,names_to="station", values_to="seen")%>%
  na.omit() #elimino valores perdidos
fish
```

```
## # A tibble: 114 x 3
##    fish  station  seen
##    <fct> <chr>   <int>
##  1 4842  Release     1
##  2 4842  I80_1       1
##  3 4842  Lisbon      1
##  4 4842  Rstr        1
##  5 4842  Base_TD     1
##  6 4842  BCE         1
##  7 4842  BCW         1
##  8 4842  BCE2        1
##  9 4842  BCW2        1
## 10 4842  MAE         1
## # … with 104 more rows
```

---

# `separate()`

* Lo utilizamos para separar columnas

```r
storms<-EDAWR::storms
storms
```

```
##     storm wind pressure       date
## 1 Alberto  110     1007 2000-08-03
## 2    Alex   45     1009 1998-07-27
## 3 Allison   65     1005 1995-06-03
## 4     Ana   40     1013 1997-06-30
## 5  Arlene   50     1010 1999-06-11
## 6  Arthur   45     1010 1996-06-17
```

.footnote[[*]
Mas información en https://github.com/rstudio/EDAWR]
---
<img src="img/tidyr-logo.png" width="10%" align="right" />

```r
library(tidyr)
str2<- #creo un objeto de R
  storms %>% # a partir del dataset ´storms`
  separate(`date`, #la columna `date`
           c("year", "month", "day"), sep="-") # divido en 3
str2 #invoco el objeto creado
```

```
## # A tibble: 6 x 6
##   storm    wind pressure year  month day  
##   <chr>   <int>    <int> <chr> <chr> <chr>
## 1 Alberto   110     1007 2000  08    03   
## 2 Alex       45     1009 1998  07    27   
## 3 Allison    65     1005 1995  06    03   
## 4 Ana        40     1013 1997  06    30   
## 5 Arlene     50     1010 1999  06    11   
## 6 Arthur     45     1010 1996  06    17
```

---

# unite()

* Lo utilizamos para unir columnas

```r
str3 <- str2 %>% #objeto creado anteriormente
  unite("date", #se crea la columna `date`
        year, month, day, sep="-") #a partir de otras tres 
str3
```

```
## # A tibble: 6 x 4
##   storm    wind pressure date      
##   <chr>   <int>    <int> <chr>     
## 1 Alberto   110     1007 2000-08-03
## 2 Alex       45     1009 1998-07-27
## 3 Allison    65     1005 1995-06-03
## 4 Ana        40     1013 1997-06-30
## 5 Arlene     50     1010 1999-06-11
## 6 Arthur     45     1010 1996-06-17
```

---
background-image: url(img/dplyr-fondo.png)
background-size: cover
class: center, middle

# `unite()` 
# y 
# `separate()` 
# son operaciones inversas

---
background-image: url(img/dplyr-fondo.png)
background-size: cover
class: center, middle

# Objetivo Principal de `tidyr()`:
# Obtener datos ordeandos

---

# 🔍

# Funciones Útiles 
# (para explorar datos)

---
<img src="img/hex-dplyr.png" width="10%" align="right" />

# Dataset: gapminder

```r
install.packages(gapminder)
```

```r
library(gapminder)
```

<table>
 <thead>
  <tr>
   <th style="text-align:left;"> variable </th>
   <th style="text-align:left;"> significado </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:left;"> country </td>
   <td style="text-align:left;"> país </td>
  </tr>
  <tr>
   <td style="text-align:left;"> continent </td>
   <td style="text-align:left;"> continente </td>
  </tr>
  <tr>
   <td style="text-align:left;"> year </td>
   <td style="text-align:left;"> año </td>
  </tr>
  <tr>
   <td style="text-align:left;"> lifeExp </td>
   <td style="text-align:left;"> expectativa de vida </td>
  </tr>
  <tr>
   <td style="text-align:left;"> pop </td>
   <td style="text-align:left;"> población </td>
  </tr>
  <tr>
   <td style="text-align:left;"> gdpPercap </td>
   <td style="text-align:left;"> PBIpercápita </td>
  </tr>
</tbody>
</table>

---

```
## NULL
```

---
<img src="img/hex-dplyr.png" width="10%" align="right" />

# Funciones útiles

__Me permite visualizar los seis (6) primeros casos por del set de datos__

## `head()`

```r
head(gapminder)
```

```
## # A tibble: 6 x 6
##   country     continent  year lifeExp      pop gdpPercap
##   <fct>       <fct>     <int>   <dbl>    <int>     <dbl>
## 1 Afghanistan Asia       1952    28.8  8425333      779.
## 2 Afghanistan Asia       1957    30.3  9240934      821.
## 3 Afghanistan Asia       1962    32.0 10267083      853.
## 4 Afghanistan Asia       1967    34.0 11537966      836.
## 5 Afghanistan Asia       1972    36.1 13079460      740.
## 6 Afghanistan Asia       1977    38.4 14880372      786.
```

---
<img src="img/hex-dplyr.png" width="10%" align="right" />

#Funciones Útiles

__Nos permite conocer los seis (6) últimos casos del set de datos__

## `tail()`

```r
tail(gapminder)
```

```
## # A tibble: 6 x 6
##   country  continent  year lifeExp      pop gdpPercap
##   <fct>    <fct>     <int>   <dbl>    <int>     <dbl>
## 1 Zimbabwe Africa     1982    60.4  7636524      789.
## 2 Zimbabwe Africa     1987    62.4  9216418      706.
## 3 Zimbabwe Africa     1992    60.4 10704340      693.
## 4 Zimbabwe Africa     1997    46.8 11404948      792.
## 5 Zimbabwe Africa     2002    40.0 11926563      672.
## 6 Zimbabwe Africa     2007    43.5 12311143      470.
```

---
<img src="img/hex-dplyr.png" width="10%" align="right" />

#Funciones Útiles

__Nos permite conocer el número de datos (filas y columnas), variables, tipo de variables, etc__

## `glimpse()`

```r
dplyr::glimpse(gapminder)
```

```
## Rows: 1,704
## Columns: 6
## $ country   <fct> Afghanistan, Afghanistan, Afghanistan, Afghanistan, Afghani…
## $ continent <fct> Asia, Asia, Asia, Asia, Asia, Asia, Asia, Asia, Asia, Asia,…
## $ year      <int> 1952, 1957, 1962, 1967, 1972, 1977, 1982, 1987, 1992, 1997,…
## $ lifeExp   <dbl> 28.801, 30.332, 31.997, 34.020, 36.088, 38.438, 39.854, 40.…
## $ pop       <int> 8425333, 9240934, 10267083, 11537966, 13079460, 14880372, 1…
## $ gdpPercap <dbl> 779.4453, 820.8530, 853.1007, 836.1971, 739.9811, 786.1134,…
```

---
<img src="img/hex-dplyr.png" width="10%" align="right" />

#Funciones Útiles

__Nos permite extraer una fila teniendo en cuenta el index(orden) de la muestra__

## `slice()`

```r
dplyr::slice(gapminder, 5L)
```

```
## # A tibble: 1 x 6
##   country     continent  year lifeExp      pop gdpPercap
##   <fct>       <fct>     <int>   <dbl>    <int>     <dbl>
## 1 Afghanistan Asia       1972    36.1 13079460      740.
```

---
<img src="img/hex-dplyr.png" width="10%" align="right" />

#Funciones Útiles

__Nos permite conocer la estructura interna del set de datos__

## `str()`

```r
str(gapminder)
```

```
## tibble [1,704 × 6] (S3: tbl_df/tbl/data.frame)
##  $ country  : Factor w/ 142 levels "Afghanistan",..: 1 1 1 1 1 1 1 1 1 1 ...
##  $ continent: Factor w/ 5 levels "Africa","Americas",..: 3 3 3 3 3 3 3 3 3 3 ...
##  $ year     : int [1:1704] 1952 1957 1962 1967 1972 1977 1982 1987 1992 1997 ...
##  $ lifeExp  : num [1:1704] 28.8 30.3 32 34 36.1 ...
##  $ pop      : int [1:1704] 8425333 9240934 10267083 11537966 13079460 14880372 12881816 13867957 16317921 22227415 ...
##  $ gdpPercap: num [1:1704] 779 821 853 836 740 ...
```

---
<img src="img/hex-dplyr.png" width="10%" align="right" />

#Funciones Útiles

__Nos permite conocer la estadística descriptiva del conjunto de datos__

## `summary()`

```r
summary(gapminder)
```

```
##         country        continent        year         lifeExp     
##  Afghanistan:  12   Africa  :624   Min.   :1952   Min.   :23.60  
##  Albania    :  12   Americas:300   1st Qu.:1966   1st Qu.:48.20  
##  Algeria    :  12   Asia    :396   Median :1980   Median :60.71  
##  Angola     :  12   Europe  :360   Mean   :1980   Mean   :59.47  
##  Argentina  :  12   Oceania : 24   3rd Qu.:1993   3rd Qu.:70.85  
##  Australia  :  12                  Max.   :2007   Max.   :82.60  
##  (Other)    :1632                                                
##       pop              gdpPercap       
##  Min.   :6.001e+04   Min.   :   241.2  
##  1st Qu.:2.794e+06   1st Qu.:  1202.1  
##  Median :7.024e+06   Median :  3531.8  
##  Mean   :2.960e+07   Mean   :  7215.3  
##  3rd Qu.:1.959e+07   3rd Qu.:  9325.5  
##  Max.   :1.319e+09   Max.   :113523.1  
## 
```

---
class: inverse, center

# `Manipular datos con dplyr`

---

background-image: url(img/dplyr-fondo2.png)
background-size: cover
class: center, middle

# Si quisiese trabajar con algunas columnas...

---

# `select()`

__¿Cómo selecciono las variables "país", "expectativa de vida" e "ingreso percápita"?__

* La función select() nos permite extraer columnas

```r
library(dplyr)
gapminder %>% #datos para trabajar
  `select`(country, lifeExp, gdpPercap) %>% #elijo columnas
  head(5) #encabezado con los 6 primeros casos
```

```
## # A tibble: 5 x 3
##   country     lifeExp gdpPercap
##   <fct>         <dbl>     <dbl>
## 1 Afghanistan    28.8      779.
## 2 Afghanistan    30.3      821.
## 3 Afghanistan    32.0      853.
## 4 Afghanistan    34.0      836.
## 5 Afghanistan    36.1      740.
```

---
background-image: url(img/dplyr-fondo2.png)
background-size: cover
class: center, middle

# Si quisiese trabajar con algunas filas...

---

# `filter()`

__¿Cuáles son los países con expectativa de vida mayor a 80 años?__

* La función filter() nos permite extraer filas mediante un criterio lógico

Para ello utilizamos los siguientes operadores: >, >=, <, =<, ==, !=

```r
gapminder %>% #datos para trabajar
  `filter`(lifeExp > 80) %>% #filas con expectativa mayor a 80 años
  head(3) #encabezado de 3 primeros casos
```

```
## # A tibble: 3 x 6
##   country   continent  year lifeExp      pop gdpPercap
##   <fct>     <fct>     <int>   <dbl>    <int>     <dbl>
## 1 Australia Oceania    2002    80.4 19546792    30688.
## 2 Australia Oceania    2007    81.2 20434176    34435.
## 3 Canada    Americas   2007    80.7 33390141    36319.
```

---

# `filter()`

Podemos filtrar según múltiples condiciones:
- Se cumplen ambas condiciones

```r
filter(condicion1`,` condicion2) 
```
- Se cumple la condición 1 solamente

```r
filter(condicion1, `!`condicion2) #niego la segunda condición
```
- Se cumplen la condición 1 y/ o la condición 2

```r
filter(condicion1 `|` condicion2)
```
- Se cumple una u otra condición, pero no ambas (disyunción exclusiva)

```r
filter(`xor`(condicion1, condicion2)) 
```

---

background-image: url(img/textura-fondo.png)
background-size: cover
class: center, middle, inverse

# 🔧 DEMO 💻

---

# 💡

# Consigna 
# Del dataset `gapminder` selecciono las columnas `country`, `lifeExp`, `year`, `pop` y `gdpPercap`, pero sólo de los casos de Argentina

---
<img src="img/hex-dplyr.png" width="10%" align="right" />

# Solución

```r
library(gapminder)
library(dplyr)
gapminder%>%
  select(-continent)%>%
  filter(country=="Argentina")
```

```
## # A tibble: 12 x 5
##    country    year lifeExp      pop gdpPercap
##    <fct>     <int>   <dbl>    <int>     <dbl>
##  1 Argentina  1952    62.5 17876956     5911.
##  2 Argentina  1957    64.4 19610538     6857.
##  3 Argentina  1962    65.1 21283783     7133.
##  4 Argentina  1967    65.6 22934225     8053.
##  5 Argentina  1972    67.1 24779799     9443.
##  6 Argentina  1977    68.5 26983828    10079.
##  7 Argentina  1982    69.9 29341374     8998.
##  8 Argentina  1987    70.8 31620918     9140.
##  9 Argentina  1992    71.9 33958947     9308.
## 10 Argentina  1997    73.3 36203463    10967.
## 11 Argentina  2002    74.3 38331121     8798.
## 12 Argentina  2007    75.3 40301927    12779.
```

---

background-image: url(img/dplyr-fondo.png)
background-size: cover
class: center, middle

# `select()`: extraer columnas
# `filter()`: extraer filas siguiendo una condición lógica

---
background-image: url(img/dplyr-fondo2.png)
background-size: cover
class: center, middle

# Si quisiese crear una nueva variable...

---

# `mutate()`

__¿Cómo puedo conocer el PBI a partir de la población y el PBIpercápita?__

* Permite crear nuevas variables a partir de una operación

```r
gapminder %>% 
  `mutate`(gdp = pop * gdpPercap) %>% #creo columna `gdp`
  head()
```

```
## # A tibble: 6 x 7
##   country     continent  year lifeExp      pop gdpPercap          gdp
##   <fct>       <fct>     <int>   <dbl>    <int>     <dbl>        <dbl>
## 1 Afghanistan Asia       1952    28.8  8425333      779.  6567086330.
## 2 Afghanistan Asia       1957    30.3  9240934      821.  7585448670.
## 3 Afghanistan Asia       1962    32.0 10267083      853.  8758855797.
## 4 Afghanistan Asia       1967    34.0 11537966      836.  9648014150.
## 5 Afghanistan Asia       1972    36.1 13079460      740.  9678553274.
## 6 Afghanistan Asia       1977    38.4 14880372      786. 11697659231.
```

---
background-image: url(img/dplyr-fondo2.png)
background-size: cover
class: center, middle

# Si quisiese ordenar de menor a mayor los valores de una variable

---

# `arrange()`

__¿Cuáles son los países con menor expectativa de vida?__

* Permite ordenar filas según una variable

```r
gapminder %>%
  `arrange`(lifeExp) %>% #ordeno según expectativa de vida
  head(4)
```

```
## # A tibble: 4 x 6
##   country     continent  year lifeExp     pop gdpPercap
##   <fct>       <fct>     <int>   <dbl>   <int>     <dbl>
## 1 Rwanda      Africa     1992    23.6 7290203      737.
## 2 Afghanistan Asia       1952    28.8 8425333      779.
## 3 Gambia      Africa     1952    30    284320      485.
## 4 Angola      Africa     1952    30.0 4232095     3521.
```

---
<img src="img/hex-dplyr.png" width="10%" align="right" />

# `arrange(desc())`

__¿Cuáles son los países con mayor expectativa de vida?__

- Podemos reordenarlos de manera descendente.

```r
gapminder %>%
  arrange(desc(lifeExp)) 
```

```
## # A tibble: 1,704 x 6
##    country          continent  year lifeExp       pop gdpPercap
##    <fct>            <fct>     <int>   <dbl>     <int>     <dbl>
##  1 Japan            Asia       2007    82.6 127467972    31656.
##  2 Hong Kong, China Asia       2007    82.2   6980412    39725.
##  3 Japan            Asia       2002    82   127065841    28605.
##  4 Iceland          Europe     2007    81.8    301931    36181.
##  5 Switzerland      Europe     2007    81.7   7554661    37506.
##  6 Hong Kong, China Asia       2002    81.5   6762476    30209.
##  7 Australia        Oceania    2007    81.2  20434176    34435.
##  8 Spain            Europe     2007    80.9  40448191    28821.
##  9 Sweden           Europe     2007    80.9   9031088    33860.
## 10 Israel           Asia       2007    80.7   6426679    25523.
## # … with 1,694 more rows
```

---
background-image: url(img/textura-fondo.png)
background-size: cover
class: center, middle, inverse

# 🔧 DEMO 💻
---
class: center, middle

# 💡

# Consigna 
# Cree una columna llamada `PBI`, y ordenelos según expectativa de vida en los casos de Argentina.

---

```r
library(gapminder)
library(dplyr)
gapminder %>%
  mutate(gdp= pop * gdpPercap) %>%
  filter(country=="Argentina") %>%
  arrange(desc(lifeExp))
```

```
## # A tibble: 12 x 7
##    country   continent  year lifeExp      pop gdpPercap           gdp
##    <fct>     <fct>     <int>   <dbl>    <int>     <dbl>         <dbl>
##  1 Argentina Americas   2007    75.3 40301927    12779. 515033625357.
##  2 Argentina Americas   2002    74.3 38331121     8798. 337223430800.
##  3 Argentina Americas   1997    73.3 36203463    10967. 397053586287.
##  4 Argentina Americas   1992    71.9 33958947     9308. 316104097627.
##  5 Argentina Americas   1987    70.8 31620918     9140. 289004799539.
##  6 Argentina Americas   1982    69.9 29341374     8998. 264010673179.
##  7 Argentina Americas   1977    68.5 26983828    10079. 271970723960.
##  8 Argentina Americas   1972    67.1 24779799     9443. 233996596624.
##  9 Argentina Americas   1967    65.6 22934225     8053. 184688236498.
## 10 Argentina Americas   1962    65.1 21283783     7133. 151820757737.
## 11 Argentina Americas   1957    64.4 19610538     6857. 134466639306.
## 12 Argentina Americas   1952    62.5 17876956     5911. 105676319105.
```

---
background-image: url(img/dplyr-fondo.png)
background-size: cover
class: center, middle

# `mutate()`: crea nuevas variables a partir de una operación
# `arrange()`: ordenar filas por variables

---

#  `group_by()` y `summarize()`

__¿Cómo puedo conocer la media del PBIpercápita por continente?__

```r
gdp_bycontinents <- gapminder %>%
    `group_by`(continent) %>% #agrupo por continentes
    `summarize`(mean_gdpPercap=mean(gdpPercap)) #resumo
gdp_bycontinents
```

```
## # A tibble: 5 x 2
##   continent mean_gdpPercap
##   <fct>              <dbl>
## 1 Africa             2194.
## 2 Americas           7136.
## 3 Asia               7902.
## 4 Europe            14469.
## 5 Oceania           18622.
```

---

# `data %>% group_by(a)`

---

# `data %>% group_by(a) %>% summarize(b)`

---
background-image: url(img/textura-fondo.png)
background-size: cover
class: center, middle, inverse

# 🔧 DEMO 💻

---

# 💡

# Consigna 
## 1. Calcular la media de la esperanza de vida por continente
## 2. Repetir el mismo procedimiento pero para el año 2007 que es el último año registrado

---
<img src="img/hex-dplyr.png" width="10%" align="right" />

```r
gapminder %>%
  group_by(continent) %>%
  summarise(lifeExp = median(lifeExp))
```

```
## # A tibble: 5 x 2
##   continent lifeExp
##   <fct>       <dbl>
## 1 Africa       47.8
## 2 Americas     67.0
## 3 Asia         61.8
## 4 Europe       72.2
## 5 Oceania      73.7
```

```r
gapminder %>%
  filter(year==2007) %>%
  group_by(continent) %>%
  summarise(lifeExp = median(lifeExp))
```

```
## # A tibble: 5 x 2
##   continent lifeExp
##   <fct>       <dbl>
## 1 Africa       52.9
## 2 Americas     72.9
## 3 Asia         72.4
## 4 Europe       78.6
## 5 Oceania      80.7
```

---

background-image: url(img/dplyr-fondo.png)
background-size: cover
class: center, middle

# `group_by()`: agrupar según un determinado criterio
# `summarize()`: resumir cambiando la unidad de análisis

---

## `select()`: extraer columnas
## `filter()`: extraer filas siguiendo una condición lógica
## `mutate()`: crea nuevas variables
## `arrange()`: ordenar filas por variables
## `group_by()`: agrupar según un determinado criterio
## `summarize()`: resumir

---
background-image: url(img/dplyr-fondo.png)
background-size: cover
class: center, middle

# Objetivo de `dplyr()`:
# Obtener porciones de nuestros datos (subsets) que contesten una pregunta

---
background-image: url(img/textura-fondo.png)
background-size: cover
class: center, middle, inverse

# 🔧 COFFEE BREAK 💻

---

```r
devtools::session_info()
```

```
## ─ Session info ───────────────────────────────────────────────────────────────
##  setting  value                       
##  version  R version 3.6.3 (2020-02-29)
##  os       Ubuntu 20.04 LTS            
##  system   x86_64, linux-gnu           
##  ui       X11                         
##  language es_AR:es                    
##  collate  es_AR.UTF-8                 
##  ctype    es_AR.UTF-8                 
##  tz       America/Argentina/Cordoba   
##  date     2020-06-05                  
## 
## ─ Packages ───────────────────────────────────────────────────────────────────
##  package     * version    date       lib source                              
##  assertthat    0.2.1      2019-03-21 [1] CRAN (R 3.6.3)                      
##  backports     1.1.7      2020-05-13 [1] CRAN (R 3.6.3)                      
##  callr         3.4.3      2020-03-28 [1] CRAN (R 3.6.3)                      
##  cli           2.0.2      2020-02-28 [1] CRAN (R 3.6.3)                      
##  colorspace    1.4-1      2019-03-18 [1] CRAN (R 3.6.3)                      
##  crayon        1.3.4      2017-09-16 [1] CRAN (R 3.6.3)                      
##  desc          1.2.0      2018-05-01 [1] CRAN (R 3.6.3)                      
##  devtools      2.2.2      2020-02-17 [3] CRAN (R 3.6.3)                      
##  digest        0.6.25     2020-02-23 [1] CRAN (R 3.6.3)                      
##  dplyr       * 0.8.5      2020-03-07 [1] CRAN (R 3.6.3)                      
##  EDAWR         0.1        2020-06-06 [1] Github (rstudio/EDAWR@fbfee98)      
##  ellipsis      0.3.1      2020-05-15 [1] CRAN (R 3.6.3)                      
##  emo         * 0.0.0.9000 2020-05-12 [1] Github (hadley/emo@3f03b11)         
##  evaluate      0.14       2019-05-28 [1] CRAN (R 3.6.3)                      
##  fansi         0.4.1      2020-01-08 [1] CRAN (R 3.6.3)                      
##  farver        2.0.3      2020-01-16 [1] CRAN (R 3.6.3)                      
##  fontawesome * 0.1.0      2020-05-12 [1] Github (rstudio/fontawesome@2b64e31)
##  fs            1.4.1      2020-04-04 [1] CRAN (R 3.6.3)                      
##  gapminder   * 0.3.0      2017-10-31 [1] CRAN (R 3.6.3)                      
##  generics      0.0.2      2018-11-29 [1] CRAN (R 3.6.3)                      
##  gganimate   * 1.0.5      2020-02-09 [1] CRAN (R 3.6.3)                      
##  ggplot2     * 3.3.1      2020-05-28 [1] CRAN (R 3.6.3)                      
##  glue          1.4.1      2020-05-13 [1] CRAN (R 3.6.3)                      
##  gtable        0.3.0      2019-03-25 [1] CRAN (R 3.6.3)                      
##  highr         0.8        2019-03-20 [1] CRAN (R 3.6.3)                      
##  hms           0.5.3      2020-01-08 [1] CRAN (R 3.6.3)                      
##  htmltools     0.4.0      2019-10-04 [1] CRAN (R 3.6.3)                      
##  knitr         1.28       2020-02-06 [1] CRAN (R 3.6.3)                      
##  lifecycle     0.2.0      2020-03-06 [1] CRAN (R 3.6.3)                      
##  lubridate     1.7.8      2020-04-06 [1] CRAN (R 3.6.3)                      
##  magrittr      1.5        2014-11-22 [1] CRAN (R 3.6.3)                      
##  memoise       1.1.0      2017-04-21 [3] CRAN (R 3.5.0)                      
##  munsell       0.5.0      2018-06-12 [1] CRAN (R 3.6.3)                      
##  pillar        1.4.4      2020-05-05 [1] CRAN (R 3.6.3)                      
##  pkgbuild      1.0.8      2020-05-07 [1] CRAN (R 3.6.3)                      
##  pkgconfig     2.0.3      2019-09-22 [1] CRAN (R 3.6.3)                      
##  pkgload       1.1.0      2020-05-29 [1] CRAN (R 3.6.3)                      
##  prettyunits   1.1.1      2020-01-24 [1] CRAN (R 3.6.3)                      
##  processx      3.4.2      2020-02-09 [1] CRAN (R 3.6.3)                      
##  progress      1.2.2      2019-05-16 [1] CRAN (R 3.6.3)                      
##  ps            1.3.3      2020-05-08 [1] CRAN (R 3.6.3)                      
##  purrr         0.3.4      2020-04-17 [1] CRAN (R 3.6.3)                      
##  R6            2.4.1      2019-11-12 [1] CRAN (R 3.6.3)                      
##  Rcpp          1.0.4.6    2020-04-09 [1] CRAN (R 3.6.3)                      
##  remotes       2.1.1      2020-02-15 [1] CRAN (R 3.6.3)                      
##  rlang         0.4.6      2020-05-02 [1] CRAN (R 3.6.3)                      
##  rmarkdown     2.1        2020-01-20 [1] CRAN (R 3.6.3)                      
##  rprojroot     1.3-2      2018-01-03 [1] CRAN (R 3.6.3)                      
##  scales        1.1.1      2020-05-11 [1] CRAN (R 3.6.3)                      
##  sessioninfo   1.1.1      2018-11-05 [3] CRAN (R 3.5.1)                      
##  stringi       1.4.6      2020-02-17 [1] CRAN (R 3.6.3)                      
##  stringr       1.4.0      2019-02-10 [1] CRAN (R 3.6.3)                      
##  testthat      2.3.2      2020-03-02 [1] CRAN (R 3.6.3)                      
##  tibble        3.0.1      2020-04-20 [1] CRAN (R 3.6.3)                      
##  tidyr       * 1.0.2      2020-01-24 [1] CRAN (R 3.6.3)                      
##  tidyselect    1.0.0      2020-01-27 [1] CRAN (R 3.6.3)                      
##  tweenr        1.0.1      2018-12-14 [1] CRAN (R 3.6.3)                      
##  usethis       1.5.1      2019-07-04 [3] CRAN (R 3.6.2)                      
##  utf8          1.1.4      2018-05-24 [1] CRAN (R 3.6.3)                      
##  vctrs         0.3.1      2020-06-05 [1] CRAN (R 3.6.3)                      
##  withr         2.2.0      2020-04-20 [1] CRAN (R 3.6.3)                      
##  xaringan      0.16       2020-03-31 [1] CRAN (R 3.6.3)                      
##  xfun          0.13       2020-04-13 [1] CRAN (R 3.6.3)                      
##  yaml          2.2.1      2020-02-01 [1] CRAN (R 3.6.3)                      
## 
## [1] /home/roxana/R/x86_64-pc-linux-gnu-library/3.6
## [2] /usr/local/lib/R/site-library
## [3] /usr/lib/R/site-library
## [4] /usr/lib/R/library
```