Flujos de Trabajo y organización de proyectos

knitr::opts_chunk$set(echo=TRUE)

Paquetes necesarios

• 📦 skimr: Resumen de datos
• 📦 janitor: Limpieza y tabulación
• 📦 easystats: Reportes automáticos

library(skimr)     # Resumen de datos
library(janitor)   # Limpieza y tabulación
library(easystats) # Reportes automáticos

¿Qué es R?

• R es un lenguaje de programación y un entorno para análisis estadístico.
• Libre y de código abierto.
• Muy utilizado en estadística, ciencia de datos, economía, biología, entre otras áreas.
• Permite manipulación, análisis y visualización de datos.

¿Por qué usar R?

• Gran colección de paquetes para análisis y visualización.
• Comunidad activa y mucha documentación.
• Integración sencilla con otros lenguajes y herramientas (Python, Quarto, etc.).
• Ideal para reproducibilidad y trabajo colaborativo.

Entornos de Desarrollo para R (IDEs)

R se puede usar en diferentes entornos de desarrollo, cada uno con características propias:

R GUI

• Interfaz gráfica básica que viene al instalar R.
• Permite ejecutar código y visualizar resultados.
• Limitada en funcionalidades avanzadas.

Jupyter Notebooks

• Permite combinar código, texto y visualizaciones en documentos interactivos.
• Soporte para R mediante kernels específicos.
• Muy útil para prototipado y documentación reproducible.

Positron

• Positron es un entorno de desarrollo para R y Python, creado por Posit (antes RStudio).
• Ofrece una interfaz moderna y amigable para escribir, ejecutar y depurar código.
• Permite gestionar proyectos, visualizar datos y generar reportes reproducibles.
• Integra herramientas colaborativas y extensiones para flujos de trabajo avanzados.

RStudio

• IDE más popular para R.
• Interfaz amigable, integración con proyectos, scripts, gráficos y paquetes.
• Herramientas avanzadas para depuración, gestión de proyectos y generación de reportes.
• Descargar RStudio

¿Qué versiones usaremos en este curso?

• R: 4.3.1 o superior
• RStudio: 2023.06.1 o superior

Paquetes en R📦

R base tiene varias funciones por defecto:
list() log() cat() rm()

Paquetes Adicionales 📦

Se instalan desde R con:

• install.packages() para paquetes de CRAN 📦
• remotes o pak para todos los demás repositorios

Primer aproximación a R y RStudio 📊

• Consola
• Ejecutar RStudio
• Instalación de Paquetes.

install.packages("tidyverse")
install.packages("ggplot2")

Ayuda

• ?funcion o help(funcion) para ayuda sobre funciones.
• ??palabra_clave para buscar en la documentación.
• Documentación en línea y foros (Stack Overflow, R-bloggers).
• Vignetas: Documentos largos que explican el uso de paquetes
  vignette(package="package-name")
browseVignettes("grid")
• ?<- para ayuda sobre operadores.

Directorios, rutas y nombres en R

• Directorio: Carpeta donde se almacenan archivos y subcarpetas.
• Ruta: Indica la ubicación de un archivo o carpeta dentro del sistema.
  • Ruta absoluta: Comienza desde la raíz del sistema.
    • Ejemplo: D:/juliana/MacroUdeA2025/datos/datos.csv
  • Ruta relativa: Comienza desde el directorio actual.
    • Ejemplo: MacroUdeA2025/datos/datos.csv

Buenas prácticas de nombres

• Usa nombres descriptivos para carpetas y archivos.
• Ejemplo: proyecto_macro_2025.csv
• Evita espacios y caracteres especiales.
• Mantén una estructura organizada (por ejemplo, separar datos, scripts y resultados).

Proyectos y carpetas

Para trabajar en R podemos seguir diferentes rutas:
En lo personal a mí me gusta trabajar con proyectos.

Pero podemos usar el paquete 📦fs

getwd() setwd() dir_create("proyecto") dir_create("datos") dir_create("scripts") dir_create("resultados")

Ejercicio

1. Crear un proyecto
2. Crear las carpetas datos, scripts y resultados
3. Abrir los archivos usando rutas relativas

archivo <- read.csv("../datos/penguins_2025.csv")

Primeros pasos en R

• Todo lo que existe es un objeto
• Todo lo que ocurre lo hace una función (Las funciones son objetos)
• Las funciones (generalmente) viven en paquetes

Tipos de objetos en R

Variables

En R, las variables pueden almacenar diferentes tipos de datos:

x <- 5
nombre <- "Juliana"

Tipos principales

x <- 3.14 # Numéricas: Números reales (decimales)
y <- 10   # Enteras: Números enteros
nombre <- "Juliana" # Caracteres: Texto (strings)
es_mayor <- TRUE # Lógicas: Verdadero o falso
nivel <- factor(c("bajo", "medio", "alto")) # Factores: Categorías o niveles
fecha <- as.Date("2025-09-05") # Fechas: Valores de fecha y hora

Operaciones Básicas

Operaciones básicas

suma <- 2 + 3
producto <- 4 * 5

Vectores

edades <- c(23, 25, 30)
letras <- c("a", "b", "c")

Data Frames

datos <- data.frame(nombre = c("Ana", "Luis"), edad = c(28, 32))
head(datos)

Matrices

matriz <- matrix(1:6, nrow = 2, ncol = 3)
matriz

Arrays

array_3d <- array(1:24, dim = c(2, 3, 4))
array_3d

Funciones

longitud <- length(edades)
longitud
resumen <- summary(datos)
resumen

Listas

mi_lista <- list(numeros = c(1, 2, 3), letras = c("a", "b", "c"))
mi_lista$numeros

Importar archivos

Podemos realizarlo a través de diferentes paquetes como readr o readxl o con las funciones por defecto:

mi_tabla <- read.csv(file = "../datos/penguins_2025.csv",
                     header = TRUE)

Exploración de datos

• Importar los datos en R

• Explorar, para:

• Saber si fueron importados correctamente

• Resumir características de los datos

• Limpiar los datos

mi_tabla <- read.csv(file = "../datos/penguins_2025.csv",
                     header = TRUE)

skimr

Es un paquete con una única función skim().
La función skim() es útil para resumir conjuntos de datos, especialmente grandes conjuntos sin necesidad de explorarlos con detalle (e.g., toda la tabla, línea por línea).
Es un combo de algunas funciones del R base, como str(), class(), summary().

Vamos a aplicar la función summary()

summary(mi_tabla)

Vamos a aplicar la función skim()

s <- skim(mi_tabla)
s
yank(s, "numeric")
yank(s, "factor")

Preguntas

• Use la función skim() y conteste:
  • ¿Cuál especie tiene mayor número de registros?
  • ¿Hay datos faltantes?
  • ¿Hay datos raros ?

easystats::report()

report(mi_tabla)
model <- lm(bill_len ~ bill_dep, data = mi_tabla)
report(model)

table() vs janitor::tabyl()

table(mi_tabla$species) # función default

tabyl(mi_tabla$species) # función del paquete janitor
tabyl(mi_tabla$year)

Tablas con dos variables

table(mi_tabla$species, mi_tabla$island) # función default

tabyl(mi_tabla, species, island) %>%
  adorn_percentages() %>%
  adorn_pct_formatting()

Preguntas

• Al usar la función adorn_percentages(), ¿qué porcentajes se están calculando?
• Hay un argumento llamado denominator = c(“all”, “row”, “col”) en la función adorn_percentages(). ¿Cuál es la diferencia de usar cada una de las opciones?
• ¿Cuál es la diferencia entre adorn_percentages() y adorn_pct_formatting()?