knitr::opts_chunk$set(echo=TRUE)

Introducción

• R es un lenguaje potente para análisis de datos.
• El tidyverse es un conjunto de paquetes que facilita la manipulación y limpieza de datos.

¿Qué es el tidyverse?🌌

Tidyverse es un conjunto de paquetes de R que comparten una misma filosofía y estructuras de datos, diseñados para:

• Tareas comunes con datos: importar archivos, limpiar datos, transformar, visualizar, o programar nuevas funciones.
• Facilitar su aprendizaje y que los usuarios vayan aprendiendo más funciones conforme interactúen con más elementos de este ‘ecosistema’.

Colección de paquetes R para ciencia de datos:

• 📦 dplyr: manipulación de datos
• 📦 tidyr: limpieza y organización
• 📦 readr: importación de datos
• 📦 ggplot2: visualización
• 📦 purrr: programación funcional otros paquetes útiles:
• 📦 ggplot2: Visualización de datos

# Carguemos los paquetes que usaremos
library(tidyr)  
library(dplyr)
library(readr)
library(ggplot2)

Importar datos con readr 📰

birds <- read_csv("../datos/medidasaves_2025.csv")
head(birds)

Introducción a Pipes (%>%)

• El pipe (%>%) es una herramienta fundamental en el tidyverse.
• Permite encadenar operaciones de manera clara y legible.
• Estructuramos operaciones seriadas de izquierda a derecha.
• Facilita la lectura y comprensión del código.
• Evitamos creación de variables intermedias. Insertamos con ctrl + shift + M.

Ejemplo

# sin pipes
res1 <- birds[which(birds$Department == "Antioquia"),]
res2 <- res1[,c("Species", "Sex")]
head(res2)

# Con pipes

res <- birds %>%
  filter(Department == "Antioquia") %>%
  select(Species, Sex) %>%
  slice_head(n = 10)
res

Tibbles 📄

• Son una versión mejorada de los data frames tradicionales de R.
• Impresión amigable: Al mostrar en consola, solo enseña las primeras filas y columnas, evitando saturar la pantalla.
• No cambian los tipos de datos automáticamente: Evitan conversiones inesperadas de caracteres a factores.
• Permiten nombres de columna no estándar: Puedes tener nombres con espacios o símbolos.
• Mejor integración con tidyverse: Funcionan perfectamente con paquetes como dplyr, tidyr, ggplot2, etc.

Tidy data 📄

Datos ordenados (“tidy data”) es un concepto fundamental en el análisis de datos con R y tidyverse.

Principios de datos ordenados

1. Cada variable se almacena en una columna.
2. Cada observación se almacena en una fila.
3. Cada tipo de unidad observacional forma su propia tabla.

Ejemplo de datos ordenados 📄

Ventajas de los datos ordenados 📄

• Facilitan la manipulación y el análisis.
• Permiten el uso eficiente de las funciones del tidyverse.
• Facilitan la visualización y la modelación.
• Mejoran la reproducibilidad del análisis.

Consejos para ordenar tablas 💡

• Todos los valores vacíos deben ser NA y no "" o 0.
• Evitar agrupar variables.
• Usar encabezados útiles.
• No usar espacios.

Manipulación de datos básica con 📦 dplyr

• filter(): Selecciona filas según condiciones lógicas.
• select(): Elige columnas específicas del dataframe.
• mutate(): Crea o transforma columnas.
• arrange(): Ordena filas por una o más variables.
• summarise(): Resume/consolida información en el dataframe.
• group_by(): Agrupa datos para operaciones posteriores.
• rename(): Cambia el nombre de una columna.

Ejemplo de uso de 📦 funciones en dplyr

birds_filter1 <- birds %>%
  select(Department, Species, Weight) %>% # Quiero seleccionar solo las columnas Department, Species, Weight
  filter(Department %in% c("Quindio", "Antioquia")) %>% # Quiero filtrar las especies del Amazonas y Antioquia
  group_by(Department, Species) %>% # Quiero agrupar por especie
  drop_na() %>% # Eliminar los NA
  summarise(mean_weight = mean(Weight), n_individuos = n()) %>% # Contar el número de individuos por especie registrados
  arrange(desc(mean_weight)) %>%    # Presentarlas ordenadas de mayor a menor peso
  mutate(mean_weight_mg = mean_weight/1000) %>% # Presentar el peso en mg
  rename(media_peso_mg = mean_weight_mg)
head(birds_filter1)

Otros operadores: 🛠️

Otros operadores importantes que no debemos dejar pasar son:

• & es el operador “y” (AND): Devuelve TRUE solo si ambas condiciones son verdaderas.
• | es el operador “o” (OR): Devuelve TRUE si al menos una condición es verdadera.
• ! es el operador “no” (NOT): Invierte el valor lógico (TRUE a FALSE y viceversa).

Ejemplos con operadores lógicos

¿Qué especies están en Antioquia Y por encima de los 2500m?

birds %>%
  select(Department, Species, Elevation) %>%
  filter(Department == "Antioquia" & Elevation > 2500) %>%
  group_by(Species) %>%
  summarise(n_individuos = n())

¿Qué especies están en Antioquia o en Quindio?

birds %>%
  select(Department, Species, Elevation) %>%
  filter(Department == "Antioquia" | Department == "Quindio") %>%
  group_by(Species) %>%
  summarise(n_individuos = n())

Funciones útiles de 📦 tidyr

• separate(): Divide una columna en varias columnas.
• unite(): Une varias columnas en una sola columna.
• drop_na(): Elimina filas con valores NA.
• fill(): Rellena valores faltantes con el valor anterior o siguiente.

Ejemplo

birds %>%
  dplyr::select(Species, wingArea) %>%
  separate(col = "Species", into = c("Genus", "Specie"), sep = " ") %>%
  drop_na()

# Ahora probemos fill()

🍕 Rebanando filas

Familia de funciones slice_ para obtener máximos, mínimos, muestreos aleatorios, etc.

birds %>% select(Species, Weight) %>% slice_max(Weight, n = 5)  # las 5 aves más pesadas

birds %>% select(Species, Weight) %>% slice_min(Weight, n = 5)  # las 5 aves más ligeras

birds %>% select(Species, Weight) %>% slice_sample(n = 5)       # muestra aleatoria de 5 aves

Operaciones entre dos tablas _join 🗎+🗎

taxon <- read_csv("../datos/taxon_info_2025.csv")
birds %>% select(Species, Weight) %>% right_join(taxon)

Otras funciones y argumentos útiles

! devuelve el complemento

birds %>% select(!c(rightsHolder, basisOfRecord, institutionCode, collectionCode, catalogNumber,
recordedBy, Source, Date))

where()

Selecciona las variables para las cuales alguna comparación regrese TRUE

birds %>% select(where(is.numeric)) %>% head()

matches()

Encuentra nombres de variables con expresiones regulares

birds %>% select(matches("tail")) %>% head()

:

Selecciona variables contiguas

birds %>% select(Species:billDepth) %>% head()

-

Otra forma de eliminar variables (columnas)

birds %>% select(-c(rightsHolder:Source, Date))

📦 stringr

• El paquete stringr del tidyverse proporciona funciones para manipular cadenas de texto de manera eficiente y coherente.

Funciones comunes 📦 stringr

• str_detect(): Detecta patrones en cadenas.
• str_replace(): Reemplaza partes de cadenas.
• str_split(): Divide cadenas en partes.
• str_to_lower() y str_to_upper(): Cambia el caso de las letras.
• str_trim(): Elimina espacios en blanco al inicio y final.

Formatos de tablas y análisis

Vamos a practicar cómo reformatear datos entre formato ancho y largo usando las funciones pivot_longer() y pivot_wider() del paquete tidyr.

Datos en formato ancho

# Datos en formato ancho
birds_ex <- tibble(
  Species = c("Accipiter stria", "Adelomyia me"),
  Weight_2022 = c(103.36, 4),
  Weight_2023 = c(105.00, 4.2)
)

print(birds_ex)

De ancho a largo: pivot_longer()

Transforma varias columnas en filas para análisis flexibles.

long_birds <- birds_ex %>%
  pivot_longer(cols = starts_with("Weight"),
               names_to = "Year",
               values_to = "Weight")

print(long_birds)

De largo a ancho: pivot_wider()

Agrupa filas en columnas para comparaciones directas.

wide_birds <- long_birds %>%
  pivot_wider(names_from = Year,
              values_from = Weight)

print(wide_birds)

Ejercicio

Resumir la tabla birds para saber cuántas especies hay en cada Departamento

dep_birds <- birds %>% select(lifeStage, n) %>%
  pivot_wider(names_from = lifeStage,
              values_from = n)

print(dep_birds)

Obtener datos desde paquetes

data(package = "ggplot2")

data(diamonds)
head(diamonds)