Sección 4: Tipos de Datos en R

<img src="img/see.png" width="250px"/>
# Sección 4: Tipos de Datos en R 
## **PROGRAMA INTERNACIONAL DE ESTADÍSTICA APLICADA A LA INVESTIGACIÓN CIENTÍFICA**
#### MÓDULO: SOFTWARES PARA EL MANEJO DE DATOS <br> <br> Linda Cabrera Orellana
#### Marzo, 2023

---

---

<div class="figure" style="text-align: center">
<img src="img/tiposdatos.png" alt="Figura. Tipos de datos en R" width="100%" />
<p class="caption">Figura. Tipos de datos en R</p>
</div>

---

## **Numéricos**

```r
# clase de un vector de 1 elemento
class(5)
## [1] "numeric"

# clase de la columna edades del dataset pacientes
class(pacientes$edades)
## [1] "numeric"
```

Ahora, el vector `$z$` de tipo caracter lo convertiremos en tipo numérico.

```r
z
## [1] "1"  "5"  "11" "14"
class(z)
## [1] "character"
```
]

```r
# cambio de clase caracter a numérico con as.numeric()
class(as.numeric(z))
## [1] "numeric"
```

### Con `parse_number()`.

```r
library(readr)
# cambio de clase caracter a numérico con parse_number()
class(parse_number(z))
## [1] "numeric"
```

]

<!--

## **Numéricos**

.pull-left[
**`parse_number()`** es muy útil para resolver problemas de decimales, caracteres que acompañas a números y caracteres de agrupación.

En R, por default, el decimal es el punto; `grouping_mark` para especificar el signo de agrupación; `decimal_mark` para especificar el decimal a cambiar.

```r
parse_number("6'789,56", 
             locale = locale(grouping_mark = "'",
                             decimal_mark = ","))
## [1] 6789.56
```

]

```r
parse_number("$100")
## [1] 100

parse_number("20%")
## [1] 20

parse_number("It cost $123.45")
## [1] 123.45

parse_number("$123.456.789", locale = locale(grouping_mark = "."))
## [1] 123456789
```

]
-->

---

<!--

## **Cadena de Caracteres**

`charToRaw():` realiza una representación subyacente de una cadena de texto.

```r
charToRaw("Linda")
## [1] 4c 69 6e 64 61
```

¿Qué sucede cuando tus datos producidos no entienden UTF-8?

```r
library(readr)
x1 <- "El Ni\xf1o was particularly bad this year"
```

]

Para corregir el problema necesitas especificar la codificación en **`parse_character()`**:

```r
parse_character(x1, locale = locale(encoding = "Latin1"))
## [1] "El Niño was particularly bad this year"
```

¿Cómo encontrar la codificación correcta? Con `guess_encoding()`

```r
guess_encoding(charToRaw(x1))
## # A tibble: 2 × 2
##   encoding   confidence
##   <chr>           <dbl>
## 1 ISO-8859-1       0.46
## 2 ISO-8859-9       0.23
```

]

-->

## **Cadena de Caracteres**

`stringr` proporciona un conjunto cohesivo de funciones diseñadas para trabajar de forma más fácil con cadenas de caracteres.

```r
library(stringr)
```

]

```r
frase <- "Esta es una cadena de caracteres"
class(frase)
## [1] "character"
```

`str_length()` indica el número de caracteres de una cadena.

```r
str_length(frase)
## [1] 32
```

`str_c()` combina dos o más cadenas:

```r
str_c(frase, " y esto también")
## [1] "Esta es una cadena de caracteres y esto también"
```

]

.footnote[ [stringr.tidyverse.org](https://stringr.tidyverse.org/) || [tidyverse/reprex](https://github.com/tidyverse/reprex)]

---

## **Factores**

`forcats` proporciona un conjunto de herramientas que resuelven problemas comunes con factores.

```r
library(forcats)
```

]

```r
fc1 <- c("Dic", "Abr", "Ene", "Mar")
class(fc1)
## [1] "character"
```

Si trabajamos esta variable en tipo caracter, tendremos 2 problemas:
1. Errores de tipeo,
2. No se ordena de una forma útil.

Estos problemas se solucionan trabajando con factores.
]

.footnote[ [forcats.tidyverse.org](https://forcats.tidyverse.org/) || [Wrangling categorical data in R](https://peerj.com/preprints/3163/) || [stringsAsFactors = <sigh>](https://notstatschat.tumblr.com/post/124987394001/stringsasfactors-sigh) ]

---

## **Factores**

Para crear un factor con **`factor()`** debes:

1. Definir una lista de niveles válidos.

```r
niveles_meses <- c("Ene", "Feb", "Mar", "Abr", "May", "Jun", "Jul", "Ago", "Sep", "Oct", "Nov", "Dic")
```

2. Ahorar puedes crear un factor.

```r
y1 <- factor(fc1, levels = niveles_meses)
class(y1)
## [1] "factor"

# para acceder a los niveles del factor
levels(y1)
##  [1] "Ene" "Feb" "Mar" "Abr" "May" "Jun" "Jul" "Ago" "Sep" "Oct" "Nov" "Dic"
```

---

## **Fechas y Horas**

**`parse_datetime()`** asume una fecha-hora ISO8601, estándar internacional en el que los componentes de una fecha están organizados de mayor a menor: año, mes, día, hora, minuto, segundo.

```r
# Dato de fecha-hora
fecha1 <- "2010-10-01T2010"
parse_datetime(fecha1)
## [1] "2010-10-01 20:10:00 UTC"

# Si se omite la hora, será determinada como medianoche.
fecha2 <- "20101010"
parse_datetime(fecha2)
## [1] "2010-10-10 UTC"
```

]

**`parse_date()`** asume aaaa-mm-dd o aaaa/mm/dd.

```r
fecha3 <- "2010-10-01"
parse_date(fecha3)
## [1] "2010-10-01"
```

**`parse_time()`** espera la hh:mm:ss, los segundos y el especificador am/pm son opcionales.

```r
library(hms)
parse_time("01:10 am")
## 01:10:00
parse_time("20:10:01")
## 20:10:01
```
]

.footnote[ [ISO 8601](https://en.wikipedia.org/wiki/ISO_8601) || [hms.tidyverse.org](https://hms.tidyverse.org/)]

<!--

## **Fechas y Horas**

`lubridate` hace que sea más fácil hacer las cosas que hace R con fecha y hora y hace posible hacer las cosas que R base no hace.

```r
library(lubridate)
```

]

* Una fecha o `date`.
* Una hora o `time` dentro de un día.
* Una fecha-hora o date-time `dttm` (llamado también `POSIXct`).

Para obtener la fecha o fecha-hora actual utiliza `today()` o `now()`:

```r
today()
## [1] "2023-03-15"
now()
## [1] "2023-03-15 22:18:44 CET"
```
]

.footnote[ [lubridate.tidyverse.org](https://lubridate.tidyverse.org/) || [hms.tidyverse.org](https://hms.tidyverse.org/) ]

## **Fechas y Horas**

Hay tres modos en los que puedes crear una fecha/hora:

* Desde una cadena de caracteres (o string, en inglés).
* Desde componentes de fecha-hora individuales.
* Desde un objeto fecha-hora existente.

### Desde cadenas de caracteres

```r
ymd("2017-01-31")
## [1] "2017-01-31"
ymd("20170131")
## [1] "2017-01-31"
```
]

```r
mdy("01-31-2017")
## [1] "2017-01-31"
mdy("01312017")
## [1] "2017-01-31"

dmy("31-01-2017")
## [1] "2017-01-31"
dmy("31012017")
## [1] "2017-01-31"

mdy_hm("01/31/2017 08:01")
## [1] "2017-01-31 08:01:00 UTC"
ymd_hms("2017-01-31 20:11:59")
## [1] "2017-01-31 20:11:59 UTC"
```

]

## **Fechas y Horas**

Crearé un data.frame donde las fechas y las horas están repartidos en diferentes columnas.

```r
ejemplo <- data.frame(anio= c(1994, 1992, 1987),
                      dia= c(21, 02, 15),
                      mes= c(02, 04, 05),
                      hora= c(20, 14, 09),
                      minuto= c(45, 30, 15))
ejemplo
##   anio dia mes hora minuto
## 1 1994  21   2   20     45
## 2 1992   2   4   14     30
## 3 1987  15   5    9     15
```

]

```r
# forma fecha que contiene dia, mes y anio
make_date(ejemplo$anio, ejemplo$mes, ejemplo$dia)
## [1] "1994-02-21" "1992-04-02" "1987-05-15"
```

`make_datetime()` para crear fecha-hora.

```r
# forma fecha-hora
make_datetime(ejemplo$anio, ejemplo$mes, ejemplo$dia, ejemplo$hora, ejemplo$minuto)
## [1] "1994-02-21 20:45:00 UTC" "1992-04-02 14:30:00 UTC"
## [3] "1987-05-15 09:15:00 UTC"
```

]

## **Fechas y Horas**

### Desde otros tipos

```r
as_datetime(today())
## [1] "2023-03-15 UTC"

as_date(now())
## [1] "2023-03-15"
```

-->

---

background-color: var(--azul-claro)
class: middle, center, inverse

---

# <svg aria-hidden="true" role="img" viewBox="0 0 512 512" style="height:1em;width:1em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:currentColor;overflow:visible;position:relative;"><path d="M362.7 19.3L314.3 67.7 444.3 197.7l48.4-48.4c25-25 25-65.5 0-90.5L453.3 19.3c-25-25-65.5-25-90.5 0zm-71 71L58.6 323.5c-10.4 10.4-18 23.3-22.2 37.4L1 481.2C-1.5 489.7 .8 498.8 7 505s15.3 8.5 23.7 6.1l120.3-35.4c14.1-4.2 27-11.8 37.4-22.2L421.7 220.3 291.7 90.3z"/></svg> Práctica: ¡10 minutos!

1. Verifique la estructura del conjunto de datos `profesores` y define el tipo de cada variable.

2. Prepare el data set para el análisis verificando que el tipo de dato de cada variable sea el adecuado. En caso de ser incorrectos, corríjalos.

3. Guarde el conjunto de datos en un archivo excel en su computadora llamado `EXCELprofesores2.xlsx` en una hoja llamada `sec4`.

---

# Tipos de Datos en R
### Linda Cabrera Orellana

.pull-left[
.center[
### [@socecuest <svg aria-hidden="true" role="img" viewBox="0 0 512 512" style="height:1em;width:1em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:currentColor;overflow:visible;position:relative;"><path d="M504 256C504 119 393 8 256 8S8 119 8 256c0 123.78 90.69 226.38 209.25 245V327.69h-63V256h63v-54.64c0-62.15 37-96.48 93.67-96.48 27.14 0 55.52 4.84 55.52 4.84v61h-31.28c-30.8 0-40.41 19.12-40.41 38.73V256h68.78l-11 71.69h-57.78V501C413.31 482.38 504 379.78 504 256z"/></svg>](https://www.facebook.com/socecuest)

### [@see_estadistica <svg aria-hidden="true" role="img" viewBox="0 0 448 512" style="height:1em;width:0.88em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:currentColor;overflow:visible;position:relative;"><path d="M224.1 141c-63.6 0-114.9 51.3-114.9 114.9s51.3 114.9 114.9 114.9S339 319.5 339 255.9 287.7 141 224.1 141zm0 189.6c-41.1 0-74.7-33.5-74.7-74.7s33.5-74.7 74.7-74.7 74.7 33.5 74.7 74.7-33.6 74.7-74.7 74.7zm146.4-194.3c0 14.9-12 26.8-26.8 26.8-14.9 0-26.8-12-26.8-26.8s12-26.8 26.8-26.8 26.8 12 26.8 26.8zm76.1 27.2c-1.7-35.9-9.9-67.7-36.2-93.9-26.2-26.2-58-34.4-93.9-36.2-37-2.1-147.9-2.1-184.9 0-35.8 1.7-67.6 9.9-93.9 36.1s-34.4 58-36.2 93.9c-2.1 37-2.1 147.9 0 184.9 1.7 35.9 9.9 67.7 36.2 93.9s58 34.4 93.9 36.2c37 2.1 147.9 2.1 184.9 0 35.9-1.7 67.7-9.9 93.9-36.2 26.2-26.2 34.4-58 36.2-93.9 2.1-37 2.1-147.8 0-184.8zM398.8 388c-7.8 19.6-22.9 34.7-42.6 42.6-29.5 11.7-99.5 9-132.1 9s-102.7 2.6-132.1-9c-19.6-7.8-34.7-22.9-42.6-42.6-11.7-29.5-9-99.5-9-132.1s-2.6-102.7 9-132.1c7.8-19.6 22.9-34.7 42.6-42.6 29.5-11.7 99.5-9 132.1-9s102.7-2.6 132.1 9c19.6 7.8 34.7 22.9 42.6 42.6 11.7 29.5 9 99.5 9 132.1s2.7 102.7-9 132.1z"/></svg>](https://www.instagram.com/see_estadistica/)
]]

.pull-right[
.center[
### [@see_estadistica <svg aria-hidden="true" role="img" viewBox="0 0 512 512" style="height:1em;width:1em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:currentColor;overflow:visible;position:relative;"><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>](https://twitter.com/see_estadistica)

### [@sosecuest <svg aria-hidden="true" role="img" viewBox="0 0 496 512" style="height:1em;width:0.97em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:currentColor;overflow:visible;position:relative;"><path d="M248,8C111.033,8,0,119.033,0,256S111.033,504,248,504,496,392.967,496,256,384.967,8,248,8ZM362.952,176.66c-3.732,39.215-19.881,134.378-28.1,178.3-3.476,18.584-10.322,24.816-16.948,25.425-14.4,1.326-25.338-9.517-39.287-18.661-21.827-14.308-34.158-23.215-55.346-37.177-24.485-16.135-8.612-25,5.342-39.5,3.652-3.793,67.107-61.51,68.335-66.746.153-.655.3-3.1-1.154-4.384s-3.59-.849-5.135-.5q-3.283.746-104.608,69.142-14.845,10.194-26.894,9.934c-8.855-.191-25.888-5.006-38.551-9.123-15.531-5.048-27.875-7.717-26.8-16.291q.84-6.7,18.45-13.7,108.446-47.248,144.628-62.3c68.872-28.647,83.183-33.623,92.511-33.789,2.052-.034,6.639.474,9.61,2.885a10.452,10.452,0,0,1,3.53,6.716A43.765,43.765,0,0,1,362.952,176.66Z"/></svg>](https://t.me/sosecuest)
]]