sap0408 / c-digo-fundamentos-r--

Analizando datos de economía naranja con R

Fundamentos-R-PLATZI

Analizando datos de economía naranja con R. Jugando con mtcars antes de procesar orange economy.

#EDA Scatter plot mtcars plot(mtcars$mpg ~ mtcars$cyl, xlab="cilindros", ylab = "millas por galón", main="Relación cilindros y millas por galón")

plot(mtcars$mpg ~ mtcars$hp, xlab="caballos de fuerza", ylab = "millas por galón", main="Relación caballos de fuerza y millas por galón")

#EDA orangeec

plot(orangeec$Unemployment ~ orangeec$Education.invest...GDP, xlab="Inversión educación (%PIB)", ylab = "Desempleo", main="Relación inversión en educación y desempleo")

#Otro plot plot(orangeec$GDP.PC ~ orangeec$Creat.Ind...GDP, xlab="Aporte economia naranja al PIB(%)", ylab = "PIB per cápita", main="Relación economía naranja y pib per cápita")

#histograma mtcars qplot qplot(mtcars$hp, geom="histogram", xlab="caballos de fuerza", main="Carros según caballos de fuerza")

#ahora con ggplot ggplot(mtcars, aes(x=hp))+ geom_histogram()+ labs(x="Caballos de fuerza", y="Cantidad de carros", title="Caballos de fuerza en carros seleccionados")+ theme(legend.position = "none")+ theme(panel.background = element_blank(),panel.grid.major = element_blank(), panel.grid.minor = element_blank())

#ggplot y ajustando tamaño de barras con binwidth ggplot(mtcars, aes(x=hp))+ geom_histogram(binwidth = 30)+ labs(x="Caballos de fuerza", y="Cantidad de carros", title="Caballos de fuerza en carros seleccionados")+ theme(legend.position = "none")+ theme(panel.background = element_blank(),panel.grid.major = element_blank(), panel.grid.minor = element_blank())

#hist mtcars ggplot()+geom_histogram(data=mtcars, aes(x=hp),fill="blue",color="red", binwidth = 20)+ labs(x="Caballos de fuerza", y="Cantidad de carros", title="Caballos de fuerza en carros seleccionados")+ xlim(c(80,280))+ theme(legend.position = "none")+ theme(panel.background = element_blank(), panel.grid.major = element_blank(), panel.grid.minor = element_blank())

#hist orangeec ggplot()+geom_histogram(data=orangeec, aes(x=GDP.PC),fill="blue",color="red", binwidth = 2000)+ labs(x="pib per cápita", y="Cantidad de paises", title="PIB per cápita en paises latam")+ theme(legend.position = "none")+ theme(panel.background = element_blank(), panel.grid.major = element_blank(), panel.grid.minor = element_blank())

ggplot()+geom_histogram(data=orangeec, aes(x=Creat.Ind...GDP),fill="blue",color="red", binwidth = 1)+ labs(x="Aporte economia naranja al pib(%)", y="Cantidad de paises", title="Contribución economia naranja al pib en paises latam")+ theme(legend.position = "none")+ theme(panel.background = element_blank(), panel.grid.major = element_blank(), panel.grid.minor = element_blank())

ggplot()+geom_histogram(data=orangeec, aes(x=Internet.penetration...population),fill="red",color="yellow", binwidth = 5)+ labs(x="Penetración internet(%)población", y="Cantidad de paises", title="Penetración de internet en paises latam")+ theme(legend.position = "none")+ theme(panel.background = element_blank(), panel.grid.major = element_blank(), panel.grid.minor = element_blank())

#boxplot boxplot(mtcars$hp, ylab="caballos de fuerza", main="Caballos de fuerza en carros mtcars")

#box plot con ggplot ggplot(mtcars,aes(x=as.factor(cyl),y=hp,fill=cyl))+ geom_boxplot(alpha=0.6)+ labs(x="cilindros", y="caballos de fuerza", title="Caballos de fuerza según cilindros en mtcars")+ theme(legend.position = "none")+ theme(panel.background = element_blank(), panel.grid.major = element_blank(), panel.grid.minor = element_blank())

ggplot(mtcars,aes(x=am, y=mpg, fill=am))+ geom_boxplot()+ labs(x="Tipo de caja", y="millas por galón", title="Millas por galón según tipo de caja-mtcars")+ theme(legend.position = "none")+ theme(panel.background = element_blank(), panel.grid.major = element_blank(), panel.grid.minor = element_blank())

#Cambiar etiquetas en variable. No true y false sino Manual y Automático. mtcars$am <- factor(mtcars$am, levels=c(TRUE,FALSE), labels=c("Manual","Automático"))

#Sacando promedios de variables economy <- mean(orangeec$GDP.PC) economy

#Creación de nueva variable (nueva columna) orangeec <- orangeec %>% mutate(Strong_economy = ifelse(GDP.PC < economy, "Por debajo promedio pib per cápita", "Sobre-Arriba promedio pib per cápita"))

#box plot con ggplot y colores mas bonitos usando alpha. ggplot(orangeec, aes(x=Strong_economy, y=Creat.Ind...GDP, fill=Strong_economy))+ geom_boxplot(alpha=0.4)+ labs(x="Tipo de país", y="Aporte economia naranja al pib", title="Aporte economia naranja en pib paises latam con alto y bajo pib per cápita")+ theme(legend.position = "none")+ theme(panel.background = element_blank(), panel.grid.major = element_blank(), panel.grid.minor = element_blank())

#Otro box plot ggplot(orangeec, aes(x=Strong_economy, y=Internet.penetration...population, fill=Strong_economy))+ geom_boxplot(alpha=0.4)+ labs(x="Tipo de país", y="Penetración de internet(%)", title="Penetración de internet en paises latam con alto y bajo pib per cápita")+ theme(legend.position = "none")+ theme(panel.background = element_blank(), panel.grid.major = element_blank(), panel.grid.minor = element_blank())

#Relacionar variables para identificar visualmente posibles correlaciones: Usar scatter plot con geom_point de ggplot. #scatter plot con ggplot en mtcars - dos variables ggplot(mtcars, aes(hp,mpg))+ geom_point()+ labs(x="caballos fuerza", y="millas por galón", title="Relación caballos de fuerza y millas por galón")+ theme(legend.position = "none")+ theme(panel.background = element_blank(), panel.grid.major = element_blank(), panel.grid.minor = element_blank())

#scatter plot ggplot(mtcars, aes(wt,hp))+ geom_point()+ labs(x="peso", y="potencia", title="Relación peso-potencia")+ theme(legend.position = "none")+ theme(panel.background = element_blank(), panel.grid.major = element_blank(), panel.grid.minor = element_blank())

#otro scatter plot que relaciona otras dos variables de mtcars. ggplot(mtcars, aes(hp,qsec))+ geom_point(aes(color=am, size=cyl))+ labs(s="caballos de fuerza", y="tiempo en 1/4 milla", title="caballos-velocidad según cilindraje y tipo de caja")

#scatter plot con dataset economia naranja relacionando CUATRO variables: X, y, tamaño del punto y color. ggplot(orangeec, aes(Internet.penetration...population,Creat.Ind...GDP))+ geom_point(aes(color=factor(Strong_economy), size=GDP.Growth..))+ labs(x="Penetración Internet", y="Aporte economia naranja PIB", title="Internet y aporte economia naranja según economia y crecimiento pib")

#Promedios en variable de economia naranja. education <- mean(orangeec$Education.invest...GDP) education

#Creando una nueva variable (columna) en data set economia naranja. orangeec <- orangeec %>% mutate(Inversión_Educación = ifelse(Education.invest...GDP < education, "Por debajo del promedio de inversión", "Igual-sobre promedio de inversión"))

#Scatter plot con cuatro variables. Una es la nueva clasificación según promedio de educación en educación. ggplot(orangeec, aes(Internet.penetration...population,Creat.Ind...GDP))+ geom_point(aes(color=factor(Inversión_Educación), size=GDP.Growth..))+ labs(x="Penetración Internet", y="Aporte economia naranja PIB", title="Internet y aporte economia naranja según crecimiento pib e inversión en educación")

#Preparando el uso de ggplotly my_graph <- ggplot(orangeec, aes(Internet.penetration...population, Creat.Ind...GDP,label=row.names(orangeec)))+ geom_point()+ labs(x="Penetración internet", y="Aporte economia naranja", title="Penetración Internet y aporte economia naranja") my_graph

p = ggplotly(my_graph) p

#Ahora varios scatter plot a la vez con pairs. pairs(mtcars)

#Selección de variables a relacionar usando subset newdata <- subset(mtcars, select=c(2,7:8,11,12)) pairs(newdata)

#La misma selección pero eliminando las variables que no se quieren. pairs(mtcars[,-c(1,3,4,5,6,9,10)])

#Filtrado de observaciones según una variable millas por galón. Eficientes <- filter(mtcars, mpg >=30) Eficientes

pairs(Eficientes[,2:6])

#Ubicando observaciones que empiezan con determinadas letras. En este caso, nombres de carros que empiecen por "merc". merc <- mtcars %>% filter(str_detect(model,"Merc")) merc

#varios scatter plot de solo ese tipo de carros (merc) relacionando las variables 2 a la 6 pairs(merc[,2:6])

#Relacion de variables de todas las observaciones de mtcars, de las columnas 2 a la 6. pairs(mtcars[,2:6])

#Correlación para confirmar con número (entre 1 y -1) si efectivamente existe correlación. cor(mtcars[,2:6])

#Sacando las correlaciones de las graficas que ya teníamos con pairs. Lo unico que cambia es pairs, por "cor". cor(newdata)

cor(merc[,2:6])

#Ahora con economia naranja. pairs(orangeec[,2:6])

pairs(orangeec[,5:10])

newdata <- subset(orangeec,select=c(5,6,10,11,12,13)) newdata

pairs(newdata)

#En esta correlación veremos "NA" porque hay espacios vacios... cor(orangeec[,2:6])

#Entonces anulamos los espacios vacios pidiendo a R que solo correlacione las observaciones completas: "complete.obs" cor(orangeec[,2:6],use="complete.obs")

cor(orangeec[,5:10],use="complete.obs")

cor(newdata, use="complete.obs")

#Resúmen:valores claves en estadística. summary(mtcars)

#desviación estandar: standard deviation (sd) sd(mtcars$mpg) desv <- sd(mtcars$mpg) mean(mtcars$mpg)

prom <- mean(mtcars$mpg) prom

#Coeficiente de variación de la desviación para saber qué tan desviados estan los datos del promedio. CoefVar <- (desv/prom)*100 CoefVar

#Ahora lo mismo para economia naranja. summary(orangeec)

sd(orangeec$Internet.penetration...population) desv <- sd(orangeec$Internet.penetration...population) desv

mean(orangeec$Internet.penetration...population) prom <- mean(orangeec$Internet.penetration...population) prom

CoefVar <- (desv/prom)*100 CoefVar

summary(orangeec)

mean(orangeec$Creat.Ind...GDP) mean(orangeec$Creat.Ind...GDP, na.rm=TRUE) prom <- mean(orangeec$Creat.Ind...GDP, na.rm=TRUE)

sd(orangeec$Creat.Ind...GDP) sd(orangeec$Creat.Ind...GDP, na.rm=TRUE) desv <- sd(orangeec$Creat.Ind...GDP, na.rm=TRUE)

CoefVar <- (desv/prom)*100 CoefVar

#Ajustando datos para mejorar visualizaciones eficientes <- mean(mtcars$mpg) eficientes

mtcars <- mtcars %>% mutate(Mas_eficientes=ifelse(mpg<eficientes, "bajo promedio","en ó sobre promedio"))

Mas_veloces <- mtcars[mtcars$qsec<16,] Mas_veloces

mtcars <- mtcars %>% mutate(Velocidad_Cuarto_milla=ifelse(qsec < 16, "Menos 16 segs", "Mas 16 segs"))

#Creando nueva variable con mutate (nueva columna) mtcars <- mtcars %>% mutate(Peso_kilos=(wt/2)*1000)

#Y rebautizando datos de variables según selección. mtcars <- mtcars %>% mutate(Peso=ifelse(Peso_kilos <= 1500, "Livianos", "Pesados"))

orangeec <- orangeec %>% mutate(Crecimiento_GDP = ifelse(GDP.Growth.. >= 2.5, "2.5% ó más","Menos 2.5%"))

orangeec <- orangeec %>% mutate(Anaranjados=ifelse(Creat.Ind...GDP >= 2.5, "Mas anaranjados", "Menos anaranjados"))

#Para ver ranking, pedimos un orden en sentido descendente con arrange y desc orangeec %>% arrange(desc(Creat.Ind...GDP))

#Buscando paises con nombres especificos con %in% TopNaranjas <- orangeec %>% filter(Country %in% c("Mexico", "Panama", "Argentina", "Colombia", "Brazil","Paraguay"))

TopNaranjas

TopNaranjas %>% arrange(desc(Creat.Ind...GDP))

mtcars %>% arrange(desc(Peso_kilos))

Mas_pesados <- mtcars %>% filter(model %in% c("Lincoln Continental", "Chrysler Imperial", "Cadillac Fleetwood", "Merc 450SE"))

Mas_pesados

#viendo varios scatter plot en una misma imagen, usando facet_wrap ggplot(Mas_pesados, aes(x=hp, y=mpg))+ geom_point()+ facet_wrap(~model)

ggplot(mtcars, aes(x=cyl, y=mpg, size=Peso))+ geom_point()+ facet_wrap(~ am)

ggplot(TopNaranjas, aes(x=Internet.penetration...population, y=Services...GDP, size=GDP.PC))+ geom_point()+ facet_wrap(~Country)

ggplot(TopNaranjas, aes(x=Education.invest...GDP, y=Creat.Ind...GDP, size=Unemployment))+ geom_point()+ facet_wrap(~Country)

#A divertirse con R. Me cuentan!