11 Filtrado de datos
En esta clase, aprenderemos diferentes técnicas para filtrar datos en R. El filtrado de datos es una operación fundamental en el análisis de datos, ya que nos permite seleccionar subconjuntos específicos de nuestros datos con base en ciertos criterios.
Filtrado básico utilizando operadores lógicos
El filtrado básico de datos se realiza utilizando operadores lógicos para evaluar condiciones y seleccionar las filas que cumplan con esas condiciones. A continuación, mostraremos algunos ejemplos utilizando las bases de datos predeterminadas en R.
Ejemplo 1: Filtrado de datos en la base de datos “mtcars”
La base de datos “mtcars” contiene información sobre diferentes modelos de automóviles. Supongamos que queremos filtrar los datos para obtener solo los automóviles con más de 200 caballos de fuerza (hp). Podemos hacerlo de la siguiente manera:
En este ejemplo, utilizamos la notación de corchetes [] para seleccionar las filas que cumplen con la condición mtcars$hp > 200. El resultado se asigna a un nuevo objeto llamado “mtcars_filtered”.
Ejemplo 2: Filtrado de datos en la base de datos “iris”
La base de datos “iris” contiene información sobre diferentes especies de flores. Supongamos que queremos filtrar los datos para obtener solo las flores de la especie “versicolor”. Podemos hacerlo de la siguiente manera:
En este ejemplo, utilizamos la condición iris$Species == "versicolor" para seleccionar las filas correspondientes a la especie “versicolor” en la columna “Species”.
Filtrado avanzado utilizando funciones del paquete dplyr
El paquete dplyr ofrece un conjunto de funciones que facilitan el filtrado y manipulación de datos en R. Estas funciones proporcionan una sintaxis más clara y concisa, lo que facilita la escritura y comprensión del código.
Ejemplo 3: Filtrado de datos utilizando la función filter()
Continuando con el ejemplo anterior de la base de datos “mtcars”, podemos utilizar la función filter() del paquete dplyr para realizar el filtrado:
Attaching package: 'dplyr'
The following objects are masked from 'package:stats':
filter, lag
The following objects are masked from 'package:base':
intersect, setdiff, setequal, union
En este ejemplo, utilizamos el operador %>% (pipe) para encadenar la función filter() con el conjunto de datos “mtcars”. La condición hp > 200 se especifica como argumento de la función filter().
Ejemplo 4: Filtrado de datos utilizando la función filter() y múltiples condiciones
En ocasiones, es necesario utilizar múltiples condiciones para filtrar los datos. Por ejemplo, supongamos que queremos obtener los automóviles con más de 200 caballos de fuerza (hp) y una transmisión manual. Podemos hacerlo de la siguiente manera:
En este ejemplo, utilizamos las condiciones hp > 200 y am == 1 para seleccionar los automóviles que cumplen ambas condiciones.
Recursos adicionales
Aquí tienes algunos recursos adicionales que puedes consultar para obtener más información sobre el filtrado de datos en R:
- Documentación oficial de R sobre el operador de subconjunto: Extract or Replace Parts of an Object
- Documentación oficial de R sobre el paquete dplyr : dplyr - A Grammar of Data Manipulation
- Documentación oficial de R sobre el paquete tidyr : tidyr - Tidy Messy Data