12 Transformación de datos
En esta clase, exploraremos técnicas para transformar datos en R. La transformación de datos implica cambiar la estructura o contenido de los datos para que sean más adecuados para el análisis o la visualización. R ofrece una variedad de funciones y paquetes que facilitan la transformación de datos de manera eficiente.
Transformación básica utilizando funciones integradas
R proporciona una serie de funciones integradas que permiten realizar transformaciones básicas en los datos. A continuación, veremos algunos ejemplos de estas transformaciones utilizando las bases de datos predeterminadas en R.
Ejemplo 1: Cambio de nombres de columnas
Supongamos que queremos cambiar el nombre de la columna “mpg” en la base de datos “mtcars” a “consumo_mpg”. Podemos hacerlo de la siguiente manera:
En este ejemplo, utilizamos el operador $ para acceder a la columna “mpg” y asignamos sus valores a una nueva columna “consumo_mpg”.Luego, eliminamos la columna original “mpg” con la función NULL.
Ejemplo 2: Creación de una nueva columna
Supongamos que queremos calcular el rendimiento en kilómetros por litro (kpl) a partir de los valores en la columna “consumo_mpg” de la base de datos “mtcars”. Podemos hacerlo de la siguiente manera:
En este ejemplo, multiplicamos los valores de la columna “consumo_mpg” por el factor de conversión de millas a kilómetros (0.425144) para calcular el rendimiento en kpl.
Transformación avanzada utilizando el paquete dplyr
El paquete dplyr ofrece un conjunto de funciones que simplifican la transformación de datos y permiten realizar operaciones más complejas de manera sencilla.
Ejemplo 3: Uso de la función mutate()
La función mutate() del paquete dplyr permite crear nuevas columnas basadas en cálculos realizados en las columnas existentes. Supongamos que queremos agregar una columna que indique si un automóvil tiene un rendimiento superior a la media. Podemos hacerlo de la siguiente manera:
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 la función mutate() en conjunto con el operador %>% para crear la nueva columna “alto_rendimiento”. La función ifelse() evalúa la condición consumo_mpg > mean(consumo_mpg) y asigna valores lógicos (TRUE o FALSE) a la columna.
Ejemplo 4: Uso de la función transmute()
La función transmute() del paquete dplyr permite crear un nuevo conjunto de datos que incluye solo las columnas creadas y transformadas. Supongamos que queremos crear un nuevo conjunto de datos que incluya las columnas “modelo”, “consumo_mpg” y “rendimiento_kpl”. Podemos hacerlo de la siguiente manera:
En este ejemplo, utilizamos la función transmute() para seleccionar y transformar las columnas especificadas en el nuevo conjunto de datos.
Recursos adicionales
A continuación, te proporcionamos algunos recursos adicionales que pueden ser útiles para aprender más sobre la transformación de datos en R:
- Documentación oficial de R sobre la función
ifelse(): ifelse - R Documentation - 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
Ejercicios
Dada la base de datos iris que contiene información sobre diferentes especies de iris, cambia los nombres de las columnas a longitud_sepalo, ancho_sepalo, longitud_petalo, ancho_petalo y especie.
Dada la base de datos mtcars que contiene información sobre diferentes modelos de autos, crea una nueva columna consumo_combustible que calcule el consumo de combustible en millas por galón (mpg).
Para realizar la conversión de \(mpg\) a \(km/l\), se utiliza el escalar \(0.4251\), dividiéndolo por los \(mpg\)
Dada la base de datos airquality que contiene información sobre la calidad del aire en Nueva York, utiliza la función mutate() para agregar una nueva columna temperatura_fahrenheit que convierta la temperatura de Celsius a Fahrenheit.
Dada la base de datos mtcars que contiene información sobre diferentes modelos de automóviles, filtra los datos para incluir solo los autos con una potencia (hp) mayor a 100 y utiliza mutate() para crear una nueva columna potencia_por_cilindro que sea la potencia dividida por el número de cilindros (cyl).