Un marco de datos (o dataframe) en R es un arreglo de elementos que nos puede recordar a las matrices. ya que también está compuesto por filas y columnas. Sin embargo, hay diferencias con aquellas, por ejemplo, las columnas se corresponden con las variables del conjunto de datos y las filas con las observaciones de este. Otra diferencia es que un marco de datos puede contener tipos de datos diferentes: numéricos, textuales, lógicos, factores y demás.
Explorando un marco de datos
Vamos a cargar en R un marco de datos que ya viene con su instalación: mtcars. Basta con escribir su nombre:
Como podemos notar, son demasiados datos. Podemos mostrar unos cuantos de ellos si utilizamos la sentencia head() para los primeros o tail() para los últimos. Mostremos los primeros cinco y los últimos cuatro:
Code
# Mostremos los primeros cinco elementoshead(mtcars, 5)
Esto nos mostrará el número de observaciones y de variables, además de enlistar estas últimas junto con su tipo de dato y sus primeras observaciones.
Creando un marco de datos
Vamos a crear nuestro propio marco de datos a partir de unos vectores. Tomaremos de ejemplo unos que contienen información sobre los planetas de nuestro sistema solar: tipo de planeta, el diámetro y la rotación en proporción con el diámetro de la Tierra, y si tiene anillos o no.
Contamos con variables textuales, numéricas y lógicas.
Seleccionando elementos
Se realiza con la misma lógica que las matrices, es decir, usando corchetes y dos índices, el primero para las filas y el segundo para las columnas. A modo de ejemplo, seleccionemos y mostremos el diámetro de Mercurio (se encuentra en la primera fila y tercera columna):
Code
planetas[1,3]
[1] 0.382
Ahora mostremos toda la información de Marte (cuarta fila):
Code
planetas[4,]
nombre tipo diametro rotacion anillos
4 Marte Terrestre 0.532 1.03 FALSE
También es posible seleccionar los elementos con base en el nombre de la columna (o más bien, el de la variable). Por ejemplo, vamos a buscar e imprimir solo el diámetro de los primeros cinco planetas:
Code
planetas[1:5, "diametro"]
[1] 0.382 0.949 1.000 0.532 11.209
Por otro lado, si lo que queremos es mostrar toda una columna, simplemente escribimos el nombre del marco seguido por el signo $ y enseguida el nombre de dicha columna:
Por último, si tenemos variables lógicas, podemos seleccionar las observaciones de las cuales el valor sea verdadero. Tomemos como ejemplo si el planeta tiene anillos o no. Si escribimos el nombre de la variable como criterio de selección, solo mostrará aquellas filas en las que dicha variable tenga el valor TRUE:
Una función muy útil es subset(), la cual nos permite crear subconjuntos dentro de los marcos de datos que cumplan cierto criterio. Pudimos haberla usado para seleccionar solo planetas con anillos:
Code
# Subconjunto de planetas con anillossubset(planetas, anillos)
Es posible ordenar los datos de un marco con base en el valor de alguna de sus variables. Para ello echamos mano de la función order(), la cual nos da la posición de cada elemento enlistado y que si la aplicamos a un marco lo ordena, siempre y cuando la usemos como sigue:
Code
# Ordenamos filas de acuerdo al diámetroplanetas[order(planetas$diametro),]
