Programación con R

class: center, middle, inverse, title-slide

# Programación con R
## Clase 2
### <img src = 'https://github.com/Soma-dos-Quadrados/ArtesSoma/blob/main/simbolo_smfundo4.png?raw=true' width = '25%'>
### Marília Melo Favalesso

---

## Archivos

- [`clase_2.R`](clase_2.R)
- [datos.xlsx](datos.xlsx)
- [datos.txt](datos.txt)
- [datos.csv](datos.csv)
- [tidy_ej.xlsx](tidy_ej.xlsx)

## Contenido de hoy

.pull-left[
- [Manejo de objetos en R](#manejo)
- [¿Cómo armar mi tabla de datos?](#tabla)
- [Tidyverse](#tidyverse)
- [Importar datos a R](#importar)
]

.pull-right[
- [Operador pipe (`%>%`)](#pipe)
- [tidyr](#tidyr)
- [dplyr](#dplyr)
]

---
name: manejo
class: middle, center

# Manejo de datos

---
## Manejo de datos

### Indexación

- Los objetos son conjuntos *indexados* - Esto nos permite acceder a cada valor de manera individual.

- Comprender la indexación es fundamental para manipular datos en **R**.

- Usamos corchetes (`[]`) para acceder a la posición de los elementos de un objeto.

.center[<img src="figs/1-objetos.png" style="width: 90%;">]

---
## Manejo de datos

### Indexación

#### Gestión de datos unidimensionales `[L]`

- Seleccionar elementos

.center[<img src="figs/2-vetor1.png" style="width: 50%;">]

- No **R**:

```r
ve = c(11, 12, 13, 14, 15, 16)
ve
```

```
## [1] 11 12 13 14 15 16
```

---
## Manejo de datos

### Indexación

#### Gestión de datos unidimensionales `[L]`

- Seleccionar elementos

.center[<img src="figs/3-vetor2.png" style="width: 50%;">]

- No **R**:

```r
ve <- c(11, 12, 13, 14, 15, 16)
ve
```

```
## [1] 11 12 13 14 15 16
```

```r
ve[1]
```

```
## [1] 11
```

---
## Manejo de datos

### Indexación

#### Gestión de datos unidimensionales `[L]`

- Seleccionar elementos

```r
ve[2] # selecciona solo el segundo elemento
```

```
## [1] 12
```

```r
ve[c(2, 4)] # selecciona los elementos en la segunda y cuarta posición
```

```
## [1] 12 14
```

```r
ve[4:6] # selecciona los entre la cuarta y sexta posición
```

```
## [1] 14 15 16
```

---
## Manejo de datos

### Indexación

#### Gestión de datos unidimensionales `[L]`

- Quitar elementos

.center[<img src="figs/2-vetor1.png" style="width: 50%;">]

```r
ve = c(11, 12, 13, 14, 15, 16)
ve
```

```
## [1] 11 12 13 14 15 16
```

---
## Manejo de datos

### Indexación

#### Gestión de datos unidimensionales `[L]`

- Quitar elementos

.center[<img src="figs/5-vetor4.png" style="width: 50%;">]

```r
ve = c(11, 12, 13, 14, 15, 16)
ve
```

```
## [1] 11 12 13 14 15 16
```

```r
ve[-1]
```

```
## [1] 12 13 14 15 16
```

---
## Manejo de datos

### Indexación

#### Gestión de datos unidimensionales `[L]`

- Quitar elementos

```r
ve[-2] # quitar solo el segundo elemento
```

```
## [1] 11 13 14 15 16
```

```r
ve[-c(2, 4)] # quitar los elementos en la segunda y cuarta posición
```

```
## [1] 11 13 15 16
```

```r
ve[-c(4:6)] # quitar los entre la cuarta y sexta posición
```

```
## [1] 11 12 13
```

---
## Manejo de datos

### Indexación

#### Gestión de datos bidimensionales `[L,C]`

- Seleccionar elementos

.center[<img src="figs/6-bi1.png" style="width: 50%;">]

---
## Manejo de datos

### Indexación

#### Gestión de datos bidimensionales `[L,C]`

- Seleccionar elementos

.center[<img src="figs/7-bi2.png" style="width: 50%;">]

---
## Manejo de datos

### Indexación

#### Gestión de datos bidimensionales `[L,C]`

- Seleccionar elementos

```r
ma <- matrix(data = (c(1:25)), nrow = 5, ncol = 5, byrow = TRUE) # crear una matriz
ma
```

```
##      [,1] [,2] [,3] [,4] [,5]
## [1,]    1    2    3    4    5
## [2,]    6    7    8    9   10
## [3,]   11   12   13   14   15
## [4,]   16   17   18   19   20
## [5,]   21   22   23   24   25
```

```r
ma[2,2] # seleccionar el valor de la segunda línea y la segunda columna.
```

```
## [1] 7
```

---
## Manejo de datos

### Indexación

#### Gestión de datos bidimensionales `[L,C]`

- Seleccionar elementos

```r
ma[3:4, c(3, 5)] # seleccione las lineas 3 y 4 y las columnas 3 y 5
```

```
##      [,1] [,2]
## [1,]   13   15
## [2,]   18   20
```

```r
ma[c(1,5), 3:5] # seleccione las lineas 1 y 5 y las columnas entre 3 - 5
```

```
##      [,1] [,2] [,3]
## [1,]    3    4    5
## [2,]   23   24   25
```

> Es posible seleccionar más de una fila y columna al mismo tiempo.

---
## Manejo de datos

### Indexación

#### Gestión de datos bidimensionales `[L,C]`

- Quitar elementos

.center[<img src="figs/6-bi1.png" style="width: 50%;">]

---
## Manejo de datos

### Indexación

#### Gestión de datos bidimensionales `[L,C]`

- Quitar elementos

.center[<img src="figs/8-bi3.png" style="width: 50%;">]

---
## Manejo de datos

### Indexación

#### Gestión de datos bidimensionales `[L,C]`

- Quitar elementos

```r
ma[-2, -2] # menos la fila dos y la columna dos
```

```
##      [,1] [,2] [,3] [,4]
## [1,]    1    3    4    5
## [2,]   11   13   14   15
## [3,]   16   18   19   20
## [4,]   21   23   24   25
```

```r
ma[-c(1, 4), -2:-3] # menos las filas 1 y 4 y las columnas 2 y 3
```

```
##      [,1] [,2] [,3]
## [1,]    6    9   10
## [2,]   11   14   15
## [3,]   21   24   25
```

---
## Manejo de datos

### Indexación

#### Gestión de datos bidimensionales `[L,C]`

- También podemos usar el nombre de las filas y columnas para manejar los datos: `[nombre_linea, nombre_columna]`.

```r
rownames(ma) = paste("nomlin", 1:5, sep = "_") # nombre en las lineas
colnames(ma) = paste("nomcol", 1:5, sep = "_") # nombre en las columnas
ma # la tabla
```

```
##          nomcol_1 nomcol_2 nomcol_3 nomcol_4 nomcol_5
## nomlin_1        1        2        3        4        5
## nomlin_2        6        7        8        9       10
## nomlin_3       11       12       13       14       15
## nomlin_4       16       17       18       19       20
## nomlin_5       21       22       23       24       25
```

```r
ma["nomlin_2", "nomcol_3"] # selecciona linea 2 y columna 3
```

```
## [1] 8
```

---
## Manejo de datos

### Indexación

#### Gestión de *data frame* `$`:

> El operador `$` se utiliza para extraer elementos con nombre de un **data frame**.

.pull-left[

```r
# vectores
grupo <- rep(c("CT", "EXP"), 5)
valor <- sample(1:50, 10)
genero <- sample(c("H", "M"), 10, replace = T)
```

```r
# data-frame
dt <- data.frame(grupo, valor, genero)
```

```r
# resultado
dt
```
]

.pull-right[

```
##    grupo valor genero
## 1     CT    37      M
## 2    EXP    40      H
## 3     CT    16      H
## 4    EXP    49      H
## 5     CT    24      M
## 6    EXP     3      H
## 7     CT     1      M
## 8    EXP     6      M
## 9     CT    21      H
## 10   EXP    38      H
```
]

---
## Manejo de datos

### Indexación

#### Gestión de *data frame* con `$`:

- El operador `$` se utiliza para extraer elementos con nombre de un *data frame*.

```r
dt$grupo
```

```
##  [1] "CT"  "EXP" "CT"  "EXP" "CT"  "EXP" "CT"  "EXP" "CT"  "EXP"
```

```r
dt$valor
```

```
##  [1] 37 40 16 49 24  3  1  6 21 38
```

```r
dt$genero
```

```
##  [1] "M" "H" "H" "H" "M" "H" "M" "M" "H" "H"
```

---
## Manejo de datos

### Indexación

#### Gestión de *data frame* con `$`:

- Para cambiar la clase de elementos de una columna:

```r
class(dt$grupo)
```

```
## [1] "character"
```

```r
dt$grupo <- as.factor(dt$grupo)
dt$grupo
```

```
##  [1] CT  EXP CT  EXP CT  EXP CT  EXP CT  EXP
## Levels: CT EXP
```

```r
class(dt$grupo)
```

```
## [1] "factor"
```

---
## Manejo de datos

### Indexación

#### Gestión de *data frame* con `$`:

- Para cambiar la clase de elementos de una columna:

```r
class(dt$valor)
```

```
## [1] "integer"
```

```r
dt$valor <- as.numeric(dt$valor)
dt$valor
```

```
##  [1] 37 40 16 49 24  3  1  6 21 38
```

```r
class(dt$valor)
```

```
## [1] "numeric"
```

---
## Manejo de datos

### Indexación

#### Gestión de *data frame* con `$`:

- agregar una nueva columna:

.pull-left[

```r
# antes
dt
```

.pull-right[

```r
# después
dt$ID <- 1:10; dt
```

```
##    grupo valor genero ID
## 1     CT    37      M  1
## 2    EXP    40      H  2
## 3     CT    16      H  3
## 4    EXP    49      H  4
## 5     CT    24      M  5
## 6    EXP     3      H  6
## 7     CT     1      M  7
## 8    EXP     6      M  8
## 9     CT    21      H  9
## 10   EXP    38      H 10
```
]

---
## Manejo de datos

### Indexación

#### Gestión de *data frame* con `$`:

- Usamos el `$` para separar una variable de un **data.frame**.

- Esta variable ahora se puede manejar como un *objeto unidimensional*.

.pull-left[

```r
# selecciona el primero elemento
dt$valor
```

```
##  [1] 37 40 16 49 24  3  1  6 21 38
```

```r
dt$valor[1] 
```

```
## [1] 37
```
]

.pull-right[

```r
# elimina los valores en las posiciones 3 y 4
dt$genero
```

```
##  [1] "M" "H" "H" "H" "M" "H" "M" "M" "H" "H"
```

```r
dt$genero[-c(3:4)] 
```

```
## [1] "M" "H" "M" "H" "M" "M" "H" "H"
```
]

---
## Manejo de datos

### Indexación

#### Gestión de datos *n* dimensionales `[L,C,D]`

- Seleccionar elementos

.center[<img src="figs/9-array1.png" style="width: 40%;">]

---
## Manejo de datos

### Indexación

#### Gestión de datos *n* dimensionales `[L,C,D]`

- Seleccionar elementos

.center[<img src="figs/10-array2.png" style="width: 40%;">]

---
## Manejo de datos

### Indexación

#### Gestión de datos *n* dimensionales `[L,C,D]`

- Seleccionar elementos

.pull-left[

```r
ar <- array(data = c(1:8), dim = c(2, 2, 2)); ar # array
```

```
## , , 1
## 
##      [,1] [,2]
## [1,]    1    3
## [2,]    2    4
## 
## , , 2
## 
##      [,1] [,2]
## [1,]    5    7
## [2,]    6    8
```
]

.pull-right[

```r
ar[,,1] # dimensión 1
```

```
##      [,1] [,2]
## [1,]    1    3
## [2,]    2    4
```

```r
ar[,2,1] # columna 2 y dimensión 1
```

```
## [1] 3 4
```

```r
ar[2,2,1] # linea 2, columna 2 y dimensión 1
```

```
## [1] 4
```
]

---
## Manejo de datos

### Indexación

#### Gestión de datos *n* dimensionales `[L,C,D]`

- Quitar elementos.

.center[<img src="figs/9-array1.png" style="width: 40%;">]

---
## Manejo de datos

### Indexación

#### Gestión de datos *n* dimensionales `[L,C,D]`

- Quitar elementos.

.center[<img src="figs/11-array3.png" style="width: 40%;">]

---
## Manejo de datos

### Indexación

#### Gestión de datos *n* dimensionales `[L,C,D]`

- Quitar elementos.

.pull-left[

```r
ar
```

```
## , , 1
## 
##      [,1] [,2]
## [1,]    1    3
## [2,]    2    4
## 
## , , 2
## 
##      [,1] [,2]
## [1,]    5    7
## [2,]    6    8
```

]

.pull-right[

```r
ar[,,-1] # dimensión
```

```
##      [,1] [,2]
## [1,]    5    7
## [2,]    6    8
```

```r
ar[,-2,-1] # columna y dimensión
```

```
## [1] 5 6
```

```r
ar[-2,-2,-1] # fila, columna y dimensión
```

```
## [1] 5
```
]

---
## Manejo de datos

### Indexación

#### Ejercicios

Trabajará con una tabla de datos que no es suya (son datos secundarios). Esta tabla corresponde a datos de pacientes tratados en un hospital de su ciudad.

<table class="table" style="">
 <thead>
  <tr>
   <th style="text-align:left;"> Pacientes </th>
   <th style="text-align:right;"> Barrio </th>
   <th style="text-align:left;"> Genéro </th>
   <th style="text-align:right;"> Edad </th>
   <th style="text-align:right;"> Año </th>
   <th style="text-align:left;"> Médico </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:left;"> Paciente_1 </td>
   <td style="text-align:right;"> 12 </td>
   <td style="text-align:left;"> F </td>
   <td style="text-align:right;"> 57 </td>
   <td style="text-align:right;"> 2020 </td>
   <td style="text-align:left;"> A </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Paciente_2 </td>
   <td style="text-align:right;"> 28 </td>
   <td style="text-align:left;"> M </td>
   <td style="text-align:right;"> 60 </td>
   <td style="text-align:right;"> 2021 </td>
   <td style="text-align:left;"> B </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Paciente_3 </td>
   <td style="text-align:right;"> 7 </td>
   <td style="text-align:left;"> F </td>
   <td style="text-align:right;"> 39 </td>
   <td style="text-align:right;"> 2021 </td>
   <td style="text-align:left;"> C </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Paciente_4 </td>
   <td style="text-align:right;"> 20 </td>
   <td style="text-align:left;"> M </td>
   <td style="text-align:right;"> 56 </td>
   <td style="text-align:right;"> 2020 </td>
   <td style="text-align:left;"> A </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Paciente_5 </td>
   <td style="text-align:right;"> 19 </td>
   <td style="text-align:left;"> F </td>
   <td style="text-align:right;"> 67 </td>
   <td style="text-align:right;"> 2018 </td>
   <td style="text-align:left;"> B </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Paciente_6 </td>
   <td style="text-align:right;"> 8 </td>
   <td style="text-align:left;"> M </td>
   <td style="text-align:right;"> 33 </td>
   <td style="text-align:right;"> 2018 </td>
   <td style="text-align:left;"> C </td>
  </tr>
</tbody>
</table>

---
## Manejo de datos

### Indexación

#### Ejercicios

0 - Cree la tabla como un `data.frame` en **R**.

1 - Trabajarás con las variables "género", "edad", "barrio" y "médico". Descarte las otras variables de la tabla.

2 - En su estudio, solo trabajará con personas que se identifiquen con el género femenino. Seleccione solo los datos correspondientes a estas personas.

3 - Agregue una columna que contenga el motivo de la búsqueda de atención médica: Paciente 1 = "tratamiento hormonal", Paciente 3 = "Problemas gástricos", Paciente 5 = "Sospecha de dengue".

4 - Cambie la clase de variable "edad" para `numeric`.

---
## Manejo de datos

### Seleccionar elementos por condición (**vector**)

<br>
.center[<img src="figs/14-cond.png" style="width: 40%;">]
<br>

> Operadores relacionales con salidas** booleanas** (VERDADERO o FALSO).

---
## Manejo de datos

### Seleccionar elementos por condición (**vector**)

<br>
.center[<img src="figs/15-cond2.png" style="width: 40%;">]

> Comparación de objetos: **A** *con* **B**. <br>
> Operadores relacionales con salidas** booleanas** (VERDADERO o FALSO).

---
## Manejo de datos

### Seleccionar elementos por condición (**vector**)

- Operadores relacionales con salidas booleanas (VERDADERO o FALSO).

```r
A <- 6; B <- 28
```

.pull-left[

```r
A == B # A es igual a B?
```

```
## [1] FALSE
```

```r
A != B # A es distinto de B?
```

```
## [1] TRUE
```

```r
A > B # A es mayor que B?
```

```
## [1] FALSE
```

```r
A <= B # A menor o igual que?
```

```
## [1] TRUE
```
]

.pull-right[

```r
A >= B # A es mayor o igual que B?
```

```
## [1] FALSE
```

```r
A < B # A es menor que B?
```

```
## [1] TRUE
```

```r
A %in% B # A en B?
```

```
## [1] FALSE
```

```r
A != B # A no es igual B?
```

```
## [1] TRUE
```
]

---
## Manejo de datos

### Seleccionar elementos por condición (**vector**)

- Operadores relacionales con salidas **booleanas** (VERDADERO o FALSO).

```r
ve <- c(10, 15, 30, 32, 50, 68, 70)
ve
```

```
## [1] 10 15 30 32 50 68 70
```

.pull-left[

```r
# ¿Qué elementos tienen el valor = 30?
ve == 30 
```

```
## [1] FALSE FALSE  TRUE FALSE FALSE FALSE FALSE
```

```r
# ¿Qué elementos tienen un valor superior a 30?
ve > 30
```

```
## [1] FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE
```
]

.pull-right[

```r
# ¿Qué elementos tienen el valor inferior a 50?
ve < 50
```

```
## [1]  TRUE  TRUE  TRUE  TRUE FALSE FALSE FALSE
```

```r
# ¿Qué elementos tienen valores mayores o iguales a 45?
ve >= 45
```

```
## [1] FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE
```
]

---
## Manejo de datos

### Seleccionar elementos por condición (**vector**)

- Elementos del vector

- ¿Qué pasa si, en lugar de querer saber cuál valor coincide con la condición y cuál no, quisiera seleccionar los valores relacionados con esa condición?

<br>
.center[<img src="figs/12-cond_vector.png" style="width: 60%;">]

.pull-left[

```r
# Antes:
ve < 30
```

```
## [1]  TRUE  TRUE FALSE FALSE FALSE FALSE FALSE
```
]

.pull-right[

```r
# Después:
ve[ve < 30]
```

```
## [1] 10 15
```
]

---
## Manejo de datos

### Seleccionar elementos por condición (**vector**)

- Elementos del vector

.pull-left[

```r
# ¿Qué elementos tienen el valor igual a 30?
ve[ve == 30]
```

```
## [1] 30
```

```r
# ¿Qué elementos valen menos de 50?
ve[ve < 50]
```

```
## [1] 10 15 30 32
```

```r
# ¿Está el ve insertado en el conjunto '32'?
ve[ve %in% 32]
```

```
## [1] 32
```
]

.pull-right[

```r
# ¿Qué elementos tienen un valor superior a 30?
ve[ve > 30]
```

```
## [1] 32 50 68 70
```

```r
# ¿Qué elementos tienen valores mayores o iguales a 45?
ve[ve >= 45]
```

```
## [1] 50 68 70
```

```r
# ¿Qué elementos son distintos de 10?
ve[ve != 10]
```

```
## [1] 15 30 32 50 68 70
```
]

---
## Manejo de datos

### Seleccionar elementos por condición (**vector**)

#### Ejercicios 🐀

Tomó muestras de ratas en tres áreas de Puerto Iguazú. En estos tres anotó la abundancia mensual de ratas durante dos años (24 meses).

```r
loc1 <- sample(1:100, 24)
loc2 <- sample(1:100, 24)
loc3 <- sample(1:100, 24)
```

1 -  En los dos años de recolección, ¿algunos de los sitios presentaron una abundancia superior a 50 ratas en un solo mes? ¿Y abundancia de menos de 20 ratas en un solo mes?

3 - ¿Alguna de las ubicaciones tiene los valores `[10, 20, 22]`?

4 - Seleccione solo las abundancias que sean mayores que 0 y cree un nuevo vector para cada local.

---
## Manejo de datos

### Seleccionar elementos por condición (**matrix/data.frame**)

<br>
.center[<img src="figs/16-cond3.png" style="width: 80%;">]
<br>

> Operadores relacionales con salidas** booleanas** (VERDADERO o FALSO).

---
## Manejo de datos

### Seleccionar elementos por condición (**matrix/data.frame**)

- Operadores relacionales con salidas **booleanas** (VERDADERO o FALSO).

```r
ma <- matrix(c(1:12), nrow = 3)
ma
```

```
##      [,1] [,2] [,3] [,4]
## [1,]    1    4    7   10
## [2,]    2    5    8   11
## [3,]    3    6    9   12
```

.pull-left[

```r
# ¿Qué elementos tienen los valores
# = 5 o 6?
ma == c(5, 6)
```

```
##       [,1]  [,2]  [,3]  [,4]
## [1,] FALSE FALSE FALSE FALSE
## [2,] FALSE  TRUE FALSE FALSE
## [3,] FALSE  TRUE FALSE FALSE
```
]

.pull-right[

```r
# ¿Qué elementos tienen el valor 
# inferior a 8?
ma < 8
```

```
##      [,1] [,2]  [,3]  [,4]
## [1,] TRUE TRUE  TRUE FALSE
## [2,] TRUE TRUE FALSE FALSE
## [3,] TRUE TRUE FALSE FALSE
```
]
---
## Manejo de datos

### Seleccionar elementos por condición (**data frame**)

- Elementos del **data.frame**.

- ¿Qué pasa si, en lugar de querer saber cuál valor coincide con la condición y cuál no, quisiera seleccionar los valores relacionados con esa condición?

<br>
.center[<img src="figs/13-cond_dataf.png" style="width: 80%;">]
<br>

```r
ma[ma == 8]
```

```
## [1] 8
```

---
## Manejo de datos

### Seleccionar elementos por condición (**matrix/data.frame**)

- Operadores relacionales con salidas **booleanas** (VERDADERO o FALSO).

```r
ma <- matrix(c(1:12), nrow = 3)
ma
```

```
##      [,1] [,2] [,3] [,4]
## [1,]    1    4    7   10
## [2,]    2    5    8   11
## [3,]    3    6    9   12
```

.pull-left[

```r
# ¿Qué elementos tienen los valores
# = 5 o 6?
ma[ma == c(5, 6)]
```

```
## [1] 5 6
```
]

.pull-right[

```r
# ¿Qué elementos tienen el valor 
# inferior a 8?
ma[ma < 8]
```

```
## [1] 1 2 3 4 5 6 7
```
]

---
## Manejo de datos

### Seleccionar elementos por condición (**data.frame**)

- En un **data.frame**, podemos separar la columna que nos interesa con el operador `$` y luego aplicar la selección por condición.

```r
# Nombra las columnas y transforma la matriz en data.frame
colnames(ma) = c("A", "B", "C", "D")
mb <- data.frame(ma)
mb
```

```
##   A B C  D
## 1 1 4 7 10
## 2 2 5 8 11
## 3 3 6 9 12
```

```r
mb$A == 1 # Para la columna "A"
```

```
## [1]  TRUE FALSE FALSE
```

```r
mb$B > 5 # Para la columna "B"
```

```
## [1] FALSE FALSE  TRUE
```

---
## Manejo de datos

### Seleccionar elementos por condición (**matrix/data.frame**)

#### Ejercicios

.pull-left[
Tiene una tabla con valores de temperatura, lluvia y abundancia de flebótomos que muestreó en los ultimos 5 meses:

<table class="table" style="font-size: 22px; ">
 <thead>
  <tr>
   <th style="text-align:right;"> temperatura </th>
   <th style="text-align:right;"> lluvia </th>
   <th style="text-align:right;"> abundancia </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:right;"> 19 </td>
   <td style="text-align:right;"> 70 </td>
   <td style="text-align:right;"> 61 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 30 </td>
   <td style="text-align:right;"> 8 </td>
   <td style="text-align:right;"> 81 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 22 </td>
   <td style="text-align:right;"> 55 </td>
   <td style="text-align:right;"> 62 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 18 </td>
   <td style="text-align:right;"> 2 </td>
   <td style="text-align:right;"> 24 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 26 </td>
   <td style="text-align:right;"> 52 </td>
   <td style="text-align:right;"> 29 </td>
  </tr>
</tbody>
</table>
]

.pull-right[
1 - En alguno de los meses, ¿la temperatura bajó de los 20°C?

2 - En alguno de los meses, ¿tomó muestras de más de 20 flebótomos?

3 - Seleccione valores de precipitación superiores a 50.

4 - ¿Hay un mes con abundancia de flebótomos igual a 10, 20 o 31?

5 - En toda la tabla, ¿hay algún valor cero?
]

---
## Manejo de datos

### Seleccionar elementos por condición (**character**)

- Todo lo que hemos hecho hasta ahora se puede hacer con characters.

```r
l <- c("A", "B", "C", "d")
```

```r
l < "C"
```

```
## [1]  TRUE  TRUE FALSE FALSE
```

```r
l == "B"
```

```
## [1] FALSE  TRUE FALSE FALSE
```

```r
l[l > "B"]
```

```
## [1] "C" "d"
```

```r
l[l != "d"]
```

```
## [1] "A" "B" "C"
```

---
name: tabla
class: middle, center

# ¿Cómo armar mi tabla de datos?

---
## ¿Cómo armar mi tabla de datos?

<br>
.center[<img src="figs/17-tabla.png" style="width: 80%;">]

---
## ¿Cómo armar mi tabla de datos?

<br>
.center[<img src="figs/18-tabla2.png" style="width: 80%;">]

---
## ¿Cómo armar mi tabla de datos?

### Resumen

Características principales de un conjunto de datos ordenado:

- cada variable es una columna
- cada observación es una linea
- cada valor está en una celda diferente

.center[<img src="figs/30-tidyverse.png" style="width: 100%;">]

---
## ¿Cómo armar mi tabla de datos?

.pull-left[
<br>
.center[<img src="figs/19-tabla3.png" style="width: 100%;">]
]

.pull-right[
**Descripción de datos:**

- Utilice las hojas de datos de su editor (ex. excel) para almacenar información sobre su tabla.

- En la primera hoja (hoja 1) dejamos nuestra tabla y en las demás (normalmente la hoja 2, pero si es necesario usamos otras) incluimos información sobre nuestra tabla, como a qué se refieren los datos, descripción de cada variable, alguna observación importante y alguna fecha de edición de esta tabla.
]

---
name: tidyverse
class: middle, center

# Tidyverse
### <https://www.tidyverse.org/>

---
## Tidyverse

> El tidyverse es una colección obstinada de 📦 **R** diseñados para la ciencia de datos. Todos los paquetes comparten una filosofía de diseño, una gramática y estructuras de datos subyacentes.

.center[<img src="figs/24-tidyverse.png" style="width: 40%;">]

- Instale el tidyverse completo con:

```r
install.packages("tidyverse")
```

---
## Tidyverse

.center[<img src="figs/25-tidyverse.png" style="width: 100%;">]

---
## Tidyverse

### Tidyverse es una colección de 📦 R

- [readr](https://readr.tidyverse.org/) - importación de datos

- [tibble](https://tibble.tidyverse.org/) - formato de `data.frame` mejorado

- [tidyr](https://tidyr.tidyverse.org/), [dplyr](https://dplyr.tidyverse.org/)  - manipulación de datos 
</mark>

- [ggplot2](https://ggplot2.tidyverse.org/) - visualizando de datos

- [purrr](https://purrr.tidyverse.org/) - programación avanzada

- [forcats](https://forcats.tidyverse.org/) - trabajando con factores

- [stringr](https://stringr.tidyverse.org/) - trabajando con cadena de caracteres

---
## Tidyverse

### Tidyverse es una colección de 📦 R

- <mark>[readr](https://readr.tidyverse.org/) - importación de datos

- <mark>[tibble](https://tibble.tidyverse.org/) - formato de `data.frame` mejorado

- <mark>[tidyr](https://tidyr.tidyverse.org/), [dplyr](https://dplyr.tidyverse.org/)  - manipulación de datos

- <mark>[ggplot2](https://ggplot2.tidyverse.org/) - visualizando de datos

- [purrr](https://purrr.tidyverse.org/) - programación avanzada

- [forcats](https://forcats.tidyverse.org/) - trabajando con factores

- [stringr](https://stringr.tidyverse.org/) - trabajando con cadena de caracteres

---
## Tidyverse

### Flujo de trabajo en ciencia de datos, con **Tidyverse**

.center[<img src="figs/26-tidyverse.png" style="width: 80%;">]

---
## Tidyverse

El creador de **Tidyverse** es Hadley Wickham y hoy en día muchas personas han contribuido a su expansión.

.center[<img src="figs/27-hadley.jpg" style="width: 55%;">

### R for Data Science

.pull-left[
.center[
<img src="figs/28-tidyverse.png" style="width: 55%;">
]
]
.center[
<br>

"This book will teach you how to do data science with **R**: You’ll learn how to get your data into **R**, get it into the most useful structure, transform it, visualise it and model it. In this book, you will find a practicum of skills for data science. Just as a chemist learns how to clean test tubes and stock a lab, you’ll learn how to clean data and draw plots—and many other things besides. (...)"

<https://r4ds.had.co.nz/>
]

---
## Tidyverse

### Ejercicio

Instale y cargue el paquete **Tidyverse** en su computadora.
                
<img src="figs/29-tidyverse.jpg" style="width: 35%;">

---
name: importar
class: middle, center

# Importar datos a R

---
## Importar datos a R

> Para su alivio, **no es necesario producir su tabla en R** (como lo hemos hecho hasta ahora). Es posible construir la tabla en Excel y luego importar los datos (de HD a nuestra memoria RAM).

<br>
.center[<img src="figs/21-happy.gif" style="width: 50%;">]
<br>

> La función de importación dependerá del formato en el que se guardó nuestra tabla (.txt, .csv, .xls, .xlsx).

---
## Importar datos a R

### Working directory

- Recuerde que el directorio de trabajo es una 📁 donde **R** lee y guarda archivos.

- Deberá decirle a R dónde están los archivos en los que va a trabajar.

```r
# Aquí incluirá la dirección donde están sus archivos en su computadora.
setwd("C:/Users/mmfav/introduccionalR/clase_2/data")
```

- Deje todos los archivos guardados en esta misma carpeta, esto facilitará su trabajo.

- Tenga en cuenta que la dirección aquí se indica con barras invertidas (`/`), a diferencia de lo que usan algunos sistemas operativos (`\`). Por ejemplo:
  - <svg viewBox="0 0 448 512" style="height:1em;position:relative;display:inline-block;top:.1em;fill:#000000;" xmlns="http://www.w3.org/2000/svg">  <path d="M0 93.7l183.6-25.3v177.4H0V93.7zm0 324.6l183.6 25.3V268.4H0v149.9zm203.8 28L448 480V268.4H203.8v177.9zm0-380.6v180.1H448V32L203.8 65.7z"></path></svg>: `C:\Users\mmfav\introduccionalR\clase_2\data`
  - <svg viewBox="0 0 581 512" style="height:1em;position:relative;display:inline-block;top:.1em;fill:#000000;" xmlns="http://www.w3.org/2000/svg">  <path d="M581 226.6C581 119.1 450.9 32 290.5 32S0 119.1 0 226.6C0 322.4 103.3 402 239.4 418.1V480h99.1v-61.5c24.3-2.7 47.6-7.4 69.4-13.9L448 480h112l-67.4-113.7c54.5-35.4 88.4-84.9 88.4-139.7zm-466.8 14.5c0-73.5 98.9-133 220.8-133s211.9 40.7 211.9 133c0 50.1-26.5 85-70.3 106.4-2.4-1.6-4.7-2.9-6.4-3.7-10.2-5.2-27.8-10.5-27.8-10.5s86.6-6.4 86.6-92.7-90.6-87.9-90.6-87.9h-199V361c-74.1-21.5-125.2-67.1-125.2-119.9zm225.1 38.3v-55.6c57.8 0 87.8-6.8 87.8 27.3 0 36.5-38.2 28.3-87.8 28.3zm-.9 72.5H365c10.8 0 18.9 11.7 24 19.2-16.1 1.9-33 2.8-50.6 2.9v-22.1z"></path></svg>: `C:/Users/mmfav/introduccionalR/clase_2/data`

---
## Importar datos a R

.pull-left[.center[<img src="figs/31-readr.png" style="width: 50%;">

El 📦 **tidyverse** `readr` se usa para importar archivos de texto, como *.txt* o *.csv* a **R**.

`reader` transforma archivos de texto en **tibbles**.]]

.pull-right[
- `read_csv()`; `read_csv2`: para archivos separados por comas. 
- `read_tsv()`: para archivos separados por tabulaciones.
- `read_delim()`: para archivos separados por un delimitador genérico. El argumento delim `=` indica qué carácter separa cada columna del archivo de texto.
- `read_table()`: para archivos de texto tabulares con columnas separadas por espacios.
- `read_fwf()`: para archivos compactos que deben tener el ancho de cada columna especificado.
- `read_log()`: para archivos de registro estándar.
]

---
## Importar datos a R

.pull-left[.center[<img src="figs/31-readr.png" style="width: 50%;">

El 📦 **tidyverse** `readr` se usa para importar archivos de texto, como *.txt* o *.csv* a **R**.

`reader` transforma archivos de texto en **tibbles**.]]

.pull-right[
- <mark>`read_csv()`; `read_csv2`: para archivos separados por comas.</mark>  
- `read_tsv()`: para archivos separados por tabulaciones.
-  <mark>`read_delim()`: para archivos separados por un delimitador genérico. El argumento delim `=` indica qué carácter separa cada columna del archivo de texto.</mark> 
- `read_table()`: para archivos de texto tabulares con columnas separadas por espacios.
- `read_fwf()`: para archivos compactos que deben tener el ancho de cada columna especificado.
- `read_log()`: para archivos de registro estándar.
]

---
## Importar datos a R

### readr: `.csv`

- Como ejemplo, usaremos la base de datos que proporcionamos en el repositorio ([datos.csv](datos.csv)).

- La función para leer los datos es: `read_csv2(file = "archivo.csv")`.

```r
datos_csv <- read_csv2(file = "datos.csv")
```

```
## i Using "','" as decimal and "'.'" as grouping mark. Use `read_delim()` for more control.
```

```
## 
## -- Column specification --------------------------------------------------------------------------------
## cols(
##   ID = col_double(),
##   localidad = col_character(),
##   `2001` = col_double(),
##   `2002` = col_double(),
##   `2003` = col_double()
## )
```

---
## Importar datos a R

### readr: `.txt`

- Como ejemplo, usaremos la base de datos que proporcionamos en el repositorio ([datos.txt](datos.txt)).

- La función para leer los datos es: `read_delim(file = "archivo.txt", delim = "\t")`.

```r
datos_txt <- read_delim(file = "datos.txt", delim = "\t")
```

```
## 
## -- Column specification --------------------------------------------------------------------------------
## cols(
##   ID = col_double(),
##   localidad = col_character(),
##   variable = col_character(),
##   value = col_double()
## )
```

---
## Importar datos a R

### Exportar datos (`write_ `)

- Para la mayoría de las funciones `read_`, existe una función `write_` correspondiente.

- Estas funciones sirven para guardar bases en un formato de archivo específico.

- Debe especificar el objeto a exportar y el nombre del archivo con la extensión.

```r
# archivo .csv
write.csv2(x = objeto, path = "nombre_tabla.csv")

# como un .txt
write_delim(x = objeto, path = "nombre_tabla.txt", delim = "\t")
```

---
## Importar datos a R

.pull-left[
¿Qué pasa si mis datos se guardan como un archivo **excel**?

.center[<img src="figs/32-readxl.png" style="width: 50%;">

El 📦 `readxl` se usa para importar archivos de excel, como *.xslx* o *.xls* a **R**.

]]

.pull-right[
- Instalar:

```r
install.packages("readxl")
```

- Cargar el paquete:

```r
library(readxl)
```

- Para abrir nuestro [archivo de repositorio (datos.xlsx)](datos.xlsx): `read_xlsx("archivo.xlsx")`

- `readxl` transforma archivos de excel en **tibbles**.

---

- **<mark> <font color = "red"> ¡¡No es parte del tidyverse !! </font></mark> **

---

]

---
## Importar datos a R

### readxl: **.xlsx**

**Ejemplo:**

```r
datos_xlsx <- read_xlsx("datos.xlsx")
datos_xlsx
```

```
## # A tibble: 24 x 6
##       ID localidad                    ano zona     var_respuesta temperatura
##    <dbl> <chr>                      <dbl> <chr>            <dbl>       <dbl>
##  1     1 Puerto Iguazú - Misiones    2001 agrícola            NA        25  
##  2     2 Puerto Liberdad - Misiones  2001 agrícola             2        26.7
##  3     3 San Pedro - Misiones        2001 agrícola             5        24.2
##  4     4 Tareiri - Misiones          2001 agrícola             4        26.2
##  5     5 Puerto Iguazú - Misiones    2005 agrícola             6        27  
##  6     6 Puerto Liberdad - Misiones  2005 agrícola            NA        25.5
##  7     7 San Pedro - Misiones        2005 agrícola             7        26  
##  8     8 Tareiri - Misiones          2005 agrícola             9        26.5
##  9     9 Puerto Iguazú - Misiones    2001 bosque              30        20  
## 10    10 Puerto Liberdad - Misiones  2001 bosque              52        21  
## # ... with 14 more rows
```

---
## Importar datos a R

.pull-left[.center[

Un **tibble**, o `tbl_df`, es una reinvención moderna del `data.frame`, manteniendo el tiempo que ha demostrado ser efectivo y descartando lo que no lo es.

]]

.pull-right[
<br>

---

- Es un formato requerido para usar funciones **tidyverse**.

- Las variables pueden ser de tipo *numérico (int, dbl)*, *carácter (chr)*, *lógicas (lgl)* y *factor (fctr)*

---

- Convertir:

> `data.frame` en `tibble`:

```r
as_tibble(data)
```

---

]

---
## Importar datos a R

#### Ejercicio:

1 - Importe una tabla relacionada con una de sus investigaciónes para el R; puede tener cualquier format y numero de variables. El formato de salida debe ser `tibbler`.

2 - ¿Cuál es la diferencia entre las tablas datos_csv, datos_txt y datos_xlsx?

---
name: pipe
class: middle, center

# Operador pipe (`%>%`)

---
## Operador pipe (`%>%`)

.pull-left[.center[
<img src="figs/34-magrittr.png" style="width: 60%;">

El 📦 `magrittr` ofrece un perador que hace que su código sea más legible: el pipe (`%>%`).
]
]

.pull-right[
La idea del operador pipe (`%>%`) es bastante simple: use el valor resultante de la expresión de la izquierda como primer argumento de la función de la derecha.

**Por ejemplo**:

```r
# suma el vector y luego obtén la √ (sqrt):
x <- 1:10
```

```r
# Sin el pipe:
sqrt(sum(x)) 
```

```
## [1] 7.416198
```

```r
# Con el pipe:
x %>% sum() %>% sqrt()
```

```
## [1] 7.416198
```
]

---
## Operador pipe (`%>%`)

**Para hacerlo un poco más intuitivo:**

.pull-left[
- Hacer empanadas SIN el pipe:

```r
enfriarse(
  hornear(
    cerrar_la_masa(
      agregar_relleno(
        abre_la_massa(
          mezclar(
            hacer_la_masa(rep(farina, 5), manteca, sal, agua_tibia),
            hasta = 'masa homogénea'),
          tipo = "carne picada"),
      ),
    ),
    temperatura = 180, tiempo = 20),
)
```
]

.pull-right[
- Hacer empanadas CON el pipe:

```r
hacer_la_masa(rep(farina, 5), manteca, sal, agua_tibia) %>%
  mezclar(hasta = 'masa homogénea') %>%
  abre_la_massa() %>%
  agregar_relleno(tipo = "carne picada") %>%
  cerrar_la_masa() %>%
  hornear(temperatura = 180, tiempo = 20) %>%
  enfriarse()
```

---
**!!** El código no solo es más pequeño, es más intuitivo, la lectura se vuelve mucho más fácil **!!**

---
]

---
name: tidyr
class: middle, center

# tidyr

---
## tidyr

.pull-left[.center[
<img src="figs/35-tidyr.png" style="width: 60%;">

El objetivo del 📦 `tidyr` es ayudarte a crear datos ordenados.
]
]

.pull-right[
Los datos ordenados son datos donde:
- Cada columna es variable.
- Cada fila es una observación.
- Cada celda es un valor único.

---

Tidyr data describe una forma estándar de almacenar datos que se utiliza siempre que sea posible en **tidyverse**.

Si se asegura de que sus datos estén ordenados, pasará menos tiempo luchando con las herramientas y más tiempo trabajando en su análisis.

---
]

---
## tidyr

- Estas son sus principales funciones:

- `separate()`: separar los caracteres en varias columnas
  - `unite()`: unir datos de varias columnas en una
  - `drop_na()`: eliminar líneas con NA
  - `replace_na()`: reemplazar valores NA
  - `pivot_wider()`: pasa valores de filas a columnas
  - `pivot_longer()`: pasa valores de columnas a filas
<br>

<br>

---------
> Para ver todas las funciones del paquete, consulte la *cheatsheets*: <https://github.com/rstudio/cheatsheets/blob/master/data-import.pdf>

---------

---
## tidyr

### **separate()**

.pull-left[
- Muchas veces, una sola variable de columna capturará múltiples variables, o incluso partes de una variable que simplemente no le importa.

.center[
<img src="figs/36-separate.png" style="width: 90%;">
]
]

.pull-right[
- La función `separate()` separa dos o más variables que están concatenadas en la misma columna.

-----

- La sintaxis de la función es:

```r
datos %>%
  separate(
    col = columna_vieja,
    into = c("nueva_columna_1", "nueva_columna_2"),
    sep = c("_") # cómo se separan las variables en la columna (ej. ".", "_")
  )
```

]

---
## tidyr

### **separate()**

**Por ejemplo**, dividamos la columna "localidad" de la tabla "datos_xlsx" en "ciudad" y "provincia".

```r
datos_xlsx %>%
  separate(
    col = localidad, # la columna vieja
    into = c("ciudad", "provincia"), # las nuevas columnas
    sep = c(" - ") # modo de separación
  )
```

<div style="border: 1px solid #ddd; padding: 0px; overflow-y: scroll; height:250px; overflow-x: scroll; width:100%; "><table class="table table-striped table-hover" style="margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:right;position: sticky; top:0; background-color: #FFFFFF;"> ID </th>
   <th style="text-align:left;position: sticky; top:0; background-color: #FFFFFF;"> ciudad </th>
   <th style="text-align:left;position: sticky; top:0; background-color: #FFFFFF;"> provincia </th>
   <th style="text-align:right;position: sticky; top:0; background-color: #FFFFFF;"> ano </th>
   <th style="text-align:left;position: sticky; top:0; background-color: #FFFFFF;"> zona </th>
   <th style="text-align:right;position: sticky; top:0; background-color: #FFFFFF;"> var_respuesta </th>
   <th style="text-align:right;position: sticky; top:0; background-color: #FFFFFF;"> temperatura </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:right;"> 1 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Puerto Iguazú </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> agrícola </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> 25.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 2 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Puerto Liberdad </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> agrícola </td>
   <td style="text-align:right;"> 2 </td>
   <td style="text-align:right;"> 26.7 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 3 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> San Pedro </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> agrícola </td>
   <td style="text-align:right;"> 5 </td>
   <td style="text-align:right;"> 24.2 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 4 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Tareiri </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> agrícola </td>
   <td style="text-align:right;"> 4 </td>
   <td style="text-align:right;"> 26.2 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 5 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Puerto Iguazú </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> agrícola </td>
   <td style="text-align:right;"> 6 </td>
   <td style="text-align:right;"> 27.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 6 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Puerto Liberdad </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> agrícola </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> 25.5 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 7 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> San Pedro </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> agrícola </td>
   <td style="text-align:right;"> 7 </td>
   <td style="text-align:right;"> 26.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 8 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Tareiri </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> agrícola </td>
   <td style="text-align:right;"> 9 </td>
   <td style="text-align:right;"> 26.5 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 9 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Puerto Iguazú </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> bosque </td>
   <td style="text-align:right;"> 30 </td>
   <td style="text-align:right;"> 20.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 10 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Puerto Liberdad </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> bosque </td>
   <td style="text-align:right;"> 52 </td>
   <td style="text-align:right;"> 21.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 11 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> San Pedro </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> bosque </td>
   <td style="text-align:right;"> 63 </td>
   <td style="text-align:right;"> 22.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 12 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Tareiri </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> bosque </td>
   <td style="text-align:right;"> 41 </td>
   <td style="text-align:right;"> 25.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 13 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Puerto Iguazú </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> bosque </td>
   <td style="text-align:right;"> 45 </td>
   <td style="text-align:right;"> 23.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 14 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Puerto Liberdad </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> bosque </td>
   <td style="text-align:right;"> 49 </td>
   <td style="text-align:right;"> 21.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 15 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> San Pedro </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> bosque </td>
   <td style="text-align:right;"> 56 </td>
   <td style="text-align:right;"> 24.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 16 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Tareiri </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> bosque </td>
   <td style="text-align:right;"> 64 </td>
   <td style="text-align:right;"> 26.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 17 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Puerto Iguazú </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> urbano </td>
   <td style="text-align:right;"> 20 </td>
   <td style="text-align:right;"> 28.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 18 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Puerto Liberdad </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> urbano </td>
   <td style="text-align:right;"> 14 </td>
   <td style="text-align:right;"> 29.4 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 19 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> San Pedro </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> urbano </td>
   <td style="text-align:right;"> 16 </td>
   <td style="text-align:right;"> 32.4 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 20 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Tareiri </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> urbano </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> 30.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 21 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Puerto Iguazú </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> urbano </td>
   <td style="text-align:right;"> 29 </td>
   <td style="text-align:right;"> 29.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 22 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Puerto Liberdad </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> urbano </td>
   <td style="text-align:right;"> 30 </td>
   <td style="text-align:right;"> 32.5 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 23 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> San Pedro </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> urbano </td>
   <td style="text-align:right;"> 16 </td>
   <td style="text-align:right;"> 33.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 24 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Tareiri </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> urbano </td>
   <td style="text-align:right;"> 18 </td>
   <td style="text-align:right;"> 33.6 </td>
  </tr>
</tbody>
</table></div>

---
## tidyr

### **unite()**

.pull-left[
- La operación `unite()` es lo opuesto a `separate()`.

.center[
<img src="figs/37-united.png" style="width: 90%;">
]

- La función `unite()` une dos variables que están en columnas diferentes.

]

.pull-right[
- Toma dos columnas (variables) y las convierte en una. Se usa ampliamente para ensamblar informes finales o tablas para análisis visual.

-----

- La sintaxis de la función es:

```r
datos %>%
  unite(
    col = nueva_columna, columnas_para_juntar,
    sep = c("_") # cómo se separan las variables en la columna (ej. ".", "_")
  )
```

]

---
## tidyr

### **unite()**

**Por ejemplo**, unamos las columnas "zona" y "año".

```r
datos_xlsx %>%
  unite(
    col = "zona_ano", "zona", "ano",
    sep = "_"
  )
```

<div style="border: 1px solid #ddd; padding: 0px; overflow-y: scroll; height:280px; overflow-x: scroll; width:100%; "><table class="table table-striped table-hover" style="margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:right;position: sticky; top:0; background-color: #FFFFFF;"> ID </th>
   <th style="text-align:left;position: sticky; top:0; background-color: #FFFFFF;"> localidad </th>
   <th style="text-align:left;position: sticky; top:0; background-color: #FFFFFF;"> zona_ano </th>
   <th style="text-align:right;position: sticky; top:0; background-color: #FFFFFF;"> var_respuesta </th>
   <th style="text-align:right;position: sticky; top:0; background-color: #FFFFFF;"> temperatura </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:right;"> 1 </td>
   <td style="text-align:left;"> Puerto Iguazú - Misiones </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> agrícola_2001 </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> 25.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 2 </td>
   <td style="text-align:left;"> Puerto Liberdad - Misiones </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> agrícola_2001 </td>
   <td style="text-align:right;"> 2 </td>
   <td style="text-align:right;"> 26.7 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 3 </td>
   <td style="text-align:left;"> San Pedro - Misiones </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> agrícola_2001 </td>
   <td style="text-align:right;"> 5 </td>
   <td style="text-align:right;"> 24.2 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 4 </td>
   <td style="text-align:left;"> Tareiri - Misiones </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> agrícola_2001 </td>
   <td style="text-align:right;"> 4 </td>
   <td style="text-align:right;"> 26.2 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 5 </td>
   <td style="text-align:left;"> Puerto Iguazú - Misiones </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> agrícola_2005 </td>
   <td style="text-align:right;"> 6 </td>
   <td style="text-align:right;"> 27.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 6 </td>
   <td style="text-align:left;"> Puerto Liberdad - Misiones </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> agrícola_2005 </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> 25.5 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 7 </td>
   <td style="text-align:left;"> San Pedro - Misiones </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> agrícola_2005 </td>
   <td style="text-align:right;"> 7 </td>
   <td style="text-align:right;"> 26.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 8 </td>
   <td style="text-align:left;"> Tareiri - Misiones </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> agrícola_2005 </td>
   <td style="text-align:right;"> 9 </td>
   <td style="text-align:right;"> 26.5 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 9 </td>
   <td style="text-align:left;"> Puerto Iguazú - Misiones </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> bosque_2001 </td>
   <td style="text-align:right;"> 30 </td>
   <td style="text-align:right;"> 20.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 10 </td>
   <td style="text-align:left;"> Puerto Liberdad - Misiones </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> bosque_2001 </td>
   <td style="text-align:right;"> 52 </td>
   <td style="text-align:right;"> 21.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 11 </td>
   <td style="text-align:left;"> San Pedro - Misiones </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> bosque_2001 </td>
   <td style="text-align:right;"> 63 </td>
   <td style="text-align:right;"> 22.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 12 </td>
   <td style="text-align:left;"> Tareiri - Misiones </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> bosque_2001 </td>
   <td style="text-align:right;"> 41 </td>
   <td style="text-align:right;"> 25.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 13 </td>
   <td style="text-align:left;"> Puerto Iguazú - Misiones </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> bosque_2005 </td>
   <td style="text-align:right;"> 45 </td>
   <td style="text-align:right;"> 23.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 14 </td>
   <td style="text-align:left;"> Puerto Liberdad - Misiones </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> bosque_2005 </td>
   <td style="text-align:right;"> 49 </td>
   <td style="text-align:right;"> 21.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 15 </td>
   <td style="text-align:left;"> San Pedro - Misiones </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> bosque_2005 </td>
   <td style="text-align:right;"> 56 </td>
   <td style="text-align:right;"> 24.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 16 </td>
   <td style="text-align:left;"> Tareiri - Misiones </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> bosque_2005 </td>
   <td style="text-align:right;"> 64 </td>
   <td style="text-align:right;"> 26.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 17 </td>
   <td style="text-align:left;"> Puerto Iguazú - Misiones </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> urbano_2001 </td>
   <td style="text-align:right;"> 20 </td>
   <td style="text-align:right;"> 28.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 18 </td>
   <td style="text-align:left;"> Puerto Liberdad - Misiones </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> urbano_2001 </td>
   <td style="text-align:right;"> 14 </td>
   <td style="text-align:right;"> 29.4 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 19 </td>
   <td style="text-align:left;"> San Pedro - Misiones </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> urbano_2001 </td>
   <td style="text-align:right;"> 16 </td>
   <td style="text-align:right;"> 32.4 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 20 </td>
   <td style="text-align:left;"> Tareiri - Misiones </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> urbano_2001 </td>
   <td style="text-align:right;"> NA </td>
   <td style="text-align:right;"> 30.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 21 </td>
   <td style="text-align:left;"> Puerto Iguazú - Misiones </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> urbano_2005 </td>
   <td style="text-align:right;"> 29 </td>
   <td style="text-align:right;"> 29.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 22 </td>
   <td style="text-align:left;"> Puerto Liberdad - Misiones </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> urbano_2005 </td>
   <td style="text-align:right;"> 30 </td>
   <td style="text-align:right;"> 32.5 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 23 </td>
   <td style="text-align:left;"> San Pedro - Misiones </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> urbano_2005 </td>
   <td style="text-align:right;"> 16 </td>
   <td style="text-align:right;"> 33.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 24 </td>
   <td style="text-align:left;"> Tareiri - Misiones </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> urbano_2005 </td>
   <td style="text-align:right;"> 18 </td>
   <td style="text-align:right;"> 33.6 </td>
  </tr>
</tbody>
</table></div>

---
## tidyr

### **replace_na()** y **drop_na()**

.pull-left[
Cuando tenemos datos faltantes en nuestra tabla (NA), podemos reemplazar NA con nuevos valores con la función `replace_na()`,...

```r
replace_na(
  list(columna_X = valor)
)
```

...o podemos eliminar las filas con valores faltantes con `drop_na()`.

```r
drop_na(
  columna
)
```

]

.pull-right[
.center[
<img src="figs/40-NA.png" style="width: 100%;">
]
]

---
## tidyr

### **replace_na()**

**Por ejemplo**, podemos reemplazar las filas con el valor faltante en la columna "var_respuesta" por cero (lineas 1, 6 y 20)...

```r
datos_xlsx %>%
  replace_na(list(var_respuesta = 0))
```

<div style="border: 1px solid #ddd; padding: 0px; overflow-y: scroll; height:300px; overflow-x: scroll; width:100%; "><table class="table table-striped table-hover" style="margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:right;position: sticky; top:0; background-color: #FFFFFF;"> ID </th>
   <th style="text-align:left;position: sticky; top:0; background-color: #FFFFFF;"> localidad </th>
   <th style="text-align:right;position: sticky; top:0; background-color: #FFFFFF;"> ano </th>
   <th style="text-align:left;position: sticky; top:0; background-color: #FFFFFF;"> zona </th>
   <th style="text-align:right;position: sticky; top:0; background-color: #FFFFFF;"> var_respuesta </th>
   <th style="text-align:right;position: sticky; top:0; background-color: #FFFFFF;"> temperatura </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:right;font-weight: bold;background-color: #FFCC33 !important;"> 1 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Puerto Iguazú - Misiones </td>
   <td style="text-align:right;font-weight: bold;background-color: #FFCC33 !important;"> 2001 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> agrícola </td>
   <td style="text-align:right;font-weight: bold;background-color: #FFCC33 !important;"> 0 </td>
   <td style="text-align:right;font-weight: bold;background-color: #FFCC33 !important;"> 25.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 2 </td>
   <td style="text-align:left;"> Puerto Liberdad - Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> agrícola </td>
   <td style="text-align:right;"> 2 </td>
   <td style="text-align:right;"> 26.7 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 3 </td>
   <td style="text-align:left;"> San Pedro - Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> agrícola </td>
   <td style="text-align:right;"> 5 </td>
   <td style="text-align:right;"> 24.2 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 4 </td>
   <td style="text-align:left;"> Tareiri - Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> agrícola </td>
   <td style="text-align:right;"> 4 </td>
   <td style="text-align:right;"> 26.2 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 5 </td>
   <td style="text-align:left;"> Puerto Iguazú - Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> agrícola </td>
   <td style="text-align:right;"> 6 </td>
   <td style="text-align:right;"> 27.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;font-weight: bold;background-color: #FFCC33 !important;"> 6 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Puerto Liberdad - Misiones </td>
   <td style="text-align:right;font-weight: bold;background-color: #FFCC33 !important;"> 2005 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> agrícola </td>
   <td style="text-align:right;font-weight: bold;background-color: #FFCC33 !important;"> 0 </td>
   <td style="text-align:right;font-weight: bold;background-color: #FFCC33 !important;"> 25.5 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 7 </td>
   <td style="text-align:left;"> San Pedro - Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> agrícola </td>
   <td style="text-align:right;"> 7 </td>
   <td style="text-align:right;"> 26.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 8 </td>
   <td style="text-align:left;"> Tareiri - Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> agrícola </td>
   <td style="text-align:right;"> 9 </td>
   <td style="text-align:right;"> 26.5 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 9 </td>
   <td style="text-align:left;"> Puerto Iguazú - Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> bosque </td>
   <td style="text-align:right;"> 30 </td>
   <td style="text-align:right;"> 20.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 10 </td>
   <td style="text-align:left;"> Puerto Liberdad - Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> bosque </td>
   <td style="text-align:right;"> 52 </td>
   <td style="text-align:right;"> 21.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 11 </td>
   <td style="text-align:left;"> San Pedro - Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> bosque </td>
   <td style="text-align:right;"> 63 </td>
   <td style="text-align:right;"> 22.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 12 </td>
   <td style="text-align:left;"> Tareiri - Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> bosque </td>
   <td style="text-align:right;"> 41 </td>
   <td style="text-align:right;"> 25.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 13 </td>
   <td style="text-align:left;"> Puerto Iguazú - Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> bosque </td>
   <td style="text-align:right;"> 45 </td>
   <td style="text-align:right;"> 23.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 14 </td>
   <td style="text-align:left;"> Puerto Liberdad - Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> bosque </td>
   <td style="text-align:right;"> 49 </td>
   <td style="text-align:right;"> 21.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 15 </td>
   <td style="text-align:left;"> San Pedro - Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> bosque </td>
   <td style="text-align:right;"> 56 </td>
   <td style="text-align:right;"> 24.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 16 </td>
   <td style="text-align:left;"> Tareiri - Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> bosque </td>
   <td style="text-align:right;"> 64 </td>
   <td style="text-align:right;"> 26.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 17 </td>
   <td style="text-align:left;"> Puerto Iguazú - Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> urbano </td>
   <td style="text-align:right;"> 20 </td>
   <td style="text-align:right;"> 28.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 18 </td>
   <td style="text-align:left;"> Puerto Liberdad - Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> urbano </td>
   <td style="text-align:right;"> 14 </td>
   <td style="text-align:right;"> 29.4 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 19 </td>
   <td style="text-align:left;"> San Pedro - Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> urbano </td>
   <td style="text-align:right;"> 16 </td>
   <td style="text-align:right;"> 32.4 </td>
  </tr>
  <tr>
   <td style="text-align:right;font-weight: bold;background-color: #FFCC33 !important;"> 20 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> Tareiri - Misiones </td>
   <td style="text-align:right;font-weight: bold;background-color: #FFCC33 !important;"> 2001 </td>
   <td style="text-align:left;font-weight: bold;background-color: #FFCC33 !important;"> urbano </td>
   <td style="text-align:right;font-weight: bold;background-color: #FFCC33 !important;"> 0 </td>
   <td style="text-align:right;font-weight: bold;background-color: #FFCC33 !important;"> 30.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 21 </td>
   <td style="text-align:left;"> Puerto Iguazú - Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> urbano </td>
   <td style="text-align:right;"> 29 </td>
   <td style="text-align:right;"> 29.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 22 </td>
   <td style="text-align:left;"> Puerto Liberdad - Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> urbano </td>
   <td style="text-align:right;"> 30 </td>
   <td style="text-align:right;"> 32.5 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 23 </td>
   <td style="text-align:left;"> San Pedro - Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> urbano </td>
   <td style="text-align:right;"> 16 </td>
   <td style="text-align:right;"> 33.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 24 </td>
   <td style="text-align:left;"> Tareiri - Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> urbano </td>
   <td style="text-align:right;"> 18 </td>
   <td style="text-align:right;"> 33.6 </td>
  </tr>
</tbody>
</table></div>

---
## tidyr

### **drop_na()**

...o podemos eliminar las líneas que tiene valores NA.

```r
datos_xlsx %>%
  drop_na(var_respuesta)
```

<div style="border: 1px solid #ddd; padding: 0px; overflow-y: scroll; height:330px; overflow-x: scroll; width:100%; "><table class="table table-striped table-hover" style="margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:right;position: sticky; top:0; background-color: #FFFFFF;"> ID </th>
   <th style="text-align:left;position: sticky; top:0; background-color: #FFFFFF;"> localidad </th>
   <th style="text-align:right;position: sticky; top:0; background-color: #FFFFFF;"> ano </th>
   <th style="text-align:left;position: sticky; top:0; background-color: #FFFFFF;"> zona </th>
   <th style="text-align:right;position: sticky; top:0; background-color: #FFFFFF;"> var_respuesta </th>
   <th style="text-align:right;position: sticky; top:0; background-color: #FFFFFF;"> temperatura </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:right;"> 2 </td>
   <td style="text-align:left;"> Puerto Liberdad - Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> agrícola </td>
   <td style="text-align:right;"> 2 </td>
   <td style="text-align:right;"> 26.7 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 3 </td>
   <td style="text-align:left;"> San Pedro - Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> agrícola </td>
   <td style="text-align:right;"> 5 </td>
   <td style="text-align:right;"> 24.2 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 4 </td>
   <td style="text-align:left;"> Tareiri - Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> agrícola </td>
   <td style="text-align:right;"> 4 </td>
   <td style="text-align:right;"> 26.2 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 5 </td>
   <td style="text-align:left;"> Puerto Iguazú - Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> agrícola </td>
   <td style="text-align:right;"> 6 </td>
   <td style="text-align:right;"> 27.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 7 </td>
   <td style="text-align:left;"> San Pedro - Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> agrícola </td>
   <td style="text-align:right;"> 7 </td>
   <td style="text-align:right;"> 26.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 8 </td>
   <td style="text-align:left;"> Tareiri - Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> agrícola </td>
   <td style="text-align:right;"> 9 </td>
   <td style="text-align:right;"> 26.5 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 9 </td>
   <td style="text-align:left;"> Puerto Iguazú - Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> bosque </td>
   <td style="text-align:right;"> 30 </td>
   <td style="text-align:right;"> 20.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 10 </td>
   <td style="text-align:left;"> Puerto Liberdad - Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> bosque </td>
   <td style="text-align:right;"> 52 </td>
   <td style="text-align:right;"> 21.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 11 </td>
   <td style="text-align:left;"> San Pedro - Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> bosque </td>
   <td style="text-align:right;"> 63 </td>
   <td style="text-align:right;"> 22.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 12 </td>
   <td style="text-align:left;"> Tareiri - Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> bosque </td>
   <td style="text-align:right;"> 41 </td>
   <td style="text-align:right;"> 25.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 13 </td>
   <td style="text-align:left;"> Puerto Iguazú - Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> bosque </td>
   <td style="text-align:right;"> 45 </td>
   <td style="text-align:right;"> 23.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 14 </td>
   <td style="text-align:left;"> Puerto Liberdad - Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> bosque </td>
   <td style="text-align:right;"> 49 </td>
   <td style="text-align:right;"> 21.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 15 </td>
   <td style="text-align:left;"> San Pedro - Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> bosque </td>
   <td style="text-align:right;"> 56 </td>
   <td style="text-align:right;"> 24.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 16 </td>
   <td style="text-align:left;"> Tareiri - Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> bosque </td>
   <td style="text-align:right;"> 64 </td>
   <td style="text-align:right;"> 26.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 17 </td>
   <td style="text-align:left;"> Puerto Iguazú - Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> urbano </td>
   <td style="text-align:right;"> 20 </td>
   <td style="text-align:right;"> 28.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 18 </td>
   <td style="text-align:left;"> Puerto Liberdad - Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> urbano </td>
   <td style="text-align:right;"> 14 </td>
   <td style="text-align:right;"> 29.4 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 19 </td>
   <td style="text-align:left;"> San Pedro - Misiones </td>
   <td style="text-align:right;"> 2001 </td>
   <td style="text-align:left;"> urbano </td>
   <td style="text-align:right;"> 16 </td>
   <td style="text-align:right;"> 32.4 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 21 </td>
   <td style="text-align:left;"> Puerto Iguazú - Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> urbano </td>
   <td style="text-align:right;"> 29 </td>
   <td style="text-align:right;"> 29.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 22 </td>
   <td style="text-align:left;"> Puerto Liberdad - Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> urbano </td>
   <td style="text-align:right;"> 30 </td>
   <td style="text-align:right;"> 32.5 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 23 </td>
   <td style="text-align:left;"> San Pedro - Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> urbano </td>
   <td style="text-align:right;"> 16 </td>
   <td style="text-align:right;"> 33.0 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 24 </td>
   <td style="text-align:left;"> Tareiri - Misiones </td>
   <td style="text-align:right;"> 2005 </td>
   <td style="text-align:left;"> urbano </td>
   <td style="text-align:right;"> 18 </td>
   <td style="text-align:right;"> 33.6 </td>
  </tr>
</tbody>
</table></div>

---
## tidyr

.pull-left[### **pivot_longer()**

- "Alarga" los datos, aumentando el número de filas y disminuyendo el número de columnas.

.center[
<img src="figs/38-piv_longer.png" style="width: 60%;">
]

```r
pivot_longer(
  cols = Columnas_para_pivotar,
  names_to = "nombre_nova_columna",
  values_to = "nombre_col_values"
  )
```
]

.pull-right[### **pivot_wider()**

- Pasa los datos de columnas para filas, aumentando el número de columnas.

.center[
<img src="figs/39-piv_wider.png" style="width: 62%;">
]

```r
  pivot_wider(
    names_from = columna_nombres, 
    values_from = columna_valores
    ) 
```

]

---
## tidyr

### **pivot_longer()**

.pull-left[
**Por ejemplo**, pasemos los años de la tabla "datos_csv" de las columnas a las filas. Los valores los almacenaremos en una columna llamada 'value'.

```r
datos_csv %>%
  pivot_longer(
    cols = c('2001', '2002', '2003'),
    names_to = "año",
    values_to = "value"
  )
```
]

.pull-right[
<table class="table table-striped table-hover" style="margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:right;"> ID </th>
   <th style="text-align:left;"> localidad </th>
   <th style="text-align:left;"> año </th>
   <th style="text-align:right;"> value </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:right;"> 1 </td>
   <td style="text-align:left;"> Agricola </td>
   <td style="text-align:left;"> 2001 </td>
   <td style="text-align:right;"> 10 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 1 </td>
   <td style="text-align:left;"> Agricola </td>
   <td style="text-align:left;"> 2002 </td>
   <td style="text-align:right;"> 12 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 1 </td>
   <td style="text-align:left;"> Agricola </td>
   <td style="text-align:left;"> 2003 </td>
   <td style="text-align:right;"> 15 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 2 </td>
   <td style="text-align:left;"> PNI </td>
   <td style="text-align:left;"> 2001 </td>
   <td style="text-align:right;"> 20 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 2 </td>
   <td style="text-align:left;"> PNI </td>
   <td style="text-align:left;"> 2002 </td>
   <td style="text-align:right;"> 22 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 2 </td>
   <td style="text-align:left;"> PNI </td>
   <td style="text-align:left;"> 2003 </td>
   <td style="text-align:right;"> 25 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 3 </td>
   <td style="text-align:left;"> Urbano </td>
   <td style="text-align:left;"> 2001 </td>
   <td style="text-align:right;"> 15 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 3 </td>
   <td style="text-align:left;"> Urbano </td>
   <td style="text-align:left;"> 2002 </td>
   <td style="text-align:right;"> 12 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 3 </td>
   <td style="text-align:left;"> Urbano </td>
   <td style="text-align:left;"> 2003 </td>
   <td style="text-align:right;"> 10 </td>
  </tr>
</tbody>
</table>
]

---
## tidyr

### **pivot_wider()**

**Por ejemplo**, pasemos los elementos de la columna "variable" a las columnas y usemos la columna "valor" para los valores (tabla "data_txt").

```r
datos_txt %>%
  pivot_wider(
    names_from = variable,
    values_from = value
  )
```

<table class="table table-striped table-hover" style="margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:right;"> ID </th>
   <th style="text-align:left;"> localidad </th>
   <th style="text-align:right;"> temperatura </th>
   <th style="text-align:right;"> pluviosidad </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:right;"> 1 </td>
   <td style="text-align:left;"> Agricola </td>
   <td style="text-align:right;"> 25 </td>
   <td style="text-align:right;"> 10 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 2 </td>
   <td style="text-align:left;"> PNI </td>
   <td style="text-align:right;"> 22 </td>
   <td style="text-align:right;"> 23 </td>
  </tr>
  <tr>
   <td style="text-align:right;"> 3 </td>
   <td style="text-align:left;"> Urbano </td>
   <td style="text-align:right;"> 30 </td>
   <td style="text-align:right;"> 30 </td>
  </tr>
</tbody>
</table>

---
## tidyr

#### Ejercicios

1 - Abra la tabla "*tidy_ej.xlsx*" en R.

2 - ¿Faltan datos en la tabla *tidy_ej*? Si es así, reemplace los valores faltantes con 0.

**Tip**:

```r
tidy_ej %>% is.na() %>% table()
```

3 - Separe la columna "departamento - año" en dos columnas.

4 - Mueva las columnas "PNI", "Urban" y "Rural" a una sola columna y agregue los valores a una nueva columna llamada "número de accidentes".

5 - Guarde todo lo que ha hecho en una nueva table `tibble` llamada "tidy_ej2".

---
name: dplyr
class: middle, center

# dplyr

---
## dplyr

.pull-left[
<img src="figs/41-dplyr.png" style="width: 60%;">

El 📦 `dplyr` es lo paquete más útil para realizar la transformación de datos, combinando simplicidad y eficiencia de una manera elegante.
]

.pull-right[
- Los scripts **R** que hacen un uso inteligente de los verbos `dplyr` y las facilidades del operador `pipe` tienden a ser más legibles y organizados sin perder velocidad de ejecución.

---

- Las principales funciones de `dplyr` son:

- `select()`: seleccionar columnas
  - `arrange()`: ordenar la base de datos
  - `filter()`: filtrar las lineas
  - `mutate()`: crear/modificar columnas
  - `group_by()`: agrupar la base de datos
  - `summarise()`: resume la base
  - `relocate()`: reordenar columnas
  - `left_join()`, `right_join()` y `full_join()`: juntar ≠ bases de datos. 
]

---
## dplyr

### **select()**

- Usamos para seleccionar columnas.

- Los argumentos son los nombres de las columnas que desea seleccionar.

```r
datos %>%
  select(nombre_col, nombre_col2)
```

- Para eliminar columnas de la base, agregue un "menos" (`-`) antes de la selección.

```r
datos %>%
  select(-nombre_col, -nombre_col2)
```

- También disponemos de otras funciones auxiliares:
  - `starts_with()`: para columnas que comienzan con texto estándar
  - `ends_with()`: para columnas que terminan con texto estándar
  - `contiene()`: para columnas que contienen texto estándar
---
## dplyr

### **select()**

Seleccionemos las columnas "localidad" y "año" de la tabla "datos_xlsx".

```r
datos_xlsx %>%
  select(localidad, ano)
```

```
## # A tibble: 24 x 2
##    localidad                    ano
##    <chr>                      <dbl>
##  1 Puerto Iguazú - Misiones    2001
##  2 Puerto Liberdad - Misiones  2001
##  3 San Pedro - Misiones        2001
##  4 Tareiri - Misiones          2001
##  5 Puerto Iguazú - Misiones    2005
##  6 Puerto Liberdad - Misiones  2005
##  7 San Pedro - Misiones        2005
##  8 Tareiri - Misiones          2005
##  9 Puerto Iguazú - Misiones    2001
## 10 Puerto Liberdad - Misiones  2001
## # ... with 14 more rows
```

---
## dplyr

### **select()**

Seleccione todos los datos excepto "ID" y "temperatura".

```r
datos_xlsx %>%
  select(-ID, -temperatura)
```

```
## # A tibble: 24 x 4
##    localidad                    ano zona     var_respuesta
##    <chr>                      <dbl> <chr>            <dbl>
##  1 Puerto Iguazú - Misiones    2001 agrícola            NA
##  2 Puerto Liberdad - Misiones  2001 agrícola             2
##  3 San Pedro - Misiones        2001 agrícola             5
##  4 Tareiri - Misiones          2001 agrícola             4
##  5 Puerto Iguazú - Misiones    2005 agrícola             6
##  6 Puerto Liberdad - Misiones  2005 agrícola            NA
##  7 San Pedro - Misiones        2005 agrícola             7
##  8 Tareiri - Misiones          2005 agrícola             9
##  9 Puerto Iguazú - Misiones    2001 bosque              30
## 10 Puerto Liberdad - Misiones  2001 bosque              52
## # ... with 14 more rows
```

---
## dplyr

### **arrange()**

- Para ordenar líneas.

- Los argumentos son las columnas por las que queremos ordenar las filas.

```r
datos %>% 
  arrange(columna_x)
```

- También podemos ordenar en orden descendente usando la función `desc()`...

```r
datos %>% 
  arrange(desc(columna_x))
```

- ¡Y ordena más de una columna al mismo tiempo!

```r
datos %>% 
  arrange(columna_y, desc(columna_x))
```

---
## dplyr

### **arrange()**

- En el siguiente ejemplo, ordenamos las líneas base en orden ascendente de "response_var".

```r
datos_xlsx %>%
  arrange(var_respuesta, desc(ano))
```

```
## # A tibble: 24 x 6
##       ID localidad                    ano zona     var_respuesta temperatura
##    <dbl> <chr>                      <dbl> <chr>            <dbl>       <dbl>
##  1     2 Puerto Liberdad - Misiones  2001 agrícola             2        26.7
##  2     4 Tareiri - Misiones          2001 agrícola             4        26.2
##  3     3 San Pedro - Misiones        2001 agrícola             5        24.2
##  4     5 Puerto Iguazú - Misiones    2005 agrícola             6        27  
##  5     7 San Pedro - Misiones        2005 agrícola             7        26  
##  6     8 Tareiri - Misiones          2005 agrícola             9        26.5
##  7    18 Puerto Liberdad - Misiones  2001 urbano              14        29.4
##  8    23 San Pedro - Misiones        2005 urbano              16        33  
##  9    19 San Pedro - Misiones        2001 urbano              16        32.4
## 10    24 Tareiri - Misiones          2005 urbano              18        33.6
## # ... with 14 more rows
```

---
## dplyr

### **filter()**

- Para filtrar valores de una columna base, usamos la función `filter()`.

```r
datos %>% 
  filter(columna < value)
```

- Por ejemplo, podemos seleccionar datos con una "var_respuesta" superior a 50.

```r
datos_xlsx %>%
  filter(var_respuesta > 50)
```

```
## # A tibble: 4 x 6
##      ID localidad                    ano zona   var_respuesta temperatura
##   <dbl> <chr>                      <dbl> <chr>          <dbl>       <dbl>
## 1    10 Puerto Liberdad - Misiones  2001 bosque            52          21
## 2    11 San Pedro - Misiones        2001 bosque            63          22
## 3    15 San Pedro - Misiones        2005 bosque            56          24
## 4    16 Tareiri - Misiones          2005 bosque            64          26
```

---
## dplyr

### **filter()**

- También podemos usar el filtro con caracteres.

```r
datos_xlsx %>%
  filter(zona %in% "urbano")
```

```
## # A tibble: 8 x 6
##      ID localidad                    ano zona   var_respuesta temperatura
##   <dbl> <chr>                      <dbl> <chr>          <dbl>       <dbl>
## 1    17 Puerto Iguazú - Misiones    2001 urbano            20        28  
## 2    18 Puerto Liberdad - Misiones  2001 urbano            14        29.4
## 3    19 San Pedro - Misiones        2001 urbano            16        32.4
## 4    20 Tareiri - Misiones          2001 urbano            NA        30  
## 5    21 Puerto Iguazú - Misiones    2005 urbano            29        29  
## 6    22 Puerto Liberdad - Misiones  2005 urbano            30        32.5
## 7    23 San Pedro - Misiones        2005 urbano            16        33  
## 8    24 Tareiri - Misiones          2005 urbano            18        33.6
```

---
## dplyr

### **mutate()**

- Para modificar una columna existente o crear una nueva.

- Aplicaremos una función.

- La regla es que el resultado de la operación devuelve un vector con una longitud igual al número de filas en la base.

```r
datos_xlsx %>%
  mutate(columna = columna+función)
```

- También puede crear/modificar tantas columnas como desee dentro de la misma mutación.

```r
datos_xlsx %>%
  mutate(columna = columna+función, nueva_columna = columna/valor)
```

---
## dplyr

### **mutate()**

- Por ejemplo, digamos que descubrió un error en su tabla. Agregaste uno individuo más en la columna "var_respuesta" y ahora necesitas quitar ese valor.

```r
datos_xlsx %>%
  mutate(var_respuesta = var_respuesta - 1)
```

```
## # A tibble: 24 x 6
##       ID localidad                    ano zona     var_respuesta temperatura
##    <dbl> <chr>                      <dbl> <chr>            <dbl>       <dbl>
##  1     1 Puerto Iguazú - Misiones    2001 agrícola            NA        25  
##  2     2 Puerto Liberdad - Misiones  2001 agrícola             1        26.7
##  3     3 San Pedro - Misiones        2001 agrícola             4        24.2
##  4     4 Tareiri - Misiones          2001 agrícola             3        26.2
##  5     5 Puerto Iguazú - Misiones    2005 agrícola             5        27  
##  6     6 Puerto Liberdad - Misiones  2005 agrícola            NA        25.5
##  7     7 San Pedro - Misiones        2005 agrícola             6        26  
##  8     8 Tareiri - Misiones          2005 agrícola             8        26.5
##  9     9 Puerto Iguazú - Misiones    2001 bosque              29        20  
## 10    10 Puerto Liberdad - Misiones  2001 bosque              51        21  
## # ... with 14 more rows
```

---
## dplyr

### **summarize()**

- Es la técnica de resumir un conjunto de datos utilizando alguna métrica de interés.

- Media, mediana, varianza, frecuencia, proporción, por ejemplo, son tipos de resumen que aportan información diferente sobre una variable.

```r
datos %>%
  summarize(función(columna))
```

- No vamos a explorar esta función aquí, ya que tendremos una clase solo sobre estadística descriptiva en **R**.

```r
datos_xlsx %>%
  summarize(media = mean(temperatura), na.rm = TRUE)
```

```
## # A tibble: 1 x 2
##   media na.rm
##   <dbl> <lgl>
## 1  26.5 TRUE
```

---
## dplyr

### **relocate()**

- Para reubicar columnas.

- De forma predeterminada, coloca una o más columnas al comienzo de la base.

```r
# Coloque las columnas 5 y 4 al principio de la tabla.
datos %>%
  relocate(columna5, columna4)
```

- Podemos usar los argumentos `.after =` y `.before =` para realizar cambios más complejos.

```r
# Poner la columna 2 después de la columna 4
datos %>%
  relocate(columna2, .after = columna4)
```

```r
# Poner la columna 2 antes de la columna 4
datos %>%
  relocate(columna2, .before = columna4)
```

---
## dplyr

### **rename()***

- Cambia los nombres de variables individuales (columnas) usando la sintaxis `nuevo_nombre = viejo_nombre`.

```r
datos %>%
  rename(columna_x = columna.x)
```

- Por ejemplo, vamos cambiar el nombre de la columna "localidad" por "municipalidad".

```r
datos_xlsx %>%
  rename(municipalidad = localidad) %>%
  names()
```

```
## [1] "ID"            "municipalidad" "ano"           "zona"          "var_respuesta" "temperatura"
```

---
## dplyr

### **left_join()**, **right_join()** y **full_join()**

- Lo usamos para unir dos tablas en una.

```r
# Une la tabla 'datos' a la tabla 'datos2' por 'columna_x'

# Mantiene los elementos de la tabla 'datos' y excluye elementos adicionales de 'datos2'.
datos %>%
  left_join(datos2, 
            by = "columna_x")

# Mantiene los elementos de la tabla 'datos2' y excluye elementos adicionales de 'datos'.
datos %>%
  right_join(datos2, 
            by = "columna_x")

# Mantiene los valores de las dos tablas.
datos %>%
  full_join(datos2, by = "columna_x")
```

---
## dplyr

#### Ejercicios

Trabajemos con la tabla "**tidy_ej2**".

1 - Reordene los datos de forma ascendente de acuerdo con la columna "ID".

2 - Retire la columna "temperatura".

3 - Seleccione solo las líneas con "número de accidentes"> 0.

4 - Divida el valor de la columna "número de accidentes" por la columna "población" y multiplique por 100,000; resultando en el número de casos por cada 100.000 habitantes.

5 - Salvar la tabla como un ".csv".

---
class: clear, center

## ¡¡Fin de clase!!

.center[<img src="figs/43-fim.jpg" style="width: 80%;">]
---
class: middle

## [¡No olvides tu tarea!](https://forms.gle/ryeDtZNHuzk56LtF8) <svg viewBox="0 0 640 512" style="height:1em;position:relative;display:inline-block;top:.1em;fill:#000000;" xmlns="http://www.w3.org/2000/svg">  <path d="M224 256c70.7 0 128-57.3 128-128S294.7 0 224 0 96 57.3 96 128s57.3 128 128 128zm89.6 32h-16.7c-22.2 10.2-46.9 16-72.9 16s-50.6-5.8-72.9-16h-16.7C60.2 288 0 348.2 0 422.4V464c0 26.5 21.5 48 48 48h274.9c-2.4-6.8-3.4-14-2.6-21.3l6.8-60.9 1.2-11.1 7.9-7.9 77.3-77.3c-24.5-27.7-60-45.5-99.9-45.5zm45.3 145.3l-6.8 61c-1.1 10.2 7.5 18.8 17.6 17.6l60.9-6.8 137.9-137.9-71.7-71.7-137.9 137.8zM633 268.9L595.1 231c-9.3-9.3-24.5-9.3-33.8 0l-37.8 37.8-4.1 4.1 71.8 71.7 41.8-41.8c9.3-9.4 9.3-24.5 0-33.9z"></path></svg>

<br>

### Soma dos quadrados

- <svg viewBox="0 0 496 512" style="height:1em;position:relative;display:inline-block;top:.1em;fill:#000000;" xmlns="http://www.w3.org/2000/svg">  <path d="M165.9 397.4c0 2-2.3 3.6-5.2 3.6-3.3.3-5.6-1.3-5.6-3.6 0-2 2.3-3.6 5.2-3.6 3-.3 5.6 1.3 5.6 3.6zm-31.1-4.5c-.7 2 1.3 4.3 4.3 4.9 2.6 1 5.6 0 6.2-2s-1.3-4.3-4.3-5.2c-2.6-.7-5.5.3-6.2 2.3zm44.2-1.7c-2.9.7-4.9 2.6-4.6 4.9.3 2 2.9 3.3 5.9 2.6 2.9-.7 4.9-2.6 4.6-4.6-.3-1.9-3-3.2-5.9-2.9zM244.8 8C106.1 8 0 113.3 0 252c0 110.9 69.8 205.8 169.5 239.2 12.8 2.3 17.3-5.6 17.3-12.1 0-6.2-.3-40.4-.3-61.4 0 0-70 15-84.7-29.8 0 0-11.4-29.1-27.8-36.6 0 0-22.9-15.7 1.6-15.4 0 0 24.9 2 38.6 25.8 21.9 38.6 58.6 27.5 72.9 20.9 2.3-16 8.8-27.1 16-33.7-55.9-6.2-112.3-14.3-112.3-110.5 0-27.5 7.6-41.3 23.6-58.9-2.6-6.5-11.1-33.3 2.6-67.9 20.9-6.5 69 27 69 27 20-5.6 41.5-8.5 62.8-8.5s42.8 2.9 62.8 8.5c0 0 48.1-33.6 69-27 13.7 34.7 5.2 61.4 2.6 67.9 16 17.7 25.8 31.5 25.8 58.9 0 96.5-58.9 104.2-114.8 110.5 9.2 7.9 17 22.9 17 46.4 0 33.7-.3 75.4-.3 83.6 0 6.5 4.6 14.4 17.3 12.1C428.2 457.8 496 362.9 496 252 496 113.3 383.5 8 244.8 8zM97.2 352.9c-1.3 1-1 3.3.7 5.2 1.6 1.6 3.9 2.3 5.2 1 1.3-1 1-3.3-.7-5.2-1.6-1.6-3.9-2.3-5.2-1zm-10.8-8.1c-.7 1.3.3 2.9 2.3 3.9 1.6 1 3.6.7 4.3-.7.7-1.3-.3-2.9-2.3-3.9-2-.6-3.6-.3-4.3.7zm32.4 35.6c-1.6 1.3-1 4.3 1.3 6.2 2.3 2.3 5.2 2.6 6.5 1 1.3-1.3.7-4.3-1.3-6.2-2.2-2.3-5.2-2.6-6.5-1zm-11.4-14.7c-1.6 1-1.6 3.6 0 5.9 1.6 2.3 4.3 3.3 5.6 2.3 1.6-1.3 1.6-3.9 0-6.2-1.4-2.3-4-3.3-5.6-2z"></path></svg> [Soma-Dos-Quadrados/introduccionalR](https://github.com/Soma-dos-Quadrados/introduccionalR)
- <svg viewBox="0 0 576 512" style="height:1em;position:relative;display:inline-block;top:.1em;fill:#000000;" xmlns="http://www.w3.org/2000/svg">  <path d="M549.655 124.083c-6.281-23.65-24.787-42.276-48.284-48.597C458.781 64 288 64 288 64S117.22 64 74.629 75.486c-23.497 6.322-42.003 24.947-48.284 48.597-11.412 42.867-11.412 132.305-11.412 132.305s0 89.438 11.412 132.305c6.281 23.65 24.787 41.5 48.284 47.821C117.22 448 288 448 288 448s170.78 0 213.371-11.486c23.497-6.321 42.003-24.171 48.284-47.821 11.412-42.867 11.412-132.305 11.412-132.305s0-89.438-11.412-132.305zm-317.51 213.508V175.185l142.739 81.205-142.739 81.201z"></path></svg> [/somaquadrados](https://www.youtube.com/channel/UC8_OHjnszxRiit92ZJlNH4A)
- <svg viewBox="0 0 512 512" style="height:1em;position:relative;display:inline-block;top:.1em;fill:#000000;" xmlns="http://www.w3.org/2000/svg">  <path d="M391.17,103.47H352.54v109.7h38.63ZM285,103H246.37V212.75H285ZM120.83,0,24.31,91.42V420.58H140.14V512l96.53-91.42h77.25L487.69,256V0ZM449.07,237.75l-77.22,73.12H294.61l-67.6,64v-64H140.14V36.58H449.07Z"></path></svg> [/somadosquadrados](https://www.twitch.tv/somaquadrados)
- <svg viewBox="0 0 512 512" style="height:1em;position:relative;display:inline-block;top:.1em;fill:#000000;" xmlns="http://www.w3.org/2000/svg">  <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"></path></svg> [@somadosquadrados](https://twitter.com/somaquadrados)

### Marília Melo Favalesso

- <svg viewBox="0 0 512 512" style="height:1em;position:relative;display:inline-block;top:.1em;fill:#000000;" xmlns="http://www.w3.org/2000/svg">  <path d="M502.3 190.8c3.9-3.1 9.7-.2 9.7 4.7V400c0 26.5-21.5 48-48 48H48c-26.5 0-48-21.5-48-48V195.6c0-5 5.7-7.8 9.7-4.7 22.4 17.4 52.1 39.5 154.1 113.6 21.1 15.4 56.7 47.8 92.2 47.6 35.7.3 72-32.8 92.3-47.6 102-74.1 131.6-96.3 154-113.7zM256 320c23.2.4 56.6-29.2 73.4-41.4 132.7-96.3 142.8-104.7 173.4-128.7 5.8-4.5 9.2-11.5 9.2-18.9v-19c0-26.5-21.5-48-48-48H48C21.5 64 0 85.5 0 112v19c0 7.4 3.4 14.3 9.2 18.9 30.6 23.9 40.7 32.4 173.4 128.7 16.8 12.2 50.2 41.8 73.4 41.4z"></path></svg> [mariliabioufpr@gmail.com](mariliabioufpr@gmail.com)
- <svg viewBox="0 0 496 512" style="height:1em;position:relative;display:inline-block;top:.1em;fill:#000000;" xmlns="http://www.w3.org/2000/svg">  <path d="M248 8C111.03 8 0 119.03 0 256s111.03 248 248 248 248-111.03 248-248S384.97 8 248 8zm82.29 357.6c-3.9 3.88-7.99 7.95-11.31 11.28-2.99 3-5.1 6.7-6.17 10.71-1.51 5.66-2.73 11.38-4.77 16.87l-17.39 46.85c-13.76 3-28 4.69-42.65 4.69v-27.38c1.69-12.62-7.64-36.26-22.63-51.25-6-6-9.37-14.14-9.37-22.63v-32.01c0-11.64-6.27-22.34-16.46-27.97-14.37-7.95-34.81-19.06-48.81-26.11-11.48-5.78-22.1-13.14-31.65-21.75l-.8-.72a114.792 114.792 0 0 1-18.06-20.74c-9.38-13.77-24.66-36.42-34.59-51.14 20.47-45.5 57.36-82.04 103.2-101.89l24.01 12.01C203.48 89.74 216 82.01 216 70.11v-11.3c7.99-1.29 16.12-2.11 24.39-2.42l28.3 28.3c6.25 6.25 6.25 16.38 0 22.63L264 112l-10.34 10.34c-3.12 3.12-3.12 8.19 0 11.31l4.69 4.69c3.12 3.12 3.12 8.19 0 11.31l-8 8a8.008 8.008 0 0 1-5.66 2.34h-8.99c-2.08 0-4.08.81-5.58 2.27l-9.92 9.65a8.008 8.008 0 0 0-1.58 9.31l15.59 31.19c2.66 5.32-1.21 11.58-7.15 11.58h-5.64c-1.93 0-3.79-.7-5.24-1.96l-9.28-8.06a16.017 16.017 0 0 0-15.55-3.1l-31.17 10.39a11.95 11.95 0 0 0-8.17 11.34c0 4.53 2.56 8.66 6.61 10.69l11.08 5.54c9.41 4.71 19.79 7.16 30.31 7.16s22.59 27.29 32 32h66.75c8.49 0 16.62 3.37 22.63 9.37l13.69 13.69a30.503 30.503 0 0 1 8.93 21.57 46.536 46.536 0 0 1-13.72 32.98zM417 274.25c-5.79-1.45-10.84-5-14.15-9.97l-17.98-26.97a23.97 23.97 0 0 1 0-26.62l19.59-29.38c2.32-3.47 5.5-6.29 9.24-8.15l12.98-6.49C440.2 193.59 448 223.87 448 256c0 8.67-.74 17.16-1.82 25.54L417 274.25z"></path></svg> [www.mmfava.com](www.mmfava.com)
- <svg viewBox="0 0 496 512" style="height:1em;position:relative;display:inline-block;top:.1em;fill:#000000;" xmlns="http://www.w3.org/2000/svg">  <path d="M165.9 397.4c0 2-2.3 3.6-5.2 3.6-3.3.3-5.6-1.3-5.6-3.6 0-2 2.3-3.6 5.2-3.6 3-.3 5.6 1.3 5.6 3.6zm-31.1-4.5c-.7 2 1.3 4.3 4.3 4.9 2.6 1 5.6 0 6.2-2s-1.3-4.3-4.3-5.2c-2.6-.7-5.5.3-6.2 2.3zm44.2-1.7c-2.9.7-4.9 2.6-4.6 4.9.3 2 2.9 3.3 5.9 2.6 2.9-.7 4.9-2.6 4.6-4.6-.3-1.9-3-3.2-5.9-2.9zM244.8 8C106.1 8 0 113.3 0 252c0 110.9 69.8 205.8 169.5 239.2 12.8 2.3 17.3-5.6 17.3-12.1 0-6.2-.3-40.4-.3-61.4 0 0-70 15-84.7-29.8 0 0-11.4-29.1-27.8-36.6 0 0-22.9-15.7 1.6-15.4 0 0 24.9 2 38.6 25.8 21.9 38.6 58.6 27.5 72.9 20.9 2.3-16 8.8-27.1 16-33.7-55.9-6.2-112.3-14.3-112.3-110.5 0-27.5 7.6-41.3 23.6-58.9-2.6-6.5-11.1-33.3 2.6-67.9 20.9-6.5 69 27 69 27 20-5.6 41.5-8.5 62.8-8.5s42.8 2.9 62.8 8.5c0 0 48.1-33.6 69-27 13.7 34.7 5.2 61.4 2.6 67.9 16 17.7 25.8 31.5 25.8 58.9 0 96.5-58.9 104.2-114.8 110.5 9.2 7.9 17 22.9 17 46.4 0 33.7-.3 75.4-.3 83.6 0 6.5 4.6 14.4 17.3 12.1C428.2 457.8 496 362.9 496 252 496 113.3 383.5 8 244.8 8zM97.2 352.9c-1.3 1-1 3.3.7 5.2 1.6 1.6 3.9 2.3 5.2 1 1.3-1 1-3.3-.7-5.2-1.6-1.6-3.9-2.3-5.2-1zm-10.8-8.1c-.7 1.3.3 2.9 2.3 3.9 1.6 1 3.6.7 4.3-.7.7-1.3-.3-2.9-2.3-3.9-2-.6-3.6-.3-4.3.7zm32.4 35.6c-1.6 1.3-1 4.3 1.3 6.2 2.3 2.3 5.2 2.6 6.5 1 1.3-1.3.7-4.3-1.3-6.2-2.2-2.3-5.2-2.6-6.5-1zm-11.4-14.7c-1.6 1-1.6 3.6 0 5.9 1.6 2.3 4.3 3.3 5.6 2.3 1.6-1.3 1.6-3.9 0-6.2-1.4-2.3-4-3.3-5.6-2z"></path></svg> [ /mmfava](https://github.com/mmfava)