class: center, middle, inverse, title-slide # Programación con R ## Clase 1 ### <img src = 'https://github.com/Soma-dos-Quadrados/ArtesSoma/blob/main/simbolo_smfundo4.png?raw=true' width = '25%'> ### Marília Melo Favalesso --- ## Introducción .center[<img src="figs/33-ini1.png" style="width: 55%;">] <!-- Antes de comenzar la clase, me gustaría decir esto: la programación no es más que una forma de comunicarse con nuestra computadora. Las computadoras, como nosotres, se comunican "por escrito" y los lenguajes de programación son el medio para comunicarse con ellas. --> --- ## Introducción .center[<img src="figs/34-ini2.png" style="width: 52%;">] <!-- Por ejemplo, podemos pedirle a la computadora que calcule una función simple escribiendo y ejecutando código en el lenguaje R. Esta información me ayudó a no tener miedo de programar. Aprender un lenguaje de programación es como aprender cualquier idioma, como español o portugués. (: --> --- ## Introducción ### En nuestras diapositivas <br> .center[<img src="figs/38-rstudio.png" style="width: 70%;">] <!-- También quiero aclararle lo siguiente, en caso de duda: Las áreas grises en las diapositivas corresponden a los códigos R. Debajo de esta área, después de los símbolos "hash", veremos la salida de este código. --> --- ## Introducción .center[<img src="figs/39-atv.gif" style="width: 85%;"> [`clase_1.R`](clase_1.R) ] <!-- El script de esta clase está disponible en el sitio web del curso (lo dejaré en la descripción del video). Todo lo que les voy a mostrar se describe en este script. --> --- ## Introducción ### ¿Script mal configurado? <button type="button">Tools</button> **>** <button type="button">Global options</button> **>** <button type="button">Code</button> **>** <button type="button">Saving</button> **>** <button type="button">Default text enconding</button> **>** select **UTF-8** .center[<img src="figs/40-utf8.gif" style="width: 70%;">] <!-- Si abre el script y ve que los acentos no se muestran correctamente o alguna otra configuración incorrecta, intente cambiar la codificación a UTF-8. --> --- ## Introducción ### Sistema de puntuación <br> .center[<img src="figs/39-pontuacion.png" style="width: 70%;">] <br> <!-- Otro dato importante es que R, a diferencia de nosotres, usa el punto como separador decimal y la coma como separador de miles. Es sumamente importante ser consciente de este hecho para que no obtengamos resultados incorrectos. --> --- # Script - [`clase_1.R`](clase_1.R) # Contenido de hoy - [Objetos y atribuciones](#objatr) - [Clases](#clases) - [Tipos de objetos](#tipos) - [Estructuras de Control](#control) - [Funciones](#funciones) <!-- En esta clase veremos los siguientes contenidos: Objetivos y asignaciones, clases, tipos de objetos, estructura de control y funciones. --> --- name: objatr class: middle, center # Objetos y atribuciones <!-- Comenzando con objetos y asignaciones --> --- ## Objetos y atribuciones - Los **objetos** son variables capazes de almacenar cualquier valor o estructura de datos. <br> .center[<img src="figs/1-obj.png" style="width: 50%;">] <br> ```r objeto <- 6 # Guardamos el valor '6' en 'objeto' con '<-' objeto # Siempre que evaluamos el `objeto`, la R devolverá el valor 6 ``` ``` ## [1] 6 ``` > El símbolo **`=`** se puede utilizar en lugar de **`<-`** pero no se recomienda. <!-- Los objetos son variables capazes de almacenar cualquier valor o estructura de datos. Vamos tener un valor asignado - en el ejemplo es el valor 6 -, un operador de asignação - signo menor y guion - y el nombre del objeto - que en nuestro caso es "objeto". Al asignar el valor 6 al nombre "objeto", siempre que escribamos "objeto" seguido de CTRL + ENTER, la R devolverá el valor asignado. También podemos utilizar el "igual" como símbolo de asignación, pero como escapa a las normas de una buena programación con R, se desaconseja su uso. --> --- ## Objetos y atribuciones ```r j <- 14 # CRTL + ENTER ``` ...está haciendo una **declaración**, es decir, declarando que la variable `j` ahora se convertirá en un objeto que contiene el número `14`. Las declaraciones se pueden hacer una en cada línea ... ```r j <- 14 # CRTL + ENTER y <- 24 # CRTL + ENTER ``` ... o separados por `;` ```r j <- 14; y <- 24 # CRTL + ENTER ``` podemos usar el `;` siguiendo la asignación para llamar a nuestro objeto y ver su contenido: ```r j <- 14; j # CRTL + ENTER ``` ``` ## [1] 14 ``` <!-- Al declarar "j <-14" en R, estamos declarando que la variable j ahora se convertirá en un objeto que contiene el valor 14. Podemos hacer una declaración por línea o podemos escribir dos o más declaraciónes en la misma línea, separadas por un punto y coma. También podemos usar el punto-coma siguiendo la asignación para llamar a nuestro objeto y ver su contenido --> --- ## Objetos y atribuciones #### Otros ejemplos de creación de objetos ```r b <- 24 b ``` ``` ## [1] 24 ``` ```r c <- 69 c ``` ``` ## [1] 69 ``` ```r d <- "e" d ``` ``` ## [1] "e" ``` ```r e <- "d" e ``` ``` ## [1] "d" ``` <!-- Como podemos ver en estes otros ejemplos de asignación, los objetos pueden tener diferentes naturalezas, no siempre serán solo numérico, también tenemos objetos con valores de tipo carácter. --> --- ## Objetos y atribuciones **¡¡**Tenga en cuenta que cada objeto solo puede almacenar una estructura a la vez (un número o una secuencia de valores)**!!** ```r a <- 5 a ``` ``` ## [1] 5 ``` -- ```r a <- "bien" a ``` ``` ## [1] "bien" ``` -- ```r a <- 36 a ``` ``` ## [1] 36 ``` <!-- También es importante tener en cuenta que los objetos solo pueden almacenar una estructura de valor a la vez. Suponga que inicialmente establecemos el valor "5" para un objeto llamado "a". Cuando llamo "a" en R, R devolverá el valor 5, cierto? Si en un segundo momento asigno la palabra "bien" al objeto "a", cuando llamo a este objeto R devolverá la palabra "bien" y no el valor 5, ¿se entiende? Es como si hubiera sustituido un valor por otro ... En este caso, el último valor asignado siempre será el valor válido!! ¡Esto es muy, muy importante! Siempre tenemos que estar atentos para no cometer errores al utilizar R. --> --- ## Reglas para nombrar objetos 1. Pueden estar formados por *letras*, *números*, "*_*" y "*.*" 2. **No** se puede empezar con un número y/o un punto 3. **No** puede contener espacios 4. Evitar el uso de acentos 5. Evitar el uso de nombres de funciones como: > sum, diff, df, var, pt, data, C, etc 6. La **R** distingue entre mayúsculas y minúsculas, por lo que: > obj ≠ Obj ≠ OBJ <!-- Existen algunas reglas para nombrar objetos en R. 1. El nombre de los objetos pueden estar formados por *letras*, *números*, underline y punto. 2. **No** se puede empezar con un número y/o un punto 3. **No** puede contener espacios 4. Evitar el uso de acentos 5. Evitar el uso de nombres de funciones como: > sum, diff, df, var, pt, data, C, etc 6. La **R** distingue entre mayúsculas y minúsculas, por lo que: > obj ≠ Obj ≠ OBJ --> --- ## Reglas para nombrar objetos #### Permitido ```r a <- 5 a1 <- 5 obj <- 10 mi_obj <- 15 mi.obj <-15 ``` #### No permitido ```r 1a <- 1 a 1 <- 5 _obj <-15 mi-obj <- 15 ``` --- ## Objetos y atribuciones Podemos almacenar el valor de un objeto `k` dentro de un objeto `w`: ```r k <- 10 w <- k w ``` ``` ## [1] 10 ``` -- Podemos usar objetos para realizar operaciones matemáticas... ```r a + y / j ``` ``` ## [1] 37.71429 ``` ... y podemos asignar esta operación matemática a un nuevo objeto. ```r k <- a + y / j k ``` ``` ## [1] 37.71429 ``` <!-- Otra característica importante de los objetos es que podemos almacenar el valor de un objeto en otro. Por ejemplo, si le asigno el valor 10 al objeto k, y luego le asigno el objeto k al nombre w, w se convierte en 10. También podemos usar estos objetos en operaciones matemáticas y asignar esas operaciones matemáticas a un nuevo objeto. --> --- ## Gestionar el lugar de trabajo Enumere los objetos creados con la función `ls()`: ```r ls() ``` ``` ## [1] "a" "b" "c" "d" "e" "j" "k" "objeto" "w" "y" ``` Para eliminar solo un objeto con `rm()`: ```r rm(a) # elimina el objeto 'obj' ls() # ¿Qué objetos quedan? ``` ``` ## [1] "b" "c" "d" "e" "j" "k" "objeto" "w" "y" ``` <!-- Para saber qué objetos tengo en mi entorno r, simplemente use la función "ls()". y para eliminar algun objeto, use la función "rm()" con el nombre del objeto entre los parentesis. --> --- ## Gestionar el lugar de trabajo Para eliminar> 1 objeto con `rm()`: ```r rm(c, j, k) # elimina los objetos 'c', 'j' y 'k' ls() # ¿Qué objetos quedan? ``` ``` ## [1] "b" "d" "e" "objeto" "w" "y" ``` Para eliminar todos los objetos: ```r rm(list = ls()) # elimina TODOS los objetos ls() # ¿Qué objetos quedan? ``` ``` ## character(0) ``` <!-- Es posible eliminar más de un objeto con la función rm (), o incluso eliminar todos los objetos usando la función rm(list = ls()). --> --- ## Gestionar el lugar de trabajo #### Observación: La pestaña "**Environmental**" de RStudio muestra los objetos creados en la sesión actual. <center> <img src="figs/2-envi.png" style="width: 75%;"> </center> --- ## Ejercicio .pull-left[ Fuiste al campo y recogiste algunos vectores, que se enumeran en la siguiente tabla. <table class="table table-striped table-hover" style="margin-left: auto; margin-right: auto;"> <thead> <tr> <th style="text-align:left;"> Objeto </th> <th style="text-align:right;"> n </th> </tr> </thead> <tbody> <tr> <td style="text-align:left;"> Anopheles_sp </td> <td style="text-align:right;"> 5 </td> </tr> <tr> <td style="text-align:left;"> Lutzomyia_sp </td> <td style="text-align:right;"> 35 </td> </tr> <tr> <td style="text-align:left;"> Aedes_sp </td> <td style="text-align:right;"> 4 </td> </tr> <tr> <td style="text-align:left;"> Desconocido </td> <td style="text-align:right;"> 16 </td> </tr> </tbody> </table> ] .pull-right[ 1 - Cree objetos para cada especie y almacene el número de individuos en cada objeto (**n** en la tabla). 2 - ¿Qué porcentaje de *Lutzomyia sp.* se muestreó? 3 - Si eliminamos los vectores desconocidos, ¿cuál es la cantidad total muestreada? ¿Y cuál es el porcentaje de *Aedes*? ] <!-- Ahora les voy a dejar un ejercicio para que ustedes intenten responder. Pausa esta clase y, si tienes alguna duda, envíanos un mensaje por telegrama o por mail. --> --- name: clases class: middle, center # Clases --- ## Clases y tipos de objetos Los `objetos` tienen tres características: > <big> a <- 1</big> 1. **Nombre** que le damos al objeto (= a) 2. **Contenido** en sí del objeto (= 1) 3. **Atributo** del objeto - `Clase`: naturaleza del elementos (1 = numerico) - `Estructura`: Cómo están organizados los elementos (a = vector) <!-- Creé un objeto en R llamado "A". Este objeto tiene: - un nombre = a - un contenido = b - y sus atributos. Los atributos se pueden dividir en "clase" (que es la naturaleza del elemento) y "estructura" (cómo se organizan los elementos). Veremos a ambos en la continuación. --> --- ## Clases de objetos La clase de un objeto es muy importante en **R**! Es a partir de ella que las funciones y los operadores pueden saber *exactamente* qué hacer con un objeto. -- Por ejemplo, es posible sumar dos objetos numéricos,... ```r a <- 1 b <- 2 a + b ``` ``` ## [1] 3 ``` -- ... pero no podemos sumar dos caracteres: ```r c <- "c" d <- "!" c + d ``` \## simpleError in "c" + "d": argumento no numérico para el operador binario. > **R** verificó la naturaleza de "c" y "d" y las identificó como no numéricas. --- ## Clases de objetos ### Objetos atómicos **R** tiene 5 clases básicas de objetos, también llamados **objetos atómicos**: .pull-left[ 1 - `numeric`: Números reales, punto flotante (decimales). ```r num <- 1.50 ``` 2 - `integer`: Números enteros. ```r num_int <- 1L ``` 3 - `logical`: booleano (True/False). ```r logtf <- TRUE ``` ] .pull-right[ 4 - `character`: una cadena de caracteres, comúnmente utilizada para representar palabras, frases o texto. ```r ca <- "holla!" ``` 5 - `complex`: Un número con partes reales e imaginarias. ```r com <- 1.5 + 2i ``` ] --- ## Clases de objetos #### Importante! 1 - Use la función\* `class()` en **R** para verificar si la clase de su objeto es correcta: ```r aa <- 1 class(aa) ``` ``` ## [1] "numeric" ``` <small> > **\*** La idea básica de una función es encapsular un código que se pueda invocar en cualquier momento en R. Su significado y uso son muy similares al de las funciones matemáticas, es decir, hay un nombre, una definición y posterior invocación de la función. .pull-left[ ```r f <- function(x) { y <- 6 x + y } f(5) ``` ``` ## [1] 11 ``` ] .pull-right[ ```r 5 + 6 ``` ``` ## [1] 11 ``` > **\*\*** Hablaremos más sobre las funciones más adelante. ] </small> --- ## Clases de objetos #### Importante! 2 - Las expresiones de tipo `character` deben aparecer entre comillas simples o dobles: ```r bb <- 'Esto es un character!' bb ``` ``` ## [1] "Esto es un character!" ``` ```r cc <- "Lo mismo (:" cc ``` ``` ## [1] "Lo mismo (:" ``` ```r dd <- "I'm gonna take my horse to the old town road" dd ``` ``` ## [1] "I'm gonna take my horse to the old town road" ``` --- ## Clases de objetos #### Importante! 3 - Los números en **R** generalmente se tratan como objetos `numeric` (números reales de doble precisión), incluso los que escribimos como enteros. Para que un entero se trate como un objeto `integer`, debe usar la letra **L** después del número: ```r dd <- 1 class(dd) # NO interpretado como integer ``` ``` ## [1] "numeric" ``` ```r ee <- 1L class(ee) # interpretado como integer ``` ``` ## [1] "integer" ``` --- ## Clases de objetos #### Importante! 4 - Los valores `logical` (o booleanos) son **TRUE** (verdaderos) o **FALSE** (falsos). También se aceptan **T** o **F**. ```r ff <- T gg <- TRUE ff == gg ``` ``` ## [1] TRUE ``` ```r hh <- F ii <- FALSE hh == ii ``` ``` ## [1] TRUE ``` > **==** : operador matemático "exactamente igual a ..." --- ## Ejercicios 1 - Crea un objeto para las clases `numeric`, `integer`, `character` e `logical` y comprueba que <svg aria-hidden="true" role="img" viewBox="0 0 581 512" style="height:1em;width:1.13em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:currentColor;overflow:visible;position:relative;"><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"/></svg> lo hizo correctamente. 2 - Tenga en cuenta los siguientes objetos: ```r a <- 35 + 18^4 * 2 b <- 2L + 3L + 5L c <- 2L + 3L + 5 d <- "Me encanta la r" == TRUE e <- F f <- "2L + 3L + 5L" ``` a) ¿Cuál es la clase de cada objeto? b) ¿Qué objetos tienen la misma clase y cuáles no? b) ¿Qué objetos tienen el mismo valor y cuáles no? --- name: tipos class: middle, center # Tipos de objetos --- ## Tipos de objetos .pull-left[ - El tipo del objeto está relacionado con la **clase** y la **estructura/organización**. - Pueden estar formados por elementos de la misma clase o de clases diferentes. - Pueden tener de una hasta n dimensiones. - En **R** tenemos cinco estructuras: - `Vector` - `Matrix` - `Array` - `List` - `Data frame` ] .pull-right[ <img src="figs/3-estruc.png" style="width: 85%;"> </small> ] --- ## Tipos de objetos .pull-left[ - El tipo del objeto está relacionado con la **clase** y la **estructura/organización**. - Pueden estar formados por elementos de la misma clase o de clases diferentes. - Pueden tener de una hasta n dimensiones. - En **R** tenemos cinco estructuras: - `Vector` - `Matrix` - `Array` - `List` - `Data frame` ] .pull-right[ <img src="figs/4-struc.png" style="width: 85%;"> </small> ] --- ## Tipos de objetos ### Vetores - Colección **unidimensional** de valores: .center[<img src="figs/5-vector.png" style="width: 50%;">] - Almacena datos de una misma clase. - La forma más sencilla de crear un `vector` es enumerar los valores separados por comas dentro de una `c()`: .pull-left[ ```r area <- c("urb", "rur", "urb", "rur", "urb", "rur") area ``` ``` ## [1] "urb" "rur" "urb" "rur" "urb" "rur" ``` ] .pull-right[ ```r temperatura <- c(20, 23, 18, 20, 14, 17) temperatura ``` ``` ## [1] 20 23 18 20 14 17 ``` ] --- ## Tipos de objetos ### Vetores #### Coerción - No es posible mezclar datos de dos clases en un vector. - Si lo intenta, **R** exhibirá el comportamiento conocido como **coerción**. ```r aa <- c(1, 2, 3, 4, "a") class(aa) ``` ``` ## [1] "character" ``` ```r bb <- c(1L, 2L, 3.50, 4.1) class(bb) ``` ``` ## [1] "numeric" ``` > **DOMINANTE** character > numeric > integer > logical **RECESIVO** --- ## Tipos de objetos ### Vetores #### Conversión - Es posible intentar forzar a un vector a tener una clase específica: ```r a <- 1 ``` .pull-left[ ```r a1 <- as.character(a) class(a1) ``` ``` ## [1] "character" ``` ```r a2 <- as.integer(a) class(a2) ``` ``` ## [1] "integer" ``` ] .pull-right[ ```r a3 <- as.numeric(a) class(a3) ``` ``` ## [1] "numeric" ``` ```r a4 <- as.logical(a) class(a4) ``` ``` ## [1] "logical" ``` ] --- ## Tipos de objetos ### Vetores Hay algunas formas prácticas de crear vectores... - Secuencia de unidade: `x1:xn`. ```r anos <- 2001:2021 anos ``` ``` ## [1] 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 ``` - Secuencia con espaciado diferente: `seq()` ```r edad <- seq(from = 0, to = 80, by = 20) edad ``` ``` ## [1] 0 20 40 60 80 ``` --- ## Tipos de objetos ### Vetores - Repetición: `rep()`. ```r area <- rep(x = c("urb", "rur"), times = 3) area ``` ``` ## [1] "urb" "rur" "urb" "rur" "urb" "rur" ``` ```r mes <- rep(x = c(1, 2), times = 3) mes ``` ``` ## [1] 1 2 1 2 1 2 ``` --- ## Tipos de objetos ### Vetores - Nombres con secuencia numérica: `paste()`. ```r # Sin una separación definida muestras <- paste("muestra", 1:10) muestras ``` ``` ## [1] "muestra 1" "muestra 2" "muestra 3" "muestra 4" "muestra 5" "muestra 6" "muestra 7" "muestra 8" ## [9] "muestra 9" "muestra 10" ``` ```r # Con una separación definida muestras <- paste("muestra", 1:10, sep = "_") muestras ``` ``` ## [1] "muestra_1" "muestra_2" "muestra_3" "muestra_4" "muestra_5" "muestra_6" "muestra_7" "muestra_8" ## [9] "muestra_9" "muestra_10" ``` --- ## Tipos de objetos ### Vetores - Muestreo aleatorio de valores: `sample()`. ```r # sorteo sin reemplazo sorteo1 <- sample(1:100, 20, replace = F) sorteo1 ``` ``` ## [1] 93 59 72 36 94 4 84 1 55 11 69 9 92 25 63 91 24 58 49 18 ``` ```r # sorteo con reemplazo sorteo2 <- sample(1:100, 20, replace = T) sorteo2 ``` ``` ## [1] 7 52 41 75 65 78 6 70 33 65 13 62 10 40 19 100 23 10 87 80 ``` --- ## Tipos de objetos ### Vetores - **¡**Muy importante para el análisis de datos**!** - Un `data frame` se compone de diferentes vectores. .center[ <img src="figs/6-vecdatae.png" style="width: 80%;"> ] --- ## Tipos de objetos ### Vetores **Pertenece** (`%in%`) es un operador muy útil cuando necesitamos verificar si un cierto valor está dentro de nuestro conjunto de valores (vector): ```r # ¿recuerdas el objeto "área" que creamos? area ``` ``` ## [1] "urb" "rur" "urb" "rur" "urb" "rur" ``` ```r # ¿Hay 'valores' llamados 'urb' en él? "urb" %in% area ``` ``` ## [1] TRUE ``` ```r # ¿Hay 'valores' llamados 'for'? "for" %in% area ``` ``` ## [1] FALSE ``` --- ## Tipos de objetos ### Vetores #### Ejercicios 1. Comenzará un estudio con flebótomos en la ciudad de Puerto Iguazú y deberá seleccionar al azar 3 de 10 vecindarios para el muestreo. Haga un sorteo con <svg aria-hidden="true" role="img" viewBox="0 0 581 512" style="height:1em;width:1.13em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:currentColor;overflow:visible;position:relative;"><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"/></svg> y almacena los resultados en un objeto. 2. Crear un nuevo objeto mediante la repetición de los barrios donde recogerá los flebótomos 4 veces (una por cada estación de barrio). Por ejemplo, si va a muestrear los vecindarios "1", "3" y "6", el resultado debería ser `(1, 3, 6, 1, 3, 6, 1, 3, 6, 1, 3, 6)`. 3. ¿El barrio "1" forma parte de su muestra? ¿Y el barrio "10"? ¿Y el "7"? --- ## Tipos de objetos ### Factor - Colección **unidimensional** de valores. - Almacena datos de la clase `character`. - El factor representa medidas de una variable *cualitativa*, que puede ser *nominal* u *ordinal*. ```r estacion <- factor(x = c("verano", "verano", "primavera", "primavera", "primavera", "otono", "invierno", "invierno"), levels = c("verano", "primavera", "otono", "invierno")) estacion ``` ``` ## [1] verano verano primavera primavera primavera otono invierno invierno ## Levels: verano primavera otono invierno ``` <!-- Los factores corresponden a una colección unidimensional de valores de la clase "character". Los factores se utilizan para representar variables categóricas. Las variables categóricas pueden ser nominales (desordenadas) u ordinales (ordenadas). Los objetos de tipo factor se crean utilizando la función factor() en R. Los posibles valores de un objeto de tipo factor se denominan niveles (levels). De esta manera, un factor contendrá un vector de valores y sus valores representan niveles. Por ejemplo, puedo tener un factor que represente las veces que he muestreado en el campo. En este caso, realicé dos muestreos en "verano", tres en "primavera", uno en "otoño" y uno en "invierno". Como estamos trabajando con factores, R entenderá que valores iguales a "verano" se refieren al mismo nivel que mi factor. --> --- ## Tipos de objetos ### Factor > Internamente, **R** almacena los factores como `interger`. <br> .center[<img src="figs/7-factor.png" style="width: 50%;">] --- ## Tipos de objetos ### Factor #### Tipos - *Factor nominal*: variables nominales. ```r genero <- factor(x = c("Lonomia", "Megalopyge", "Automeris", "Hylesia", "Megalopyge", "Automeris", "Hylesia", "Lonomia", "Hylesia", "Megalopyge"), levels = c("Lonomia", "Megalopyge", "Hylesia", "Automeris")) genero ``` ``` ## [1] Lonomia Megalopyge Automeris Hylesia Megalopyge Automeris Hylesia Lonomia Hylesia ## [10] Megalopyge ## Levels: Lonomia Megalopyge Hylesia Automeris ``` ```r levels(genero) ``` ``` ## [1] "Lonomia" "Megalopyge" "Hylesia" "Automeris" ``` --- ## Tipos de objetos ### Factor #### Tipos - *Factor ordinal*: variable ordinal. ```r mes <- factor(x = c("enero", "enero", "febrero", "febrero", "marzo", "marzo"), levels = c("enero", "febrero", "marzo"), ordered = TRUE) mes ``` ``` ## [1] enero enero febrero febrero marzo marzo ## Levels: enero < febrero < marzo ``` ```r levels(mes) ``` ``` ## [1] "enero" "febrero" "marzo" ``` --- ## Tipos de objetos ### Factor Convertir un vector para un factor: `as.factor()`. ```r # Vector de caracteres. letras <- c("a", "c", "b", "d", "c", "a", "b", "d", "c") letras ``` ``` ## [1] "a" "c" "b" "d" "c" "a" "b" "d" "c" ``` ```r # Convierta el objeto en factor. letras2 <- as.factor(letras) letras2 ``` ``` ## [1] a c b d c a b d c ## Levels: a b c d ``` --- ## Tipos de objetos ### Factor #### Ejercicios Muestrará en tres áreas diferentes de Puerto Iguazú (Misiones, Argentina): 1. El Parque Nacional Iguazú (PNI) 2. un área antropogénica 3. un área rural De esta manera, cree un vector que repita 12 veces el nombre de cada ubicación de recolección (= 1 año de muestreo). --- ## Tipos de objetos ### Matrix - Colección **bidimensional** de valores: - líneas (por ejemplo, unidades de muestreo) - columnas (variables cuantitativas o cualitativas, por ejemplo: horario, tubo de ensayo, ubicación) - Almacena datos de una única clase. .center[<img src="figs/8-matrixe.png" style="width: 35%;">] --- ## Tipos de objetos ### Matrix - Colección **bidimensional** de valores: - líneas (por ejemplo, unidades de muestreo) - columnas (variables cuantitativas o cualitativas, por ejemplo: horario, tubo de ensayo, ubicación) - Almacena datos de una única clase. .center[<img src="figs/9-matrixe2.png" style="width: 68%;">] .center[Volume respiratório forzado (vez)] --- ## Tipos de objetos ### Matrix Puede construir matrices en **R** de dos formas: 1 - Disposición de elementos de un vector: `matrix()`. ```r ma <- 1:12 ma ``` ``` ## [1] 1 2 3 4 5 6 7 8 9 10 11 12 ``` .pull-left[ ```r m <- matrix(data = ma, nrow = 4, ncol = 3, byrow = TRUE) m ``` ``` ## [,1] [,2] [,3] ## [1,] 1 2 3 ## [2,] 4 5 6 ## [3,] 7 8 9 ## [4,] 10 11 12 ``` ] .pull-right[ ```r m <- matrix(data = ma, nrow = 4, ncol = 3, byrow = FALSE) m ``` ``` ## [,1] [,2] [,3] ## [1,] 1 5 9 ## [2,] 2 6 10 ## [3,] 3 7 11 ## [4,] 4 8 12 ``` ] --- ## Tipos de objetos ### Matrix Puede construir matrices en **R** de dos formas: 2 - Combinación de vectores: ```r # Creamos dos vectores con r v1 <- c(1, 2, 3); v2 <- c(4, 5, 6) ``` .pull-left[ - Combinar vectores por línea - `rbind()`. ```r # Combinamos los vectores verticalmente, # uno debajo del otro vr <- rbind(v1, v2) vr ``` ``` ## [,1] [,2] [,3] ## v1 1 2 3 ## v2 4 5 6 ``` ] .pull-right[ - Combinar vectores por columna - `cbind()`. ```r # Combinamos los vectores horizontalmente, # uno al lado del otro. vr <- cbind(v1, v2) vr ``` ``` ## v1 v2 ## [1,] 1 4 ## [2,] 2 5 ## [3,] 3 6 ``` ] --- ## Tipos de objetos ### Matrix Para cambiar el nombre de las filas y columnas de una `matrix`, utilice las funciones `rownames()` y `colnames()` respectivamente. .pull-left[ - Antes ```r ma <- 1:12 m <- matrix(data = ma, nrow = 4, ncol = 3, byrow = TRUE) m ``` ``` ## [,1] [,2] [,3] ## [1,] 1 2 3 ## [2,] 4 5 6 ## [3,] 7 8 9 ## [4,] 10 11 12 ``` ] .pull-right[ - Después ```r colnames(m) <- c("A", "B", "C") # cambia columnas rownames(m) <- c("LA", "LB", "LC", "LD") # cambia lineas m ``` ``` ## A B C ## LA 1 2 3 ## LB 4 5 6 ## LC 7 8 9 ## LD 10 11 12 ``` ] --- ## Tipos de objetos ### Matrix #### Ejercicios Está desarrollando un medicamento para la fiebre y desea analizar el efecto a lo largo del tiempo. Tiene 3 pacientes y midió su fiebre después de la medicación en los tiempos: 5 m, 10 m, 15 m, 20 m y 25 m. Los resultados son: - Paciente 1: 38, 37.9, 37.3, 37.2, 36.9 - Paciente 2: 37.9, 37.6, 37.1, 36.8, 36 - Paciente 3: 38.2, 38, 37.8, 37.2, 36.8 Configure una matriz de datos con pacientes en filas y tiempos en columnas. --- ## Tipos de objetos ### Array - Tiene **n dimensiones** - "varias matrices emparejadas". - Tiene filas, columnas y dimensiones (`arrays`). - Almacena datos de una única clase. <img src="figs/10-array.png" style="width: 85%;"> --- ## Tipos de objetos ### Array Construir un array en **R**: `array()`. ```r vc <- 1:8 # datos ar <- array(data = vc, dim = c(2, 2, 2)) # array ar ``` ``` ## , , 1 ## ## [,1] [,2] ## [1,] 1 3 ## [2,] 2 4 ## ## , , 2 ## ## [,1] [,2] ## [1,] 5 7 ## [2,] 6 8 ``` --- ## Tipos de objetos .pull-left[ - El tipo del objeto está relacionado con la **clase** y la **estructura/organización**. - Pueden estar formados por elementos de la misma clase o de clases diferentes. - Pueden tener de una hasta n dimensiones. - En **R** tenemos cinco estructuras: - `Vector` - `Matrix` - `Array` - `List` - `Data frame` ] .pull-right[ <img src="figs/11-p2.png" style="width: 85%;"> ] --- ## Tipos de objetos ### Data frame - Colección **bidimensional** de valores: - líneas (unidades de muestreo) - columnas (variables cuantitativas o cualitativas, por ejemplo: horario, tubo de ensayo, ubicación) - Almacena datos de ≠ clases. .pull-left[<img src="figs/12-dataframe.png" style="width: 70%;">] -- .pull-right[ <br> <img src="figs/13-excel3.png" style="width: 85%;">] --- ## Tipos de objetos ### Data frame <img src="figs/14-dataframe1.png" style="width: 100%;"> --- ## Tipos de objetos ### Data frame <img src="figs/6-vecdatae.png" style="width: 100%;"> --- ## Tipos de objetos ### Data frame Cómo construir un **data frame** en **R**: `data.frame()`. .pull-left[ ```r # Vamos a crear 4 vectores area <- c("urb", "rur", "urb", "rur", "urb", "rur") mes <- c(1, 1, 2, 2, 3, 3) presencia <- c(T, T, F, F, T, T) temperatura <- c(20.1, 21.2, 22.2, 23.8, 22.9, 23) area; mes; presencia; temperatura ``` ``` ## [1] "urb" "rur" "urb" "rur" "urb" "rur" ``` ``` ## [1] 1 1 2 2 3 3 ``` ``` ## [1] TRUE TRUE FALSE FALSE TRUE TRUE ``` ``` ## [1] 20.1 21.2 22.2 23.8 22.9 23.0 ``` ] -- .pull-right[ ```r # Unamos los vetores en un dataframe. # Observe que cada vector se convierte en una columna. dtf <- data.frame(area, mes, presencia, temperatura) dtf ``` ``` ## area mes presencia temperatura ## 1 urb 1 TRUE 20.1 ## 2 rur 1 TRUE 21.2 ## 3 urb 2 FALSE 22.2 ## 4 rur 2 FALSE 23.8 ## 5 urb 3 TRUE 22.9 ## 6 rur 3 TRUE 23.0 ``` ] --- ## Tipos de objetos ### Data frame #### Ejercicio Cree un `data frame` con los datos de su investigación (máximo de 6 filas y 6 columnas). Si no tiene datos, utilice los datos a continuación: <table class="table" style="font-size: 22px; "> <thead> <tr> <th style="text-align:left;"> localidad </th> <th style="text-align:right;"> tiempo </th> <th style="text-align:right;"> poblacion </th> <th style="text-align:right;"> accidentes </th> </tr> </thead> <tbody> <tr> <td style="text-align:left;"> A </td> <td style="text-align:right;"> 1 </td> <td style="text-align:right;"> 10326 </td> <td style="text-align:right;"> 396 </td> </tr> <tr> <td style="text-align:left;"> A </td> <td style="text-align:right;"> 2 </td> <td style="text-align:right;"> 9658 </td> <td style="text-align:right;"> 400 </td> </tr> <tr> <td style="text-align:left;"> B </td> <td style="text-align:right;"> 1 </td> <td style="text-align:right;"> 6985 </td> <td style="text-align:right;"> 236 </td> </tr> <tr> <td style="text-align:left;"> B </td> <td style="text-align:right;"> 2 </td> <td style="text-align:right;"> 6300 </td> <td style="text-align:right;"> 123 </td> </tr> <tr> <td style="text-align:left;"> C </td> <td style="text-align:right;"> 1 </td> <td style="text-align:right;"> 3265 </td> <td style="text-align:right;"> 238 </td> </tr> <tr> <td style="text-align:left;"> C </td> <td style="text-align:right;"> 2 </td> <td style="text-align:right;"> 4005 </td> <td style="text-align:right;"> 632 </td> </tr> </tbody> </table> --- ## Tipos de objetos ### List - Colección **unidimensional** de objetos. - Almacena datos de ≠ tipos (`vectors`, `arrays`, `data frame`, `lists`). - Es un vector especial que acepta objetos como elementos. > Muchas funciones que usamos para analizar datos en R tienen listas como salida. <img src="figs/15-listae.png" style="width: 100%;"> --- ## Tipos de objetos ### List crea una **lista** en r: `list()`. ```r lis <- list(rbind(c(3,6), c(4,5)), sample(1:100, 5), factor(c("a", "a", "b", "c"))) lis ``` ``` ## [[1]] ## [,1] [,2] ## [1,] 3 6 ## [2,] 4 5 ## ## [[2]] ## [1] 77 9 52 64 54 ## ## [[3]] ## [1] a a b c ## Levels: a b c ``` --- name: control class: middle, center # Estructuras de Control --- ## Estructuras de Control - **¿Por qué programar?** <svg aria-hidden="true" role="img" viewBox="0 0 640 512" style="height:1em;width:1.25em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:currentColor;overflow:visible;position:relative;"><path d="M255.03 261.65c6.25 6.25 16.38 6.25 22.63 0l11.31-11.31c6.25-6.25 6.25-16.38 0-22.63L253.25 192l35.71-35.72c6.25-6.25 6.25-16.38 0-22.63l-11.31-11.31c-6.25-6.25-16.38-6.25-22.63 0l-58.34 58.34c-6.25 6.25-6.25 16.38 0 22.63l58.35 58.34zm96.01-11.3l11.31 11.31c6.25 6.25 16.38 6.25 22.63 0l58.34-58.34c6.25-6.25 6.25-16.38 0-22.63l-58.34-58.34c-6.25-6.25-16.38-6.25-22.63 0l-11.31 11.31c-6.25 6.25-6.25 16.38 0 22.63L386.75 192l-35.71 35.72c-6.25 6.25-6.25 16.38 0 22.63zM624 416H381.54c-.74 19.81-14.71 32-32.74 32H288c-18.69 0-33.02-17.47-32.77-32H16c-8.8 0-16 7.2-16 16v16c0 35.2 28.8 64 64 64h512c35.2 0 64-28.8 64-64v-16c0-8.8-7.2-16-16-16zM576 48c0-26.4-21.6-48-48-48H112C85.6 0 64 21.6 64 48v336h512V48zm-64 272H128V64h384v256z"/></svg> - Evite la repetición innecesaria de análisis o cálculos que se repiten con frecuencia. - Documente los pasos que tomó para llegar a un resultado. - Fácil recuperación y modificación del programa. - **¿Cómo programar?** <svg aria-hidden="true" role="img" viewBox="0 0 640 512" style="height:1em;width:1.25em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:currentColor;overflow:visible;position:relative;"><path d="M32,224H64V416H32A31.96166,31.96166,0,0,1,0,384V256A31.96166,31.96166,0,0,1,32,224Zm512-48V448a64.06328,64.06328,0,0,1-64,64H160a64.06328,64.06328,0,0,1-64-64V176a79.974,79.974,0,0,1,80-80H288V32a32,32,0,0,1,64,0V96H464A79.974,79.974,0,0,1,544,176ZM264,256a40,40,0,1,0-40,40A39.997,39.997,0,0,0,264,256Zm-8,128H192v32h64Zm96,0H288v32h64ZM456,256a40,40,0,1,0-40,40A39.997,39.997,0,0,0,456,256Zm-8,128H384v32h64ZM640,256V384a31.96166,31.96166,0,0,1-32,32H576V224h32A31.96166,31.96166,0,0,1,640,256Z"/></svg> - ¡Creando programas! (guiones/scripts, rutinas, algoritmos). - Crear una secuencia lógica de comandos que se deben ejecutar en orden. - Utilizar las herramientas básicas de programación: - Estructuras de repetición (`for()`) - Estructuras de selección (`if()`) - Estructura de repetición (`while()`) --- ## Estructuras de Control ### Estructuras de repetición: `for()` - Sirve para repetir uno o más comandos varias veces. <br> .center[<img src="figs/16-for.png" style="width: 65%;">] <br> - En otras palabras, estamos diciendo que para **cada elemento i** contenido en el **conjunto de valores** ejecutaremos los comandos que están dentro de las llaves (**code**). ```r for(i in conjunto_de_valores){code} ``` > El índice no tiene que ser **i**, en realidad puede ser cualquier letra o palabra. --- ## Estructuras de Control ### Estructuras de repetición: `for()` - Para facilitar la comprensión, veamos dos ejemplos muy simples: - Imprimamos los números del 1 al 6. <img src="figs/40-for.png" style="width: 30%;"> --- ## Estructuras de Control ### Estructuras de repetición: `for()` - Para facilitar la comprensión, veamos dos ejemplos muy simples: - Imprimamos los números del 1 al 6. <br> .center[<img src="figs/41-for.png" style="width: 45%;">] --- ## Estructuras de Control ### Estructuras de repetición: `for()` - Para facilitar la comprensión, veamos dos ejemplos muy simples: - Imprimamos los números del 1 al 6. <br> .center[<img src="figs/42-for.png" style="width: 45%;">] --- ## Estructuras de Control ### Estructuras de repetición: `for()` - Para facilitar la comprensión, veamos dos ejemplos muy simples: - Imprimamos los números del 1 al 6. <br> .center[<img src="figs/43-for.png" style="width: 45%;">] --- ## Estructuras de Control ### Estructuras de repetición: `for()` - Para facilitar la comprensión, veamos dos ejemplos muy simples: - Imprimamos los números del 1 al 6. <br> .center[<img src="figs/44-for.png" style="width: 45%;">] --- ## Estructuras de Control ### Estructuras de repetición: `for()` - Para facilitar la comprensión, veamos dos ejemplos muy simples: - Imprimamos los números del 1 al 6. <br> .center[<img src="figs/45-for.png" style="width: 45%;">] --- ## Estructuras de Control ### Estructuras de repetición: `for()` - Para facilitar la comprensión, veamos dos ejemplos muy simples: - Imprimamos los números del 1 al 6. <br> .center[<img src="figs/46-for.png" style="width: 45%;">] --- ## Estructuras de Control ### Estructuras de repetición: `for()` - Para facilitar la comprensión, veamos dos ejemplos muy simples: - Imprimamos los números del 1 al 6. <br> .center[<img src="figs/47-for.png" style="width: 45%;">] --- ## Estructuras de Control ### Estructuras de repetición: `for()` - Para facilitar la comprensión, veamos dos ejemplos muy simples: - Imprimamos los números del 1 al 6. <br> .center[<img src="figs/48-for.png" style="width: 45%;">] --- ## Estructuras de Control ### Estructuras de repetición: `for()` - Para facilitar la comprensión, veamos dos ejemplos muy simples: - Imprimamos los números del 1 al 6. .pull-left[ ```r # Creamos un vector con valores entre 1 y 6 objeto1 <- 1:6 for(i in objeto1){ # Para cada valor i en 'objeto1' (= i) print(i) # imprime el valor i } ``` ``` ## [1] 1 ## [1] 2 ## [1] 3 ## [1] 4 ## [1] 5 ## [1] 6 ``` ] -- .pull-right[ ```r # También podemos pedirle a R que imprima # valores entre 1 y 6 directamente: for(i in 1:6){ # Para cada valor i entre 1 y 6 (= i) print(i) # imprime el valor i } ``` ``` ## [1] 1 ## [1] 2 ## [1] 3 ## [1] 4 ## [1] 5 ## [1] 6 ``` ] --- ## Estructuras de Control ### Estructuras de repetición: `for()` - Para facilitar la comprensión, veamos dos ejemplos muy simples: - Le pedimos a la r que sume +1 a cada valor entre 1 y 6 y luego imprima. <img src="figs/49-for.png" style="width: 35%;"> --- ## Estructuras de Control ### Estructuras de repetición: `for()` - Para facilitar la comprensión, veamos dos ejemplos muy simples: - Le pedimos a la r que sume +1 a cada valor entre 1 y 6 y luego imprima. .center[<img src="figs/50-for.png" style="width: 40%;">] --- ## Estructuras de Control ### Estructuras de repetición: `for()` - Para facilitar la comprensión, veamos dos ejemplos muy simples: - Le pedimos a la r que sume +1 a cada valor entre 1 y 6 y luego imprima. .center[<img src="figs/51-for.png" style="width: 40%;">] --- ## Estructuras de Control ### Estructuras de repetición: `for()` - Para facilitar la comprensión, veamos dos ejemplos muy simples: - Le pedimos a la r que sume +1 a cada valor entre 1 y 6 y luego imprima. .center[<img src="figs/52-for.png" style="width: 40%;">] --- ## Estructuras de Control ### Estructuras de repetición: `for()` - Para facilitar la comprensión, veamos dos ejemplos muy simples: - Le pedimos a la r que sume +1 a cada valor entre 1 y 6 y luego imprima. .center[<img src="figs/53-for.png" style="width: 40%;">] --- ## Estructuras de Control ### Estructuras de repetición: `for()` - Para facilitar la comprensión, veamos dos ejemplos muy simples: - Le pedimos a la r que sume +1 a cada valor entre 1 y 6 y luego imprima. .center[<img src="figs/54-for.png" style="width: 40%;">] --- ## Estructuras de Control ### Estructuras de repetición: `for()` - Para facilitar la comprensión, veamos dos ejemplos muy simples: - Le pedimos a la r que sume +1 a cada valor entre 1 y 6 y luego imprima. .center[<img src="figs/55-for.png" style="width: 40%;">] --- ## Estructuras de Control ### Estructuras de repetición: `for()` - Para facilitar la comprensión, veamos dos ejemplos muy simples: - Le pedimos a la r que sume +1 a cada valor entre 1 y 6 y luego imprima. ```r for(i in 1:6){ # Para cada valor i entre 1 y 6 (= i) a <- i + 1 # agregue el valor en i con 1 y guárdelo en "a" print(a) # imprime el objeto a } ``` ``` ## [1] 2 ## [1] 3 ## [1] 4 ## [1] 5 ## [1] 6 ## [1] 7 ``` --- ## Ejercicio 1 - Supongamos que ha estado en el campo durante 6 meses, registrando números de especies por cada mes. Al final del campo, desea calcular la frecuencia acumulada de especies. ```r # Número de especies muestreadas cada mes sps <- c(10, 12, 16, 15, 18, 11) # Loop total <- 0 for(n in sps){ total <- total + n print(total) } ``` > En una hoja de papel, escriba todos los pasos por los que pasará este *loop* y el resultado de cada ciclo. --- ## Ejercicio 2 - Escriba un loop `for` que calcule el cubo de cada número entre 1 y 7 usando la función `print()` para imprimir el resultado. 3 - Pesó a diferentes personas con 1.80 m de altura y obtuvo los siguientes valores: 70, 85, 90, 68. Cree un loop `for` para calcular el IMC de estas personas según la siguiente expresión matemática: IMC = Peso ÷ (Altura × Altura). --- ## Estructuras de Control ### Estructuras de selección: `if()` - Una estructura de selección - `if()` - sirve para ejecutar algún comando solo si se satisface alguna condición (en forma de expresión condicional). .center[<img src="figs/17-ifes.png" style="width: 30%;">] > En español, piense en el `if` como la palabra "*SI*" y el else como "*DEMÁS*" --- ## Estructuras de Control ### Estructuras de selección: `if()` - La sintaxis siempre estará en la forma: .center[<img src="figs/18-if.png" style="width: 50%;">] - En **R**: ```r if(<condicion 1>){ # comandos que satisface la condición }else{ # comandos que NO satisface la confidición } ``` --- ## Estructuras de Control ### Estructuras de selección: `if()` - Es posible que deseemos clasificar los niveles de vitamina D de los pacientes en "ideales (>21)" y "no ideales (<=21)": c(5, 30, 39, 14, 45). <br> <img src="figs/56-if.png" style="width: 40%;"> --- ## Estructuras de Control ### Estructuras de selección: `if()` - Es posible que deseemos clasificar los niveles de vitamina D de los pacientes en "ideales (>21)" y "no ideales (<=21)": c(5, 30, 39, 14, 45). <br> <img src="figs/57-if.png" style="width: 63%;"> --- ## Estructuras de Control ### Estructuras de selección: `if()` - Es posible que deseemos clasificar los niveles de vitamina D de los pacientes en "ideales (>21)" y "no ideales (<=21)": c(5, 30, 39, 14, 45). <br> <img src="figs/58-if.png" style="width: 80%;"> --- ## Estructuras de Control ### Estructuras de selección: `if()` - Es posible que deseemos clasificar los niveles de vitamina D de los pacientes en "ideales (>21)" y "no ideales (<=21)": c(5, 30, 39, 14, 45). <br> <img src="figs/59-if.png" style="width: 63%;"> --- ## Estructuras de Control ### Estructuras de selección: `if()` - Es posible que deseemos clasificar los niveles de vitamina D de los pacientes en "ideales (>21)" y "no ideales (<=21)": c(5, 30, 39, 14, 45). <br> <img src="figs/60-if.png" style="width: 45%;"> --- ## Estructuras de Control ### Estructuras de selección: `if()` - Es posible que deseemos clasificar los niveles de vitamina D de los pacientes en "ideales (>21)" y "no ideales (<=21)": c(5, 30, 39, 14, 45). <br> <img src="figs/61-if.png" style="width: 63%;"> --- ## Estructuras de Control ### Estructuras de selección: `if()` - Es posible que deseemos clasificar los niveles de vitamina D de los pacientes en "ideales (>21)" y "no ideales (<=21)": c(5, 30, 39, 14, 45). <br> <img src="figs/62-if.png" style="width: 63%;"> --- ## Estructuras de Control ### Estructuras de selección: `if()` - Es posible que deseemos clasificar los niveles de vitamina D de los pacientes en "ideales (>21)" y "no ideales (<=21)": c(5, 30, 39, 14, 45). <br> <img src="figs/63-if.png" style="width: 63%;"> --- ## Estructuras de Control ### Estructuras de selección: `if()` - Es posible que deseemos clasificar los niveles de vitamina D de los pacientes en "ideales (>21)" y "no ideales (<=21)": c(5, 30, 39, 14, 45). <br> <img src="figs/64-if.png" style="width: 63%;"> --- ## Estructuras de Control ### Estructuras de selección: `if()` - Es posible que deseemos clasificar los niveles de vitamina D de los pacientes en "ideales (>21)" y "no ideales (<=21)": c(5, 30, 39, 14, 45). <br> <img src="figs/65-if.png" style="width: 55%;"> --- ## Estructuras de Control ### Estructuras de selección: `if()` - Es posible que deseemos clasificar los niveles de vitamina D de los pacientes en "ideales (>21)" y "no ideales (<=21)": c(5, 30, 39, 14, 45). ```r vitamina_D <- c(5, 30, 39, 14, 45) vitamina_D ``` ``` ## [1] 5 30 39 14 45 ``` ```r for(i in vitamina_D){ # para cada uno de los pacientes en "vitamina_D"... if(i > 21){print("ideales")} # si el paciente tiene un valor> 21, imprima "ideal" else{print("no ideales")} # demás, imprima "no ideales" } ``` ``` ## [1] "no ideales" ## [1] "ideales" ## [1] "ideales" ## [1] "no ideales" ## [1] "ideales" ``` --- ## Estructuras de Control ### Estructuras de selección: `if()` - Podemos usar `else if()` para poner otras condiciones. .center[<img src="figs/19-elseif.png" style="width: 25%;">] > El `else if` es una condicion intermediaria entre if y else. --- ## Estructuras de Control ### Estructuras de selección: `if()` - La sintaxis es: .center[<img src="figs/20-elseif2.png" style="width: 50%;">] - En **R**: ```r if(condición 1){ # comandos que satisface la condición 1 } else if (condición 2){ # comandos que satisface la condición 2 } else { # comandos que NO satisface las confidiciónes } ``` --- ## Estructuras de Control ### Estructuras de selección: `if()` Se realizaron pruebas de glucosa en cuatro pacientes. A partir de los resultados se desea realizar la siguiente clasificación: 70-99 mg/dl = normal; 100-125 mg/dl = prediabetes; \> 126 mg/dl = diabetes. ```r glicose <- sample(70:130, 4); glicose ``` ``` ## [1] 71 91 123 127 ``` ```r for(paciente in glicose){ # para cada paciente con datos de glucosa... if(paciente <= 99){print("normal")} # si el paciente tiene un valor <=99 - diabetes normal else if(paciente >= 126){"diabetes"} # si el paciente tiene valores superiores o iguales a 126 - diabetes else{print("prediabetes")} # los demás son prediabetes. } ``` ``` ## [1] "normal" ## [1] "normal" ## [1] "prediabetes" ``` --- ## Ejercicio .pull-left[ Tomando como entrada la altura y el sexo (codificados de la siguiente manera: 1 = mujer 2 = hombre) de una persona, calcule e imprima su peso ideal, usando las siguientes fórmulas: - para mujeres: (62.1 * altura) - 44.7 - para hombres: (72.7 * altura) - 58 ] .pull-right[ <table class="table" style="font-size: 22px; "> <thead> <tr> <th style="text-align:right;"> cod </th> <th style="text-align:right;"> altura </th> </tr> </thead> <tbody> <tr> <td style="text-align:right;"> 1 </td> <td style="text-align:right;"> 1.65 </td> </tr> <tr> <td style="text-align:right;"> 1 </td> <td style="text-align:right;"> 1.72 </td> </tr> <tr> <td style="text-align:right;"> 2 </td> <td style="text-align:right;"> 1.78 </td> </tr> <tr> <td style="text-align:right;"> 2 </td> <td style="text-align:right;"> 1.81 </td> </tr> </tbody> </table> ] --- ## Estructuras de Control ### Estructura de repetición: `while()` - Un ciclo `while` en la programación **R** es una función diseñada para ejecutar algún código hasta que se cumpla una condición. .center[<img src="figs/21-while2.png" style="width: 26%;">] - Si bien la condición lógica es VERDADERA, el código no dejará de ejecutarse. > El loop `while` es muy similar al loop `for`, pero en el segundo definirás el número de iteraciones a ejecutar. --- ## Estructuras de Control ### Estructura de repetición: `while()` - Para un loop `while` necesitas usar la función con la siguiente sintaxis: <br> .center[<img src="figs/22-while1.png" style="width: 60%;">] <br> - En <svg aria-hidden="true" role="img" viewBox="0 0 581 512" style="height:1em;width:1.13em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:currentColor;overflow:visible;position:relative;"><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"/></svg>: ```r while(condición lógica){ # Code } ``` --- ## Estructuras de Control ### Estructura de repetición: `while()` - Por ejemplo, dado que n = 5, siempre que no sea igual a 0, R no detendrá la ejecución del ciclo. <img src="figs/66-while.png" style="width: 45%;"> --- ## Estructuras de Control ### Estructura de repetición: `while()` - Por ejemplo, dado que n = 5, siempre que no sea igual a 0, R no detendrá la ejecución del ciclo. <img src="figs/67-while.png" style="width: 45%;"> --- ## Estructuras de Control ### Estructura de repetición: `while()` - Por ejemplo, dado que n = 5, siempre que no sea igual a 0, R no detendrá la ejecución del ciclo. <img src="figs/68-while.png" style="width: 45%;"> --- ## Estructuras de Control ### Estructura de repetición: `while()` - Por ejemplo, dado que n = 5, siempre que no sea igual a 0, R no detendrá la ejecución del ciclo. <img src="figs/69-while.png" style="width: 45%;"> --- ## Estructuras de Control ### Estructura de repetición: `while()` - Por ejemplo, dado que n = 5, siempre que no sea igual a 0, R no detendrá la ejecución del ciclo. <img src="figs/70-while.png" style="width: 90%;"> --- ## Estructuras de Control ### Estructura de repetición: `while()` - Por ejemplo, dado que n = 5, siempre que no sea igual a 0, R no detendrá la ejecución del ciclo. <img src="figs/71-while.png" style="width: 90%;"> --- ## Estructuras de Control ### Estructura de repetición: `while()` - Por ejemplo, dado que n = 5, siempre que no sea igual a 0, R no detendrá la ejecución del ciclo. <img src="figs/72-while.png" style="width: 90%;"> --- ## Estructuras de Control ### Estructura de repetición: `while()` - Por ejemplo, dado que n = 5, siempre que no sea igual a 0, R no detendrá la ejecución del ciclo. <img src="figs/73-while.png" style="width: 90%;"> --- ## Estructuras de Control ### Estructura de repetición: `while()` - Por ejemplo, dado que n = 5, siempre que no sea igual a 0, R no detendrá la ejecución del ciclo. <img src="figs/74-while.png" style="width: 90%;"> --- ## Estructuras de Control ### Estructura de repetición: `while()` - Por ejemplo, dado que n = 5, siempre que no sea igual a 0, R no detendrá la ejecución del ciclo. <img src="figs/75-while.png" style="width: 90%;"> --- ## Estructuras de Control ### Estructura de repetición: `while()` - Por ejemplo, dado que n = 5, siempre que no sea igual a 0, R no detendrá la ejecución del ciclo. ```r n <- 5 while(n > 0){ # siempre que el valor de n sea mayor que 0 ... print("R está trabajando") print(n) n <- n - 1 } ``` ``` ## [1] "R está trabajando" ## [1] 5 ## [1] "R está trabajando" ## [1] 4 ## [1] "R está trabajando" ## [1] 3 ## [1] "R está trabajando" ## [1] 2 ## [1] "R está trabajando" ## [1] 1 ``` --- name: funciones class: middle, center # Funciones --- ## Funciones - Mientras que los **objetos** son *nombres que contienen valores*, las **funciones** son *nombres que contienen un código R*. .center[<img src="figs/23-func.png" style="width: 40%;">] - La idea básica de una función es encapsular un código que se pueda invocar en cualquier momento en R. <br> <br> .center[<img src="figs/24-func2.png" style="width: 55%;">] > Usamos algunas funciones hasta ahora: `c()`, `rep()`, `data.frame()`, `class()`, otros. --- ## Funciones ### Argumentos - Las funciones toman **argumentos**. - Los argumentos son los valores u objetos que ponemos entre paréntesis y que las funciones necesitan para funcional (calculando un resultado). - Por ejemplo, la función `class()` necesita recibir un objeto para investigar la clase y devolverlo: ```r a <- 3 class(a) ``` ``` ## [1] "numeric" ``` > En este caso, "a" es el argumento que incluimos en la función `class()`. --- ## Funciones ### Argumentos - Para las funciones que toman más de un argumento, tenemos que separar los argumentos con comas. - Por ejemplo, cuando usamos la concatenación (`c()`) para crear un **vector**. ```r ve <- c(1, 2, 3, 4) ``` -- **Importante:** **!!** Observe cómo debe ser la entrada de valores para que funcione la función. ```r class(1, 2, 3, 4) ``` <small> \# simpleError in class(1, 2, 3, 4): 4 argumentos passados para 'class', que requer 1 </small> ```r class(ve) ``` ``` ## [1] "numeric" ``` --- ## Funciones ### Argumentos Los argumentos de las funciónes también tienen **nombre**, que pueden o no ser usando en la función. Por ejemplo a función `rep()`. ```r rep(x, times = 1, length.out = NA, each = 1) ``` - **x**: valores que se repetirán. - **times**: Un vector de valor entero que da el número (no negativo) de veces que se repite cada elemento si tiene una longitud (x), o que se repite todo el vector si tiene una longitud 1. - **lenght.out**: La longitud deseada del vector de salida. - **each**: Cada elemento de x se repite cada vez. --- ## Ejercicio #### ¿Cuál es la diferencia entre las salidas? ```r rep(x = 1:3, times = 3, length.out = NA, each = 2) ``` ``` ## [1] 1 1 2 2 3 3 1 1 2 2 3 3 1 1 2 2 3 3 ``` ```r rep(x = 1:3, times = NA, length.out = 10, each = 2) ``` ``` ## [1] 1 1 2 2 3 3 1 1 2 2 ``` --- ## Funciones ### Argumentos También podemos usar la función sin incluir los nombres de los argumentos: ```r rep(x = 1:3, times = 2, length.out = NA, each = 1) ``` ``` ## [1] 1 2 3 1 2 3 ``` ```r rep(1:3, 2, NA, 1) ``` ``` ## [1] 1 2 3 1 2 3 ``` --- ## Funciones ### Creación - Las funciónes en <svg aria-hidden="true" role="img" viewBox="0 0 581 512" style="height:1em;width:1.13em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:currentColor;overflow:visible;position:relative;"><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"/></svg> son muy similares al de las funciones matemáticas, es decir, hay un *nombre*, una *definición* y posterior *invocación de la función*. - Siempre que ejecute una función, el código que almacena se ejecutará y se devolverá el resultado. - Además de usar las funciones listas, puede crear su propia función. La sintaxis es la siguiente: <br> .center[<img src="figs/25-crearfunc.png" style="width: 55%;">] <br> --- ## Funciones ### Creación - En <svg aria-hidden="true" role="img" viewBox="0 0 581 512" style="height:1em;width:1.13em;vertical-align:-0.125em;margin-left:auto;margin-right:auto;font-size:inherit;fill:currentColor;overflow:visible;position:relative;"><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"/></svg>: ```r # creando una función llamada 'f': f <- function(a, b) { code } # invocando la función: f(a, b) ``` > Tenga en cuenta que `function` es un nombre reservado en R, es decir, no podrá crear un objeto con ese nombre. --- ## Funciones ### Creación Creemos una función para calcular el peso ideal de las mujeres en función de la altura: ```r peso <- function(altura){ p <- (62.1 * altura) - 44.7 p } ``` - Nuestra función tiene los siguientes argumentos: - **peso**: nombre de la función - **altura**: argumento de la función - **p <- (62.1 * altura) - 44.7**: operación que realizará la función - **p**: valor devuelto por la función ```r peso(1.7) # resultado para 1.70m ``` ``` ## [1] 60.87 ``` --- ## Funciones ### Argumentos - Nuestra función también toma un vector como argumentos: ```r v <- c(1.7, 1.5, 1.65) peso(v) ``` ``` ## [1] 60.870 48.450 57.765 ``` - Y también podemos usar con conjuntos de control: ```r # Usando nuestra función en un loop 'for'. for(i in v){ print(peso(i)) } ``` ``` ## [1] 60.87 ## [1] 48.45 ## [1] 57.765 ``` --- ## Funciones **!!** Observaciones importantes: - De forma predeterminada, las funciones siempre devuelven la última línea de código como resultado de la función. En nuestro caso, es el valor contenido en '**p**'. ```r peso <- function(altura){ p <- (62.1 * altura) - 44.7 p # nuestra función devolverá p } ``` - ¿Y qué pasa si eliminamos **p** de nuestra función?... ```r peso <- function(altura){ p <- (62.1 * altura) - 44.7 } peso(1.65) ``` - ... ¡La R no devuelve nada! --- ## Funciones **!!** Observaciones importantes: - En el caso comentado, la última línea de código es la función matemática que será el 'valor' devuelto. - En este caso, para ver el resultado de la función debemos hacer: ```r peso <- function(altura){ p <- (62.1 * altura) - 44.7 } p1 <- peso(1.65) p1 ``` ``` ## [1] 57.765 ``` - En nuestro caso, es como si lo estuviéramos haciendo directamente: `p1 <- (62.1 * 1.65) - 44.7`. --- ## Funciones - **¿**Existe una función lista para mi problema**?** - **¿**Cómo averiguar el nombre de esta función**?** .center[<img src="figs/26-usagi.png" style="width: 50%;">] --- name: paquetes class: middle, center # Paquetes --- ## Paquetes - Las funciones provienen de dos fuentes: 1. paquetes **R** estándar que se cargan siempre que trabajamos con el lenguaje 2. paquetes que instalamos y cargamos por comandos. - Básicamente, un paquete es una convención para organizar y estandarizar la distribución de funciones **R**. <br> .center[<img src="figs/27-paquetes.png" style="width: 40%;">] --- ## Paquetes - La principal motivación de crear un paquete **R** es de organizar y compartir funciones de nuevos métodos y/o implementaciones creadas y que son útiles para otras personas. - En general, descargamos paquetes de dos fuentes: [CRAN](https://cran.r-project.org/) y [GitHub](https://github.com/). <br> .center[<img src="figs/28-crangit.png" style="width: 50%;">] --- ## Paquetes ### Instalación - Para instalar paquetes desde **CRAN** usamos el comando `install.packages("nombre_paquete")`. ```r install.packages("ggplot2") # Para instalar el paquete "ggplot2" ``` > **\*** Tenga en cuenta que el nombre del paquete siempre debe ir entre comillas para la instalación. <br> - Compruebe si el paquete se ha instalado: .pull-left[ ```r library() ``` > abre una nueva pestaña en R escrita "Paquetes R disponibles". ] .pull-right[<img src="figs/29-paqinst.png" style="width: 100%;">] --- ## Paquetes ### Instalación - Para instalar paquetes de **Github**, usamos el paquete `devtools`: `install_github("direccion/nombre_paquete")`. - Para hacer esto, necesitaremos la dirección y el nombre del paquete de un repositorio de GitHub (<https://github.com/tidyverse/dplyr>) ```r # Instalar el paquete 'devtools' install.packages("devtools") # Cargar el paquete para su uso library(devtools) # Incluir la dirección de descarga # del paquete do github en install_github() install_github("tidyverse/dplyr") ``` --- ## Paquetes ### Instalación - Para instalar paquetes de **Github**, usamos el paquete `devtools`: <img src="figs/30-fromgit.png" style="width: 80%;"> --- ## Paquetes ### Instalación - Solo instalamos los paquetes una vez. - Los paquetes se descargan a través de la internet. - El nombre del paquete debe estar entre comillas (`"paquete_nombre"`), independientemente de si lo vamos a descargar de **CRAN** o **GitHub**. - Para cargar paquetes en R usamos la función `library(paquete_nombre`). - En este caso no es necesario incluir comillas. - Cargamos paquetes para usar sus funciones. ```r library(ggplot2) library(dplyr) ``` --- ## Paquetes ### Actualización - Los paquetes no se actualizan solos. - Es necesario actualizarlos de vez en cuando. - ¡Es un proceso que lleva tiempo! ```r update.packages(ask = FALSE) ``` ### Dirección en mi compu - ¿Dónde están los paquetes? - Windows: `C:/Users/nombre_del_compu/Documentación/R/win-library/versión_r` - Unix (Linux o MacOS): `/home/nombre_del_compu/R/tipo_compu/versión_r` --- ## Paquetes ### Dos paquetes útiles para empezar .pull-left[ - **tidyverse** es una colección obstinada de paquetes R diseñados para la ciencia de datos. - dplyr - ggplot2 - forcats - tibble - readr - stringr - tidyr - purr ] .pull-right[ - **tidymodels** es una colección de paquetes R para modelado y aprendizaje automático utilizando principios tidyverse. - tidymodels - rsample - parsnip - recipes - tune - yardstick ] --- ## Paquetes ### Cantidad de paquetes disponibles ```r nrow(available.packages(repos = "http://cran.r-project.org")) ``` ``` ## [1] 17906 ``` .center[<img src="figs/31-sailor_suprise.gif" style="width: 45%;">] --- ## Paquetes ### Help! (ayuda) - El "help" de **R** es muy útil cuando necesitamos ayuda para comprender una función. ```r help("sum") # es necesario encerrar el nombre de # la función entre comillas. ``` .center[<img src="figs/32-help.png" style="width: 50%;">] --- ## Paquetes ### Help! (ayuda) - *Description*: Una declaración sobre el propósito de la función. - *Usage*: Muestra cómo debemos usar la función (parámetros y argumentos). - *Arguments*: Explica lo que significa cada uno de los argumentos de la función. - *Details*: Explica algunos detalles sobre el uso y la aplicación de la función. - *Value*: La salida de la función (o resultados). - *Note*: Notas de función. - *Authors*: Los autores de la función. - *References*: Las referencias utilizadas para desarrollar la función/método. - *See also*: Otras funciones relacionadas que se pueden consultar en R help. - *Examples*: Ejemplos de cómo utilizar la función --- ## Paquetes ### ¿Cómo citar la **R**? ```r citation() ``` ``` ## ## To cite R in publications use: ## ## R Core Team (2021). R: A language and environment for statistical computing. R Foundation for ## Statistical Computing, Vienna, Austria. URL https://www.R-project.org/. ## ## A BibTeX entry for LaTeX users is ## ## @Manual{, ## title = {R: A Language and Environment for Statistical Computing}, ## author = {{R Core Team}}, ## organization = {R Foundation for Statistical Computing}, ## address = {Vienna, Austria}, ## year = {2021}, ## url = {https://www.R-project.org/}, ## } ## ## We have invested a lot of time and effort in creating R, please cite it when using it for data ## analysis. See also 'citation("pkgname")' for citing R packages. ``` --- ## Paquetes ### ¿Cómo citar la **R**? ```r citation("ggplot2") ``` ``` ## ## To cite ggplot2 in publications, please use: ## ## H. Wickham. ggplot2: Elegant Graphics for Data Analysis. Springer-Verlag New York, 2016. ## ## A BibTeX entry for LaTeX users is ## ## @Book{, ## author = {Hadley Wickham}, ## title = {ggplot2: Elegant Graphics for Data Analysis}, ## publisher = {Springer-Verlag New York}, ## year = {2016}, ## isbn = {978-3-319-24277-4}, ## url = {https://ggplot2.tidyverse.org}, ## } ``` --- ## Paquetes ### Ejercicios Trabajarás con índices de disimilitud y para eso usarás el paquete "vegan" (CRAN). Instale el paquete, asegúrese de que esté instalado, cárguelo en R y obtenga su cita. --- class: clear, center ## ¡¡Fin de clase!! .center[<img src="figs/33-fim.jpg" style="width: 80%;">] --- class: middle ## [¡No olvides tu tarea!](https://forms.gle/J4iwNMt9PNSmjxcK8) <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> <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)