Introducción a R on Bastián Olea

Primer paso: instalar R

Thu, 07 Nov 2024 00:00:00 +0000

Para adentrarte en el mundo del análisis de datos, la visualización de datos, y la programación, el primer paso es instalar R, el lenguaje de programación estadística, e instalar RStudio, la interfaz que nos va a permitir trabajar con el lenguaje.

R, como cualquier otro lenguaje de programación, suele usarse dentro de otros programas que te ayudan a usarlo; en este caso, el entorno de desarrollo RStudio.

1. Descargar e instalar R

R es el lenguaje de programación y análisis estadístico base, el cual se caracteriza por operar mediante paquetes o librerías que expanden sus prestaciones.

¿Por qué usar R?

Thu, 07 Nov 2024 00:00:00 +0000

¿Por qué usar R para analizar datos?

Analizar datos mediante lenguajes de programación (como R u otros) puede sonar complicado, pero trae muchos beneficios para tu análisis.

Usabilidad

Facilidad de uso:
- A diferencia de otros lenguajes de programación, R está diseñado por y para personas que no se especializan en computación ni informática, sino que se enfoca en profesionales de distintas áreas que requieren aplicar técnicas computacionales a sus disciplinas. Por lo tanto, suele ser más sencillo de usar que otros lenguajes, y por sobre todo más “legible” que otros lenguajes, en el sentido de que la sintaxis de R es fácilmente interpretable como instrucciones en lenguaje natural, una vez que entiendes las reglas básicas para escribirlo y leerlo. Por lo demás, cada función del lenguaje está ampliamente documentada, y existe una gran comunidad de usuarios y usuarios con mucha disposición para ayudar y enseñar.
Análisis estadísticos complejos:
- R es una herramienta poderosa para realizar análisis estadísticos complejos, como aplicar modelos estadísticos a tus datos, herramientas de machine learning, o análisis estadísticos sofisticados. Muchas de estas herramientas vienen por defecto en R, y muchísimas otras son fácilmente instalables mediante paquetes.
Visualizaciones de datos:
- R cuenta con una amplia variedad de herramientas para visualizar datos. El paquete {ggplot2} permite crear gráficos personalizables y complejos con una sintaxis clara y concisa, basada en capas. Puedes explorar visualmente tus datos en cuestión de segundos, o producir visualizaciones complejas y atractivas si lo requieres.
Velocidad:
- Con R puedes procesar bases de datos de millones o miles de millones de filas. Existen múltiples estrategias para trabajar con grandes volúmenes de datos en R, y puedes elegir la que más te convenga en cada situación para encontrar el equilibrio entre desempeño y conveniencia que desees.

Flujos de trabajo

Tener todo tu proyecto a la vista:
- En vez de pensar el procesamiento de datos y la obtención de resultados como un proceso continuo o una sucesión de pasos que realizamos uno después del otro, desde los datos iniciales hasta el producto final, vemos el proceso como una iteración de pasos que van aumentando su complejidad en cada etapa, y donde se puede ir optimizando cada fase del mismo.
No vas a tener que repetir cosas que ya has hecho: tendrás flujos de trabajo que puedes reutilizar con distintas fuentes de datos, distintas versiones de los datos, o variaciones en los cálculos. Esto te permite experimentar e iterar.
Tus proyectos tendrán entradas y salidas claras. Podrás cambiar las entradas de datos sin tener que deshacer el trabajo que ya has hecho.
Como vas procesando datos por pasos, siempre puedes cambiar un paso anterior y aplicar los cambios a los pasos siguientes, o hacer cambios en pasos intermedios y volver a obtener los nuevos resultados.
Flexibilidad en tecnologías y métodos: un mismo proceso puede ser fácilmente actualizado para usar una tecnología que mejore su desempeño; por ejemplo, pasar de leer un Excel a consultar una base de datos relacional como SQL.
Podrás basarte en el progreso de otros:
- La comunidad de estadísticos, analistas de datos, científicos de datos, geógrafos, y otros profesionales que usan R, usualmente comparten sus proyectos, herramientas y código. Puedes basarte en eso para aplicarlo a tus necesidades.

Procesos reutilizables

Si lo haces una vez, puedes hacerlo 100 veces:

Introducción al lenguaje de programación R

Sat, 16 Nov 2024 00:00:00 +0000

Introducción a R

Esta guía contiene instrucciones paso a paso para aprender los aspectos más básicos del lenguaje R. Va dirigida a personas sin ningún conocimiento previo de R, así que si quieres aprender R desde cero, ¡sigue este tutorial!

Si sigues estas instrucciones de principio a fin, aprenderás a: trabajar con el programa RStudio, a gestionar tus scripts para el análisis, a realizar las primeras operaciones matemáticas, a comprender los distintos tipos de datos que existen en R, y a manejar las operaciones fundamentales para todo análisis posterior, ya sea básico o avanzado: objetos, comparaciones, asignaciones, vectores, y funciones.

Herramientas básicas para programar con R

Fri, 14 Feb 2025 00:00:00 +0000

Esta es la segunda guía introductoria para aprender el lenguaje de programación R orientado al análisis de datos. En la guía anterior vimos los principios más fundamentales del lenguaje R, para familiarizarnos con R y entender su funcionamiento básico. En esta segunda guía, seguiremos puliendo nuestros aprendizajes para aprender herramientas de programación poderosas que flexibilizarán mucho nuestras capacidades de análisis de datos, abriendo infinitas posibilidades.

En esta guía, aprenderemos herramientas que nos permitirán a:

Aprendiendo a usar conectores o _pipes_

Mon, 24 Nov 2025 00:00:00 +0000

Los conectores o pipes son símbolos que nos permiten encadenar varias operaciones. En inglés, pipe significa literalmente “tubería”, porque la idea es que los datos fluyan a través de una serie de pasos.

El uso de conectores facilita la lectura del código, porque nos muestra el flujo de las operaciones de forma ordenada y lógica, y también simplifica la escritura, porque nos hace escribir en el mismo orden lógico que pensamos las operaciones, y porque además nos permite reordenar, comentar, agregar o eliminar pasos.

Organizar el trabajo en Proyectos de RStudio

Sat, 04 Jan 2025 00:00:00 +0000

Proyectos

Antes de hacer cualquier trabajo que involucre datos con R, se recomienda crear un Proyecto de RStudio. Un proyecto es una forma de definir la carpeta específica donde vamos a guardar todos los scripts y archivos que vamos a necesitar. Se caracteriza por un archivo que termina en .Rproj, que marca nuestro espacio de trabajo: una sola carpeta que reúne todas las piezas de nuestro análisis.

Introducción al manejo de datos con {dplyr}

Sat, 15 Feb 2025 00:00:00 +0000

Luego de haber aprendido las funcionalidades básicas del lenguaje R, y habernos familiarizado con herramientas un poco más avanzadas de la programación en este lenguaje, ahora podemos aplicar estos aprendizajes a los datos. Aprenderemos a explorar, comprender, y navegar tablas de datos, tanto en la forma nativa de trabajar con R, como con la ayuda del paquete {dplyr}.

`{dplyr}`

La herramienta que utilizaremos para explorar, manipular, y transformar datos será el paquete {dplyr}. Este paquete, parte central del conjunto Tidyverse de herramientas para el análisis de datos con R, es uno de los más usados por la comunidad de R por su facilidad de uso.

Crear variables nuevas con `dplyr::mutate()`

Thu, 11 Dec 2025 00:00:00 +0000

En esta ocasión veremos la función que nos permite crear variables nuevas, a partir de los aprendizajes sobre manipulación de datos que vimos en tutoriales anteriores.

Para crear variables nuevas, o transformar variables existentes, usaremos la función mutate(), que forma parte del paquete {dplyr}.

Esquema de la creación de una columna a partir de dos columnas existentes: la tercera columna es la suma de las dos anteriores

Calcular resúmenes de datos con `dplyr::summarize()`

Sun, 14 Dec 2025 00:00:00 +0000

En el tutorial de introducción a {dplyr} aprendimos a ordenar, seleccionar, y filtrar datos tabulares. Con estas operaciones básicas deberíamos poder desenvolvernos con tablas de datos.

Luego aprendimos a crear y modificar variables con la función mutate() de {dplyr}.

Ahora veremos cómo calcular resúmenes de datos. Con esto nos referimos a tomar todas las observaciones o filas de una tabla, y aplicar algún cálculo para reducir todas las filas a un solo dato. Esto sirve, por ejemplo, para calcular la suma o el promedio de una columna, y para calcular estadísticos descriptivos.

Transformación de datos entre formato _ancho_ y _largo_ con {tidyr}

Sat, 29 Nov 2025 00:00:00 +0000

Los datos pueden existir en distintos formatos o estructuras, y el poder transformar los datos entre distintas estructuras es una habilidad clave.

En este tutorial aprenderemos a usar las funciones pivot_longer() y pivot_wider() del paquete {tidyr} para cambiar entre formatos de datos ancho (wide) y largo (long).

Índice

Formatos de datos

No existe una forma estandarizada de estructurar los datos. La estructura o formato que tengan los datos va a depender de muchas cosas: de dónde provienen los datos, para que se van a usar los datos, etc. Dependiendo de estas distintas necesidades los datos se pueden estructurar distintos.

Tutorial: introducción a {dplyr} con datos de población

Fri, 08 Nov 2024 00:00:00 +0000

Este post es una introducción al paquete {dplyr} para la exploración y análisis de datos con R. Está dirigido a principiantes de R. Si es primera vez que usas R, te recomiendo revisar primero este breve tutorial inicial de R..

En este tutorial veremos:

carga de datos de Excel
seleccionar columnas
ordenar tablas de datos
seleccionar filas de una tabla de datos
filtrar datos

Los datos usados en este tutorial son las Proyecciones de población para 2024 de Chile, calculadas por el Instituto Nacional de Estadísticas (INE). La obtención, procesamiento y visualización de estos datos puede encontrarse en este repositorio, junto a una aplicación web desarrollada en R para visualizar los datos.

Tutorial: introducción a {dplyr} usando datos de campamentos

Sat, 09 Nov 2024 00:00:00 +0000

En este tutorial veremos:

carga de datos de Excel
revisar los datos
seleccionar columnas
ordenar tablas de datos
contar frecuencias
filtrar datos
crear variables dicotómicas
crear variables complejas

Los datos usados en este tutorial corresponden al catastro de campamentos de Chile 2024, del Centro de Estudios del Ministerio de Vivienda y Urbanismo.. El código para obtener, procesar y visualizar los datos se encuentra en este repositorio de GitHub.

Tutorial: visualización de datos con {ggplot2}

Fri, 21 Mar 2025 00:00:00 +0000

{ggplot2} es una librería de visualización de datos bastante popular en el mundo de la ciencia de datos. Sus principales características son su atractivo, su conveniencia para la exploración de datos, un gran potencial de personalización, y un extenso ecosistema de extensiones que nos permiten generar visualizaciones prácticamente de cualquier tipo.

Otro beneficio de usarlo es propio de el uso de cualquier herramienta programática para generar resultados en el ámbito del análisis de datos: la reusabilidad del código, que nos permite especificar una sola vez el resultado que queremos y luego volver a aplicarlo infinitas veces con distintos datos, datos actualizados, o variaciones de un conjunto de datos, etc.

Tutorial: introducción al desarrollo de apps con Shiny

Fri, 08 Nov 2024 00:00:00 +0000

Shiny es un paquete de R que permite crear aplicaciones web interactivas usando sólo código de R. Es muy fácil de aprender, puedes crear cosas interesantes en muy poco tiempo, y tiene la capacidad de crear complejas y atractivas aplicaciones.

Tutorial: publicar una app Shiny en shinyapps.io

Thu, 07 Nov 2024 00:00:00 +0000

¿Desarrollaste una aplicación con Shiny, y quieres compartirla con el mundo? shinyapps.io es, en mi experiencia, el servicio más sencillo de usar para poder hacer públicas tus aplicaciones Shiny.

El primer paso es, lógicamente, tener una app Shiny funcionando. Para asegurarte que tu app funcione sin problemas, acá van soluciones a los errores más frecuentes de las apps Shiny:

Asegúrate de que tus scripts (app.R, o bien, ui.R y server.R) estén todos dentro de una misma carpeta
Confirma que los datos que cargue tu app estén en la misma carpeta que tu script, o bien, entro de carpetas que estén al mismo nivel que tus scripts. En otras palabras, si tu app carga datos, las rutas deberían/ser/así.csv o así.rds, y no ~/users/tu/documents/cosas/app/datos.xlsx ni tampoco C:\Users\Desktop\app\datos\data.csv.
Reinicia tu sesión de R (Session > Restart R) y confirma que tu aplicación funciona correctamente. Así confirmas que tu app carga todos los paquetes necesarios, y que no depende de algo que estaba en tu entorno de R pero que no era reproducible desde su código.

Luego, debes crearte una cuenta en shinyapps.io. Las cuentas gratuitas permiten tener hasta 5 aplicaciones, con 25 horas de uso mensual (en total, entre todos tus usuarios). Ésto es más que suficiente para apps de pruebas y con pocos usuarios, considerando que al superar el límite de horas no te interrumpen imnediatamente el acceso a tu aplicación. El plan inicial (13USD) permite 25 aplicaciones y 1000 horas de uso mensual.

Tutorial: crear un repositorio Git para tu proyecto de R y comparte tu código en GitHub

Fri, 07 Feb 2025 00:00:00 +0000

En este tutorial aprenderás a empezar a usar Git con tus proyectos de R, mediante la creación de repositorios. Git te permite llevar un registro de las versiones y un control de cambios en tu código, mientras que GitHub te permite subir tus repositorios a un servicio online, en el cual puedes compartir tu código con otras personas, descargar el código de otros, y colaborar en un mismo proyecto.

Recursos, blogs y otros sitios sobre R

Fri, 08 Nov 2024 00:00:00 +0000

En esta página voy guardando enlaces a sitios web útiles para otros usuarios de R. Si quieres que incluya tu sitio o iniciativa, puedes escribirme.

Aprender R

Sitios con contenido educacional para que aprendas R.

Recursos para aprender R

En mi sitio Aprende R encontrarás todo lo necesario para aprender R de manera autodidacta, incluyendo cuross, tutoriales, libros, y más.
Ciencia de Datos para Gente Sociable 📚 libro introductorio de R enfocado en personas de las ciencias sociales
Taller de Métodos y Técnicas de Investigación I, materiales de un curso de sociología sobre aplicación práctica de técnicas estadísticas usando R
Tutorial de R desde cero, con niveles básico, intermedio, y foco en aprender {dplyr}
R para ciencia de datos 📚 traducción al español del libro “R for Data Science”, recomendado para entrar a R
Big Book of R 📚 colección de cientos de libros sobre R, organizada por temas
R Resource Database, sitio que compila cientos de recursos para usuarios de R, como tutoriales, información sobre paquetes, y más.
R Universe, plataforma para ayudarte a encontrar y publicar contenido sobre R
R Packages, lista de paquetes de R populares que facilita el acceso a su documentación
RStudio Education, recursos oficiales para aprender R (en inglés)
Torpedos o cheat sheets, hojas de referencia rápida para recordar aspectos de R y sus paquetes más populares
Large Language Model tools for R, Inteligencia artificial y modelos de lenguaje en R
Learning statistics with R: A tutorial for psychology students and other beginners (en inglés)
Atelier de código, sitio para el aprendizaje de ciencia de datos con foco en investigación y docencia

Visualización de datos en R

R Graph Gallery, galería de gráficos y visualizaciones de datos hechas con R
R Charts, galería de gráficos y visualizaciones de datos hechas con R
Tutorial de visualización de datos con {ggplot2}
A ggplot2 Tutorial for Beautiful Plotting in R, tutorial recomendado de {ggplot2} (en inglés)
Galería de extensiones de {ggplot2}
Data Folks: Galería de profesionales de la visualización de datos, para encontrar inspiración y referentes

Desarrollo de apps en R

Shiny Assistant, asistente de inteligencia artificial para desarrollar, corregir y revisar aplicaciones Shiny
Galería de Shiny Widgets, paquete que ofrece muchas inputs nuevos para Shiny
Extensiones de Shiny, colección de paquetes que extienden Shiny
Documentación de {bslib}, paquete para construir interfaces en Shiny
Galería de apps Shiny en el sector público

Otros

Reportes Quarto

Tutorial para crear documentos Quarto
Tutorial para usar Quarto para generar blogs y sitios web
Crear, publicar y analizar sitios web personales usando R 📚 libro que detalla todas las instrucciones de crear un sitio web con R y Hugo.
Slidecrafting: Making beautiful slides with reveal.js and Quarto 📚 libro sobre diapositivas con Quarto
Temas y extensiones para diapositivas Quarto + RevealJS

Análisis de texto con R

Cuentapalabras. Estilometría y análisis de texto con R para filólogos

Cursos para aprender R

SpatialLab, cursos de R y más (algunos impartidos por mi! 😌)
Estación R
DataCamp, cursos asíncronos interactivos para aprender R (así aprendí yo)
Hazla con Datos 🩺
Escuela de Datos

Obtener ayuda sobre R

StackOverflow, sitio web dedicado a preguntas y respuestas
Comunidad de R en Reddit, donde también se pueden hacer consultas

Conectar

Conoce a otras personas que usan R o únete a una comunidad de usuarios/as!