¡Agrégale moradito a tu análisis de datos! Tema para RStudio enfocado en una paleta de colores morada y rosada, basado en el tema base16 Default Dark de
{rsthemes}. Ahora actualizado para la última versión de RStudio.
A veces, cuando estoy haciendo una visualización con {ggplot2}, calculo mal los datos o aplico mal una geometría, y obtengo un gráfico tan horrible que le tomo una foto. Aquí voy a mantener una galería de errores de visualización de datos tan horribles que merecen ser registrados para la posteridad.
Uno de los primeros pasos al trabajar con datos es explorarlos, y si bien hay formas de resumir los datos y obtener medidas que los describan, no olvidemos que visualizar los datos es igual de importante que obtener sus estadísticas descriptivas. Ejemplifiquemos esto con un caso clásico!
{blockr}El paquete de R {blockr} nos ofrece una interfaz gráfica interactiva para poder usar R sin escribir código (no code). Como su nombre lo indica, funciona por medio de bloques que se conectan entre sí, representando de forma visual el flujo de procesamiento de datos. En esta guía te muestro un ejemplo de su uso!
Para hacer más ameno tu trabajo en R, qué tal si haces que te aparezcan fotos de gatos como bienvenida? Sigue estas instrucciones para darle un toque divertido a tu RStudio.
Se puede configurar R para que haga cosas automáticamente al iniciarse. Esto se logra creando un archivo .Rprofile, que es un script de R que se ejecuta automáticamente cuando se inicia la sesión.
Una aproximación al arte generativo ASCII por medio de loops de código que generan secuencias de textos aleatorias, produciendo patrones de ruido interesantes.
Si necesitas saber a qué hora es un evento que ocurre en otro país, puedes usar {lubridate} para convertir las zonas horarias.
La idea de usar un tema oscuro en una pantalla no es que se vea más bonito y profesional todo de negro, sino ayudarte a reducir el contraste de la pantalla con respecto al espacio en el que estás trabajando. Para resolver esto, sólo se necesitan dos paquetes y una pequeña configuración.
{camcorder}El paquete de R {camcorder} te permite ir registrando todos los gráficos que hagas durante una sesión, y al final te entrega una animación que contiene el paso a paso de tu proceso de visualización de datos, desde el gráfico de {ggplot2} inicial hasta el producto final. Solo tienes que activarlo para que todos los gráficos que generes vayan siendo registrados, y luego puedas obtener una animación de tu proceso.
Me encuentro en la tarea de tener que procesar cientos de miles de datos, lo cual demorará varios cientos de horas, por lo que necesito que dejar mi computador trabajando durante las noches, por varios días. La idea es que, cada noche, el computador procese de la mayor cantidad de datos posibles, los resultados se guarden, y a la siguiente noche el proceso se repita con datos nuevos, hasta que en algunos días logre procesar todos los cientos de miles de datos que necesito.
Se me ocurrió aplicar estadísticas a una duda cotidiana: si se tiene un historial de kilómetros recorridos, ¿cómo podemos predecir los kilómetros que se recorrerán en el futuro? En este post aplicamos una regresión lineal en R para averiguarlo.
{ggplot2}Probando un poco de arte generativo en {ggplot2}. La idea era generar gráficos que parecieran nubes o humo.
Tomé el dataframe iris, configuré algunos elementos aleatorios en el gráfico, le agregué un efecto de desenfoque a los puntos, y luego hice un loop que genera 9 gráficos con parámetros aleatorios.
¿Sabías que R tiene un tipo de datos para números romanos? Yo tampoco