Dplyr on Bastián Olea

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.

Calcula estadísticos descriptivos básicos en R

Tue, 02 Dec 2025 00:00:00 +0000

Calcular estadísticos descriptivos en R es tan simple como usar la función summary() sobre cualquier tabla de datos o dataframe.

Índice

Estadísticos descriptivos iniciales

Usaremos como ejemplo el conjunto de datos iris, que viene incorporado en R, para aplicarle summary() y así obtener sus estadísticos descriptivos.

Crear y conectarse a una base de datos en R

Thu, 06 Nov 2025 00:00:00 +0000

Índice

Qué es una base de datos

Cuando se habla de datos, mucha gente (me incluyo) usa coloquialmente el término base de datos para referirse a datos que están en Excel o csv 😣 Pero la realidad es que una base de datos es algo distinto: un sistema de almacenamiento y procesamiento de datos que puede contener múltiples tablas, que está hosteado en un computador, servidor o en la nube, y que entrega datos de acuerdo a las solicitudes que se le hagan. En este sentido una base de datos es distinto a leer un archivo, porque la base de datos siempre tiene cargados los datos, y está esperando que se los pidan para entregarlos de manera optimizada.

Rellenar datos perdidos usando datos de otra tabla

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

¿Te ha pasado que tienes una tabla con datos perdidos, y otra tabla con una columna que coincide con la primera tabla, que además cuenta con datos que quieres usar para rellenar las observaciones perdidas? Antes pensaba que esto se resolvía con left_join() y algún ajuste para reemplazar los perdidos con los datos anexados. Pero ayer conocí una función que resuelve este problema de inmediato: rows_update()!

library(dplyr) |> suppressPackageStartupMessages()

tabla_1 <- tibble(ciudad = c("Santiago", "Concepción", "Valparaíso", "Arica"),
                  poblacion = c(7123891, 1036142, 1054253, 221364),
                  temperatura = c(NA, 17.6, NA, 19.2))

tabla_1

# A tibble: 4 × 3
  ciudad     poblacion temperatura
  <chr>          <dbl>       <dbl>
1 Santiago     7123891        NA  
2 Concepción   1036142        17.6
3 Valparaíso   1054253        NA  
4 Arica         221364        19.2

tabla_2 <- tibble(ciudad = c("Santiago", "Rancagua", "Concepción", "Arica", "Valparaíso"),
                  temperatura = c(22.8, 14.0, 17.6, 19.2, 17.5))

tabla_2

# A tibble: 5 × 2
  ciudad     temperatura
  <chr>            <dbl>
1 Santiago          22.8
2 Rancagua          14  
3 Concepción        17.6
4 Arica             19.2
5 Valparaíso        17.5

En este ejemplo, tenemos dos tablas: la primera tiene una columna con datos perdidos o faltantes, y la segunda tabla, de datos similares, contiene las observaciones que en la primera tabla están faltando.

Video: Taller Aplicación de la Ciencia de Datos en la Gestión Municipal

Fri, 24 Jan 2025 00:00:00 +0000

Tuve el privilegio de exponer en la Universidad Internacional de la Municipalidad de Rancagua, un espacio de diálogo, aprendizaje y colaboración, organizado por el Programa de Gobierno Local Abierto (GOBLA) de la Municipalidad de Rancagua.

Presenté un taller dirigido a funcionarios y funcionarias municipales sobre Aplicación de la ciencia de datos en la Gestión Municipal, donde comuniqué la importancia de manejar herramientas de progamación para le análisis de datos, favoreciendo el desarrollo de herramientas reutilizables, reproducibles, transparentes y abiertas.

Cargar y explorar datos de la encuesta Casen en R, usando factor de expansión

Sun, 10 Nov 2024 00:00:00 +0000

Este post ejemplifica tres formas de cargar y explorar los datos de la encuesta Casen 2022, la Encuesta de caracterización socioeconómica nacional.

Veremos cómo obtener resultados de la Casen a nivel de país, región y comuna, usando dos formas de aplicar el factor de expansión. El factor de expansión es necesario de aplicar para transformar los resultados de la muestra de la encuesta a cifras que tienen representación a los distintos niveles de agrupación geográfica.