markdown Algunoscomandosmásusadosde R（Taller de Data Analytics UAI 2019）#R

Posted 2021-05-05

# Lista de comandos útiles
**Nota:** Varios de estos comandos pertenecen al Tidyverse, por lo que se asume que se ha instalado y cargado `tidyverse`.

## Generales
| Comando | Descripción | Ejemplo |
|:---     |:---         |:---     |
| `install.packages()` | Instalar paquete (es necesario hacer sólo una vez) | `install.packages("tidyverse")` |
| `library()`          | Cargar paquete | `library(tidyverse)` |
| `read_csv()`         | Cargar datos en formato .csv (separado por comas) | `read_csv("carpeta/misdatos.csv")` |
| `read_excel()`       | Cargar datos desde un archivo Excel (requiere cargar paquete `readxl`) | `read_excel("misdatos.xlsx", sheet = "Hoja1")` |
| `glimpse()`          | Entrega un resumen de un data frame (variables y observaciones) | `glimpse(mpg)` |
| `$` | Seleccionar una variable de un data frame | `dataframe$edad` |
| `table()` | Generar una tabla de frecuencia para la(s) variable(s) | `table(dataframe$comuna, dataframe$carrera)` |

## Manipulación de datos (`dplyr`)
**Nota:** Como varios de estos comandos se usan usualmente con el operador "pipe" (`%>%`), en los ejemplos usamos `df` como nombre del data frame sobre el cual se aplica la función.

| Comando | Descripción | Ejemplo |
|:---     |:---         |:---     |
| [`filter()`](https://dplyr.tidyverse.org/reference/filter.html)  | Seleccionar (filtrar) observaciones (filas) de un data frame | `df %>% filter(edad >= 18 & comuna == "Concon")`|
| [`select()`](https://dplyr.tidyverse.org/reference/select.html?q=select)  | Seleccionar variables (columnas) de un data frame | `df %>% select(edad, comuna, carrera)` |
|             | Al usar `select()` con `-` se seleccionan todas las variables, excepto las indicadas | `df %>% select(-comuna)` |
| [`rename()`](https://dplyr.tidyverse.org/reference/select.html?q=rename) | Renombrar variables de un data frame | `df %>% rename(edad = edad.del.individuo)` |
| [`mutate()`](https://dplyr.tidyverse.org/reference/mutate.html) | Modificar variables y entregar el resultado en otra variable | `df %>% mutate(ptos.totales = ptos.local + ptos.visita)` |
| [`summarise()`](https://dplyr.tidyverse.org/reference/summarise.html) | Generar alguna estadística a partir de las variables del data frame (reducir varios valores a uno solo) | `df %>% summarise(edad.promedio = mean(edad))`|
| [`group_by()`](https://dplyr.tidyverse.org/reference/group_by.html) | Agrupar las observaciones según una o más variables para luego calcular alguna estadística por grupo | `df %>% group_by(carrera) %>% summarise(edad.promedio = mean(edad))` |
| [`arrange()`](https://dplyr.tidyverse.org/reference/arrange.html) | Reordenar observaciones según una o más variables (usar `-` para orden descendiente) | `df %>% arrange(edad, -ingresos)` |

## Modelos

| Comando | Descripción | Ejemplo |
|:---     |:---         |:---     |
| `lm()` | Modelo de regresión lineal | `lm(var.dep ~ var1 + var2 + var 3, data = df)` |
| `glm()` | Modelo lineal generalizado (usar `family = binomial` para reg. logísitca) | `glm(var.dep ~ var1 + var2, data = df, family = binomial)` |
| `summary()` | Obtener un resumen del modelo y su calidad | `summary(modelo)` | 
| [`predict()`](https://www.rdocumentation.org/packages/raster/versions/2.8-19/topics/predict) | Usar un modelo para predecir el valor de la variable dependiente para nuevas observaciones | `predict(modelo, newdata = otrodf)`|
| | Para regresiones logísticas, usar el parámetro `type = "response"`| `predict(modelolog, type = "response", newdata = otrodf)` |
| `sample.split()`  | Dividir una base de datos para generar set de entrenamiento y de prueba (requiere el paquete `caTools`) | `indices <- sample.split(df$var.dep, SplitRatio = 0.75)` |
| | Luego de generar `indices`, se seleccionan las observaciones correspondientes desde el data frame original | `dftrain <- df[indices, ]` |