R es un lenguaje de programación y entorno de software libre para el análisis estadístico y gráficos. Fue desarrollado originalmente por Ross Ihaka y Robert Gentleman en la Universidad de Auckland, Nueva Zelanda, y es ampliamente utilizado en investigación estadística, análisis de datos y minería de datos en una variedad de campos, incluyendo la biología, economía y ciencias sociales.
- Análisis estadístico: R cuenta con una gran cantidad de funciones estadísticas incorporadas, así como una amplia variedad de paquetes y librerías para realizar tareas estadísticas avanzadas.
- Gráficos: R cuenta con una gran cantidad de funciones para crear gráficos de alta calidad, incluyendo gráficos de línea, barras, histogramas y mapas.
- Minería de datos: R cuenta con una amplia variedad de paquetes y librerías para realizar tareas de minería de datos, como análisis de cluster y aprendizaje automático.
- Procesamiento de datos: R cuenta con una gran cantidad de funciones para limpiar y transformar datos, lo que lo convierte en una herramienta poderosa para el procesamiento de datos.
- Integración con otros lenguajes: R cuenta con funciones para interactuar con otros lenguajes de programación, como Python y SQL, lo que facilita la integración de R en un flujo de trabajo de análisis de datos más amplio.
R cuenta con una gran comunidad activa que contribuye constantemente a mejorar el lenguaje y desarrollar nuevos paquetes y librerías. Hay una gran cantidad de recursos disponibles en línea para aprender R, incluyendo tutoriales, documentación y cursos en línea. Algunos ejemplos incluyen:
R es una herramienta poderosa para el análisis de datos, con una gran cantidad de funciones y paquetes disponibles para realizar tareas estadísticas y de minería de datos avanzadas. Con una gran comunidad y una gran cantidad de recursos disponibles, aprender R es fácil y accesible.
- Asignación de valores a variables
x <- 5
y <- 3.14
z <- "Hello, World!"- Operaciones aritméticas
suma <- x + y
resta <- x - y
multiplicacion <- x * y
division <- x / y
modulo <- x %% y
potencia <- x^2- Funciones matemáticas
raiz_cuadrada <- sqrt(x)
valor_absoluto <- abs(y)
seno <- sin(x)
logaritmo <- log(x)
- Vectores
vec <- c(1, 2, 3, 4, 5) # Crear un vector
longitud <- length(vec) # Obtener la longitud del vector
primer_elemento <- vec[1] # Acceder al primer elemento del vector
suma_vector <- sum(vec) # Calcular la suma de los elementos del vector- Data Frames
df <- data.frame(
nombre = c("Juan", "María", "Pedro"),
edad = c(25, 30, 28),
altura = c(1.75, 1.60, 1.80)
) # Crear un data frame
filas <- nrow(df) # Obtener el número de filas del data frame
columnas <- ncol(df) # Obtener el número de columnas del data frame
nombres_columnas <- colnames(df) # Obtener los nombres de las columnas del data frame
# Acceder a los valores del data frame por fila y columna
valor <- df[1, 2] # Valor en la primera fila, segunda columna
- Cáculo de estadísticas descriptivas
mean(vec) # Calcular la media del vector
median(vec) # Calcular la mediana del vector
sd(vec) # Calcular la desviación estándar del vector
var(vec) # Calcular la varianza del vector- Pruebas estadísticas
t.test(vec1, vec2) # Realizar una prueba t de Student entre dos vectores
anova(modelo) # Realizar un análisis de varianza (ANOVA)
cor(vec1, vec2) # Calcular la correlación entre dos vectores
lm(y ~ x, data = df) # Ajustar un modelo de regresión lineal- Gráficos de dispersión
plot(x, y) # Gráfico de dispersión entre x e y- Gráficos de barras
barplot(vec) # Gráfico de barras a partir de un vector- Histogramas
hist(vec) # Histograma a partir de un vector- El sitio web oficial del lenguaje R: https://www.r-project.org/
- La documentación oficial de R: https://cran.r-project.org/manuals.html
- El libro "R para Ciencia de Datos" de Hadley Wickham y Garrett Grolemund: https://r4ds.had.co.nz/
- El libro "An Introduction to R" de W. N. Venables, D. M. Smith y the R Development Core Team: https://cran.r-project.org/doc/manuals/r-release/R-intro.pdf
- El tutorial interactivo "Try R" de Code School: https://www.codeschool.com/courses/try-r
- El tutorial "R Programming" de Coursera: https://www.coursera.org/learn/r-programming
- El tutorial "R Tutorial" de StatMethods: https://www.statmethods.net/index.html
- El tutorial "R Tutorial" de DataCamp: https://www.datacamp.com/courses/free-introduction-to-r