¿Qué es R?

¿Qué es R?

R es un lenguaje de programación popular que se utiliza comúnmente para la ciencia y el análisis de datos. R es un Lenguaje de código abiertoPor lo tanto, su uso es gratuito y se puede ampliar para incluir funciones adicionales. R fue desarrollado originalmente para cálculos estadísticos y creación de gráficos. R proviene del mundo de la ciencia: se utiliza para crear investigaciones reproducibles utilizando estadísticas y gráficos. Sin embargo, R ahora se usa ampliamente en numerosas industrias, como la atención médica y la ciencia de datos. Esta habilidad en demanda es una opción inteligente para cualquiera que busque avanzar en su carrera en la industria financiera.

Como lenguaje de código abierto, R es extensible. Su capacidad básica se conoce como Base R, pero R tiene muchos paquetes diferentes que amplían esta funcionalidad. Esto incluye una variedad de funciones estadísticas como modelado lineal, clasificación, agrupación, pruebas estadísticas, análisis de series temporales y gráficos.

El entorno de desarrollo integrado más popular para programar con R es RStudio. La empresa Posit, que desarrolló RStudio, también desarrolló el paquete más utilizado para el análisis de datos: el Tidyverse. Ambas son soluciones gratuitas que nos permiten poner R en funcionamiento rápidamente, para que podamos resolver problemas reales y ver el valor real.

¿Quién debería usar R?

Los profesionales de finanzas recurren cada vez más a la programación R, ya que es ideal para tareas de visualización, análisis y ciencia de datos. Los analistas de datos pueden beneficiarse del uso de R tanto para el análisis como para la ciencia de datos. R es una gran herramienta para analistas de cualquier industria porque la sintaxis de R es fácil de leer y el trabajo es reproducible. La funcionalidad Base R y los paquetes Tidyverse facilitan la combinación de funciones comunes de visualización y transformación de datos. Este trabajo se puede compartir fácilmente con otros miembros del equipo mediante scripts R o como parte de un proyecto en RStudio.

R es una gran herramienta para los científicos de datos porque fue diseñada originalmente para análisis estadístico y tiene características útiles para el trabajo de ciencia de datos. Los paquetes RStudio y Tidyverse están bien documentados, se utilizan ampliamente y cuentan con una comunidad de apoyo, por lo que hay muchos recursos diferentes disponibles para ayudarlo a comenzar o para obtener soporte.

Sintaxis de R con base R

La funcionalidad principal de R que está disponible después de descargar R se llama Base R. Una vez instalado R, podemos comenzar inmediatamente a programar con R usando la sintaxis Base R. Las principales áreas de la sintaxis R aplicables a cualquier proyecto o análisis son:

• operador
• Variables y tipos de datos
• Estructuras de datos
• Funciones matemáticas

Cada una de estas áreas es fundamental para muchos lenguajes de programación. Los ejemplos utilizados para ilustrar la sintaxis son de un capítulo de BIDA. Conceptos básicos de R Curso.

operador

Como prácticamente cualquier otro lenguaje de programación, comenzar a programar en R consiste en comprender los operadores básicos. Estos incluyen suma, resta, multiplicación y división, así como operadores lógicos como menor que, mayor que, equivalente y no equivalente. Podemos combinar estos operadores en operaciones más complejas creando declaraciones «y» (&) y «o» ( | ). Puede ver una lista completa de operadores de R Aquí.

Variables y tipos de datos

Definir variables es otro concepto fundamental de la programación en R. R usa una flecha “<-“ Definir variables. Las variables se tratan como vectores en R, lo que significa que podemos hacer referencia a tipos de datos comunes como cadenas, números y valores booleanos. También podemos combinar múltiples cadenas, números o puntos de datos lógicos en una sola variable usando la función de concatenación incorporada c().

Por ejemplo, podemos definir:

 x <- c(TRUE, FALSE)

Luego, cuando ejecutamos str(x) para ver la estructura de x, vemos el siguiente resultado:

logi [1:2] TRUE FALSE

Esto significa que nuestra variable x es un vector lógico con dos valores, verdadero y falso.

Sin embargo, sólo podemos concatenar tipos de datos similares.

Por ejemplo, si intentamos configurar:

y <- c(“hello”, 42, TRUE) 

Luego ejecutamos str(y), obtenemos:

chr [1:3] “hello”, “42”, “TRUE”

Tenga en cuenta que los datos numéricos y lógicos se han convertido a caracteres.

Estructuras de datos

R hace que trabajar con datos sea más fácil y eficaz al ofrecer varias formas de estructurar los datos. Volviendo a nuestro ejemplo anterior, en lugar de concatenar los tres valores en una sola variable, podemos utilizar la estructura de datos de una lista.

z <- list(“hello”, 42, TRUE)

str(z)

$ : chr “hello”

$ : num 42

$ : logi TRUE

Dado que los valores ahora están en una lista y ya no están encadenados en una variable, cada uno puede conservar su propio tipo de datos. Luego podemos manipular estas listas usando R.

Otra estructura de datos aún más poderosa en R es el marco de datos, que es una colección de pares de nombres y vectores. Creemos un marco de datos de muestra para ciudades que son populares entre los turistas.

cities_df <- data.frame(

cities = c(“Vancouver”, “Kyoto”, “Toronto”, “Tokyo”, “Austin”, “Osaka”),

population = c(15, 100, 20, 500, 30, 400),

rating = c(3, 2, 5, 1, 5, 2)

)

Tenga en cuenta que este marco de datos contiene tres vectores y cada uno conserva su propio tipo de datos. Ahora veamos nuestro marco de datos, su estructura y un único vector en él, la población.

Funciones matemáticas

Una vez que tenemos un marco de datos, podemos realizar muchas funciones matemáticas en él que están integradas en R. Los siguientes ejemplos de sintaxis básica de R se basan en el ejemplo anterior de las columnas de población y calificaciones del marco de datos de ciudades.

Paquetes R para análisis de datos.

Hasta ahora, toda la sintaxis de R que hemos revisado proviene de Base R, la funcionalidad integrada que es estándar en todas partes. Sin embargo, podemos ampliar esta funcionalidad con paquetes que otros hayan creado y publicado. Los paquetes están destinados a lograr objetivos específicos y normalmente contienen conjuntos de datos de muestra.

Para comenzar a instalar paquetes, podemos usar la función install.packages(). Por ejemplo, si queremos interactuar con tablas de Excel en R, podemos usar el paquete readxl. Podemos instalar el paquete con el siguiente código:

install.packages(“readxl”)

Una vez instalado el paquete, podemos acceder a las funciones de este paquete utilizando la función biblioteca (readxl).

Otro paquete que puede ayudar con la programación en RStudio es el paquete “styler”. Las características de este paquete nos ayudan a mantener nuestro estilo de codificación consistente en todos los proyectos y respaldar la colaboración.

Hay cientos de paquetes para elegir que le permiten completar rápida y fácilmente una variedad de tareas con funciones diseñadas específicamente para esa instancia.

Tidyverso

Tidyverse es una colección de paquetes R diseñados para la ciencia de datos. Todos los paquetes de Tidyverse comparten una filosofía de diseño, gramática y estructuras de datos consistentes.

Tidyverse ofrece funciones intuitivas y legibles que se pueden combinar entre paquetes. Esto incluye la capacidad de escribir código de izquierda a derecha con funciones y argumentos de función que son fácilmente consumibles: nombrados para explicar lo que hacen.

Recursos adicionales

curso basico de r

R para ciencia de datos

Estructuras de datos de Python

Ver todos los recursos de ciencia de datos