Importar datos en R

Author

Affiliation

Mtro. Santiago Ríos

Introducción

En este módulo, aprenderás a importar datos en R desde diferentes fuentes, como archivos CSV y Excel. Importar datos es el primer paso en cualquier análisis de datos, ya que te permite cargar los datos en R para que puedas manipularlos, analizarlos y visualizarlos.

Terminología

Dataset o conjunto de datos

Un dataset o conjunto de datos es una colección de datos organizados en filas y columnas.
Frecuentemente, estos datos son una combinación de números y caracteres.
Estos conjuntos de datos contienen variables y observaciones.

Variables

Las variables son las columnas de un conjunto de datos.
Cada variable representa una característica o atributo de los datos.
Por ejemplo, en la siguiente figura, tenemos 7 variables: ID, Apellido (Last Name), Nombre (First Name), Sexo, ciudad (City), Estado (State), y ocupación (Occupation).
Los nombres de las variables son tomados de la primera fila del conjunto de datos.

Observaciones

Las observaciones son las filas de un conjunto de datos.
Cada observación representa un caso o una instancia de los datos.

Visualización de un conjunto de datos

R tiene varios conjuntos de datos de ejemplo que puedes cargar y explorar.
Corre el siguiente código para ver un conjunto de datos de ejemplo llamado mtcars:

data.frame

En R, los conjuntos de datos se almacenan en objetos llamados dataframes.
Al igual que una hoja de cálculo, un dataframe tiene filas y columnas, donde cada fila representa una observación y cada columna representa una variable.

Crear un DataFrame

Podemos crear un dataframe en R utilizando la función data.frame().
Esto se hace especificando los nombres de las columnas y las observaciones de cada columna.
Observa que es similar a construir vectores, donde cada columna es un vector.
En este código, creamos un dataframe llamado datos con tres columnas: nombre, edad y ciudad.
El nombre, edad y ciudad son las variables, y Juan, María y Pedro, 25,30,35, CDMX, GDL, MTY son las observaciones de cada variable.

Leer un archivo CSV

Los archivos CSV (valores separados por comas) son una forma común de almacenar datos.
Comunmente, los datos que queresmos analizar se encuentran en archivos CSV.
Para leer un archivo CSV en R, puedes utilizar la función read.csv(). Esta función lee un archivo CSV y lo convierte en un dataframe que puedes manipular y analizar.
Si ya tomaste la lección sobre directorios, sigue el siguiente código.

Primero, vamos a usar la función list.files() para ver que archivos se encuentran en el directorio actual.

Veremos que hay una carpeta llamada datos.
¿Cómo sabemos que es una carpeta y no un archivo? Los archivos se muestran con el nombre del archivo y la extensión, como datos.csv.

Ahora, vamos a listar los archivos dentro de la carpeta datos.

Veremos que hay un archivo llamado mtcars.csv en la carpeta datos.

ahora que tenemos la ruta del archivo, podemos leerlo con la función read.csv("ruta_archivo").

Leer archivos de Excel .xls y .xlsx

Para leer archivos de Excel en R, puedes utilizar las funciones read_excel() del paquete readxl y read.xlsx() del paquete openxlsx. Estas funciones leen archivos de Excel (archivo.xlsx) y los convierten en dataframes que puedes manipular y analizar. Por ejemplo, si tienes un archivo de Excel llamado datos.xlsx, puedes leerlo y almacenarlo en una variable llamada datos_excel de la siguiente manera:

```{r}
# instalar el paquete readxl si no lo tienes instalado
install.packages("readxl")
# Cargar la librería
library(readxl)

# Leer un archivo de Excel
# el argumento sheet = 1 indica que se leerá la primera hoja del archivo
datos_excel <- readxl::read_excel("datos.xlsx", sheet = 1)

```

Exportar un DataFrame

Para exportar un dataframe a un archivo CSV en R, puedes utilizar la función write.csv(). Esta función toma un dataframe y lo guarda en un archivo CSV en el directorio de trabajo actual. Por ejemplo, si tienes un dataframe llamado datos y quieres guardarlo en un archivo CSV llamado datos_exportados.csv, puedes hacerlo de la siguiente manera:

```{r}
# Exportar un dataframe a un archivo CSV
write.csv(datos, "datos_exportados.csv", row.names = FALSE)
```

datos incluidos en R

R incluye varios conjuntos de datos de ejemplo que puedes utilizar para practicar y aprender. Algunos de los conjuntos de datos más comunes incluyen mtcars, iris, airquality, swiss, faithful, ChickWeight, ToothGrowth, CO2. Puedes cargar estos conjuntos de datos utilizando la función data() y luego acceder a ellos como dataframes normales. Por ejemplo, para cargar el conjunto de datos mtcars y mostrar las primeras filas, puedes hacer lo siguiente:

Otros formatos de archivo

Además de los archivos CSV y Excel, R puede leer y escribir en muchos otros formatos de archivo, como archivos de texto, archivos JSON y formatos de otros programas estadísticos, como SPSS, SAS, Graphpad Prism y más. Sólo como referencia, aquí hay una lista de algunas funciones útiles para leer y escribir en diferentes formatos de archivo en R. En este curso, nos centraremos principalmente en los archivos CSV y Excel.

```{r}
library(pzfx)
df <- read_pzfx(system.file("extdata/exponential_decay.pzfx", package="pzfx"), table="Exponential decay")
```

```{r}
library(haven)
data11 <- read_sav("data/airline_passengers.sav")
```

```{r}
library(R.matlab)
data14 <- readMat("data/cross_dsads.mat")
```

```{r}
library(rjson)
JsonData <- fromJSON(file = 'data/drake_data.json')
print(JsonData[1])
```

```{r}
library(haven)
data10 <- read_sas('data/lond_small.sas7bdat')
```

Funciones útiles para Dataframes

Los dataframes en R tienen muchas funciones útiles que te permiten manipular y analizar los datos. Algunas de las funciones más comunes son:

head(): Muestra las primeras filas de un dataframe.
tail(): Muestra las últimas filas de un dataframe.
summary(): Proporciona un resumen estadístico de un dataframe.
str(): Muestra la estructura de un dataframe.
nrow(): Devuelve el número de filas de un dataframe.
ncol(): Devuelve el número de columnas de un dataframe.