Skip to content

Latest commit

 

History

History
119 lines (86 loc) · 2.61 KB

bloque4_sol.md

File metadata and controls

119 lines (86 loc) · 2.61 KB

Soluciones

dplyr avanzado

group_by

  1. Al data.frame no le ocurre nada, group_by únicamente modifica las operaciones posteriores
  2. La única diferencia apreciable es la línea # Groups: sex [5]
  3. 5 grupos

Operaciones agrupadas

  1. Solución

    starwars %>%
    group_by(sex) %>%
    summarize(n = n())

  2. Solución count(starwars, sex)

Operaciones en múltiples columnas

Ejercicio 1

  1. Devuelve todo NAs ya que las columnas tienen NA

  2. Se pueden pasar como argumentos a continuación de la lista de funciones

  3. Solución:

    library(dplyr)

summarize(starwars,
          across(c(height, mass, birth_year),
                 list(min = min, max = max, mean = mean),
                 na.rm = TRUE))

Ejercicio 2

library(dplyr)

starwars %>%
  group_by(sex) %>%
  summarize(across(c(height, mass, birth_year),
                   list(min = min, max = max, mean = mean),
                   na.rm = TRUE),
            n = n())

Joins

  1. Solución

    library(dplyr)
full_join(band_members, band_instruments2, by = c("name" = "artist"))

  2. Si, porque hay valores de los dos data.frames que no tienen correspondencia en el otro

ggplot2 avanzado

Facetas

Hay muchos más usuarios con abono anual que ocasionales, por lo que si no hacemos que las escalas sean independientes no se ve el patrón de los usuarios ocasionales.

library(readxl)
library(tidyr)
library(ggplot2)

bicis <- read_excel('./data/bicis_usos_acumulado.xls',
                    sheet = "Usos mar 2020",
                    range = "A3:E34")

# apartado 1
bicis_long <- bicis %>%
  pivot_longer(starts_with("Usos"),
               names_to = "Tipo_uso",
               values_to = "Usos")

# apartado 2
ggplot(bicis_long, aes(x = DIA, y = Usos, fill = `Tipo de día`)) +
  geom_col() +
  facet_wrap(~ Tipo_uso, ncol = 1, scales = "free_y")

Ejes

dia17_10000 <- bicis %>%
  slice(17) %>%
  mutate(y = 10000)

ggplot(bicis_long, aes(x = DIA, y = Usos)) +
  geom_col() +
  geom_vline(data = slice(bicis, 16), aes(xintercept = DIA), linetype = "dashed") +
  # veremos una forma mas sencilla de hacer esto con lubridate
  geom_text(data = dia17_10000, aes(x = DIA, y = y),
           label = "Cierre BiciMAD\npor estado de alarma",
           hjust = "left") +
  labs(x = "Día", y = "Número total de usos")

Estilos

ggplot(bicis_long, aes(x = DIA, y = Usos, fill = `Tipo de día`)) +
  geom_col() +
  facet_wrap(~ Tipo_uso, ncol = 1, scales = "free_y") +
  scale_fill_brewer(palette = "Dark2") +
  theme(legend.position = "top")