17.4: Cargar/Lectura de Datos
- Page ID
- 150218
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)
\( \newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\)
( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\)
\( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)
\( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\)
\( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)
\( \newcommand{\Span}{\mathrm{span}}\)
\( \newcommand{\id}{\mathrm{id}}\)
\( \newcommand{\Span}{\mathrm{span}}\)
\( \newcommand{\kernel}{\mathrm{null}\,}\)
\( \newcommand{\range}{\mathrm{range}\,}\)
\( \newcommand{\RealPart}{\mathrm{Re}}\)
\( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)
\( \newcommand{\Argument}{\mathrm{Arg}}\)
\( \newcommand{\norm}[1]{\| #1 \|}\)
\( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)
\( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\AA}{\unicode[.8,0]{x212B}}\)
\( \newcommand{\vectorA}[1]{\vec{#1}} % arrow\)
\( \newcommand{\vectorAt}[1]{\vec{\text{#1}}} % arrow\)
\( \newcommand{\vectorB}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vectorC}[1]{\textbf{#1}} \)
\( \newcommand{\vectorD}[1]{\overrightarrow{#1}} \)
\( \newcommand{\vectorDt}[1]{\overrightarrow{\text{#1}}} \)
\( \newcommand{\vectE}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash{\mathbf {#1}}}} \)
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)
R puede manejar una variedad de diferentes tipos de archivos como datos. El tipo principal que se utilizará para el libro y el curso que lo acompaña es un archivo separado por comas, o tipo de archivo.csv. Un CSV es un tipo de archivo conveniente que es portátil a través de muchas plataformas operativas (Mac, Windows, etc.) así como softwares de manipulación de datos estadísticos. Otros tipos de archivos comunes son los archivos de texto (.txt) y Excel (.xls o .xlsx). R también tiene su propio tipo de archivo llamado archivo de datos R con la extensión .rData. Otros softwares estadísticos también tienen sus propios tipos de archivos, como la extensión de archivo.dta de Stata. R ha incorporado funcionalidad para tratar con .csv y .txt, así como algunas otras extensiones de archivo. Cargar otros tipos de datos requiere paquetes especiales (haven, foreign y readxl son populares para estos fines). Estos métodos funcionan para subir archivos desde los discos duros de nuestras computadoras. También puede descargar datos directamente de Internet a R de una variedad de fuentes y utilizando una variedad de paquetes.
Para los fines del libro, adquiriremos nuestros datos acudiendo aquí. Luego escribirás tu correo electrónico donde dice Solicitar datos. A continuación, debe recibir un correo electrónico con los datos adjuntos como un archivo.csv. Primero, querrás descargar estos datos en tu computadora. Te recomendamos crear una carpeta específica para el libro y sus datos (y si estás en la clase para tu trabajo en clase). Este archivo será su directorio de trabajo. Por cada script que ejecutemos en clase, tendrás que configurar tu directorio de trabajo. Una manera fácil de hacer esto en RStudio es ir a la pestaña Sesión. Desplázate a mitad de camino hacia abajo hasta la opción que dice “” Establecer directorio de trabajo” y luego haz clic en “Elegir directorio...” Esto abrirá un explorador o panel de búsqueda que te permitirá elegir la carpeta en la que has guardado los datos. Esto creará entonces una línea de código en la consola de RStudio que luego copiará y pegue en el editor de código para establecer el directorio de trabajo para sus datos. Luego ejecuta este código presionando Ctrl+Enter en la línea resaltada.
Una vez hecho esto, es una buena idea revisar tu directorio. Una manera fácil de hacerlo es el comando list.files (), que listará todos los archivos guardados en la carpeta que hayas establecido como tu directorio de trabajo.
# list.files()Si lo has hecho correctamente, los datos que descargaste deberían aparecer como un archivo. Una vez que hayas hecho esto, subir los datos será fácil. Simplemente escriba una línea de código:
# ds<-read.csv("w1_w13_longdata.csv")Esta línea de código carga nuestros datos guardados como .csv en R y los guarda como un objeto (recuerde la programación orientada a objetos de antes) que llamamos ds (abreviatura de dataset). Esta es la convención para todo el libro. Ahora que tenemos los datos descargados de internet y subidos a R, vamos a presentarte brevemente algunas técnicas de manipulación de datos.