Tipos de datos en R
La presente entrada es una traducción del artículo Data types in R elaborado por Antoine Soetewey (2019).
Este artículo presenta los diferentes tipos de datos (data types) en R. Para aprender sobre diferentes tipos de variables desde un punto de vista estadístico, diríjanse a la entrada Tipos de variables y ejemplos, disponible en la sección Recursos.
¿Qué tipos de datos existen en R?
Los 6 tipos de datos más comunes en R son:
- Numeric
- Integer
- Complex
- Character
- Factor
- Logical
Los sets de datos en R usualmente constituyen una combinación de estos 6 tipos diferentes de datos. Más adelante, exploraremos en mayor detalle cada tipo de dato, exceptuando el tipo “complex”, en tanto nos enfocaremos en los principales, y este tipo de dato rara vez es utilizado en la práctica.
Numeric
El tipo de dato más común en R es numeric. Una variable o una serie será almacenado como un dato numérico si sus valores son números, o si tales valores contienen decimales. Por ejemplo, las siguientes dos series son almacenadas como numeric de forma predeterminada:
# Series numeric sin decimales
num_data <- c(3, 7, 2)
num_data
## [1] 3 7 2
class(num_data)
## [1] "numeric"
# Series numeric con decimales
num_data_dec <- c(3.4, 7.1, 2.9)
num_data_dec
## [1] 3.4 7.1 2.9
class(num_data_dec)
## [1] "numeric"
# También podemos chequear la clase con la función str()
str(num_data_dec)
## num [1:3] 3.4 7.1 2.9
En otras palabras, si se asigna uno o varios números a un objeto en R, este se almacenará como numeric de forma predeterminada (números con decimales), a menos que se especifique algo distinto.
Integer
Los datos de tipo Integer son, de hecho, un tipo particular de datos numericos. Los Integer (enteros) son datos numéricos sin decimales. Pueden ser utilizados si es que estás seguro/a de que los números almacenados nunca incorporarán decimales. Por ejemplo, digamos que estás interesada/o en el número de hijas/os en una muestra de 10 familias. Esta variable es discreta (para repasar estos contenidos, diríjanse a la entrada Tipos de variables y ejemplos), y nunca tendrá decimales. De estemodo, estos datos pueden almacenarse como integer gracias a la función as.integer():
children
## [1] 1 3 2 2 4 4 1 1 1 4
children <- as.integer(children)
class(children)
## [1] "integer"
Hay que considerar que si la variable no tiene decimales, R automáticamente establecerá el tipo de datos como integer en lugar de numeric.
Character
Los datos de tipo character son utilizados al almacenar texto, conocido como strings en R. La forma más simple de almacenar datos en formato character es usando "" alrededor del texto:
char <- "some text"
char
## [1] "some text"
class(char)
## [1] "character"
Si deseas forzar a que cualquier tipo de dato sea almacenado como character, puedes hacerlo con la función as.character():
char2 <- as.character(children)
char2
## [1] "1" "3" "2" "2" "4" "4" "1" "1" "1" "4"
class(char2)
## [1] "character"
Hay que notar que cualquier elemento entre "" será considerado como character, sin importar si luce como character o no. Por ejemplo:
chars <- c("7.42")
chars
## [1] "7.42"
class(chars)
## [1] "character"
Además, en la medida que exista al menos un valor character dentro de una variable o vector, este será considerado como character:
char_num <- c("text", 1, 3.72, 4)
char_num
## [1] "text" "1" "3.72" "4"
class(char_num)
## [1] "character"
Por último, pese a que los espacios no importen en datos numéricos, estos sí son relevantes en datos character:
num_space <- c(1)
num_nospace <- c(1)
# ¿Es num_space igual a num_nospace?
num_space == num_nospace
## [1] TRUE
char_space <- "text "
char_nospace <- "text"
# ¿Es char_space igual a char_nospace?
char_space == char_nospace
## [1] FALSE
Como pueden ver en los resultados anteriores, un espacio en datos de tipo character (por ejemplo, entre "") lo convierte en un string diferente para R
Factor
Las variables Factor son un caso especial de variables character, en el sentido de que también contienen texto.Sin embargo, las variables factor son utilizadas cuando existe un número limitado de strings character únicas. Usualmente representan una variable categórica. Por ejemplo, el sexo usualmente toma sólo dos valores, “masculino” y “femenino” (y será considerado una variable factor), mientras que el nombre generalmente presentará montones de posibilidades (de modo que será considerado una variable character). Para crear un factor, empleamos la función factor() :
gender <- factor(c("female", "female", "male", "female", "male"))
gender
## [1] female female male female male
## Levels: female male
Para conocer los diferentes niveles (levels) de una variable factor, ocupamos la función levels():
levels(gender)
## [1] "female" "male"
De manera predeterminada, los niveles son ordenados alfabéticamente. Estos pueden ser reordenados con el argumento levels de la función factor():
gender <- factor(gender, levels = c("male", "female"))
levels(gender)
## [1] "male" "female"
Las strings character pueden convertirse en factores con la función as.factor():
text <- c("test1", "test2", "test1", "test1") # Crear un vector character
class(text) # Conocer la clase
## [1] "character"
text_factor <- as.factor(text) # Transformar a factor
class(text_factor) # Re-conocer la clase
## [1] "factor"
Las strings character han sido transformadas en factor, como muestra su clase de tipo factor.
Logical
Una variable logical (lógica) es una variable que incluye sólo dos valores: TRUE or FALSE:
value1 <- 7
value2 <- 9
# ¿Es value1 mayor a value2?
greater <- value1 > value2
greater
## [1] FALSE
class(greater)
## [1] "logical"
# ¿Es value1 menor o igual a value2?
less <- value1 <= value2
less
## [1] TRUE
class(less)
## [1] "logical"
También es posible transformar datos logical en datos numeric. Luego de transformar de logical a numeric con la función as.numeric(), los valores FALSE equivaldrán a 0, y los valores TRUE equivaldrán a 1:
greater_num <- as.numeric(greater)
sum(greater)
## [1] 0
less_num <- as.numeric(less)
sum(less)
## [1] 1
Por su parte, datos numeric pueden convertirse en datos logical, con FALSE para todos los valores iguales a 0 y TRUE para todos los otros valores.
x <- 0
as.logical(x)
## [1] FALSE
y <- 5
as.logical(y)
## [1] TRUE
¡Gracias por leer! Esperamos que este artículo les ayude a entender los tipos básicos de datos en R y sus particularidades. Si desean aprender más sobre diferentes tipos de variables desde un puntos de vista estadístico, lean Tipos de variables y ejemplos.
Como siempre, si tienen alguna pregunta o sugerencia relacionada con el tópico cubierto en este artículo, por favor coméntenlo por los canales de comunicación del curso, para que otras/os lectoras/es puedan beneficiarse de la discusión.