class: center middle main-title section-title-1 top-logo .small[ # Importar, validar y explorar datos ] .class-info[ <br> **Sesión N° 4**<br> **Análisis de datos estadísticos en R** <br> .pull-right.small[ **Profesora** Valentina Andrade de la Horra <br> **Ayudantes** Dafne Jaime y Nicolás Godoy .tiny[Universidad Diego Portales<br> ] ] ] --- class: title title-inv-1 # Contenidos Sesión N°3 -- .box-2.medium.sp-after-half[**Importar y exportar datos**] -- .box-3.medium.sp-after-half[**Validación y limpieza datos**] -- .box-4.medium.sp-after-half[**Selección de variables**] ??? -import - valid - select --- .center[ ] --- class: center middle main-title section-title-1 top-logo .center[  ] --- # Orden de un script .center[ ] --- class: center middle main-title section-title-2 top-logo # Paso 1: Cargar paquetes --- class: center middle main-title section-title-2 top-logo # Cargar paquetes - Este proceso de compone de dos partes esenciales (1) Instalar paquetes (`ìnstall.packages()`) (2) Llamar paquetes (`library()`). Veamos su paso a paso --- class: title title-2 # Una forma fácil de cargar paquetes: `pacman` - `pacman` es un paquete que *literalmente* se comió procesos de R `base` y las simplificó en funciones únicas y más intuitivas.  --- class: title title-2 # `p_load()` - Resume las funciones `library()` e `install.packages()` - optimiza esta relación entre ambas pues solo las aplica cuando son necesarias (if `requiere()`), es decir, **¡no te reinicia R si ya está instalada la librería!** --- # Paso 1: Cargar paquetes ```r *pacman::p_load(tidyverse, magrittr, car, sjmisc) ``` --- layout: false name: renv class: center middle section-title section-title-3 animated fadeIn # Paso 2: Importar datos --- class: title title-3 # Importar datos .box-inv-3.center[Una vez que hemos decidido qué datos queremos trabajar] -- .box-inv-3[Un paso evidente es cargar los datos] -- .box-inv-3[¡Y en R no es la excepción! De hecho, hablamos que R facilita el **almacenaje de datos**] --- class: title title-3 # Consideraciones antes de importar datos Para **importar** los datos en R debemos tener en consideración tres cosas: 1. Cómo se llaman los datos (en nuestro caso Casen en Pandemia 2020 STATA) 2. El formato de nuestros datos (en nuestro caso .sav) 3. El lugar de donde están alojados nuestros datos. --- class: center middle main-title section-title-3 top-logo # ¡Vamos a este segundo paso en el script: Cargar datos! --- # ¿Dónde? .box-inv-1[[Descargar el zip de la clase N°3 el sitio del curso](https://learn-r-uah.netlify.app/content/03-content/)] --- class: title title-4 # 1. Recursos de la clase N°3 y práctica N°3 - Datos: *Encuesta de Caracterización Socioeconómica (CASEN)* (2020). - Para ello, deben dirigirse al [siguiente enlace](https://drive.google.com/drive/folders/1Orgb3Qb9LcjTfjYMdIdy7SWd3xDMrTbG?usp=sharing) y descargar los zip. - [**Libro de códigos**](http://observatorio.ministeriodesarrollosocial.gob.cl/storage/docs/casen/2020/Libro_de_codigos_Base_de_Datos_Casen_en_Pandemia_2020.pdf) antes de trabajar una base de datos. --- class: title title-4 # Paquetes 1. `pacman`: este facilita y agiliza la lectura de los paquetes a utilizar en R 2. `sjmisc`: explorar datos 3. `tidyverse`: colección de paquetes, del cuál utilizaremos `dplyr` y `haven` 4. `haven`: cargar y exportar bases de datos en formatos .sav y .dta 5. `readxl` y `writexl`: para cargar y exportar bases de datos en formato .xlsx y .xls 6. `dplyr`: nos permite seleccionar variables de un set de datos --- class: center middle main-title section-title-3 top-logo # ¡No fue tan difícil! -- # Repasemos algunos **elementos** --- # Consideraciones antes de importar datos Para **importar** los datos en R debemos tener en consideración tres cosas: .can-edit.key-likes[ 1. 2. 3. ] --- # Tipos de variables | Clase | Tipo de variable | |---------:|:--------| | `numeric` | Cuantitativa | | `character` | Categórica | | `Logic` | Lógica (TRUE, FALSE, NA) | | `factor` | Categórica con niveles y etiquetas | -- A repasar con dos materiales complementarios: [Tipos de variables](resources/r-datatypes) y [Tipos de variables](resources/r-datatypes-example) --- layout: false class: center section-title section-title-5 animated fadeIn # En síntesis .box-2.medium.sp-after-half[**Importar y exportar datos**] -- .box-3.medium.sp-after-half[**Validación y limpieza datos**] -- .box-4.medium.sp-after-half[**Selección de variables**] --- class: center middle main-title section-title-4 top-logo # ¡Y a no olvidar el flujo para el análisis! -- ## Nos permite hacernos amigas/os más rápido del programa --- .center[ ] --- layout: false .box-1[¿Y eso era?] -- .box-inv-1[¡Antes! **Dos bonus track**] --- class: title title-8 # Dos bonus track - ¿Cómo hacer mi propio repositorio en GitHub? -- - ¡Vamos a verlo! --- class: title title-8 # Dos bonus track: cargar datos en url - ¿Cómo cargar datos desde una **url**? - Seguir los tres pasos para importar datos - Hint: `funcion(url("ruta_web"))` -- - Quienes averiguen **como** cargar datos con url tendrán +0.5 décimas para la tarea N°2. - Deben dejar en slack un ejemplo reproducible en el canal `#tareas` - Pueden hacerlo **hasta antes del lunes 30** --- .box-inv-1[¡Ahora si que si! Nos vemos el próximo **lunes** en la clase N°4] .box-inv-1.small[**No olvides hacer el práctico antes**] .center[ ] --- layout: false class: center middle main-title section-title-1 top-logo .small[ # Importar, validar y explorar datos ] .class-info[ <br> **Clase N°3**<br> **Análisis de datos estadísticos en R** <br> .pull-right.small[ **Profesora** Valentina Andrade de la Horra <br> **Ayudantes** Dafne Jaime y Nicolás Godoy .tiny[Universidad Alberto Hurtado<br> ] ] ]