Skip to content

Latest commit

 

History

History
130 lines (84 loc) · 3.91 KB

bloque5.md

File metadata and controls

130 lines (84 loc) · 3.91 KB
Raw

Actividades

stringr

Expresiones regulares

Modificar la siguiente expresión regular que valida direcciones de email: ".+@[^\\d\\s]+\\.(com|es)$" para que no acepte espacios entre el principio de la cadena y la @

Funciones stringr

Ejercicio 1

Con el dataframe sales_clean:

library(readr)
library(dplyr)
library(tidyr)

sales <- read_csv2('./data/Sales-all-vehicles-2017.csv', skip = 4)

sales_clean <-
  sales %>%
    select(-starts_with("X")) %>%
    drop_na()

  1. Usar la función str_to_title para transformar los nombres de los países REGIONS/COUNTRIES a minúscula, con la primera letra en mayúscula

  2. Crear un dataframe con los países de la columna que se ha creado en el punto anterior cuyo nombre empieza por "Z"

Ejercicio 2

Con el dataframe bicis_long:

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")

  1. Eliminar la cadena "Usos bici " de la columna Tipo_uso

  2. Eliminar las filas que tienen el valor "total" en Tipo_uso

forcats

Factores

  1. ¿De qué tipo son cada una de las columnas en el dataframe PlantGrowth (incluido en R)

  2. ¿Cuántos niveles tiene la columna group y cuáles son?

  3. En el siguiente gráfico, ¿por qué el eje x pone las etiquetas en ese orden?

ggplot(PlantGrowth, aes(x = group, y = weight)) + geom_col()

Funciones forcats

  1. Juntar los niveles "trt1" y "trt2" del factor group del dataframe PlantGrowth en uno solo con nombre "trt""

  2. Ver la frecuencia de cada uno de los valores de la columna homeworld del dataframe starwars (librería dplyr)

  3. Convertir la columna homeworld en un factor que tenga 6 niveles: los 5 más frecuentes del apartado anterior y un nivel "Other" que agrupe al resto.

lubridate

Fechas

  1. Leer el fichero AccidentesBicicletas_2017.csv en un dataframe

  2. Convertir la columna Fecha, que es de tipo character, a una columna de tipo datetime.

  3. Como se puede ver la información de la hora no aporta ninguna información, ya que todas las fechas se corresponden con la hora 00:00. Por tanto, convertir la columna anterior del tipo datetime a tipo date.

Funciones lubridate

Cargar el dataframe bicis_long:

library(readxl)
library(tidyr)

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

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

  1. Crear un dataframe con las filas anteriores al 15 de marzo de 2020

  2. Crear una nueva columna con el día de la semana para el dataframe anterior

  3. Calcular el total de usos de BiciMAD para cada día de la semana, agrupado por tipo de uso (ocasional, anual, total)

  4. Convertir la columna DIA del tipo datetime a date, ya que la parte de la hora no aporta ninguna información

  5. Repetir el siguiente gráfico:

    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")

    con los siguientes cambios:

    • Pasando directamente una fecha a la función geom_vline (parámetro xintercept)
    • Reemplazando geom_text por annotate, de forma que se pueden indicar directamente los valores x e y sin necesidad de crear el dataframe dia17_10000