4 Leyendo y creando bases de datos

Hay diferentes formas de escribir datos desde el entorno de R a archivos, y de leer datos desde archivos. Por ejemplo, se crea una base de datos d1 que tiene dos columnas y tres filas, luego esa base de datos se guarda en un archivo tst0.txt y finalmente se vuelve a leer en un objeto d2:

d1 <- data.frame(a=c(3,4,5), b=c(12,43,54))
d1

##   a  b
## 1 3 12
## 2 4 43
## 3 5 54

write.table(d1, file="docs/data/tst0.txt", row.names=FALSE)
d2 <- read.table(file="docs/data/tst0.txt", header=TRUE)
d2

##   a  b
## 1 3 12
## 2 4 43
## 3 5 54

Tarea 8: Crear un archivo llamado tst1.txt en el Bloc de Notas, basándose en el ejemplo de la imagen de abajo y guardarlo en el directorio de trabajo. Escribir un código para leerlo, para multiplicar la columna g por 5 y para guardarlo como tst2.txt.

4.1 Datos no disponibles (Valores faltantes o missing data)

Cuando se trabaja con datos reales, se pueden encontrar valores faltantes o missing, debido a que no se pudo hacer la medición de la variable para esa observación. Cuando un dato es no disponible se debe escribir NA en vez de un número, lo cual identificará al dato missing.

Por ejemplo, se contruye un vector con 3 elementos, en el cual el tercero de ellos es missing:

j<-c(1,2,NA)

Al calcular estadísticas de un conjunto de datos que tiene valores missing, no es imposible:

mean(j)

## [1] NA

Para calcular las estadísticas aún existiendo algún valor missing se debe añadir el argumento na.rm=TRUE. En el anterior ejemplo del objeto j, puede calcularse la media teniendo en cuenta los valores existentes, esto es:

mean(j,na.rm=TRUE)

## [1] 1.5

Un objeto en R puede tener muchas clases. Las tres más importantes son numérica, caracter y POSIX (combinaciones fecha-hora). Los ejercicios realizados anteriormente fueron, en su mayoría, con números. Algunas veces se quiere especificar algo que no es un número, por ejemplo el nombre de una ciudad o país. En estos casos, se requiere que la variable sea caracter, alfanumérica, string o letras en lugar de un número. Para decirle a R que algo es una cadena de caracteres se debe escribir el texto entre comillas, de lo contrario R empezará a buscar una variable definida con el mismo nombre. Por ejemplo:

m <- "New York"
m

## [1] "New York"

Si no se ponen las comillas para identificar que es un caracter saldrá el siguiente error:

n <- pears
Error: object pears not found

Se le puede preguntar a R por la clase de un objeto escribiendo:

class(m)

## [1] "character"

4.2 Leyendo datos de archivos raw, csv, Excel y Stata

Para leer un archivo en formato raw, csv, Excel o Stata, se hace clic en la opción Import Dataset en Environment. Ver la imagen abajo.

From Text (base)(read.table): lee archivos tipo raw
From Text (base)(read_csv): lee archivos tipo csv
From Excel (read_excel): lee archivos de Excel (.xlsx)
From Stata (read_dta): lee archivos de Stata (.dta)

Los comandos pueden ser recuperados de la ventana de Console.