Anexos: R

1. Introducción

R es un lenguaje de programación destinado a científicos de datos (estadísticas, análisis de datos) por su simplicidad y capacidad para tratar y analizar gran cantidad de información. Permite calcular funciones estadísticas como la media o la varianza, crear gráficos de muchos tipos, hacer regresiones lineales, y muchas otras cosas.
Se puede instalar tanto en Windows como en Linux, a través de una consola de comandos o con scripts (archivos con formato .R). Para cargar un script desde la consola, se ejecuta el siguiente comando:

source("C:\Users\user\elec_merc.R", encoding="UTF-8") #WINDOWS
source("/home/user/archivo.R", encoding="UTF-8") #LINUX

2. Vectores

Es la unidad básica para almacenar datos. Genera una fila de datos
a = c(2,6,4)
a <- c(1,3,5): Se suele usar <- para asignar datos a una variable más que =.
a <- 1:5: asigna a a la serie de números desde uno a cinco.
a[1]: para hacer referencia a un elemento se usan índices, que empiezan en 1.
names(a) <- c("col1", "col2", "col3"): Para darle un nombre a cada columna:
```
col1    col2    col3
1       3       5
```
vector(length=0): crea un vector vacío.

3. Matrices

Almacena datos en filas y columnas. Por defecto rellena por columnas, es decir, de arriba a abajo.
m <- matrix(1:9, nrow=3): nrow indica el número de filas. Lógicamente la longitud de la matriz debe ser un múltiplo o submúltiplo del número de filas.
```
[,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9
```
m <- matrix(1:9, byrow=TRUE, nrow=3): byrow indica que rellene por filas, de izquierda a derecha
m[<<fila>>,<<columna>>]: para hacer referencia a un elemento de la matriz. Recuerda que los índices empiezan en 1. Para seleccionar todas las columnas o todas las filas, deja la correspondiente parte en blanco: m[,1]
colnames(m) <- c("col1", "col2")
rownames(m) <- c("fila1", "fila2")
m[,"col2"]
m <- cbind(m, c(2,3)): añade una columna al final de una matriz. rbind para añadir una fila.

4. Funciones aritméticas y estadísticas

Se pueden hacer operaciones aritméticas con los vectores y matrices: se pueden sumar, restar, multiplicar, dividir, etc. Se ejecuta la operación por elemento del matriz o vector (el primero con el primero, el segundo con el segundo, etc.).
- c(1,3) + c(2,4): Resultado: 3 7
- matrix(1:4, nrow=2) * matrix(2:5, nrow=2)
Además se pueden calcular las siguientes funciones estadísticas:
- mean(<<datos>>): calcula la media.
- colMeans(<<datos>>): calcula la media de cada columna.
- rowMeans(<<datos>>): calcula la media de cada fila.
- sd(<<datos>>): calcula la desviación típica.
- summary(<<datos>>): calcula las funciones más comunes de una vez.
- max(<<datos>>)
- min(<<datos>>)
- range(<<datos>>): calcula el rango de los datos, es decir, el mínimo y el máximo.

5. Filtrar y agrupar datos

subset(<<datos>>,  <<condicion>>)

Filtra datos en base a una o varias condiciones
< > <= >= ==
<<condicion>> & <<condicion>>: indica que tiene que cumplir ambas condiciones.
Para fechas, formatea primero (consulta más abajo)

x = aggregate(<<columna en la que se ejecuta la función de agregación>>, by=list(<<columna que agrupa>>), FUN=<<función>>)

Agrupa los datos de una columna según los valores de otra columna .
FUN=: sum, mean, ...

tapply(<<columna en la que se ejecuta la función de agregación>>, <<columna que agrupa>>, <<función>>)

6. Gráficos

plot(<<x>>, <<y>>)
Argumentos adicionales:
- main="Título del gráfico"
- type="l": gráfico de líneas.
  - "l", "p", "b",
- xlab="Título del eje X"
- ylab="Título del eje Y"
- ylim=<<vector>>: indica los límites del eje Y
- xlim=<<vector>>
- cex=<<tamaño>>
- pch=<<tipo de puntos (en número)>>
- col=<<vector de colores>>: indica el color de la línea (red, blue, ... rainbow(<<núm. colores>>))
- las=2: coloca las etiquetas de forma perpendicular al eje
Para usar fechas en gráficos correctamente, hay que formatearlas antes (consulta más abajo)
par(mfrow=c(<<filas>>,<<columnas>>)): Para mostrar varios gráficos en un grupo.
lines(<<x>>, <<y>>): sirve para añadir más líneas al mismo gráfico.
points(<<x>>, <<y>>)
abline(h=<<dato>>): añade una línea horizontal al gráfico, v= para línea vertical.
text(<<posición x>>, <<posición y>>, <<texto>>): inserta un texto dentro del gráfico
barplot(<<y>>, names.arg=<<etiquetas en el eje X>>): gráfico de barras.
axis(1, at=seq(min(merc.y17.gr_sem$Semana), max(merc.y17.gr_sem$Semana), 4.5), labels=meses): edita uno de los ejes (1 para el inferior, 2 para el eje izquierdo, 3para el superior, 4 para el derecho).
- labels indica el vector de nombres para el eje, at el número de etiquetas o "tics".
cex.names=<<valor entre 0 y 1>> indica el tamaño de las etiquetas.
legend("topright", legend=c("7h", "14h", "18h", "21h", "23h"), col=rainbow(5), lty=1)
mtext("Título", side=3, outer=TRUE, line=-1, cex=1): Crea un título global.

7. Importar datos

Para importar un archivo con datos:
datos <- read.table("C:/Users/user/archivo.txt", header=TRUE, sep="\t", dec=",", encoding="UTF-8")
- sep="\t": indica que los datos están separados por tabulaciones
- dec=",": indica el carácter que separa los decimales
- header=TRUE: indica que los datos tienen una cabecera con los nombres de las columnas
El archivo se convierte en un dataFrame.
Para hacer referencia a las columnas se usa datos$columna, datos[[columna]] o datos[,columna]
datos <- read.csv("archivo.csv", header=TRUE, sep=",")

8. Paquetes

install.packages("paquete")
library(paquete): se tiene que ejecutar para poder usar el paquete.

9. Otras funciones

load("ruta/archivo.RData")
print(<<función>>): muestra el resultado de la función en la pantalla (cuando se usan archivos R)
save.image("archivo.RData")
head(datos, [n=<<número filas>>]): muestra las primeras filas de una tabla
tail(datos, [n=<<número filas>>]): muestra las últimas filas de una tabla
x = datos$CONSUMO
datos.x = datos$CONSUMO
cortes = seq(0,100,by=20)
datos[order(-datos$COLUMNA3),]: ordena según la columna de forma descendiente (-).
fechas = as.Date(fechas, <<formato>>): formatea datos como fechas.
- formato: %d, %m, %Y, %b (mes en letra), %a (día de la semana),...

seq(as.Date("2018-01-01"), as.Date("2018-12-31"), 7)

Días y horas: strptime(<datos>, <formato>)
- formato: "%Y-%m-%d %H:%M:%S"
hist(x, breaks=cortes, main="titulo", xlab="eje x", xlim=c(0,2000))
electricidad$YEAR=format(as.Date(electricidad$FECHA), "%Y")
mfac=factor(elecmes$mes, levels=month.name)
sort(mfac)
barplot(elecmes[order(mfac),]$consumo, names.arg=sort(mfac), cex.names=0.5)
colfunc <- colorRampPalette(c("red", "green"))
pal <- colfunc(max(mtcars$mpg))[mtcars$mpg]
barplot(mtcars$mpg, names.arg=rownames(mtcars), las=2, cex.names=0.5, main="Coches", ylab="mpg", col=list(pal))
png("mes.png", width=700)
barplot(elecmes$consumo, names.arg=elecmes$mes, cex.names=0.5)
dev.off() #Cierra el archivo
dev.new(): para crear varios archivos PDF por ejemplo
Ejemplo de función:

suavizar <- function(y, alpha=0.1){
      sm <- y[1]
      ret <- vector(length=0)
      for (val in y){
          ret <- append(ret, sm)
          sm <- alpha * val + (1 - alpha) * sm
      }
      return (ret)
  }

table(<datos>): crea una tabla con cada elemento y su frecuencia absoluta.
cbind(table(cut(<datos>, breaks=<intervalos>, right=FALSE))): calcula la frecuencia absoluta de los intervalos (seq) y coloca el resultado en una columna.
Página con información útil: http://www.r-tutor.com/.