Introducción a R y Rstudio

by

RStudio-iconHoy, vamos a conversar un poco sobre R y Rstudio un software GPL desarrollado en Nueva Zelanda, para realizar operaciones de minería de texto, Econometria, Estadísticas Avanzadas, de la mano de @gibranotazo les traigo unos snipets de código bastante buenos que les ayudaran a comprender y usar R, primero que todo para poder comenzar con R debemos tener el software necesario, para ello descargamos desde aqui  el lenguaje y Rstudio desde aca, que es el IDE de programación.

Rscreen

R, es un potente software que se puede adherir  a una basta fuente de datos, herramientas como SAP_HANA,  Tableau –  Pentaho – Oracle  y otras mas, estos productos han incorporado R en su plataforma ademas funciona en cualquier sistema operativo. Durante la sesión de trabajo con R pudimos extraer algunos Tips los cuales les detallo a continuación:

El debbuger de R es bastante bueno y a la hora de un error en el código, el mismo arroja información compresible como por ejemplo:

> solve(M)
Error in solve.default(M) : ‘a’ (4 x 5) must be square

  • Ctrl – L Limpia la pantalla de la consola.
  • Historial de ejecución (Flechas de dirección).
  • Ejecución rápida de bloques de código (Selección y Ctrl – R)
  • Tiene biblioteca de consulta para las funciones integradas (> help(“order”).
  • Dispone de la función “apropos”  su utilidad radica en ubicar en la linea de nombre y descripción de los paquetes implementados en R el patrón de búsqueda indicado, esto te ayudaría a encontrar una función que no conoces para cumplir una determinada tarea.
  • Si faltara un paquete que no consigues puedes ajustar la linea del servidor CRAN de la siguiente forma:

install.packages(“RJSONIO”, repos = “http://www.omegahat.org/R”, type=”source”)

  • De lo contrario aplica la siguiente linea:

install.packages(“ggplot2”, dependencies=TRUE)

Y sin mas preámbulos acá les dejo este bloque de código R que trae varios ejemplos y esta bien documentado:

############################################################
#                       Establecer área de trabajo
############################################################
setwd(“C:/ruta/ruta/ruta”) #se crea el área de trabajo
############################################################
#                           Simples Manipulaciones
############################################################
x = c(1, 2.5, 3.8, 4)   # Creación de vector
y = 1:20     # Genera una secuencia de números del 1 al 20
w = seq(-1,1,by=0.1); w[5]
z = w^2 + 1  # Operaciones básicas con *, +, -, / y ^
# Crear Matrices
M = array(1:20, dim=c(4,5))
N = matrix(1:20, nrow=4,ncol=5)
M[2,4] # Ver la posición 2, 4 de la matriz
N[1:2,1:3] # Sub-matriz
P = M%*%t(N); M+N # Producto y suma de matrices
P1 = cbind(M,N); P2=rbind(M,N) #Matrices combinadas
 
dim(M); nrow(M); ncol(M) # Dimensión de una Matriz
# Inversa de una matriz nxn
C=matrix(c(2,3,3,0),nrow=2,ncol=2)
solve(C)
############################################################
#                                                              Listas
############################################################
Lst[[4]]
# Autovales y autovectores
ev = eigen(C) # Resultado obtenido es una lista
ev$values
ev$vectors
############################################################
#Funciones Elementales (log, exp, sin, cos, tan, sqrt,mean, max, min, length, etc)
#############################################################
x=rnorm(10, mean = 0, sd = 1)
sum((x-mean(x))^2)/(length(x)-1)
#############################################################
#              Consultas lógicas (==, !=, >,<,>=,<=, &, |, ! )
#############################################################
x>=0.5
y=3
y!=3 & y>0
#############################################################
#                                  Datos faltantes (NA)
#############################################################
z=c(1:3,NA)
 
#############################################################
#                                   Leer y guardar datos
#############################################################
head(data)
names(data)[1]=”City”
write.csv(data,file=”USArrests.csv”, row.names=FALSE) # Otra write.table
#############################################################
#                             Sentencias de control
#############################################################
# Condicionales (if)
if (y!=3){
  print(“y es distinto de 3”)
} else{
  print(“y es igual a 3”)
}
 
#Repetitivas (for, while)
x=c(“carne”,”hoja”,”camión”, “dinosaurio”,”hoja”,4,”perro”)
count=0
for(i in 1:length(x)){
  if(x[i]==”hoja”){
    count=count+1
  }
}
count
 
count=0;k=0
while(k<length(x)){
  k=k+1
  if(x[k]==”hoja”){
    count=count+1
  }
}
# o mas simple
sum(x==”hoja”)
#############################################################
#                                        Crear funciones
#############################################################
bartop=function(x,n,column_name){
  i=which(colnames(data)==column_name)
  title= paste(column_name,”Rate”,sep=” “)
  data=x[rev(order(x[,i])),]
  barplot(data[1:n,i], names.arg = data$City[1:n], las = 2, ylab = column_name, main = title)
}
 
bartop(data,10,”Murder”)
 
pdf(“prueba_hist.pdf”) #Guardar la salida en pdf
bartop(data,10,”Murder”)
 
dev.off() # cierro la ventana donde se escribirá el histograma al archivo
#############################################################
#                                              Instalar paquetes
#############################################################
installed.packages() # Vemos que paquetes hay instalados
install.packages(“stringi”, dependencies=TRUE) # Paquete para procesar texto.
     library(stringi)
     # Encontrar una o varias palabras
     texto=”R es un software estadístico, super poderoso.”
     stri_detect_fixed(texto, “estadístico”)
     words=c(“poderoso”,”super”)
     stri_detect_fixed(texto, words)
     stri_split_fixed(texto,” “)
#############################################################
#     Retomemos las funciones repetitivas apply, lapply, sapply.
#############################################################
apply(data[,2:5],1,mean) # Se obtiene la media de cada fila.
apply(data[,2:5],2,mean) # Se obtiene la media de cada columna.
 
sapply(1:3, function(x) x^2) # Salida vector.
sapply(1:3, function(x) x^2, simplify=F) # Salida es una lista.
sapply(1:length(palabras), function(i,x){str_split_fixed(x[i],” “)},palabras) #Obtenemos una lista
lapply(1:3, function(x) x^2)
#############################################################
#                                                  Gráficos
#############################################################
#Graficos de Rbase
par(mfrow=c(2,2),bg=”white”)
attach(data)
plot(Murder,Assault, col=”red”,main=”Murder vs Assault”, cex=0.5, pch=19)
text(Murder, Assault, labels = City, cex= 0.7, adj = c(0.5, 1))
 
barplot(Murder, names.arg = City, las = 2, ylab = “# Murder per 100,000″, main=”Murder Rate”)
 
slice=data[rev(order(data$UrbanPop)),]
pie(slice[1:5,2],labels = slice[1:5,1], col=rainbow(length(slice[1:5,2])), radius=3,
    main=”Pie of Top UrbanPop”)
 
#GrÃficos de paquetes
 
install.packages(“ggplot2”, dependencies=TRUE)
library(“ggplot2”)
 
weather=read.csv(“weather_2014.csv”,header=TRUE,sep=”;”) # Datos del clima en Porto.
 
first.day=as.date(“2014-01-01”)
weather$date=first.day + weather$day.count – 1
 
ggplot(weather, aes(x = date,y = ave.temp)) +   geom_point(aes(color = ave.temp)) +
  scale_colour_gradient2(low = “blue”, mid = “green” , high = “red”, midpoint = 16) +
  geom_smooth(color = “red”,size = 1) +  scale_y_continuous(limits = c(5,30), breaks = seq(5,30,5)) +
  ggtitle (“Daily average temperature”) +  xlab(“Date”) +  ylab (“Average Temperature ( ºC )”)
 
ggplot(weather,aes(x = ave.temp, colour = season)) + geom_density() +
  scale_x_continuous(limits = c(5,30), breaks = seq(5,30,5)) +
  ggtitle (“Temperature distribution by season”) +   xlab(“Average temperature ( ºC )”) +
  ylab (“Probability”)
#############################################################
#                           Obtener datos twitter
#############################################################
install.packages(“twitteR”, dependencies=TRUE)
library(“twitteR”)
 
#Obtenga los códigos de acceso creando una aplicación en https://apps.twitter.com/
 
apiKey=”XN4EWAv67kQkdxaeGaUikc4Zk”
apiSecret=”flc6kQ25yyX38TpdgsoXhVuELWINRYM6rMOYhxV3CVE03dHn1d”
access_token=”143571664-0dhE1qtuheKJAaNAERNtQFJVIBg4Ckc41VA6ObWo”
access_token_secret=”HpTTpqLyVanOBn7lDQpidwYPH2acO0E2rcvnQcD0Pr7ro”
my_oauth=setup_twitter_oauth(apiKey,apiSecret,access_token,access_token_secret)
 
tweets=searchTwitter(“Venezuela”, n=500,lang=”es”)
tweets=twListToDF(tweets) # Extraer información extra a un data.frame
 
# Obtener el timeline de un usuario
timeline=userTimeline(“MatrixDataLabs”,n=1000)
timeline=twListToDF(timeline)
 
# Amigos y Seguidores
mdl=getUser(“MatrixDataLabs”)
 
following=mdl$getFriends()
following=twListToDF(following) # Obtenemos un perfil completo de cada seguidor
 
follower=mdl$getFollowers()
follower=twListToDF(follower)
 
#############################################################
#            Procesamiento de texto
#############################################################
# Limpieza
tweets.text=tweets[,1]
#Borrar caracteres especiales
tweets.text=gsub(“[^[:print:]]“, ” “, tweets.text)
# Borrar enlaces
tweets.text=gsub(“http[^ ]+”, ” “, tweets.text)
#Convertir todo el texto en minusculas.
tweets.text=tolower(tweets.text)
#Reemplazar patron (???rt???)
tweets.text=gsub(” rt “, ” “, tweets.text)
#Borrar puntuación
tweets.text=gsub(“(?!@)(?!#)[[:punct:]]”, ” “, tweets.text, perl=TRUE)
#Borrar varios espacios en blanco seguidos
tweets.text=gsub(“[ |\t]{6,7}”, ” “, tweets.text)
tweets.text=gsub(“[ |\t]{4,5}”, ” “, tweets.text)
tweets.text=gsub(“[ |\t]{2,3}”, ” “, tweets.text)
 
# Remover espacios en blanco al comienzo
tweets.text=gsub(“^ “, “”, tweets.text)
# Remover espacios en blanco al final
tweets.text=gsub(” $”, “”, tweets.text)
# Remover números
tweets.text=gsub(“\\d”, ” “, tweets.text)
 
install.packages(“tm”, dependencies=TRUE)
install.packages(“slam”, dependencies=TRUE)
library(tm)
library(slam)
 
#Borrar algunas palabras
borrar=read.csv(“C:/Users/ruta/ruta/articulos.csv”, fileEncoding=”latin1″)
borrar=as.character(borrar[,1])
 
tweets.text=removeWords(tweets.text,borrar)
 
#create corpus
tweets.text.corpus=Corpus(VectorSource(tweets.text)) #Obtiene la metadata de la colección de los documentos.
matrix.corpus=TermDocumentMatrix(tweets.text.corpus, control = list(minWordLength = 1))
inspect(matrix.corpus[1:10,1:10])
# Frecuencia de palabras
findFreqTerms(matrix.corpus, lowfreq=10)
# which words are associated with “inflación”
findAssocs(matrix.corpus, ‘inflación’, 0.30)
matrix.corpus2=rollup(matrix.corpus, 2, na.rm=TRUE, FUN = sum) # Hace una agregación de los datos.
m=as.matrix(matrix.corpus2)
# compute the frequency of words
v=sort(rowSums(m), decreasing=TRUE)
myNames=names(v)
d=data.frame(word=myNames, freq=v)
 
install.packages(“wordcloud”, dependencies=TRUE)
library(wordcloud)
pal=brewer.pal(8,”Dark2″) # Palletes of colors.
wordcloud(d$word, d$freq, min.freq=10, scale=c(4,0.5),colors=pal,random.order=F)
 #############################################################
#                              Análisis de sentimientos.
 #############################################################
score.sentiment = function(tweets.text, pos, neg){
 borrar=read.csv(“C:/Users/ruta/ruta/Curso R y Redes Sociales/articulos.csv”, fileEncoding=”latin1″)
 borrar=as.character(borrar[,1])
 
 neg=read.csv(“C:/Users/ruta/Curso R y Redes Sociales/negative_words.csv”, fileEncoding=”latin1″)
 pos=read.csv(“C:/Users/ruta/Curso R y Redes Sociales/positive_words.csv”, fileEncoding=”latin1″)
 neg=as.character(neg[,1])
 pos=as.character(pos[,1])
  tweets.text=gsub(“[^[:print:]]“, ” “, tweets.text)
  tweets.text=gsub(“[[:punct:]]”, ” “, tweets.text)
  tweets.text=tolower(tweets.text)
  tweets.text=gsub(“rt”, ” “, tweets.text)
  tweets.text=gsub(“@\\w+”, ” “, tweets.text)
  tweets.text=gsub(“http.+”, ” “, tweets.text)
  tweets.text=gsub(“[ |\t]{6,7}”, ” “, tweets.text)
  tweets.text=gsub(“[ |\t]{4,5}”, ” “, tweets.text)
  tweets.text=gsub(“[ |\t]{2,3}”, ” “, tweets.text)
  tweets.text=removeWords(tweets.text,borrar)
  scores = sapply(tweets.text, function(tweets.text, pos, neg) {
    pos.matches = stri_detect_fixed(tweets.text, pos)
    neg.matches = stri_detect_fixed(tweets.text, neg)
    score = sum(pos.matches) – sum(neg.matches)
    return(score)
  }, pos, neg)
  scores.df = data.frame(score=scores, text=tweets.text)
  return(scores.df)
}
out1=score.sentiment(tweets.hatillo[,1], pos, neg)
sent=vector(length=nrow(out1))
sent[which(out1$score<=-1)]=”negative”
sent[which(out1$score>=1)]=”positive”
sent[which(out1$score==0)]=”neutro”
out1=cbind(out1,sent)
tweets=data.frame(tweets,”Sentimiento”=out1[,3])
#Clusters de documentos
doc.matrix=t(as.matrix(matrix.corpus))
wss=vector()
for (i in 1:14) wss[i]=sum(kmeans(doc.matrix,centers=i+1)$withinss)
plot(2:15, wss, type=”b”, xlab=”Número de Clusters”, ylab=”Suma de las distancias”)
km=kmeans(doc.matrix, centers=5)
#Add the vector of specified clusters back to the original vector as a factor
doc.matrix=cbind(doc.matrix,clusters=factor(km$cluster))
doc.df=data.frame(doc.matrix)
fact=levels(factor(doc.df$clusters))
list.doc=lapply(fact,function(i){
doc.df1=doc.df[doc.df$clusters==i,]
doc.df1=t(doc.df1[,-ncol(doc.df1)])
doc.df1=rollup(doc.df1, 2, na.rm=TRUE, FUN = sum)
return(doc.df1)
})
clusters=cbind(list.doc[[1]],list.doc[[2]],list.doc[[3]],list.doc[[4]],list.doc[[5]])
colnames(clusters)=1:5
comparison.cloud(clusters,min.freq=1,random.order=FALSE)
#############################################################
#                        Crear aplicación con shiny
#############################################################
install.packages(“shiny”, dependencies=TRUE)
library(shiny)
runApp(“ejemploShiny”)
#Indicadores
runApp(‘C:/App’,launch.browser=TRUE)
#############################################################
#                        FIN
#############################################################

Espero les sirva, saludos, cualquier cosa los comentarios están abajo.

Leave a Comment