R para no programadores

<h3 style="text-align:center;">Bienvenidas(os) a:</h3>
<h3 style="text-align:center;">Ecología de la herpetofauna en el ambiente R para no programadores</h3>

--
<p style="text-align:center;">Fernanda R. de Avila y Raúl Maneyro</p>

---
<h3 style="text-align:center;">Bienvenidas(os) a:</h3>
<h3 style="text-align:center;">Ecología de la herpetofauna en el ambiente R para no programadores</h3>

<div class="figure" style="text-align: center">
<img src="index_files/figures/site.png" alt="avilaf.github.io/esp" width="70%" />
<p class="caption">avilaf.github.io/esp</p>
</div>

<p style="text-align:center;">fernandar.avila@gmail.com - Lab. de Herpetología - FCIEN, UDELAR</p>

---
# También puedes llamarlo de...

``` r
print("R es amigo :)")
```

```
## [1] "R es amigo :)"
```

`$~$`

<div class="figure" style="text-align: center">
<img src="index_files/figures/repo.jpg" alt="https://github.com/avilaf/curso_r" width="80%" />
<p class="caption">https://github.com/avilaf/curso_r</p>
</div>
---

## Qué hacer con R

.pull-left[
- Poderosa herramienta para análisis de datos ]

.pull-right[

<img src="index_files/figures/tidyr.png" width="80%" style="display: block; margin: auto 0 auto auto;" />
]

.pull-left[
- **Solo** una herramienta]

---

`$~$`

- El **R** es un **lenguaje de programación** y un **entorno de software libre**.
--
`$~$`dt_formatted <- dt

- Debido a su poder y flexibilidad, se utiliza ampliamente para **análisis
estadístico**, **manipulación de datos** y **visualización gráfica**.
--
`$~$`

- Es posible encontrar una amplia gama de paquetes que facilitan la realización de **análisis complejos** y la creación de **gráficos sofisticados**.
--
`$~$`

- Dominar el lenguaje R = autonomía en la investigación.

---
# Sobre esta clase

-   El objetivo de este material es proporcionar una **base sólida**, una
    comprensión amplia del funcionamiento del lenguaje R.
--

`$~$`

-   Fue elaborado para que incluso personas sin experiencia en
    lógica de programación sean capaces de ejecutar todos los ejemplos y
    comprender sus significados.

---

### Plan de trabajo

`$~$`

<table class="table" style="color: black; margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:left;">   </th>
   <th style="text-align:left;"> Lunes </th>
   <th style="text-align:left;"> Martes </th>
   <th style="text-align:left;"> Miércoles </th>
   <th style="text-align:left;"> Jueves </th>
   <th style="text-align:left;"> Viernes </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:left;"> Mañana </td>
   <td style="text-align:left;"> Presentación </td>
   <td style="text-align:left;"> Base de gráficos </td>
   <td style="text-align:left;"> Ecología de comunidades </td>
   <td style="text-align:left;"> Bioinformática + mapas </td>
   <td style="text-align:left;"> Revisión + Examen </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Tarde </td>
   <td style="text-align:left;"> Bases y prácticas </td>
   <td style="text-align:left;"> Práctica + tarea (pt. 1/2) </td>
   <td style="text-align:left;"> Moroflogía + biocústica </td>
   <td style="text-align:left;"> Tarea (pt. 2/2) </td>
   <td style="text-align:left;"> Presentación final </td>
  </tr>
</tbody>
</table>

`$~$`

---

### Plan de trabajo

`$~$`

<table class="table table-striped table-hover" style="color: black; margin-left: auto; margin-right: auto;">
 <thead>
  <tr>
   <th style="text-align:left;">   </th>
   <th style="text-align:left;"> Lunes </th>
   <th style="text-align:left;"> Martes </th>
   <th style="text-align:left;"> Miércoles </th>
   <th style="text-align:left;"> Jueves </th>
   <th style="text-align:left;"> Viernes </th>
  </tr>
 </thead>
<tbody>
  <tr>
   <td style="text-align:left;"> Mañana </td>
   <td style="text-align:left;"> Presentación </td>
   <td style="text-align:left;"> Base de gráficos </td>
   <td style="text-align:left;"> <span style=" font-weight: bold;    color: white !important;border-radius: 4px; padding-right: 4px; padding-left: 4px; background-color: darkgreen !important;">Ecología de comunidades</span> </td>
   <td style="text-align:left;"> <span style=" font-weight: bold;    color: white !important;border-radius: 4px; padding-right: 4px; padding-left: 4px; background-color: darkgreen !important;">Bioinformática + mapas</span> </td>
   <td style="text-align:left;"> Revisión + Examen </td>
  </tr>
  <tr>
   <td style="text-align:left;"> Tarde </td>
   <td style="text-align:left;"> Bases y prácticas </td>
   <td style="text-align:left;"> Práctica + tarea (pt. 1/2) </td>
   <td style="text-align:left;"> <span style=" font-weight: bold;    color: white !important;border-radius: 4px; padding-right: 4px; padding-left: 4px; background-color: darkgreen !important;">Moroflogía + biocústica</span> </td>
   <td style="text-align:left;"> Tarea (pt. 2/2) </td>
   <td style="text-align:left;"> Presentación final </td>
  </tr>
</tbody>
</table>

`$~$`

---

## Temas abordados:

`$~$`

.pull-left[
- Ambiente R: herramienta y aplicaciones generales
]
--
.pull-left[
- Lenguage R/S y programación orientada a objetos
]

--
.pull-left[
- Organización del trabajo: Scripts y RNotebooks 
]

--
.pull-left[
- Análisis de datos
]

--
.pull-left[
- Gráficos y mapas en R
]

`$~$`

---

## Mapas interactivos

<div class="leaflet html-widget html-fill-item" id="htmlwidget-97cea3c91a37209ff018" style="width:80%;height:504px;"></div>
<script type="application/json" data-for="htmlwidget-97cea3c91a37209ff018">{"x":{"options":{"crs":{"crsClass":"L.CRS.EPSG3857","code":null,"proj4def":null,"projectedBounds":null,"options":{}}},"calls":[{"method":"addTiles","args":["https://{s}.tile.openstreetmap.org/{z}/{x}/{y}.png",null,null,{"minZoom":0,"maxZoom":18,"tileSize":256,"subdomains":"abc","errorTileUrl":"","tms":false,"noWrap":false,"zoomOffset":0,"zoomReverse":false,"opacity":1,"zIndex":1,"detectRetina":false,"attribution":"© <a href=\"https://openstreetmap.org/copyright/\">OpenStreetMap<\/a>,  <a href=\"https://opendatacommons.org/licenses/odbl/\">ODbL<\/a>"}]},{"method":"addProviderTiles","args":["Esri.WorldImagery",null,null,{"errorTileUrl":"","noWrap":false,"detectRetina":false}]},{"method":"addCircleMarkers","args":[[-34.88589017,-38.12804411,-34.32937239,-32.39435582,-37.15826829,-29.33158172,-28.10371863,-27.47439357,-33.9655499,-34.37621068,-37.88461364,-37.88461364,-32.39435582,-34.32079309,-29.16379654,-34.91101339,-38.12934132,-26.99686377,-29.03145328],[-57.93823655,-61.79193903,-58.75588595,-58.86740102,-56.90694276,-50.3215797,-54.68360763,-55.14410936,-53.63045189,-55.60188093,-57.98586142,-57.98586142,-58.86740102,-58.75612096,-58.86196896,-57.89543779,-61.78758161,-51.55747358,-50.20785255],8,null,null,{"interactive":true,"className":"","stroke":false,"color":"white","weight":5,"opacity":0.5,"fill":true,"fillColor":["#E6B0AA","#FCF3CF","#E6B0AA","#E6B0AA","#E6B0AA","#E6B0AA","#FCF3CF","#FCF3CF","#A2D9CE","#A2D9CE","#E6B0AA","#E6B0AA","#E6B0AA","#E6B0AA","#E6B0AA","#E6B0AA","#FCF3CF","#AF7AC5","#AF7AC5"],"fillOpacity":0.9},null,null,null,null,["Local:  Argentina: Buenos Aires, La Plata <br/> Level 1:  4 <br/> Level 2:  6 <br/>","Local:  Argentina: Buenos Aires, Sierra de la Ventana <br/> Level 1:  3 <br/> Level 2:  3 <br/>","Local:  Argentina: Buenos Aires, Escobar, El Cazador <br/> Level 1:  4 <br/> Level 2:  5 <br/>","Local:  Argentina: Entre Rios, Dto. Uruguay, Basavilbaso <br/> Level 1:  4 <br/> Level 2:  5 <br/>","Local:  Argentina: Buenos Aires, Carilo <br/> Level 1:  4 <br/> Level 2:  5 <br/>","Local:  Brazil: Rio Grande do Sul, Sao Francisco de Paula <br/> Level 1:  4 <br/> Level 2:  6 <br/>","Local:  Brazil: Rio Grande do Sul, Cerro Largo <br/> Level 1:  3 <br/> Level 2:  4 <br/>","Local:  Argentina: Misiones, Obera, San Martin <br/> Level 1:  3 <br/> Level 2:  4 <br/>","Local:  Uruguay: Rocha, Laguna Negra <br/> Level 1:  2 <br/> Level 2:  2 <br/>","Local:  Uruguay: San Jose, Libertad, Campo Experimental Facultad de Veterinaria <br/> Level 1:  2 <br/> Level 2:  2 <br/>","Local:  Argentina: Buenos Aires, Balcarce, Laguna La Brava <br/> Level 1:  4 <br/> Level 2:  5 <br/>","Local:  Argentina: Buenos Aires, Balcarce, Laguna La Brava <br/> Level 1:  4 <br/> Level 2:  5 <br/>","Local:  Argentina: Entre Rios, Uruguay, Basavilbaso <br/> Level 1:  4 <br/> Level 2:  5 <br/>","Local:  Argentina: Buenos Aires, Escobar, El Cazador <br/> Level 1:  4 <br/> Level 2:  5 <br/>","Local:  Argentina: Corrientes, Lavalle, Ruta Nacional 12, km 853 <br/> Level 1:  4 <br/> Level 2:  5 <br/>","Local:  Argentina: Buenos Aires, La Plata <br/> Level 1:  4 <br/> Level 2:  6 <br/>","Local:  Argentina: Buenos Aires, Sierra de la Ventana <br/> Level 1:  3 <br/> Level 2:  3 <br/>","Local:  Brazil: Santa Catarina, agua Doce <br/> Level 1:  1 <br/> Level 2:  1 <br/>","Local:  Brazil: Rio Grande do Sul, Cambara do Sul <br/> Level 1:  1 <br/> Level 2:  1 <br/>"],{"interactive":false,"permanent":false,"direction":"auto","opacity":1,"offset":[0,0],"textsize":"13px","textOnly":false,"style":{"font-weight":"normal","padding":"3px 8px"},"className":"","sticky":true},null]},{"method":"addLegend","args":[{"colors":["#AF7AC5","#A2D9CE","#FCF3CF","#E6B0AA"],"labels":["1","2","3","4"],"na_color":null,"na_label":"NA","opacity":0.9,"position":"bottomright","type":"factor","title":"Cluster","extra":null,"layerId":null,"className":"info legend","group":null}]}],"setView":[[-35,-50],4,[]],"limits":{"lat":[-38.12934132,-26.99686377],"lng":[-61.79193903,-50.20785255]}},"evals":[],"jsHooks":[]}</script>

---
## Slides

`$~$`

---
layout: false
class: inverse, middle, center

# Cuanto sabemos y qué buscamos aprender?

---
layout: false
class: inverse, middle, center

# Instalando R

---
### Instalando R

R puede descargarse e instalarse desde el sitio oficial del CRAN (Comprehensive
R Archive Network).
--

#### Pasos para la instalación de R

1.  **Accede al sitio de CRAN**: [CRAN](https://cran.r-project.org/).
--

2.  **Elige tu sistema**:
      -   **Windows**: Haz clic en "Download R for Windows" y luego en "base" para descargar el instalador.
      -   **macOS**: Haz clic en "Download R for macOS" y elige el archivo .pkg más reciente.
      -   **Linux**: Sigue las instrucciones específicas para tu distribución (como Ubuntu, Fedora, etc.) en la sección "Download R for Linux".
--
3.  **Descarga el instalador**:
    -   Sigue las instrucciones para descargar el archivo de instalación.
--
4.  **Instala R**:
    -   Ejecuta el instalador descargado y sigue las instrucciones en pantalla para completar la instalación.
        
---
layout: false
class: inverse, middle, center

# Instalando RStudio

---

### Instalando RStudio

RStudio es un entorno de desarrollo integrado (IDE) para R que facilita la
programación y el análisis de datos.
--

#### Pasos para la instalación de RStudio

**1.  Accede al sitio de RStudio:**

-   Ve a [RStudio Download](https://www.rstudio.com/products/rstudio/download/).

**2.  Elige la versión:**

-   Desplázate hacia abajo hasta la sección "Installers" y selecciona la versión de tu sistema:
-   **RStudio Desktop** (versión gratuita) es la opción más común.
-   Haz clic en el botón de descarga para Windows, macOS o Linux.

---

#### Pasos para la instalación de RStudio pt. 2

**3.  Descarga el instalador:**

-   Después de hacer clic en el botón de descarga, se descargará el archivo de instalación.

**4.  Instala RStudio:**

-   Ejecuta el instalador descargado y sigue las instrucciones en pantalla para completar la instalación.

---
layout: false
class: inverse, middle, center

# Verificando la instalación

---

### Verificando la instalación

Después de instalar R y RStudio:

**1. Abre RStudio:**

-   RStudio debería abrir automáticamente R como una consola en la parte inferior de la interfaz.

**2. Verifica que la instalación haya sido exitosa:**

-   Puedes probar la instalación escribiendo `R.version` en la consola de
RStudio y presionando Enter. Esto debería mostrar información sobre la versión de R instalada.

---
layout: false
class: inverse, middle, center

# Lenguaje R y comandos

---
## Lenguaje R y comandos

Para trabajar en R necesitamos **escribir los comandos que queremos que se ejecuten**.

Así es como nos "comunicamos" con el programa.

Para eso es necesario utilizar el **lenguaje nativo del intérprete** R: el lenguaje R (o S).

.center[
Aprender un nuevo idioma, al principio puede parecer más difícil, pero, una vez aprendidas las bases del lenguaje, notarás que puedes entender la mayoría de los comandos.
]

---
layout: false
class: inverse, middle, center

# Entendiendo RStudio

---

## Entendiendo RStudio

---

### 1. Panel del Script (Editor de Código)

`$~$`

.pull-left[
- escribir y editar scripts 
- crear nuevos archivos 
- abrir scripts existentes
- trabajar con varias pestañas simultáneamente

Puedes ejecutar código directamente desde este panel
]

.pull-right[

<img src="index_files/figures/rstudioA.jpg" width="100%" style="display: block; margin: auto auto auto 0;" />
]

---

### 2. Console

`$~$`

.pull-left[
Muestra la salida de los comandos R ejecutados.

- interactuar directamente con el lenguaje R
- ejecutar comandos línea por línea 
- ver resultados instantáneamente
]

.pull-right[

<img src="index_files/figures/rstudioB.jpg" width="100%" style="display: block; margin: auto auto auto 0;" />
]

---

### 3. Environment y History

`$~$`

Dos secciones principales:

--
.pull-left[

**Environment:** lista de objetos actualmente cargados en la sesión, permite visualizar tus datos

**History:** historico de los comandos ejecutados en la sesión, facilita la revisión y reutilización de código

]

.pull-right[
<img src="index_files/figures/rstudioC.jpg" width="80%" style="display: block; margin: auto auto auto 0;" />
]

---

### 4. File, Plots, Packages and Help

`$~$`

.pull-left[

**Files:**  navegar por directorios, abrir y gestionar archivos

**Plots:** visualizar, guardar y exportar gráficos

**Packages:** visualizar los paquetes R instalados, cargar o instalar nuevos paquetes fácilmente

**Help:** buscar ayuda sobre funciones y paquetes

]

.pull-right[
<img src="index_files/figures/rstudioD.jpg" width="100%" style="display: block; margin: auto auto auto 0;" />
]

---
layout: false
class: inverse, middle, center

# Trabajando con scripts

---

## Trabajando con scripts

---
## Trabajando con scripts

**scripts** <- archivos de **texto simple** (extensión **.R**) con comandos e instrucciones

Un script puede contener una **secuencia de comandos**

Permite que **escribas y guardes un flujo de trabajo completo**

`$~$`

.center[
**Ejecutar los mismos análisis nuevamente y compartir el archivo para que otros usuarios ejecuten esos análisis.**
]

---
## Crear un script

**Dentro de RStudio**, para crear un script nuevo puedes usar uno de estos
atajos:

`$~$`

* 1.  En la esquina superior izquierda de la pantalla, hacer clic en la figura que está debajo de la palabra File.

`$~$`

* 2.  Usar el atajo en el teclado: `Ctrl + Shift + N`.

---

## Ejecutar líneas de código

**Ejecutar línea por línea:**

1. Selecciona la línea que contiene el código 
2. Presiona `Ctrl + Enter` (Windows/Linux) o `Cmd + Enter` (Mac); O haz clic en el botón `Run` en la esquina superior derecha del panel de scripts
3. El código se enviará a la consola y se ejecutará inmediatamente

**Ejecutar todo el script:**

Selecciona todo el código + `Run`

**Consejos adicionales:**

- Para ejecutar un bloque de código seleccionado, usa el mismo atajo después de seleccionar el texto

- Los resultados aparecerán en la consola inferior de RStudio

`$~$`

.center[
**Asegúrate de que tu cursor esté posicionado correctamente o hayas
seleccionado el código que deseas ejecutar.**
]

---
layout: false
class: inverse, middle, center

# Primeros pasos

---

## Enviando un comando al intérprete de R

`$~$`

`Ctrl + C`

`Ctrl + V`

`$~$`

``` r
print("Hello, world!")
```

```
## [1] "Hello, world!"
```

`RUN` -> enviamos el comando `print("Hello,world!")` al intérprete de R y recibimos el resultado de esa operación.

---
`$~$`

``` r
print("Hello, world!")
```

```
## [1] "Hello, world!"
```

`$~$`

**Conceptos básicos de la sintaxis:**

Lo que está entre `"comillas"` = caracteres.

Parece obvio, pero mira qué pasa al ejecutar el siguiente código:

``` r
print(Hello)
```

```
## Error: objeto 'Hello' não encontrado
```

``` r
print("Hello")
```

```
## [1] "Hello"
```

---

## Hacer comentarios en el script

Texto precedido por `#` = comentario.

Es decir, *no es código R y no será interpretado*.

## Para qué sirve?

Facilitar la interpretación del script por parte del **usuario**.

Ejemplo...
---

`$~$`

.center[
**Avisos, mensajes, recordatorios y explicaciones importantes para tu comprensión del código**
]

`$~$`

``` r
# Esto es un comentario y no será interpretado por R
# solo sirve para informar al usuario
```

---
layout: false
class: inverse, middle, center

# Objetos

---

## Programación orientada a objetos

Interesante para análisis de datos

**Qué son los objetos?**

**Cualquier entidad que pueda almacenar datos e informaciones** y sobre la cual se pueda realizar **operaciones**

O sea: **casi todo en R es un objeto**.

Entender los **tipos de objetos en R**.

Diferentes classes, con **métodos** ou **funciones** específicas.

---

## Vectores atómicos

**Formas más básicas** de representación de datos

Puedes encontrarlos como **Atomic vectors**

`$~$`

.center[
Caracteristicas:

**homogeneidad** (todos los elementos de un vector atómico deben ser del mismo tipo) 
y
**unidimensionalidad** (son datos unidimensionales)
]

``` r
# Ejemplo:

v <- c(1, 2, 3)  # Vector numérico: todos los elementos son valores numéricos
v # para imprimir el vector "v" en la consola
```

```
## [1] 1 2 3
```

``` r
is.vector(v) # muestra "TRUE"
```

```
## [1] TRUE
```

---

## Verificar si un objeto pertenece a una categoría específica

Funciones predefinidas con el formato `is.`

Muestran un valor lógico (`TRUE` si es verdadero o `FALSE` si es falso)

``` r
# Ejemplo:

is.vector(v) # muestra "TRUE"
```

```
## [1] TRUE
```

``` r
is.data.frame(v) # muestra "FALSE", ya que "v" es un vector y no un "data frame"
```

```
## [1] FALSE
```

---
layout: false
class: inverse, middle, center

# Principales tipos de vectores/datos en R

---

### 1. Numeric

Representa números (decimales o enteros).

Por definición, los números se tratan como números de punto flotante (decimales).

``` r
# Ejemplo:

x <- 10.5  # Numérico (punto flotante)
x # para imprimir el valor en la consola
```

```
## [1] 10.5
```

``` r
y <- 5     # Numérico (entero tratado como decimal)
y # para imprimir el valor en la consola
```

```
## [1] 5
```

---

### Identificar tipo de de objeto

Muchas funciones disponibles,

Ejemplo: `class()`

**Argumento**  = objeto (vector) que creamos conteniendo el valor

``` r
y <- 5     
y # para mostrar el valor en la consola
```

```
## [1] 5
```

``` r
class(y) # muestra "numeric"
```

```
## [1] "numeric"
```

---

### 2. Integer

Representa números enteros. Puedes crear valores explícitamente enteros usando
el sufijo L.

``` r
# Ejemplo:

z <- 10L  # Entero

z # para mostrar el valor en la consola
```

```
## [1] 10
```

``` r
class(z) # muestra "integer"
```

```
## [1] "integer"
```

---

### 3. Character

`$~$`

Representa cadenas de **texto** (secuencias de caracteres).

Las cadenas en R se crean usando comillas dobles (") o simples ('), da igual la
elección entre ambas, pero es importante mantener la **uniformidad para una mejor organización**

---

`$~$`

``` r
# Ejemplo:

texto <- "¡Los sapos son geniales!"  # Carácter

texto # para mostrar el valor en la consola
```

```
## [1] "¡Los sapos son geniales!"
```

``` r
class(texto) # muestra "character"
```

```
## [1] "character"
```
--

``` r
texto2 <- '¡Los sapos son geniales!'  # Carácter

texto2 # para mostrar el valor en la consola
```

```
## [1] "¡Los sapos son geniales!"
```

``` r
class(texto2) # muestra "character"
```

```
## [1] "character"
```

---

### 4. Logical

Representa valores booleanos: verdadero (`TRUE`) o falso (`FALSE`)

``` r
# Ejemplo:

b <- TRUE   # Verdadero
c <- FALSE  # Falso

b # para mostrar el valor del objeto "b" en la consola
```

```
## [1] TRUE
```

``` r
c # para mostrar el valor del objeto "c" en la consola
```

```
## [1] FALSE
```

``` r
class(b) # muestra "logical"
```

```
## [1] "logical"
```

---

### 5. Factor

Se utilizan para representar **datos categóricos**, como **niveles** de una
**variable cualitativa**. Los factores son esencialmente enteros con etiquetas.

`$~$`

``` r
# Ejemplo:

f <- factor(c("pequeño", "grande", "mediano"))  # Factor categórico

f # para mostrar el factor "f" en la consola
```

```
## [1] pequeño grande  mediano
## Levels: grande mediano pequeño
```

``` r
is.factor(f) # muestra "TRUE"
```

```
## [1] TRUE
```

---
layout: false
class: inverse, middle, center

# Estructuras de Datos Compuestas

---

## Estructuras de Datos Compuestas

`$~$`

A diferencia de los vectores atómicos, las estructuras de datos compuestas
agrupan tipos de **datos heterogéneos**, es decir, pueden contener elementos de
diferentes tipos o formatos.

---

### Listas

Una lista es un tipo de vector. Las listas son estructuras que pueden contener
**diferentes tipos de datos**, incluyendo otros objetos como vectores, matrices
e incluso otras listas. Las listas son muy flexibles y pueden almacenar
**cualquier tipo de objeto**.

``` r
# Ejemplo:

l <- list(1, "texto", TRUE)  # Lista con tipos mixtos
l # para mostrar la lista "l" en la consola
```

```
## [[1]]
## [1] 1
## 
## [[2]]
## [1] "texto"
## 
## [[3]]
## [1] TRUE
```

``` r
is.list(l) # muestra "TRUE"
```

```
## [1] TRUE
```

---

`$~$`

``` r
# puedes usar el índice de la lista para acceder a un elemento:

l[1] # primer elemento
```

```
## [[1]]
## [1] 1
```

``` r
l[2] # segundo elemento
```

```
## [[1]]
## [1] "texto"
```

``` r
l[3] # tercer elemento
```

```
## [[1]]
## [1] TRUE
```

---
layout: false
class: inverse, middle, center
# Estructuras de datos compuestas multidimensionales

---

### Estructuras de datos compuestas multidimensionales

`$~$`

Organizan datos en **más de una dimensión**, como tablas (filas y columnas) o
matrices de múltiples dimensiones.

---

### Matrix

Estructuras **bidimensionales** que contienen elementos de un solo tipo. Son
esencialmente vectores con dimensiones (filas y columnas).

``` r
# Ejemplo:

m <- matrix(1:6, nrow = 2, ncol = 3)  # Matriz 2x3 (2 filas × 3 columnas)

m # para mostrar la matriz "m" en la consola
```

```
##      [,1] [,2] [,3]
## [1,]    1    3    5
## [2,]    2    4    6
```

``` r
is.matrix(m) # muestra "TRUE"
```

```
## [1] TRUE
```

---
`$~$`

`$~$`

``` r
# Puedes usar índices para seleccionar rows o columns en una matriz:

m[1, 2] # fila 1 y columna 2
```

```
## [1] 3
```

``` r
m[, 2]  # columna 2 completa
```

```
## [1] 3 4
```

``` r
m[1, ]  # fila 1 completa
```

```
## [1] 1 3 5
```

---

### Array

Objetos con **más de dos dimensiones**, como una generalización de las matrices.
Los arrays pueden tener cualquier número de dimensiones.

``` r
# Ejemplo:

a <- array(1:12, dim = c(2, 3, 2))  # Array con 3 dimensiones

a # para mostrar el array "a" en la consola
```

```
## , , 1
## 
##      [,1] [,2] [,3]
## [1,]    1    3    5
## [2,]    2    4    6
## 
## , , 2
## 
##      [,1] [,2] [,3]
## [1,]    7    9   11
## [2,]    8   10   12
```

---

`$~$`

``` r
is.array(a) # muestra "TRUE"
```

```
## [1] TRUE
```

``` r
# Al igual que con matrices y listas, puedes seleccionar partes del array usando índices de dimensión:

a[1:2, 1:3, 1] # seleccionar un bloque completo
```

```
##      [,1] [,2] [,3]
## [1,]    1    3    5
## [2,]    2    4    6
```

``` r
a[1:2, 2, 1] # o una porción específica
```

```
## [1] 3 4
```

---

### Dataframe

Un tipo especial de **lista** donde todos los elementos son **vectores de la misma longitud**. Son ampliamente utilizados para representar datos tabulares.
Es decir, son como tablas donde cada columna puede tener un tipo de dato
diferente.

``` r
# Ejemplo:

df <- data.frame(
  gen = c("Phylodryas", "Helicops"),  # Columna de caracteres
  n = c(10, 9)                        # Columna numérica
)

df # para mostrar el dataframe "df" en la consola
```

```
##          gen  n
## 1 Phylodryas 10
## 2   Helicops  9
```

---

`$~$`

``` r
is.data.frame(df) # muestra "TRUE"
```

```
## [1] TRUE
```

``` r
# Puedes seleccionar partes de un dataframe usando índices de fila y columna
df[1, 1]  # Primera fila, primera columna
```

```
## [1] "Phylodryas"
```

``` r
# O seleccionar columnas específicas usando [[]] o el operador $
df[["gen"]]  # Columna "gen"
```

```
## [1] "Phylodryas" "Helicops"
```

``` r
df$gen       # Alternativa para acceder a la columna "gen"
```

```
## [1] "Phylodryas" "Helicops"
```

---
layout: false
class: inverse, middle, center

# Otros tipos de objetos

---

### Function

Incluso las **funciones** son objetos en R. Pueden asignarse a variables y pasarse como argumentos a otras funciones.

*No es necesario profundizar en los detalles de las funciones en este primer momento, basta con saber que también son objetos.*

``` r
# Ejemplo:

funcion <- function(x) x^2  # Función que calcula el cuadrado de un número

funcion # para mostrar la función "f" en la consola
```

```
## function (x) 
## x^2
```

---

`$~$`

``` r
is.function(funcion) # muestra "TRUE"
```

```
## [1] TRUE
```

``` r
funcion(2) # ejecuta la función y muestra el resultado (2 al cuadrado es igual a 4)
```

```
## [1] 4
```

---

### Valores especiales

R incluye valores especiales como: 
- `NA` para datos faltantes 
- `NULL` para objetos vacíos 
- `Inf` para infinito 
- `NaN` para operaciones matemáticas indefinidas

``` r
# Ejemplos:

log(-1)  # muestra NaN
```

```
## Warning in log(-1): NaNs produzidos
```

```
## [1] NaN
```

``` r
1/0      # muestra Inf
```

```
## [1] Inf
```

---

### Modelos estadísticos

``` r
# Ejemplo de modelo lineal

modelo <- lm(mpg ~ wt, data = mtcars)

modelo
```

```
## 
## Call:
## lm(formula = mpg ~ wt, data = mtcars)
## 
## Coefficients:
## (Intercept)           wt  
##      37.285       -5.344
```

``` r
class(modelo)  # muestra "lm"
```

```
## [1] "lm"
```

---

### Sistemas de orientación a objetos

``` r
# Ejemplo de objeto S4 (requiere definir una clase primero)

setClass("Persona",
         slots = c(nombre = "character", edad = "numeric"))

p <- new("Persona", nombre = "Ana", edad = 30)

p
```

```
## An object of class "Persona"
## Slot "nombre":
## [1] "Ana"
## 
## Slot "edad":
## [1] 30
```

``` r
class(p)
```

```
## [1] "Persona"
## attr(,"package")
## [1] ".GlobalEnv"
```

---

### Objetos especializados

-   Series temporales (`ts`)
-   Objetos espaciales (`sp`, `sf`)
-   Redes neuronales (`nnet`)

``` r
# No es necesario profundizar en estos objetos en esta etapa
# Nuestro objetivo ahora es familiarizarnos con los fundamentos de R
```

**Nota:** Estos objetos avanzados los exploraremos más adelante. Por ahora, nos
enfocaremos en comprender bien las estructuras básicas de datos y las
operaciones fundamentales en R.
---

## Verificar el tipo de dato en R

Hasta ahora conoces dos formas de verificar tipos de datos en R:

1.  La función `class()`
2.  Las funciones predefinidas con formato `is.*`, como `is.numeric()` e
    `is.vector()`
---
## Verificar el tipo de dato en R

Otra opción es la función **`typeof()`**:

- Mientras `class()` muestra la *clase* del objeto
- `typeof()` muestra el *tipo interno* del dato

``` r
# Ejemplo:

x <- 42  # asigna el valor 42 al objeto "x"

typeof(x)  # muestra "double" (punto flotante)
```

```
## [1] "double"
```

``` r
class(x)   # muestra "numeric"
```

```
## [1] "numeric"
```

---

### Diferencias clave

1.  **Nivel de detalle**:

-   `typeof()` muestra cómo R almacena internamente el dato
    -   `class()` muestra la abstracción conceptual
    
---

2.  **Casos comunes**:

``` r
y <- 42L
typeof(y)  # "integer"
```

```
## [1] "integer"
```

``` r
class(y)   # "integer"
```

```
## [1] "integer"
```

``` r
z <- "texto" 
typeof(z)  # "character"
```

```
## [1] "character"
```

``` r
class(z)   # "character"
```

```
## [1] "character"
```

---

3.  **Cuando difieren**:

``` r
f <- factor(c("a","b"))
typeof(f)  # "integer" (almacenamiento interno)
```

```
## [1] "integer"
```

``` r
class(f)   # "factor"  (clase conceptual)
```

```
## [1] "factor"
```

---
layout: false
class: inverse, middle, center

# Asignación de objetos en R

---

## Almacenar objetos en memoria

Hemos hablado mucho sobre objetos, pero no hemos explicado cómo guardarlos en la
memoria temporal de R. El operador de **asignación** (`<-`) nos permite almacenar valores bajo nombres específicos.

---

### Conceptos básicos

1.  **Comandos sin asignación**:

``` r
# Al ejecutar sin asignación, solo se muestra el resultado
1 + 1  # Aparece en consola pero no se guarda
```

```
## [1] 2
```

Esto no crea ningún objeto en el Environment (panel superior derecho de
RStudio).

---

2.  **Asignando resultados**:

``` r
suma <- 1 + 1  # Guarda el resultado en el objeto "suma"
```

--
3.  **Visualizando objetos almacenados**:

``` r
suma  # Muestra el contenido del objeto en consola
```

```
## [1] 2
```

---

### Operaciones con objetos almacenados

``` r
# Usar objetos en nuevos cálculos
Multiplicacion <- suma * 2

# Trabajar con vectores
vector1 <- c(1, 2, 3, 4, 4.5)  # Creamos un vector numérico
vector2 <- c(vector1 * 2)       # Creamos nuevo vector multiplicando por 2

vector1  # El vector original permanece intacto
```

```
## [1] 1.0 2.0 3.0 4.0 4.5
```

``` r
vector2  # Muestra el nuevo vector
```

```
## [1] 2 4 6 8 9
```

---

### Características importantes

-   Los objetos persisten en la sesión hasta que los borres o cierres R
-   Puedes reutilizarlos en múltiples operaciones
-   Cada asignación crea un nuevo objeto independiente
-   El Environment muestra todos tus objetos disponibles

Forma de una flecha apuntando hacia el nombre del objeto. En realidad, también podemos usar el signo de asignación invertido, aunque no es una práctica común

``` r
c("George", "Ringo", "Paul", "John") -> nombres

nombres
```

```
## [1] "George" "Ringo"  "Paul"   "John"
```

---

## Diferenciación entre mayúsculas y minúsculas

R distingue entre mayúsculas y minúsculas (ej: 'a' y 'A' son elementos diferentes)

``` r
# En bloques de código anteriores realizamos un cálculo de multiplicación y lo almacenamos en un objeto con ese nombre.
# Supongamos que necesitemos usarlo nuevamente para un cálculo de división:

division <- multiplicacion/2
```

```
## Error: objeto 'multiplicacion' não encontrado
```
--

Recibimos como respuesta un error.
No hay que alarmarse por los errores, son una buena **oportunidad para aprender.**

--
El objeto "multiplicacion" no existe.

Si has estado atento(a) a nuestro trabajo, habrás notado que el objeto que
creamos anteriormente no se llamaba "multiplicacion" sino "Multiplicacion" con M mayúscula. *Puedes verificarlo en la ventana "Environment" en la esquina superior derecha.*

---

## Corrijamos el código

``` r
division <- Multiplicacion/2  # Cálculo correcto

division  # Mostrar resultado almacenado en "division"
```

```
## [1] 2
```

---

## Consejos prácticos

`$~$`

1. **Revisa** siempre los nombres exactos de tus objetos en el Environment

2. Usa **nombres consistentes** (preferiblemente todo en minúsculas)

3. El **autocompletado** de RStudio puede ayudarte a evitar estos errores

4. Los **mensajes de error** son tus aliados para entender qué salió mal

---
# Revisión

--
### Objetos

-   El lenguaje R nos permite manipular objetos
-   Los objetos **almacenan información** que utilizamos en nuestros análisis

---

### Tipos comunes de datos atómicos en R

`$~$`

#### Vectores

- Base para el trabajo con datos y construcción de estructuras más complejas en R.

- Son **homogéneos** y **unidimensionales**

- **Tipos:**

-   **Numeric:** Números decimales o enteros (punto flotante)
  -   **Integer:** Números enteros
  -   **Character:** Cadenas de texto
  -   **Logical:** Valores booleanos (TRUE o FALSE)
  -   **Factor:** Valores categóricos

---
#### Listas

`$~$`

- Pueden contener cualquier tipo de objeto

- Permiten organizar datos complejos

- Ideales para almacenar resultados de análisis que incluyen diferentes tipos de salida

---
#### Matrices

`$~$`

- **Bidimensionales:** Tienen filas y columnas

- **Homogéneas:** Todos los elementos deben ser del mismo tipo

- **Indexadas:** Cada elemento tiene una posición específica [fila, columna]

---

#### Dataframes

`$~$`

- **Bidimensionales:** Organizados en filas y columnas

- **Heterogéneos:** Cada columna puede contener un tipo de dato diferente

- **Columnas con nombres:** Cada columna tiene un nombre descriptivo

- **Filas numeradas:** Cada fila tiene un índice único

---

#### Arrays

`$~$`

- **Multidimensionales:** Pueden tener 3, 4, 5 o más dimensiones

- **Homogéneos:** Todos los elementos deben ser del mismo tipo

- **Indexados:** Cada elemento se accede mediante múltiples índices

- **Flexibles:** Útiles para datos complejos con estructura dimensional

---

# Ejercicios

`$~$`

.center[
Ahora que conocemos los elementos basicos en R podemos aventurarnos un poco y practicar algunos comandos con los ejercicios de esta etapa.

`ejercicios_1.Rmd`

]

---

`$~$`

<img src="index_files/figures/kermit-typing.gif" width="50%" style="display: block; margin: auto;" />
---

`$~$`

<div class="figure" style="text-align: center">
<img src="index_files/figures/site.png" alt="avilaf.github.io/esp" width="70%" />
<p class="caption">avilaf.github.io/esp</p>
</div>
<p style="text-align:center;">fernandar.avila@gmail.com</p>
<p style="text-align:center;">Lab. de Herpetología - FCIEN, UDELAR</p>