Contenidos

• ¿Qué es RStudio?
• Vistazo rápido y características de RStudio
• Instalación de RStudio
• Descripción del entorno
• Primer proyecto dentro de RStudio
• Cargar y guardar datos en el proyecto
• Gestión del historial
• Primer script en RStudio
• Usando la ayuda
• Extracción y ejecución de funciones
• Secciones, plegado y navegación de código
• Visualización de datos
• Los comandos plot, qplot y manipulate
• Instalación de paquetes en RStudio
• Generando informes HTML a partir de scripts de R
• Atajos de teclado
• Ejercicios
• Futuro de RStudio
• Referencias

¿Qué es RStudio?

• RStudio es una herramienta IDE (Integrated Development Environment) para R, libre y gratuita que facilita:
  • Trabajar con R y gráficos de R de forma interactiva.
  • Organizar el código y mantener múltiples proyectos.
  • Mantenimiento de los paquetes de R.
  • Crear y compartir informes.
  • Compartir código y colaborar con otros usuarios.
• RStudio fue fundado por J.J. Allaire, y también es una empresa que se dedica a vender servicios de consultoría y formación.
• RStudio NO realiza ninguna operación estadística. Solo facilita realizar dichas operaciones sobre R.

Características de RStudio

• Integración de la consola de R: se pueden teclear comandos de R directamente en la consola de RStudio.
• Ejecución de código: permite ejecutar código directamente del fichero de script.
• Resaltado de la sintaxis: realiza una coloración automática de los instrucciones y de las funciones.
• Ayuda con los paréntesis, corchetes y comillas: autocompleta estos símbolos al abrirlos.
• Completado de comandos: completa los comandos mientras se escriben usando la tecla Tab.
• Atajos de teclado.
• Navegador de objetos: se pueden inspeccionar todos los objetos de la sesión R.
• Gestión del historial de comandos: para poder usarlos de nuevo.
• Navegación del código: permite saltar entre funciones dentro del código.
• Importación y visualización de datos: en formato de tabla.
• Integración de gráficos: manipulación, zoom y exportación.
• Gestión de proyectos: se puede cambiar de un proyecto a otro fácilmente.
• Control de versiones: se integra bien con git y svn.
• Generación de documentos: del tipo PDF, HTML y otros más avanzados con un solo click.

Instalación de RStudio

• Antes de instalar RStudio, necesitas instalar R. Se puede obtener desde:
  • cran.r-project.org
• Una vez instalado R, se puede instalar RStudio en tu ordenador (versión Desktop) dependiendo del sistema operativo:
  • www.rstudio.com/ide/download/desktop
• Solo en Linux, también se puede instalar RStudio Server, el cual permite acceder al entorno desde un navegador web:
  • www.rstudio.com/ide/server

Descripción del entorno

• Editor de código fuente (scripts) y visor de datos: permite editar código fuente R y ver los datos del tipo data.frame.
• Espacio de trabajo e historial: muestra los objetos (datos/variables) usados en la sesión actual y el historial de comandos.
• Consola R: permite trabajar con R directamente.
• Ficheros, visualizaciones, ayuda y paquetes: permite navegar por los ficheros y carpetas, mostrar los gráficos y visualizaciones, usar la ayuda, e instalar paquetes o cargar paquetes ya instalados.
• Todos los paneles permiten ser minimizados o maximizados, como ventanas normales de Windows.

Primer proyecto dentro de RStudio

• Para crear un proyecto, vamos a la esquina derecha de la barra de herramientas:

• También podemos hacer lo mismo desde File > New Project...
• Le vamos a poner el nombre proyectoR.

Directorios del proyecto

• Normalmente, para proyectos simples, podemos poner todos los ficheros (scripts de R, datos, docs, informes, etc) en la misma carpeta del proyecto.
• Sin embargo, es una buena práctica, crear los siguientes directorios en cada proyecto:
  • R: contendrá los scripts de R que se vayan desarrollando.
  • data: almacenará los datos necesarios para realizar los análisis.
  • doc: contendrá toda la documentación necesario para los análisis.
  • informes: carpeta que guardará los informes generados por los análisis.

• En principio, solo vamos a crear las carpetas R y data.

• Vamos al panel de ficheros:

• Hacemos clic en New Folder, y le damos el nombre R.
• Haremos lo mismo para crear la carpeta data.
• Por tanto, la carpeta del proyecto quedaría como:

Cargar datos en el proyecto

• Vamos a cargar unos datos para poder empezar a trabajar:

• Aquí podemos elegir:
  • Cargar los datos desde un fichero de texto (From Text File…).
  • O desde una URL de una web (From Web URL…).
• Desde esta URL podemos descargar el fichero ddt.txt, o usarla directamente:
  • http://mcolebrook.github.io/CursoRStudio/data/ddt.csv

El fichero ddt.txt

• En este archivo se recogen las siguientes variables sobre una muestra de n=144 peces:
  • group: Grupo de observaciones (mediciones en dos temporadas).
  • location: Lugar de medición.
  • species_name: Nombre de la especie del pez.
  • species: Código de especie (de 1 a 3).
  • length: Longitud del pez.
  • weight: Peso del pez.
  • distance: Distancia del lugar a la desembocadura del río.
  • DDT_conc: Concentración de DDT (% de peso) medida.

• El fichero procede de datos sobre concentración de DDT en peces de río.
• RStudio deduce casi todas las opciones de importación:
  • Heading: si trae el nombre de la variable.
  • Separator: tipo de separador entre datos.
  • Decimal: símbolo para el punto decimal.
  • Quote: símbolo para los comentarios.
• Al final, los datos se cargan en un data.frame de R con el mismo nombre que el fichero de datos (ddt).

Datos cargados en RStudio

• Los datos cargados se muestran en el panel superior izquierdo, y en el panel de espacio de trabajo (o entorno).
• Vamos a guardar estos datos en un fichero CSV (comma separated values) en el directorio data de nuestro proyecto.
• Para ello, empezaremos a usar la consola de R, y las funciones incorporadas de completado de comandos y de nombres de carpetas/ficheros.

Guardar datos en formato CSV

• Tecleamos el comando write en la consola R, y pulsamos la tecla de tabulación Tab:

• La característica de RStudio que hemos usado se denomina completado de comandos.

• De las opciones que nos ofrece, seleccionamos write.csv, y seguimos escribiendo un paréntesis (, que RStudio completará con otro párentesis ).

• Continuamos escribiendo el comando, indicando en el primer parámetro el objeto ddt, y en el segundo parámetro, el nombre del fichero a guardar en el directorio data:

• La función que hemos usado ahora se denomina completado de carpetas/ficheros.
• Como nombre del fichero, seleccionamos la carpeta data, y ponemos el nombre ddt.csv.
• Terminamos de escribir el comando con el último parámetro, para indicar que no queremos que guarde el nombre (número) de cada fila:

{r write.csv, eval=FALSE} write.csv(ddt, "data/ddt.csv", row.names=FALSE)

• Podemos ver el fichero creado en el directorio data, y haciendo clic sobre él, nos mostrará el contenido:

Historial de RStudio

• Hay tres formas para re-usar los comandos ya tecleados en RStudio:
  • Pulsando las teclas de flecha arriba o abajo.
  • Pulsando Ctrl+▲.

• Explorando la pestaña History en el panel derecho superior:

• Se puede seleccionar un comando o varios (usando la tecla Shift=Mayúsc), y ejecutar pulsando Enter.
• Asimismo, se pueden salvar a un fichero llamado .Rhistory, en la carpeta del proyecto.
• También se pueden pasar a la consola con el comando To Console para ser ejecutados, o a un script directamente con el botón To Source.
• Por último, se pueden eliminar con la tecla Supr (Del) o con el botón correspondiente, o borrar completamente todo el historial con el botón de la escoba.

Primer script R en RStudio

• Una vez cargados los datos, vamos a escribir el primer script en lenguaje R para hacer un primer análisis.
• Hacemos click en el icono + verde del editor de scripts (izquierdo superior), y elegimos R Script.

• Las acciones más interesantes sobre un script de R son:
  • Disco: salvar el fichero.
  • Lupa: buscar y reemplazar.
  • Varita mágica: herramientas útiles (algunas las veremos luego).
  • Run: ejecuta el código seleccionado (Ctrl+Enter).
  • Re-Run: ejecuta el último código que seleccionamos.
  • Cuaderno: compila el script R a un fichero HTML (lo veremos luego).
• Las opciones del tipo Source sirven para cargar el código fuente al espacio de trabajo de R (lo veremos luego).
• Vamos a introducir los primeros comandos R en el script:

```{r funciones, eval=FALSE, results='hide'} # estructura de los datos str(ddt)

resumen de los datos

summary(ddt) ```

• Guardamos este script pulsando el botón del disco (arriba), o en el menú File > Save, con el nombre funciones.R en el directorio R de nuestro proyecto.

• Una vez guardado, podemos ejecutar el script de varias formas:
  • Sobre la línea en la que estamos, pulsamos el botón Run o Ctrl+Enter.
  • O seleccionamos todo el script, y hacemos lo mismo que en el punto anterior.

Usando la ayuda

• Ahora es buen momento para empezar a usar la ayuda para, por ejemplo, el comando summary:

Extracción de funciones

• Una de las características más interesantes de RStudio es la posibilidad de crear funciones a partir de trozos de código.
• Por ejemplo, vamos a crear una función llamada Resumen, que recibe un parámetro datos, y ejecuta los dos comandos que acabamos de escribir.
• Para ello, cambiamos ddt por datos en ambos comandos.
• Seleccionamos las líneas del código.
• Pulsamos sobre la “varita mágica” en la opción Extract Function, y le damos el nombre Resumen.

• Añadimos finalmente un comentario para describir el objetivo de la función.
• Por último, salvamos el script.

Ejecutando funciones propias

• Si tecleamos la siguiente línea en la consola de R, nos dará un error:

{r Resumen} Resumen(ddt)

• Esto sucede porque la función Resumen no ha sido cargada (sourced) al entorno o espacio de trabajo de nuestro proyecto.
• Para poder usar la función Resumen(datos) tenemos que hacer lo siguiente:

• Si hubiéramos elegido la opción Source with Echo, obtendríamos el mismo resultado además de mostrar todo el código cargado.
• Las funciones cargadas aparecen, al igual que los datos, en el panel derecho superior de Environment, en la sección de Functions.
• Ya podemos usar nuestra nueva función Resumen pasándole como parámetro los datos de ddt:

• Si vamos a estar cambiando la función continuamente, podemos activar la opción Source on Save para que la cargue al entorno automáticamente después de salvar el script.

Secciones del código

• Otra característica interesante de RStudio (y no de R) es la posibilidad de estructurar el código en secciones.
• Las secciones se pueden crear desde el menú Code > Insert Section, o simplemente poniendo un comentario (#) con un nombre de sección y acabado en 4 guiones (----):

# <NombreDeLaSección> ----

• Podemos aprovechar el comentario de la función Resumen para hacer nuestra primera sección:

• Fíjense que dicha sección aparece en la parte inferior del editor como navegación del código, que luego veremos.

Plegado de código/secciones

• Otra característica muy útil de RStudio es el plegado de las secciones o de partes del código que estén rodeadas por llaves {}.
• Al plegarse aparecerá un pequeño triángulo que permite colapsar o expandir el bloque de código.

Navegación de código

• La navegación de código en RStudio es una utilidad que permite editar el código de forma más rápida.
• Se puede acceder a una línea concreta pulsando Alt+Shift+G, o en el menú Edit > Go to Line…
• Con la opción Code > Jump To… (Alt+Shift+J) se puede saltar directamente a funciones o secciones del código.

• Otra opción muy útil es la de ir a un fichero/función determinado usando Code > Go To File/Function (Ctrl+.). RStudio mostrará todos los ficheros o funciones dentro del directorio de trabajo que empiecen con los caracteres tecleados.

Visualización de datos

• La visualización (o dibujado de gráficos) es una parte esencial del análisis de datos. RStudio tiene un panel específico para la visualización de datos (Plots) abajo a la derecha.
• Para ilustrar el manejo de las instrucciones de visualización, vamos a usar escribir el siguiente código dentro de nuestro script de R debajo de la función Resumen:

```{r Histograma, results='hide', fig.height=5, fig.width=5, fig.cap=""} # cargamos los datos del fichero ddt <- read.csv("data/ddt.csv")

pesos de la especie “catfish”

catfish.weight <- ddtweight[ddtspecies_name == "catfish"]

histograma del peso de los “catfish”

hist(catfish.weight) ```

• Al teclear ddt$ podemos pulsar la tecla Tab para que nos muestre la lista de variables de ddt. Esto se denomina completado de objetos.

Opciones de la pestaña Plot

• Con la opción Zoom se abre una nueva ventana con una versión más grande del gráfico.
• El botón Export nos permite guardar el gráfico como una imagen en varios formatos (PNG, JPEG, TIFF, etc) o como un fichero PDF.
• También podemos copiar el gráfico actual al portapapeles del sistema.
• En caso de haber generado varios gráficos, las flechas permiten avanzar o retroceder en la visualización de dichos gráficos.

El comando plot

• Una vez vista la forma de trabajar con gráficos dentro de RStudio vamos a ver opciones más avanzadas de los mismos.
• Uno de los comandos más útiles para dibujar gráficos en R es plot.
• La librería que contiene el comando plot es graphics, la cual suele estar cargada por defecto. En caso de no estarlo, habria que ejecutar el siguiente comando:

{r Libreria graphics, eval=FALSE} # librería necesaria para "plot" library(graphics)

• El gráfico más simple es dibujar simplemente los pesos de la especie catfish:

{r plot pesos de los catfish, fig.height=7, fig.width=7, fig.cap=""} # gráfico de los pesos de todos los catfish plot(catfish.weight)

• En primer lugar, vamos a añadir color, unas nuevas etiquetas en los ejes (xlab, ylab) y el título principal (main), además de una línea en el eje Y que indica la media de los valores.

```{r plot pesos de los catfish + etiquetas, fig.height=7, fig.width=7, fig.cap="", tidy=FALSE} plot(catfish.weight, col="blue", xlab="Nº pez", ylab="Peso", main="Pesos de los catfish")

línea horizontal que marca la media de los pesos

abline(mean(catfish.weight), 0, col="red", lwd=2) ```

• Ahora, podemos dibujar un gráfico que muestre la longitud (length) frente al peso (weight) de la especie catfish.

```{r plot longitud vs. peso, fig.height=7, fig.width=7, fig.cap="", tidy=FALSE} # longitudes de la especie "catfish" catfish.length <- ddtlength[ddtspecies_name == "catfish"]

gráfico de comparación de la longitud vs. peso de los "catfish"

plot(x=catfish.length, y=catfish.weight, col="blue", xlab="Longitud", ylab="Peso", main="Longitud vs. Peso de los catfish") ```

Instalación de paquetes en RStudio

• Antes de ver el comando qplot, tenemos que aprender como instalar nuevos paquetes de R.
• Una de las pestañas más interesantes en el lado derecho es Packages (paquetes):

• Check for Updates: permite actualizar los paquetes a sus últimas versiones.
• Install Packages: permite instalar paquetes desde CRAN (repositorio).

• Se puede conseguir el mismo efecto con el siguiente comando:

{r install.packages, eval=FALSE} install.packages("<Nombre_de_la_librería>")

La función qplot

• El comando qplotes una versión "quick" del comando plot, y permite crear gráficos complejos y avanzados de forma simple y rápida.
• Este comando está en la librería ggplot2. Para usar dicha libreria podemos ejecutar el siguiente comando:

{r library(ggplot2)} library(ggplot2) * En caso de que no esté instalada, habria que seguir los pasos descritos en la diapositiva de Instalación de paquetes en RStudio.

• Por ejemplo, podemos hacer un gráfico rápido que permite visualizar la longitud (length) frente al peso (weight) del conjunto de datos ddt.

{r qplot longitud+peso de ddt, fig.height=7, fig.width=7, fig.cap=""} # longitud vs. peso de todos los peces qplot(length, weight, data=ddt, col=species_name)

• Incluso podemos añadir una línea de tendencia (con un margen de error) a cada especie, simplemente añadiendo (sumando) la función geom_smooth():

{r qplot longitud+peso de ddt + geom_smooth, fig.height=7, fig.width=7, fig.cap="", message=FALSE} qplot(length, weight, data=ddt, col=species_name) + geom_smooth()

• Podemos usar las opciones que ya conocemos del comando plot para personalizar este gráfico:

{r qplot longitud+peso de ddt + geom_smooth + labels, fig.height=7, fig.width=7, fig.cap="", message=FALSE, tidy=FALSE} qplot(length, weight, data=ddt, col=species_name, xlab="Longitud", ylab="Peso", main="Relación longitud/peso") + geom_smooth()

• Finalmente, podemos usar qplot para generar también un histograma de los pesos de las tres especies juntas de forma automática:

{r Histograma usando qplot, fig.height=7, fig.width=7, fig.cap="", message=FALSE} # histograma usando "qplot" qplot(weight, data=ddt, fill=species_name)

El comando manipulate

• RStudio permite controlar de forma dinámica los gráficos generados con R.
• El comando que permite la interactividad entre el usuario y los gráficos generados.
• Las opciones de controles que permite manipulate:
  • slider: control para un rango (min, max) numérico.
  • picker: control sobre un conjunto de opciones fijas.
  • checkbox: control de casilla de verificación.
  • button: control de botón.
• Vamos a ver un pequeño ejemplo:

{r manipulate, eval=FALSE, tidy=FALSE} # control de selección para elegir la especie de pez library(manipulate) manipulate( hist(ddt$weight[ddt$species_name == fish], xlab="Peso", ylab="Frecuencia", main=paste("Histograma del peso de los", fish)), fish = picker("bass", "buffalo", "catfish") )

Generando informes HTML a partir de scripts de R

• RStudio posee una opción que permite compilar un fichero script de R en HTML directamente (Compile Notebook).
• Dicha opción se encuentra, en cualquier script de R, al final de la barra de herramientas del panel de edición, con forma de cuaderno, o en la opción del menú File > Compile Notebook...
• Al pulsar el icono, nos aparece la siguiente ventana:

• Pulsamos el boton Compile y obtenemos la vista previa del fichero HTML generado:

Atajos de teclado

• Como se ha visto a lo largo de este curso sobre RStudio, existen múltiples formas de realizar la misma acción dentro del entorno, a saber, desde los botones, el menú o los atajos de teclado.
• En cada apartado, se han ido comentado algunos atajos de teclado que pueden resultar interesantes.
• La tabla que contiene todos los atajos se puede obtener en el menú Help > Keyboard Shortcuts.

Ejercicios

1. Hacer una función en R que muestre los histogramas de frecuencias de los pesos de las tres especies (catfish, buffalo y bass) en uno solo usando el comando hist. (Pista: empezar por la especie catfish y usar add=TRUE).

{r Ejercicio 1, eval=TRUE, echo=FALSE, fig.cap=""} catfish.weight <- ddt$weight[ddt$species_name == "catfish"] buffalo.weight <- ddt$weight[ddt$species_name == "buffalo"] bass.weight <- ddt$weight[ddt$species_name == "bass"] hist(catfish.weight, col="cyan", main="Histogramas", xlab="Pesos", ylab="Frecuencias") hist(buffalo.weight, col="green", add=TRUE) hist(bass.weight, col="red", add=TRUE) legend("topright", levels(ddt$species_name), fill=c("cyan","green","red"))

2. Hacer una función que use el comando manipulate sobre el comando qplotpara que el usuario elija la especie sobre la cual quiere comparar la longitud (length) contra el peso (weight).

{r Ejercicio 2, eval=FALSE, echo=FALSE, tidy=FALSE} manipulate( qplot(ddt$length[ddt$species_name == fish], ddt$weight[ddt$species_name == fish], xlab="Longitud", ylab="Peso", main=paste("Longitud vs. Peso de los", fish)), fish = picker("bass", "buffalo", "catfish") )

Futuro de RStudio

• Shiny by RStudio: A web application framework for R.

Referencias

• RStudio Support: web de soporte de RStudio.
• RStudio Training: página de formación de RStudio.
• Google's R Style Guide: guía de estilo de programación en R según Google.