Al descargar e instalar un paquete (package) cualquiera, en el lenguaje de programación R, éste es ejecutado por el usuario y el resultado se puede apreciar en el RGui (R Graphical user interface) o en la consola de RStudio, pero RCommander es diferente, el paquete RCommander nos ofrece una interfaz gráfica desde la cual podemos ejecutar comandos, funciones de R, así como test y análisis estadísticos a través de sus menúes desplegables, en esta entrada te mostraremos el paso a paso del proceso de instalación de RCommander, para en un próximo artículo enfocarnos en sus principales características.
Iniciamos activando el RGui (R Graphical user interface), en la barra de menú vamos por la opción Paquetes, se despliega una lista de sub-menús donde terminamos haciendo click sobre la opción Instalar paquetes, cabe señalar que podriamos obviar todos esos pasos y simplemente usar la función install.packages("RCommander"), para efectos de este artículo queremos mostrarle al lector cada uno de los pasos que involucra instalar Rcommander.
Al hacer lick sobre la opción Instalar paquetes aparecera la ventana Secure CRAN Mirrors desde donde eligiremos algunos de los países listados para iniciar el proceso de descarga, para efectos de esta entrada elegimos la opción 0-Clouds [https], se mostrara una nueva ventana desde donde escogeremos la opción RCmdr para proceder a la instalación de RCommander.
El paquete RCommander también recibe el nombre de RCmdr
Se procede a la instalación del paquete RCommander, el cual puede ser activado por el usuario la hacer uso de la función library(Rcmdr), la cual mostrara la interfaz gráfica de RCommander.
El siguiente vídeo muestra como instalar Rcommander
El entorno de desarrollo (IDE) por excelencia para el lenguaje de programación R, es sin duda, RStudio, al revisar su blog oficial (RStudio Blog), nos encontramos con una entrada con fecha el 02 de diciembre del 2020, anunciando la versión preliminar (preview release) de RStudio 1.4, el siguiente artículo te mostrara como realizar la actualización de tu IDE favorito a su última versión, que al ser una versión preliminar no se muestra de manera directa en la web oficial de RStudio, en un próximo artículo abordaremos las nuevas características y herramientas que nos ofrece este nuevo RStudio.
La primera idea que vino a nuestra mente, luego de leer el artículo relacionado a la versión preliminar de RStudio 1.4, era activar RStudio y realizar la actualización desde el entorno de desarrollo, a través de la barra de opciones Help - Check for Updates, lo cual no dio ningun resultado, ya que la aplicación señalaba que teniamos la última actualización disponible, no permitiendonos realizar el update respectivo, como lo muestra las siguientes imágenes.
Continuando en la barra de opciones - Help - About RStudio, la aplicación señalaba que no se había realizado ninguna actualización y que seguiamos utilizando la versión 1.3 de RStudio.
La página oficial de RStudio sigue mostrando los enlaces respectivos para descargar la versión 1.3 de RStudio para Windows 10 y otros sistemas operativos como macOS y Linux, el siguiente enlace RStudio 1.4 - Preview Release nos dirige al área de descarga de la versión preliminar de RStudio Desktop Version, desde donde descargamos la preview release de RStudio 1.4 Desktop para Windows 10, cabe señalar que también se encontraran instaladores para sistemas operativos tales como Fedora, Debian, Ubuntu, macOS entre otros.
Esta es la imagen que encontraras en la web oficial de RStudio indicando la descarga de RStudio Desktop 1.3
Finalmente, sólo ejecutas el instalador y procedes a la instalación de RStudio Desktop 1.4 para Windows, de tener dudas sobre el proceso de instalación te dejamos el siguiente enlace, que te llevara a nuestro artículo sobre ¿Cómo Instalar RStudio en Windows 10?, al final del procedimiento podras revisar la barra de opciones - Help - About RStudio y ver que ya cuentas con la última versión (versión preliminar - preview release) de RStudio.
Llegamos a la segunda entrada de la lista de 30 comandos básicos del lenguaje de programación R, funciones orientadas a la manipulación de datos como sum(), prod(), sqrt() entre otros, estamos seguros que aprender estos comandos van a permitir manejar al menos a un nivel básico tanto el lenguaje de programación, como su entorno de desarrollo.
La función setwd nos permite configurar el directorio de trabajo (working directory) donde tenemos instalado el lenguaje de programación R, así como sus principales archivos y componentes.
2.- R.Version()
La función R.Version nos muestra la versión del lenguaje de programación R que tenemos instalada en nuestro equipo, así como información del sistema operativo y otros.
3.- sum()
El lenguaje de programación R puede ser usado como una simple "calculadora" haciendo uso de operadores artiméticos (+,-,*, /) o puedes hacer uso de la función sum para sumar datos numéricos. Similar a la función =sum() en Microsoft Excel en su versión en inglés.
4.- prod()
El lenguaje de programación R puede ser usado como una simple "calculadora" haciendo uso de operadores artiméticos (+,-,*, /) o puedes hacer uso de la función prod para multiplicar datos numéricos. Similar a la función =prod() en Microsoft Excel en su versión en inglés.
5.- sqrt()
La función sqrt nos permite obtener la raíz cuadrada de un número dado, similar a la función =sqrt() en la versión en inglés de Microsoft Excel.
6.- factorial()
El factorial es el producto de todos los números enteros positivos desde 1 hasta n, es el producto de todos los términos de una progresión aritmética, puedes obtener el factorial de un número dado usando la función factorial del lenguaje de programación R.
7.- min()
La función min nos muestra el mínimo valor de un rango de números, de una lista de números. Sí trabajas con Microsoft Excel debes estar familiarizado con la función =min().
8.- max()
La función max nos muestra el máximo valor de un rango de números, de una lista de números. Sí trabajas con Microsoft Excel debes estar familiarizado con la función =max().
9.- range()
La función range combina la ejecución de las funciones min() y max(), devolviendonos como resultado el mínimo y máximo valor de un rango de números, de una lista de números.
10.- install.packages()
La función install.packages permite instalar los distintos paquetes (packages) disponibles en el CRAN (The Comprehensive R Archive Network) para el lenguaje de programación R.
11.- remove.packages()
La función remove.packages permite remover, desinstralar los distintos paquetes (packages) disponibles en nuestro sistema para el lenguaje de programación R.
12.- library()
La función library permite activar el paquete (package) especificado, cabe señalar que es el paquete a ser activado debe estar instalado previamente.
13.- data()
La función data nos permite activar los data sets instalados por defecto durante el proceso de instalación del lenguaje de programación R, tienes a disposición decenas de datasets para realizar experimientos, pruebas y simulaciónes.
14.- summary()
La función summary nos muestra un resumen de los data frames, data sets analizados, mostrandonos valores mínimos, máximos, mediana, moda entre otros.
15.- length()
La función length nos muestra el número de datos o registros contenidos en un objeto creado en el lenguaje de programación R como un vector, una lista o un data frame.
La siguiente entrada es la primera entrega de una serie de dos artículos sobre comandos básicos del lenguaje de programación R, el manejo de cualquier herramienta de programación, llamese el lenguaje de programación propiamente dicho o su entorno de desarrollo (IDE), necesita del conocimiento de la semántica y sintaxis de los comandos que la componen, estamos seguros que nuestros lectores encontraran esta lista entretenida y útil, en especial aquellos que están dando sus primeros pasos en el manejo del lenguaje de programación R.
Te dejamos con nuestra lista de 15 comandos básicos del lenguaje de programación R.
La función contributors nos muestra a los principales figuras que contribuyeron y siguen contribuyendo con el desarrollo del lenguaje de programación R, cabe señalar que los creadores de nuestro lenguaje de programación favorito son Ross Ihaka y Robert Gentleman.
2.- citation()
La función citation nos proporciona de información relevante sobre cómo crear una cita textual relacionada al uso del lenguaje de programación R, en el ambito academico o de investigación, muy importante en la creación de "papers" por parte de investigadores.
3.- demo()
La función demo nos muestra los "demos", ejemplos o muestras dentro de los paquetes (packages) instalados en nuestro sistema y disponibles para el usuario, permitiendole realizar distintos ejercicios, experimentos, operaciones, etc. Demos in package:"####".
4.- RShowDoc("COPYING")
La función RShowDoc("COPYING") nos muestra información sobre la GENERAL PUBLIC LICENSE (Licencia Pública General), que es una licencia de derecho de autor, usada en el mundo del código abierto y software libre, para nuestro caso relacionada al uso del lenguaje de programación R.
5.- q()
La función q, nos permite cerrar el entorno de desarrollo del lenguaje de programación R (RGui), antes de esto nos pregunta sobre guardar o no la imagen del área de trabajo.
6.- history()
La función history, nos muestra la lista de comandos ejecutados por el usuario, muy útil si queremos volver a ejecutar comandos complejos o simplemente revisar lo hecho hasta el momento.
7.- help()
La función help nos muestra información referente a un comando o función en especifico mostrandonos toda la documentación relacionada al comando sobre el que buscamos orientación. help(ls), cabe señalar que la información de ayuda se mostrara en formato HTML, en el navegador (browser) por defecto instalado en nuestro sistema (Chrome, Firefox, Edge,etc.)
8.- ls()
La función ls nos muestra la lista de objetos, variables creados por el usuario, si trabajas con algunas de las distribuciones de Linux (Debian, Ubuntu,Mint,etc.) sabras que el comando ls lista archivos y carpetas en dicho sistema operativo.
9.- rm()
La función rm nos permite eliminar de manera individual o conjunta objetos, variables creados por el usuario, si trabajas con algunas de las distribuciones de Linux (Debian, Ubuntu,Mint,etc.) sabras que el comando rm elimina archivos y carpetas en dicho sistema operativo.
10.- c()
La función c nos permite crear vectores, que son una concatenación de datos, los cuales siempre deben ser del mismo tipo.
11.- list()
La función list nos permite crear una colección ordenada de objetos del lenguaje de programación R, pudiendo contener vectores, matrices, factores y otros.
12.- matrix()
La función matrix nos permite crear una o más matrices que es un arreglo bidimensional de números, conjuntamente con las clausulas ncol="" y nrow="".
13.- data.frame()
La función data.frame nos permite crear estructuras rectangualares de dos dimensiones, que pueden contener distintos tipos de datos.
14.- mode()
La función mode nos permite visualizar el tipo de objeto al que hace referencia, cabe señalar que tenemos también la función storage.mode() muy similar a la primera, pero que hace referencia a como son almacenados los objetos del lenguaje de programación R en el disco del equipo.
15.- getwd()
La función getwd nos permite visualizar la ruta(path) hacia el directorio de trabajo, el directorio por defecto (working directory) donde se almacena el lenguaje de programación R, sus componentes y principales archivos.
En un próximo artículo continuaremos con los restantes 15 comandos básicos para el lenguaje de programación R, dejanos en la caja de comentarios, tus impresiones sobre la lista, ¿te parece que olvidamos algún comando?,¿qué comando agregarias a la lista?.
Uno de los primeros acercamientos a concepto relacionados a la calidad y sus herramientas, es a través del diagrama de Ishikawa (Ishikawa diagram), conocido también como diagrama Causa-Efecto (Cause and Effect Diagram) o diagrama espina de pescado (Fishbone diagram), esta herramienta de control de calidad y mejora de procesos, fue creada por el administrador de empresas y químico japonés Kaoru Ishikawa (1915-1989) quien se especializo en la creación de sistemas de calidad, proporcionando un análisis científico a las causas que originan los problemas dentro de procesos industriales, el siguiente articulo muestra como hacer uso del paquete Six Sigma (Six Sigma package) en el lenguaje de programación R para la creación de un diagrama Causa-Efecto en cuestión de minutos de manera rápida y sencilla.
Iniciamos con el proceso de instalación y activación del paquete SixSigma (SixSigma package) haciendo uso de las funciones install.packages("SixSigma), para luego continuar con la función library(SixSigma), este primer paso nos permitira tener todo listo para la creación del diagrama Causa-Efecto (Cause&Effect diagram) como lo muestra la siguiente imagen.
El código para la creación del diagrama de Ishikawa usando el paquete SixSigma es sencillo y consta de unas cuentas líneas pero debemos ser tener en consideración ciertos detalles en el despliegue y ejecución del mismo, comenzamos con el comando effect <- "Dispersión de mediciones", que establece el problema que estamos analizando, continuamos con causes.gr <- c("Maquinaria, Mano de obra", "Materiales","Medición","Métodos", "Medio ambiente"), este comando en particular establece las distintas categorias para cada una de las causas, para esta demostración hicimos uso del metodo 6M que permite agrupar las principales causas en 6 categorias o ramas principales, tales como: Maquinaria, Mano de obra, Materiales, Medición, Método y Medio Ambiente; terminamos con el comando causes <- vector(mode="list", length=length(causes.gr)) que crea un vector y establece el conteo de las 6 categorias que almacenaran las causas del problema de estudio,tal como lo muestra la siguiente imagen.
El comando causes() nos permite la creación de vectores donde colocaremos cada una de las causas asociadas a las categorias ya establecidas, para finalmente terminar con la creación del diagrama causa-efecto, mediante el uso del comando ss.ceDiag(effect, causes.gr, causes, sub = "Dispersión de mediciones"), tenemos que indicar que cada uno de los comandos señalados en este artículos deben ser ejecutados en el entorno de desarrollo RStudio, línea por línea, uno por uno, ya que si los ejecutamos como un bloque, como un todo, no podremos crear el gráfico respectivo.
El resultado final es el diagrama Causa-Efecto que mostramos a continuación donde a la cabeza se puede apreciar el problema de estudio, las espinas nos muestran las distintas categorias relacionadas al método 6M y las causas asociadas a éstas.
El siguiente vídeo muestra como crear un diagrama de Ishikawa haciendo uso de los paquete QCC y SixSigma en el lenguaje de programación R.
Nuestro primer acercamiento sobre paquetes en el lenguaje de programación R para importar registros desde Microsoft Excel hacia RStudio, fue con paquete readxl, pero este presenta limitaciones, ya que sólo nos permite leer archivos de Excel (Read Excel Files), eso es todo, el siguiente artículo quiere llevarte a usar un paquete mucho más poderoso openXLSX permite leer, escribir y editar archivos de Excel con extensiones XLSX (Read, Write and Edit xlsx files).
Comenzamos con el proceso de instalar el paquete openXLSX y proceder a su activación, haciendo uso de las funciones install.packages() y library() como lo muestra la siguiente imagen.
Importando registros desde Excel a RStudio
Crearemos el objeto xlsx_prueba al cual asignaremos el resultado de ejecutar el comando read.xlsx, indicamos la ruta del archivo de Excel a importar (superstore.xlsx) y mediante la clausula sheet = " Orders ", indicamos la pestaña desde donde se obtendran los registros, como la muestra la siguiente imagen.
Importando una muestra desde Excel a RStudio
Crearemos el objeto xlsx_muestra al cual asignaremos el resultado de ejecutar el comando readworkbook, indicamos la ruta del archivo de Excel a importar (superstore.xlsx) y mediante laclausula sheet = " Orders ", indicamos la pestaña desde donde se obtendran los registros, como la muestra la siguiente imagen; continuamos con las clausulas colNames = TRUE, que indica que hay presencia de campos (columnas), rows=1:11 señala el número de filas a importar, cols=2:4 indica el número de columnas a importar, terminamos por visualizar los registros importados con la función View(xlsx_muestra) como lo muestra la siguiente imagen.
Modificar, insertar registros y pestañas desde RStudio a Excel
wb <- loadworkbook() nos permite cargar en memoria el archivo de Excel superstore.xlsx que contendra el objeto wb.
addworksheet(wb,sheetName="Test_001") nos permite agregar una pestaña (hoja de cálculo) sobre el workbook(libro) en el que estamos trabajando.
writedata() nos permite escibir los cambios asignados sobre el workbook (libro) en el que estamos trabajando.
saveworkbook() nos permite guardar los cambios asignados sobre el workbook (libro) en el que estamos trabajando.
La siguiente imagen muestra la lista de comandos mencionado líneas arriba, cabe señalar que se creo un data frame (dframe) compuesto por dos campos (sexo, edad) y 5 registros para cada cada variable.
El siguiente vídeo muestra como hacer uso del paquete openXLSX en RStudio.
