R provee la operaciones matemáticas y funciones de una calculadora científica
Al finalizar esta sección podrás utilizar los principales operadores aritméticos y relacionales
R tiene muchos operadores para realizar diferentes operaciones matemáticas y lógicas. Los operadores en R se pueden clasificar principalmente en las siguientes categorías:
A continuación puedes observar ejemplos de algunos operadores y los resultados que producen. Los números (o variables) pueden in junto a los operadores (a+b, 5*16), pero en estos y otros ejemplos se separan para visualizarlos con mayor claridad y también ayuda a evitar e identificar errores con más facilidad.
# suma +
5 + 16## [1] 21# resta -
5 - 16## [1] -11# multiplicación *
5 * 16## [1] 80# división /
5 / 16## [1] 0.3125# parte entera de división %/%
16 %/% 5## [1] 3# módulo o residuo de una división %%
16 %% 5## [1] 1# elevar a potencia ^
16 ^ 5## [1] 1048576# notación científica e
1.33e4 # equivalente a 1.33*10^4## [1] 13300Los operadores relacionales se utilizan para comparar valores y nos indican si el resultado de la comparación es verdadero (TRUE) o falso (FALSE). A continuación una lista de operadores relacionales disponibles en R, con un ejemplo.
# menor que <
5 < 16## [1] TRUE# mayor que >
5 > 16## [1] FALSE# menor que o igual a <=
5 <= 16## [1] TRUE# mayor que o igual a >=
5 >= 16## [1] FALSE# igual a ==
5 == 16## [1] FALSE# no igual a !=
5 != 16## [1] TRUE# comparando notaciones
1.33e4 == 1.33 * 10^4## [1] TRUEExisten otro operadores para operaciones lógicas, de pertenencia y asignación que trabajan con objetos de R (vectores, matrices) y que estaremos utilizando cuando estudiemos esas estructuras de datos.
Referencias
R Operators, 2019. Learn By Example. URL https://www.learnbyexample.org/r-operators/ (accessed 1.30.21).
Al finalizar esta sección podrás utilizar algunas funciones matemáticas y estadísticas existentes en R
R permite construir funciones de todo tipo, como veremos más adelante, pero además posee funciones matemáticas y estadísticas incluidas en la instalación básica. Luego veremos que los paquetes instalados en R también poseen sus propias funciones.
En R, deseamos utilizar algo más que operadores básicos. R contiene un conjunto completo de funciones que también encontrarás en una calculadora técnica. Todas estas funciones están vectorizadas, por lo que puedes usarlas en vectores completos (más de un valor), como veremos más adelante. Las funciones también se pueden aplicar a operaciones matemáticas o lógicas.
# valor absoluto abs(x)
abs(5-16)## [1] 11# redondeo de un valor round(x, digits=n),
# n número de dígitos decimales deseados; si no se indica, n = 0
round(1.33)## [1] 1round(1.33, digits = 1)## [1] 1.3# raíz cuadrada sqrt(x)
sqrt(15)## [1] 3.872983# logaritmo log(x, base = n); n es la base del logaritmo
# si no se indica n, es el logaritmo natural base e
log(4, base = 2)## [1] 2log(4)## [1] 1.386294# logaritmo base 10 log10(x)
log10(4)## [1] 0.60206# exponencial de e exp(x); equivalente a e^x
exp(1)## [1] 2.718282# funciones trigonométricas: cos(x), sin(x), tan(x)
# x es el ángulo en radianes r
# para convertir grados (d) a radianes: r = d*pi/180
cos(pi/3)## [1] 0.5cos(60*pi/180)## [1] 0.5Una de las principales aplicaciones de R es el análisis estadístico, por lo cual encontrarás una gran diversidad de funciones estadísticas en la instalación básica de R, más aquellas creadas en los paquetes estadísticos de R. Al igual que las otras funciones en R, estas son vectorizadas, por lo cual se aplican a conjuntos de números, sean estos vectores, matrices y otras estructuras de datos.
# tamaño de la muestra length(x); funciona con vectores
length(c(3.1, 4.5, 5.3, 2.7)) # c() produce un vector## [1] 4# media (o su estimador en una muestra) mean(x)
mean(3.1, 4.5, 5.3, 2.7)## [1] 3.1# desviación estándar sd(x); funciona con vectores
sd(c(3.1, 4.5, 5.3, 2.7))## [1] 1.21106# mediana median(x)
median(3.1, 4.5, 5.3, 2.7)## [1] 3.1# rango o ámbito de los valores
range(3.1, 4.5, 5.3, 2.7)## [1] 2.7 5.3# sumatoria o suma de los valores sum(x)
sum(3.1, 4.5, 5.3, 2.7)## [1] 15.6# mínimo valor min(x)
min(3.1, 4.5, 5.3, 2.7)## [1] 2.7# máximo valor max(x)
max(3.1, 4.5, 5.3, 2.7)## [1] 5.3Referencias
R Built-in Functions - javatpoint [WWW Document], n.d. . www.javatpoint.com. URL https://www.javatpoint.com/r-built-in-functions (accessed 1.30.21).
Al finalizar esta sección podrás asignar los resultados de operaciones o funciones matemáticas o lógicas a un nombre de objeto (variable)
Al igual que en una calculadora científica los resultados de operaciones matemáticas y funciones se pueden guardar en memorias, utilizando R podemos asignar esos resultados a nombres de objetos o variables con diferentes tipos de datos y estructuras que estudiaremos en otras secciones.
Hay más de una forma de asignar un valor u objeto a una variable.
Trabajando con la consola vimos como usar <- para asignar valores, funciones u objetos a un nombre de variable. Cuando escribimos códigos de R en el editor de RStudio usamos preferiblemente el mismo procedimiento, aunque hay otras alternativas.
# la forma común
equis <- 17
equis## [1] 17# en la otra dirección
19 -> zeta
zeta## [1] 19# usando igual
igual = 17
igual## [1] 17# asignación múltiple
equis <- zeta <- 17
equis## [1] 17zeta## [1] 17# utilizando una función: assign
assign("equis", 17)
equis## [1] 17assign("zeta", 19)
zeta## [1] 19# asignando resultado de una función
y <- sqrt(25)
y## [1] 5# removiendo el contenido de una variable
rm(zeta)Si ahora buscamos el contenido de zeta obtenemos el siguiente mensaje:
zeta
Error: object ‘zeta’ not found
Podemos también asignar texto o resultados de comparaciones a una variable.
# texto a una variable
nombre <- "Aquiles"
nombre## [1] "Aquiles"# existen funciones para texto
num_caract <- nchar(nombre)
num_caract## [1] 7# resultado de comparaciones
compara <- 3 < 7
compara## [1] TRUEPodemos realizar diversos tipos de operaciones con las variables
Es recomendable darle a los objetos nombrados como variables, nombres que reflejen su contenido; es preferible que estén abreviados y pueden ser nombres compuestos unidos por la raya por debajo (underscore). No usar letras mayúsculas ayuda a evitar errores ortográficos al escribir los códigos.
# cálculo del coeficiente de variación desviación_estándar/media
media <- mean(3.1, 4.5, 5.3, 2.7)
desv_esta <- sd(c(3.1, 4.5, 5.3, 2.7))
coef_vari <- desv_esta/media
coef_vari## [1] 0.3906646# podemos expresarlo como porcentaje sin tener que cambiar el nombre
coef_vari <- coef_vari*100
coef_vari## [1] 39.06646# resultado de comparación de variables
a <- 23
b <- 17
compara <- a <= b
compara## [1] FALSE