Trabajando con data.frames/tibble en R con dplyr
Jilber Urbina
26/10/2021
Del data.frame al tibble
Hace unos años atrás compartí un breve post sobre utilización de funciones básicas de R para trabajar con matrice. En esta ocasión, voy a presentar algunas funciones muy útiles para trabajar con data.frames/tibbles en R utilizando el paquete dplyr.
Tenga en mente que, si bien, en apariencia una matriz es muy parecida a un data.frame, hay diferencias importantes, entre la más notorias es que la matriz sólo puede alojar datos de un sólo tipo: o sólo números o sólo texto, cuando se combinan ambos, predomina el texto y toda la información contenida en la matriz será transformada a texto. En cambio, los data.frames son estructuras más flexibles, y pueden alojar distintos tipos de datos preservando su clase, es decir, podemos tener en una columna valor numérico y en otra valores textuales y cada columna preserva su clase, no hay coerción a imponer una sola clase predominante a todo el data.frame como ocurre con las matrices.
Pese a la ventaja que presentan los data.frames para almacenamiento de datos y para la labor de análisis de datos, ya que en la realidad se cuenta con una variedad y mezcla de datos de diferentes tipos (numéricos enteros, numéricos reales, texto, categóricos), también tiene una desventaja desde el punto de vista estético, para ello existe una oportuna solución que frece el tipo tibble, que presenta una mejor estética para visualizar los datos, ya que sólo muestra las primeras 10 observaciones, además, informa sobre el tipo de datos que contiene cada variable y da información sobre la dimensión de la tabla de datos. Más allá de la estética, esta estructura permite una mejor interacción con las funciones del paquete dplyr que es protagonista de este post.
¿Qué es dplyr?
De su página oficial https://dplyr.tidyverse.org/ podemos darnos cuenta qué es y para qué sirve este paquete de R:
dplyr is a grammar of data manipulation, providing a consistent set of verbs that help you solve the most common data manipulation challenges
Es decir, que este paquete ofrece herramientas que nos ayudan a lidiar con problemas de manipulación de datos. Las principales funciones con las que cuenta son:
- mutate() crea y agrega una nueva variable a las ya existente que puede o no ser una función de las ya existentes.
- select() selecciona una varible por su nombre o por su posición
- filter() como su nombre lo indica, sirve para filtrar casos según las condiciones que le proporcionemos
- summarise para aplicar transformaciones estadísticas que nos permitan resumir los datos
- group_by() para resúmenes y aplicación de funciones a subconjunto de casos agrupados por categorías
- arrange() para ordenar los datos de forma ascendente/descendente
- relocate() para cambiar de posición las columnas/variables
- rename() para cambiar el nombre a las columnas/variables
- across() para aplicar funciones a un conjunto de columnas/variables
Para ilustrar la versatilidad y facilidad de uso de estas funciones, usaremos la base de datos mtcars que, según su descripción, es un conjunto de datos de la edición de 1974 de la revista Motor Trend US y se compone de 11 variables sobre aspecto de diseño y desempeño de 32 automóviles de los años 1973 y 1974. Ver más información al ejecutar ?mtcars en su consola de R.
Antes de empezar, deberemos instalar y cargar dplyr y tibble:
install.packages("dplyr")
install.packages("tibble")
library(dplyr)
library(tibble)Para llevar a cabo la exposión de las funciones, me basaré en el uso del operador %>% que, combinado, con el ecositema de tidyverse permiten una fácil lectura y mejor comprensión de los códigos, además de que, visualmente son más ordenados y atractivos.
Empecemos cargando los datos de mtcars y viendo cómo se estructura este conjunto de datos
head(mtcars)## mpg cyl disp hp drat wt qsec vs am gear carb
## Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4
## Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1
## Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1
## Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2
## Valiant 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1Note que si no le pido, con head() que me muestre las primeras 10 filas (valor por defecto), el programa me imprimiría todo el conjunto de datos, lo cual no es agradable, porque no sabría a qué variable se refiere cada columna, porque no sería capaz de ver su encabezado. Vemos además, con el siguiente código que mtcars se trata de un data.frame:
class(mtcars)## [1] "data.frame"Puede observarse que hemos necesitado de head para visualizar ‘correctamente’ (al menos de forma bonita e informativa) nuestro conjunto de datos, pero no sabemos qué tipo de variable contiene cada columna. El hecho de que se vean números no, necesariamente, implica que sean números, pueden ser cadena de texto (character) o variables dummy (factor), así que para saber qué tipo de datos contiene, procedemos de la siguiente manera:
sapply(mtcars, class)## mpg cyl disp hp drat wt qsec vs
## "numeric" "numeric" "numeric" "numeric" "numeric" "numeric" "numeric" "numeric"
## am gear carb
## "numeric" "numeric" "numeric"Para resumir hasta este punto, si tenemos un data.frame casi siempre tenemos que recurrir a head()para darnos una idea de cómo luce el conjunto de datos y, si queremos inspeccionar cada columna, debemos recurrir a sapply (o cualquier otra función de la familia *apply).
Y si quiero saber la dimensión de mi data.frame, es decir, cuántos registros tiene (filas) y cuántas variables o dimensiones (columnas), se hace con dim():
dim(mtcars) # 32 filas y 11 columnas## [1] 32 11Veamos la ventaja que tendría tener mtcar como un objeto clase tibble y no data.frame
mtcars2 <- mtcars %>%
rownames_to_column(var = "model") %>%
tibble()
mtcars2 ## # A tibble: 32 x 12
## model mpg cyl disp hp drat wt qsec vs am gear carb
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Mazda RX4 21 6 160 110 3.9 2.62 16.5 0 1 4 4
## 2 Mazda RX4 ~ 21 6 160 110 3.9 2.88 17.0 0 1 4 4
## 3 Datsun 710 22.8 4 108 93 3.85 2.32 18.6 1 1 4 1
## 4 Hornet 4 D~ 21.4 6 258 110 3.08 3.22 19.4 1 0 3 1
## 5 Hornet Spo~ 18.7 8 360 175 3.15 3.44 17.0 0 0 3 2
## 6 Valiant 18.1 6 225 105 2.76 3.46 20.2 1 0 3 1
## 7 Duster 360 14.3 8 360 245 3.21 3.57 15.8 0 0 3 4
## 8 Merc 240D 24.4 4 147. 62 3.69 3.19 20 1 0 4 2
## 9 Merc 230 22.8 4 141. 95 3.92 3.15 22.9 1 0 4 2
## 10 Merc 280 19.2 6 168. 123 3.92 3.44 18.3 1 0 4 4
## # ... with 22 more rowsEl código anterior realiza las siguientes acciones:
- toma los nombres de las filas y los convierte en una nueva variable/columna (
rownames_to_column) - nombra a la nueva variable como
model - a ese nuevo conjunto de datos se convierte de data.frame a tibble
- se muestra el resultado
Puede observarse que ya no se requiere usar head() o sapply, ahora, por defecto, sólo se muestran las primeras 10 observaciones y debajo de cada nombre de las variables aparece la clase de cada una de ellas, por ejemplo, debajo de model aparece su clase: character, indicando que es una variable de cadena de texto, todas la demás son numéricas con doble precisión (double). También informa sobre la dimensión del conjunto de datos justo al inicio: A tibble: 32 x 12 esto indica que se trata de un objeto tibble con 32 filas y 12 columnas, una adicional, porque añadí los nombres de filas como una columna adicional.
Ahora sí, una vez vistas las diferencias entre data.frame y tibble, podemos proceder a nuestros ejemplos.
mutate
Vamos a empezar por ‘mutar’ o cambiar la variable am que indica con 0 si la transmisión es automática y con 1 si es manual, para ello usaremos la función mutate:
mtcars2 %>%
mutate(am2 = factor(am, levels = c(0,1), labels = c("automatic", "manual"))) %>%
select(am, am2)## # A tibble: 32 x 2
## am am2
## <dbl> <fct>
## 1 1 manual
## 2 1 manual
## 3 1 manual
## 4 0 automatic
## 5 0 automatic
## 6 0 automatic
## 7 0 automatic
## 8 0 automatic
## 9 0 automatic
## 10 0 automatic
## # ... with 22 more rowsCon lo anterior hemos creado una nueva variable, am2, cambiando sus valores de 0 y 1 a ‘automatic’ y ‘manual’, respectivamente. Adicionalmente, uso la función select para seleccionar sólo las variables am y am2 para comprobar que he realizado correctamente la transformación. Note, además que, la variable am2 es de tipo fctr, es decir, es una variable factor o una variable categórica (con niveles numéricos y etiquetas de texto) que son las variables adecuadas para realizar agrupaciones para los resúmenes estadísticos.
Para los devotos del ifelse, lo anterior pudo haberse realizado así:
mtcars2 %>%
mutate(am2 = ifelse(am==0, "automatic", "manual")) %>%
select(am, am2)## # A tibble: 32 x 2
## am am2
## <dbl> <chr>
## 1 1 manual
## 2 1 manual
## 3 1 manual
## 4 0 automatic
## 5 0 automatic
## 6 0 automatic
## 7 0 automatic
## 8 0 automatic
## 9 0 automatic
## 10 0 automatic
## # ... with 22 more rowsPese a que, aparentemente, se hizo bien, note que la variable am2 en este ejemplo no es factor, sino que es una cadena de texto (character) que no son muy buenas para la agrupación, esto se puede resolver fácilmente haciendo la coerción a factor:
mtcars2 %>%
mutate(am2 = ifelse(am==0, "automatic", "manual") %>% as.factor) %>%
select(am, am2)## # A tibble: 32 x 2
## am am2
## <dbl> <fct>
## 1 1 manual
## 2 1 manual
## 3 1 manual
## 4 0 automatic
## 5 0 automatic
## 6 0 automatic
## 7 0 automatic
## 8 0 automatic
## 9 0 automatic
## 10 0 automatic
## # ... with 22 more rowsSin embargo, esto viola el principio de Ockham. Téngase en cuenta que si la variable tiene más de dos categorías o factores, se requeriría el uso de un ifelse anidado y esto añadiría complejidad innecesaria a nuestro propósito. Eso lo veremos con la variable cyl que indica el número de cilindros: 4, 6 u 8. Vamos a crear una variable nueva, cyl2 que sea 4=‘small’, 6=‘medium’ y 8=‘big’ para indicar el tamaño del motor en función del número de cilindros.
mtcars2 %>%
mutate(cyl2 = factor(cyl, levels = c(4, 6, 8), labels = c("small", "medium", "big"))) %>%
select(cyl, cyl2)## # A tibble: 32 x 2
## cyl cyl2
## <dbl> <fct>
## 1 6 medium
## 2 6 medium
## 3 4 small
## 4 6 medium
## 5 8 big
## 6 6 medium
## 7 8 big
## 8 4 small
## 9 4 small
## 10 6 medium
## # ... with 22 more rowsEfectivamente, el cambio fue correctamente realizado y no tuvimos que hacer uso de los ifelse anidados.
Una cosa importante a tener en cuenta es que si no vamos asignando estos cambios a un objeto, éstos desaparecerán, así por ejemplo, si vemos nuevamente a nuestro conjunto de datos, observaremos que no existen las variables am2ni cyl2 ya que estos no fueron guardado en ningún sitio:
mtcars2## # A tibble: 32 x 12
## model mpg cyl disp hp drat wt qsec vs am gear carb
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Mazda RX4 21 6 160 110 3.9 2.62 16.5 0 1 4 4
## 2 Mazda RX4 ~ 21 6 160 110 3.9 2.88 17.0 0 1 4 4
## 3 Datsun 710 22.8 4 108 93 3.85 2.32 18.6 1 1 4 1
## 4 Hornet 4 D~ 21.4 6 258 110 3.08 3.22 19.4 1 0 3 1
## 5 Hornet Spo~ 18.7 8 360 175 3.15 3.44 17.0 0 0 3 2
## 6 Valiant 18.1 6 225 105 2.76 3.46 20.2 1 0 3 1
## 7 Duster 360 14.3 8 360 245 3.21 3.57 15.8 0 0 3 4
## 8 Merc 240D 24.4 4 147. 62 3.69 3.19 20 1 0 4 2
## 9 Merc 230 22.8 4 141. 95 3.92 3.15 22.9 1 0 4 2
## 10 Merc 280 19.2 6 168. 123 3.92 3.44 18.3 1 0 4 4
## # ... with 22 more rowsPara que nuestros cambios tengan efecto y perduren debemos asignarlos a un objeto, yo voy a actualizar la misma tabla mtcars2 para que ahí se guarden los cambios. Asimismo, vea cómo podemos realizar múltiples mutaciones a nuestra tabla con mutate, repetiré la creación de las variables am2 y cyl2:
mtcars2 <- mtcars2 %>%
mutate(am2 = factor(am, levels = c(0,1), labels = c("automatic", "manual")),
cyl2 = factor(cyl, levels = c(4, 6, 8), labels = c("small", "medium", "big"))
)
mtcars2 %>%
select(am, am2, cyl, cyl2)## # A tibble: 32 x 4
## am am2 cyl cyl2
## <dbl> <fct> <dbl> <fct>
## 1 1 manual 6 medium
## 2 1 manual 6 medium
## 3 1 manual 4 small
## 4 0 automatic 6 medium
## 5 0 automatic 8 big
## 6 0 automatic 6 medium
## 7 0 automatic 8 big
## 8 0 automatic 4 small
## 9 0 automatic 4 small
## 10 0 automatic 6 medium
## # ... with 22 more rowsPuede observar que la actualización de la tabla la realicé mediante mtcars2 <- mtcars2... y que no hace falta llamar a mutate por cada variable a ser creada, basta con una sola vez y separar las nuevas variables por coma.
Otra característica que tiene mutate que, además de crear nuevas variables, también funciona para actualizar las que ya tenemos, así nos ahorramos el paso de crear la nueva y borrar la antigua. Veamos la variable vs que indica si el diseño del motor es en forma de V (toma valor 0) o es lineal (toma valor 1), lo que haremos es asignarle las etiquetas correspondientes y actualizar vs, actualizar significa sobreescribir en la misma variable para que tome los nuevos valores.
mtcars2 <- mtcars2 %>%
mutate(vs = factor(vs, levels = c(0,1), labels = c("V-shaped", "straight")))
mtcars2 %>%
select(model, vs)## # A tibble: 32 x 2
## model vs
## <chr> <fct>
## 1 Mazda RX4 V-shaped
## 2 Mazda RX4 Wag V-shaped
## 3 Datsun 710 straight
## 4 Hornet 4 Drive straight
## 5 Hornet Sportabout V-shaped
## 6 Valiant straight
## 7 Duster 360 V-shaped
## 8 Merc 240D straight
## 9 Merc 230 straight
## 10 Merc 280 straight
## # ... with 22 more rows¿Qué pasa si quiero nombrar mi variable con espacios? Es decir, quiero crear variables que se llamen horse power 1, horse power 2 y horse power 3 y que tengan la misma información que hp, para ello debe usarse comillas (dobles o sencillas) o el acento invertido (backtick):
mtcars2 <- mtcars2 %>%
mutate("horse power 1" = hp,
'horse power 2' = hp,
`horse power 3` = hp) select
Como ya se adelantó en la sección anterior, select tal cual su nombre lo indica es para seleccionar columnas por nombre (usando cadena de caracteres), por posición (usando números enteros) o por coincidencia, pero además de seleccionar, sirve para omitir variables y hasta para renombarlas! Veamos cómo funciona.
Selección por nombre
Ya esto lo hemos visto anteriormente, le damos a select el nombre de la variable que queremos que seleccione y listo!
mtcars2 %>%
select(mpg)
mtcars2 %>%
select("mpg")
mtcars2 %>%
select('mpg')
mtcars2 %>%
select(`mpg`)Estas 4 alternativas son equivalentes:
- la primera pasa el nombre directamente
- la segunda pasa el nombre convertido a una cadena de caracteres dentro de comillas dobles.
- la tercera pasa el nombre convertido a una cadena de caracteres dentro de comillas simples.
- la cuarta pasa el nombre convertido a una cadena de caracteres dentro de acento invertido. (backtick)
Si el nombre de la variable contiene espacios, entonces la primer opción no será válida, cuando el nombre contenga espacios deberá usarse comillas o el acento invertido. En la sección anterior creamos la variable horse power 1, para seleccionarla usando select deberíamos ejecutar una de las siguientes alternativas:
mtcars2 %>%
select("horse power 1")
mtcars2 %>%
select('horse power 1')
mtcars2 %>%
select(`horse power 1`)Si queremos seleccionar más de una variable, basta con separarlas con coma:
mtcars2 %>%
select(model, hp, "horse power 1")## # A tibble: 32 x 3
## model hp `horse power 1`
## <chr> <dbl> <dbl>
## 1 Mazda RX4 110 110
## 2 Mazda RX4 Wag 110 110
## 3 Datsun 710 93 93
## 4 Hornet 4 Drive 110 110
## 5 Hornet Sportabout 175 175
## 6 Valiant 105 105
## 7 Duster 360 245 245
## 8 Merc 240D 62 62
## 9 Merc 230 95 95
## 10 Merc 280 123 123
## # ... with 22 more rowsTambién podríamos estar interesados en extraer todas las variables excepto unas cuantas que no sean de nuestro interés, esto lo haríamos de la siguiente manera:
mtcars2 %>%
select(!c(model, hp, "horse power 1"))Lo anterior selecciona todo excepto de las variables model, hp y horse power 1. La clave está en concatenar los nombres en un solo vector usando c() y luego negarlo con !. Así, la instrucción !c() dentro de un select le indicará que tome todo excepto lo que se encuentra en !c(), dicho de otra manera, lo que esté dentro de !c() será omitido.
Recordemos que a partir de am y cyl creamos am2 y cyl2, adicionalmente, a partir de hp creamos horse power 1, horse power 2 y horse power 3, así que este sería un bueno momento para eliminarlas de nuestra mtcars2.
mtcars2 <- mtcars2 %>%
select(!c(am, cyl, "horse power 1", "horse power 2", "horse power 3"))select incluso permite seleccionar un rango de variables a través del operador de secuencia : es decir, si queremos seleccionar las variables desde model hasta hp podríamos indicar todos los nombres así select(model, mpg, disp, hp), pero fíjese que estas variables van una detrás de otra en secuencia, así que le podríamos indicar explícitamente a R que seleccione desde model hasta hp:
mtcars2 %>%
select(model:hp)## # A tibble: 32 x 4
## model mpg disp hp
## <chr> <dbl> <dbl> <dbl>
## 1 Mazda RX4 21 160 110
## 2 Mazda RX4 Wag 21 160 110
## 3 Datsun 710 22.8 108 93
## 4 Hornet 4 Drive 21.4 258 110
## 5 Hornet Sportabout 18.7 360 175
## 6 Valiant 18.1 225 105
## 7 Duster 360 14.3 360 245
## 8 Merc 240D 24.4 147. 62
## 9 Merc 230 22.8 141. 95
## 10 Merc 280 19.2 168. 123
## # ... with 22 more rowsSelección por posición
Otra alternativa para seleccionar variables es a partir de su posición, es decir, podría estar interesado en seleccionar las variables mpg, hp y wt que corresponden a las posiciones 2, 4 y 6, respectivamente, para seleccionarlas procedo así:
mtcars2 %>%
select(2,4,6)## # A tibble: 32 x 3
## mpg hp wt
## <dbl> <dbl> <dbl>
## 1 21 110 2.62
## 2 21 110 2.88
## 3 22.8 93 2.32
## 4 21.4 110 3.22
## 5 18.7 175 3.44
## 6 18.1 105 3.46
## 7 14.3 245 3.57
## 8 24.4 62 3.19
## 9 22.8 95 3.15
## 10 19.2 123 3.44
## # ... with 22 more rowsAl igual que con los nombres, puedo concatenar las posiciones para obtener el mismo resultado:
mtcars2 %>%
select(c(2,4,6))Para el caso de omitir las variables, o seleccionar todo excepto algo, debo cambiar el operador ! por el signo - (signo menos o guión). Para este caso sí es obligatoria la concatenación:
mtcars2 %>%
select(-c(2,4,6))## # A tibble: 32 x 9
## model disp drat qsec vs gear carb am2 cyl2
## <chr> <dbl> <dbl> <dbl> <fct> <dbl> <dbl> <fct> <fct>
## 1 Mazda RX4 160 3.9 16.5 V-shaped 4 4 manual medium
## 2 Mazda RX4 Wag 160 3.9 17.0 V-shaped 4 4 manual medium
## 3 Datsun 710 108 3.85 18.6 straight 4 1 manual small
## 4 Hornet 4 Drive 258 3.08 19.4 straight 3 1 automatic medium
## 5 Hornet Sportabout 360 3.15 17.0 V-shaped 3 2 automatic big
## 6 Valiant 225 2.76 20.2 straight 3 1 automatic medium
## 7 Duster 360 360 3.21 15.8 V-shaped 3 4 automatic big
## 8 Merc 240D 147. 3.69 20 straight 4 2 automatic small
## 9 Merc 230 141. 3.92 22.9 straight 4 2 automatic small
## 10 Merc 280 168. 3.92 18.3 straight 4 4 automatic medium
## # ... with 22 more rowsAsimismo, al igual que con los nombres, también puedo utilizar el operador de secuencia para seleccionar variables entre una posición y otra, incluyendo ambos extremos. Así, por ejemplo, si quiero extraer las variables entre la posición 1 y 5, haría lo siguiente:
mtcars2 %>%
select(1:5)Selección por coincidencia
A veces las variables vienen con prefijos o sufijos, o simplemente contienen un patrón común que las identifica como grupos de variables, sobre todo a las que provienen de encuestas, entonces se vuelve útil conocer ciertos atajos para selección de variables por estas coincidencias.
Seleccionemos variables que empiecen por un caracter, por ejemplo la letra m
mtcars2 %>%
select(starts_with("m"))## # A tibble: 32 x 2
## model mpg
## <chr> <dbl>
## 1 Mazda RX4 21
## 2 Mazda RX4 Wag 21
## 3 Datsun 710 22.8
## 4 Hornet 4 Drive 21.4
## 5 Hornet Sportabout 18.7
## 6 Valiant 18.1
## 7 Duster 360 14.3
## 8 Merc 240D 24.4
## 9 Merc 230 22.8
## 10 Merc 280 19.2
## # ... with 22 more rowsSelección de variables que terminen en algún caracter:
mtcars2 %>%
select(ends_with("t"))## # A tibble: 32 x 2
## drat wt
## <dbl> <dbl>
## 1 3.9 2.62
## 2 3.9 2.88
## 3 3.85 2.32
## 4 3.08 3.22
## 5 3.15 3.44
## 6 2.76 3.46
## 7 3.21 3.57
## 8 3.69 3.19
## 9 3.92 3.15
## 10 3.92 3.44
## # ... with 22 more rowsTambién se puede seleccionar aquellas que contengan un patrón particular:
mtcars2 %>%
select(contains("2"))## # A tibble: 32 x 2
## am2 cyl2
## <fct> <fct>
## 1 manual medium
## 2 manual medium
## 3 manual small
## 4 automatic medium
## 5 automatic big
## 6 automatic medium
## 7 automatic big
## 8 automatic small
## 9 automatic small
## 10 automatic medium
## # ... with 22 more rowsCambio de nombre de las variables selecionadas
Ya vimos cómo lidiar con nombres en la creación de variables y en la selección de las mismas, ahora veamos cómo, directamente con select podemos personalizar los nombres de la tabla resultante de la selección, así por ejemplo, puedo seleccionar las variables model mpg y am2, pero quisiera llamarlas, en el resultado final, Modelo, Rendimiento y Transmisión, respectivamente, pues lo haría así:
mtcars2 %>%
select("Modelo" = model,
"Rendimiento" = mpg,
"Transmisión" = am2)## # A tibble: 32 x 3
## Modelo Rendimiento Transmisión
## <chr> <dbl> <fct>
## 1 Mazda RX4 21 manual
## 2 Mazda RX4 Wag 21 manual
## 3 Datsun 710 22.8 manual
## 4 Hornet 4 Drive 21.4 automatic
## 5 Hornet Sportabout 18.7 automatic
## 6 Valiant 18.1 automatic
## 7 Duster 360 14.3 automatic
## 8 Merc 240D 24.4 automatic
## 9 Merc 230 22.8 automatic
## 10 Merc 280 19.2 automatic
## # ... with 22 more rowsEs importante señalar que estos cambios de nombres, o más bien asignación de nombres, sólo tienen efecto en la tabla resultante de la selección y no afecta a los nombre de mtcars2, para modificar los nombres de las variables de la base de datos y actualizarlos se recomienda usar la función rename().
filter
Una vez que hemos realizado los cambios deseados/requeridos a nuestra tabla, podemos proceder a inspeccionar subtablas o bloques de información agrupadas según una condición, si este es el caso, la función filter es la que nos ayudará a completar esa misión.
mtcars2 %>%
filter(am2=="manual")Como ha de intuir, la sentencia anterior nos devuelve una tabla que contiene la información de todas las variables para los casos en que am2 toma el valor manual. Es importante señalar que la función filter toma una condición, la evalúa y devuelve los resultados que cumplan dicha condición, por tanto, los operadores lógicos son el mecanismo que se debe emplear. En este sentido, debe tenerse en cuenta que el operador = funciona igual que <- y ambos son operadores de asignación y no son operadores de comparación, el comparador de igualdad en R es el doble igual ==, así que la condición que se le está proporcionando a filter(am2=="manual") es que verifique los casos que cumplan con que vs sea igual a ‘manual’. Para probar casos de diferencias, es decir, no igual se usa !=.
¿Cómo hago si quiero agregar más de una condición? Esto se realiza fácilmente al separarlas por coma, dplyr entiende que si las separo por coma éstas serán combinadas mediante el operador & y devolverá sólo aquellos casos en que sea verdadero para todas las condiciones. Esto implica que si quiero obtener los vehículos cuyo motor sea en forma de V y que, además, sean de transmisión automática y que sean grandes según el número de cilindros y que el consumo, en términos de millas por galón sea mayor o igual a 15, sólo tendría que escribir:
mtcars2 %>%
filter(vs == "V-shaped",
am2 == "automatic",
cyl2 == "big",
mpg >= 15)## # A tibble: 7 x 12
## model mpg disp hp drat wt qsec vs gear carb am2 cyl2
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <fct> <dbl> <dbl> <fct> <fct>
## 1 Hornet Sp~ 18.7 360 175 3.15 3.44 17.0 V-sha~ 3 2 autom~ big
## 2 Merc 450SE 16.4 276. 180 3.07 4.07 17.4 V-sha~ 3 3 autom~ big
## 3 Merc 450SL 17.3 276. 180 3.07 3.73 17.6 V-sha~ 3 3 autom~ big
## 4 Merc 450S~ 15.2 276. 180 3.07 3.78 18 V-sha~ 3 3 autom~ big
## 5 Dodge Cha~ 15.5 318 150 2.76 3.52 16.9 V-sha~ 3 2 autom~ big
## 6 AMC Javel~ 15.2 304 150 3.15 3.44 17.3 V-sha~ 3 2 autom~ big
## 7 Pontiac F~ 19.2 400 175 3.08 3.84 17.0 V-sha~ 3 2 autom~ bigPor otro lado, si en lugar de usar & (AND) quiero usar | (OR), es decir, seleccionar los casos donde vs sea V-shaped y hp sea mayor a 100 y cyl2 sea “medium” o “big”; visualizar sólo 10 casos de esas variables más el modelo del vehículo:
mtcars2 %>%
filter(vs == "V-shaped",
hp > 100,
cyl2 == "medium" | cyl2 == "big") %>%
select(model, vs, hp, cyl2)## # A tibble: 17 x 4
## model vs hp cyl2
## <chr> <fct> <dbl> <fct>
## 1 Mazda RX4 V-shaped 110 medium
## 2 Mazda RX4 Wag V-shaped 110 medium
## 3 Hornet Sportabout V-shaped 175 big
## 4 Duster 360 V-shaped 245 big
## 5 Merc 450SE V-shaped 180 big
## 6 Merc 450SL V-shaped 180 big
## 7 Merc 450SLC V-shaped 180 big
## 8 Cadillac Fleetwood V-shaped 205 big
## 9 Lincoln Continental V-shaped 215 big
## 10 Chrysler Imperial V-shaped 230 big
## 11 Dodge Challenger V-shaped 150 big
## 12 AMC Javelin V-shaped 150 big
## 13 Camaro Z28 V-shaped 245 big
## 14 Pontiac Firebird V-shaped 175 big
## 15 Ford Pantera L V-shaped 264 big
## 16 Ferrari Dino V-shaped 175 medium
## 17 Maserati Bora V-shaped 335 bigNote que las condiciones con | (OR) van sin coma y separadas explícitamente por el operador |.
Para seleccionar los casos que estén dentro de un intervalo, por ejemplo, donde hp esté entre 110 y 175 (incluyéndolos) se puede hacer lo siguiente:
mtcars2 %>%
filter(hp >= 110,
hp <= 175) o alternativamente
mtcars2 %>%
filter(hp >= 110 & hp <= 175) Personalmente prefiero usar la primera de las opciones, pero la segunda está para aquellos amantes del &.
summarise
La función summarise permite aplicar transformaciones estadísticas para resumir el comportamiento de los datos. Así, si quiero obtener la media y desviación de la variable hp, usaría summarise de la siguiente manera:
mtcars2 %>%
summarise(mean(mpg),
sd(mpg))## # A tibble: 1 x 2
## `mean(mpg)` `sd(mpg)`
## <dbl> <dbl>
## 1 20.1 6.03Por defecto, summarise me nombra las variables de resultado con el nombre del llamado de la función que apliqué, lo cual no luce del todo sexy, sin embargo summarise nos da la oportunidad de corregir esto y personalizar nuestros nombres, basta con asignar el resultado a un nombre, por ejemplo mpg_media será el promedio de mpg y mpg_sd será la desviación estándar de mpg.
mtcars2 %>%
summarise(mpg_media = mean(mpg),
mpg_sd = sd(mpg))## # A tibble: 1 x 2
## mpg_media mpg_sd
## <dbl> <dbl>
## 1 20.1 6.03group_by
Claramente el resultado anterior es un resultado global, es decir, es el promedio de millas recorridas por cada galón de combustible consumido, sin embargo, tenemos distintos tipos de vehículos en función de la transmisión y en términos de la cilindrada. Podríamos, por ejemplo, estar interesados en verificar si existen indicios de diferencias en el rendimiento del combustible según la transmisión que usan los vehículos, para ello tendríamos que agrupar y realizar un summarise; podríamos hacerlo con filter + summarise
mtcars2 %>%
filter(am2 == "manual") %>%
summarise(mpg_media_manual = mean(mpg))
mtcars2 %>%
filter(am2 == "automatic") %>%
summarise(mpg_media_auto = mean(mpg))O puedo puedo aprovechar la potencia de group_by para agrupar por tipo de transmisión y luego obtener la media de mpg:
mtcars2 %>%
group_by(am2) %>%
summarise(media_mpg = mean(mpg)) %>%
ungroup## # A tibble: 2 x 2
## am2 media_mpg
## <fct> <dbl>
## 1 automatic 17.1
## 2 manual 24.4Es muy conveniente desagrupar los datos si ya no vamos a continuar haciendo operaciones sobre ese agrupamiento.
En el siguiente ejemplo, se muestra que se pueden agregar varias variables a summarise + group_by:
mtcars2 %>%
group_by(am2) %>%
summarise(media_mpg = mean(mpg),
meida_disp = mean(disp),
media_drat = mean(drat)) %>%
ungroup## # A tibble: 2 x 4
## am2 media_mpg meida_disp media_drat
## <fct> <dbl> <dbl> <dbl>
## 1 automatic 17.1 290. 3.29
## 2 manual 24.4 144. 4.05Puede ser que también estemos interesados en ir a un mayor nivel de agrupación y queramos observar si existen diferencias en las millas recorridas por galón de combustible dado el tipo de transmisión y la forma del motor. En este caso tenemos una sola variable para la media, pero dos grupos.
mtcars2 %>%
group_by(am2, vs) %>%
summarise(mpg_promedio = mean(mpg))## # A tibble: 4 x 3
## # Groups: am2 [2]
## am2 vs mpg_promedio
## <fct> <fct> <dbl>
## 1 automatic V-shaped 15.0
## 2 automatic straight 20.7
## 3 manual V-shaped 19.8
## 4 manual straight 28.4arrange
Esta función, como su nombre lo indica, ordena la base de datos en función de una o más variables, ya sea de manera descendente o ascendente. Así, por ejemplo, si quiero ordenar toda la base de datos de forma ascendente, según mpg, haría lo siguiente:
mtcars2 %>%
arrange(mpg)## # A tibble: 32 x 12
## model mpg disp hp drat wt qsec vs gear carb am2 cyl2
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <fct> <dbl> <dbl> <fct> <fct>
## 1 Cadillac~ 10.4 472 205 2.93 5.25 18.0 V-sha~ 3 4 autom~ big
## 2 Lincoln ~ 10.4 460 215 3 5.42 17.8 V-sha~ 3 4 autom~ big
## 3 Camaro Z~ 13.3 350 245 3.73 3.84 15.4 V-sha~ 3 4 autom~ big
## 4 Duster 3~ 14.3 360 245 3.21 3.57 15.8 V-sha~ 3 4 autom~ big
## 5 Chrysler~ 14.7 440 230 3.23 5.34 17.4 V-sha~ 3 4 autom~ big
## 6 Maserati~ 15 301 335 3.54 3.57 14.6 V-sha~ 5 8 manual big
## 7 Merc 450~ 15.2 276. 180 3.07 3.78 18 V-sha~ 3 3 autom~ big
## 8 AMC Jave~ 15.2 304 150 3.15 3.44 17.3 V-sha~ 3 2 autom~ big
## 9 Dodge Ch~ 15.5 318 150 2.76 3.52 16.9 V-sha~ 3 2 autom~ big
## 10 Ford Pan~ 15.8 351 264 4.22 3.17 14.5 V-sha~ 5 4 manual big
## # ... with 22 more rowsSi, en cambio, la hubiese querido ordenar de forma descendente, bastaría con hacer lo siguiente:
mtcars2 %>%
arrange(desc(mpg))
mtcars2 %>%
arrange(-mpg) # ambas formas son equivalentesY si lo que quiero es ordenar de forma descendente, primero por mpg y luego por disp, entonces procedo así:
mtcars2 %>%
arrange(desc(mpg), desc(disp))## # A tibble: 32 x 12
## model mpg disp hp drat wt qsec vs gear carb am2 cyl2
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <fct> <dbl> <dbl> <fct> <fct>
## 1 Toyota C~ 33.9 71.1 65 4.22 1.84 19.9 strai~ 4 1 manual small
## 2 Fiat 128 32.4 78.7 66 4.08 2.2 19.5 strai~ 4 1 manual small
## 3 Lotus Eu~ 30.4 95.1 113 3.77 1.51 16.9 strai~ 5 2 manual small
## 4 Honda Ci~ 30.4 75.7 52 4.93 1.62 18.5 strai~ 4 2 manual small
## 5 Fiat X1-9 27.3 79 66 4.08 1.94 18.9 strai~ 4 1 manual small
## 6 Porsche ~ 26 120. 91 4.43 2.14 16.7 V-sha~ 5 2 manual small
## 7 Merc 240D 24.4 147. 62 3.69 3.19 20 strai~ 4 2 autom~ small
## 8 Merc 230 22.8 141. 95 3.92 3.15 22.9 strai~ 4 2 autom~ small
## 9 Datsun 7~ 22.8 108 93 3.85 2.32 18.6 strai~ 4 1 manual small
## 10 Toyota C~ 21.5 120. 97 3.7 2.46 20.0 strai~ 3 1 autom~ small
## # ... with 22 more rowsEl ordenamiento de los tibbles no se limita sólo a variables numéricas, puedo usar arrange() incluso para ordenar por model, que como ha de esperar el lector, el ordenamiento lo hace alfabéticamente:
mtcars2 %>%
arrange(model)## # A tibble: 32 x 12
## model mpg disp hp drat wt qsec vs gear carb am2 cyl2
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <fct> <dbl> <dbl> <fct> <fct>
## 1 AMC Jave~ 15.2 304 150 3.15 3.44 17.3 V-sha~ 3 2 autom~ big
## 2 Cadillac~ 10.4 472 205 2.93 5.25 18.0 V-sha~ 3 4 autom~ big
## 3 Camaro Z~ 13.3 350 245 3.73 3.84 15.4 V-sha~ 3 4 autom~ big
## 4 Chrysler~ 14.7 440 230 3.23 5.34 17.4 V-sha~ 3 4 autom~ big
## 5 Datsun 7~ 22.8 108 93 3.85 2.32 18.6 strai~ 4 1 manual small
## 6 Dodge Ch~ 15.5 318 150 2.76 3.52 16.9 V-sha~ 3 2 autom~ big
## 7 Duster 3~ 14.3 360 245 3.21 3.57 15.8 V-sha~ 3 4 autom~ big
## 8 Ferrari ~ 19.7 145 175 3.62 2.77 15.5 V-sha~ 5 6 manual medi~
## 9 Fiat 128 32.4 78.7 66 4.08 2.2 19.5 strai~ 4 1 manual small
## 10 Fiat X1-9 27.3 79 66 4.08 1.94 18.9 strai~ 4 1 manual small
## # ... with 22 more rowsIncluso podemos ordenar por grupos: vamos a seleccionar las variables model, mpg y am2, agruparemos según am2 y vamos a ordenar descendentemente según mpg y obtengamos el top 5 de vehículos con mejor rendimiento en millas recorridas por consumo de combustible:
mtcars2 %>%
select(model, mpg, am2) %>%
group_by(am2) %>%
arrange(desc(mpg), .by_group = TRUE) %>%
slice(1:5) %>%
ungroup() ## # A tibble: 10 x 3
## model mpg am2
## <chr> <dbl> <fct>
## 1 Merc 240D 24.4 automatic
## 2 Merc 230 22.8 automatic
## 3 Toyota Corona 21.5 automatic
## 4 Hornet 4 Drive 21.4 automatic
## 5 Merc 280 19.2 automatic
## 6 Toyota Corolla 33.9 manual
## 7 Fiat 128 32.4 manual
## 8 Honda Civic 30.4 manual
## 9 Lotus Europa 30.4 manual
## 10 Fiat X1-9 27.3 manualSe ha introducido una nueva función, slice que selecciona filas por posición, en este caso selecciona las filas de la 1 a la 5 en cada grupo. El argumento .by_group = TRUE es para que primero ordene por la variable de agrupación y luego por las demás que le paso.
relocate
Esta función es para cambiar la posición de las columnas. Por ejemplo, si quiero que hp esté luego de model y no luego de disp, puedo reordenar mi tibble usando relocate()
mtcars2 %>%
relocate(hp, .after=model)## # A tibble: 32 x 12
## model hp mpg disp drat wt qsec vs gear carb am2 cyl2
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <fct> <dbl> <dbl> <fct> <fct>
## 1 Mazda RX4 110 21 160 3.9 2.62 16.5 V-sha~ 4 4 manual medi~
## 2 Mazda RX~ 110 21 160 3.9 2.88 17.0 V-sha~ 4 4 manual medi~
## 3 Datsun 7~ 93 22.8 108 3.85 2.32 18.6 strai~ 4 1 manual small
## 4 Hornet 4~ 110 21.4 258 3.08 3.22 19.4 strai~ 3 1 autom~ medi~
## 5 Hornet S~ 175 18.7 360 3.15 3.44 17.0 V-sha~ 3 2 autom~ big
## 6 Valiant 105 18.1 225 2.76 3.46 20.2 strai~ 3 1 autom~ medi~
## 7 Duster 3~ 245 14.3 360 3.21 3.57 15.8 V-sha~ 3 4 autom~ big
## 8 Merc 240D 62 24.4 147. 3.69 3.19 20 strai~ 4 2 autom~ small
## 9 Merc 230 95 22.8 141. 3.92 3.15 22.9 strai~ 4 2 autom~ small
## 10 Merc 280 123 19.2 168. 3.92 3.44 18.3 strai~ 4 4 autom~ medi~
## # ... with 22 more rowsPuedo hacerlo también usando un conjunto de variables, por ejemplo, moveré gear y carb después de mpg
mtcars2 %>%
relocate(gear, carb, .after=mpg)## # A tibble: 32 x 12
## model mpg gear carb disp hp drat wt qsec vs am2 cyl2
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <fct> <fct> <fct>
## 1 Mazda RX4 21 4 4 160 110 3.9 2.62 16.5 V-sha~ manual medi~
## 2 Mazda RX~ 21 4 4 160 110 3.9 2.88 17.0 V-sha~ manual medi~
## 3 Datsun 7~ 22.8 4 1 108 93 3.85 2.32 18.6 strai~ manual small
## 4 Hornet 4~ 21.4 3 1 258 110 3.08 3.22 19.4 strai~ autom~ medi~
## 5 Hornet S~ 18.7 3 2 360 175 3.15 3.44 17.0 V-sha~ autom~ big
## 6 Valiant 18.1 3 1 225 105 2.76 3.46 20.2 strai~ autom~ medi~
## 7 Duster 3~ 14.3 3 4 360 245 3.21 3.57 15.8 V-sha~ autom~ big
## 8 Merc 240D 24.4 4 2 147. 62 3.69 3.19 20 strai~ autom~ small
## 9 Merc 230 22.8 4 2 141. 95 3.92 3.15 22.9 strai~ autom~ small
## 10 Merc 280 19.2 4 4 168. 123 3.92 3.44 18.3 strai~ autom~ medi~
## # ... with 22 more rowsTal vez podría estar interesado en ordenar mi tibble en función del tipo de vaiables, decir, dejar todas numéricas juntas y todas las factor juntas:
mtcars2 <- mtcars2 %>%
relocate(where(is.factor), .before = where(is.numeric))
mtcars2## # A tibble: 32 x 12
## model vs am2 cyl2 mpg disp hp drat wt qsec gear carb
## <chr> <fct> <fct> <fct> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Mazda RX4 V-sha~ manual medi~ 21 160 110 3.9 2.62 16.5 4 4
## 2 Mazda RX~ V-sha~ manual medi~ 21 160 110 3.9 2.88 17.0 4 4
## 3 Datsun 7~ strai~ manual small 22.8 108 93 3.85 2.32 18.6 4 1
## 4 Hornet 4~ strai~ autom~ medi~ 21.4 258 110 3.08 3.22 19.4 3 1
## 5 Hornet S~ V-sha~ autom~ big 18.7 360 175 3.15 3.44 17.0 3 2
## 6 Valiant strai~ autom~ medi~ 18.1 225 105 2.76 3.46 20.2 3 1
## 7 Duster 3~ V-sha~ autom~ big 14.3 360 245 3.21 3.57 15.8 3 4
## 8 Merc 240D strai~ autom~ small 24.4 147. 62 3.69 3.19 20 4 2
## 9 Merc 230 strai~ autom~ small 22.8 141. 95 3.92 3.15 22.9 4 2
## 10 Merc 280 strai~ autom~ medi~ 19.2 168. 123 3.92 3.44 18.3 4 4
## # ... with 22 more rowsVoy explicar qué sucedió ahí y qué significa el where, is.factor e is.numeric. where es un auxiliar que sirve para seleccionar variables según se indique a partir de una función que puede ser is.factor, is.character o is.numeric, el resultado de esas funciones le dicen a where dónde se ubican esas variables lo que luego es usado en relocate. Entonces, lo que entiende relocate es lo siguiente: “las variables que has identificado como factor, quiero que me las reubiqués antes de las variables que has identificado como numéricas” y lo que hace es, precisamente, ubicar todas las variables factor antes de las variables numéricas. Si hubiese otra variable de tipo diferente al final de la tabla, por ejemplo otra variable character, no la toca.
En este sentido, hay una forma más general de decirle cómo reordenar y es que tome todas las variables no numéricas (!where(is.numeric)es decir, negar las numéricas) y ubicarlas antes de las numéricas:
mtcars2 %>%
relocate(!where(is.numeric), .before = where(is.numeric))## # A tibble: 32 x 12
## model vs am2 cyl2 mpg disp hp drat wt qsec gear carb
## <chr> <fct> <fct> <fct> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Mazda RX4 V-sha~ manual medi~ 21 160 110 3.9 2.62 16.5 4 4
## 2 Mazda RX~ V-sha~ manual medi~ 21 160 110 3.9 2.88 17.0 4 4
## 3 Datsun 7~ strai~ manual small 22.8 108 93 3.85 2.32 18.6 4 1
## 4 Hornet 4~ strai~ autom~ medi~ 21.4 258 110 3.08 3.22 19.4 3 1
## 5 Hornet S~ V-sha~ autom~ big 18.7 360 175 3.15 3.44 17.0 3 2
## 6 Valiant strai~ autom~ medi~ 18.1 225 105 2.76 3.46 20.2 3 1
## 7 Duster 3~ V-sha~ autom~ big 14.3 360 245 3.21 3.57 15.8 3 4
## 8 Merc 240D strai~ autom~ small 24.4 147. 62 3.69 3.19 20 4 2
## 9 Merc 230 strai~ autom~ small 22.8 141. 95 3.92 3.15 22.9 4 2
## 10 Merc 280 strai~ autom~ medi~ 19.2 168. 123 3.92 3.44 18.3 4 4
## # ... with 22 more rowsrename
No sorprendería saber que esta función es para cambiar los nombres de las variables de nuestra base de datos, por ejemplo, renombremos la variable am2 por Transmission
mtcars2 %>%
rename(Transmision = am2)## # A tibble: 32 x 12
## model vs Transmision cyl2 mpg disp hp drat wt qsec gear carb
## <chr> <fct> <fct> <fct> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Mazd~ V-sh~ manual medi~ 21 160 110 3.9 2.62 16.5 4 4
## 2 Mazd~ V-sh~ manual medi~ 21 160 110 3.9 2.88 17.0 4 4
## 3 Dats~ stra~ manual small 22.8 108 93 3.85 2.32 18.6 4 1
## 4 Horn~ stra~ automatic medi~ 21.4 258 110 3.08 3.22 19.4 3 1
## 5 Horn~ V-sh~ automatic big 18.7 360 175 3.15 3.44 17.0 3 2
## 6 Vali~ stra~ automatic medi~ 18.1 225 105 2.76 3.46 20.2 3 1
## 7 Dust~ V-sh~ automatic big 14.3 360 245 3.21 3.57 15.8 3 4
## 8 Merc~ stra~ automatic small 24.4 147. 62 3.69 3.19 20 4 2
## 9 Merc~ stra~ automatic small 22.8 141. 95 3.92 3.15 22.9 4 2
## 10 Merc~ stra~ automatic medi~ 19.2 168. 123 3.92 3.44 18.3 4 4
## # ... with 22 more rowsVerifique que, efectivamente, am2 pasó a llamarse Transmission, note que este cambio aún no ha sido incorporado a la tabla, porque no la he reemplazado con los nuevos cambios.
across
Esta función es muy conveniente para aplicar funciones (o conjunto de funciones) a un conjunto de columnas. Hay varias formas en las que se puede utilizar across y se puede combinar con varias alternativas. Vamos, primero a retomar is.numeric, porque ya la conocemos. Con ello podríamos resolver el siguiente objetivo: obtener el promedio de todas las variables numéricas de nuesta base de datos
mtcars2 %>%
summarise(across(where(is.numeric), mean))## # A tibble: 1 x 8
## mpg disp hp drat wt qsec gear carb
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 20.1 231. 147. 3.60 3.22 17.8 3.69 2.81Obtener la media y la desviación estándar de las variables cuyo nombre empieza con la letra h
mtcars2 %>%
summarise(across(starts_with("h"), list(mean = mean, sd = sd)))## # A tibble: 1 x 2
## hp_mean hp_sd
## <dbl> <dbl>
## 1 147. 68.6Convertir todas las variables factor a character:
mtcars2 %>%
mutate(across(where(is.factor), as.character))## # A tibble: 32 x 12
## model vs am2 cyl2 mpg disp hp drat wt qsec gear carb
## <chr> <chr> <chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Mazda RX4 V-sha~ manual medi~ 21 160 110 3.9 2.62 16.5 4 4
## 2 Mazda RX~ V-sha~ manual medi~ 21 160 110 3.9 2.88 17.0 4 4
## 3 Datsun 7~ strai~ manual small 22.8 108 93 3.85 2.32 18.6 4 1
## 4 Hornet 4~ strai~ autom~ medi~ 21.4 258 110 3.08 3.22 19.4 3 1
## 5 Hornet S~ V-sha~ autom~ big 18.7 360 175 3.15 3.44 17.0 3 2
## 6 Valiant strai~ autom~ medi~ 18.1 225 105 2.76 3.46 20.2 3 1
## 7 Duster 3~ V-sha~ autom~ big 14.3 360 245 3.21 3.57 15.8 3 4
## 8 Merc 240D strai~ autom~ small 24.4 147. 62 3.69 3.19 20 4 2
## 9 Merc 230 strai~ autom~ small 22.8 141. 95 3.92 3.15 22.9 4 2
## 10 Merc 280 strai~ autom~ medi~ 19.2 168. 123 3.92 3.44 18.3 4 4
## # ... with 22 more rowsFinalmente, Una forma abreviada de hacer esto es con mutate_if:
mtcars2 %>%
mutate_if(is.factor, as.character)## # A tibble: 32 x 12
## model vs am2 cyl2 mpg disp hp drat wt qsec gear carb
## <chr> <chr> <chr> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Mazda RX4 V-sha~ manual medi~ 21 160 110 3.9 2.62 16.5 4 4
## 2 Mazda RX~ V-sha~ manual medi~ 21 160 110 3.9 2.88 17.0 4 4
## 3 Datsun 7~ strai~ manual small 22.8 108 93 3.85 2.32 18.6 4 1
## 4 Hornet 4~ strai~ autom~ medi~ 21.4 258 110 3.08 3.22 19.4 3 1
## 5 Hornet S~ V-sha~ autom~ big 18.7 360 175 3.15 3.44 17.0 3 2
## 6 Valiant strai~ autom~ medi~ 18.1 225 105 2.76 3.46 20.2 3 1
## 7 Duster 3~ V-sha~ autom~ big 14.3 360 245 3.21 3.57 15.8 3 4
## 8 Merc 240D strai~ autom~ small 24.4 147. 62 3.69 3.19 20 4 2
## 9 Merc 230 strai~ autom~ small 22.8 141. 95 3.92 3.15 22.9 4 2
## 10 Merc 280 strai~ autom~ medi~ 19.2 168. 123 3.92 3.44 18.3 4 4
## # ... with 22 more rowsHasta aquí esta introducción a las funciones básicas de dplyr.
