Operar con vectores aprovechando la vectorización y las reglas de reciclado.
Distinguir vector, lista, matriz y data frame y elegir la estructura adecuada en cada caso.
Manejar factores y niveles para representar variables categóricas sin sorpresas al ordenar.
Seleccionar filas y columnas con corchetes, condiciones lógicas y la función subset.
Importar datos desde CSV y Excel controlando tipos, decimales y valores ausentes.
Producir gráficos exploratorios y estadísticos descriptivos de un conjunto de datos real.
Contenido del curso
6 módulos · 29 clases en vídeo · práctica guiada en cada módulo
Módulo 1 · Entorno y primeros pasos4 clases
R sobre JupyterLab: consola, celdas y espacio de trabajo
Asignación, operadores y ayuda del lenguaje
Paquetes: instalar, cargar y saber qué está disponible
Errores y avisos: cómo se leen en R
Módulo 2 · Vectores5 clases
Crear vectores y tipos atómicos
Vectorización: operar sin bucles
Reglas de reciclado y sus trampas
Indexación por posición, por nombre y por condición lógica
Valores ausentes NA y funciones que los toleran
Módulo 3 · Estructuras de datos5 clases
Listas y acceso con corchetes simples y dobles
Matrices y operaciones por filas y columnas
Data frames: la estructura de trabajo habitual
Factores, niveles y orden de las categorías
Convertir entre estructuras sin perder información
Módulo 4 · Manipular datos5 clases
Seleccionar filas y columnas con corchetes
Filtrar por condiciones combinadas
Crear y modificar columnas
Ordenar, agrupar y resumir con funciones base
La familia apply frente al bucle for
Módulo 5 · Entrada y salida de datos5 clases
Leer CSV con separadores y decimales europeos
Importar hojas de Excel
Codificación de caracteres y acentos
Detectar y tratar valores ausentes y duplicados
Guardar resultados en fichero
Módulo 6 · Descripción y gráficos5 clases
Estadísticos descriptivos y resúmenes por grupo
Histogramas y diagramas de caja
Diagramas de dispersión y relaciones entre variables
Ajustar títulos, ejes y colores en gráficos base
Caso práctico: análisis descriptivo completo de un conjunto de datos
Requisitos
No se necesita experiencia previa con R.
Nociones básicas de programación o de estadística descriptiva ayudan, pero no son imprescindibles.
Basta con un navegador: se trabaja con R sobre JupyterLab.
Descripción
R se aprende mal cuando se aborda como si fuera otro lenguaje cualquiera. Quien llega de Python o de Java escribe bucles donde R espera operaciones vectoriales, se pelea con los factores y no entiende por qué una selección devuelve a veces un vector y a veces un data frame. El resultado es código lento y frágil que funciona por casualidad.
Este curso enseña la lógica propia del lenguaje desde el principio. Se empieza por el vector como unidad básica, se recorren listas, matrices, factores y data frames, se practica la selección y la modificación de datos, se importan ficheros reales con sus problemas de codificación y valores ausentes, y se cierra con estadística descriptiva y gráficos exploratorios sobre un conjunto de datos completo.
Al terminar se puede leer código de R ajeno, entender por qué está escrito así y producir análisis propios sin recurrir a bucles innecesarios ni a conversiones que pierden información por el camino. Es la base directa para el curso de tidyverse y programación funcional, donde estas estructuras se manipulan con una gramática común, y para el de estadística e informes reproducibles con Quarto.
¿Para quién es este curso?
Ingenieros y técnicos que analizan datos de ensayo o de proceso y necesitan pasar de la hoja de cálculo a R.
Profesorado de FP y de ciclos sanitarios o agrarios que imparte estadística aplicada.
Alumnado de ciclos superiores que se enfrenta a su primer módulo de análisis de datos.
Bajo demanda
Curso diseñado con la ficha cerrada. Se produce al confirmarse un grupo o un contrato.
Fundamentos del lenguaje, orientación a objetos, ficheros, concurrencia y tests, y después análisis y visualización de datos con NumPy, Pandas, Matplotlib y Seaborn.
Este sitio web utiliza cookies propias y de terceros para recopilar información con finalidad técnica. No se recaban ni ceden datos de carácter personal sin tu consentimiento. Más información en la política de cookies.