Lenguajes y Fundamentos de Programación · LNG-111

R avanzado: tidyverse y programación funcional

dplyr, tidyr, purrr y ggplot2 como un lenguaje coherente para transformar y representar datos.

Bajo demanda Avanzado 6 módulos · 29 clases

Formato asíncrono Ingeniería / Industria, Desarrollo R, JupyterLab

DATOS DESARROLLO JUPYTER

Lo que aprenderás

Encadenar transformaciones con el operador de tubería y los verbos de dplyr.
Reestructurar tablas entre formato ancho y largo con pivot_longer y pivot_wider.
Combinar conjuntos de datos con las uniones de dplyr y controlar las filas que no casan.
Sustituir bucles por iteración funcional con map, map_dfr y las variantes tipadas de purrr.
Construir gráficos por capas en ggplot2 con escalas, facetas y temas propios.
Empaquetar el análisis en funciones propias respetando la evaluación tidy con curly-curly.

Contenido del curso

6 módulos · 29 clases en vídeo · práctica guiada en cada módulo

Módulo 1 · La gramática del tidyverse 4 clases

Qué comparte todo el ecosistema y por qué importa
Tibbles frente a data frames
El operador de tubería y el estilo de código
Datos ordenados: la idea de tidy data

Módulo 2 · Transformar con dplyr 5 clases

filter, select, arrange y rename
mutate y creación de variables derivadas
group_by y summarise con varios estadísticos
across para aplicar operaciones a muchas columnas
Agrupaciones anidadas y errores frecuentes al desagrupar

Módulo 3 · Reestructurar y combinar 5 clases

pivot_longer y pivot_wider
Separar y unir columnas de texto
Uniones inner, left, full y anti
Detectar filas que no casan en una unión
Tratar valores ausentes tras la reestructuración

Módulo 4 · Programación funcional con purrr 5 clases

map y sus variantes tipadas
Iterar sobre listas de ficheros y consolidar resultados
map2 y pmap para varios argumentos
Columnas lista y modelos anidados
Capturar errores con safely y possibly

Módulo 5 · Visualización con ggplot2 5 clases

Datos, estéticas y geometrías: las tres capas base
Escalas, ejes y leyendas
Facetas para comparar grupos
Anotaciones, etiquetas y resaltado selectivo
Temas propios y coherencia visual entre gráficos

Módulo 6 · Funciones y flujo completo 5 clases

Escribir funciones que aceptan nombres de columna
Evaluación tidy y el operador curly-curly
Organizar el análisis en scripts y funciones reutilizables
Comprobaciones básicas sobre los datos de entrada
Proyecto de cierre: flujo de análisis completo con informe gráfico

Requisitos

Manejar R base: vectores, data frames, factores e indexación.
Haber realizado algún análisis descriptivo previo, aunque sea sencillo.
Basta con un navegador: se trabaja con R sobre JupyterLab.

Descripción

Un análisis en R base crece a base de objetos intermedios, nombres provisionales y bloques que solo se entienden mientras se escriben. Cuando hay que repetirlo con otros datos o explicarlo a un compañero, el coste de mantenimiento se dispara y aparecen errores silenciosos en las agrupaciones y las uniones.

El tidyverse propone una gramática común y este curso la trata como tal. Se recorren los verbos de dplyr encadenados con tuberías, la reestructuración con tidyr, las uniones entre tablas, la iteración funcional con purrr y la construcción de gráficos por capas con ggplot2. El bloque final aborda la escritura de funciones propias con evaluación tidy, que es donde suele atascarse quien ya usa estos paquetes.

El resultado es un flujo de análisis legible, reutilizable y fácil de auditar por otra persona, listo para integrarse en informes reproducibles o en procesos que se repiten cada periodo sin intervención manual. Encaja de forma directa con el curso de Quarto para la parte de entrega y publicación, y con itinerarios de modelización estadística más avanzados que dan por supuesta esta forma de trabajar.

¿Para quién es este curso?

Analistas e ingenieros que ya usan R y quieren dejar de reescribir el mismo análisis cada mes.
Científicos de datos que llegan de Python y necesitan el equivalente idiomático en R.
Desarrolladores que integran procesos de análisis en R dentro de sistemas de producción.