Análisis exploratorio de datos con R y Shiny

Analisis exploratorio de datos con R

Diego Morales

10 de marzo de 2015

Diego Morales Analisis exploratorio de datos con R

IntroduccionQue es R y donde obtenerlo ?

Que es R?Es un software libre especializado en analisis estadısticos; ademas esun lenguaje de programacion, es decir, no solo realiza innumerablesanalisis y pruebas sino tambien se pueden definir funciones propiasde cada usuario.

Donde obtener R?Este software se lo puede descargar gratuitamente desde : http://cran.r-project.org/bin/windows/base/


IntroduccionArea de trabajo


IntroduccionRStudio


Tipos de Datos y Objetos en RTipos de Datos

Numerico: Son datos que pueden contener numeros reales.

x<- 2

Logico: Son datos que solo permite los valores logicos deverdadero (T) o falso (F).

y<- T

Complejo: Son datos que pueden contener numeros complejos.

Z<- 1+1i

Caracter: Son datos que permiten introducir numero ycualquier tipo de caracter.

Y<- ”Hola”

Nota:Para saber el tipo de dato se utiliza la funcion ”mode()”


Tipos de Datos y Objetos en RTipos de Objetos

Vector: Cadenas unidimensionales de un tipo unico de valores(numericos, caracteres, etc.)

v<- c(1,3,5)

Matrices: Estructura bidimensional donde todos los datosdeben ser del mismo tipo.

m<- matrix(c(1,3,5,7),2,2)

Factores: Este tipo de objeto es fundamental para el analisisestadıstico pues es la forma como se tratan las variablescategoricas.

f<- factor(c(1,2,1,3,1))


Tipos de Datos y Objetos en RTipos de Objetos

Listas: objetos por colecciones de distintos tipos de objetos nonecesariamente de la misma dimension.

lista<- list(f,m,v)

Data Frames: Como una matriz pero pudiendo contenerdistintos tipos de datos. Es lo que clasicamente se ha llamadobase de datos o hoja de datos.

datos<- data.frame(anos=c(1.3,0.4,1.1,2.3,3.1,1.3),tipo=c(2,3,3,1,3,1),edad=c(22,21,34,42,17,43),

sexo=c(”H”,”M”,”H”,”H”,”M”,”H”))

Nota: para saber el tipo de objeto se utiliza la funcion class()”


Lazo FOR, IF

for(i in 1:100)instrucciones

if(consicion)instrucciones

Ejemplov<- c(1,2,1,3,1)for(i in 1 : 5)if(v[i] == 1)v[i] = 0v=0 2 0 3 0


Generar vectores

rep(x,n) : genera n valores iguales a x

seq(a,b,r) : genera numeros desde a hasta b con invremento r

seq(a,b,length=r) se generan r numeros entre a y b,igualmente espaciados.

cbind( x, y, z, ...) : genera una matriz con columnas x, y, z,...

rbind( x, y, z, ...) : genera una matriz con filas x, y, z,...


Generar variables aleatorias

rnorm(n): genera n valores aleatorios de una distribucionnormal estandar.

rnorm(n,a,b): genera n valores aleatorios de una distribucionnormal N(a,b)

runif(n): genera n valores aleatorios de una distribucionuniforme entre 0 y 1.

runif(n,a,b): genera n valores aleatorios de una distribucionuniforme entre a y b


Estadısticos descriptivos

Media: mean(variable)

Mediana: median(variable)

Moda: mad(variable)

Rango Intercuartil: IQR(variable)

Cuartiles: quantile(variable)

Cuartil: quantile(variable,0.25)

Varianza: var(variable)

Desviacion estandar: sd(variable)

Asimetrıa: skewness(variable), library(e1071)

Curtosis: kurtosis(variable),library(e1071)

Frecuencia: table(variable)

Frecuencia acumulada: cumsum(table(variable))

Mınimo y Maximo: min(), max()


Graficos

Dispersion: plot(variable)

Histograma: hist(variable)

Barras: barplot(variable)

Diagrama de caja: boxplot(variable)

Arboles de tallo y hoja: stem(variable)

par(new=TRUE): anade un grafico a uno actual

par(mfrow=c(1,2)): graficos multiples


Importar datos

Desde .txt:read.delim(”datos.txt”, header = TRUE, sep = ” t”)Desde .csv: read.csv(”datos.csv”, header = T, sep = ”; ”)Desde Excel

install.packages(′XLConnect′)library(XLConnect)readWorksheetFromFile(”Nombrearchivo.xlsx”, sheet =”Nombrehoja”)library(”RODBC”)data < −odbcConnectExcel2007(”Nombrearchivo.xlsx”)sqlTables(data)ejemplo1 < −sqlFetch(data, ”Nombrehoja”)odbcCloseAll()

Desde SPSS:read.spss(”datos.sav”, to.data.frame = TRUE),library(foreign)spss.get(′Base1.sav′, datevars =′ variable− fecha′)library(Hmisc)


Importar datos

Desde Access:library(RODBC)bd < −odbcConnectAccess(”bd1.mdb”)datos < −sqlQuery(bd, ”SELECT ∗ FROM tabla2”)


Nombres Data Frame

Cambiar un solo nombre: names(datos) <-gsub(”Nombre”,.otra.cosa”, names(datos))

Cambiar todos los nombres names(datos) <-c(”Nombre1”,”Nombre2”, ”Nombre3”......)


Metodos de Imputacion

pmm Predictive mean matching (any)norm Bayesian linear regression (numeric)

norm.nob Linear regression ignoring model error (numeric)norm.boot Linear regression using bootstrap (numeric)

norm.predict Linear regression, predicted values (numeric)mean Unconditional mean imputation (numeric)

2l.norm Two-level normal imputation (numeric)2l.pan Two-level normal imputation using pan (numeric)

2lonly.mean Imputation at level-2 of the class mean (numeric)2lonly.norm Imputation at level-2 by Bayesian linear regression (numeric)2lonly.pmm Imputation at level-2 by Predictive mean matching (any)

quadratic Imputation of quadratic terms (numeric)logreg Logistic regression (factor, 2 levels)

logreg.boot Logistic regression with bootstrappolyreg Polytomous logistic regression (factor, >= 2 levels)

polr Proportional odds model (ordered, >= 2 levels)lda Linear discriminant analysis (factor, >= 2 categories)

cart Classification and regression trees (any)rf Random forest imputations (any)ri Random indicator method for nonignorable data (numeric)

sample Random sample from the observed values (any)fastpmm Experimental: Fast predictive mean matching using C++


Shiny

Cada aplicacion tiene 2 componentes:

una secuencia de comandos de interfaz de usuario (UI, archivoui.R), que controla el diseno y aspecto de la aplicacion.

una secuencia de comandos del servidor (server.R), quecontiene las instrucciones para construir su aplicacion.


Shiny

Codigo mınimo


Shiny

Ejecutar una aplicacion

Crear una carpeta y colocar en ella los archivos ui.R y server.R

Cargar la libreria shiny

Ejecutar runApp(”nombre carpeta”)

Se utiliza runApp(”nombre”, display.mode = ”showcase”)para mostrar ;as lineas de codigo


Ejemplo Shiny


Ejemplo Shiny


Ejemplo Shiny


Shiny-Interfaz del Usuario

Se utiliza la funcion fluidPage para crear una pantalla que seajusta automaticamente a las dimensiones de la ventana delnavegador del usuario.

Se anade un tıtulo mediante titlePanel(’Tıtulo’)

Se utiliza sidebarLayout() para obtener un diseno de la barralateral, que incluye un panel lateral sidebarPanel() y un panelprincipal mainPanel().







Funciones para dar formato al texto e incluir imagenes

Funcion Descripcionp Define un parrafo

h1 Encabezado de primer nivel

h2 Encabezado de segundo nivel

h3 Encabezado de tercer nivel

h4 Encabezado de cuarto nivel

h5 Encabezado de quinto nivel

h6 Encabezado de sexto nivel

a hyper link

br Salto de lınea

span Porcion de texto con un estilo uniforme

code Formato de bloque de codigo

img Inserta una imagen

strong Texto en negrillas

em Texto en cursiva



Listas numeradas:

tags$ol(

tags$li("Primer item"),

tags$li("Segundo item"),

tags$li("Tercer item"))

Listas no numeradas:

tags$ul(

tags$li("Primer item"),

tags$li("Segundo item"),

tags$li("Tercer item"))

La funcion hr() adiciona una linea horizontal.

En las funciones de encabezado (h5() por ejemplo), elargumento aling permite alinear al centro (center) y a laderecha (right).



Estructura funcion span:

span("Texto", style = "color:black")

Para adjuntar una imagen, primero se debe crear una carpetacon nombre: www, dentro de la carpeta donde tenemos losarchivos ui.R y server.R. La sintaxis es la siguiente:

img(src="Nombre.png", height = 100, width = 100)

Estructura para links:

a("Nombre.",href = "http://www.google.com/")






Shiny-Diseno de Cuadrıcula

Para obtener una cuadrıcula se deben crear filas y columnas:

Las filas son creadas por la funcion fluidRow ().

Dentro de las filas se crean columnas definidas por la funcioncolumn().

Ancho: entre 1 y 12Offset: ancho de columna para trasladar la columna actualdesde el extremo de la columna anterior.






Shiny-Tabsets

Anade pestanas mediante la sintaxis:

tabsetPanel(

tabPanel("Pesta~na 1", "Contenido Pesta~na 1"),


tabPanel("Pesta~na 2", "Contenido Pesta~na 3")

)


Shiny-Tabsets

Anade pestanas mediante la sintaxis:

tabsetPanel(



tabPanel("Pesta~na 2", "Contenido Pesta~na 3")

)


Shiny-Navlist

Anade una lista de navegacion en lugar de pestanas mediante lasintaxis:

navlistPanel(

"Conjunto A",

tabPanel("Componente 1","Contenido 1"),


"Conjunto B",


tabPanel("Componente 4","Contenido 4")

)


Shiny-Navbar Pages

Anade una multiples paginas:

navbarPage("Aplicaciıon Shiny",

tabPanel("Componente 1","contenido 1"),


tabPanel("Componente 3","contenido 3"))


Shiny-Navbar Pages

Para anadir sub-niveles:

navbarPage("Aplicaciıon Shiny",



navbarMenu("Componente 3",

tabPanel("contenido 3.1","contenido 3.1"),

tabPanel("contenido 3.2","contenido 3.2")))


Shiny-Ejercicio


Shiny-Ejercicio


Shiny-Ejercicio


Shiny-Ejercicio


Shiny-Ejercicio


Command Buttons:Acction-Submit

Action

actionButton("action", label = "Accion")

Submit

submitButton("Actualizar")


Command Buttons:Checkbox

Checkbox simple

checkboxInput("checkbox", label = "Opcion A",

value = TRUE)

Grupo checkbox

checkboxGroupInput("checkGroup",

label = h3("Gruopo Checkbox "),

choices = list("Opcion A" = 1,

"Opcion B" = 2,

"Opcion C" = 3),

selected = 1))


Command Buttons:Fecha

Fecha

dateInput("fecha", label = h3("Fecha"),

value = "2015-03-31")

Rango de fechas

dateRangeInput("fechas",

label = h3("Rango de Fechas"),

separator="a")


Command Buttons:Archivo-Texto de Ayuda

Archivo

fileInput("archivo", label = h3("Archivo"))

Texto de Ayuda

helpText("Nota: el texto de ayuda no es realmente

un boton de control, pero proporciona una manera

facil de a~nadir texto, junto a otros botones de

control.")


Command Buttons:Entrada numerica y de texto

Entrada numerica

numericInput("num", label = h3("Entrada numerica"),

value = 1)

Entrada de texto

textInput("texto", label = h3("Entrada de texto"),

value = "Texto...")


Command Buttons:Radio buttons y Select box

Radio buttons

radioButtons("radio", label = h3("Radio buttons"),

choices = list("Opcion 1" = 1, "Opcion 2" = 2,

"Opcion 3" = 3),selected = 1)

Select box

selectInput("select", label = h3("Select box"),

choices = list("Opcion 1" = 1, "Opcion 2" = 2,

"Opcion 3" = 3), selected = 1)


Command Buttons:Sliders

Sliders

sliderInput("slider1", label = h3("Sliders"),

min = 0, max = 200, value = 100),

sliderInput("slider2", h3("Sliders intervalo"),

min = 0, max = 100, value = c(25, 75))


Shiny-Ejercicio


Shiny-Outputs

server.R ui.R DescripcionrenderPlot({}) plotOutput() grafico

renderText({}) textOutput() texto

renderPrint({}) verbatimTextOutput(), imprime cualquiertextOutput(), etc output

renderTable({}) tableOutput() tabla

renderDataTable({}) dataTableOutput() tabla

renderUI({}) uiOutput() inputs Shiny


Shiny-Ejemplo1 Outputs












Shiny-Ejemplo Outputs


Shiny-Ejercicio 1


Shiny-Ejercicio 2


Shiny-Ejercicio 3


Shiny-Exportar


Shiny-Exportar


Shiny-Exportar csv


Shiny-Exportar Excel


Shiny-Mapas


Shiny-Mapas


Shiny-Compartir aplicaciones

Abrir gist.github.comCopiar y pegar el contenido de los archivos ui.R y server.RLos usarios pueden acceder a la aplicacion medianterunGist(”gist number”), donde gist number es el codigo queaparece al final de la direccion de la pagina Gist


Generacion automatica de reportes con R y LATEX

Estructura base para generar un documento en LATEX:

\documentclass[10pt,a4paper]{article}

\usepackage[utf8]{inputenc}

\usepackage[spanish]{babel}

\usepackage{amsmath}

\usepackage{amsfonts}

\usepackage{amssymb}

\usepackage{graphicx}

\begin{document}

\end{document}



Crear un archivo .Rnw

Insertar la estructura base para generar un documento enLATEX

Redactar informe junto con lineas de codigos de R

Compilar



Para insertar codigos de R se utilizan chunks que en forma generalse definen por:

<<>>=

Codigo de R

@

Por ejemplo,

<<>>=

data(PlantGrowth)

summary(PlantGrowth)

@

Da como resultado:



La opcion echo=false oculta el codigo

<<echo=false>>=

data(PlantGrowth)


@



La opcion results=hide oculta el resultado

<<results=hide>>=

data(PlantGrowth)


@



La opcion fig=true incluye graficos

\begin{figure}[ht]

\centering

<<echo=false,fig=true>>=

boxplot(weight~group,ylab="Peso")

@

\caption{Boxplot}

\end{figure}



Primer ejemplo

En este ejemplo se muestra la inclusion de algunos calculos estadısticos enun documento LATEX

> library(MASS)

> data(crabs)

> attach(crabs)

> summary(crabs[,4:7])

FL RW CL CW

Min. : 7.20 Min. : 6.50 Min. :14.70 Min. :17.10

1st Qu.:12.90 1st Qu.:11.00 1st Qu.:27.27 1st Qu.:31.50

Median :15.55 Median :12.80 Median :32.10 Median :36.80

Mean :15.58 Mean :12.74 Mean :32.11 Mean :36.41

3rd Qu.:18.05 3rd Qu.:14.30 3rd Qu.:37.23 3rd Qu.:42.00

Max. :23.10 Max. :20.20 Max. :47.60 Max. :54.60

Tambien se puede incluir un diagrama de caja de la variable FL agrupadamediante la variable sp

B O

1015

20

Figura 1: Boxplot

1



La opcion results=tex incluye tablas

<<echo=F,results=tex>>=

library(xtable)

g<-lm(weight~group,data=PlantGrowth)

xtable(anova(g),"Analisis de varianza")

@



La funcion Sexpr inserta resultados numericos dentro del texto

<<echo=F>>=

sw<-shapiro.test(residuals(g))

@

El valor del estadıstico de Shapiro--Wilks es

$W=\Sexpr{round(sw$statistic,3)}$

con $p=\Sexpr{round(sw$p.value,3)}$ por tanto

no rechazamos la hipotesis de normalidad de los errores.


Documents

Análisis exploratorio de datos con R y Shiny