Ejercicio en R: manipulación avanzada de dataframes con dplyr y tidyr

Ejercicio de programación: Reto dataframes en R

Este ejercicio de programación está diseñado para poner a prueba tus conocimientos en R. Es un ejercicio avanzado que pondrá a prueba tus conocimientos expertos.

Tipo: Proyecto 30 minutos estimados 500 puntos de experiencia

Información adicional del ejercicio

En este proyecto, deberás manipular el dataset mtcars utilizando R, específicamente con las librerías dplyr y tidyr. Se te pedirá seleccionar y filtrar columnas, ordenar y renombrar datos, crear nuevas columnas, agrupar información, unir dataframes y transformar el formato de los datos, manejando duplicados cuando sea necesario. Al final de cada operación, deberás imprimir los resultados para verificar el correcto funcionamiento.

Contenido del ejercicio

1. Cargar las librerías y los datos

Asegúrate de estar trabajando en RStudio en tu ordenador local.
Verifica si tienes instaladas las librerías dplyr y tidyr. Si no las tienes, instálalas y cárgalas.
Utiliza la función data() para cargar el dataset mtcars y conviértelo en un dataframe si es necesario:

data(mtcars)
df <- as.data.frame(mtcars)

2. Selección de columnas y filtrado de filas

Emplea la función select() para escoger las columnas mpg, cyl, hp y gear.
Aplica filter() para conservar únicamente las filas donde el número de cilindros (cyl) sea mayor que 4.

3. Ordenación y renombrado de columnas

Usa la función arrange() para ordenar los datos de forma descendente según la columna hp (potencia).
Renombra las columnas mpg y hp a consumo y potencia respectivamente utilizando rename().

4. Creación de nuevas columnas y agregación de datos

Con mutate(), crea una nueva columna llamada eficiencia, calculada como el cociente entre consumo y potencia.
Usa group_by() y summarise() para agrupar los datos por el número de cilindros (cyl) y calcular el consumo medio y la potencia máxima por cilindro.

5. Creación del segundo dataframe y unión de dataframes

Genera un nuevo dataframe con la siguiente información sobre gear (número de marchas) y tipo_transmision (tipo de transmisión).

gear	tipo_transmision
3	Manual
4	Automática
5	Semiautomática

Realiza un left_join() para combinar el dataframe principal con este segundo dataframe, añadiendo la columna tipo_transmision.

6. Transformación de formatos

Transforma el dataframe a formato largo utilizando pivot_longer() para las columnas consumo, potencia y eficiencia.
Identifica las combinaciones duplicadas: Agrupa por las columnas clave (cyl, gear, tipo_transmision, medida) para identificar posibles duplicados antes de transformar nuevamente a formato ancho.
Transforma de nuevo a formato ancho con pivot_wider(), aplicando una función de agregación como mean() para manejar los duplicados.

7. Verificación

Imprime el dataframe después de cada operación para asegurarte de que cada paso se ha realizado correctamente.

Más ejercicios de R

Explora más ejercicios de programación en R para mejorar tus habilidades y obtener tu certificación.

Ver más ejercicios de R

Explora el curso completo de R

Descubre más contenido de R con lecciones, ejercicios y módulos organizados para tu aprendizaje.

Lecciones de R

Aprende los conceptos fundamentales con tutoriales detallados

Ejercicios de R

Practica con más ejercicios de programación

Módulos de R

Explora todos los módulos del curso organizados por temas

Curso completo de R

Ver el temario completo con todos los contenidos del curso

Todas las tecnologías

Explora todos los cursos de programación disponibles

Cursos que incluyen este ejercicio

Este ejercicio forma parte de los siguientes cursos estructurados con rutas de aprendizaje

R Ciencia de datos

Ruta de aprendizaje completa con lecciones y ejercicios

Alan Sastre

Ingeniero de Software y formador, CEO en CertiDevs

Ingeniero de software especializado en Full Stack y en Inteligencia Artificial. Como CEO de CertiDevs, R es una de sus áreas de expertise. Con más de 15 años programando, 6K seguidores en LinkedIn y experiencia como formador, Alan se dedica a crear ejercicios prácticos y contenido educativo de calidad para desarrolladores de todos los niveles.

Solución al ejercicio de programación en R

Contenido bloqueado

¡Desbloquea la solución completa!

Completa el ejercicio de programación en R para acceder a la solución paso a paso, explicaciones detalladas y mejores prácticas.

solution.js

JavaScript

1 function solveChallenge ( input ) {

2 // Algoritmo optimizado O(n log n)

3 const data = parseInput ( input );

4 const sorted = data . sort (( a , b ) => a - b );

6 // Aplicar técnica de dos punteros

7 let left = 0 , right = sorted . length - 1 ;

8 const result = [];

10 while ( left < right ) {

11 const sum = sorted [ left ] + sorted [ right ];

12 if ( sum === target ) {

13 result . push ([ sorted [ left ], sorted [ right ]]);

14 left ++; right --;

15 } else if ( sum < target ) {

16 left ++;

17 } else {

18 right --;

19 }

20 }

22 return result ;

23 }

Código completo

Explicaciones

Mejores prácticas

+1.200 developers han resuelto este ejercicio de programación

Practica con ejercicios de programación en R

Mejora tus habilidades con cientos de ejercicios de práctica, recibe retroalimentación instantánea y obtén tu certificación cuando estés listo.

Asistente de IA

Aprende de tus errores

Progreso

Mide tu avance

Certificación

Valida tus habilidades

Ver curso completo

Ejercicios de programación en R: Práctica y Certificación

Los ejercicios de programación son fundamentales para dominar R. Este ejercicio está diseñado para poner a prueba tus conocimientos prácticos y ayudarte a consolidar lo aprendido en las lecciones teóricas. La práctica constante con ejercicios de programación es la clave para convertirte en un desarrollador experto.

¿Por qué resolver ejercicios de programación?

Resolver ejercicios de programación en R te permite:

Aplicar conocimientos teóricos: Poner en práctica los conceptos aprendidos en las lecciones de R.
Identificar áreas de mejora: Descubrir qué conceptos necesitas reforzar en tu aprendizaje de R.
Prepararte para certificaciones: Los ejercicios te preparan para obtener certificados profesionales en R.
Mejorar tu perfil profesional: Demostrar tus habilidades prácticas en R.

Metodología de aprendizaje

Nuestros ejercicios de programación están diseñados siguiendo una metodología probada de aprendizaje progresivo. Cada ejercicio en R está cuidadosamente estructurado para llevar tus habilidades al siguiente nivel. Comenzamos con conceptos fundamentales y avanzamos gradualmente hacia desafíos más complejos que reflejan situaciones reales del desarrollo de software profesional.

Certificación y validación de conocimientos

Al completar ejercicios de programación, no solo mejoras tus habilidades técnicas, sino que también puedes obtener certificados que validan tu expertise en R. Estos certificados son reconocidos por empresas y pueden ser una gran adición a tu perfil profesional de LinkedIn o tu CV como desarrollador.

Los ejercicios están alineados con los estándares de la industria y cubren desde conceptos básicos hasta técnicas avanzadas de programación en R. Cada ejercicio incluye casos de prueba y ejemplos prácticos que te ayudarán a comprender mejor cómo aplicar lo aprendido en proyectos reales.