Formación corporativa en R

Sintaxis de R

R es un lenguaje de programación especializado en análisis estadístico y ciencia de datos que se caracteriza por su sintaxis intuitiva y expresiva. A diferencia de otros lenguajes de programación, R fue diseñado específicamente para trabajar con datos, lo que se refleja en su estructura sintáctica orientada a operaciones matemáticas y estadísticas.

Características fundamentales de la sintaxis

La sintaxis de R se basa en algunos principios fundamentales que la hacen única. El lenguaje utiliza el símbolo <- como operador de asignación principal, aunque también acepta el símbolo =. Esta característica distintiva refleja la filosofía de R de ser explícito en las operaciones.

## Asignación con <-
nombre <- "Juan"
edad <- 25

## También válido con =
altura = 1.75

Los comentarios en R se indican con el símbolo #, y todo lo que aparece después de este símbolo en una línea se considera comentario. Esta práctica es esencial para documentar el código y hacerlo más comprensible.

Estructura básica de comandos

En R, cada instrucción puede escribirse en una línea separada o múltiples instrucciones pueden separarse con punto y coma en la misma línea. Sin embargo, la práctica recomendada es escribir una instrucción por línea para mejorar la legibilidad.

## Una instrucción por línea (recomendado)
x <- 10
y <- 20
resultado <- x + y

## Múltiples instrucciones en una línea (menos legible)
a <- 5; b <- 3; suma <- a + b

La sensibilidad a mayúsculas y minúsculas es una característica importante de R. Las variables Nombre, nombre y NOMBRE son completamente diferentes para el intérprete.

Edad <- 30
edad <- 25
EDAD <- 35

## Estas son tres variables distintas
print(Edad)  # 30
print(edad)  # 25
print(EDAD)  # 35

Programación orientada a objetos en R

La programación orientada a objetos (POO) en R representa un paradigma fundamental que permite organizar el código de manera más estructurada y reutilizable. A diferencia de la programación funcional tradicional de R, la POO nos permite crear entidades que combinan datos y funciones en unidades cohesivas llamadas objetos.

R ofrece varios sistemas de objetos, siendo los más relevantes para principiantes el sistema S3 y S4. El sistema S3 es más simple y flexible, mientras que S4 proporciona mayor estructura y validación. Para comenzar, nos enfocaremos en S3 por su simplicidad y amplio uso en el ecosistema de R.

Conceptos fundamentales

Un objeto en R es una estructura que contiene tanto datos como métodos (funciones) que operan sobre esos datos. Esta aproximación permite crear código más modular y fácil de mantener, especialmente cuando trabajamos con estructuras de datos complejas.

Las clases definen la estructura y comportamiento de los objetos. En R, una clase específica qué tipo de datos puede contener un objeto y qué operaciones se pueden realizar sobre él. Los métodos son funciones especializadas que se comportan de manera diferente según la clase del objeto sobre el que actúan.

## Crear un objeto simple con clase
persona <- list(
  nombre = "Ana",
  edad = 25,
  profesion = "Analista"
)

## Asignar clase al objeto
class(persona) <- "Persona"

Sistema S3: simplicidad y flexibilidad

El sistema S3 es el más utilizado en R debido a su simplicidad. Los objetos S3 son listas con un atributo especial llamado class que determina cómo se comportan con diferentes funciones.

## Función constructora para crear objetos Persona
crear_persona <- function(nombre, edad, profesion) {
  persona <- list(
    nombre = nombre,
    edad = edad,
    profesion = profesion
  )
  class(persona) <- "Persona"
  return(persona)
}

## Crear una instancia
ana <- crear_persona("Ana García", 28, "Desarrolladora")

Los métodos genéricos permiten que una misma función se comporte de manera diferente según la clase del objeto. El mecanismo de dispatch de R selecciona automáticamente el método apropiado basándose en la clase del primer argumento.

## Método genérico print para la clase Persona
print.Persona <- function(x, ...) {
  cat("Persona:", x$nombre, "\n")
  cat("Edad:", x$edad, "años\n")
  cat("Profesión:", x$profesion, "\n")
}

## Al imprimir, R usa automáticamente nuestro método
print(ana)

Manipulación de datos en R

La manipulación de datos constituye una de las actividades más frecuentes en el análisis estadístico y la ciencia de datos. En R, esta tarea implica transformar, filtrar, ordenar y resumir conjuntos de datos para extraer información significativa y prepararlos para análisis posteriores.

R proporciona múltiples enfoques para trabajar con datos, desde las funciones base del lenguaje hasta paquetes especializados que simplifican estas operaciones. La capacidad de manipular datos de forma eficiente determina en gran medida la productividad en proyectos de análisis.

Estructuras de datos fundamentales

Los data frames representan la estructura principal para almacenar datos tabulares en R. Funcionan como tablas donde cada columna puede contener diferentes tipos de datos (numéricos, caracteres, lógicos) mientras mantienen la misma longitud.

## Crear un data frame básico
estudiantes <- data.frame(
  nombre = c("Ana", "Carlos", "María", "Pedro"),
  edad = c(22, 25, 23, 24),
  nota = c(8.5, 7.2, 9.1, 6.8),
  aprobado = c(TRUE, TRUE, TRUE, TRUE)
)

## Visualizar la estructura
str(estudiantes)

Las listas permiten almacenar elementos de diferentes tipos y longitudes, ofreciendo mayor flexibilidad que los vectores. Son especialmente útiles cuando necesitamos agrupar información heterogénea.

## Lista con diferentes tipos de elementos
datos_curso <- list(
  nombre_curso = "Estadística Básica",
  estudiantes = c("Ana", "Carlos", "María"),
  calificaciones = c(8.5, 7.2, 9.1),
  activo = TRUE
)

Acceso y selección de datos

El acceso a elementos específicos dentro de las estructuras de datos se realiza mediante diferentes operadores según el tipo de estructura y el resultado deseado.

Acceso por índices numéricos:

## Seleccionar filas y columnas específicas
estudiantes[1, ]          # Primera fila completa
estudiantes[, 2]          # Segunda columna completa
estudiantes[1:2, c(1,3)]  # Primeras dos filas, columnas 1 y 3

Acceso por nombres:

## Seleccionar columnas por nombre
estudiantes$nombre        # Operador $
estudiantes[["edad"]]     # Doble corchete
estudiantes["nota"]       # Corchete simple (mantiene estructura)

Visualización de datos en R

La visualización de datos constituye una de las competencias más valiosas en el análisis estadístico moderno. R se ha consolidado como una herramienta fundamental para crear gráficos que transforman datos complejos en representaciones visuales comprensibles y atractivas.

En el contexto del análisis exploratorio de datos, la capacidad de generar visualizaciones efectivas permite identificar patrones, tendencias y anomalías que podrían pasar desapercibidas en tablas numéricas. R ofrece múltiples enfoques para la creación de gráficos, desde funciones básicas integradas hasta librerías especializadas que amplían significativamente las posibilidades creativas.

Fundamentos de la visualización en R

El sistema gráfico de R se estructura en diferentes niveles de complejidad. Las funciones gráficas básicas proporcionan herramientas directas para crear visualizaciones rápidas y funcionales. Estas funciones forman parte del núcleo de R y no requieren instalación de paquetes adicionales.

## Crear datos de ejemplo
ventas <- c(120, 135, 98, 156, 142, 178, 165)
meses <- c("Ene", "Feb", "Mar", "Abr", "May", "Jun", "Jul")

## Gráfico de líneas básico
plot(ventas, type = "l", main = "Evolución de Ventas", 
     xlab = "Mes", ylab = "Ventas (miles €)")

La función plot() representa el punto de entrada más común para la creación de gráficos en R. Su versatilidad permite generar diferentes tipos de visualizaciones modificando parámetros específicos como type, que determina si los datos se muestran como puntos, líneas o barras.

Tipos fundamentales de gráficos

Los gráficos de dispersión resultan especialmente útiles para explorar relaciones entre variables numéricas. Permiten identificar correlaciones, valores atípicos y patrones de distribución de manera intuitiva.

## Datos de ejemplo: altura y peso
altura <- c(165, 170, 175, 180, 185, 160, 172)
peso <- c(60, 65, 70, 75, 80, 55, 68)

## Gráfico de dispersión
plot(altura, peso, main = "Relación Altura-Peso",
     xlab = "Altura (cm)", ylab = "Peso (kg)",
     pch = 16, col = "blue")

Los histogramas proporcionan información valiosa sobre la distribución de una variable continua. Muestran la frecuencia de valores dentro de intervalos específicos, facilitando la identificación de la forma de la distribución.

## Generar datos normales
datos <- rnorm(100, mean = 50, sd = 10)

## Crear histograma
hist(datos, main = "Distribución de Datos", 
     xlab = "Valores", ylab = "Frecuencia",
     col = "lightblue", breaks = 10)

Estadística con R

La estadística constituye el fundamento matemático para el análisis de datos, y R se ha consolidado como el lenguaje de programación más utilizado en este campo. Su diseño específico para el análisis estadístico y la visualización de datos lo convierte en una herramienta esencial para cualquier profesional que trabaje con información cuantitativa.

R ofrece un ecosistema completo para realizar desde estadísticas descriptivas básicas hasta análisis complejos de modelado predictivo. Su sintaxis intuitiva permite que incluso usuarios sin experiencia previa en programación puedan comenzar a explorar datos de manera efectiva.

Estadística descriptiva básica

La estadística descriptiva nos ayuda a resumir y comprender las características principales de un conjunto de datos. R proporciona funciones integradas que facilitan estos cálculos fundamentales.

Las medidas de tendencia central son el punto de partida para cualquier análisis:

## Datos de ejemplo: calificaciones de estudiantes
calificaciones <- c(85, 92, 78, 96, 88, 91, 84, 89, 93, 87)

## Media aritmética
media <- mean(calificaciones)
print(media)  # 88.3

## Mediana
mediana <- median(calificaciones)
print(mediana)  # 88.5

La variabilidad de los datos es igualmente importante para comprender su distribución:

## Desviación estándar
desviacion <- sd(calificaciones)
print(desviacion)  # 5.46

## Varianza
varianza <- var(calificaciones)
print(varianza)  # 29.79

## Rango
rango <- range(calificaciones)
print(rango)  # 78 96

Análisis de distribuciones

R facilita el trabajo con distribuciones de probabilidad, elemento clave en el análisis estadístico. Las funciones integradas permiten calcular probabilidades y generar valores aleatorios de manera sencilla.

Para la distribución normal, una de las más importantes en estadística:

## Generar 100 valores de una distribución normal
## con media 50 y desviación estándar 10
valores_normales <- rnorm(100, mean = 50, sd = 10)

## Calcular la probabilidad de que un valor sea menor a 45
prob <- pnorm(45, mean = 50, sd = 10)
print(prob)  # 0.31

La distribución uniforme es útil para simulaciones y muestreo aleatorio:

## Generar 50 valores entre 1 y 100
valores_uniformes <- runif(50, min = 1, max = 100)

## Verificar la distribución
summary(valores_uniformes)

La programación funcional es un paradigma que trata las funciones como ciudadanos de primera clase y favorece la composición de funciones, la inmutabilidad y la ausencia de efectos secundarios. R es un lenguaje especialmente bien adaptado a este estilo gracias a su orientación vectorial y a sus múltiples herramientas para operar sobre estructuras de datos de forma iterativa y expresiva.

Iteración sin bucles explícitos

En R, los bucles for funcionan, pero para muchos casos de análisis de datos existen alternativas más concisas y expresivas. La filosofía funcional propone describir qué queremos calcular en lugar de cómo iterar paso a paso.

# Con bucle for
resultados <- numeric(length(datos))
for (i in seq_along(datos)) {
  resultados[i] <- sqrt(datos[i])
}

# Con enfoque funcional
resultados <- sapply(datos, sqrt)

# O vectorizado directamente
resultados <- sqrt(datos)

Este estilo reduce la posibilidad de errores de índice y hace el código más legible y mantenible.

La familia apply del R base

R incluye de serie una familia de funciones orientadas a la iteración funcional:

• apply(): aplica una función sobre filas o columnas de una matriz.
• lapply(): aplica sobre una lista y devuelve siempre una lista.
• sapply(): como lapply() pero simplifica el resultado a vector o matriz.
• vapply(): versión segura de sapply() con tipo de salida garantizado.
• tapply(): aplica por grupos definidos por un factor.
• mapply(): aplica con múltiples vectores en paralelo.

Estas funciones son la base del estilo funcional en R y están disponibles sin instalar paquetes adicionales.

purrr: programación funcional moderna con tidyverse

El paquete purrr lleva el estilo funcional a un nuevo nivel dentro del ecosistema tidyverse:

library(purrr)

# map() es el equivalente tipado y consistente de lapply()
map(lista, funcion)

# Variantes con tipo garantizado
map_dbl(lista, mean)   # siempre devuelve numeric
map_chr(lista, format) # siempre devuelve character

# Iteración sobre múltiples listas
map2(lista_a, lista_b, funcion_binaria)
pmap(list(l1, l2, l3), funcion_ternaria)

purrr destaca por su consistencia (todas las funciones siguen el mismo patrón), sus mensajes de error claros y su integración natural con el operador pipe |>.

Más allá del análisis estadístico y la manipulación de datos, R ofrece un ecosistema de herramientas avanzadas que permiten comunicar resultados, crear aplicaciones interactivas y compartir trabajo de forma profesional. En este módulo se estudian las dos herramientas más importantes: R Markdown y Shiny.

R Markdown - informes dinámicos y reproducibles

R Markdown combina texto narrativo con código R ejecutable en un único documento .Rmd. Al renderizarlo, knitr ejecuta el código y pandoc genera el formato de salida elegido: HTML, PDF, Word, presentaciones y más.

# Renderizar un documento
rmarkdown::render("informe.Rmd")

Sus ventajas clave son:

• Reproducibilidad: cualquier persona con el mismo código y datos puede regenerar exactamente el mismo informe.
• Actualización automática: cambiar los datos y volver a renderizar actualiza todos los resultados, tablas y gráficos.
• Múltiples formatos: el mismo .Rmd puede producir HTML interactivo, PDF para impresión o presentaciones de diapositivas.

Un documento R Markdown tiene tres partes: el encabezado YAML con metadatos y opciones, el texto Markdown para la narrativa y los chunks de código con las opciones de ejecución y visualización.

knitr::opts_chunk$set(
  echo    = TRUE,
  warning = FALSE,
  message = FALSE,
  fig.width = 8
)

Shiny - aplicaciones web interactivas

Shiny permite crear aplicaciones web con widgets, gráficos dinámicos y dashboards directamente desde R, sin HTML ni JavaScript. La arquitectura se divide en UI (interfaz) y servidor (lógica reactiva):

library(shiny)

ui <- fluidPage(
  sliderInput("n", "Puntos:", 10, 1000, 100),
  plotOutput("grafico")
)

server <- function(input, output, session) {
  output$grafico <- renderPlot({
    plot(rnorm(input$n), rnorm(input$n),
         col = "steelblue", pch = 19)
  })
}

shinyApp(ui, server)

El modelo de reactividad de Shiny garantiza que solo se recalculan las expresiones que dependen de los inputs que cambiaron, optimizando el rendimiento de la aplicación.

Conexión entre ambas herramientas

R Markdown y Shiny se complementan de forma natural. Un documento R Markdown puede incluir elementos Shiny (con runtime: shiny en el YAML) para crear informes interactivos que permitan al lector explorar los datos directamente en el documento, sin necesidad de una app separada.