Reiniciar R (Session --> Restart R)

Objetos y vectores

  • Crear un OBJETO llamado objeto definido como el resultado de la suma: 5 + 6
objeto <- 5+6
  • Crear un VECTOR VEC0 que contenga los números 1, 3, 4.
  • Crear 3 vectores ( VEC1, VEC2, VEC3) que sean transformaciones del anterior
  • Crear 3 vectores con la misma cantidad de elementos que VEC0, pero con variables string (texto) ( VEC4, VEC5, VEC6).
  • Crear un dataframe DFRAME como combinación de todos los vectores creados previamente

Dataset cruceros

El archivo TUR_CRU_AX04.xls contiene información de las recaladas de cruceros en Buenos Aires. Se encuentra en la carpeta fuentes.

El objetivo es leer el archivo:

  1. sin mover su ubicación
  2. sin cambiar su formato (pueden usar la librería xlsx)
  3. Indicando que queremos leer la primer hoja
  4. sin modificar el archivo (¿hay algún parámetro de la función que nos permita esquivar las primeras filas?)
  5. Noten que al final del archivo hay notas aclaratorias. ¿hay algún parámetro de la función que nos permita especificar hasta qué fila leer el archivo?

Operaciones sobre objetos

  • Hacer un summary sobre la cantidad de recaladas para saber el mínimo, el primer cuartil, la mediana, la media, tercer cuartil y el máximo valor.
  • Crear un vector booleano que indique si aumentó la recalada respecto al año anterior:

Pista: Podemos utilizar < o > junto con []

  • Agregar el vector como una nueva columna al dataframe, que se llame “aumento_recalada”
  • Con la nueva variable, filtrar los datos para que nos quede un nuevo dataset sólo de los años con aumento de la recalada

Archivos y ambientes de trabajo

  1. Crear un script .R con el código de la práctica independiente.
  2. Crear un proyecto para la clase 1.
  3. Guardar en un Rdata los elementos del enviroment (googlear cómo se guarda).
  4. Reinciar R y abrir el Rdata.
  5. Guardar el dataset de cruceros en un .RDS.
  6. Levantar el .RDS con otro nombre.
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