Cheat Sheet para el manejo de datos en R con el paquete dplyr

1. Línea de
pensamiento
Elegimos la
tabla de donde
están los
datos...
...y con ellos...
...elegimos las
columnas que
vamos a
utilizar...
...y con ellos...
...filtramos
aquellos valores
que nos
interesan...
...y con ellos...
...creamos
nuevas
columnas...
...y con ellos...
...agrupamos
según nuestros
intereses...
...y con ellos...
resumimos los
datos
Código
Nombre
dataframe o
datatable
%>%
select(Nombres
Columnas)
%>%
filter(Nombre
Columnas y
Condición)
%>%
mutate(Nombre
nuevo campo =
Cálculo del
campo)
%>%
group_by(Nombre
Columnas por
cuyos valores se
quiere agrupar)
%>%
summarise(Nombre de las
cabecerasque se
mostrarán=Función quese
aplicará)
Ejemplo
Infoadex
%>%
select(MARCA_DIRECTA,INS,INV_EST
_IAD_EUROS,OCUPACION)
%>%
filter(INV_EST_IAD_EUROS>100)
%>%
mutate(COSTExINSERCION=
(INV_EST_IAD_EUROS/INS))
%>%
group_by(MARCA_DIRECTA)
%>%
summarise(Media_Inversion=mean(I
NV_EST_IAD_EUROS),Maximo_Coste
Insercion=max(COSTExINSERCION))
Manejodedatoscon
CheatSheet
byPedroHerreroPetisco
dplyr

2. Funciones más usadas para:
mutate summarise
first
• Primer valor de un vector
last
• Último valor de un vector
nth
• N-esimo valor de un vector
n()
• Valores de un vector
n_distinct
• Valores distintos de un sector
Funciones
de R base
Funciones
de dplyr
row_number
• Numera las filas
dense_rank
• Ranking de la variable
lead
• Copia los valores de una columna en la nueva moviéndolos una fila hacia arriba
lag
• Copia los valores de una columna en la nueva moviéndolos una fila hacia abajo
Operadores aritméticos
• + Suma; - Resta; *  Multiplicación; ^  Exponenciación; /  División; %% Resto
Operadores de comparación
• ==  Igual; !=Distinto; >  Mayor que; <  Menor que; >=  Mayor o igual; <=  Menor o igual
Operadores lógicos
• &  Y; |  O; !  No
mean
• Media
median
• Mediana
var
• Varianza
sd
• Desviación típica
sum
• Suma de los valores de un vector
max
• Valor máximo de un vector
min
• Valor mínimo de un vector
select
contains
• Selecciona las columnas que contiene una cadena de caracteres
ends_with
• Selecciona las columnas que terminan con una cadena de caracteres
starts_with
• Selecciona las columnas que empiezan con una cadena de caracteres
Ejemplo de uso
mutate
• Datos %>% mutate(PosicionMasUno=lag(Posicion)))
select
• Datos %>% select(contains(“Cabecera”))
summarise
• Datos %>% summarise(median(Cabecera))
Otros comandos del paquete dplyr:
distinct()
• Elimina las filas duplicadas
slice(a:b)
• Elije filas entre a y b
sample_n(n)
• Extrae una muestra aleatoria de n filas
Select(Columna_n;everything())
• Reordena las columnas
Datos%>%distinct()
• Si se quieren quitar las duplicaciones en base a una columna poner Datos%>%distinct(NombreColumna)
Datos%>%slice(10:20)
• Selecciona las filas de la 10 a la 20
Datos%>%sample_n(4)
• Extrae 4 filas aleatoriamente
Datos%>%select(Columna_n,Columna_d,everything())
• Ordena las columnas poniendo primero la Columna_n, después la Columna_d y después el resto de columnas
Manejodedatoscon
CheatSheet
byPedroHerreroPetisco
dplyr