knitr::opts_chunk$set(echo = FALSE) library(learnr) library(dplyr) library(gradethis) gapminder <- readr::read_csv( 'https://raw.githubusercontent.com/OHI-Science/data-science-training/master/data/gapminder.csv' ) promedio <- gapminder %>% group_by(country) %>% summarise(promedio_pib = mean(gdpPercap)) tutorial_options(exercise.checker = gradethis::grade_learnr)
knitr::include_graphics( "https://storage.googleapis.com/datos_cursos/ixpantia_introR/ixpantia_logo.png" )
Este conjunto de datos contiene información sobre distintos países tales como características demográficas o económicas. Incluye 1704 observaciones y 6 variables.
glimpse(gapminder)
Descripción de las variables:
| Variable | Descripción |
| :--------: | :-----------: |
| country
| Nombre del país |
| year
| Año de registro |
| pop
| Población del país |
| continent
| Continente donde se ubica el país |
| lifeExp
| Esperanza de vida del país |
| gdpPercap
| PIB per cápita del país |
filter()
para filtrar únicamente los datos de OceaniaEn el set de datos gapminder hay una columna que se llama continent
que
muestra el continente al que pertenece cada país. En total tiene 5 categorías.
Filtre de forma que sólo muestre los datos correspondientes a Oceanía usando
filter()
.
gapminder %>% filter()
"continent == 'Oceania'"
grade_result( pass_if(~ identical(unlist(.result), unlist(gapminder %>% filter(continent == 'Oceania'))), "¡Muy bien!") )
select()
para seleccionar las columnas country
, year
y pop
El conjunto de datos gapminder tiene en total 6 columnas o variables. Sin
embargo, en ocasiones interesa utilizar una base con solamente algunas
variables. Por ejemplo podría interesar analizar únicamente la población de
los distintos países en los años registrados. Para lograr esto, seleccione las
columnas country
, year
y pop
utilizando select()
.
gapminder %>% select()
grade_result( pass_if(~ identical(unlist(.result), unlist(gapminder %>% select(country, year, pop))), "¡Muy bien!") )
summarise()
y group_by()
EL conjunto de datos gapminder tiene una variable que se llama gdpPercap
que describe el PIB per cápita de los países para distintos años. Ahora utilice
esta variable agrupando por país (country
) y use summarise()
para calcular
el promedio de gdpPercap por país. Llame a la nueva variable con los datos del
promedio promedio_pib
.
gapminder %>% group_by() %>% summarise()
"summarise(promedio_gdp = mean(gdpPercap)"
grade_result( pass_if(~ identical(unlist(.result), unlist(gapminder %>% group_by(country) %>% summarise(promedio_pib = mean(gdpPercap)))), "¡Excelente!") )
promedio_pib
utilizando arrange()
Anteriormente creamos una variable llamada promedio_pib
que representa el
promedio del PIB per cápita de cada país. Esto quedó guardado en un nuevo
conjunto de datos llamado promedio. Ahora, partiendo de este nuevo conjunto
de datos, ordene de de menor a mayor según el PIB promedio de cada país.
promedio %>% arrange()
"Por defecto `arrange()` ordena de menor a mayor"
grade_result( pass_if(~ identical(unlist(.result), unlist(promedio %>% arrange(promedio_pib))), "¡Bien hecho!") )
mutate()
En el conjunto de datos gapminder hay una columna que se llama pop
que se
refiere a la población del país y otra columna que se llama gdpPercap
, la cual
se refiere al PIB per cápita de los países en cada año. Ahora, genere una nueva
variable llamada multiplicacion
que contenga el valor resultante de la
multiplicación de las dos columnas mencionadas.
gapminder %>% mutate(multiplicacion = )
"* es para multiplicar"
grade_result( pass_if(~ identical(unlist(.result), unlist(gapminder %>% mutate(multiplicacion = pop * gdpPercap))), "¡Buenisimo!") )
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.