R/describir.R
In pablojzerega/leacs: Funciones para análisis estadísticos.
Defines functions
describir
Documented in
describir
#' Función describir
#'
#' Esta función nos permite realizar descripciones rápidas de variables numéricas, de manera univariada ,bivariada en función de una variable categórica de hasta 3 niveles.
#' @param var.num Variable numérica a describir.
#' @param nombre.num Nombre de la variable que aparecera en outputs - opcional.
#' @param unidad Unidad de la variable que aparece en outputs - opcional.
#' @param var.cat Variable categórica a utilizar si hace un analisis bivariado.
#' @param nombre.cat Nombre de la variable categórica que aparece en outputs - opcional.
#' @param label Labels de los niveles de la variable - opcional.
#' @param redondeo Cantidad de decimales a usar en los redondeos. Default es 2.
#' @param hist Graficar o no un histograma. Default en TRUE.
#' @param bins Cantidad de bins del histograma. Por default hace una cuenta aproximada de bins óptimos.
#' @param colores Colores a utilizar en gráficos, en formato lista.
#' @param box Graficar o no un Boxplot. Default en TRUE.
#' @param qq Graficar o no un QQplot. Default en TRUE.
#' @param shapiro Realizar o no un test de Shapiro-Wilks. Default en TRUE
#' @param guardar Guardar o no los gráficos y data.frame con medidas de resumen en el Global Environment. Default en FALSE.
#' @keywords describir leacs
#' @export
#' @examples
#' describir()
describir <- function(data,
var.num,
nombre.num = "",
unidad = "",
var.cat = NULL,
nombre.cat = "",
label = NULL,
redondeo = 2,
hist = TRUE,
bins = NULL,
colores = c("#457b9d","#2a9d8f","#2a9d9f"),
box =TRUE,
qq = TRUE,
shapiro = TRUE,
guardar = FALSE){
# ARGUMENTOS --------------------------------------------------------------
# Esta función devuelve un resumen de la variable númerica especificada, junto con la opción de
# graficar un histograma, boxplot y qqplot
#
# ARGUMENTOS
#
# data: Dataframe que contiene la variable.
#
# metodo: Analisis univariado (1) o bivariado (2)
#
# var.num: Variable númerica a analizar.
#
# unidad: Unidad de la variable
#
# nombre.num: Nombre de la variable a mostrar en los resultados y los gráficos.
#
# var.cat: Variable categórica que separa en grupos
#
# label: Labels de la variable categórica
#
# nombre.cat: Nombre de la variable categórica
#
# redondeo: Decimales a redondear de los resultados, por defecto en 2
#
# colores: Colores de los gráficos
#
# hist: Generar o no el histograma
#
# bins: Bins del histograma
#
# box: Generar o no el boxplot
#
# qq: Generar o no el QQ-plot
#
# shapiro: Correr o no un test de Shapiro-Wilks
#
# guardar: Guardar en el Environment el df y gráficos
#
# RETORNO
#
# Medidas de resumen de la variable númerica y graficos y test de Shapiro Wilk si son especificados.
# REQUISITOS --------------------------------------------------------------
require(e1071)
require(tidyverse)
require(patchwork)
require(describer)
options(dplyr.summarise.inform = FALSE)
# TIDYEVAL ----------------------------------------------------------------
#Se detiene la evaluación de la variable
variable.enq <- enquo(var.num)
vector.variable <- data %>% pull(!!variable.enq)
if (missing(var.cat) == FALSE){
variable.enq2 <- enquo(var.cat)
if(is.null(expr(label)) == FALSE){
data <- data %>% mutate(!!variable.enq2 := as.factor(!!variable.enq2))
#data <- data %>% mutate(!!variable.enq2 := factor(!!variable.enq2,
# levels =c(0,1),
# labels = c(label[1],label[2])))
}
vector.variable2 <- data %>% pull(!!variable.enq2)
vector.variable3 <- data %>% select(!!variable.enq,!!variable.enq2)
niveles <- levels(vector.variable2)
if (length(colores) != length(unique(niveles))) {
stop("Es necesario que especifiques la misma cantidad de colores que niveles de la variable categórica")
}
}
# COMPROBACIONES ----------------------------------------------------------
if (!is.numeric(vector.variable)) {
stop("Es necesario que la variable sea numerica,
Por favor introduzca una variable que cumpla estos criterios")
}
# WARNINGS
if(nombre.num == "" | unidad == ""){
warning(paste("Es recomendable elegir un nombre y una unidad a la variable para
tener una mejor lectura de los resultados.", "\n"))
}
if(guardar == FALSE){
warning(paste("Los resultados y los graficos no se guardaran en el GlobalEnv, para guardarlos
cambie el argumento guardar a TRUE.","\n"))
}
if(is.null(bins)){
warning(paste("Si los bins automaticos del histograma no son los correctos, podes cambiarlos con el argumento bins.","\n"))
}
# FUNCION UNIVARIADA ------------------------------------------------------
# Medidas de resumen en df.resumen
if (missing(var.cat) == TRUE){
df.resumen <- data %>%
summarize(
n=n(),
media=mean(!!variable.enq,na.rm = TRUE),
mediana=median(!!variable.enq,na.rm = TRUE),
ds=sd(!!variable.enq, na.rm = TRUE),
RIQ=IQR(!!variable.enq, na.rm = TRUE),
p25=quantile(!!variable.enq, c(0.25), na.rm = TRUE),
p75=quantile(!!variable.enq, c(0.75), na.rm = TRUE),
max=max(!!variable.enq,na.rm = TRUE),
min=min(!!variable.enq,na.rm = TRUE),
skew=skewness(!!variable.enq, na.rm = TRUE),
kurt=kurtosis(!!variable.enq, na.rm = TRUE))
df.resumen <- round(df.resumen,redondeo)
# GENERACIÓN DEL TEST DE SHAPIRO WILK
if(shapiro == TRUE & length(vector.variable) <=5000){
test <- shapiro.test(vector.variable)
# Agrego el p valor al df df.resumen
p.valor <- test$p.value
df.resumen$shapiro.p <- p.valor
}
# Guardar o no el dataframe en el GlobaEnv
if (guardar == TRUE){
assign(paste(nombre.num,"resumen",sep="."),
envir =.GlobalEnv,
df.resumen)
}
# Graficos univariados
#Creación de graficos en objetos p1, p2 y p3
## Histograma
if (is.null(bins)){
bins = sqrt(length(vector.variable))
}
if (hist == TRUE){
p1 <- ggplot(data, aes(x=!!variable.enq)) +
geom_histogram(
fill=colores[1],
colour="black",
bins = bins) +
labs(
title = paste("Histograma de la variable",nombre.num,sep=": "),
x= paste(nombre.num,unidad, sep =" "),
y="Frecuencia") +
theme(
plot.title = element_text(color="black", size=14, face="bold.italic"),
plot.subtitle = element_text(color="black", size=10, face="italic"),
axis.title.x = element_text(color="black", size=12, face="bold"),
axis.title.y = element_text(color="black", size=12, face="bold"),
legend.position = "none")
}
## Boxplot
if(box==TRUE){
p2 <- ggplot(data, aes(x = !!variable.enq)) +
geom_boxplot(fill = colores[1],
color = "black") +
labs(title = paste("Boxplot de la variable",nombre.num,sep=": "),x = nombre.num) +
theme(
plot.title = element_text(color="black", size=14, face="bold.italic"),
plot.subtitle = element_text(color="black", size=10, face="italic"),
axis.title.y = element_text(color="black", size=12, face="bold"),
legend.position = "none")+
coord_flip()
}
## QQ-plot
if(qq==TRUE){
p3 <- ggplot(data, aes(sample = !!variable.enq)) +
geom_qq(fill = colores[1]) +
geom_qq_line()+
labs(title =paste("Q-Q Plot de la variable",nombre.num,sep=": "),
y = "Muestra",
x = "Muestra teórica")+
theme(
plot.title = element_text(color="black", size=14, face="bold.italic"),
plot.subtitle = element_text(color="black", size=10, face="italic"),
axis.title.x = element_text(color="black", size=12, face="bold"),
axis.title.y = element_text(color="black", size=12, face="bold"),
legend.position = "none")
}
#Guardar gráficos si argumento guardar == TRUE
if(guardar == TRUE & hist == TRUE){
assign(paste(nombre.num, "Histograma", sep = "."),
envir = .GlobalEnv,
p1)
}
if(guardar ==TRUE & box == TRUE){
assign(paste(nombre.num, "Boxplot", sep = "."),
envir = .GlobalEnv,
p2)
}
if(guardar ==TRUE & qq == TRUE){
assign(paste(nombre.num, "QQ-Plot", sep = "."),
envir = .GlobalEnv,
p3)
}
## Combinación de graficos
if (hist == TRUE & box ==TRUE & qq == TRUE){
print(p1/(p2+p3))
if (guardar == TRUE){
assign(paste(nombre.num,"graficos", sep = "."),
envir = .GlobalEnv,
p1/(p2+p3))
}
}
if (hist == TRUE & box == TRUE & qq == FALSE){
print(p1/p2)
if (guardar == TRUE){
assign(paste(nombre.num,"graficos", sep = "."),
envir = .GlobalEnv,
p1/p2)
}
}
if (hist == FALSE & box == TRUE & qq ==TRUE){
print(p2/p3)
if (guardar == TRUE){
assign(paste(nombre.num,"graficos", sep = "."),
envir = .GlobalEnv,
p2/p3)
}
}
if (hist == TRUE & box == FALSE &qq ==TRUE){
print(p1/p3)
if (guardar == TRUE){
assign(paste(nombre.num,"graficos", sep = "."),
envir = .GlobalEnv,
p1/p3)
}
}
#Graficos individuales
if (hist == TRUE & box == FALSE & qq == FALSE){
print(p1)
}
if (hist == FALSE & box == TRUE & qq == FALSE){
print(p2)
}
if (hist == FALSE & box == FALSE & qq == TRUE){
print(p3)
}
# DEVOLUCIÓN DE LA FUNCIÓN UNIVARIADA
cat(" ", "\n")
cat("##################################################################################", "\n")
cat(" ", "\n")
cat("--- Medidas de resumen de la variable ", nombre.num, "--------------------------------------", "\n", sep="")
cat(" ", "\n")
cat(" Medidas", "\n")
sprintf(fmt = "%22s%48s", "n",df.resumen$n) %>% cat("\n")
sprintf(fmt = "%30s%40s", paste("Media",unidad,sep = " "),df.resumen$media) %>% cat("\n")
sprintf(fmt = "%30s%40s", paste("Mediana",unidad,sep = " "),df.resumen$mediana) %>% cat("\n")
sprintf(fmt = "%30s%40s", paste("Desvio estandar",unidad,sep = " "),df.resumen$ds) %>% cat("\n")
sprintf(fmt = "%30s%40s",paste("p25",unidad,sep = " "),df.resumen$p25) %>% cat("\n")
sprintf(fmt = "%30s%40s",paste("p75",unidad,sep = " "),df.resumen$p75) %>% cat("\n")
sprintf(fmt = "%30s%40s",paste("RIQ",unidad,sep = " "),df.resumen$RIQ) %>% cat("\n")
sprintf(fmt = "%30s%40s",paste("Mínimo",unidad,sep = " "),df.resumen$min) %>% cat("\n")
sprintf(fmt = "%30s%40s", paste("Máximo",unidad,sep = " "),df.resumen$max) %>% cat("\n")
cat(" ", "\n")
cat("--- Medidas de forma de la variable ", nombre.num," ----------------------------------------", "\n", sep="")
cat(" ", "\n")
sprintf(fmt = "%25s%45s","Skewness",df.resumen$skew) %>% cat("\n")
sprintf(fmt = "%25s%45s","Kurtosis",df.resumen$kurt) %>% cat("\n")
cat(" ", "\n")
cat("--- Analisis de las medidas de resumen de la variable ", nombre.num, "----------------------", "\n", sep="")
cat(" ", "\n")
sprintf(fmt = "%30s%40s",paste("Media - Mediana ",unidad),
round(df.resumen$media-df.resumen$mediana,2)) %>% cat("\n")
sprintf(fmt = "%30s%40s", paste("p75 - p50", unidad),
df.resumen$p75-df.resumen$mediana) %>% cat("\n")
sprintf(fmt = "%30s%40s",paste("p50 - p25",unidad),
df.resumen$mediana-df.resumen$p25) %>% cat("\n")
cat(" ", "\n")
if(shapiro == TRUE & length(vector.variable) <=5000){
cat("--- Test de Shapiro-Wilk de la variable: ", nombre.num,"---", "\n", sep="")
sprintf(fmt = "%25s%55s","p-valor",df.resumen$shapiro.p) %>% cat("\n")
cat(" ", "\n")
cat("##################################################################################", "\n")
cat(" ", "\n")
}
if(shapiro == TRUE & length(vector.variable) >=5000){
cat("---Test de Shapiro-Wilk de la variable: ", nombre.num,"---", "\n", sep="")
cat(" El número de observaciones es igual o mayor a 5000, no se puede realizar el test de Shapiro-Wilk", "\n")
cat(" ", "\n")
cat("##################################################################################", "\n")
cat(" ", "\n")
}}
# FUNCION BIVARIADA -------------------------------------------------------
if (missing(var.cat) == FALSE){
# Se genera el dataframe que contiene las medidas de resumen bivariado en df.resumen.multi
df.resumen.multi <- data %>% mutate(!!variable.enq2 := as.numeric(!!variable.enq2)) %>%
group_by(!!variable.enq2) %>%
summarize(
n=n(),
media=mean(!!variable.enq,na.rm = TRUE),
mediana=median(!!variable.enq,na.rm = TRUE),
ds=sd(!!variable.enq, na.rm = TRUE),
RIQ=IQR(!!variable.enq, na.rm = TRUE),
p25=quantile(!!variable.enq, c(0.25), na.rm = TRUE),
p75=quantile(!!variable.enq, c(0.75), na.rm = TRUE),
max=max(!!variable.enq,na.rm = TRUE),
min=min(!!variable.enq,na.rm = TRUE),
skew=skewness(!!variable.enq, na.rm = TRUE),
kurt=kurtosis(!!variable.enq, na.rm = TRUE),
)
df.resumen.multi$shapiro <- rep(1,times = length(unique(vector.variable3[[2]])))
df.resumen.multi <- round(df.resumen.multi,redondeo)
# GENERACIÓN DEL TEST DE SHAPIRO WILK
if(shapiro == TRUE & length(vector.variable) <=5000){
for(i in 1:length(unique(vector.variable3[[2]]))){
df.resumen.multi[[i,13]] <- shapiro.test(vector.variable3[1][vector.variable3[2] == niveles[i]])$p.value
}
}
df.resumen.multi <-df.resumen.multi
# Guardar o no el dataframe en el GlobaEnv
if (guardar == TRUE){
assign(paste(nombre.num,"-",nombre.cat,"resumen_multivariado",sep="."),
envir =.GlobalEnv,
df.resumen.multi)
}
# Graficos bivariados
#Creación de graficos en objetos p1, p2 y p3
## Histograma
if (is.null(bins)){
bins = sqrt(length(vector.variable))
}
if (hist == TRUE){
p1.bi <-ggplot(data, aes(x=!!variable.enq)) +
geom_histogram(aes(fill=!!variable.enq2),
colour="black",
bins = bins) +
labs(
title = paste("Histogramas de la variable",nombre.num,"en función de",nombre.cat,sep=" "),
x= paste(nombre.num,unidad, sep =" "),
y="Frecuencia") +
scale_fill_manual(values = colores)+
theme(
plot.title = element_text(color="black", size=14, face="bold.italic"),
plot.subtitle = element_text(color="black", size=10, face="italic"),
axis.title.x = element_text(color="black", size=12, face="bold"),
axis.title.y = element_text(color="black", size=12, face="bold"),
legend.position = "none")+ facet_grid(cols = vars(!!variable.enq2))
}
## Boxplot
if(box==TRUE){
p2.bi <- ggplot(data, aes(x = !!variable.enq)) +
geom_boxplot(aes(fill = !!variable.enq2),
color = "black") +
labs(title = paste("Boxplots de la variable",nombre.num,"en función de",nombre.cat,sep=" "),x = nombre.num) +
scale_fill_manual(values = colores)+
theme(
plot.title = element_text(color="black", size=14, face="bold.italic"),
plot.subtitle = element_text(color="black", size=10, face="italic"),
axis.title.y = element_text(color="black", size=12, face="bold"),
legend.position = "none")+
coord_flip()+ facet_grid(vars(!!variable.enq2))
}
## QQ-plot
if(qq==TRUE){
p3.bi <- ggplot(data, aes(sample = !!variable.enq)) +
geom_qq(aes(fill = !!variable.enq2)) +
geom_qq_line()+
labs(title =paste("Q-Q Plots de la variable",nombre.num,"en función de",nombre.cat,sep=" "),
y = "Muestras observadas",
x = "Muestras teóricas")+
scale_fill_manual(values = colores)+
theme(
plot.title = element_text(color="black", size=14, face="bold.italic"),
plot.subtitle = element_text(color="black", size=10, face="italic"),
axis.title.x = element_text(color="black", size=12, face="bold"),
axis.title.y = element_text(color="black", size=12, face="bold"),
legend.position = "none")+ facet_grid(vars(!!variable.enq2))
}
#Guardar gráficos si argumento guardar == TRUE
if(guardar == TRUE & hist == TRUE){
assign(paste(nombre.num, "Histograma bivariado", sep = "."),
envir = .GlobalEnv,
p1.bi)
}
if(guardar ==TRUE & box == TRUE){
assign(paste(nombre.num, "Boxplot bivariado", sep = "."),
envir = .GlobalEnv,
p2.bi)
}
if(guardar ==TRUE & qq == TRUE){
assign(paste(nombre.num, "QQ-Plot bivariado", sep = "."),
envir = .GlobalEnv,
p3.bi)
}
if (length(unique(vector.variable3[[2]])) == 2) {
## Combinación de graficos
if (hist == TRUE & box ==TRUE & qq == TRUE){
print(p1.bi/(p2.bi+p3.bi))
if (guardar == TRUE){
assign(paste(nombre.num,"graficos", sep = "."),
envir = .GlobalEnv,
p1.bi/(p2.bi+p3.bi))
}
}
if (hist == TRUE & box == TRUE & qq == FALSE){
print(p1.bi/p2.bi)
if (guardar == TRUE){
assign(paste(nombre.num,"graficos", sep = "."),
envir = .GlobalEnv,
p1.bi/p2.bi)
}
}
if (hist == FALSE & box == TRUE & qq ==TRUE){
print(p2.bi/p3.bi)
if (guardar == TRUE){
assign(paste(nombre.num,"graficos", sep = "."),
envir = .GlobalEnv,
p2.bi/p3.bi)
}
}
if (hist == TRUE & box == FALSE &qq ==TRUE){
print(p1.bi/p3.bi)
if (guardar == TRUE){
assign(paste(nombre.num,"graficos", sep = "."),
envir = .GlobalEnv,
p1.bi/p3.bi)
}
}}
# Graficos con 3 levels
if (length(unique(vector.variable3[[2]])) == 3 & qq == TRUE) {
print(p3.bi)
}
if (length(unique(vector.variable3[[2]])) == 3 & box == TRUE) {
print(p2.bi)
}
if (length(unique(vector.variable3[[2]])) == 3 & hist == TRUE) {
print(p1.bi)
}
#Graficos individuales
if (hist == TRUE & box == FALSE & qq == FALSE){
print(p1.bi)
}
if (hist == FALSE & box == TRUE & qq == FALSE){
print(p2.bi)
}
if (hist == FALSE & box == FALSE & qq == TRUE){
print(p3.bi)
}
# DEVOLUCIÓN DE LA FUNCIÓN BIVARIADA
if (length(unique(vector.variable3[[2]])) == 2) {
cat(" ", "\n")
cat("######################################################################################################", "\n")
cat(" ", "\n")
cat("--- Medidas de resumen de la variable ", nombre.num," en función de ",nombre.cat," --------------------------------------", "\n", sep="")
cat(" ", "\n")
sprintf(fmt = "%-30s%-40s%-40s", "Medida",label[1],label[2]) %>% cat("\n")
sprintf(fmt = "%-30s%-40s%-40s", "n",df.resumen.multi$n[1],df.resumen.multi$n[2]) %>% cat("\n")
sprintf(fmt = "%-30s%-40s%-40s", paste("Media",unidad,sep = " "),df.resumen.multi$media[1],df.resumen.multi$media[2]) %>% cat("\n")
sprintf(fmt = "%-30s%-40s%-40s", paste("Mediana",unidad,sep = " "),df.resumen.multi$mediana[1],df.resumen.multi$mediana[2]) %>% cat("\n")
sprintf(fmt = "%-30s%-40s%-40s", paste("Desvio estandar",unidad,sep = " "),df.resumen.multi$ds[1],df.resumen.multi$ds[2]) %>% cat("\n")
sprintf(fmt = "%-30s%-40s%-40s", paste("p25",unidad,sep = " "),df.resumen.multi$p25[1],df.resumen.multi$p25[2]) %>% cat("\n")
sprintf(fmt = "%-30s%-40s%-40s", paste("p75",unidad,sep = " "),df.resumen.multi$p75[1],df.resumen.multi$p75[2]) %>% cat("\n")
sprintf(fmt = "%-30s%-40s%-40s", paste("RIQ",unidad,sep = " "),df.resumen.multi$RIQ[1],df.resumen.multi$RIQ[2]) %>% cat("\n")
sprintf(fmt = "%-30s%-40s%-40s", paste("Mínimo",unidad,sep = " "),df.resumen.multi$min[1],df.resumen.multi$min[2]) %>% cat("\n")
sprintf(fmt = "%-30s%-40s%-40s", paste("Máximo",unidad,sep = " "),df.resumen.multi$max[1],df.resumen.multi$max[2]) %>% cat("\n")
cat(" ", "\n")
cat("--- Medidas de forma de la variable ", nombre.num," en función de ",nombre.cat," ----------------------------------------", "\n", sep="")
cat(" ", "\n")
sprintf(fmt = "%-30s%-40s%-40s", "Skewness",df.resumen.multi$skew[1],df.resumen.multi$skew[2]) %>% cat("\n")
sprintf(fmt = "%-30s%-40s%-40s", "Kurtosis",df.resumen.multi$kurt[1],df.resumen.multi$kurt[2]) %>% cat("\n")
cat(" ", "\n")
cat("--- Analisis de las medidas de resumen de la variable ", nombre.num," en función de ",nombre.cat," ----------------------", "\n", sep="")
cat(" ", "\n")
sprintf(fmt = "%-30s%-40s%-40s", "Media - Mediana",
round(df.resumen.multi$media[1]-df.resumen.multi$mediana[1],2)
,round(df.resumen.multi$media[2]-df.resumen.multi$mediana[2],2)) %>% cat("\n")
sprintf(fmt = "%-30s%-40s%-40s", paste("p75 - p50", unidad),
df.resumen.multi$p75[1]-df.resumen.multi$mediana[1],
df.resumen.multi$p75[2]-df.resumen.multi$mediana[2]) %>% cat("\n")
sprintf(fmt = "%-30s%-40s%-40s", paste("p50 - p25",unidad),
df.resumen.multi$mediana[1]-df.resumen.multi$p25[1],
df.resumen.multi$mediana[2]-df.resumen.multi$p25[2]) %>% cat("\n")
cat(" ", "\n")
if(shapiro == TRUE &
length(vector.variable3[1][vector.variable3[2] == niveles[1]]) <=5000 &
length(vector.variable3[1][vector.variable3[2] == niveles[2]]) <=5000)
{
cat("--- Test de Shapiro-Wilk de la variable ", nombre.num," en función de",nombre.cat," ---------------------------------", "\n", sep=" ")
sprintf(fmt = "%-30s%-40s%-40s","p-valor",df.resumen.multi$shapiro[1],df.resumen.multi$shapiro[2]) %>% cat("\n")
cat("#######################################################################################################", "\n")
cat(" ", "\n")
}
if(shapiro == TRUE &
length(vector.variable3[1][vector.variable3[2] == niveles[1]]) <=5000 &
length(vector.variable3[1][vector.variable3[2] == niveles[2]]) >=5000)
{
cat("--- Test de Shapiro-Wilk de la variable", nombre.num,"se realizo solamente para el nivel",label[1],"---", "\n", sep=" ")
cat("El nivel",label[2],"tiene 5000 o más observaciones",df.resumen.multi$shapiro[1], "\n", sep = " ")
cat("El p-valor es:",df.resumen.multi$shapiro[1], "\n")
cat("######################################################################################################", "\n")
cat(" ", "\n")
}
if(shapiro == TRUE &
length(vector.variable3[1][vector.variable3[2] == niveles[1]]) >=5000 &
length(vector.variable3[1][vector.variable3[2] == niveles[2]]) <=5000)
{
cat("--- Test de Shapiro-Wilk de la variable", nombre.num,"se realizo solamente para el nivel",label[2],"---", "\n", sep=" ")
cat("El nivel",label[1],"tiene 5000 o más observaciones",df.resumen.multi$shapiro[1], "\n", sep = " ")
cat("El p-valor es:",df.resumen.multi$shapiro[2], "\n")
cat("######################################################################################################", "\n")
cat(" ", "\n")
}
if(shapiro == FALSE |
length(vector.variable3[1][vector.variable3[2] == niveles[1]]) >=5000 &
length(vector.variable3[1][vector.variable3[2] == niveles[2]]) >=5000)
{
cat("--- El test de Shapiro-Wilk no se realizo porque no se activo el argumento o los 2 grupos tienen mas de 5000 observaciones","---", "\n", sep=" ")
cat("######################################################################################################", "\n")
cat(" ", "\n")
}
}
# DEVOLUCIÓN DE LA FUNCIÓN BIVARIADA
if (length(unique(vector.variable3[[2]])) == 3) {
cat(" ", "\n")
cat("######################################################################################################", "\n")
cat(" ", "\n")
cat("--- Medidas de resumen de la variable ", nombre.num," en función de ",nombre.cat," --------------------------------------", "\n", sep="")
cat(" ", "\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", "Medida",
label[1],
label[2],
label[3]) %>% cat("\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", "n",
df.resumen.multi$n[1],
df.resumen.multi$n[2],
df.resumen.multi$n[3]) %>% cat("\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", paste("Media",unidad,sep = " "),
df.resumen.multi$media[1],
df.resumen.multi$media[2],
df.resumen.multi$media[3]) %>% cat("\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", paste("Mediana",unidad,sep = " "),
df.resumen.multi$mediana[1],
df.resumen.multi$mediana[2],
df.resumen.multi$mediana[3]) %>% cat("\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", paste("Desvio estandar",unidad,sep = " "),
df.resumen.multi$ds[1],
df.resumen.multi$ds[2],
df.resumen.multi$ds[3]) %>% cat("\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", paste("p25",unidad,sep = " "),
df.resumen.multi$p25[1],
df.resumen.multi$p25[2],
df.resumen.multi$p25[3]) %>% cat("\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", paste("p75",unidad,sep = " "),
df.resumen.multi$p75[1],
df.resumen.multi$p75[2],
df.resumen.multi$p75[3]) %>% cat("\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", paste("RIQ",unidad,sep = " "),
df.resumen.multi$RIQ[1],
df.resumen.multi$RIQ[2],
df.resumen.multi$RIQ[3]) %>% cat("\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s",paste("Mínimo",unidad,sep = " "),
df.resumen.multi$min[1],
df.resumen.multi$min[2],
df.resumen.multi$min[3]) %>% cat("\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", paste("Máximo",unidad,sep = " "),
df.resumen.multi$max[1],
df.resumen.multi$max[2],
df.resumen.multi$max[3]) %>% cat("\n")
cat(" ", "\n")
cat("--- Medidas de forma de la variable ", nombre.num," en función de ",nombre.cat," ----------------------------------------", "\n", sep="")
cat(" ", "\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", "Skewness",
df.resumen.multi$skew[1],
df.resumen.multi$skew[2],
df.resumen.multi$skew[3]) %>% cat("\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", "Kurtosis",
df.resumen.multi$kurt[1],
df.resumen.multi$kurt[2],
df.resumen.multi$kurt[3]) %>% cat("\n")
cat(" ", "\n")
cat("--- Analisis de las medidas de resumen de la variable ", nombre.num," en función de ",nombre.cat," ----------------------", "\n", sep="")
cat(" ", "\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", "Media - Mediana",
round(df.resumen.multi$media[1]-df.resumen.multi$mediana[1],2)
,round(df.resumen.multi$media[2]-df.resumen.multi$mediana[2],2),
round(df.resumen.multi$media[2]-df.resumen.multi$mediana[3],2)) %>% cat("\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", paste("p75 - p50", unidad),
df.resumen.multi$p75[1]-df.resumen.multi$mediana[1],
df.resumen.multi$p75[2]-df.resumen.multi$mediana[2],
df.resumen.multi$p75[2]-df.resumen.multi$mediana[3]) %>% cat("\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", paste("p50 - p25",unidad),
df.resumen.multi$mediana[1]-df.resumen.multi$p25[1],
df.resumen.multi$mediana[2]-df.resumen.multi$p25[2],
df.resumen.multi$mediana[2]-df.resumen.multi$p25[3]) %>% cat("\n")
cat(" ", "\n")
if(shapiro == TRUE &
length(vector.variable3[1][vector.variable3[2] == niveles[1]]) <=5000 &
length(vector.variable3[1][vector.variable3[2] == niveles[2]]) <=5000 &
length(vector.variable3[1][vector.variable3[2] == niveles[3]]) <=5000)
{
cat("--- Test de Shapiro-Wilk de la variable ", nombre.num," en función de",nombre.cat," ---------------------------------", "\n", sep=" ")
sprintf(fmt = "%-30s%-30s%-30s%-30s","p-valor",
df.resumen.multi$shapiro[1],
df.resumen.multi$shapiro[2],
df.resumen.multi$shapiro[3]) %>% cat("\n")
cat("#######################################################################################################", "\n")
cat(" ", "\n")
}
if(shapiro == TRUE &
length(vector.variable3[1][vector.variable3[2] == niveles[1]]) >=5000 |
length(vector.variable3[1][vector.variable3[2] == niveles[2]]) >=5000 |
length(vector.variable3[1][vector.variable3[2] == niveles[3]]) >=5000 ) {
cat("--- El Test de Shapiro-Wilk no se pudo realizar porque algun nivel contenia mas de 5000 observaciones")
cat("######################################################################################################", "\n")
cat(" ", "\n")
}
}
}
}
pablojzerega/leacs documentation built on April 11, 2021, 12:58 a.m.
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
Defines functions describir
Documented in describir
#' Función describir
#'
#' Esta función nos permite realizar descripciones rápidas de variables numéricas, de manera univariada ,bivariada en función de una variable categórica de hasta 3 niveles.
#' @param var.num Variable numérica a describir.
#' @param nombre.num Nombre de la variable que aparecera en outputs - opcional.
#' @param unidad Unidad de la variable que aparece en outputs - opcional.
#' @param var.cat Variable categórica a utilizar si hace un analisis bivariado.
#' @param nombre.cat Nombre de la variable categórica que aparece en outputs - opcional.
#' @param label Labels de los niveles de la variable - opcional.
#' @param redondeo Cantidad de decimales a usar en los redondeos. Default es 2.
#' @param hist Graficar o no un histograma. Default en TRUE.
#' @param bins Cantidad de bins del histograma. Por default hace una cuenta aproximada de bins óptimos.
#' @param colores Colores a utilizar en gráficos, en formato lista.
#' @param box Graficar o no un Boxplot. Default en TRUE.
#' @param qq Graficar o no un QQplot. Default en TRUE.
#' @param shapiro Realizar o no un test de Shapiro-Wilks. Default en TRUE
#' @param guardar Guardar o no los gráficos y data.frame con medidas de resumen en el Global Environment. Default en FALSE.
#' @keywords describir leacs
#' @export
#' @examples
#' describir()
describir <- function(data,
var.num,
nombre.num = "",
unidad = "",
var.cat = NULL,
nombre.cat = "",
label = NULL,
redondeo = 2,
hist = TRUE,
bins = NULL,
colores = c("#457b9d","#2a9d8f","#2a9d9f"),
box =TRUE,
qq = TRUE,
shapiro = TRUE,
guardar = FALSE){
# ARGUMENTOS --------------------------------------------------------------
# Esta función devuelve un resumen de la variable númerica especificada, junto con la opción de
# graficar un histograma, boxplot y qqplot
#
# ARGUMENTOS
#
# data: Dataframe que contiene la variable.
#
# metodo: Analisis univariado (1) o bivariado (2)
#
# var.num: Variable númerica a analizar.
#
# unidad: Unidad de la variable
#
# nombre.num: Nombre de la variable a mostrar en los resultados y los gráficos.
#
# var.cat: Variable categórica que separa en grupos
#
# label: Labels de la variable categórica
#
# nombre.cat: Nombre de la variable categórica
#
# redondeo: Decimales a redondear de los resultados, por defecto en 2
#
# colores: Colores de los gráficos
#
# hist: Generar o no el histograma
#
# bins: Bins del histograma
#
# box: Generar o no el boxplot
#
# qq: Generar o no el QQ-plot
#
# shapiro: Correr o no un test de Shapiro-Wilks
#
# guardar: Guardar en el Environment el df y gráficos
#
# RETORNO
#
# Medidas de resumen de la variable númerica y graficos y test de Shapiro Wilk si son especificados.
# REQUISITOS --------------------------------------------------------------
require(e1071)
require(tidyverse)
require(patchwork)
require(describer)
options(dplyr.summarise.inform = FALSE)
# TIDYEVAL ----------------------------------------------------------------
#Se detiene la evaluación de la variable
variable.enq <- enquo(var.num)
vector.variable <- data %>% pull(!!variable.enq)
if (missing(var.cat) == FALSE){
variable.enq2 <- enquo(var.cat)
if(is.null(expr(label)) == FALSE){
data <- data %>% mutate(!!variable.enq2 := as.factor(!!variable.enq2))
#data <- data %>% mutate(!!variable.enq2 := factor(!!variable.enq2,
# levels =c(0,1),
# labels = c(label[1],label[2])))
}
vector.variable2 <- data %>% pull(!!variable.enq2)
vector.variable3 <- data %>% select(!!variable.enq,!!variable.enq2)
niveles <- levels(vector.variable2)
if (length(colores) != length(unique(niveles))) {
stop("Es necesario que especifiques la misma cantidad de colores que niveles de la variable categórica")
}
}
# COMPROBACIONES ----------------------------------------------------------
if (!is.numeric(vector.variable)) {
stop("Es necesario que la variable sea numerica,
Por favor introduzca una variable que cumpla estos criterios")
}
# WARNINGS
if(nombre.num == "" | unidad == ""){
warning(paste("Es recomendable elegir un nombre y una unidad a la variable para
tener una mejor lectura de los resultados.", "\n"))
}
if(guardar == FALSE){
warning(paste("Los resultados y los graficos no se guardaran en el GlobalEnv, para guardarlos
cambie el argumento guardar a TRUE.","\n"))
}
if(is.null(bins)){
warning(paste("Si los bins automaticos del histograma no son los correctos, podes cambiarlos con el argumento bins.","\n"))
}
# FUNCION UNIVARIADA ------------------------------------------------------
# Medidas de resumen en df.resumen
if (missing(var.cat) == TRUE){
df.resumen <- data %>%
summarize(
n=n(),
media=mean(!!variable.enq,na.rm = TRUE),
mediana=median(!!variable.enq,na.rm = TRUE),
ds=sd(!!variable.enq, na.rm = TRUE),
RIQ=IQR(!!variable.enq, na.rm = TRUE),
p25=quantile(!!variable.enq, c(0.25), na.rm = TRUE),
p75=quantile(!!variable.enq, c(0.75), na.rm = TRUE),
max=max(!!variable.enq,na.rm = TRUE),
min=min(!!variable.enq,na.rm = TRUE),
skew=skewness(!!variable.enq, na.rm = TRUE),
kurt=kurtosis(!!variable.enq, na.rm = TRUE))
df.resumen <- round(df.resumen,redondeo)
# GENERACIÓN DEL TEST DE SHAPIRO WILK
if(shapiro == TRUE & length(vector.variable) <=5000){
test <- shapiro.test(vector.variable)
# Agrego el p valor al df df.resumen
p.valor <- test$p.value
df.resumen$shapiro.p <- p.valor
}
# Guardar o no el dataframe en el GlobaEnv
if (guardar == TRUE){
assign(paste(nombre.num,"resumen",sep="."),
envir =.GlobalEnv,
df.resumen)
}
# Graficos univariados
#Creación de graficos en objetos p1, p2 y p3
## Histograma
if (is.null(bins)){
bins = sqrt(length(vector.variable))
}
if (hist == TRUE){
p1 <- ggplot(data, aes(x=!!variable.enq)) +
geom_histogram(
fill=colores[1],
colour="black",
bins = bins) +
labs(
title = paste("Histograma de la variable",nombre.num,sep=": "),
x= paste(nombre.num,unidad, sep =" "),
y="Frecuencia") +
theme(
plot.title = element_text(color="black", size=14, face="bold.italic"),
plot.subtitle = element_text(color="black", size=10, face="italic"),
axis.title.x = element_text(color="black", size=12, face="bold"),
axis.title.y = element_text(color="black", size=12, face="bold"),
legend.position = "none")
}
## Boxplot
if(box==TRUE){
p2 <- ggplot(data, aes(x = !!variable.enq)) +
geom_boxplot(fill = colores[1],
color = "black") +
labs(title = paste("Boxplot de la variable",nombre.num,sep=": "),x = nombre.num) +
theme(
plot.title = element_text(color="black", size=14, face="bold.italic"),
plot.subtitle = element_text(color="black", size=10, face="italic"),
axis.title.y = element_text(color="black", size=12, face="bold"),
legend.position = "none")+
coord_flip()
}
## QQ-plot
if(qq==TRUE){
p3 <- ggplot(data, aes(sample = !!variable.enq)) +
geom_qq(fill = colores[1]) +
geom_qq_line()+
labs(title =paste("Q-Q Plot de la variable",nombre.num,sep=": "),
y = "Muestra",
x = "Muestra teórica")+
theme(
plot.title = element_text(color="black", size=14, face="bold.italic"),
plot.subtitle = element_text(color="black", size=10, face="italic"),
axis.title.x = element_text(color="black", size=12, face="bold"),
axis.title.y = element_text(color="black", size=12, face="bold"),
legend.position = "none")
}
#Guardar gráficos si argumento guardar == TRUE
if(guardar == TRUE & hist == TRUE){
assign(paste(nombre.num, "Histograma", sep = "."),
envir = .GlobalEnv,
p1)
}
if(guardar ==TRUE & box == TRUE){
assign(paste(nombre.num, "Boxplot", sep = "."),
envir = .GlobalEnv,
p2)
}
if(guardar ==TRUE & qq == TRUE){
assign(paste(nombre.num, "QQ-Plot", sep = "."),
envir = .GlobalEnv,
p3)
}
## Combinación de graficos
if (hist == TRUE & box ==TRUE & qq == TRUE){
print(p1/(p2+p3))
if (guardar == TRUE){
assign(paste(nombre.num,"graficos", sep = "."),
envir = .GlobalEnv,
p1/(p2+p3))
}
}
if (hist == TRUE & box == TRUE & qq == FALSE){
print(p1/p2)
if (guardar == TRUE){
assign(paste(nombre.num,"graficos", sep = "."),
envir = .GlobalEnv,
p1/p2)
}
}
if (hist == FALSE & box == TRUE & qq ==TRUE){
print(p2/p3)
if (guardar == TRUE){
assign(paste(nombre.num,"graficos", sep = "."),
envir = .GlobalEnv,
p2/p3)
}
}
if (hist == TRUE & box == FALSE &qq ==TRUE){
print(p1/p3)
if (guardar == TRUE){
assign(paste(nombre.num,"graficos", sep = "."),
envir = .GlobalEnv,
p1/p3)
}
}
#Graficos individuales
if (hist == TRUE & box == FALSE & qq == FALSE){
print(p1)
}
if (hist == FALSE & box == TRUE & qq == FALSE){
print(p2)
}
if (hist == FALSE & box == FALSE & qq == TRUE){
print(p3)
}
# DEVOLUCIÓN DE LA FUNCIÓN UNIVARIADA
cat(" ", "\n")
cat("##################################################################################", "\n")
cat(" ", "\n")
cat("--- Medidas de resumen de la variable ", nombre.num, "--------------------------------------", "\n", sep="")
cat(" ", "\n")
cat(" Medidas", "\n")
sprintf(fmt = "%22s%48s", "n",df.resumen$n) %>% cat("\n")
sprintf(fmt = "%30s%40s", paste("Media",unidad,sep = " "),df.resumen$media) %>% cat("\n")
sprintf(fmt = "%30s%40s", paste("Mediana",unidad,sep = " "),df.resumen$mediana) %>% cat("\n")
sprintf(fmt = "%30s%40s", paste("Desvio estandar",unidad,sep = " "),df.resumen$ds) %>% cat("\n")
sprintf(fmt = "%30s%40s",paste("p25",unidad,sep = " "),df.resumen$p25) %>% cat("\n")
sprintf(fmt = "%30s%40s",paste("p75",unidad,sep = " "),df.resumen$p75) %>% cat("\n")
sprintf(fmt = "%30s%40s",paste("RIQ",unidad,sep = " "),df.resumen$RIQ) %>% cat("\n")
sprintf(fmt = "%30s%40s",paste("Mínimo",unidad,sep = " "),df.resumen$min) %>% cat("\n")
sprintf(fmt = "%30s%40s", paste("Máximo",unidad,sep = " "),df.resumen$max) %>% cat("\n")
cat(" ", "\n")
cat("--- Medidas de forma de la variable ", nombre.num," ----------------------------------------", "\n", sep="")
cat(" ", "\n")
sprintf(fmt = "%25s%45s","Skewness",df.resumen$skew) %>% cat("\n")
sprintf(fmt = "%25s%45s","Kurtosis",df.resumen$kurt) %>% cat("\n")
cat(" ", "\n")
cat("--- Analisis de las medidas de resumen de la variable ", nombre.num, "----------------------", "\n", sep="")
cat(" ", "\n")
sprintf(fmt = "%30s%40s",paste("Media - Mediana ",unidad),
round(df.resumen$media-df.resumen$mediana,2)) %>% cat("\n")
sprintf(fmt = "%30s%40s", paste("p75 - p50", unidad),
df.resumen$p75-df.resumen$mediana) %>% cat("\n")
sprintf(fmt = "%30s%40s",paste("p50 - p25",unidad),
df.resumen$mediana-df.resumen$p25) %>% cat("\n")
cat(" ", "\n")
if(shapiro == TRUE & length(vector.variable) <=5000){
cat("--- Test de Shapiro-Wilk de la variable: ", nombre.num,"---", "\n", sep="")
sprintf(fmt = "%25s%55s","p-valor",df.resumen$shapiro.p) %>% cat("\n")
cat(" ", "\n")
cat("##################################################################################", "\n")
cat(" ", "\n")
}
if(shapiro == TRUE & length(vector.variable) >=5000){
cat("---Test de Shapiro-Wilk de la variable: ", nombre.num,"---", "\n", sep="")
cat(" El número de observaciones es igual o mayor a 5000, no se puede realizar el test de Shapiro-Wilk", "\n")
cat(" ", "\n")
cat("##################################################################################", "\n")
cat(" ", "\n")
}}
# FUNCION BIVARIADA -------------------------------------------------------
if (missing(var.cat) == FALSE){
# Se genera el dataframe que contiene las medidas de resumen bivariado en df.resumen.multi
df.resumen.multi <- data %>% mutate(!!variable.enq2 := as.numeric(!!variable.enq2)) %>%
group_by(!!variable.enq2) %>%
summarize(
n=n(),
media=mean(!!variable.enq,na.rm = TRUE),
mediana=median(!!variable.enq,na.rm = TRUE),
ds=sd(!!variable.enq, na.rm = TRUE),
RIQ=IQR(!!variable.enq, na.rm = TRUE),
p25=quantile(!!variable.enq, c(0.25), na.rm = TRUE),
p75=quantile(!!variable.enq, c(0.75), na.rm = TRUE),
max=max(!!variable.enq,na.rm = TRUE),
min=min(!!variable.enq,na.rm = TRUE),
skew=skewness(!!variable.enq, na.rm = TRUE),
kurt=kurtosis(!!variable.enq, na.rm = TRUE),
)
df.resumen.multi$shapiro <- rep(1,times = length(unique(vector.variable3[[2]])))
df.resumen.multi <- round(df.resumen.multi,redondeo)
# GENERACIÓN DEL TEST DE SHAPIRO WILK
if(shapiro == TRUE & length(vector.variable) <=5000){
for(i in 1:length(unique(vector.variable3[[2]]))){
df.resumen.multi[[i,13]] <- shapiro.test(vector.variable3[1][vector.variable3[2] == niveles[i]])$p.value
}
}
df.resumen.multi <-df.resumen.multi
# Guardar o no el dataframe en el GlobaEnv
if (guardar == TRUE){
assign(paste(nombre.num,"-",nombre.cat,"resumen_multivariado",sep="."),
envir =.GlobalEnv,
df.resumen.multi)
}
# Graficos bivariados
#Creación de graficos en objetos p1, p2 y p3
## Histograma
if (is.null(bins)){
bins = sqrt(length(vector.variable))
}
if (hist == TRUE){
p1.bi <-ggplot(data, aes(x=!!variable.enq)) +
geom_histogram(aes(fill=!!variable.enq2),
colour="black",
bins = bins) +
labs(
title = paste("Histogramas de la variable",nombre.num,"en función de",nombre.cat,sep=" "),
x= paste(nombre.num,unidad, sep =" "),
y="Frecuencia") +
scale_fill_manual(values = colores)+
theme(
plot.title = element_text(color="black", size=14, face="bold.italic"),
plot.subtitle = element_text(color="black", size=10, face="italic"),
axis.title.x = element_text(color="black", size=12, face="bold"),
axis.title.y = element_text(color="black", size=12, face="bold"),
legend.position = "none")+ facet_grid(cols = vars(!!variable.enq2))
}
## Boxplot
if(box==TRUE){
p2.bi <- ggplot(data, aes(x = !!variable.enq)) +
geom_boxplot(aes(fill = !!variable.enq2),
color = "black") +
labs(title = paste("Boxplots de la variable",nombre.num,"en función de",nombre.cat,sep=" "),x = nombre.num) +
scale_fill_manual(values = colores)+
theme(
plot.title = element_text(color="black", size=14, face="bold.italic"),
plot.subtitle = element_text(color="black", size=10, face="italic"),
axis.title.y = element_text(color="black", size=12, face="bold"),
legend.position = "none")+
coord_flip()+ facet_grid(vars(!!variable.enq2))
}
## QQ-plot
if(qq==TRUE){
p3.bi <- ggplot(data, aes(sample = !!variable.enq)) +
geom_qq(aes(fill = !!variable.enq2)) +
geom_qq_line()+
labs(title =paste("Q-Q Plots de la variable",nombre.num,"en función de",nombre.cat,sep=" "),
y = "Muestras observadas",
x = "Muestras teóricas")+
scale_fill_manual(values = colores)+
theme(
plot.title = element_text(color="black", size=14, face="bold.italic"),
plot.subtitle = element_text(color="black", size=10, face="italic"),
axis.title.x = element_text(color="black", size=12, face="bold"),
axis.title.y = element_text(color="black", size=12, face="bold"),
legend.position = "none")+ facet_grid(vars(!!variable.enq2))
}
#Guardar gráficos si argumento guardar == TRUE
if(guardar == TRUE & hist == TRUE){
assign(paste(nombre.num, "Histograma bivariado", sep = "."),
envir = .GlobalEnv,
p1.bi)
}
if(guardar ==TRUE & box == TRUE){
assign(paste(nombre.num, "Boxplot bivariado", sep = "."),
envir = .GlobalEnv,
p2.bi)
}
if(guardar ==TRUE & qq == TRUE){
assign(paste(nombre.num, "QQ-Plot bivariado", sep = "."),
envir = .GlobalEnv,
p3.bi)
}
if (length(unique(vector.variable3[[2]])) == 2) {
## Combinación de graficos
if (hist == TRUE & box ==TRUE & qq == TRUE){
print(p1.bi/(p2.bi+p3.bi))
if (guardar == TRUE){
assign(paste(nombre.num,"graficos", sep = "."),
envir = .GlobalEnv,
p1.bi/(p2.bi+p3.bi))
}
}
if (hist == TRUE & box == TRUE & qq == FALSE){
print(p1.bi/p2.bi)
if (guardar == TRUE){
assign(paste(nombre.num,"graficos", sep = "."),
envir = .GlobalEnv,
p1.bi/p2.bi)
}
}
if (hist == FALSE & box == TRUE & qq ==TRUE){
print(p2.bi/p3.bi)
if (guardar == TRUE){
assign(paste(nombre.num,"graficos", sep = "."),
envir = .GlobalEnv,
p2.bi/p3.bi)
}
}
if (hist == TRUE & box == FALSE &qq ==TRUE){
print(p1.bi/p3.bi)
if (guardar == TRUE){
assign(paste(nombre.num,"graficos", sep = "."),
envir = .GlobalEnv,
p1.bi/p3.bi)
}
}}
# Graficos con 3 levels
if (length(unique(vector.variable3[[2]])) == 3 & qq == TRUE) {
print(p3.bi)
}
if (length(unique(vector.variable3[[2]])) == 3 & box == TRUE) {
print(p2.bi)
}
if (length(unique(vector.variable3[[2]])) == 3 & hist == TRUE) {
print(p1.bi)
}
#Graficos individuales
if (hist == TRUE & box == FALSE & qq == FALSE){
print(p1.bi)
}
if (hist == FALSE & box == TRUE & qq == FALSE){
print(p2.bi)
}
if (hist == FALSE & box == FALSE & qq == TRUE){
print(p3.bi)
}
# DEVOLUCIÓN DE LA FUNCIÓN BIVARIADA
if (length(unique(vector.variable3[[2]])) == 2) {
cat(" ", "\n")
cat("######################################################################################################", "\n")
cat(" ", "\n")
cat("--- Medidas de resumen de la variable ", nombre.num," en función de ",nombre.cat," --------------------------------------", "\n", sep="")
cat(" ", "\n")
sprintf(fmt = "%-30s%-40s%-40s", "Medida",label[1],label[2]) %>% cat("\n")
sprintf(fmt = "%-30s%-40s%-40s", "n",df.resumen.multi$n[1],df.resumen.multi$n[2]) %>% cat("\n")
sprintf(fmt = "%-30s%-40s%-40s", paste("Media",unidad,sep = " "),df.resumen.multi$media[1],df.resumen.multi$media[2]) %>% cat("\n")
sprintf(fmt = "%-30s%-40s%-40s", paste("Mediana",unidad,sep = " "),df.resumen.multi$mediana[1],df.resumen.multi$mediana[2]) %>% cat("\n")
sprintf(fmt = "%-30s%-40s%-40s", paste("Desvio estandar",unidad,sep = " "),df.resumen.multi$ds[1],df.resumen.multi$ds[2]) %>% cat("\n")
sprintf(fmt = "%-30s%-40s%-40s", paste("p25",unidad,sep = " "),df.resumen.multi$p25[1],df.resumen.multi$p25[2]) %>% cat("\n")
sprintf(fmt = "%-30s%-40s%-40s", paste("p75",unidad,sep = " "),df.resumen.multi$p75[1],df.resumen.multi$p75[2]) %>% cat("\n")
sprintf(fmt = "%-30s%-40s%-40s", paste("RIQ",unidad,sep = " "),df.resumen.multi$RIQ[1],df.resumen.multi$RIQ[2]) %>% cat("\n")
sprintf(fmt = "%-30s%-40s%-40s", paste("Mínimo",unidad,sep = " "),df.resumen.multi$min[1],df.resumen.multi$min[2]) %>% cat("\n")
sprintf(fmt = "%-30s%-40s%-40s", paste("Máximo",unidad,sep = " "),df.resumen.multi$max[1],df.resumen.multi$max[2]) %>% cat("\n")
cat(" ", "\n")
cat("--- Medidas de forma de la variable ", nombre.num," en función de ",nombre.cat," ----------------------------------------", "\n", sep="")
cat(" ", "\n")
sprintf(fmt = "%-30s%-40s%-40s", "Skewness",df.resumen.multi$skew[1],df.resumen.multi$skew[2]) %>% cat("\n")
sprintf(fmt = "%-30s%-40s%-40s", "Kurtosis",df.resumen.multi$kurt[1],df.resumen.multi$kurt[2]) %>% cat("\n")
cat(" ", "\n")
cat("--- Analisis de las medidas de resumen de la variable ", nombre.num," en función de ",nombre.cat," ----------------------", "\n", sep="")
cat(" ", "\n")
sprintf(fmt = "%-30s%-40s%-40s", "Media - Mediana",
round(df.resumen.multi$media[1]-df.resumen.multi$mediana[1],2)
,round(df.resumen.multi$media[2]-df.resumen.multi$mediana[2],2)) %>% cat("\n")
sprintf(fmt = "%-30s%-40s%-40s", paste("p75 - p50", unidad),
df.resumen.multi$p75[1]-df.resumen.multi$mediana[1],
df.resumen.multi$p75[2]-df.resumen.multi$mediana[2]) %>% cat("\n")
sprintf(fmt = "%-30s%-40s%-40s", paste("p50 - p25",unidad),
df.resumen.multi$mediana[1]-df.resumen.multi$p25[1],
df.resumen.multi$mediana[2]-df.resumen.multi$p25[2]) %>% cat("\n")
cat(" ", "\n")
if(shapiro == TRUE &
length(vector.variable3[1][vector.variable3[2] == niveles[1]]) <=5000 &
length(vector.variable3[1][vector.variable3[2] == niveles[2]]) <=5000)
{
cat("--- Test de Shapiro-Wilk de la variable ", nombre.num," en función de",nombre.cat," ---------------------------------", "\n", sep=" ")
sprintf(fmt = "%-30s%-40s%-40s","p-valor",df.resumen.multi$shapiro[1],df.resumen.multi$shapiro[2]) %>% cat("\n")
cat("#######################################################################################################", "\n")
cat(" ", "\n")
}
if(shapiro == TRUE &
length(vector.variable3[1][vector.variable3[2] == niveles[1]]) <=5000 &
length(vector.variable3[1][vector.variable3[2] == niveles[2]]) >=5000)
{
cat("--- Test de Shapiro-Wilk de la variable", nombre.num,"se realizo solamente para el nivel",label[1],"---", "\n", sep=" ")
cat("El nivel",label[2],"tiene 5000 o más observaciones",df.resumen.multi$shapiro[1], "\n", sep = " ")
cat("El p-valor es:",df.resumen.multi$shapiro[1], "\n")
cat("######################################################################################################", "\n")
cat(" ", "\n")
}
if(shapiro == TRUE &
length(vector.variable3[1][vector.variable3[2] == niveles[1]]) >=5000 &
length(vector.variable3[1][vector.variable3[2] == niveles[2]]) <=5000)
{
cat("--- Test de Shapiro-Wilk de la variable", nombre.num,"se realizo solamente para el nivel",label[2],"---", "\n", sep=" ")
cat("El nivel",label[1],"tiene 5000 o más observaciones",df.resumen.multi$shapiro[1], "\n", sep = " ")
cat("El p-valor es:",df.resumen.multi$shapiro[2], "\n")
cat("######################################################################################################", "\n")
cat(" ", "\n")
}
if(shapiro == FALSE |
length(vector.variable3[1][vector.variable3[2] == niveles[1]]) >=5000 &
length(vector.variable3[1][vector.variable3[2] == niveles[2]]) >=5000)
{
cat("--- El test de Shapiro-Wilk no se realizo porque no se activo el argumento o los 2 grupos tienen mas de 5000 observaciones","---", "\n", sep=" ")
cat("######################################################################################################", "\n")
cat(" ", "\n")
}
}
# DEVOLUCIÓN DE LA FUNCIÓN BIVARIADA
if (length(unique(vector.variable3[[2]])) == 3) {
cat(" ", "\n")
cat("######################################################################################################", "\n")
cat(" ", "\n")
cat("--- Medidas de resumen de la variable ", nombre.num," en función de ",nombre.cat," --------------------------------------", "\n", sep="")
cat(" ", "\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", "Medida",
label[1],
label[2],
label[3]) %>% cat("\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", "n",
df.resumen.multi$n[1],
df.resumen.multi$n[2],
df.resumen.multi$n[3]) %>% cat("\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", paste("Media",unidad,sep = " "),
df.resumen.multi$media[1],
df.resumen.multi$media[2],
df.resumen.multi$media[3]) %>% cat("\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", paste("Mediana",unidad,sep = " "),
df.resumen.multi$mediana[1],
df.resumen.multi$mediana[2],
df.resumen.multi$mediana[3]) %>% cat("\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", paste("Desvio estandar",unidad,sep = " "),
df.resumen.multi$ds[1],
df.resumen.multi$ds[2],
df.resumen.multi$ds[3]) %>% cat("\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", paste("p25",unidad,sep = " "),
df.resumen.multi$p25[1],
df.resumen.multi$p25[2],
df.resumen.multi$p25[3]) %>% cat("\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", paste("p75",unidad,sep = " "),
df.resumen.multi$p75[1],
df.resumen.multi$p75[2],
df.resumen.multi$p75[3]) %>% cat("\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", paste("RIQ",unidad,sep = " "),
df.resumen.multi$RIQ[1],
df.resumen.multi$RIQ[2],
df.resumen.multi$RIQ[3]) %>% cat("\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s",paste("Mínimo",unidad,sep = " "),
df.resumen.multi$min[1],
df.resumen.multi$min[2],
df.resumen.multi$min[3]) %>% cat("\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", paste("Máximo",unidad,sep = " "),
df.resumen.multi$max[1],
df.resumen.multi$max[2],
df.resumen.multi$max[3]) %>% cat("\n")
cat(" ", "\n")
cat("--- Medidas de forma de la variable ", nombre.num," en función de ",nombre.cat," ----------------------------------------", "\n", sep="")
cat(" ", "\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", "Skewness",
df.resumen.multi$skew[1],
df.resumen.multi$skew[2],
df.resumen.multi$skew[3]) %>% cat("\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", "Kurtosis",
df.resumen.multi$kurt[1],
df.resumen.multi$kurt[2],
df.resumen.multi$kurt[3]) %>% cat("\n")
cat(" ", "\n")
cat("--- Analisis de las medidas de resumen de la variable ", nombre.num," en función de ",nombre.cat," ----------------------", "\n", sep="")
cat(" ", "\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", "Media - Mediana",
round(df.resumen.multi$media[1]-df.resumen.multi$mediana[1],2)
,round(df.resumen.multi$media[2]-df.resumen.multi$mediana[2],2),
round(df.resumen.multi$media[2]-df.resumen.multi$mediana[3],2)) %>% cat("\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", paste("p75 - p50", unidad),
df.resumen.multi$p75[1]-df.resumen.multi$mediana[1],
df.resumen.multi$p75[2]-df.resumen.multi$mediana[2],
df.resumen.multi$p75[2]-df.resumen.multi$mediana[3]) %>% cat("\n")
sprintf(fmt = "%-30s%-30s%-30s%-30s", paste("p50 - p25",unidad),
df.resumen.multi$mediana[1]-df.resumen.multi$p25[1],
df.resumen.multi$mediana[2]-df.resumen.multi$p25[2],
df.resumen.multi$mediana[2]-df.resumen.multi$p25[3]) %>% cat("\n")
cat(" ", "\n")
if(shapiro == TRUE &
length(vector.variable3[1][vector.variable3[2] == niveles[1]]) <=5000 &
length(vector.variable3[1][vector.variable3[2] == niveles[2]]) <=5000 &
length(vector.variable3[1][vector.variable3[2] == niveles[3]]) <=5000)
{
cat("--- Test de Shapiro-Wilk de la variable ", nombre.num," en función de",nombre.cat," ---------------------------------", "\n", sep=" ")
sprintf(fmt = "%-30s%-30s%-30s%-30s","p-valor",
df.resumen.multi$shapiro[1],
df.resumen.multi$shapiro[2],
df.resumen.multi$shapiro[3]) %>% cat("\n")
cat("#######################################################################################################", "\n")
cat(" ", "\n")
}
if(shapiro == TRUE &
length(vector.variable3[1][vector.variable3[2] == niveles[1]]) >=5000 |
length(vector.variable3[1][vector.variable3[2] == niveles[2]]) >=5000 |
length(vector.variable3[1][vector.variable3[2] == niveles[3]]) >=5000 ) {
cat("--- El Test de Shapiro-Wilk no se pudo realizar porque algun nivel contenia mas de 5000 observaciones")
cat("######################################################################################################", "\n")
cat(" ", "\n")
}
}
}
}
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
Embedding an R snippet on your website
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.