Variables y tipos

Caracteres

Los vectores de carácter o strings almacenan todo tipo de caracteres, desde letras hasta símbolos especiales. Siempre utilizaremos las comillas para referirnos a cada valor. Creamos un vector de carácter de la siguiente manera:

vector_caracter <- c("Kuwait", "Qatar", "Saudi Arabia", "Bahrain")

Para poder modificar fácilmente los vectores de carácter, uno de los paquetes con más posibilidades es el paquete stringr.

Factores

Un factor es un vector entero que almacena información categórica. Normalmente crearemos los factores a partir de un vector de carácter y lo pasaremos como factor con la función factor()¹ de la siguiente manera:

paises <- factor(c("BRA", "ARG", "VEN", "URU", "PAR")) #creamos un vector de carácter
paises #observamos el vector
levels(paises) #observamos los niveles

A continuación observamos como modificar los niveles de un factor:

#podemos modificar los niveles de la siguiente manera:
levels(paises) <- c("Argentina", "Brazil", "Paraguay", "Uruguay", "Venezuela") 
paises #comprobamos los resultados

#también podemos modificar un solo nivel
levels (paisos)[4] <- c("URUGUAY") 
paisos #comprovamos los resultados

#lo podemos modificar los niveles a través de un argumento en la función factor
factor(paisos, labels = c("Argentina", "Brazil", "Paraguay", "Uruguay", "Venezuela"))

Para manipular factores es muy útil el paquete forcats.

Lógicos

En un vector lógico la variable solo puede tener dos valores discretos y normalmente no ordenables: verdadero (TRUE) y falso (FALSE). En este caso se tratará de una variable binaria (también llamada dicotómica, booleana o dummy), que normalmente sirve para indicar la presencia o ausencia de un determinado concepto. Si el concepto está presente, la variable toma el valor lógico TRUE, si el concepto es ausente, toma el valor lógico FALSE. Crearemos un vector lógico de la siguiente manera:

vector_logico <- c(TRUE, FALSE, FALSE, TRUE)

Factores

Los factores son una de las herramientas principales que tenemos para almacenar variables categóricas. Su gran potencial es la forma en que pueden guardar variables ordinales, ya que tienen la capacidad de ordenar las categorías siguiendo el orden que se indica. Fijaros en el marco de datos que creamos, donde tenemos una variable categórica ordinal. Una vez creado, imprimimos el marco de datos tecleando wb.

wb <- data.frame(country = c("Antigua and Barbuda", "Belize", "Costa Rica", "Dominica", "Dominican Republic",
                             "El Salvador", "Guyana", "Guatemala", "Haiti", "Honduras", "Jamaica", "Nicaragua", 
                             "Panama", "Surinam", "Trinidad and Tobago"), 
                 income = factor(c("high", "upper-middle", "upper-middle","upper-middle", "upper-middle", 
                                   "lower-middle", "upper-middle", "upper-middle","low", "lower-middle", "upper-middle",
                                   "lower-middle", "high", "upper-middle", "high")),
                 stringsAsFactors = FALSE)

Fijaos en el procedimiento para convertir un factor en ordinal:

• Dentro de la función factor(), indicamos que el argumento order a TRUE.
• Indicamos al argumento levels el orden de los factores, de menor a mayor.

wb$income <- factor(wb$income, order = TRUE,
                    levels = c("low", "lower-middle", "upper-middle", "high"))

Comprobamos el resultado con:

class(wb$income)
wb$income

Vectores lógicos

Los vectores lógicos también pueden operar como una variable categórica ordinal per el simple hecho de que TRUE es convertible a 1 y FALSE es convertible a 0. Fijaos qué pasa si convertimos un vector lógico a vector numérico.

as.numeric(c(TRUE, FALSE))

## [1] 1 0

Eso significa que TRUE puede ser interpretado como un 1 y FALSE como un 0. Para ilustrarlo vamos a crear un marco de datos formado por dos vectores, country y poverty. Primero creamos los vectores y, a partir de los vectores, creamos el marco de datos.

country = c("Armenia", "Austria", "Benin", "Bolivia", "Brazil", "Colombia",
            "El Salvador", "Ethiopia", "Honduras", "Indonesia")
poverty = c(1.90, 0.7, 49.6, 6.4, 3.4, 4.5, 1.9, 26.7, 16.2, 7.2)
pov <- data.frame(country, poverty)

Observad como cualquier vector es convertible en un vector lógico. Observad los siguientes ejemplos:

pov$country == "Benin" #preguntamos si algun elemento del vector country lleva el nombre Benin

##  [1] FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

pov$poverty < 16 #preguntamos si algún elemento del vector *poverty* es inferior a 16

##  [1]  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE FALSE FALSE  TRUE

Para pasar cualquier tipus de vector a vector lógico tendremos que dominar los operadores relacionales. Este vídeo resume los distintos operadores que hemos visto hasta ahora:

Para combinar distintos resultados lógicos es esencial que comprendáis cómo funcionan los operadores booleanos:

• AND: Utilizaremos el símbolo &
  
• OR: Utilizaremos el símbolo |
  
• NOT: Utilizaremos el símbolo !=

El siguiente vídeo os lo explica.

Veamos algunos ejemplos de cómo funcionan los operadores booleanos:

pov$country == "Austria" | pov$poverty < 15
pov$country == "Austria" & pov$poverty < 15
!pov$country == "Austria" & pov$poverty < 15
pov$country != "Austria" & pov$poverty < 15

##  [1]  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE FALSE FALSE  TRUE

##  [1] FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

##  [1]  TRUE FALSE FALSE  TRUE  TRUE  TRUE  TRUE FALSE FALSE  TRUE

##  [1]  TRUE FALSE FALSE  TRUE  TRUE  TRUE  TRUE FALSE FALSE  TRUE

if_else()

La estructura de la función if_else() consta de tres argumentos, separados por comas:

1. Condición lógica. El resultado del primer argumento debe ser un vector lógico que separe los valores que son TRUE y los que son FALSE.
2. Valor nuevo que tomarán los TRUE.
3. Valor nuevo que tomarán los FALSE.

if_else(pov$poverty >= 10, 1, 0)

##  [1] 0 0 1 0 0 0 0 1 1 0

if_else(between(pov$poverty, 5, 20), "Medium", "Other")

##  [1] "Other"  "Other"  "Other"  "Medium" "Other"  "Other"  "Other"  "Other" 
##  [9] "Medium" "Medium"

case_when()

La estructura de la función case_when() consta de mínimo tres argumentos, separados por comas:

• Condición lógica 1. El resultado del primer argumento debe ser un vector lógico que separe los valores que son TRUE y los que son FALSE.
• Todos los TRUE nos los convertirá en la categoría que indicamos después del símbolo ~.
• Condición lógica 2 y así sucesivamente.
• Si queremos indicar ‘el resto de valores’ lo haremos con un último argumento donde indique TRUE, seguido el símbolo ~ y el valor que tomarán el resto de valores.

pov$f_poverty <- case_when(pov$poverty < 2 ~ "Low", 
                           between(pov$poverty, 2, 10) ~ "Medium", 
                           TRUE ~ "High")

En caso de que, una vez categorizada la variable, la queramos hacer ordinal:

pov$f_poverty <- factor(pov$f_poverty, order = TRUE, 
                        levels = c("Low", "Medium", "High"))