Dra. Beatriz Valdez: Estrategia y Datos Sociales

Usando googleVis Usando googleVis El paquete googlesVis es una interface entre R y los gráficos de Google . En este post haremos algunos ejemplos sobre cómo emplear este paquete, creando un gráfico de movimiento con data real, obtenida del Banco Central de Venezuela , sobre la variación en los agregados monetarios entre 1992 y 2006. Vamos a usar el paquete xlsx que nos permite leer hojas de cálculos de Excel # obtenemos el paquete require(xlsx) # indicamos la localizacion del archivo libro <- "~/Downloads/1_6_1.xls" ibro <- (ibro, sheetNames="liquidez") Obtenemos ahora el paquete googleVis: require(googleVis) Antes de elaborar la gráfica tenemos que formatear la data de la forma como la requiere el tipo de visualización que deseamos elaborar: require(reshape) liquidezMelt <- melt(liquidez, id = "fecha") Creamos la gráfica: m <- gvisMotionChart(liquidezMelt, idvar = "variable", timevar = "f...

Las reservas internacionales de Venezuela siguen una tendencia creciente desde principios del año 2000 y hasta el 2008. En el 2009 las reservas inician un proceso de decrecimiento marcado por fuertes fluctuaciones. Si sigue la linea de tendencia del gráfico con el mouse podrá observar la tasa de variación correspondiente al periodo seguido . Igualmente, si amplia o disminuye el zoom podrá obtener la evolución diaria, semanal, mensual, trimestral y anual , y observar la tendencia para cada lapso, desplazando la barra del eje x : Fuente: BCV

Pre-procesamiento de datos. Indezación Pre-procesamiento de datos. Indezación De manera general R guarda los datos en lo que se denomina data frame , algo similar a una matriz de datos para las personas acostumbradas a usar SPSS o a una hoja de cálculo para las personas acostumbradas a trabajar con, por ejemplo, Excel. En la etapa de pre-procesamiento de datos, o incluso durante el análisis o modelado de datos, posiblemente necesitemos trabajar con parte de la data. En ese caso debemos emplear algunos procedimientos para obtenerla. En este post elaboraremos algunos ejemplos sobre cómo extraer información de un data frame , si bien es posible seguir el mismo procedimiento para extraer información de otros objetos de R tales como matrices, vectores, listas y arrays. En una data frame las observaciones, esto es los casos, están en las filas y las variables en las columnas: cancer[1:10, 3:7] ## cervical colon.recto esofago higado leucemia ## 1 ...

Análisis descriptivo Análisis descriptivo Se nos ha pedido información sobre diferentes tipos de cáncer en el mundo en el año 2011 y establecer la situación de Venezuela. Como de costumbre, empezamos subiendo la data a la cónsola de trabajo de R: cancer <- read.csv("~/cancer.csv", header = T, sep = ";", na.string = "NA", dec = ",") Obtenemos información sobre las dimensiones de la data dim(cancer) ## [1] 191 15 str(cancer) ## 'data.frame': 191 obs. of 15 variables: ## $ pais : Factor w/ 191 levels "afghanistan",..: 1 2 3 4 5 6 7 8 9 10 ... ## $ region : Factor w/ 6 levels "africa","america",..: 3 5 1 5 1 2 3 2 4 6 ... ## $ cervical : num 2.6 1.5 3.4 0.8 12.5 5.4 0 5.2 5.5 1 ... ## $ colon.recto: num 6.5 7.1 8.5 14.3 3.5 13.6 5.1 17.1 12.7 13 ... ## $ esofago : num 9.7 2.4 0.5 2.5 4 4.6 1.9 4.8 1.4 3.9 ... ## $ higado : num 3.8 6...