2  El ABC de las funciones

Las funciones reúnen una secuencia de operaciones como un todo, almacenando para su uso continuo. Las funciones proveen:

Como el componente básico de la mayoría de los lenguajes de programación, las funciones definidas por el usuario constituyen la “programación” de cualquier abstracción que puedas hacer.

Si has escrito una función, eres ya todo un programador.

2.1 Tips para generar una función

En R al igual que en otros lenguajes de programación podemos crear nuestras propias funciones.

La estructura de una función en R es la siguiente:

Code 
mi_funcion <- function(parametros){
  acciones
  resultado a regresar
}

2.2 Estructuras de control

  • Las estructuras de control nos permiten controlar la manera en que se ejecuta nuestro código.
  • Las estructuras de control establecen condicionales en nuestros código. Por ejemplo, qué condiciones deben cumplirse para realizar una operación o qué debe ocurrir para ejecutar una función.
  • Esto es de gran utilidad para determinar la lógica y el orden en que ocurren las operaciones, en especial al definir funciones.

Las estructuras de control más usadas:

Estructura de control Descripción
if, else Si, de otro modo
for Para cada uno en
while Mientras
break Interrupción
next Siguiente
case_when Conducional con diversas salidas

2.3 if, else

  • if (si) es usado cuando deseamos que una operación se ejecute únicamente cuando una condición se cumple.
    • SI esta condición es cierta, ENTONCES haz estas operaciones.
  • else (de otro modo) es usado para indicarle a R qué hacer en caso de la condición de un if no se cumpla.
    • SI esta condición es es cierta, ENTONCES haz estas operaciones, DE OTRO MODO haz estas otras operaciones.
Code 
IF you are happy THEN
    smile
ELSE
    frown
ENDIF

Si se cumple la condición y se muestra “Verdadero”

Code 
if(4 > 3) {
  "Verdadero"
} else {
  "Falso"
}
[1] "Verdadero"

2.4 for (for loop)

Su estructura es la siguiente:

Code 
for(elemento in objeto) {
  operacion_con_elemento
}

Con lo anterior le decimos a R:

  • Para cada elemento (contador) en un objeto, haz la siguiente operación.

Vamos a obtener el cuadrado de cada uno de los elementos en un vector numérico del 1 al 6, que representa las caras de un dado.

Code 
dado <- 1:6
mi_vector <- NULL # variable de almacen, vector vacio
# Cara es el contador, que agarra CADA valor de dado
# Empezando con 1 hasta el 6, teniendo 6 iteraciones
for(cara in dado) {
  mi_vector[cara] <- cara ^ 2
}
mi_vector
[1]  1  4  9 16 25 36

2.5 while

Este es un tipo de bucle que ocurre mientras una condición es verdadera (TRUE). La operación se realiza hasta que se se llega a cumplir un criterio previamente establecido.

El modelo de while es:

Code 
while(condicion){
  operaciones
}

Con esto le decimos a R:

  • MIENTRAS esta condición sea VERDADERA, haz estas operaciones.

La condición generalmente es expresada como el resultado de una o varias operaciones de comparación, pero también puede ser el resultado de una función.

Ejemplo:

  • Primero, tomará un número al azar del 1 al 10, y lo sumará a valor.

  • Segundo, le sumará 1 a conteo cada que esto ocurra, de esta manera sabremos cuántas iteraciones ocurrieron para llegar a un valor que no sea menor a 50.

Code 
# declarar dos vectores vacios
conteo <-  0
valor <- 0
while(valor < 50) {
  # Sample va UN valor aleatorio de 1 a 10
  valor <- valor + sample(x = 1:10, size = 1) 
  conteo <- conteo + 1
}
valor
[1] 54
Code 
conteo
[1] 9

El ciclo se va a repetir mientras valor sea menos a 50.

2.5.1 Cuando la condición no es TRUE, no pasa nada

Code 
conteo <- 0
while("dado" == "ficha") {
  conteo <- conteo + 1
}
conteo
[1] 0

2.6 break y next

break y next son palabras reservadas en R, no podemos asignarles nuevos valores y realizan una operación específica cuando aparecen en nuestro código.

break nos permite interrumpir un bucle, mientras que next nos deja avanzar a la siguiente iteración del bucle, “saltándose” la actual. Ambas funcionan para for y while.

2.6.1 Usando break

Para interrumpir un bucle con break, necesitamos que se cumpla una condición. Cuando esto ocurre, el bucle se detiene, aunque existan elementos a los cuales aún podría aplicarse.

Interrumpimos un for cuando i es igual a 3, aunque aún queden 7 elementos en el objeto.

Code 
for(i in 1:10) {
  if(i == 3) {
    break
  }
  print(i)
}
[1] 1
[1] 2

2.6.2 Usando break y while

Code 
numero <- 20
while(numero > 5) {
  if(numero == 15) {
    break
  }
  numero <- numero - 1
}
numero
[1] 15

2.6.3 Usando next

Por su parte, usamos next para “saltarnos” una iteración en un bucle. Cuando la condición se cumple, esa iteración es omitida.

Code 
for(i in 1:4) {
  if(i == 3) {
    next
  }
  print(i)
}
[1] 1
[1] 2
[1] 4

2.7 case_when()

Esquema general:

Code 
INPUT color
CASE color of
    red: PRINT "red"
    green: PRINT "green"
    blue: PRINT "blue"
OTHERS
    PRINT "Please enter a value color"
ENDCASE

Ejemplo:

Code 
library(dplyr)

Attaching package: 'dplyr'
The following objects are masked from 'package:stats':

    filter, lag
The following objects are masked from 'package:base':

    intersect, setdiff, setequal, union
Code 
x <- 1:20
case_when(
  x %% 35 == 0 ~ "fizz buzz",
  x %% 5 == 0 ~ "fizz",
  x %% 7 == 0 ~ "buzz",
  .default = as.character(x)
)
 [1] "1"    "2"    "3"    "4"    "fizz" "6"    "buzz" "8"    "9"    "fizz"
[11] "11"   "12"   "13"   "buzz" "fizz" "16"   "17"   "18"   "19"   "fizz"

3 Gapminder

La fundación Gapminder7 es una organización sin fines de lucro con sede en Suecia que promueve el desarrollo global mediante el uso de estadísticas que pueden ayudar a reducir mitos comunes e historias sensasionalistas sobre la salud y la economía mundial. Una selección importante de datos ya está cargada en la librería dslabs en el data frame gapminder.

3.1 Actividad grupal

Formular preguntas es una forma muy útil de limitar el numero exponencial de caminos a tomar, en particular las preguntas concisas y las hipótesis pueden servir para eliminar el numero de dimensiones y variables que nos son inmediatamente relevantes para responderlas.

Las siguientes preguntas se toman cómo ejemplo para nuestro análisis:

  1. ¿Qué país tiene la esperanza de vida más alta en 2007?
  2. ¿Qué país tiene el aumento más drástico en la esperanza de vida entre 2007 y 2002?
  3. ¿Hay algún país que haya aumentado en su esperanza de vida en los últimos años?
  4. ¿Hay algún país que hayan descendido en su esperanza de vida en los últimos años?

3.1.1 Paso 1. Leer los datos y ver la estructura

Code 
library(gapminder) # paquete de cran
library(tidyverse)
── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
✔ forcats   1.0.0     ✔ readr     2.1.5
✔ ggplot2   3.5.1     ✔ stringr   1.5.1
✔ lubridate 1.9.3     ✔ tibble    3.2.1
✔ purrr     1.0.2     ✔ tidyr     1.3.1
── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag()    masks stats::lag()
ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
Code 
gap <- gapminder
head(gap)
# A tibble: 6 × 6
  country     continent  year lifeExp      pop gdpPercap
  <fct>       <fct>     <int>   <dbl>    <int>     <dbl>
1 Afghanistan Asia       1952    28.8  8425333      779.
2 Afghanistan Asia       1957    30.3  9240934      821.
3 Afghanistan Asia       1962    32.0 10267083      853.
4 Afghanistan Asia       1967    34.0 11537966      836.
5 Afghanistan Asia       1972    36.1 13079460      740.
6 Afghanistan Asia       1977    38.4 14880372      786.
Code 
str(gap)
tibble [1,704 × 6] (S3: tbl_df/tbl/data.frame)
 $ country  : Factor w/ 142 levels "Afghanistan",..: 1 1 1 1 1 1 1 1 1 1 ...
 $ continent: Factor w/ 5 levels "Africa","Americas",..: 3 3 3 3 3 3 3 3 3 3 ...
 $ year     : int [1:1704] 1952 1957 1962 1967 1972 1977 1982 1987 1992 1997 ...
 $ lifeExp  : num [1:1704] 28.8 30.3 32 34 36.1 ...
 $ pop      : int [1:1704] 8425333 9240934 10267083 11537966 13079460 14880372 12881816 13867957 16317921 22227415 ...
 $ gdpPercap: num [1:1704] 779 821 853 836 740 ...

¿Qué nos dicen las columnas?

  • country: factor with 142 levels
  • continent: factor with 5 levels
  • year: oscila entre 1952 y 2007 en incrementos de 5 años
  • lifeExp: esperanza de vida al nacer, en años
  • pop: población
  • gdpPercap: GDP per capita (US$, inflation-adjusted) / PIB per cápita (US$, ajustado a la inflación)

3.1.2 Paso 2. Seleccionar variables

Una vez que determinamos que nuestra data esta completa y que conocemos la estructura de nuestras variables, podemos limpiar nuestra información, revisando los formatos de fechas, quitando NA’s y NULL, así como eliminar la información que no arroja valor para responder nuestras preguntas.

Code 
EDA <- gap %>% 
  select(country, year, lifeExp)
head(EDA)
# A tibble: 6 × 3
  country      year lifeExp
  <fct>       <int>   <dbl>
1 Afghanistan  1952    28.8
2 Afghanistan  1957    30.3
3 Afghanistan  1962    32.0
4 Afghanistan  1967    34.0
5 Afghanistan  1972    36.1
6 Afghanistan  1977    38.4

3.1.3 Paso 3. ¿Qué país tiene la esperanza de vida más alta en 2007?

Nuestra primera aproximación sería realizar un ranking de los páises con la esperanza de vida más alta del 2007 lo cuál podemos realizarlo muy facilmente usando la función arrange().

Code 
Ranking <- EDA %>% 
  filter(year == 2007) %>% 
  arrange(desc(lifeExp))

head(Ranking)
# A tibble: 6 × 3
  country           year lifeExp
  <fct>            <int>   <dbl>
1 Japan             2007    82.6
2 Hong Kong, China  2007    82.2
3 Iceland           2007    81.8
4 Switzerland       2007    81.7
5 Australia         2007    81.2
6 Spain             2007    80.9

Concluimos que la resuesta es Japón con 82.6 años

3.1.4 Paso 4. ¿Qué país tiene el aumento más drástico en la esperanza de vida entre 2007 y 2002?

En este caso la solución requiere que hagamos ajustes a nuestra tabla para poder calcular una nueva variable llamada delta que es la diferencia entre la esperanza de vida del 2007 VS la de 2002.

Code 
# Extraer datos de 2002
Y2002 <- EDA %>% 
  filter(year == 2002) %>%
  rename(LExp2002 = lifeExp) %>% 
  select(-year)
# Extraer datos de 2007
Y2007 <- EDA %>% 
  filter(year == 2007) %>%
  rename(LExp2007 = lifeExp) %>% 
  select(-year)
# Unir informacion por columnas
LifeExpDelta <- merge(Y2002,Y2007)
# Obtener el valor de Delta (diferencia entre la esperanza de vida)
Delta <- LifeExpDelta %>%
  mutate(delta = (LExp2007-LExp2002)/LExp2002) %>% 
  arrange(desc(delta))
head(Delta)
   country LExp2002 LExp2007      delta
1 Botswana   46.634   50.728 0.08779002
2 Zimbabwe   39.989   43.487 0.08747406
3   Zambia   39.193   42.384 0.08141760
4   Uganda   47.813   51.542 0.07799134
5   Malawi   45.009   48.303 0.07318536
6   Rwanda   43.413   46.242 0.06516481

Botswana es el pais con el aumento mas drastico en la esperanza de vida.

3.1.5 Paso 5. ¿Hay algún país que haya aumentado en su esperanza de vida en los últimos años?

Code 
gap %>%
  group_by(continent, country) %>%
  select(country, year, continent, lifeExp) %>%
  mutate(le_delta = lifeExp - lag(lifeExp, 1)) %>%
  summarize(best_le_delta = max(le_delta, na.rm = TRUE)) %>%
  arrange(-best_le_delta) %>%
  head(5)
`summarise()` has grouped output by 'continent'. You can override using the
`.groups` argument.
# A tibble: 5 × 3
# Groups:   continent [3]
  continent country   best_le_delta
  <fct>     <fct>             <dbl>
1 Asia      Cambodia          19.7 
2 Asia      China             13.9 
3 Africa    Rwanda            12.5 
4 Africa    Mauritius          7.10
5 Europe    Bulgaria           7.01

3.1.6 Paso 6. ¿Hay algún país que haya descendido en su esperanza de vida en los últimos años?

Code 
gap %>%
  group_by(continent, country) %>%
  select(country, year, continent, lifeExp) %>%
  mutate(le_delta = lifeExp - lag(lifeExp, 1)) %>%
  summarize(worst_le_delta = min(le_delta, na.rm = TRUE)) %>%
  arrange(worst_le_delta) %>%
  head(5)
`summarise()` has grouped output by 'continent'. You can override using the
`.groups` argument.
# A tibble: 5 × 3
# Groups:   continent [1]
  continent country   worst_le_delta
  <fct>     <fct>              <dbl>
1 Africa    Rwanda             -20.4
2 Africa    Zimbabwe           -13.6
3 Africa    Lesotho            -11.0
4 Africa    Swaziland          -10.4
5 Africa    Botswana           -10.2
Ejercicio 1 (20 min)

  1. Apartir de los datos de gapminder, calcula la media la esperanza de vida por continente y año y preséntala como un data.frame. ¿Cuál continente tuvo la mayor y menor esperanza de vida en el año 1952 y 2007?

  2. Empleando el dataset de iris, crea un data.frame con la media, el valor máximo y mínimo de cada una de las variables agrupado por especie.

  3. Explora la página y busca una base de datos donde puedas aplicar las funciones anteriores y que tenga sentido lo que estás presentando de resultados.

3.2 Material suplementario