Introducción a la Programación con R Tidyverse

# Introducción a la Programación con R Tidyverse
### Paul Efren Santos Andrade
### Enero, 2021

---

---

#  Aprenderemos

- Conceptos básicos de <svg viewBox="0 0 581 512" xmlns="http://www.w3.org/2000/svg" style="height:1em;fill:currentColor;position:relative;display:inline-block;top:.1em;">  [ comment ]  <path d="M581 226.6C581 119.1 450.9 32 290.5 32S0 119.1 0 226.6C0 322.4 103.3 402 239.4 418.1V480h99.1v-61.5c24.3-2.7 47.6-7.4 69.4-13.9L448 480h112l-67.4-113.7c54.5-35.4 88.4-84.9 88.4-139.7zm-466.8 14.5c0-73.5 98.9-133 220.8-133s211.9 40.7 211.9 133c0 50.1-26.5 85-70.3 106.4-2.4-1.6-4.7-2.9-6.4-3.7-10.2-5.2-27.8-10.5-27.8-10.5s86.6-6.4 86.6-92.7-90.6-87.9-90.6-87.9h-199V361c-74.1-21.5-125.2-67.1-125.2-119.9zm225.1 38.3v-55.6c57.8 0 87.8-6.8 87.8 27.3 0 36.5-38.2 28.3-87.8 28.3zm-.9 72.5H365c10.8 0 18.9 11.7 24 19.2-16.1 1.9-33 2.8-50.6 2.9v-22.1z"></path></svg> usando el IDE RStudio (Entorno de desarrollo integrado).

- Escritura de codigos legibles y reproducibles.

- Conceptos basicos de ciencia de datos.

---

## Programas

Es necesario tener instalados:
 
1. Una versión reciente de R (~4.0.3), disponile de forma gratuita en  [cran.r-project.org](http://www.cran.r-project.org)

2. Una versión reciente de RStudio IDE (~1.2.5033), adisponible en  [www.rstudio.com/download](http://www.rstudio.com/download).

---

# Paquetes o librerias

```r
install.packages("vegan")
install.packages("here")
install.packages("readxl")
```
- Esta acción solo se realiza una vez por computador.

] 
.pull-right[
## Activación

```r
library("here")
library("tidyverse")
library("vegan")
```
- Siempre que se inicie una sesión en RStudio

]

---

## Paquetes necesarios:

- Será necesario que instales los siguientes paquetes:

```r
packages <- c("tidyverse", "janitor", 
              "here", "writexl",  "readxl")

install.packages(packages)
```

---
class: middle, center

### Libro de referencia

## R for Data Science

### [Ingles](http://r4ds.had.co.nz/)

### [Español ](https://es.r4ds.hadley.nz/)

]

<img src="img/cover.png" width="50%" style="display: block; margin: auto;" />
]
---
class: middle, center
.pull-left[
<img src="img/rlogo.png" width="45%" style="display: block; margin: auto;" />
El lenguaje de programación. 
]

.pull-right[
<img src="img/rstudio.png" width="45%" style="display: block; margin: auto;" />
Un programa para escribir código.
]

---
class: inverse middle center medium-subsection

## El lenguaje de programación.

---
### El lenguaje de programación.

1. Valores (atomicos):

```r
"cusco "
```

```
## [1] "cusco "
```

```r
"  Cusco"
```

```
## [1] "  Cusco"
```

```r
"16-08-2021"
```

```
## [1] "16-08-2021"
```

```r
1
```

```
## [1] 1
```

```r
1.2
```

```
## [1] 1.2
```

---
### El lenguaje de programación.

2. Creación de objetos:

- El operador usado para crear objetos es `<-`

```r
x <- 1
x
```

```
## [1] 1
```

```r
y <- "ser"
y
```

```
## [1] "ser"
```

---
### El lenguaje de programación.

2. Creación de objetos:

- Para almacenar más de un elemento en un objeto se tiene el operador `c( )`:

```r
x <- c(1, 2, 3, 4, 5)
x
```

```
## [1] 1 2 3 4 5
```

```r
x <- c("El ", "dia", "cusco", "r", "programacion") 
x
```

```
## [1] "El "          "dia"          "cusco"        "r"            "programacion"
```

```r
x <- c(1, 3, 4, 6, "ser")
x
```

```
## [1] "1"   "3"   "4"   "6"   "ser"
```

---
### El lenguaje de programación.

- Operadores

a. Secuencia `:`:

```r
1:6
```

```
## [1] 1 2 3 4 5 6
```

b. Indexación `[]`:

```r
letters
```

```
##  [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q" "r" "s"
## [20] "t" "u" "v" "w" "x" "y" "z"
```

```r
letters[1:5]
```

```
## [1] "a" "b" "c" "d" "e"
```

```r
letters[2]
```

```
## [1] "b"
```

```r
letters[c(2, 4)]
```

```
## [1] "b" "d"
```

---
### El lenguaje de programación.

- Operadores logicos

|Operador| Meaning|
|:--------|:-------------|
|x < y| menor que |
|x > y| mayor que |
|x == y| igual |
|x <= y| menor igual que |
|x >= y| mayor igual que| 
|x != y| diferente |
|x %in% y| pertenece al grupo |

---
### El lenguaje de programación.

-  Operadores boleanos

a. *&* - y

b. `|` - o

c. `!` - negación

d. `%in%` -  perteneciente a un grupo

---
### El lenguaje de programación.

- Estructuras básicas:

1. Vectores:

```r
x <- c(1:6)
x
```

```
## [1] 1 2 3 4 5 6
```

```r
class(x)
```

```
## [1] "integer"
```

```r
x <- c(1.5:5.5)
x
```

```
## [1] 1.5 2.5 3.5 4.5 5.5
```

```r
class(x)
```

```
## [1] "numeric"
```

---
### El lenguaje de programación.

- Estructuras básicas:

1. Vectores:

```r
x <- c("a", "e", "i", "o", "u")
x
```

```
## [1] "a" "e" "i" "o" "u"
```

```r
class(x)
```

```
## [1] "character"
```

```r
x <- c(TRUE, TRUE, FALSE, TRUE, FALSE)
x
```

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

```r
class(x)
```

```
## [1] "logical"
```

---
### El lenguaje de programación.

- Estructuras básicas:

2. Matrices:

```r
matrix(1:10, ncol = 5)
```

```
##      [,1] [,2] [,3] [,4] [,5]
## [1,]    1    3    5    7    9
## [2,]    2    4    6    8   10
```

```r
matrix(letters[1:15], nrow = 3)
```

```
##      [,1] [,2] [,3] [,4] [,5]
## [1,] "a"  "d"  "g"  "j"  "m" 
## [2,] "b"  "e"  "h"  "k"  "n" 
## [3,] "c"  "f"  "i"  "l"  "o"
```

---
### El lenguaje de programación.

- Estructuras básicas:

3.1 Dataframe

```
##                      mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4           21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag       21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710          22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive      21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout   18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
## Valiant             18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
## Duster 360          14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
## Merc 240D           24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
## Merc 230            22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
## Merc 280            19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
## Merc 280C           17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
## Merc 450SE          16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
## Merc 450SL          17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
## Merc 450SLC         15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
## Cadillac Fleetwood  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
## Lincoln Continental 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
## Chrysler Imperial   14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
## Fiat 128            32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
## Honda Civic         30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
## Toyota Corolla      33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
## Toyota Corona       21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
## Dodge Challenger    15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
## AMC Javelin         15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2
## Camaro Z28          13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
## Pontiac Firebird    19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
## Fiat X1-9           27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
## Porsche 914-2       26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
## Lotus Europa        30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
## Ford Pantera L      15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
## Ferrari Dino        19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
## Maserati Bora       15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8
## Volvo 142E          21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2
```

---
### El lenguaje de programación.

- Estructuras básicas:

3.2 Tibble

```
## # A tibble: 32 x 11
##      mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
##    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
##  1  21       6  160    110  3.9   2.62  16.5     0     1     4     4
##  2  21       6  160    110  3.9   2.88  17.0     0     1     4     4
##  3  22.8     4  108     93  3.85  2.32  18.6     1     1     4     1
##  4  21.4     6  258    110  3.08  3.22  19.4     1     0     3     1
##  5  18.7     8  360    175  3.15  3.44  17.0     0     0     3     2
##  6  18.1     6  225    105  2.76  3.46  20.2     1     0     3     1
##  7  14.3     8  360    245  3.21  3.57  15.8     0     0     3     4
##  8  24.4     4  147.    62  3.69  3.19  20       1     0     4     2
##  9  22.8     4  141.    95  3.92  3.15  22.9     1     0     4     2
## 10  19.2     6  168.   123  3.92  3.44  18.3     1     0     4     4
## # ... with 22 more rows
```

---
### El lenguaje de programación.

- Estructuras básicas:

4. Listas:

```r
list(x = 1:5,
     y = letters[5:8],
     programa = c("tidyr", "dplyr", "janitor"))
```

```
## $x
## [1] 1 2 3 4 5
## 
## $y
## [1] "e" "f" "g" "h"
## 
## $programa
## [1] "tidyr"   "dplyr"   "janitor"
```

---
### El lenguaje de programación.

- Estructuras básicas:

4. Listas:

```r
list(x = 1:5,
     matriz = matrix(1:6, ncol = 3))
```

```
## $x
## [1] 1 2 3 4 5
## 
## $matriz
##      [,1] [,2] [,3]
## [1,]    1    3    5
## [2,]    2    4    6
```

---
### El lenguaje de programación.

- Estructuras básicas:

4. Listas:

```r
list(matriz = matrix(LETTERS[c(1, 3, 5, 6, 3, 7, 1, 2, 21)],
                     ncol = 3),
     mtcars = head(mtcars[1:4]))
```

```
## $matriz
##      [,1] [,2] [,3]
## [1,] "A"  "F"  "A" 
## [2,] "C"  "C"  "B" 
## [3,] "E"  "G"  "U" 
## 
## $mtcars
##                    mpg cyl disp  hp
## Mazda RX4         21.0   6  160 110
## Mazda RX4 Wag     21.0   6  160 110
## Datsun 710        22.8   4  108  93
## Hornet 4 Drive    21.4   6  258 110
## Hornet Sportabout 18.7   8  360 175
## Valiant           18.1   6  225 105
```
---
### El lenguaje de programación.

- Estructuras básicas:

4. Listas:

```r
list(x = 1:4,
     list(x = LETTERS[2:6],
          y = "ser"))
```

```
## $x
## [1] 1 2 3 4
## 
## [[2]]
## [[2]]$x
## [1] "B" "C" "D" "E" "F"
## 
## [[2]]$y
## [1] "ser"
```

---
### El lenguaje de programación.

- Funciones: `round(x, digits = 3)`

- `round`: nombre de la función

- `( )`: complemeto de la función

- `x ; digits = 3`: argumentos de la función

```r
c(1.234:3.234)
```

```
## [1] 1.234 2.234 3.234
```

```r
round(c(1.234:3.234), digits = 2)
```

```
## [1] 1.23 2.23 3.23
```

---
### El lenguaje de programación.

- Funciones:

Para tener  ayuda respecto a una función:

```r
?round

help(mean)
```

---
class: inverse middle center big-subsection

# Preguntas <svg viewBox="0 0 384 512" xmlns="http://www.w3.org/2000/svg" style="height:1em;fill:currentColor;position:relative;display:inline-block;top:.1em;">  [ comment ]  <path d="M202.021 0C122.202 0 70.503 32.703 29.914 91.026c-7.363 10.58-5.093 25.086 5.178 32.874l43.138 32.709c10.373 7.865 25.132 6.026 33.253-4.148 25.049-31.381 43.63-49.449 82.757-49.449 30.764 0 68.816 19.799 68.816 49.631 0 22.552-18.617 34.134-48.993 51.164-35.423 19.86-82.299 44.576-82.299 106.405V320c0 13.255 10.745 24 24 24h72.471c13.255 0 24-10.745 24-24v-5.773c0-42.86 125.268-44.645 125.268-160.627C377.504 66.256 286.902 0 202.021 0zM192 373.459c-38.196 0-69.271 31.075-69.271 69.271 0 38.195 31.075 69.27 69.271 69.27s69.271-31.075 69.271-69.271-31.075-69.27-69.271-69.27z"></path></svg>

---
class: inverse middle center medium-subsection

# Importar datos

---
## Importar datos
.pull-left[

```r
library("readr")
read_csv(".../")
read_tsv(".../")
read_delim(".../")
```

]

```r
library(readxl)
#' .xlsx - .xls
read_excel(".../")
#' .xls
read_xls(".../")
#' .xlsx
read_xlsx(".../")
```

]
---
## Importar datos

1. *.csv*

- Base:

```r
anp <- read.csv("data/areas_naturales_peru.csv")
```

- Tidyverse

```r
anp <- read_csv("data/areas_naturales_peru.csv")
```
---
## Importar datos

2. Excel

- `read_excel()`

```r
library(readxl)
anp <- read_excel("data/areas_naturales_peru.xlsx")
```

- `read_xlsx()`

```r
anp <- read_xlsx("data/areas_naturales_peru.xlsx")
```

---
## Importar datos

3. *.txt*

- `data.table::fread()`

```r
library(data.table)
anp <- fread(here("data", "areas_naturales_peru.txt"), skip = 2 )
```

- `read.delim()`

```r
anp <- read.delim(here("data", "areas_naturales_peru.txt"))
```
---
## Importar datos

```r
anp <- read_excel(here("data",
                       "areas_naturales_peru.xlsx"))
anp
```

```
## # A tibble: 268 x 9
##    ...1     ...2   ...3    CREACIÓN   ...5   MODIFICACIÓN  ...7   ...8     ...9 
##    <chr>    <chr>  <chr>   <chr>      <chr>  <chr>         <chr>  <chr>    <chr>
##  1 CATEGOR~ CÓDIGO CATEGO~ BASE LEGAL FECHA~ BASE LEGAL    FECHA~ UBICACI~ EXTE~
##  2 PARQUES~ PN 01  de Cut~ LEY Nº 13~ 08.09~ LEY Nº 28860  03.08~ CAJAMAR~ 8214~
##  3 PARQUES~ PN 02  de Tin~ LEY Nº 15~ 14.05~ <NA>          <NA>   HUANUCO  4777 
##  4 PARQUES~ PN 03  del Ma~ D.S. Nº 6~ 29.05~ D.S. Nº 045-~ 11.07~ CUSCO y~ 1716~
##  5 PARQUES~ PN 04  Huasca~ D.S. Nº 0~ 01.07~ <NA>          <NA>   ANCASH   3400~
##  6 PARQUES~ PN 05  Cerros~ D.S. Nº 0~ 22.07~ D.S. Nº 046-~ 07.07~ TUMBES ~ 1517~
##  7 PARQUES~ PN 06  del Rí~ D.S. Nº 0~ 11.08~ <NA>          <NA>   SAN MAR~ 2745~
##  8 PARQUES~ PN 07  Yanach~ D.S. Nº 0~ 29.08~ <NA>          <NA>   PASCO    1220~
##  9 PARQUES~ PN 08  Bahuaj~ D.S. Nº 0~ 17.07~ D.S. Nº 048-~ 04.09~ MADRE D~ 1091~
## 10 PARQUES~ PN 09  Cordil~ D.S. Nº 0~ 21.05~ <NA>          <NA>   SAN MAR~ 1353~
## # ... with 258 more rows
```

---
## Importar datos

- `read_excel(file, skip = 1)`

```r
anp <- read_excel(here("data",
                       "areas_naturales_peru.xlsx"),
                  skip = 1)
anp
```

```
## # A tibble: 267 x 9
##    CATEGORIAS...1 CÓDIGO CATEGORIAS...3 `BASE LEGAL...4` `FECHA PROMULGA~
##    <chr>          <chr>  <chr>          <chr>            <chr>           
##  1 PARQUES NACIO~ PN 01  de Cutervo     LEY Nº 13694     08.09.1961      
##  2 PARQUES NACIO~ PN 02  de Tingo María LEY Nº 15574     14.05.1965      
##  3 PARQUES NACIO~ PN 03  del Manu       D.S. Nº 644-197~ 29.05.1973      
##  4 PARQUES NACIO~ PN 04  Huascarán      D.S. Nº 0622-19~ 01.07.1975      
##  5 PARQUES NACIO~ PN 05  Cerros de Amo~ D.S. Nº 0800-19~ 22.07.1975      
##  6 PARQUES NACIO~ PN 06  del Río Abiseo D.S. Nº 064-198~ 11.08.1983      
##  7 PARQUES NACIO~ PN 07  Yanachaga - C~ D.S. Nº 068-198~ 29.08.1986      
##  8 PARQUES NACIO~ PN 08  Bahuaja - Son~ D.S. Nº 012-199~ 17.07.1996      
##  9 PARQUES NACIO~ PN 09  Cordillera Az~ D.S. Nº 031-200~ 21.05.2001      
## 10 PARQUES NACIO~ PN 10  Otishi         D.S. Nº 003-200~ 14.01.2003      
## # ... with 257 more rows, and 4 more variables: `BASE LEGAL...6` <chr>, `FECHA
## #   PROMULGACIÓN...7` <chr>, `UBICACIÓN POLITICA` <chr>, `EXTENSION (ha)` <dbl>
```

---
## Importar datos

- Formato base

```r
anp <- read_excel("data/areas_naturales_peru.xlsx"),
                  skip = 1)
anp
```

- Usando Here

```r
anp <- read_excel(here("data",
                       "areas_naturales_peru.xlsx"),
                  skip = 1)
anp
```

- Ambos formatos son equivales

---
class: inverse middle center big-subsection

---
class: inverse middle center medium-subsection

# Revisión de los datos

---
## Revisión de los datos

- Las variables `names()`:

```r
names(anp)
```

```
## [1] "CATEGORIAS...1"         "CÓDIGO"                 "CATEGORIAS...3"        
## [4] "BASE LEGAL...4"         "FECHA PROMULGACIÓN...5" "BASE LEGAL...6"        
## [7] "FECHA PROMULGACIÓN...7" "UBICACIÓN POLITICA"     "EXTENSION  (ha)"
```

---
## Revisión de los datos

- Estructura `str()`:

```r
str(anp)
```

```
## tibble [267 x 9] (S3: tbl_df/tbl/data.frame)
##  $ CATEGORIAS...1        : chr [1:267] "PARQUES NACIONALES         (15)" "PARQUES NACIONALES         (15)" "PARQUES NACIONALES         (15)" "PARQUES NACIONALES         (15)" ...
##  $ CÓDIGO                : chr [1:267] "PN 01" "PN 02" "PN 03" "PN 04" ...
##  $ CATEGORIAS...3        : chr [1:267] "de Cutervo" "de Tingo María" "del Manu" "Huascarán" ...
##  $ BASE LEGAL...4        : chr [1:267] "LEY Nº 13694" "LEY Nº 15574" "D.S. Nº 644-1973-AG" "D.S. Nº 0622-1975-AG" ...
##  $ FECHA PROMULGACIÓN...5: chr [1:267] "08.09.1961" "14.05.1965" "29.05.1973" "01.07.1975" ...
##  $ BASE LEGAL...6        : chr [1:267] "LEY Nº 28860" NA "D.S. Nº 045-2002-AG" NA ...
##  $ FECHA PROMULGACIÓN...7: chr [1:267] "03.08.2006" NA "11.07.2002" NA ...
##  $ UBICACIÓN POLITICA    : chr [1:267] "CAJAMARCA" "HUANUCO" "CUSCO y MADRE DE DIOS" "ANCASH" ...
##  $ EXTENSION  (ha)       : num [1:267] 8214 4777 1716295 340000 151767 ...
```

---
## Revisión de los datos

- Estructura `glimpse()`:

```r
glimpse(anp)
```

```
## Rows: 267
## Columns: 9
## $ CATEGORIAS...1           <chr> "PARQUES NACIONALES         (15)", "PARQUE...
## $ CÓDIGO                   <chr> "PN 01", "PN 02", "PN 03", "PN 04", "PN 05...
## $ CATEGORIAS...3           <chr> "de Cutervo", "de Tingo María", "del Manu"...
## $ `BASE LEGAL...4`         <chr> "LEY Nº 13694", "LEY Nº 15574", "D.S. Nº 6...
## $ `FECHA PROMULGACIÓN...5` <chr> "08.09.1961", "14.05.1965", "29.05.1973", ...
## $ `BASE LEGAL...6`         <chr> "LEY Nº 28860", NA, "D.S. Nº 045-2002-AG",...
## $ `FECHA PROMULGACIÓN...7` <chr> "03.08.2006", NA, "11.07.2002", NA, "07.07...
## $ `UBICACIÓN POLITICA`     <chr> "CAJAMARCA", "HUANUCO", "CUSCO y MADRE DE ...
## $ `EXTENSION  (ha)`        <dbl> 8214.23, 4777.00, 1716295.22, 340000.00, 1...
```

---

## Nombres de las variables

- Evitar caracteres especiales.
- No utilizar mayusculas.
- No dejar espacios entre las palabras.

*Error*

*Correcto*

```
## [1] "categorias_1"         "codigo"               "categorias_3"        
## [4] "base_legal_4"         "fecha_promulgacion_5" "base_legal_6"        
## [7] "fecha_promulgacion_7" "ubicacion_politica"   "extension_ha"
```

---
## Limpieza de los nombres

```r
library(janitor)
clean_names(anp)
```

```
## # A tibble: 267 x 9
##    categorias_1 codigo categorias_3 base_legal_4 fecha_promulgac~ base_legal_6
##    <chr>        <chr>  <chr>        <chr>        <chr>            <chr>       
##  1 PARQUES NAC~ PN 01  de Cutervo   LEY Nº 13694 08.09.1961       LEY Nº 28860
##  2 PARQUES NAC~ PN 02  de Tingo Ma~ LEY Nº 15574 14.05.1965       <NA>        
##  3 PARQUES NAC~ PN 03  del Manu     D.S. Nº 644~ 29.05.1973       D.S. Nº 045~
##  4 PARQUES NAC~ PN 04  Huascarán    D.S. Nº 062~ 01.07.1975       <NA>        
##  5 PARQUES NAC~ PN 05  Cerros de A~ D.S. Nº 080~ 22.07.1975       D.S. Nº 046~
##  6 PARQUES NAC~ PN 06  del Río Abi~ D.S. Nº 064~ 11.08.1983       <NA>        
##  7 PARQUES NAC~ PN 07  Yanachaga -~ D.S. Nº 068~ 29.08.1986       <NA>        
##  8 PARQUES NAC~ PN 08  Bahuaja - S~ D.S. Nº 012~ 17.07.1996       D.S. Nº 048~
##  9 PARQUES NAC~ PN 09  Cordillera ~ D.S. Nº 031~ 21.05.2001       <NA>        
## 10 PARQUES NAC~ PN 10  Otishi       D.S. Nº 003~ 14.01.2003       D.S. Nº 021~
## # ... with 257 more rows, and 3 more variables: fecha_promulgacion_7 <chr>,
## #   ubicacion_politica <chr>, extension_ha <dbl>
```

---
## Limpieza de los nombres

- Periodos:

```
## [1] "ser.ser.ser"
```

- Mayusculas:

```
## [1] "PesoDeSemilla"
```
- Camelcase:

```
## [1] "peso_de_semilla"
```

```
## [1] "altura_parcela"
```

---
class: middle center

## Revisión de los datos

```r
install.packages("visdat")
library(visdat)
visdat::vis_dat(anp)
```
---
## Revisión de los datos

![](index_files/figure-html/unnamed-chunk-50-1.svg)
---
class: inverse, middle, center, medium-subsection

# Pipe

---
## pipe

```r
anp %>% 
  head()
```

```
## # A tibble: 6 x 9
##   CATEGORIAS...1 CÓDIGO CATEGORIAS...3 `BASE LEGAL...4` `FECHA PROMULGA~
##   <chr>          <chr>  <chr>          <chr>            <chr>           
## 1 PARQUES NACIO~ PN 01  de Cutervo     LEY Nº 13694     08.09.1961      
## 2 PARQUES NACIO~ PN 02  de Tingo María LEY Nº 15574     14.05.1965      
## 3 PARQUES NACIO~ PN 03  del Manu       D.S. Nº 644-197~ 29.05.1973      
## 4 PARQUES NACIO~ PN 04  Huascarán      D.S. Nº 0622-19~ 01.07.1975      
## 5 PARQUES NACIO~ PN 05  Cerros de Amo~ D.S. Nº 0800-19~ 22.07.1975      
## 6 PARQUES NACIO~ PN 06  del Río Abiseo D.S. Nº 064-198~ 11.08.1983      
## # ... with 4 more variables: `BASE LEGAL...6` <chr>, `FECHA
## #   PROMULGACIÓN...7` <chr>, `UBICACIÓN POLITICA` <chr>, `EXTENSION (ha)` <dbl>
```

- Shortcut: `Ctrl + Shift + M`

---
## pipe `Ctrl + Shift + M`

```r
anp %>% 
  clean_names()
```

---
## Pipe ` %>% `

```r
anp <- read_excel(here("data",
                       "areas_naturales_peru.xlsx"),
                  skip = 1) %>% 
  clean_names()
anp
```

---
## Pipe ` %>% `

```r
anp %>% 
  vis_dat()
```

---

# Renombrar

```r
anp1 <- read_excel(here("data",
                       "areas_naturales_peru.xlsx"),
                  skip = 0) %>% 
    clean_names()
```
 
 - Datos crudos de excel

```
## # A tibble: 2 x 9
##   x1         x2     x3     creacion  x5      modificacion x7      x8      x9    
##   <chr>      <chr>  <chr>  <chr>     <chr>   <chr>        <chr>   <chr>   <chr> 
## 1 CATEGORIAS CÓDIGO CATEG~ BASE LEG~ FECHA ~ BASE LEGAL   FECHA ~ UBICAC~ EXTEN~
## 2 PARQUES N~ PN 01  de Cu~ LEY Nº 1~ 08.09.~ LEY Nº 28860 03.08.~ CAJAMA~ 8214.~
```

- Nombres de las columnas

```
## [1] "x1"           "x2"           "x3"           "creacion"     "x5"          
## [6] "modificacion" "x7"           "x8"           "x9"
```

---

# Renombrar

```r
anp <- read_excel(here("data",
                       "areas_naturales_peru.xlsx"),
                  skip = 1) %>% 
    clean_names()
```

-  Omitiendo la columna que contiene metadata

```
## # A tibble: 3 x 9
##   categorias_1 codigo categorias_3 base_legal_4 fecha_promulgac~ base_legal_6
##   <chr>        <chr>  <chr>        <chr>        <chr>            <chr>       
## 1 PARQUES NAC~ PN 01  de Cutervo   LEY Nº 13694 08.09.1961       LEY Nº 28860
## 2 PARQUES NAC~ PN 02  de Tingo Ma~ LEY Nº 15574 14.05.1965       <NA>        
## 3 PARQUES NAC~ PN 03  del Manu     D.S. Nº 644~ 29.05.1973       D.S. Nº 045~
## # ... with 3 more variables: fecha_promulgacion_7 <chr>,
## #   ubicacion_politica <chr>, extension_ha <dbl>
```

- Nombres de las columnas

---

# Renombrar

`colnames()`

```
## [1] "x1"           "x2"           "x3"           "creacion"     "x5"          
## [6] "modificacion" "x7"           "x8"           "x9"
```

- Cambiar los nombres :

```r
correct_names <- c( "categoria", "codigo", "nombre_area",   "base_legal_creacion", "fecha_promulgacion_creacion", "base_legal_modificacion", "fecha_promulgacion__modificacion", "ubicacion_politica", "extension_ha" )
```

---

# Renombrar

`colnames()`

```r
colnames(anp) <- correct_names

anp %>% head(n =  3)
```

```
## # A tibble: 3 x 9
##   categoria codigo nombre_area base_legal_crea~ fecha_promulgac~
##   <chr>     <chr>  <chr>       <chr>            <chr>           
## 1 PARQUES ~ PN 01  de Cutervo  LEY Nº 13694     08.09.1961      
## 2 PARQUES ~ PN 02  de Tingo M~ LEY Nº 15574     14.05.1965      
## 3 PARQUES ~ PN 03  del Manu    D.S. Nº 644-197~ 29.05.1973      
## # ... with 4 more variables: base_legal_modificacion <chr>,
## #   fecha_promulgacion__modificacion <chr>, ubicacion_politica <chr>,
## #   extension_ha <dbl>
```

```r
names(anp)
```

```
## [1] "categoria"                        "codigo"                          
## [3] "nombre_area"                      "base_legal_creacion"             
## [5] "fecha_promulgacion_creacion"      "base_legal_modificacion"         
## [7] "fecha_promulgacion__modificacion" "ubicacion_politica"              
## [9] "extension_ha"
```

---

# Renombrar

`set_names()`

```r
anp_2 <- anp %>% 
  set_names(correct_names)

anp_2
```

```
## # A tibble: 267 x 9
##    categoria codigo nombre_area base_legal_crea~ fecha_promulgac~
##    <chr>     <chr>  <chr>       <chr>            <chr>           
##  1 PARQUES ~ PN 01  de Cutervo  LEY Nº 13694     08.09.1961      
##  2 PARQUES ~ PN 02  de Tingo M~ LEY Nº 15574     14.05.1965      
##  3 PARQUES ~ PN 03  del Manu    D.S. Nº 644-197~ 29.05.1973      
##  4 PARQUES ~ PN 04  Huascarán   D.S. Nº 0622-19~ 01.07.1975      
##  5 PARQUES ~ PN 05  Cerros de ~ D.S. Nº 0800-19~ 22.07.1975      
##  6 PARQUES ~ PN 06  del Río Ab~ D.S. Nº 064-198~ 11.08.1983      
##  7 PARQUES ~ PN 07  Yanachaga ~ D.S. Nº 068-198~ 29.08.1986      
##  8 PARQUES ~ PN 08  Bahuaja - ~ D.S. Nº 012-199~ 17.07.1996      
##  9 PARQUES ~ PN 09  Cordillera~ D.S. Nº 031-200~ 21.05.2001      
## 10 PARQUES ~ PN 10  Otishi      D.S. Nº 003-200~ 14.01.2003      
## # ... with 257 more rows, and 4 more variables: base_legal_modificacion <chr>,
## #   fecha_promulgacion__modificacion <chr>, ubicacion_politica <chr>,
## #   extension_ha <dbl>
```

```r
names(anp_2)
```

---
class: inverse middle center big-subsection

---
class: inverse, middle, center, medium-subsection

# dplyr

---
class: inverse, middle, center, medium-subsection

## dplyr - verbs

---

## `select()` Actúa sobre columnas:

1. Selección por nombre

```r
select(anp, nombre_area)
```

```
## # A tibble: 267 x 1
##    nombre_area          
##    <chr>                
##  1 de Cutervo           
##  2 de Tingo María       
##  3 del Manu             
##  4 Huascarán            
##  5 Cerros de Amotape    
##  6 del Río Abiseo       
##  7 Yanachaga - Chemillén
##  8 Bahuaja - Sonene     
##  9 Cordillera Azul      
## 10 Otishi               
## # ... with 257 more rows
```
]

```r
anp %>% 
  select(nombre_area)
```

---

## `select()`: df %>% select(variables)

2. Selección numérica

```r
anp %>% 
  select(1)
```

```
## # A tibble: 267 x 1
##    categoria                      
##    <chr>                          
##  1 PARQUES NACIONALES         (15)
##  2 PARQUES NACIONALES         (15)
##  3 PARQUES NACIONALES         (15)
##  4 PARQUES NACIONALES         (15)
##  5 PARQUES NACIONALES         (15)
##  6 PARQUES NACIONALES         (15)
##  7 PARQUES NACIONALES         (15)
##  8 PARQUES NACIONALES         (15)
##  9 PARQUES NACIONALES         (15)
## 10 PARQUES NACIONALES         (15)
## # ... with 257 more rows
```

---

## `select()`: df %>% select(variables)

3. Selección por intervalos

```r
anp %>% 
  select(base_legal_creacion:fecha_promulgacion__modificacion)
```

```
## # A tibble: 267 x 4
##    base_legal_creac~ fecha_promulgacion~ base_legal_modific~ fecha_promulgacion~
##    <chr>             <chr>               <chr>               <chr>              
##  1 LEY Nº 13694      08.09.1961          LEY Nº 28860        03.08.2006         
##  2 LEY Nº 15574      14.05.1965          <NA>                <NA>               
##  3 D.S. Nº 644-1973~ 29.05.1973          D.S. Nº 045-2002-AG 11.07.2002         
##  4 D.S. Nº 0622-197~ 01.07.1975          <NA>                <NA>               
##  5 D.S. Nº 0800-197~ 22.07.1975          D.S. Nº 046-2006-A~ 07.07.2006 / 11.11~
##  6 D.S. Nº 064-1983~ 11.08.1983          <NA>                <NA>               
##  7 D.S. Nº 068-1986~ 29.08.1986          <NA>                <NA>               
##  8 D.S. Nº 012-1996~ 17.07.1996          D.S. Nº 048-2000-AG 04.09.2000         
##  9 D.S. Nº 031-2001~ 21.05.2001          <NA>                <NA>               
## 10 D.S. Nº 003-2003~ 14.01.2003          D.S. Nº 021-2003-AG 30.05.2003         
## # ... with 257 more rows
```

---

## `select()`: df %>% select(variables)

3. Selección por intervalos

```r
anp %>% 
  select(4:9)
```

```
## # A tibble: 267 x 6
##    base_legal_crea~ fecha_promulgac~ base_legal_modi~ fecha_promulgac~
##    <chr>            <chr>            <chr>            <chr>           
##  1 LEY Nº 13694     08.09.1961       LEY Nº 28860     03.08.2006      
##  2 LEY Nº 15574     14.05.1965       <NA>             <NA>            
##  3 D.S. Nº 644-197~ 29.05.1973       D.S. Nº 045-200~ 11.07.2002      
##  4 D.S. Nº 0622-19~ 01.07.1975       <NA>             <NA>            
##  5 D.S. Nº 0800-19~ 22.07.1975       D.S. Nº 046-200~ 07.07.2006 / 11~
##  6 D.S. Nº 064-198~ 11.08.1983       <NA>             <NA>            
##  7 D.S. Nº 068-198~ 29.08.1986       <NA>             <NA>            
##  8 D.S. Nº 012-199~ 17.07.1996       D.S. Nº 048-200~ 04.09.2000      
##  9 D.S. Nº 031-200~ 21.05.2001       <NA>             <NA>            
## 10 D.S. Nº 003-200~ 14.01.2003       D.S. Nº 021-200~ 30.05.2003      
## # ... with 257 more rows, and 2 more variables: ubicacion_politica <chr>,
## #   extension_ha <dbl>
```

---

## select(): `starts_with()`
- `df %>% select(starts_with("texto"))`

```r
anp %>% 
  select(starts_with("base"))
```

```
## # A tibble: 267 x 2
##    base_legal_creacion  base_legal_modificacion         
##    <chr>                <chr>                           
##  1 LEY Nº 13694         LEY Nº 28860                    
##  2 LEY Nº 15574         <NA>                            
##  3 D.S. Nº 644-1973-AG  D.S. Nº 045-2002-AG             
##  4 D.S. Nº 0622-1975-AG <NA>                            
##  5 D.S. Nº 0800-1975-AG D.S. Nº 046-2006-AG; Ley N°30359
##  6 D.S. Nº 064-1983-AG  <NA>                            
##  7 D.S. Nº 068-1986-AG  <NA>                            
##  8 D.S. Nº 012-1996-AG  D.S. Nº 048-2000-AG             
##  9 D.S. Nº 031-2001-AG  <NA>                            
## 10 D.S. Nº 003-2003-AG  D.S. Nº 021-2003-AG             
## # ... with 257 more rows
```

---

## select(): `ends_with()`
- `df %>% select(ends_with("texto"))`

```r
anp %>% 
  select(ends_with("cion"))
```

---

## select(): `contains()`

- `df %>% select(contains("texto"))`

```r
anp %>%
  select(contains("legal"))
```

---

## `filter()` Actúa sobre filas:
- `df %>% filter(condicion)`

```r
anp %>% 
  filter(codigo == "PN 01")
```

```
## # A tibble: 1 x 9
##   categoria codigo nombre_area base_legal_crea~ fecha_promulgac~
##   <chr>     <chr>  <chr>       <chr>            <chr>           
## 1 PARQUES ~ PN 01  de Cutervo  LEY Nº 13694     08.09.1961      
## # ... with 4 more variables: base_legal_modificacion <chr>,
## #   fecha_promulgacion__modificacion <chr>, ubicacion_politica <chr>,
## #   extension_ha <dbl>
```

---
## `df %>% filter(condicion)`

La condición está conformada por:
 
1. Variable `var`, nombre de la variable o columna.
2. Operador: 
      - `var == "x"`, valores de `var` iguales a "x" 
      - `var != "y"`, valores de `var` diferentes a "y"
      - `var == 1`, valores de `var` igual a 1
      - `var == 1L`, valores de `var` igual a 1
      - `var %in% c("a", "b", "c")`, valores de `var` incluidos en el vector  `c("a", "b", "c")`
      - `!var %in% c("a", "b", "c")`,  valores de `var` no incluidos en el vector  `c("a", "b", "c")`

---

## filter(varriable `==` vector)

```r
anp %>% 
  filter(nombre_area == "Huascarán")
```

```
## # A tibble: 1 x 9
##   categoria codigo nombre_area base_legal_crea~ fecha_promulgac~
##   <chr>     <chr>  <chr>       <chr>            <chr>           
## 1 PARQUES ~ PN 04  Huascarán   D.S. Nº 0622-19~ 01.07.1975      
## # ... with 4 more variables: base_legal_modificacion <chr>,
## #   fecha_promulgacion__modificacion <chr>, ubicacion_politica <chr>,
## #   extension_ha <dbl>
```

---

## filter(varriable `%in%` vector)

```r
anp %>% 
  filter(codigo %in% c("PN 01", "PN 02", "PN 03"))
```

---

## filter() `!` variable - `%in%` vector:

```r
anp %>% 
  filter(!codigo %in% c("PN 01", "PN 02", "PN 03"))
```

```
## # A tibble: 264 x 9
##    categoria codigo nombre_area base_legal_crea~ fecha_promulgac~
##    <chr>     <chr>  <chr>       <chr>            <chr>           
##  1 PARQUES ~ PN 04  Huascarán   D.S. Nº 0622-19~ 01.07.1975      
##  2 PARQUES ~ PN 05  Cerros de ~ D.S. Nº 0800-19~ 22.07.1975      
##  3 PARQUES ~ PN 06  del Río Ab~ D.S. Nº 064-198~ 11.08.1983      
##  4 PARQUES ~ PN 07  Yanachaga ~ D.S. Nº 068-198~ 29.08.1986      
##  5 PARQUES ~ PN 08  Bahuaja - ~ D.S. Nº 012-199~ 17.07.1996      
##  6 PARQUES ~ PN 09  Cordillera~ D.S. Nº 031-200~ 21.05.2001      
##  7 PARQUES ~ PN 10  Otishi      D.S. Nº 003-200~ 14.01.2003      
##  8 PARQUES ~ PN 11  Alto Purús  D.S. Nº 040-200~ 18.11.2004      
##  9 PARQUES ~ PN 12  Ichigkat M~ D.S. Nº 023-200~ 09.08.2007      
## 10 PARQUES ~ PN 13  Güeppí-Sek~ D.S. Nº 006-201~ 25.10.2012      
## # ... with 254 more rows, and 4 more variables: base_legal_modificacion <chr>,
## #   fecha_promulgacion__modificacion <chr>, ubicacion_politica <chr>,
## #   extension_ha <dbl>
```
---

## filter - str_detect()

- Coincidencia parcial de caracteres
    - `df %>% filter(str_detect(var, "texto"))`

```r
anp %>% 
  filter(str_detect(nombre_area, "Alto")) %>% 
  select(categoria, nombre_area)
```

```
## # A tibble: 5 x 2
##   categoria                           nombre_area                   
##   <chr>                               <chr>                         
## 1 PARQUES NACIONALES         (15)     Alto Purús                    
## 2 BOSQUES DE PROTECCION  (6)          Alto Mayo                     
## 3 AREAS DE CONSERVACION REGIONAL (25) Alto Nanay-Pintuyacu-Chambira 
## 4 areas de conservacion privada (143) Abra Patricia - Alto Nieva    
## 5 areas de conservacion privada (143) Bosque Seco de Chililique Alto
```

---

## filter()

- Filtros con más de una condición

```r
anp %>% 
  filter(str_detect(nombre_area, "Alto"),
         extension_ha > 1000) %>% 
  select(categoria, nombre_area, extension_ha)
```

```
## # A tibble: 4 x 3
##   categoria                           nombre_area                   extension_ha
##   <chr>                               <chr>                                <dbl>
## 1 PARQUES NACIONALES         (15)     Alto Purús                        2510694.
## 2 BOSQUES DE PROTECCION  (6)          Alto Mayo                          182000 
## 3 AREAS DE CONSERVACION REGIONAL (25) Alto Nanay-Pintuyacu-Chambira      954635.
## 4 areas de conservacion privada (143) Abra Patricia - Alto Nieva           1416.
```

---

## filter()

- Filtros con más de una condición

- &:

```r
anp %>% 
  filter(str_detect(nombre_area, "Alto") &
         extension_ha > 1000) %>% 
  select(categoria, nombre_area, extension_ha)
```

---

## filter()

- `|` O

```r
anp %>% 
  filter(str_detect(nombre_area, "Alto") |
         ubicacion_politica == "CUSCO") %>% 
  select(categoria, nombre_area, ubicacion_politica)
```

```
## # A tibble: 29 x 3
##    categoria                  nombre_area                   ubicacion_politica  
##    <chr>                      <chr>                         <chr>               
##  1 PARQUES NACIONALES       ~ Alto Purús                    UCAYALI y MADRE DE ~
##  2 SANTUARIOS NACIONALES   (~ Megantoni                     CUSCO               
##  3 SANTUARIOS HISTORICOS    ~ de Machupicchu                CUSCO               
##  4 BOSQUES DE PROTECCION  (6) Alto Mayo                     SAN MARTIN          
##  5 AREAS DE CONSERVACION REG~ Choquequirao                  CUSCO               
##  6 AREAS DE CONSERVACION REG~ Alto Nanay-Pintuyacu-Chambira LORETO              
##  7 AREAS DE CONSERVACION REG~ Tres Cañones                  CUSCO               
##  8 AREAS DE CONSERVACION REG~ Ausangate                     CUSCO               
##  9 areas de conservacion pri~ Abra Patricia - Alto Nieva    AMAZONAS            
## 10 areas de conservacion pri~ Abra Málaga Thastayoc - Roya~ CUSCO               
## # ... with 19 more rows
```

---

---
## `mutate()`

- Esta función permite generar nuevas o modificar las variables existentes.

```r
anp %>% 
  select(nombre_area, extension_ha) %>% 
  mutate(extencion_doble = extension_ha * 2) %>% 
  head()
```

```
## # A tibble: 6 x 3
##   nombre_area       extension_ha extencion_doble
##   <chr>                    <dbl>           <dbl>
## 1 de Cutervo               8214.          16428.
## 2 de Tingo María           4777            9554 
## 3 del Manu              1716295.        3432590.
## 4 Huascarán              340000          680000 
## 5 Cerros de Amotape      151767.         303535.
## 6 del Río Abiseo         274520          549040
```

---
## Operadores matemáticos básicos

- `+` suma
- `-` resta
- `*` Multiplicación
- `/` División
- `^` Potencia

---

## `mutate()` - `str_trim()`

- Elimina los espacios blancos al inicio y final de una cadena de texto.

```r
x <- "  primer curso  "
x
```

```
## [1] "  primer curso  "
```

```r
str_trim(x)
```

```
## [1] "primer curso"
```

```r
str_trim("   caso tipo")
```

```
## [1] "caso tipo"
```

```r
x <- "peru"

x == " peru"
```

```
## [1] FALSE
```

```r
x == str_trim(" peru")
```

```
## [1] TRUE
```

---

## `mutate()` - `str_trim()`

```r
anp %>% 
  select(nombre_area) %>% 
  mutate(nchar1 = str_length(nombre_area),
         nchar2 = str_length(str_trim(nombre_area)),
         compara = (nchar1 == nchar2)) %>% 
  filter(compara == FALSE)
```

```
## # A tibble: 4 x 4
##   nombre_area                                          nchar1 nchar2 compara
##   <chr>                                                 <int>  <int> <lgl>  
## 1 "\r\nNor Yauyos - Cochas"                                21     19 FALSE  
## 2 "\r\nAledaño a la Bocatoma del Canal Nuevo Imperial"     48     46 FALSE  
## 3 "\r\nEl Angolo"                                          11      9 FALSE  
## 4 "\r\nCordillera Escalera"                                21     19 FALSE
```

---
class: inverse, middle, center, medium-subsection

---
## `mutate()` - `str_squish()`

```r
anp %>% 
  mutate(nombre_area = str_squish(nombre_area))
```

---
## `mutate()` - `str_to_lower()`

```r
anp %>% 
  select(categoria) %>% 
  mutate(categoria_minuscula = str_to_lower(categoria))
```

```
## # A tibble: 267 x 2
##    categoria                       categoria_minuscula            
##    <chr>                           <chr>                          
##  1 PARQUES NACIONALES         (15) parques nacionales         (15)
##  2 PARQUES NACIONALES         (15) parques nacionales         (15)
##  3 PARQUES NACIONALES         (15) parques nacionales         (15)
##  4 PARQUES NACIONALES         (15) parques nacionales         (15)
##  5 PARQUES NACIONALES         (15) parques nacionales         (15)
##  6 PARQUES NACIONALES         (15) parques nacionales         (15)
##  7 PARQUES NACIONALES         (15) parques nacionales         (15)
##  8 PARQUES NACIONALES         (15) parques nacionales         (15)
##  9 PARQUES NACIONALES         (15) parques nacionales         (15)
## 10 PARQUES NACIONALES         (15) parques nacionales         (15)
## # ... with 257 more rows
```

---
## `mutate()` - `str_to_upper()`

```r
anp %>% 
  select(nombre_area) %>% 
  mutate(nombre_area_mayusculas = str_to_upper(nombre_area))
```

```
## # A tibble: 267 x 2
##    nombre_area           nombre_area_mayusculas
##    <chr>                 <chr>                 
##  1 de Cutervo            DE CUTERVO            
##  2 de Tingo María        DE TINGO MARÍA        
##  3 del Manu              DEL MANU              
##  4 Huascarán             HUASCARÁN             
##  5 Cerros de Amotape     CERROS DE AMOTAPE     
##  6 del Río Abiseo        DEL RÍO ABISEO        
##  7 Yanachaga - Chemillén YANACHAGA - CHEMILLÉN 
##  8 Bahuaja - Sonene      BAHUAJA - SONENE      
##  9 Cordillera Azul       CORDILLERA AZUL       
## 10 Otishi                OTISHI                
## # ... with 257 more rows
```

---
## `mutate()` - `str_to_title()`

```r
anp %>% 
  select(ubicacion_politica) %>% 
  mutate(ubica_pol_2 = str_to_title(ubicacion_politica))
```

```
## # A tibble: 267 x 2
##    ubicacion_politica                    ubica_pol_2                          
##    <chr>                                 <chr>                                
##  1 CAJAMARCA                             Cajamarca                            
##  2 HUANUCO                               Huanuco                              
##  3 CUSCO y MADRE DE DIOS                 Cusco Y Madre De Dios                
##  4 ANCASH                                Ancash                               
##  5 TUMBES y PIURA                        Tumbes Y Piura                       
##  6 SAN MARTIN                            San Martin                           
##  7 PASCO                                 Pasco                                
##  8 MADRE DE DIOS y PUNO                  Madre De Dios Y Puno                 
##  9 SAN MARTIN, LORETO, UCAYALI y HUANUCO San Martin, Loreto, Ucayali Y Huanuco
## 10 JUNIN y CUSCO                         Junin Y Cusco                        
## # ... with 257 more rows
```

---
## `mutate()` - `str_to_sentence()`

```r
anp %>% 
  select(categoria) %>% 
  mutate(categoria_2 = str_to_sentence(categoria))
```

```
## # A tibble: 267 x 2
##    categoria                       categoria_2                    
##    <chr>                           <chr>                          
##  1 PARQUES NACIONALES         (15) Parques nacionales         (15)
##  2 PARQUES NACIONALES         (15) Parques nacionales         (15)
##  3 PARQUES NACIONALES         (15) Parques nacionales         (15)
##  4 PARQUES NACIONALES         (15) Parques nacionales         (15)
##  5 PARQUES NACIONALES         (15) Parques nacionales         (15)
##  6 PARQUES NACIONALES         (15) Parques nacionales         (15)
##  7 PARQUES NACIONALES         (15) Parques nacionales         (15)
##  8 PARQUES NACIONALES         (15) Parques nacionales         (15)
##  9 PARQUES NACIONALES         (15) Parques nacionales         (15)
## 10 PARQUES NACIONALES         (15) Parques nacionales         (15)
## # ... with 257 more rows
```

---
class: middle center

## `tm`

```r
install.packages("tm")

library(tm)
```

---

## `mutate()` - `tm::removePunctuation()`

```r
anp %>% 
  select(categoria ) %>% 
  mutate(categoria_clean = removePunctuation(categoria))
```

```
## # A tibble: 267 x 2
##    categoria                       categoria_clean              
##    <chr>                           <chr>                        
##  1 PARQUES NACIONALES         (15) PARQUES NACIONALES         15
##  2 PARQUES NACIONALES         (15) PARQUES NACIONALES         15
##  3 PARQUES NACIONALES         (15) PARQUES NACIONALES         15
##  4 PARQUES NACIONALES         (15) PARQUES NACIONALES         15
##  5 PARQUES NACIONALES         (15) PARQUES NACIONALES         15
##  6 PARQUES NACIONALES         (15) PARQUES NACIONALES         15
##  7 PARQUES NACIONALES         (15) PARQUES NACIONALES         15
##  8 PARQUES NACIONALES         (15) PARQUES NACIONALES         15
##  9 PARQUES NACIONALES         (15) PARQUES NACIONALES         15
## 10 PARQUES NACIONALES         (15) PARQUES NACIONALES         15
## # ... with 257 more rows
```

---

## `mutate()` - `tm::removeNumbers()`

```r
anp %>% 
  select(categoria ) %>% 
  mutate(categoria_clean = removeNumbers(categoria))
```

```
## # A tibble: 267 x 2
##    categoria                       categoria_clean              
##    <chr>                           <chr>                        
##  1 PARQUES NACIONALES         (15) PARQUES NACIONALES         ()
##  2 PARQUES NACIONALES         (15) PARQUES NACIONALES         ()
##  3 PARQUES NACIONALES         (15) PARQUES NACIONALES         ()
##  4 PARQUES NACIONALES         (15) PARQUES NACIONALES         ()
##  5 PARQUES NACIONALES         (15) PARQUES NACIONALES         ()
##  6 PARQUES NACIONALES         (15) PARQUES NACIONALES         ()
##  7 PARQUES NACIONALES         (15) PARQUES NACIONALES         ()
##  8 PARQUES NACIONALES         (15) PARQUES NACIONALES         ()
##  9 PARQUES NACIONALES         (15) PARQUES NACIONALES         ()
## 10 PARQUES NACIONALES         (15) PARQUES NACIONALES         ()
## # ... with 257 more rows
```

---

## `mutate()` - `tm::removePunctuation()`

```r
anp %>% 
  select(categoria ) %>% 
  mutate(categoria_clean = removePunctuation(categoria) %>% 
           removeNumbers())
```

```
## # A tibble: 267 x 2
##    categoria                       categoria_clean              
##    <chr>                           <chr>                        
##  1 PARQUES NACIONALES         (15) "PARQUES NACIONALES         "
##  2 PARQUES NACIONALES         (15) "PARQUES NACIONALES         "
##  3 PARQUES NACIONALES         (15) "PARQUES NACIONALES         "
##  4 PARQUES NACIONALES         (15) "PARQUES NACIONALES         "
##  5 PARQUES NACIONALES         (15) "PARQUES NACIONALES         "
##  6 PARQUES NACIONALES         (15) "PARQUES NACIONALES         "
##  7 PARQUES NACIONALES         (15) "PARQUES NACIONALES         "
##  8 PARQUES NACIONALES         (15) "PARQUES NACIONALES         "
##  9 PARQUES NACIONALES         (15) "PARQUES NACIONALES         "
## 10 PARQUES NACIONALES         (15) "PARQUES NACIONALES         "
## # ... with 257 more rows
```

---

## `mutate()`

```r
anp %>% 
  select(categoria ) %>% 
  mutate(categoria_clean = removePunctuation(categoria) %>% 
           removeNumbers() %>% 
           str_squish())
```

```
## # A tibble: 267 x 2
##    categoria                       categoria_clean   
##    <chr>                           <chr>             
##  1 PARQUES NACIONALES         (15) PARQUES NACIONALES
##  2 PARQUES NACIONALES         (15) PARQUES NACIONALES
##  3 PARQUES NACIONALES         (15) PARQUES NACIONALES
##  4 PARQUES NACIONALES         (15) PARQUES NACIONALES
##  5 PARQUES NACIONALES         (15) PARQUES NACIONALES
##  6 PARQUES NACIONALES         (15) PARQUES NACIONALES
##  7 PARQUES NACIONALES         (15) PARQUES NACIONALES
##  8 PARQUES NACIONALES         (15) PARQUES NACIONALES
##  9 PARQUES NACIONALES         (15) PARQUES NACIONALES
## 10 PARQUES NACIONALES         (15) PARQUES NACIONALES
## # ... with 257 more rows
```

---

## `mutate()`

```r
anp %>% 
  select(categoria) %>% 
  mutate(categoria = removePunctuation(categoria) %>% 
           removeNumbers() %>% 
           str_squish() %>% 
           str_to_title())
```

```
## # A tibble: 267 x 1
##    categoria         
##    <chr>             
##  1 Parques Nacionales
##  2 Parques Nacionales
##  3 Parques Nacionales
##  4 Parques Nacionales
##  5 Parques Nacionales
##  6 Parques Nacionales
##  7 Parques Nacionales
##  8 Parques Nacionales
##  9 Parques Nacionales
## 10 Parques Nacionales
## # ... with 257 more rows
```

---

## `mutate()`

```r
anp %>% 
  select(categoria, codigo) %>% 
  mutate(categoria = removePunctuation(categoria) %>% 
           removeNumbers() %>% 
           str_squish() %>% 
           str_to_title()) %>% 
  head()
```

```
## # A tibble: 6 x 2
##   categoria          codigo
##   <chr>              <chr> 
## 1 Parques Nacionales PN 01 
## 2 Parques Nacionales PN 02 
## 3 Parques Nacionales PN 03 
## 4 Parques Nacionales PN 04 
## 5 Parques Nacionales PN 05 
## 6 Parques Nacionales PN 06
```

---

## `mutate()`

```r
anp %>% 
  select(categoria, codigo) %>% 
  mutate(categoria = removePunctuation(categoria) %>% 
           removeNumbers() %>% 
           str_squish() %>% 
           str_to_title()) %>% 
  distinct(codigo) %>% 
  flatten_chr()
```

```
##   [1] "PN 01"         "PN 02"         "PN 03"         "PN 04"        
##   [5] "PN 05"         "PN 06"         "PN 07"         "PN 08"        
##   [9] "PN 09"         "PN 10"         "PN 11"         "PN 12"        
##  [13] "PN 13"         "PN 14"         "PN 15"         "\r\nSN 01"    
##  [17] "SN 02"         "SN 03"         "SN 04"         "SN 05"        
##  [21] "SN 06"         "SN 07"         "SN 08"         "SN 09"        
##  [25] "SH 01"         "SH 02"         "SH 03"         "SH 04"        
##  [29] "RN 01"         "RN 02"         "RN 03"         "RN 04"        
##  [33] "RN 05"         "RN 06"         "RN 07"         "RN 08"        
##  [37] "RN 09"         "RN 10"         "RN 11"         "RN 12"        
##  [41] "RN13.01"       "RN13.02"       "RN13.03"       "RN13.04-05"   
##  [45] "RN13.06"       "RN13.07"       "RN13.08"       "RN13.09"      
##  [49] "RN13.10"       "RN13.11"       "RN13.12"       "RN13.13-15"   
##  [53] "RN13.16"       "RN13.17-18"    "RN13.19"       "RN13.20"      
##  [57] "RN13.21-23"    "RN13.24-26"    "RN13.27"       "RN13.28"      
##  [61] "RN13.29"       "RN13.30"       "RN13.31"       "RN13.32"      
##  [65] "RN13.33"       "RN14"          "RN15"          "RVS 01"       
##  [69] "RVS 02"        "RVS 03"        "RP\r\nRP 01"   "RP 02"        
##  [73] "RC\r\nRC 01"   "RC 02"         "RC 03"         "RC 04"        
##  [77] "RC 05"         "RC 06"         "RC 07"         "RC 08"        
##  [81] "RC 09"         "RC10"          "BP\r\nBP 01"   "BP 02"        
##  [85] "BP 03"         "BP 04"         "BP 05"         "BP 06"        
##  [89] "CC\r\nCC 01"   "CC 02"         "ZR\r\n01"      "3"            
##  [93] "5"             "7"             "11"            "13"           
##  [97] "14"            "15"            "17"            "ACR\r\nACR 01"
## [101] "ACR 02"        "ACR 03"        "ACR 04"        "ACR 05"       
## [105] "ACR 06"        "ACR 07"        "ACR 08"        "ACR 09"       
## [109] "ACR 10"        "ACR 11"        "ACR 12"        "ACR 13"       
## [113] "ACR 14"        "ACR 15"        "ACR 16"        "ACR 17"       
## [117] "ACR 18"        "ACR 19"        "ACR 20"        "ACR 21"       
## [121] "ACR 22"        "ACR 23"        "ACR 24"        "ACR 25"       
## [125] "1"             "2"             "4"             "6"            
## [129] "9"             "10"            "18"            "19"           
## [133] "20"            "21"            "22"            "23"           
## [137] "24"            "25"            "26"            "27"           
## [141] "28"            "29"            "30"            "31"           
## [145] "32"            "33"            "34"            "35"           
## [149] "36"            "37"            "38"            "39"           
## [153] "40"            "41"            "42"            "43"           
## [157] "44"            "45"            "46"            "47"           
## [161] "48"            "49"            "50"            "51"           
## [165] "52"            "53"            "54"            "55"           
## [169] "56"            "57"            "58"            "59"           
## [173] "60"            "61"            "62"            "63"           
## [177] "64"            "65"            "66"            "67"           
## [181] "68"            "69"            "70"            "71"           
## [185] "72"            "73"            "74"            "75"           
## [189] "76"            "77"            "78"            "79"           
## [193] "80"            "81"            "82"            "83"           
## [197] "84"            "85"            "86"            "87"           
## [201] "88"            "89"            "90"            "91"           
## [205] "92"            "93"            "94"            "95"           
## [209] "96"            "97"            "98"            "99"           
## [213] "100"           "101"           "102"           "103"          
## [217] "104"           "105"           "106"           "107"          
## [221] "108"           "109"           "110"           "111"          
## [225] "112"           "113"           "114"           "115"          
## [229] "116"           "117"           "118"           "119"          
## [233] "120"           "121"           "122"           "123"          
## [237] "124"           "125"           "126"           "127"          
## [241] "128"           "129"           "130"           "131"          
## [245] "132"           "133"           "134"           "135"          
## [249] "136"           "137"           "138"           "139"          
## [253] "140"           "141"           "142"           "143"          
## [257] "144"           "145"           "146"           "147"          
## [261] "148"           "149"
```

---
class: middle center inverse

## `stringr.plus`

```r
library(remotes)

remotes::install_github("johncassil/stringr.plus")

library(stringr.plus)
```

---
## `mutate()` - `stringr.plus::str_extract_before()`

```r
anp %>% 
  select(categoria, base_legal_creacion) %>% 
  mutate(tipo_documento = str_extract_before(base_legal_creacion,
                                             "Nº") %>% 
                   str_squish())
```

```
## # A tibble: 267 x 3
##    categoria                       base_legal_creacion  tipo_documento
##    <chr>                           <chr>                <chr>         
##  1 PARQUES NACIONALES         (15) LEY Nº 13694         LEY           
##  2 PARQUES NACIONALES         (15) LEY Nº 15574         LEY           
##  3 PARQUES NACIONALES         (15) D.S. Nº 644-1973-AG  D.S.          
##  4 PARQUES NACIONALES         (15) D.S. Nº 0622-1975-AG D.S.          
##  5 PARQUES NACIONALES         (15) D.S. Nº 0800-1975-AG D.S.          
##  6 PARQUES NACIONALES         (15) D.S. Nº 064-1983-AG  D.S.          
##  7 PARQUES NACIONALES         (15) D.S. Nº 068-1986-AG  D.S.          
##  8 PARQUES NACIONALES         (15) D.S. Nº 012-1996-AG  D.S.          
##  9 PARQUES NACIONALES         (15) D.S. Nº 031-2001-AG  D.S.          
## 10 PARQUES NACIONALES         (15) D.S. Nº 003-2003-AG  D.S.          
## # ... with 257 more rows
```

---
## `mutate()` - `stringr.plus::str_extract_after()`

```r
anp %>% 
  select(categoria, base_legal_creacion) %>% 
  mutate(numero_documento = str_extract_after(base_legal_creacion,
                                             "Nº") %>% 
                   str_squish())
```

```
## # A tibble: 267 x 3
##    categoria                       base_legal_creacion  numero_documento
##    <chr>                           <chr>                <chr>           
##  1 PARQUES NACIONALES         (15) LEY Nº 13694         13694           
##  2 PARQUES NACIONALES         (15) LEY Nº 15574         15574           
##  3 PARQUES NACIONALES         (15) D.S. Nº 644-1973-AG  644-1973-AG     
##  4 PARQUES NACIONALES         (15) D.S. Nº 0622-1975-AG 0622-1975-AG    
##  5 PARQUES NACIONALES         (15) D.S. Nº 0800-1975-AG 0800-1975-AG    
##  6 PARQUES NACIONALES         (15) D.S. Nº 064-1983-AG  064-1983-AG     
##  7 PARQUES NACIONALES         (15) D.S. Nº 068-1986-AG  068-1986-AG     
##  8 PARQUES NACIONALES         (15) D.S. Nº 012-1996-AG  012-1996-AG     
##  9 PARQUES NACIONALES         (15) D.S. Nº 031-2001-AG  031-2001-AG     
## 10 PARQUES NACIONALES         (15) D.S. Nº 003-2003-AG  003-2003-AG     
## # ... with 257 more rows
```

---
## Areas naturales limpia

```r
anp %>% 
  separate_rows(ubicacion_politica, 
                sep = " y |\\, | Y ") %>% 
  filter(!is.na(fecha_promulgacion__modificacion)) %>% 
  separate_rows(fecha_promulgacion__modificacion,
                sep = " \\/ |\\;|\\-") %>% 
  separate_rows(base_legal_modificacion,
                sep = "\\;|\\/") %>% 
  mutate(categoria = str_squish(categoria) %>% 
           removeNumbers() %>% 
           removePunctuation() %>% 
           str_trim() %>% 
           str_to_title(), 
         codigo = str_squish(codigo),
         codigo = sub("[A-Z]{1,}|[A-Z]{1,} [A-Z]{1,}", "", codigo) %>% 
           str_squish(),
         tipo_doc_crea = str_extract_before(base_legal_creacion,
                                            "Nº"),
         num_doc_crea = str_extract_after(base_legal_creacion,
                                          "Nº"),
         tipo_doc_modif = str_extract_before(base_legal_modificacion,
                                             "Nº"),
         num_doc_modif = str_extract_after(base_legal_modificacion,
                                           "Nº"),
         fecha_promulgacion_creacion = str_squish(fecha_promulgacion_creacion) %>% 
           str_replace_all("\\.", "-") %>% 
           lubridate::as_date(format = "%d-%m-%Y"),
         fecha_promulgacion__modificacion = str_squish(fecha_promulgacion__modificacion)%>% 
           str_replace_all("\\.", "-") %>% 
           lubridate::as_date(format = "%d-%m-%Y")
  ) %>% 
  fill(tipo_doc_crea, .direction = "down") %>% 
  fill(num_doc_crea, .direction = "down") %>% 
  mutate_if(is.character, ~str_squish(.)) %>% 
  select(-c(base_legal_creacion, base_legal_modificacion))
```

```
## # A tibble: 42 x 11
##    categoria codigo nombre_area fecha_promulgac~ fecha_promulgac~
##    <chr>     <chr>  <chr>       <date>           <date>          
##  1 Parques ~ 01     de Cutervo  1961-09-08       2006-08-03      
##  2 Parques ~ 03     del Manu    1973-05-29       2002-07-11      
##  3 Parques ~ 03     del Manu    1973-05-29       2002-07-11      
##  4 Parques ~ 05     Cerros de ~ 1975-07-22       2006-07-07      
##  5 Parques ~ 05     Cerros de ~ 1975-07-22       2006-07-07      
##  6 Parques ~ 05     Cerros de ~ 1975-07-22       2015-11-11      
##  7 Parques ~ 05     Cerros de ~ 1975-07-22       2015-11-11      
##  8 Parques ~ 05     Cerros de ~ 1975-07-22       2006-07-07      
##  9 Parques ~ 05     Cerros de ~ 1975-07-22       2006-07-07      
## 10 Parques ~ 05     Cerros de ~ 1975-07-22       2015-11-11      
## # ... with 32 more rows, and 6 more variables: ubicacion_politica <chr>,
## #   extension_ha <dbl>, tipo_doc_crea <chr>, num_doc_crea <chr>,
## #   tipo_doc_modif <chr>, num_doc_modif <chr>
```

---
class: inverse middle center big-subsection

---
## `summarise()` - `summarize()`

Genera nuevas bases de datos, partiendo de la base de datos original.

```r
anp_clean %>% 
  summarise(numero_categorias = n_distinct(categoria))
```

```
## # A tibble: 1 x 1
##   numero_categorias
##               <int>
## 1                12
```

---
## `summarise()` - `summarize()`

```r
anp_clean %>% 
  summarise(area_total = sum(extension_ha))
```

```
## # A tibble: 1 x 1
##   area_total
##        <dbl>
## 1  42756297.
```

---

## `group_by()`

---

## `group_by()`

```r
anp_clean %>% 
  group_by(categoria) %>% 
  summarise(numero_areas = n_distinct(nombre_area))
```

```
## # A tibble: 12 x 2
##    categoria                      numero_areas
##  * <chr>                                 <int>
##  1 Areas De Conservacion Privada           143
##  2 Areas De Conservacion Regional           25
##  3 Bosques De Proteccion                     6
##  4 Cotos De Caza                             2
##  5 Parques Nacionales                       15
##  6 Refugio De Vida Silvestre                 3
##  7 Reservas Comunales                       10
##  8 Reservas Nacionales                      39
##  9 Reservas Paisajísticas                    2
## 10 Santuarios Historicos                     4
## 11 Santuarios Nacionales                     9
## 12 Zonas Reservadas                          9
```

---

## `arrange()` - `desc()`

```r
anp_clean %>% 
  group_by(categoria) %>% 
  summarise(numero_areas = n_distinct(nombre_area)) %>% 
  arrange(numero_areas)
```

```
## # A tibble: 12 x 2
##    categoria                      numero_areas
##    <chr>                                 <int>
##  1 Cotos De Caza                             2
##  2 Reservas Paisajísticas                    2
##  3 Refugio De Vida Silvestre                 3
##  4 Santuarios Historicos                     4
##  5 Bosques De Proteccion                     6
##  6 Santuarios Nacionales                     9
##  7 Zonas Reservadas                          9
##  8 Reservas Comunales                       10
##  9 Parques Nacionales                       15
## 10 Areas De Conservacion Regional           25
## 11 Reservas Nacionales                      39
## 12 Areas De Conservacion Privada           143
```

---

## `arrange()` - `desc()`

```r
anp_clean %>% 
  group_by(categoria) %>% 
  summarise(numero_areas = n_distinct(nombre_area)) %>% 
  arrange(desc(numero_areas))
```

```
## # A tibble: 12 x 2
##    categoria                      numero_areas
##    <chr>                                 <int>
##  1 Areas De Conservacion Privada           143
##  2 Reservas Nacionales                      39
##  3 Areas De Conservacion Regional           25
##  4 Parques Nacionales                       15
##  5 Reservas Comunales                       10
##  6 Santuarios Nacionales                     9
##  7 Zonas Reservadas                          9
##  8 Bosques De Proteccion                     6
##  9 Santuarios Historicos                     4
## 10 Refugio De Vida Silvestre                 3
## 11 Cotos De Caza                             2
## 12 Reservas Paisajísticas                    2
```

---
class: inverse, middle, center, medium-subsection

## Tidy Data

---
class: inverse, middle, center, medium-subsection

## Tidy Data

---

## tidyr

---
## tidyr

```r
library(vegan)
data("BCI")
BCI[1:10, 1:3]
```

```
##    Abarema.macradenia Vachellia.melanoceras Acalypha.diversifolia
## 1                   0                     0                     0
## 2                   0                     0                     0
## 3                   0                     0                     0
## 4                   0                     0                     0
## 5                   0                     0                     0
## 6                   0                     0                     0
## 7                   0                     0                     0
## 8                   0                     0                     0
## 9                   0                     0                     0
## 10                  1                     0                     0
```
- Ayuda `?`

```r
? BCI
```

---
## tidyr - `pivot_longer()`

```r
BCI %>% 
  pivot_longer(everything(),
               names_to = "especies",
               values_to = "abundancia")
```

```
## # A tibble: 11,250 x 2
##    especies                abundancia
##    <chr>                        <int>
##  1 Abarema.macradenia               0
##  2 Vachellia.melanoceras            0
##  3 Acalypha.diversifolia            0
##  4 Acalypha.macrostachya            0
##  5 Adelia.triloba                   0
##  6 Aegiphila.panamensis             0
##  7 Alchornea.costaricensis          2
##  8 Alchornea.latifolia              0
##  9 Alibertia.edulis                 0
## 10 Allophylus.psilospermus          0
## # ... with 11,240 more rows
```

---
## tidyr - `pivot_longer()`

```r
bci_tbl <- BCI %>%
  as_tibble( rownames = "plot_n")
bci_tbl
```

```
## # A tibble: 50 x 226
##    plot_n Abarema.macrade~ Vachellia.melan~ Acalypha.divers~ Acalypha.macros~
##    <chr>             <int>            <int>            <int>            <int>
##  1 1                     0                0                0                0
##  2 2                     0                0                0                0
##  3 3                     0                0                0                0
##  4 4                     0                0                0                0
##  5 5                     0                0                0                0
##  6 6                     0                0                0                0
##  7 7                     0                0                0                0
##  8 8                     0                0                0                0
##  9 9                     0                0                0                0
## 10 10                    1                0                0                0
## # ... with 40 more rows, and 221 more variables: Adelia.triloba <int>,
## #   Aegiphila.panamensis <int>, Alchornea.costaricensis <int>,
## #   Alchornea.latifolia <int>, Alibertia.edulis <int>,
## #   Allophylus.psilospermus <int>, Alseis.blackiana <int>,
## #   Amaioua.corymbosa <int>, Anacardium.excelsum <int>, Andira.inermis <int>,
## #   Annona.spraguei <int>, Apeiba.glabra <int>, Apeiba.tibourbou <int>,
## #   Aspidosperma.desmanthum <int>, Astrocaryum.standleyanum <int>,
## #   Astronium.graveolens <int>, Attalea.butyracea <int>,
## #   Banara.guianensis <int>, Beilschmiedia.pendula <int>,
## #   Brosimum.alicastrum <int>, Brosimum.guianense <int>,
## #   Calophyllum.longifolium <int>, Casearia.aculeata <int>,
## #   Casearia.arborea <int>, Casearia.commersoniana <int>,
## #   Casearia.guianensis <int>, Casearia.sylvestris <int>,
## #   Cassipourea.guianensis <int>, Cavanillesia.platanifolia <int>,
## #   Cecropia.insignis <int>, Cecropia.obtusifolia <int>, Cedrela.odorata <int>,
## #   Ceiba.pentandra <int>, Celtis.schippii <int>, Cespedesia.spathulata <int>,
## #   Chamguava.schippii <int>, Chimarrhis.parviflora <int>,
## #   Maclura.tinctoria <int>, Chrysochlamys.eclipes <int>,
## #   Chrysophyllum.argenteum <int>, Chrysophyllum.cainito <int>,
## #   Coccoloba.coronata <int>, Coccoloba.manzinellensis <int>,
## #   Colubrina.glandulosa <int>, Cordia.alliodora <int>, Cordia.bicolor <int>,
## #   Cordia.lasiocalyx <int>, Coussarea.curvigemma <int>,
## #   Croton.billbergianus <int>, Cupania.cinerea <int>, Cupania.latifolia <int>,
## #   Cupania.rufescens <int>, Cupania.seemannii <int>,
## #   Dendropanax.arboreus <int>, Desmopsis.panamensis <int>,
## #   Diospyros.artanthifolia <int>, Dipteryx.oleifera <int>,
## #   Drypetes.standleyi <int>, Elaeis.oleifera <int>,
## #   Enterolobium.schomburgkii <int>, Erythrina.costaricensis <int>,
## #   Erythroxylum.macrophyllum <int>, Eugenia.florida <int>,
## #   Eugenia.galalonensis <int>, Eugenia.nesiotica <int>,
## #   Eugenia.oerstediana <int>, Faramea.occidentalis <int>,
## #   Ficus.colubrinae <int>, Ficus.costaricana <int>, Ficus.insipida <int>,
## #   Ficus.maxima <int>, Ficus.obtusifolia <int>, Ficus.popenoei <int>,
## #   Ficus.tonduzii <int>, Ficus.trigonata <int>, Ficus.yoponensis <int>,
## #   Garcinia.intermedia <int>, Garcinia.madruno <int>, Genipa.americana <int>,
## #   Guapira.myrtiflora <int>, Guarea.fuzzy <int>, Guarea.grandifolia <int>,
## #   Guarea.guidonia <int>, Guatteria.dumetorum <int>, Guazuma.ulmifolia <int>,
## #   Guettarda.foliacea <int>, Gustavia.superba <int>,
## #   Hampea.appendiculata <int>, Hasseltia.floribunda <int>,
## #   Heisteria.acuminata <int>, Heisteria.concinna <int>,
## #   Hirtella.americana <int>, Hirtella.triandra <int>, Hura.crepitans <int>,
## #   Hieronyma.alchorneoides <int>, Inga.acuminata <int>, Inga.cocleensis <int>,
## #   Inga.goldmanii <int>, Inga.laurina <int>, Inga.semialata <int>, ...
```

---
## tidyr - `pivot_longer()`

```r
bci_long <- bci_tbl %>% 
  pivot_longer(-plot_n,
               names_to = "especies",
               values_to = "abundancia")
bci_long
```

```
## # A tibble: 11,250 x 3
##    plot_n especies                abundancia
##    <chr>  <chr>                        <int>
##  1 1      Abarema.macradenia               0
##  2 1      Vachellia.melanoceras            0
##  3 1      Acalypha.diversifolia            0
##  4 1      Acalypha.macrostachya            0
##  5 1      Adelia.triloba                   0
##  6 1      Aegiphila.panamensis             0
##  7 1      Alchornea.costaricensis          2
##  8 1      Alchornea.latifolia              0
##  9 1      Alibertia.edulis                 0
## 10 1      Allophylus.psilospermus          0
## # ... with 11,240 more rows
```

---
## tidyr - `pivot_longer()`

```r
bci_long_1 <- bci_tbl %>% 
  pivot_longer(-plot_n,
               names_to = "especies",
               values_to = "abundancia") %>% 
  filter(abundancia != 0)
bci_long_1
```

```
## # A tibble: 4,539 x 3
##    plot_n especies                abundancia
##    <chr>  <chr>                        <int>
##  1 1      Alchornea.costaricensis          2
##  2 1      Alseis.blackiana                25
##  3 1      Annona.spraguei                  1
##  4 1      Apeiba.glabra                   13
##  5 1      Apeiba.tibourbou                 2
##  6 1      Astronium.graveolens             6
##  7 1      Beilschmiedia.pendula            4
##  8 1      Brosimum.alicastrum              5
##  9 1      Casearia.arborea                 1
## 10 1      Casearia.sylvestris              2
## # ... with 4,529 more rows
```

---
## tidyr - `pivot_wider()`

```r
bci_long %>% 
  pivot_wider(names_from = especies,
              values_from = abundancia)
```

---
## tidyr - `pivot_wider()`

```r
bci_long_1 %>% 
  pivot_wider(names_from = especies,
              values_from = abundancia)
```

```
## # A tibble: 50 x 226
##    plot_n Alchornea.costa~ Alseis.blackiana Annona.spraguei Apeiba.glabra
##    <chr>             <int>            <int>           <int>         <int>
##  1 1                     2               25               1            13
##  2 2                     1               26              NA            12
##  3 3                     2               18               1             6
##  4 4                    18               23              NA             3
##  5 5                     3               16              NA             4
##  6 6                     2               14              NA            10
##  7 7                    NA               18              NA             5
##  8 8                     2               14               1             4
##  9 9                     2               16               1             5
## 10 10                    2               14              NA             5
## # ... with 40 more rows, and 221 more variables: Apeiba.tibourbou <int>,
## #   Astronium.graveolens <int>, Beilschmiedia.pendula <int>,
## #   Brosimum.alicastrum <int>, Casearia.arborea <int>,
## #   Casearia.sylvestris <int>, Cassipourea.guianensis <int>,
## #   Cecropia.insignis <int>, Chrysophyllum.argenteum <int>,
## #   Cordia.alliodora <int>, Cordia.bicolor <int>, Cordia.lasiocalyx <int>,
## #   Croton.billbergianus <int>, Cupania.seemannii <int>,
## #   Diospyros.artanthifolia <int>, Dipteryx.oleifera <int>,
## #   Drypetes.standleyi <int>, Eugenia.oerstediana <int>,
## #   Faramea.occidentalis <int>, Ficus.maxima <int>, Ficus.yoponensis <int>,
## #   Garcinia.madruno <int>, Guapira.myrtiflora <int>, Guarea.fuzzy <int>,
## #   Guarea.guidonia <int>, Guatteria.dumetorum <int>, Guettarda.foliacea <int>,
## #   Gustavia.superba <int>, Hasseltia.floribunda <int>,
## #   Heisteria.concinna <int>, Hirtella.triandra <int>, Inga.cocleensis <int>,
## #   Inga.punctata <int>, Inga.sapindoides <int>, Jacaranda.copaia <int>,
## #   Lacistema.aggregatum <int>, Lacmellea.panamensis <int>,
## #   Lonchocarpus.heptaphyllus <int>, Luehea.seemannii <int>,
## #   Maquira.guianensis.costaricana <int>, Marila.laxiflora <int>,
## #   Maytenus.schippii <int>, Miconia.argentea <int>, Mosannona.garwoodii <int>,
## #   Myrcia.gatunensis <int>, Nectandra.purpurea <int>,
## #   Ochroma.pyramidale <int>, Ocotea.whitei <int>, Oenocarpus.mapora <int>,
## #   Platymiscium.pinnatum <int>, Platypodium.elegans <int>,
## #   Poulsenia.armata <int>, Pourouma.bicolor <int>, Pouteria.reticulata <int>,
## #   Prioria.copaifera <int>, Protium.costaricense <int>,
## #   Protium.panamense <int>, Protium.tenuifolium <int>,
## #   Pterocarpus.rohrii <int>, Quararibea.asterolepis <int>,
## #   Randia.armata <int>, Simarouba.amara <int>, Siparuna.guianensis <int>,
## #   Sloanea.terniflora <int>, Socratea.exorrhiza <int>, Sorocea.affinis <int>,
## #   Spondias.mombin <int>, Spondias.radlkoferi <int>, Sterculia.apetala <int>,
## #   Swartzia.simplex.var.grandiflora <int>,
## #   Swartzia.simplex.continentalis <int>, Handroanthus.guayacan <int>,
## #   Tabebuia.rosea <int>, Tabernaemontana.arborea <int>,
## #   Tachigali.versicolor <int>, Talisia.princeps <int>,
## #   Terminalia.amazonia <int>, Tetragastris.panamensis <int>,
## #   Theobroma.cacao <int>, Trattinnickia.aspera <int>,
## #   Trichilia.tuberculata <int>, Trophis.caucana <int>, Trophis.racemosa <int>,
## #   Unonopsis.pittieri <int>, Virola.sebifera <int>, Virola.surinamensis <int>,
## #   Xylopia.macrantha <int>, Zanthoxylum.ekmanii <int>,
## #   Zanthoxylum.panamense <int>, Astrocaryum.standleyanum <int>,
## #   Attalea.butyracea <int>, Calophyllum.longifolium <int>,
## #   Ceiba.pentandra <int>, Dendropanax.arboreus <int>,
## #   Erythroxylum.macrophyllum <int>, Eugenia.florida <int>,
## #   Ficus.colubrinae <int>, Garcinia.intermedia <int>,
## #   Hieronyma.alchorneoides <int>, Inga.spectabilis <int>, ...
```

---
## tidyr - `pivot_wider()`

```r
bci_long_1 %>% 
  pivot_wider(names_from = especies,
              values_from = abundancia,
              values_fill = 0)
```

```
## # A tibble: 50 x 226
##    plot_n Alchornea.costa~ Alseis.blackiana Annona.spraguei Apeiba.glabra
##    <chr>             <int>            <int>           <int>         <int>
##  1 1                     2               25               1            13
##  2 2                     1               26               0            12
##  3 3                     2               18               1             6
##  4 4                    18               23               0             3
##  5 5                     3               16               0             4
##  6 6                     2               14               0            10
##  7 7                     0               18               0             5
##  8 8                     2               14               1             4
##  9 9                     2               16               1             5
## 10 10                    2               14               0             5
## # ... with 40 more rows, and 221 more variables: Apeiba.tibourbou <int>,
## #   Astronium.graveolens <int>, Beilschmiedia.pendula <int>,
## #   Brosimum.alicastrum <int>, Casearia.arborea <int>,
## #   Casearia.sylvestris <int>, Cassipourea.guianensis <int>,
## #   Cecropia.insignis <int>, Chrysophyllum.argenteum <int>,
## #   Cordia.alliodora <int>, Cordia.bicolor <int>, Cordia.lasiocalyx <int>,
## #   Croton.billbergianus <int>, Cupania.seemannii <int>,
## #   Diospyros.artanthifolia <int>, Dipteryx.oleifera <int>,
## #   Drypetes.standleyi <int>, Eugenia.oerstediana <int>,
## #   Faramea.occidentalis <int>, Ficus.maxima <int>, Ficus.yoponensis <int>,
## #   Garcinia.madruno <int>, Guapira.myrtiflora <int>, Guarea.fuzzy <int>,
## #   Guarea.guidonia <int>, Guatteria.dumetorum <int>, Guettarda.foliacea <int>,
## #   Gustavia.superba <int>, Hasseltia.floribunda <int>,
## #   Heisteria.concinna <int>, Hirtella.triandra <int>, Inga.cocleensis <int>,
## #   Inga.punctata <int>, Inga.sapindoides <int>, Jacaranda.copaia <int>,
## #   Lacistema.aggregatum <int>, Lacmellea.panamensis <int>,
## #   Lonchocarpus.heptaphyllus <int>, Luehea.seemannii <int>,
## #   Maquira.guianensis.costaricana <int>, Marila.laxiflora <int>,
## #   Maytenus.schippii <int>, Miconia.argentea <int>, Mosannona.garwoodii <int>,
## #   Myrcia.gatunensis <int>, Nectandra.purpurea <int>,
## #   Ochroma.pyramidale <int>, Ocotea.whitei <int>, Oenocarpus.mapora <int>,
## #   Platymiscium.pinnatum <int>, Platypodium.elegans <int>,
## #   Poulsenia.armata <int>, Pourouma.bicolor <int>, Pouteria.reticulata <int>,
## #   Prioria.copaifera <int>, Protium.costaricense <int>,
## #   Protium.panamense <int>, Protium.tenuifolium <int>,
## #   Pterocarpus.rohrii <int>, Quararibea.asterolepis <int>,
## #   Randia.armata <int>, Simarouba.amara <int>, Siparuna.guianensis <int>,
## #   Sloanea.terniflora <int>, Socratea.exorrhiza <int>, Sorocea.affinis <int>,
## #   Spondias.mombin <int>, Spondias.radlkoferi <int>, Sterculia.apetala <int>,
## #   Swartzia.simplex.var.grandiflora <int>,
## #   Swartzia.simplex.continentalis <int>, Handroanthus.guayacan <int>,
## #   Tabebuia.rosea <int>, Tabernaemontana.arborea <int>,
## #   Tachigali.versicolor <int>, Talisia.princeps <int>,
## #   Terminalia.amazonia <int>, Tetragastris.panamensis <int>,
## #   Theobroma.cacao <int>, Trattinnickia.aspera <int>,
## #   Trichilia.tuberculata <int>, Trophis.caucana <int>, Trophis.racemosa <int>,
## #   Unonopsis.pittieri <int>, Virola.sebifera <int>, Virola.surinamensis <int>,
## #   Xylopia.macrantha <int>, Zanthoxylum.ekmanii <int>,
## #   Zanthoxylum.panamense <int>, Astrocaryum.standleyanum <int>,
## #   Attalea.butyracea <int>, Calophyllum.longifolium <int>,
## #   Ceiba.pentandra <int>, Dendropanax.arboreus <int>,
## #   Erythroxylum.macrophyllum <int>, Eugenia.florida <int>,
## #   Ficus.colubrinae <int>, Garcinia.intermedia <int>,
## #   Hieronyma.alchorneoides <int>, Inga.spectabilis <int>, ...
```

---
class: inverse middle center big-subsection

---
class: inverse, right, middle

# Mas sobre mi...

[<svg viewBox="0 0 512 512" xmlns="http://www.w3.org/2000/svg" style="height:1em;fill:currentColor;position:relative;display:inline-block;top:.1em;">  [ comment ]  <path d="M459.37 151.716c.325 4.548.325 9.097.325 13.645 0 138.72-105.583 298.558-298.558 298.558-59.452 0-114.68-17.219-161.137-47.106 8.447.974 16.568 1.299 25.34 1.299 49.055 0 94.213-16.568 130.274-44.832-46.132-.975-84.792-31.188-98.112-72.772 6.498.974 12.995 1.624 19.818 1.624 9.421 0 18.843-1.3 27.614-3.573-48.081-9.747-84.143-51.98-84.143-102.985v-1.299c13.969 7.797 30.214 12.67 47.431 13.319-28.264-18.843-46.781-51.005-46.781-87.391 0-19.492 5.197-37.36 14.294-52.954 51.655 63.675 129.3 105.258 216.365 109.807-1.624-7.797-2.599-15.918-2.599-24.04 0-57.828 46.782-104.934 104.934-104.934 30.213 0 57.502 12.67 76.67 33.137 23.715-4.548 46.456-13.32 66.599-25.34-7.798 24.366-24.366 44.833-46.132 57.827 21.117-2.273 41.584-8.122 60.426-16.243-14.292 20.791-32.161 39.308-52.628 54.253z"></path></svg> @PaulEfrenSantos](https://twitter.com/PaulEfrenSantos)  
[<svg viewBox="0 0 496 512" xmlns="http://www.w3.org/2000/svg" style="height:1em;fill:currentColor;position:relative;display:inline-block;top:.1em;">  [ comment ]  <path d="M165.9 397.4c0 2-2.3 3.6-5.2 3.6-3.3.3-5.6-1.3-5.6-3.6 0-2 2.3-3.6 5.2-3.6 3-.3 5.6 1.3 5.6 3.6zm-31.1-4.5c-.7 2 1.3 4.3 4.3 4.9 2.6 1 5.6 0 6.2-2s-1.3-4.3-4.3-5.2c-2.6-.7-5.5.3-6.2 2.3zm44.2-1.7c-2.9.7-4.9 2.6-4.6 4.9.3 2 2.9 3.3 5.9 2.6 2.9-.7 4.9-2.6 4.6-4.6-.3-1.9-3-3.2-5.9-2.9zM244.8 8C106.1 8 0 113.3 0 252c0 110.9 69.8 205.8 169.5 239.2 12.8 2.3 17.3-5.6 17.3-12.1 0-6.2-.3-40.4-.3-61.4 0 0-70 15-84.7-29.8 0 0-11.4-29.1-27.8-36.6 0 0-22.9-15.7 1.6-15.4 0 0 24.9 2 38.6 25.8 21.9 38.6 58.6 27.5 72.9 20.9 2.3-16 8.8-27.1 16-33.7-55.9-6.2-112.3-14.3-112.3-110.5 0-27.5 7.6-41.3 23.6-58.9-2.6-6.5-11.1-33.3 2.6-67.9 20.9-6.5 69 27 69 27 20-5.6 41.5-8.5 62.8-8.5s42.8 2.9 62.8 8.5c0 0 48.1-33.6 69-27 13.7 34.7 5.2 61.4 2.6 67.9 16 17.7 25.8 31.5 25.8 58.9 0 96.5-58.9 104.2-114.8 110.5 9.2 7.9 17 22.9 17 46.4 0 33.7-.3 75.4-.3 83.6 0 6.5 4.6 14.4 17.3 12.1C428.2 457.8 496 362.9 496 252 496 113.3 383.5 8 244.8 8zM97.2 352.9c-1.3 1-1 3.3.7 5.2 1.6 1.6 3.9 2.3 5.2 1 1.3-1 1-3.3-.7-5.2-1.6-1.6-3.9-2.3-5.2-1zm-10.8-8.1c-.7 1.3.3 2.9 2.3 3.9 1.6 1 3.6.7 4.3-.7.7-1.3-.3-2.9-2.3-3.9-2-.6-3.6-.3-4.3.7zm32.4 35.6c-1.6 1.3-1 4.3 1.3 6.2 2.3 2.3 5.2 2.6 6.5 1 1.3-1.3.7-4.3-1.3-6.2-2.2-2.3-5.2-2.6-6.5-1zm-11.4-14.7c-1.6 1-1.6 3.6 0 5.9 1.6 2.3 4.3 3.3 5.6 2.3 1.6-1.3 1.6-3.9 0-6.2-1.4-2.3-4-3.3-5.6-2z"></path></svg> @PaulESantos](https://github.com/PaulESantos)  
[<svg viewBox="0 0 512 512" xmlns="http://www.w3.org/2000/svg" style="height:1em;fill:currentColor;position:relative;display:inline-block;top:.1em;">  [ comment ]  <path d="M326.612 185.391c59.747 59.809 58.927 155.698.36 214.59-.11.12-.24.25-.36.37l-67.2 67.2c-59.27 59.27-155.699 59.262-214.96 0-59.27-59.26-59.27-155.7 0-214.96l37.106-37.106c9.84-9.84 26.786-3.3 27.294 10.606.648 17.722 3.826 35.527 9.69 52.721 1.986 5.822.567 12.262-3.783 16.612l-13.087 13.087c-28.026 28.026-28.905 73.66-1.155 101.96 28.024 28.579 74.086 28.749 102.325.51l67.2-67.19c28.191-28.191 28.073-73.757 0-101.83-3.701-3.694-7.429-6.564-10.341-8.569a16.037 16.037 0 0 1-6.947-12.606c-.396-10.567 3.348-21.456 11.698-29.806l21.054-21.055c5.521-5.521 14.182-6.199 20.584-1.731a152.482 152.482 0 0 1 20.522 17.197zM467.547 44.449c-59.261-59.262-155.69-59.27-214.96 0l-67.2 67.2c-.12.12-.25.25-.36.37-58.566 58.892-59.387 154.781.36 214.59a152.454 152.454 0 0 0 20.521 17.196c6.402 4.468 15.064 3.789 20.584-1.731l21.054-21.055c8.35-8.35 12.094-19.239 11.698-29.806a16.037 16.037 0 0 0-6.947-12.606c-2.912-2.005-6.64-4.875-10.341-8.569-28.073-28.073-28.191-73.639 0-101.83l67.2-67.19c28.239-28.239 74.3-28.069 102.325.51 27.75 28.3 26.872 73.934-1.155 101.96l-13.087 13.087c-4.35 4.35-5.769 10.79-3.783 16.612 5.864 17.194 9.042 34.999 9.69 52.721.509 13.906 17.454 20.446 27.294 10.606l37.106-37.106c59.271-59.259 59.271-155.699.001-214.959z"></path></svg> paulefrensa.rbind.io](https://paulefrensa.rbind.io)