2  dplyr

2.1 OPERACIONES SOBRE FILAS

filter()

Filtra los datos por filas en base a un criterio

Formula general

df %>% 
  filter(condicion1, condicion2, ..., condicionn)

Ejemplo

df <- 
  tibble(
    a = c(1, 2, 3, 4, 5, 6),
    b = c(5, 6, 7, 8, 9, 10),
    c = c(8, 9, 10, 11, 12, 13)
  )

a	b	c
1	5	8
2	6	9
3	7	10
4	8	11
5	9	12
6	10	13

resultado <-
  df %>% 
  filter(b > 7)

a	b	c
4	8	11
5	9	12
6	10	13

arrange() & desc()

Ordena los datos.

Formula general

df %>% 
  arrange(col1, desc(col2)) # ordena crecientemente por col1, luego decreciente por col2

Ejemplo creciente

df <- 
  tibble(
    a = c(5, 1, 2, 6, 3, 4),
    b = c(5, 6, 7, 8, 9, 10),
    c = c(8, 9, 10, 11, 12, 13)
  )

a	b	c
5	5	8
1	6	9
2	7	10
6	8	11
3	9	12
4	10	13

resultado <- 
  df %>% 
  arrange(a)

a	b	c
1	6	9
2	7	10
3	9	12
4	10	13
5	5	8
6	8	11

Ejemplo decreciente

df <- 
  tibble(
    a = c(5, 1, 2, 6, 3, 4),
    b = c(5, 6, 7, 8, 9, 10),
    c = c(8, 9, 10, 11, 12, 13)
  )

a	b	c
5	5	8
1	6	9
2	7	10
6	8	11
3	9	12
4	10	13

resultado <- 
  df %>% 
  arrange(desc(c))

a	b	c
4	10	13
3	9	12
6	8	11
2	7	10
1	6	9
5	5	8

distinct()

Selecciona todas las combinaciones de valores únicos de una o más columnas.

Formula general

df %>% 
  distinct(col1, col2, ..., coln)

Ejemplo 1 columna

df <- 
  tibble(
    a = c(1, 1, 2, 2, 3, 3),
    b = c(5, 6, 7, 7, 8, 9),
    c = c(8, 9, 10, 11, 12, 13)
  )

a	b	c
1	5	8
1	6	9
2	7	10
2	7	11
3	8	12
3	9	13

resultado <- 
  df %>% 
  distinct(a)

a
1
2
3

Ejemplo 2 columnas

df <- 
  tibble(
    a = c(1, 1, 2, 2, 3, 3),
    b = c(5, 6, 7, 7, 8, 9),
    c = c(8, 9, 10, 11, 12, 13)
  )

a	b	c
1	5	8
1	6	9
2	7	10
2	7	11
3	8	12
3	9	13

resultado <- 
  df %>% 
  distinct(a, b)

a	b
1	5
1	6
2	7
3	8
3	9

2.2 OPERACIONES SOBRE COLUMNAS

select()

Selecciona columnas por nombre o posición

Formula general

df %>% 
  select(col1, col2, ..., coln)

Ejemplo

df <-
  tibble(
    a = c(1, 2, 3, 4),
    b = c(2, 3, 4, 5),
    c = c(3, 4, 5, 6),
    d = c(4, 5, 6, 7),
    e = c(5, 6, 7, 8),
    f = c(6, 7, 8, 9)
  )

a	b	c	d	e	f
1	2	3	4	5	6
2	3	4	5	6	7
3	4	5	6	7	8
4	5	6	7	8	9

resultado <-
  df %>% 
  select(a, c, e)

a	c	e
1	3	5
2	4	6
3	5	7
4	6	8

rename()

Le cambia el nombre a una variable.

Formula general

df %>% 
  rename(nombre_nuevo = nombre_antiguo)

Ejemplo

df <-
  tibble(
    a = c(1, 2, 3, 4),
    b = c(2, 3, 4, 5),
    c = c(3, 4, 5, 6),
    d = c(4, 5, 6, 7)
  )

a	b	c	d
1	2	3	4
2	3	4	5
3	4	5	6
4	5	6	7

resultado <-
  df %>% 
  rename(nuevo_nombre = d)

a	b	c	nuevo_nombre
1	2	3	4
2	3	4	5
3	4	5	6
4	5	6	7

rename_with()

Cambia el nombre de la variable según una norma lógica o fórmula

Formula general

df %>% 
  rename_with(
    function(.x){
      # .x: nombre antiguo de la variable.
      
      # ----condicion o norma lógica
    }
    .cols = tidyselect # seleccionador tidy de columnas
  )

Ejemplo

df <-
  tibble(
    a = c(1, 2, 3, 4),
    b = c(2, 3, 4, 5),
    c = c(3, 4, 5, 6),
    d = c(4, 5, 6, 7)
  )

a	b	c	d
1	2	3	4
2	3	4	5
3	4	5	6
4	5	6	7

resultado <-
  df %>% 
  rename_with(
    function(.x){
      paste0(.x, "_new")
    },
    .cols = all_of(c("a", "b")) #selecciona las columnas a y b
  )

a_new	b_new	c	d
1	2	3	4
2	3	4	5
3	4	5	6
4	5	6	7

relocate()

Mover variables de posición.

Formula general

df %>% 
  relocate(col1, col2, ..., coln)

Ejemplo

df <-
  tibble(
    a = c(1, 2, 3, 4),
    b = c(2, 3, 4, 5),
    c = c(3, 4, 5, 6),
    d = c(4, 5, 6, 7)
  )

a	b	c	d
1	2	3	4
2	3	4	5
3	4	5	6
4	5	6	7

resultado <-
  df %>% 
  relocate(d, c, b, a)

d	c	b	a
4	3	2	1
5	4	3	2
6	5	4	3
7	6	5	4

pull()

Extrae una columna como vector

Formula general

df %>% 
  pull(col)

Ejemplo

df <-
  tibble(
    a = c(1, 2, 3, 4),
    b = c(2, 3, 4, 5),
    c = c(3, 4, 5, 6),
    d = c(4, 5, 6, 7)
  )

a	b	c	d
1	2	3	4
2	3	4	5
3	4	5	6
4	5	6	7

resultado <- 
  df %>% 
  pull(c)

mutate()

Agrega/modifica una columna a la data

Formula general

df %>% 
  mutate(
    nombre_col1 = valor1,
    nombre_col2 = valor2,
    ...,
    nombre_coln = valorn,
  )

Ejemplo

df <-
  tibble(
    a = c(1, 2, 3, 4),
    b = c(2, 3, 4, 5),
    c = c(3, 4, 5, 6),
    d = c(4, 5, 6, 7)
  )

a	b	c	d
1	2	3	4
2	3	4	5
3	4	5	6
4	5	6	7

resultado <-
  df %>% 
  mutate(
    row_sum = rowSums(., na.rm = TRUE),  # calcula la suma para cada fila.
    mean_a = mean(a),                    # calcula el promedio de columna a y lo pone como valor a todas las filas.
    text_a_b = paste0(a, b)              # pega los valores de a y b para cada caso.
  )

a	b	c	d	row_sum	mean_a	text_a_b
1	2	3	4	10	2.5	12
2	3	4	5	14	2.5	23
3	4	5	6	18	2.5	34
4	5	6	7	22	2.5	45

across()

Función accesoria a mutate() que permite realizar la misma operación a varias columnas a la vez.

Formula general

df %>% 
  mutate(
    across(
      tidyselect, # seleccionador tidy de columnas
      function(.x){
        # .x: vector con valores de la columna a modificar
      }
    )
  )

Ejemplo

df <-
  tibble(
    a = c(1, 2, 3, 4),
    b = c(2, 3, 4, 5),
    c = c(3, 4, 5, 6),
    d = c(4, 5, 6, 7)
  )

a	b	c	d
1	2	3	4
2	3	4	5
3	4	5	6
4	5	6	7

resultado <- 
  df %>% 
  mutate(
    across(
      all_of(c("c", "d")), # selecciona las columnas c y d
      function(.x){
        .x * 10
      }
    )
  )

a	b	c	d
1	2	30	40
2	3	40	50
3	4	50	60
4	5	60	70

cur_column()

Función accesoria a across() que extrae el nombre de la columna actual que se está procesando.

Formula general

df %>% 
  mutate(
    across(
      tidyselect, # seleccionador tidy de columnas
      function(.x){
        # .x: vector con valores de la columna a modificar
        # cur_column(): actua como "nombre" en este nivel
        df[cur_column()]
      }
    )
  )

Ejemplo

df <-
  tibble(
    a = c(1, 2, 3, 4),
    b = c(2, 3, 4, 5),
    c = c(3, 4, 5, 6),
    d = c(4, 5, 6, 7)
  )

a	b	c	d
1	2	3	4
2	3	4	5
3	4	5	6
4	5	6	7

resultado <-
  df %>% 
  mutate(
    across(
      all_of(c("a", "b")),
      function(.x){
        paste0(as.character(.x), cur_column()) # junta el valor con el nombre de la columna
      }
    )
  )

a	b	c	d
1a	2b	3	4
2a	3b	4	5
3a	4b	5	6
4a	5b	6	7

pick()

Función accesoria para mutate para elegir multiples columnas para una operación

Formula general

# Por que su función es seleccionar es difícil establecer una formula general, por lo tanto, se utiliza un ejemplo simple como forma general

df %>% 
  mutate(
    var = rowMeans(pick(tidyselect)) # calcularía la media por fila entre los valores de las variables incluidas en el tidyselect. 
  )

Ejemplo

df <-
  tibble(
    a = c(1, 2, 3, 4),
    b = c(2, 3, 4, 5),
    c = c(3, 4, 5, 6),
    d = c(4, 5, 6, 7)
  )

a	b	c	d
1	2	3	4
2	3	4	5
3	4	5	6
4	5	6	7

resultado <-
  df %>% 
  mutate(
    a_b_sum = rowSums(pick(all_of(c("a", "b"))), na.rm = TRUE), # calcula la suma de filas pero solo de a y b.
    c_d_mean = rowMeans(pick(all_of(c("c", "d"))), na.rm = TRUE) # ejemplo en formula general.
  )

add_count()

Agrega conteo de grupos como columna con nombre “n”.

Formula general

add_tally()

Agrega suma de valores de grupos como columna con nombre “n”.

Formula general

2.3 OPERACIONES SOBRE VECTORES

lag()

lead()

n_distinct()

nth()

first()

last()

2.4 GENERACION DE GRUPOS

group_by()

ungroup()

summarize() & summarise()

slice_*()

n()

tally()

count()

2.5 JOINS

resumen

inner_join()

full_join()

left_join()

right_join()

anti_join()

semi_join()

cross_join()

nest_join()

2.6 OPERACIONES LÓGICAS

if_else()

case_when()

case_match()

between()

2.7 ACUMULACIÓN DE DATAFRAMES

bind_rows()

bind_cols()

Formula general

Ejemplo