-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathparcial13_10_22.R
82 lines (58 loc) · 3.62 KB
/
parcial13_10_22.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
# Miguel Soler
#Libraries
install.packages("readxl")
install.packages("plyr")
install.packages("sqldf")
library("readxl")
library("dplyr")
library("plyr")
library("janitor")
library("arsenal")
library("sqldf")
# 1. Lea adecuadamente las bases de datos. Vea el siguiente ejemplo y lea los datos para el 2015, etc
# de los años 2015 hasta el año 2018.
install.packages("readxl")
library("readxl")
data2015 <- read_excel("./avocado.xlsx", sheet = "Registros2015")
data2016 <- read_excel("./avocado.xlsx", sheet = "Registros2016")
data2017 <- read_excel("./avocado.xlsx", sheet = "Registros2017")
data2018 <- read_excel("./avocado.xlsx", sheet = "Registros2018")
otherVariables <- read_excel("./avocado.xlsx", sheet = "Nuevas Variables")
# 2. Elabore un Data Frame donde compare los nombres de las variables en
#las bases de datos del 2015 hasta el 2018.
tablesComparison = all_equal(data2015,data2016,data2017,data2018)
tablesComparison
# 3. Arregle los nombres de las columnas si es necesario. Una todas las bases de datos
#en un solo Data Frame: Qué precauciones debe tener?
# A nivel de precacuciones se debe tener en cuenta que las tablas tengan las mismas dimensiones
# y nombres de variables iguales
colnames(data2015) <- c("RegistroNumero","Date","AveragePrice","TotalVolume","4046","4225","4770","TotalBags","SmallBags","LargeBags","XLargeBags","type","year","region")
colnames(data2016) <- c("RegistroNumero","Date","AveragePrice","TotalVolume","4046","4225","4770","TotalBags","SmallBags","LargeBags","XLargeBags","type","year","region")
colnames(data2017) <- c("RegistroNumero","Date","AveragePrice","TotalVolume","4046","4225","4770","TotalBags","SmallBags","LargeBags","XLargeBags","type","year","region")
colnames(data2018) <- c("RegistroNumero","Date","AveragePrice","TotalVolume","4046","4225","4770","TotalBags","SmallBags","LargeBags","XLargeBags","type","year","region")
colnames(otherVariables) <- c("RegistroNumero","Date","type","year","region")
mergedYears = rbind(data2015,data2016,data2017,data2018)
mergeData = merge(mergedYears,otherVariables)
View(mergeData)
## inner join
#filtered <- sqldf("SELECT RegistroNumero, Date, type, year, region
# FROM otherVariables
# JOIN mergedYears USING(RegistroNumero)")
unique(dataMerged)
# 4. Con la función subset seleccione los datos correspondientes a las regiones de "NewYork", "Boston", "Orlando"
#y con esta nueva base de datos elabore una tabla donde compare las medidas descriptivas
filteredRegions = mergeData %>% filter( region == 'NewYork' | region == 'Boston' | region == 'Orlando' )
summary(filteredRegions$TotalVolume)
# El promedio de aguacates vendidos es de 391192 en las regiones de Newyork, boston y orlando.
# El minimo de aguacates vendidos para las regiones de Newyork, boston y orlando es de 1611
# El máximo de aguacates vendidos para las regiones de Newyork, boston y orlando es de 2959541
# 5. Con los datos del punto anterior (es decir con los registros correpondientes a "NewYork", "Boston", "Orlando")
#Elabore e INTERPRETE una tabla cruzada con la función tabyl donde
#se observe el porcentaje de registros de acuerdo a la Ciudad (region) y a
#tipo de augacate (Type) asegúrese de que salga porcentaje del total columnas.
#INTERPRETE ESTA TABLA RESALTE LAS CARACETRÍSTICAS MÁS IMPORTANTES
round(prop.table(table(filteredRegions$type, filteredRegions$region),1),2)
round(prop.table(table(filteredRegions$type, filteredRegions$region),2),2)
round(prop.table(table(filteredRegions$type, filteredRegions$region)),2)
# En la ciudad donde se comercia la mayor cantidad de aguacates convencionales es Orlando
# seguido por Boston y finalmente newyork