R

Pues así: Continúe por CALLE SAN JUAN DE RABANERA Gire justo a la izquierda por CALLE DIPUTACION Gire justo a la derecha por CALLE CABALLEROS Gire ligeramente a la izquierda por PLAZA RAMON Y CAJAL Gire a la izquierda por PLAZA MARIANO GRANADOS Gire a la izquierda por PASEO ESPOLON (EL) Gire ligeramente a la izquierda por AVENIDA VALLADOLID Gire ligeramente a la izquierda por N-122 Continúe por A-11 Continúe por N-122 Gire ligeramente a la izquierda por CARRETERA SIN NOMBRE Continúe por N-122 Gire a la izquierda por BU-924 Continúe por N-122 Continúe por BU-930 Gire a la derecha por BU-940 Continúe por CALLE FELIPE GARCIA Continúe por BU-940 Gire ligeramente a la derecha por BU-932 Gire a la izquierda por CALLE PAJARES Continúe por BU-V-9321 Continúe por SG-V-9321 Continúe por road Continúe por SG-V-9321 Gire a la derecha por CALLE BAÑUELOS O al menos, eso dice la novísima función caRtociudad::get_cartociudad_route. Que, además (y además de otras cosas) te dice que, en coche, tardarías 6969024… ¿milisegundos? ...

Comparto con mis lectores un experimento de esta misma mañana: cómo insertar en el panel principal de Shiny un documento generado con Rmarkdown. Que, por supuesto, cambia según se seleccionen unos u otros parámetros en Shiny. Es un ejemplo sencillo, estúpido, sin comentarios, desordenado y, en resumen, muy mejorable. Puede descargarse de aquí. El truco es de los sucios: En server.R se guardan los parámetros que envía ui.R en un fichero de intercambio con save. La plantilla del .Rmd lee esos parámetros durante el proceso de compilación (con rmarkdown::render). ui.R pinta el html con htmlOutput. Y, a partir de la plantilla, ¡a crecer!

El Sr. Botín, presidente que fue del Banco de Santander, falleció el 2014-09-10. Cabe preguntarse por el impacto causal à la Google de no continuidad de su gestión a cargo de dicha institución. Comienzo pues. Primero los datos: library(tseries) library(CausalImpact) santander <- get.hist.quote(instrument="san.mc", start= Sys.Date() - 365*3, end= Sys.Date(), quote="AdjClose", provider="yahoo", origin="1970-01-01", compression="d", retclass="zoo") bbva <- get.hist.quote(instrument="bbva.mc", start= Sys.Date() - 365*3, end= Sys.Date(), quote="AdjClose", provider="yahoo", origin="1970-01-01", compression="d", retclass="zoo") ibex <- get.hist.quote(instrument="^IBEX", start= Sys.Date() - 365*3, end= Sys.Date(), quote="AdjClose", provider="yahoo", origin="1970-01-01", compression="d", retclass="zoo") obito.botin <- as.Date("2014-09-10") cotizaciones <- cbind(santander, bbva, ibex) cotizaciones <- cotizaciones[!is.na(cotizaciones$AdjClose.ibex)] Con lo anterior, he bajado las cotizaciones diarias de las acciones del Banco de Santander, las del BBVA y la del IBEX 35 durante los últimos tres años. Eso deja la fecha de la muerte del Sr. Botín, aproximadamente, en la mitad. ...

Las diapositivas de mi charla Birds of the same feather… en el grupo de usuarios de R de Madrid pueden verse/bajarse de aquí.

Y lo hace así: library(caRtociudad) get_cartociudad_location_info(40.473219,-3.7227241, year = 2015) # $seccion # [1] "2807908148" # # $distrito # [1] "2807908" # # $provincia # [1] "Madrid" # # $municipio # [1] "Madrid" Esto da respuesta a una pregunta de Rubén. La función es en su mayor parte (salvo algunos retoques más estéticos que otra cosa míos) de Luz Frías, que hizo omiso caso de la inexistente docuentación del INE sobre su servicio de mapas y capturó directamente la petición que el portal de Cartociudad hace al servicio. ...

Las diapositivas de mi charla Datos, modelos y parámetros en el grupo Machine Learning Spain pueden verse/bajarse de aquí.

Si quieres aprender R, bien puedes matricularte en el curso que voy a impartir en KSchool. Es un programa de iniciación a R centrado en aquellos aspectos de R que más usan en la práctica diaria quienes trabajan con datos (y no son estadísticos duros). ¡Y ya vamos por la tercera edición! Tendrá lugar durante el mes de junio (y un poco de julio). Son diez sesiones de tres horas. Los detalles están aquí. ...

Sí, hablaré de feather. Los detalles, aquí.

Los viejos del lugar recordarán esto, donde agrupo trayectorias usando k-medias a pelo. El paquete kmlShape usa la distancia de Fréchet para hacer algo parecido: buscar trayectorias geométricamente similares. El código es library(kmlShape) library(tseries) library(zoo) library(XML) library(reshape) library(ggplot2) foo <- function( simbolo, final = Sys.time(), profundidad = 30 * 24 * 3600) { precios <- get.hist.quote( instrument= simbolo, start = final - profundidad, end = final, quote=c("AdjClose"), provider="yahoo", origin="1970-01-01", compression="d", retclass="zoo") colnames(precios) <- simbolo return(precios) } # lista de símbolos del ibex tmp <- readHTMLTable("http://finance.yahoo.com/q/cp?s=%5EIBEX+Components")[[5]] tmp <- as.character(tmp$V1[-(1:6)]) ibex <- do.call(merge, sapply(simbolos, foo, simplify = F)) ibex.scaled <- data.frame(t(scale(ibex))) tmp <- cldsWide(ibex.scaled) res <- kmlShape(tmp, 4, toPlot = "none") tmp <- data.frame( id = rownames(ibex.scaled), cluster = res@clusters, ibex.scaled) tmp <- melt(tmp, id.vars = c("id", "cluster")) tmp$fecha <- as.Date(tmp$variable, "X%Y.%m.%d") ggplot(tmp, aes(x=fecha, y=value, group=id)) + geom_line() + facet_wrap(~cluster) y el resultado, ...

Me piden bibliografía para unos cursos de ciencia de datos. En particular, de estadística básica. Un texto que reúna los conceptos fundamentales de la cosa para quienes o no los aprendieron en su día o los olvidaron por el camino. Tiene que cumplir algunos requisitos mínimos: Que presente los gráficos estadísticos básicos y que no estén construidos con Excel (en 3D). Que, a lo más, incluya un único gráfico de tarta. Que no sea muy pesado matemáticamente. Que sea breve, pero no demasiado. Que esté accesible, idealmente en internet, gratuita y legalmente. Finalmente, si está escrito escrito en español y usa R, mejor aún. ...