Yo nunca me había preocupado demasiado de eso (salvo en las presentaciones, para la que uso revealjs y que son otra historia), pero el otro día me pasaron y vi el efecto de
---
title: "Mi título"
author: "Yo Me Mí Conmigo"
date: '`r format(Sys.Date(), "%B %d, %Y")`'
output:
html_document:
toc: true
toc_float:
collapsed: false
smooth_scroll: false
theme: united
highlight: tango
---y las cosas van a cambiar para siempre.
La anticonferencia me ronda la cabeza.
No es una conferencia, (de ahí el prefijo), aunque se parezca a ella en lo de reunir a un grupillo de gente interesada en un asunto.
No es un jacatón. Los jacatones están, sobre el papel, bien; pero demasiado a menudo su producto se queda ahí, tiene poca (o nula) trayectoria o impacto. ¿Me dejáis que diga que son mayormente intranscendentes?
Pero creo que los de rOpenSci dieron en el clavo con su Unconference. Es una reunión similar a un jacatón, pero con un objetivo claro: desarrollar paquetes y extender el universo de herramientas de rOpenSci.
[Ad]Mirad esta pequeña maravilla de código:
n <- 100
dat <- data.frame(
y = rnorm(100),
x = sample(letters[1:3], n, replace = T)
)
medias <- tapply(dat$y, dat$x, mean)
dat$x.trans <- medias[dat$x]
head(dat)El corchete está manifiestamente infravalorado.
¿Qué es %>%? ¿Para qué sirve? Hoy he hecho la presentación más sesgada y parcial del operador para neófitos en R:
library(magrittr)
8 %>% sin %>% exp
exp(sin(8))(Es que madrugar me pone de mal humor y saca mi más sincero yo de dentro de mí mismo).
He leído esto, que trata de lo distinta que es
a la izquierda y a la derecha de la línea roja punteada.
La historia contada desde las posterioris basadas en datos difiere de la apriorística (recordad: ideología = priori). En concreto
Reconoceréis una aplicación de causalImpact y lo que significa el gráfico está comentado en todas partes.
Código y datos, por mor de la reproducibilidad, aquí.
Ayer asistí a una charla sobre errors. Brevemente (porque está estupendamente explicado, motivado y documentado por su autor, al que aprovecho la ocasión para saludar), hace esto:
library(errors)
valores <- unlist(list(a = 1, b = 2, c = 3))
vars <- c(1, 1, 1) # varianzas de esos datos/medidas
sds <- sqrt(vars)
# errores
x <- valores
errors(x) <- sds
format(x[1] * sin(x[2])^3, notation = "plus-minus", digits = 3)
#[1] "0.75 +/- 1.28"Y nuestro viejo, clásico, manido, infrautilizado, semidesconocido mas no por ello menos querido método delta, ¿para qué existe en lugar de (como elucubraba el filósofo), simplemente, no existir? ¿Para qué otra cosa sino para aprenderlo me levanté yo aquella fría mañana del 94 sino para contemplarlo proyectado de diapositivas manuscritas de acetato? ¿Fue en vano?
Trato de estar abierto a lo nuevo. Tantos años soportando dinosaurios me han vacunado contra el conservadurismo tecnológico. De hecho, me produce arcadas. La experiencia, no obstante, me ha hecho permeable al efecto Lindy, lo que me da ocasión de saludar a mis amigos emaqueros.
Las cosas cambian y en R estamos viviendo una especie de revolución. Mi argumento, para impacientes, es que:
Cuento todo esto a raíz de una reseña a un novedoso curso de R. Lo es en tanto que, dicen:
Las alturas corresponden a una cierta potencia de la población residente en la correspondiente rejilla. Los datos son del SEDAC (Socioeconomic Data and Applications Center, Universidad de Columbia) y se pueden bajar gratis si te registras y rellenas un cuestionario tontaina.
El código,
library(ggplot2)
options(expressions = 10000)
dat <- read.table("dat/espp00ag.asc", skip = 6)
dat <- as.matrix(dat)
dat <- data.frame(y = as.numeric(row(dat)),
x = as.numeric(col(dat)),
pop = as.numeric(dat))
peninsula <- dat[dat$x > 200,]
peninsula <- peninsula[peninsula$y < 250,]
res <- ggplot()
for (i in 1:max(peninsula$y)){
tmp <- peninsula[peninsula$y == i,]
tmp$pop <- tmp$pop^0.3
res <- res + geom_polygon(data = tmp, aes(x = x, y = pop - y), fill = "white", col = "black", size = 0.1)
res <- res + geom_path(data = tmp, aes(x = x, y = pop - y), size = 0.2)
res <- res + geom_hline(data = tmp, aes(yintercept = -y), col = "white")
}
res + theme(axis.line=element_blank(),
axis.text.x=element_blank(),
axis.text.y=element_blank(),
axis.ticks=element_blank(),
axis.title.x=element_blank(),
axis.title.y=element_blank(),
legend.position="none",
panel.background=element_blank(),
panel.border=element_blank(),
panel.grid.major=element_blank(),
panel.grid.minor=element_blank(),
plot.background=element_blank())Nota: se me olvidó escribir en el cuerpo lo que anunciaba el título, i.e., que esta entrada está inspirada (fusilada, de hecho) en lo esencial de otras previas.
La década le ha dejado nuevas sintaxis a R. Algunos, precarcas, fruncimos el entrecejo. Esta entrada nos administrará un poco de medicina histórica.
R es una reimplementación (libre, para más señas) de S. La sintaxis actual de S (que es la del R de toda la vida) es del año 88. Antes, durante los 80, era otra. Pero es difícil dar con ella en internet.
Pero no imposible. El libro S: An Interactive Environment for Data Analysis and Graphics, de Chambers y Becker, ha sido escaneado por Google y, aunque no completo, nos permite echar un vistazo a algunas páginas, las suficientes para no hacer carraspear desaprobatoriamente al copyright.
Tenía que haberlo publicado antes, pero… ahí va:
Esta semana se va a impartir un curso de introducción a R en el que participo. Está organizado por la UNED y se puede asistir presencialmente (si estás en Gijón esos días) o en remoto desde cualquier parte.
La info, aquí.
Aquí, contracorriente. Dejamos aparcado el big data y le damos a lo que nos da de comer. Entre otras cosas, este pequeño experimento con muy pequeños datos (¿tres?).
La aplicación es real. Y los datos pequeños porque son carísimos.
Se puede suponer que tienen distribución beta de parámetros desconocidos. Nos interesa la media muestral de unas pocas observaciones: dos, tres, cuatro,… En particular, qué distribución tiene.
Si fuesen muchos, podríamos aplicar el teorema central del límite (que funciona estupendamente incluso con valores no muy grandes). Pero la suma de pocas observaciones beta no tiene una distribución con nombre (que yo sepa). Pero podemos usar un viejo truco (parecido al de la aproximación de Welch para el número de grados de libertad de la prueba de Student cuando las varianzas son desiguales):
Es
responde a mi entrada de la semana pasada y se lo debemos a la gentileza de Sergio J.
El código, con mínimas modificaciones mías (para automatizar la descarga de los datos) es
library(pxR)
library(dplyr)
library(tidyr)
library(ggplot2)
#---- Carga y transformacion de datos
download.file("http://www.datanalytics.com/uploads/3199.px", "3199.px")
pob <- read.px("3199.px", encoding = "latin1")
pob <- as.data.frame(pob)
pob$Sexo <- NULL
pob$Periodo <- as.numeric(as.character(pob$Periodo))
pob <- separate(pob, Provincias, into = c("id_provincia", "provincia"), sep = 3)
pob$fecha <- as.Date(paste0(pob$Periodo, "-12-31"))
pob <- subset(pob,as.numeric(id_provincia)<=50)
#---- Plot
bl <- sapply(1:22, function(n) paste(rep(" ",n),collapse=""))
pob$provincia.reorder <- factor(
pob$provincia,
levels = c("Coruña, A","Lugo","Asturias","Cantabria","Bizkaia","Gipuzkoa","Navarra",bl[1:2],
"Pontevedra","Ourense","León","Palencia","Burgos","Araba/Álava" ,"Huesca","Lleida","Girona",
bl[3:4],"Zamora","Valladolid","Soria","Rioja, La","Zaragoza","Tarragona","Barcelona",
bl[5:6],"Salamanca","Ávila","Segovia","Guadalajara","Teruel",bl[7:8],
bl[9:10],"Cáceres","Toledo","Madrid","Cuenca","Castellón/Castelló",bl[11],"Balears, Illes",
bl[12:13],"Badajoz","Córdoba","Ciudad Real","Albacete", "Valencia/València",bl[14:15],
bl[16:17],"Huelva","Sevilla","Jaén","Murcia","Alicante/Alacant",bl[18:19],
bl[20:21],"Cádiz","Málaga","Granada","Almería",bl[22],"Palmas, Las","Santa Cruz de Tenerife"))
ggplot(pob, aes(x = fecha, y = value)) +
geom_line() + facet_wrap(~ provincia.reorder,
ncol=9,drop = F, strip.position="bottom") +
labs(title = "Evolución de la edad media por provincias en España (1975-2016)", y="Edad Media") +
theme_classic() +
theme(axis.text.x = element_blank(),
strip.background=element_blank(),
axis.line=element_blank(),
axis.ticks=element_blank())Se aceptan modificaciones y mejoras, por supuesto. Y si alguien quiere dedicarle el tiempo necesario para crear un paquete en R que lo generalice, creo que será bienvenido por la comunidad.
Me refiero a algo similar a (referencia):
Lo ideal sería crear una función compatible con el sistema de facetas de ggplot2 con nombre, p.e., facet_spain que permitiese disponer cualquier tipo de gráfico en una retícula similar.
No particularmente difícil, pero sí, seguro, utilísimo.
¿A nadie le tienta el proyecto?
[Me encanta el impersonal de “podría fabricarse…”. ¡Es como tan de tirar la piedra y esconder la mano!]
