código para chunks dentro de la nota

scripts_texto_nota.R

@@ -0,0 +1,84 @@
+
+library(palmerpenguins)
+library(tidyverse)
+
+## readr ----
+# leer archivos con readr
+read_delim("penguins.csv")
+read_csv("penguins.csv") 
+str(penguins) # lo lee automáticamente como un tibble
+# R base 
+read.csv("penguins.csv")
+str(penguins) # lo lee como data frame
+
+
+## tibble ----
+# tibble permite almacenar columnas de tipo lista
+tibble(x = 1:2, y = list(1:3, letters)) 
+# data frame no permite almacenar columnas de tipo lista
+data.frame(x = 1:2, y = list(1:3, letters))
+# el output de esto es un tibble con listas-columna
+penguins |> 
+  group_by(species) |> 
+  nest()
+
+
+## stringr ----
+penguins <- penguins |> 
+# str_sub() # extrae una parte de una cadena de texto
+mutate(species_code = str_sub(species, start = 1L, end = 3L))
+# R base
+penguins$species_code <- substr(penguins$species, 1L, 3L)
+
+
+## dplyr ----
+penguins_bmass <- penguins |>   
+  group_by(island, species, sex) |>     # operar por niveles (calcular la masa corporal promedio en cada una de las islas)  
+  summarise(body_mass_g = mean(body_mass_g, na.rm = TRUE)) 
+# R base
+aggregate(body_mass_g ~ island + species + sex, data = penguins, FUN = mean, na.rm = TRUE) # calcular la masa corporal promedio en cada isla y especie
+
+
+## tidyr ----
+# con el output del ejemplo anterior en dplyr, se reorganizan los datos formando una columna para cada especie donde indica el sexo de cada individuo
+penguins_bmass_wide <- penguins_bmass |> pivot_wider(names_from = species, values_from = sex)
+# R base
+reshape(penguins_bmass, idvar = "species", timevar = "sex", direction = "wide")
+
+
+## forcats ----
+# reordenar las especies según el tamaño medio de la longitud de la aleta (en orden creciente)
+penguins$sex2 <- fct_recode(penguins$sex, f = "female", m = "male")
+# R base
+penguins$sex2 <- factor(penguins$sex, labels = c("f", "m"), levels = c("female", "male"))
+
+
+## ggplot ----
+plot_species <- function(species_name) {
+  penguins |> 
+    na.omit() |> 
+    filter(species == species_name) |> 
+    ggplot(aes(x = flipper_length_mm, y = body_mass_g)) +  
+    geom_point() +      
+    geom_smooth(method = "lm", col = "black") +
+    ggtitle(species_name)
+}
+# R base
+plot_species <- function(species_name) {
+  filtered_data <- na.omit(penguins)
+  filtered_data <- subset(filtered_data, species == species_name)
+  plot(
+    body_mass_g ~ flipper_length_mm,
+    data = filtered_data,
+    main = species_name,
+    xlab = "Flipper Length (mm)",
+    ylab = "Body Mass (g)"
+  )
+  lm_model <- lm(body_mass_g ~ flipper_length_mm, data = filtered_data)
+  abline(lm_model, col = "black")
+}
+
+## purrr ----
+map(.x = levels(penguins$species), .f = plot_species)
+# R base
+lapply(X = levels(penguins$species), FUN = plot_species)