Subconjunto de datos en R

R dispone de potentes funciones de indexación para acceder a los elementos de los objetos. Estas características pueden utilizarse para seleccionar y excluir variables y observaciones. Los siguientes fragmentos de código muestran formas de conservar o eliminar variables y observaciones y de tomar muestras aleatorias de un conjunto de datos.

Seleccionar (mantener) variables

# select variables v1, v2, v3
myvars <- c("v1", "v2", "v3")
newdata <- mydata[myvars]

# another method
myvars <- paste("v", 1:3, sep="")
newdata <- mydata[myvars]

# select 1st and 5th thru 10th variables
newdata <- mydata[c(1,5:10)]Con la tecnología de

Para practicar esto de forma interactiva, prueba los ejercicios de selección de elementos de marcos de datos del capítulo Marcos de datos de este curso de introducción a R.

Excluir (DROPPING) Variables

# exclude variables v1, v2, v3
myvars <- names(mydata) %in% c("v1", "v2", "v3")

newdata <- mydata[!myvars]

# exclude 3rd and 5th variable
newdata <- mydata[c(-3,-5)]

# delete variables v3 and v5
mydata$v3 <- mydata$v5 <- NULLCon la tecnología de

Seleccionar observaciones

# first 5 observations
newdata <- mydata[1:5,]

# based on variable values
newdata <- mydata[ which(mydata$gender=='F'
& mydata$age > 65), ]

# or
attach(mydata)
newdata <- mydata[which(gender=='F' & age > 65),]
detach(mydata)Con la tecnología de

Selección mediante la Función Subconjunto

La función subconjunto( ) es la forma más sencilla de seleccionar variables y observaciones. En el siguiente ejemplo, seleccionamos todas las filas que tengan un valor de edad mayor o igual que 20 o de edad menor que 10. Mantenemos las columnas ID y Peso.

# using subset function
newdata <- subset(mydata, age >= 20 | age < 10,
select=c(ID, Weight))Con la tecnología de

En el siguiente ejemplo, seleccionamos a todos los hombres mayores de 25 años y mantenemos las variables peso a ingresos (peso, ingresos y todas las columnas entre ellos).

# using subset function (part 2)
newdata <- subset(mydata, sex=="m" & age > 25,
select=weight:income)Con la tecnología de

Para practicar la función subconjunto(), prueba este ejercicio interactivo sobre el subconjunto de datos.tablas.

Muestras aleatorias

Utiliza la función muestra( ) para tomar una muestra aleatoria de tamaño n de un conjunto de datos.

# take a random sample of size 50 from a dataset mydata

# sample without replacement
mysample <- mydata[sample(1:nrow(mydata), 50,
   replace=FALSE),]Con la tecnología de