Tarea # 1

2024-02-18

EJERCICIO 1 : Cambia el nombre de la columna “mpg” a

“Miles_per_Gallon” e imprime los nombres.
library(dplyr)

##
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':

##
## filter, lag

## The following objects are masked from 'package:base':

##
## intersect, setdiff, setequal, union

# Cargar la base de datos

data(mtcars)
data_R= mtcars

# Cambiar nombre
colnames(mtcars)[1] = "Miles_per_Gallon"
names(mtcars)

## [1] "Miles_per_Gallon" "cyl" "disp" "hp"

## [5] "drat" "wt" "qsec" "vs"

## [9] "am" "gear" "carb"

#dyplr
data_R = data_R %>%
rename(Miles_per_Gallon = mpg)
names(data_R)

## [1] "Miles_per_Gallon" "cyl" "disp" "hp"

## [5] "drat" "wt" "qsec" "vs"

## [9] "am" "gear" "carb"

Ejercicio 2: Filtra las filas donde el número de cilindros es igual a 6 y
muestra la estructura del nuevo dataframe.
# Filtar
mtcars_fil = mtcars %>%
filter(cyl == 6)

# nuevo dataframe

str(mtcars_fil)

## 'data.frame': 7 obs. of 11 variables:

## $ Miles_per_Gallon: num 21 21 21.4 18.1 19.2 17.8 19.7
## $ cyl : num 6 6 6 6 6 6 6
## $ disp : num 160 160 258 225 168 ...
## $ hp : num 110 110 110 105 123 123 175
## $ drat : num 3.9 3.9 3.08 2.76 3.92 3.92 3.62
## $ wt : num 2.62 2.88 3.21 3.46 3.44 ...
## $ qsec : num 16.5 17 19.4 20.2 18.3 ...
## $ vs : num 0 0 1 1 1 1 0
## $ am : num 1 1 0 0 0 0 1
## $ gear : num 4 4 3 3 4 4 5
## $ carb : num 4 4 1 1 4 4 6

Ejercicio 3: Ordena el conjunto de datos por la variable “hp” de

manera descendente e imprime los 10 datos finales del dataframe
#Ordenar

mtcars_hp = mtcars %>%

arrange(desc(hp))

# Imprimir los 10 datos finales del dataframe

tail(mtcars_hp, 10)

## Miles_per_Gallon cyl disp hp drat wt qsec vs am gear

carb
## Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3
1
## Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3
1
## Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4
2
## Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4
1
## Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5
2
## Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4
1
## Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4
1
## Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4
1
## Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4
2
## Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4
2

Ejercicio 4: Crea una nueva columna llamada “KPL” (km_litro) a partir

de los datos de “Miles_per_Gallon” e imprime los primeros 5 datos
# Crear una nueva columna llamada "KPL" (km_litro)

mtcars_mut = mtcars %>%

mutate(.,KPL = Miles_per_Gallon * 0.4251)

mtcars_mut %>%
relocate(., KPL, .after=Miles_per_Gallon)

## Miles_per_Gallon KPL cyl disp hp drat wt

qsec vs
## Mazda RX4 21.0 8.92710 6 160.0 110 3.90 2.620
16.46 0
## Mazda RX4 Wag 21.0 8.92710 6 160.0 110 3.90 2.875
17.02 0
## Datsun 710 22.8 9.69228 4 108.0 93 3.85 2.320
18.61 1
## Hornet 4 Drive 21.4 9.09714 6 258.0 110 3.08 3.215
19.44 1
## Hornet Sportabout 18.7 7.94937 8 360.0 175 3.15 3.440
17.02 0
## Valiant 18.1 7.69431 6 225.0 105 2.76 3.460
20.22 1
## Duster 360 14.3 6.07893 8 360.0 245 3.21 3.570
15.84 0
## Merc 240D 24.4 10.37244 4 146.7 62 3.69 3.190
20.00 1
## Merc 230 22.8 9.69228 4 140.8 95 3.92 3.150
22.90 1
## Merc 280 19.2 8.16192 6 167.6 123 3.92 3.440
18.30 1
## Merc 280C 17.8 7.56678 6 167.6 123 3.92 3.440
18.90 1
## Merc 450SE 16.4 6.97164 8 275.8 180 3.07 4.070
17.40 0
## Merc 450SL 17.3 7.35423 8 275.8 180 3.07 3.730
17.60 0
## Merc 450SLC 15.2 6.46152 8 275.8 180 3.07 3.780
18.00 0
## Cadillac Fleetwood 10.4 4.42104 8 472.0 205 2.93 5.250
17.98 0
## Lincoln Continental 10.4 4.42104 8 460.0 215 3.00 5.424
17.82 0
## Chrysler Imperial 14.7 6.24897 8 440.0 230 3.23 5.345
17.42 0
## Fiat 128 32.4 13.77324 4 78.7 66 4.08 2.200
19.47 1
## Honda Civic 30.4 12.92304 4 75.7 52 4.93 1.615
18.52 1
## Toyota Corolla 33.9 14.41089 4 71.1 65 4.22 1.835
19.90 1
## Toyota Corona 21.5 9.13965 4 120.1 97 3.70 2.465
20.01 1
## Dodge Challenger 15.5 6.58905 8 318.0 150 2.76 3.520
16.87 0
## AMC Javelin 15.2 6.46152 8 304.0 150 3.15 3.435
17.30 0
## Camaro Z28 13.3 5.65383 8 350.0 245 3.73 3.840
15.41 0
## Pontiac Firebird 19.2 8.16192 8 400.0 175 3.08 3.845
17.05 0
## Fiat X1-9 27.3 11.60523 4 79.0 66 4.08 1.935
18.90 1
## Porsche 914-2 26.0 11.05260 4 120.3 91 4.43 2.140
16.70 0
## Lotus Europa 30.4 12.92304 4 95.1 113 3.77 1.513
16.90 1
## Ford Pantera L 15.8 6.71658 8 351.0 264 4.22 3.170
14.50 0
## Ferrari Dino 19.7 8.37447 6 145.0 175 3.62 2.770
15.50 0
## Maserati Bora 15.0 6.37650 8 301.0 335 3.54 3.570
14.60 0
## Volvo 142E 21.4 9.09714 4 121.0 109 4.11 2.780
18.60 1
## am gear carb
## Mazda RX4 1 4 4
## Mazda RX4 Wag 1 4 4
## Datsun 710 1 4 1
## Hornet 4 Drive 0 3 1
## Hornet Sportabout 0 3 2
## Valiant 0 3 1
## Duster 360 0 3 4
## Merc 240D 0 4 2
## Merc 230 0 4 2
## Merc 280 0 4 4
## Merc 280C 0 4 4
## Merc 450SE 0 3 3
## Merc 450SL 0 3 3
## Merc 450SLC 0 3 3
## Cadillac Fleetwood 0 3 4
## Lincoln Continental 0 3 4
## Chrysler Imperial 0 3 4
## Fiat 128 1 4 1
## Honda Civic 1 4 2
## Toyota Corolla 1 4 1
## Toyota Corona 0 3 1
## Dodge Challenger 0 3 2
## AMC Javelin 0 3 2
## Camaro Z28 0 3 4
## Pontiac Firebird 0 3 2
## Fiat X1-9 1 4 1
## Porsche 914-2 1 5 2
## Lotus Europa 1 5 2
## Ford Pantera L 1 5 4
## Ferrari Dino 1 5 6
## Maserati Bora 1 5 8
## Volvo 142E 1 4 2

# Imprimir los primeros 5 datos

head(mtcars_mut, 5)

## Miles_per_Gallon cyl disp hp drat wt qsec vs am

gear
## Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1
4
## Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1
4
## Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1
4
## Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0
3
## Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0
3
## carb KPL
## Mazda RX4 4 8.92710
## Mazda RX4 Wag 4 8.92710
## Datsun 710 1 9.69228
## Hornet 4 Drive 1 9.09714
## Hornet Sportabout 2 7.94937
Ejercicio 5: Agrupa los datos por el número de cilindros y encuentra el
promedio de “Miles_per_Gallon” para cada grupo e imprime la tabla
generada
# Agrupar los datos por el número de cilindros y encontrar el promedio de
"Miles_per_Gallon"

grupo_cyl = mtcars %>%

group_by(cyl) %>%
summarise(prom_mpg = mean(Miles_per_Gallon))

# Imprimir la tabla generada

grupo_cyl

## # A tibble: 3 × 2
## cyl prom_mpg
## <dbl> <dbl>
## 1 4 26.7
## 2 6 19.7
## 3 8 15.1

Ejercicio 6: Agrega una columna llamada “High_MPG” que sea TRUE si

“Miles_per_Gallon” es mayor que 20, y FALSE de lo contrario e
imprime los primeros 20 datos.
# Agregar columna "High_MPG"

mtcars_agr = mtcars %>%

mutate(High_MPG = Miles_per_Gallon > 20)
mtcars_agr %>%
relocate(.,High_MPG , .after=Miles_per_Gallon)

## Miles_per_Gallon High_MPG cyl disp hp drat wt

qsec vs
## Mazda RX4 21.0 TRUE 6 160.0 110 3.90 2.620
16.46 0
## Mazda RX4 Wag 21.0 TRUE 6 160.0 110 3.90 2.875
17.02 0
## Datsun 710 22.8 TRUE 4 108.0 93 3.85 2.320
18.61 1
## Hornet 4 Drive 21.4 TRUE 6 258.0 110 3.08 3.215
19.44 1
## Hornet Sportabout 18.7 FALSE 8 360.0 175 3.15 3.440
17.02 0
## Valiant 18.1 FALSE 6 225.0 105 2.76 3.460
20.22 1
## Duster 360 14.3 FALSE 8 360.0 245 3.21 3.570
15.84 0
## Merc 240D 24.4 TRUE 4 146.7 62 3.69 3.190
20.00 1
## Merc 230 22.8 TRUE 4 140.8 95 3.92 3.150
22.90 1
## Merc 280 19.2 FALSE 6 167.6 123 3.92 3.440
18.30 1
## Merc 280C 17.8 FALSE 6 167.6 123 3.92 3.440
18.90 1
## Merc 450SE 16.4 FALSE 8 275.8 180 3.07 4.070
17.40 0
## Merc 450SL 17.3 FALSE 8 275.8 180 3.07 3.730
17.60 0
## Merc 450SLC 15.2 FALSE 8 275.8 180 3.07 3.780
18.00 0
## Cadillac Fleetwood 10.4 FALSE 8 472.0 205 2.93 5.250
17.98 0
## Lincoln Continental 10.4 FALSE 8 460.0 215 3.00 5.424
17.82 0
## Chrysler Imperial 14.7 FALSE 8 440.0 230 3.23 5.345
17.42 0
## Fiat 128 32.4 TRUE 4 78.7 66 4.08 2.200
19.47 1
## Honda Civic 30.4 TRUE 4 75.7 52 4.93 1.615
18.52 1
## Toyota Corolla 33.9 TRUE 4 71.1 65 4.22 1.835
19.90 1
## Toyota Corona 21.5 TRUE 4 120.1 97 3.70 2.465
20.01 1
## Dodge Challenger 15.5 FALSE 8 318.0 150 2.76 3.520
16.87 0
## AMC Javelin 15.2 FALSE 8 304.0 150 3.15 3.435
17.30 0
## Camaro Z28 13.3 FALSE 8 350.0 245 3.73 3.840
15.41 0
## Pontiac Firebird 19.2 FALSE 8 400.0 175 3.08 3.845
17.05 0
## Fiat X1-9 27.3 TRUE 4 79.0 66 4.08 1.935
18.90 1
## Porsche 914-2 26.0 TRUE 4 120.3 91 4.43 2.140
16.70 0
## Lotus Europa 30.4 TRUE 4 95.1 113 3.77 1.513
16.90 1
## Ford Pantera L 15.8 FALSE 8 351.0 264 4.22 3.170
14.50 0
## Ferrari Dino 19.7 FALSE 6 145.0 175 3.62 2.770
15.50 0
## Maserati Bora 15.0 FALSE 8 301.0 335 3.54 3.570
14.60 0
## Volvo 142E 21.4 TRUE 4 121.0 109 4.11 2.780
18.60 1
## am gear carb
## Mazda RX4 1 4 4
## Mazda RX4 Wag 1 4 4
## Datsun 710 1 4 1
## Hornet 4 Drive 0 3 1
## Hornet Sportabout 0 3 2
## Valiant 0 3 1
## Duster 360 0 3 4
## Merc 240D 0 4 2
## Merc 230 0 4 2
## Merc 280 0 4 4
## Merc 280C 0 4 4
## Merc 450SE 0 3 3
## Merc 450SL 0 3 3
## Merc 450SLC 0 3 3
## Cadillac Fleetwood 0 3 4
## Lincoln Continental 0 3 4
## Chrysler Imperial 0 3 4
## Fiat 128 1 4 1
## Honda Civic 1 4 2
## Toyota Corolla 1 4 1
## Toyota Corona 0 3 1
## Dodge Challenger 0 3 2
## AMC Javelin 0 3 2
## Camaro Z28 0 3 4
## Pontiac Firebird 0 3 2
## Fiat X1-9 1 4 1
## Porsche 914-2 1 5 2
## Lotus Europa 1 5 2
## Ford Pantera L 1 5 4
## Ferrari Dino 1 5 6
## Maserati Bora 1 5 8
## Volvo 142E 1 4 2

# Imprimir los primeros 20 datos

head(mtcars_agr, 20)

## Miles_per_Gallon cyl disp hp drat wt qsec vs am

gear
## Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1
4
## Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1
4
## Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1
4
## Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0
3
## Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0
3
## Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0
3
## Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0
3
## Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0
4
## Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0
4
## Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0
4
## Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0
4
## Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0
3
## Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0
3
## Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0
3
## Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0
3
## Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0
3
## Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0
3
## Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1
4
## Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1
4
## Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1
4
## carb High_MPG
## Mazda RX4 4 TRUE
## Mazda RX4 Wag 4 TRUE
## Datsun 710 1 TRUE
## Hornet 4 Drive 1 TRUE
## Hornet Sportabout 2 FALSE
## Valiant 1 FALSE
## Duster 360 4 FALSE
## Merc 240D 2 TRUE
## Merc 230 2 TRUE
## Merc 280 4 FALSE
## Merc 280C 4 FALSE
## Merc 450SE 3 FALSE
## Merc 450SL 3 FALSE
## Merc 450SLC 3 FALSE
## Cadillac Fleetwood 4 FALSE
## Lincoln Continental 4 FALSE
## Chrysler Imperial 4 FALSE
## Fiat 128 1 TRUE
## Honda Civic 2 TRUE
## Toyota Corolla 1 TRUE

Ejercicio 7: Encuentra el promedio de “hp” para autos con más de 100

caballos de fuerza e imprime el valor.
# Encontrar el promedio de "hp" para autos con más de 100 caballos de fuerza

prom_hp100 = mtcars %>%

filter(., hp > 100) %>%
summarise(prom_hp = mean(hp))

# Imprimir el valor

prom_hp100

## prom_hp
## 1 174.2174

Ejercicio 8: Encuentra el número de autos para cada valor único de

“cyl” e imprime la tabla generada.
# Encontrar el número de autos para cada valor único de "cyl"

autos_cyl = mtcars %>%

count(cyl)

# Imprimir la tabla generada

autos_cyl

## cyl n
## 1 4 11
## 2 6 7
## 3 8 14

Ejercicio 9: Encuentra el número total de autos para cada combinación

única de “cyl” y “gear” e imprime la tabla generada.
# Encontrar el número total de autos para cada combinación única de "cyl" y
"gear"

cyl_gear = mtcars %>%

count(cyl, gear)

# Imprimir la tabla generada

cyl_gear

## cyl gear n
## 1 4 3 1
## 2 4 4 8
## 3 4 5 2
## 4 6 3 2
## 5 6 4 4
## 6 6 5 1
## 7 8 3 12
## 8 8 5 2

Ejercicio 10: Filtra las filas donde “Miles_per_Gallon” es mayor que 25

y “hp” es menor que 100 e imprime los primeros 10 datos.
# Filtrar las filas donde "Miles_per_Gallon" es mayor que 25 y "hp" es menor
que 100

filtrar_mpg_hp <- mtcars %>%

filter(Miles_per_Gallon > 25, hp < 100)

# Imprimir los primeros 10 datos

head(filtrar_mpg_hp, 10)

## Miles_per_Gallon cyl disp hp drat wt qsec vs am gear

carb
## Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4
1
## Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4
2
## Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4
1
## Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4
1
## Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5
2