Práctica 4. Elementos básicos
AE
15/10/2020
Previo
Paquetería
if (!require("pacman")) install.packages("pacman") # instala pacman si se requiere## Loading required package: pacmanpacman::p_load(tidyverse,
readxl,writexl,googlesheets4, # importar hojas de cálculo
haven, foreign, # importación de dta y sav
sjlabelled, # etiquetas
janitor, skimr, #limpieza y verificación
imputeTS, # para imputar valores
srvyr) # Para el diseño muestralDirectorio
En caso que no tengas un proyecto,establecer el diretorio puede ayudar
¡Recuerda establecer tu directorio!
setwd("/Users/anaescoto/Dropbox/2020/2021-1 R para Demográfos/repo/R_Demo")Bases
Base de ECOVID - ML
ecovid0420 <- read_dta("./datos/ecovid0420.dta")Recodificando
Muchas veces queremos recodificar nuestras variables, vamos a ver dos formas de recodificación. Una con el “base” y otra usando “mutate()” con “if else()” de tidyverse.
Primero vamos a crear una variable sobre otras actividades además del trabajo, que viene en varias variables (pregunta f3 del cuestionario https://www.inegi.org.mx/contenidos/investigacion/ecovidml/2020/doc/ecovid_ml_cuestionario.pdf)
ecovid0420 %>%
select(starts_with("pf3")) %>%
summary()## pf3_1 pf3_2 pf3_3 pf3_4 pf3_5
## Min. :1 Min. :2 Min. :3 Min. :4 Min. :5
## 1st Qu.:1 1st Qu.:2 1st Qu.:3 1st Qu.:4 1st Qu.:5
## Median :1 Median :2 Median :3 Median :4 Median :5
## Mean :1 Mean :2 Mean :3 Mean :4 Mean :5
## 3rd Qu.:1 3rd Qu.:2 3rd Qu.:3 3rd Qu.:4 3rd Qu.:5
## Max. :1 Max. :2 Max. :3 Max. :4 Max. :5
## NA's :5444 NA's :5361 NA's :4987 NA's :5422 NA's :5298
## pf3_6
## Min. :6
## 1st Qu.:6
## Median :6
## Mean :6
## 3rd Qu.:6
## Max. :6
## NA's :5541Estas variables tiene como valores “NA” cuando la persona no contestó que realizó una de las opciones vamos a recodificar usando primero base en la primera variable:
ecovid0420[is.na(ecovid0420$pf3_1),]$pf3_1<-0 # cambiamos los NA por 0
table(ecovid0420$pf3_1)##
## 0 1
## 5444 149ecovid0420 %>%
mutate(pf3_2=ifelse(is.na(pf3_2), 0,pf3_2)) %>%
tabyl(pf3_2)## pf3_2 n percent
## 0 5361 0.95851958
## 2 232 0.04148042Recuerda que este cambio quede en la base, deberíamos guardar el objeto
Para resolver más fácilmente el problema de los valores perdidos podemos usar la libreria “imputeTS”, tiene una función na_replace
ecovid0420 %>%
mutate(pf3_2=na_replace(pf3_2)) %>%
tabyl(pf3_2)## pf3_2 n percent
## 0 5361 0.95851958
## 2 232 0.04148042Un código más complejo pero muy útil
ecovid0420<-ecovid0420 %>%
mutate_at(vars(starts_with("pf3")), na_replace) Repetimos el código de arriba
ecovid0420 %>%
select(starts_with("pf3")) %>%
summary()## pf3_1 pf3_2 pf3_3 pf3_4
## Min. :0.00000 Min. :0.00000 Min. :0.000 Min. :0.0000
## 1st Qu.:0.00000 1st Qu.:0.00000 1st Qu.:0.000 1st Qu.:0.0000
## Median :0.00000 Median :0.00000 Median :0.000 Median :0.0000
## Mean :0.02664 Mean :0.08296 Mean :0.325 Mean :0.1223
## 3rd Qu.:0.00000 3rd Qu.:0.00000 3rd Qu.:0.000 3rd Qu.:0.0000
## Max. :1.00000 Max. :2.00000 Max. :3.000 Max. :4.0000
## pf3_5 pf3_6
## Min. :0.0000 Min. :0.00000
## 1st Qu.:0.0000 1st Qu.:0.00000
## Median :0.0000 Median :0.00000
## Mean :0.2637 Mean :0.05578
## 3rd Qu.:0.0000 3rd Qu.:0.00000
## Max. :5.0000 Max. :6.00000Tabulados con tabyl()
Ya hemos utilizado el comando tabyl para hacer tabulados, pero no los hemos “enchulado”
ecovid0420 %>%
mutate(pb1=as_label(pb1)) %>%
tabyl(pb1)## pb1 n percent
## Hombre 2393 0.4278562
## Mujer 3200 0.5721438Para ver que esto es una distribución de frecuencias sería muy útil ver la proporción total, ello se realiza agregando un elemento más en nuestro código con una “tubería”:
ecovid0420 %>%
mutate(pb1=as_label(pb1)) %>%
tabyl(pb1) %>%
adorn_totals() #primer enchulamiento## pb1 n percent
## Hombre 2393 0.4278562
## Mujer 3200 0.5721438
## Total 5593 1.0000000Ahora, las proporciones son raras, y preferimos por los porcentajes.
ecovid0420 %>%
mutate(pb1=as_label(pb1)) %>% # cambia los valores de la variable a sus etiquetas
tabyl(pb1) %>% # para hacer la tabla
adorn_totals() %>% # añade totales
adorn_pct_formatting() # nos da porcentaje en lugar de proporción## pb1 n percent
## Hombre 2393 42.8%
## Mujer 3200 57.2%
## Total 5593 100.0%Vamos a darle una “ojeada” a esta variable
glimpse(ecovid0420$pb3)## dbl+lbl [1:5593] 3, 2, 2, 4, 3, 2, 3, 3, 2, 8, 2, 3, 1, 2, 2, 3, 8, 3, 0, ...
## @ label : chr "escolaridad"
## @ format.stata: chr "%33.0g"
## @ labels : Named num [1:10] 0 1 2 3 4 5 6 7 8 9
## ..- attr(*, "names")= chr [1:10] "Ninguno" "Preescolar" "Primaria" "Secundaria" ...Hoy hacemos la tabla, con las etiquetas:
ecovid0420 %>% mutate(pb3=as_label(pb3)) %>% #esto sólo si hay etiquetas declaradas, recuerda
tabyl(pb3)## pb3 n percent
## Ninguno 153 0.027355623
## Preescolar 34 0.006079027
## Primaria 1173 0.209726444
## Secundaria 1526 0.272841051
## Preparatoria o bachillerato 1272 0.227427141
## Técnicos con primaria/secundaria 165 0.029501162
## Estudios técnicos con prepa 76 0.013588414
## Normal con secundaria 29 0.005185053
## Licenciatura o normal 1037 0.185410334
## Posgrado 128 0.022885750Para que no nos salgan las categorías sin datos podemos poner una opción dentro del comando “tabyl()”
ecovid0420 %>%
mutate(pb3=as_label(pb3)) %>%
tabyl(pb3, show_missing_levels=F ) %>% # esta opción elimina los valores con 0
adorn_totals() ## pb3 n percent
## Ninguno 153 0.027355623
## Preescolar 34 0.006079027
## Primaria 1173 0.209726444
## Secundaria 1526 0.272841051
## Preparatoria o bachillerato 1272 0.227427141
## Técnicos con primaria/secundaria 165 0.029501162
## Estudios técnicos con prepa 76 0.013588414
## Normal con secundaria 29 0.005185053
## Licenciatura o normal 1037 0.185410334
## Posgrado 128 0.022885750
## Total 5593 1.000000000Cálculo de frecuencias
Las tablas de doble entrada tiene su nombre porque en las columnas entran los valores de una variable categórica, y en las filas de una segunda. Basicamente es como hacer un conteo de todas las combinaciones posibles entre los valores de una variable con la otra.
Por ejemplo, si quisiéramos combinar las dos variables que ya estudiamos lo podemos hacer, con una tabla de doble entrada:
ecovid0420 %>%
mutate(pb3=as_label(pb3)) %>% # para que las lea como factor
mutate(pb1=as_label(pb1)) %>% # para que las lea como factor
tabyl(pb3, pb1, show_missing_levels=F ) %>% # incluimos aquí
adorn_totals() ## pb3 Hombre Mujer
## Ninguno 58 95
## Preescolar 16 18
## Primaria 465 708
## Secundaria 592 934
## Preparatoria o bachillerato 600 672
## Técnicos con primaria/secundaria 41 124
## Estudios técnicos con prepa 27 49
## Normal con secundaria 13 16
## Licenciatura o normal 510 527
## Posgrado 71 57
## Total 2393 3200Observamos que en cada celda confluyen los casos que comparten las mismas características:
ecovid0420 %>%
count(pb3==1 & pb1==1) # nos da la segunda celda de la izquierda## # A tibble: 2 x 2
## `pb3 == 1 & pb1 == 1` n
## <lgl> <int>
## 1 FALSE 5577
## 2 TRUE 16Totales y porcentajes
De esta manera se colocan todos los datos. Si observa al poner la función “adorn_totals()” lo agregó como una nueva fila de totales, pero también podemos pedirle que agregue una columna de totales.
ecovid0420 %>%
mutate(pb3=as_label(pb3)) %>% # para que las lea como factor
mutate(pb1=as_label(pb1)) %>% # para que las lea como factor
tabyl(pb3, pb1, show_missing_levels=F ) %>% # incluimos aquí pb1o
adorn_totals("col") ## pb3 Hombre Mujer Total
## Ninguno 58 95 153
## Preescolar 16 18 34
## Primaria 465 708 1173
## Secundaria 592 934 1526
## Preparatoria o bachillerato 600 672 1272
## Técnicos con primaria/secundaria 41 124 165
## Estudios técnicos con prepa 27 49 76
## Normal con secundaria 13 16 29
## Licenciatura o normal 510 527 1037
## Posgrado 71 57 128O bien agregar los dos, introduciendo en el argumento “c(”col“,”row“)” un vector de caracteres de las dos opciones requeridas:
ecovid0420 %>%
mutate(pb3=as_label(pb3)) %>% # para que las lea como factor
mutate(pb1=as_label(pb1)) %>% # para que las lea como factor
tabyl(pb3, pb1, show_missing_levels=F ) %>% # incluimos aquí pb1o
adorn_totals(c("col", "row")) ## pb3 Hombre Mujer Total
## Ninguno 58 95 153
## Preescolar 16 18 34
## Primaria 465 708 1173
## Secundaria 592 934 1526
## Preparatoria o bachillerato 600 672 1272
## Técnicos con primaria/secundaria 41 124 165
## Estudios técnicos con prepa 27 49 76
## Normal con secundaria 13 16 29
## Licenciatura o normal 510 527 1037
## Posgrado 71 57 128
## Total 2393 3200 5593Del mismo modo, podemos calcular los porcentajes. Pero los podemos calcular de tres formas. Uno es que lo calculemos para los totales calculados para las filas, para las columnas o para el gran total poblacional.
Para columnas tenemos el siguiente código y los siguientes resultados:
ecovid0420 %>%
mutate(pb3=as_label(pb3)) %>% # para que las lea como factor
mutate(pb1=as_label(pb1)) %>% # para que las lea como factor
tabyl(pb3, pb1, show_missing_levels=F ) %>% # incluimos aquí sexo
adorn_totals(c("col", "row")) %>%
adorn_percentages("col") %>% # Divide los valores entre el total de la columna
adorn_pct_formatting() # lo vuelve porcentaje## pb3 Hombre Mujer Total
## Ninguno 2.4% 3.0% 2.7%
## Preescolar 0.7% 0.6% 0.6%
## Primaria 19.4% 22.1% 21.0%
## Secundaria 24.7% 29.2% 27.3%
## Preparatoria o bachillerato 25.1% 21.0% 22.7%
## Técnicos con primaria/secundaria 1.7% 3.9% 3.0%
## Estudios técnicos con prepa 1.1% 1.5% 1.4%
## Normal con secundaria 0.5% 0.5% 0.5%
## Licenciatura o normal 21.3% 16.5% 18.5%
## Posgrado 3.0% 1.8% 2.3%
## Total 100.0% 100.0% 100.0%Cuando se hagan cuadros de distribuciones (que todas sus partes suman 100), los porcentajes pueden ser una gran ayuda para la interpretación, sobre todos cuando se comparar poblaciones de categorías de diferente tamaño. Por lo general, queremos que los cuadros nos den información de donde están los totales y su 100%, de esta manera el lector se puede guiar de porcentaje con respecto a qué está leyendo. En este caso, vemos que el 100% es común en la última fila.
Veamos la diferencia de cómo podemos leer la misma celda, pero hoy, hemos calculado los porcentajes a nivel de fila:
ecovid0420 %>%
mutate(pb3=as_label(pb3)) %>% # para que las lea como factor
mutate(pb1=as_label(pb1)) %>% # para que las lea como factor
tabyl(pb3, pb1, show_missing_levels=F ) %>%
adorn_totals(c("col", "row")) %>%
adorn_percentages("row") %>% # Divide los valores entre el total de la fila
adorn_pct_formatting() # lo vuelve porcentaje## pb3 Hombre Mujer Total
## Ninguno 37.9% 62.1% 100.0%
## Preescolar 47.1% 52.9% 100.0%
## Primaria 39.6% 60.4% 100.0%
## Secundaria 38.8% 61.2% 100.0%
## Preparatoria o bachillerato 47.2% 52.8% 100.0%
## Técnicos con primaria/secundaria 24.8% 75.2% 100.0%
## Estudios técnicos con prepa 35.5% 64.5% 100.0%
## Normal con secundaria 44.8% 55.2% 100.0%
## Licenciatura o normal 49.2% 50.8% 100.0%
## Posgrado 55.5% 44.5% 100.0%
## Total 42.8% 57.2% 100.0%Finalmente, podemos calcular los porcentajes con referencia a la población total en análisis. Es decir la celda en la esquina inferior derecha de nuestra tabla original.
ecovid0420 %>%
mutate(pb3=as_label(pb3)) %>% # para que las lea como factor
mutate(pb1=as_label(pb1)) %>% # para que las lea como factor
tabyl(pb3, pb1, show_missing_levels=F ) %>% # incluimos aquí pb1o
adorn_totals(c("col", "row")) %>%
adorn_percentages("all") %>% # Divide los valores entre el total de la población
adorn_pct_formatting() # lo vuelve porcentaje## pb3 Hombre Mujer Total
## Ninguno 1.0% 1.7% 2.7%
## Preescolar 0.3% 0.3% 0.6%
## Primaria 8.3% 12.7% 21.0%
## Secundaria 10.6% 16.7% 27.3%
## Preparatoria o bachillerato 10.7% 12.0% 22.7%
## Técnicos con primaria/secundaria 0.7% 2.2% 3.0%
## Estudios técnicos con prepa 0.5% 0.9% 1.4%
## Normal con secundaria 0.2% 0.3% 0.5%
## Licenciatura o normal 9.1% 9.4% 18.5%
## Posgrado 1.3% 1.0% 2.3%
## Total 42.8% 57.2% 100.0%Descriptivos para variables cuantitativas
Vamos a empezar a revisar los gráficos para variables cuantitativas.
Medidas numéricas básicas
5 números
summary(ecovid0420$pe10_1) ## horas trabajadas## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 1.00 16.00 35.00 32.65 48.00 99.00 3131Con pipes se pueden crear “indicadores” de nuestras variables es un tibble
ecovid0420 %>%
summarise(nombre_indicador=mean(pe10_1, na.rm=T))## # A tibble: 1 x 1
## nombre_indicador
## <dbl>
## 1 32.7Factores de expansión
La función tally
El comando “tabyl()” del paquete “janitor” es muy útil pero no es compatible con los factores del expansión. En realidad, tabyl() nos ahorra un poco el hecho de tener que agrupar nuestra base en categorías y luego hacer un conteo para cada una de ellas. “tally()” es un comando que nos hace ese conteo y “group_by” nos agrupa las observaciones de nuestra base de datos para hacer cualquier operación.
ecovid0420 %>%
group_by(as_label(pb1)) %>%
tally(fac_per) %>% #nombre del factor
adorn_totals() # Agrega total## as_label(pb1) n
## Hombre 30991536
## Mujer 37192894
## Total 68184430Podemos usar funciones de tabyl
ecovid0420 %>%
group_by(as_label(pb1)) %>%
tally(fac_per) %>% #nombre del factor
adorn_totals() %>% # Agrega total
adorn_percentages("all") %>%
adorn_pct_formatting()## as_label(pb1) n
## Hombre 45.5%
## Mujer 54.5%
## Total 100.0%Otras formas
La función “count()” también permite dar pesos
ecovid0420 %>%
count(pb1, pb3, wt = fac_per) ## # A tibble: 20 x 3
## pb1 pb3 n
## <dbl+lbl> <dbl+lbl> <dbl>
## 1 1 [Hombre] 0 [Ninguno] 729656
## 2 1 [Hombre] 1 [Preescolar] 182642
## 3 1 [Hombre] 2 [Primaria] 5980612
## 4 1 [Hombre] 3 [Secundaria] 7670692
## 5 1 [Hombre] 4 [Preparatoria o bachillerato] 7818923
## 6 1 [Hombre] 5 [Técnicos con primaria/secundaria] 645877
## 7 1 [Hombre] 6 [Estudios técnicos con prepa] 399437
## 8 1 [Hombre] 7 [Normal con secundaria] 190144
## 9 1 [Hombre] 8 [Licenciatura o normal] 6429995
## 10 1 [Hombre] 9 [Posgrado] 943558
## 11 2 [Mujer] 0 [Ninguno] 1231834
## 12 2 [Mujer] 1 [Preescolar] 229128
## 13 2 [Mujer] 2 [Primaria] 8735227
## 14 2 [Mujer] 3 [Secundaria] 10565361
## 15 2 [Mujer] 4 [Preparatoria o bachillerato] 7264899
## 16 2 [Mujer] 5 [Técnicos con primaria/secundaria] 1682893
## 17 2 [Mujer] 6 [Estudios técnicos con prepa] 608542
## 18 2 [Mujer] 7 [Normal con secundaria] 207497
## 19 2 [Mujer] 8 [Licenciatura o normal] 5975764
## 20 2 [Mujer] 9 [Posgrado] 691749Es compatible con etiquetas
ecovid0420 %>%
count(as_label(pb1), as_label(pb3), wt = fac_per) ## # A tibble: 20 x 3
## `as_label(pb1)` `as_label(pb3)` n
## <fct> <fct> <dbl>
## 1 Hombre Ninguno 729656
## 2 Hombre Preescolar 182642
## 3 Hombre Primaria 5980612
## 4 Hombre Secundaria 7670692
## 5 Hombre Preparatoria o bachillerato 7818923
## 6 Hombre Técnicos con primaria/secundaria 645877
## 7 Hombre Estudios técnicos con prepa 399437
## 8 Hombre Normal con secundaria 190144
## 9 Hombre Licenciatura o normal 6429995
## 10 Hombre Posgrado 943558
## 11 Mujer Ninguno 1231834
## 12 Mujer Preescolar 229128
## 13 Mujer Primaria 8735227
## 14 Mujer Secundaria 10565361
## 15 Mujer Preparatoria o bachillerato 7264899
## 16 Mujer Técnicos con primaria/secundaria 1682893
## 17 Mujer Estudios técnicos con prepa 608542
## 18 Mujer Normal con secundaria 207497
## 19 Mujer Licenciatura o normal 5975764
## 20 Mujer Posgrado 691749Podemos mover un poquito con pivot_wider para que se vea más a lo que acostumbramos a una tabla de frecuencias
ecovid0420 %>%
mutate_at(vars(pb1, pb3), as_label) %>%
count(pb1, pb3, wt = fac_per) %>%
pivot_wider(names_from = pb1,
values_from = n)## # A tibble: 10 x 3
## pb3 Hombre Mujer
## <fct> <dbl> <dbl>
## 1 Ninguno 729656 1231834
## 2 Preescolar 182642 229128
## 3 Primaria 5980612 8735227
## 4 Secundaria 7670692 10565361
## 5 Preparatoria o bachillerato 7818923 7264899
## 6 Técnicos con primaria/secundaria 645877 1682893
## 7 Estudios técnicos con prepa 399437 608542
## 8 Normal con secundaria 190144 207497
## 9 Licenciatura o normal 6429995 5975764
## 10 Posgrado 943558 691749ecovid0420 %>%
mutate_at(vars(pb1, pb3), as_label) %>% # otra forma de mutate y as_label
count(pb1, pb3, wt = fac_per) %>%
pivot_wider(names_from = pb1,
values_from = n) %>%
adorn_totals() %>% # Agrega total
adorn_percentages("col") %>%
adorn_pct_formatting()## pb3 Hombre Mujer
## Ninguno 2.4% 3.3%
## Preescolar 0.6% 0.6%
## Primaria 19.3% 23.5%
## Secundaria 24.8% 28.4%
## Preparatoria o bachillerato 25.2% 19.5%
## Técnicos con primaria/secundaria 2.1% 4.5%
## Estudios técnicos con prepa 1.3% 1.6%
## Normal con secundaria 0.6% 0.6%
## Licenciatura o normal 20.7% 16.1%
## Posgrado 3.0% 1.9%
## Total 100.0% 100.0%Diseño muestral
Hay muchos diseños muestrales, asumiremos el diseño simple, pero hay que revisar la documentación de la base
# simple random sample
ecovid_srvy <- ecovid0420 %>% as_survey_design(weights = fac_per)Como vemos esto es un archivo bien grande, por lo que mejor vamos a seleccionar un par de variables:
# simple random sample
ecovid_srvy <- ecovid0420 %>%
select(starts_with("pb"), pe10_1, fac_per) %>%
as_survey_design(weights = fac_per)Para una media ponderada
ecovid_srvy %>%
summarize(media_horas = survey_mean(pe10_1,
na.rm=T))## # A tibble: 1 x 2
## media_horas media_horas_se
## <dbl> <dbl>
## 1 33.3 0.486ecovid_srvy %>%
summarize(media_horas = survey_mean(pe10_1,
vartype = "ci", # da intervalo de confianza
na.rm=T))## # A tibble: 1 x 3
## media_horas media_horas_low media_horas_upp
## <dbl> <dbl> <dbl>
## 1 33.3 32.4 34.3ecovid_srvy %>%
mutate(pb1=as_label(pb1)) %>%
group_by(pb1) %>% #variables cuali
summarize(proportion = survey_mean(), # proporción
total = survey_total() ) # totales## # A tibble: 2 x 5
## pb1 proportion proportion_se total total_se
## <fct> <dbl> <dbl> <dbl> <dbl>
## 1 Hombre 0.455 0.00865 30991536 701507.
## 2 Mujer 0.545 0.00865 37192894 692281.Eliminamos algunos objetos
Fusionando, que es gerundio
Cargando unas bases
Tenemos una sub-muestra de Veracruz, su primer municipio para hacer este ejercicio de fusión
vera_persona <- read_dta("https://github.com/aniuxa/R_Demo/raw/master/datos/Tr_persona30_001.dta")
vera_viv <- read_dta("https://github.com/aniuxa/R_Demo/raw/master/datos/Tr_vivienda30_001.dta")Para fines didácticos, separaremos algunos casos de la variables de la base de persona
vera_persona_1<-vera_persona %>%
filter(sexo==1) # Hombres
vera_persona_3<-vera_persona %>%
filter(sexo==3) # MujeresFusionado uno a uno
Iniciaremos pegando las dos bases que acabamos de generar. Las dividimos según un criterio de individuo y por tanto tienen la misma unidad de análisis
Todas las variables son iguales en ambas bases, por lo que no necesitamos un identificador único
merge0<-merge(vera_persona_1, vera_persona_3, all=T)
dim(merge0)## [1] 5219 95merge0<-rbind(vera_persona_1, vera_persona_3)
dim(merge0)## [1] 5219 95dim(vera_persona)## [1] 5219 95En realidad hay cuatro formas de fusionar los objetos de tipo “dataframe”, de acuerdo a los argumentos “all”, “all.x” y "all.y
Casos comunes en las dos bases
Por default, el comando tiene activado la opción “all = FALSE”, que nos deja los casos de ambas bases comunes (tipo una intersección).
merge0<-merge(vera_persona_1, vera_persona_3, all=F)
dim(merge0)## [1] 0 95
figura
Todos los casos en ambas bases
Si cambiamos la opción “all = TRUE” vamos a obtener los comunes a ambas bases y los que aportan cada uno de las bases (como una unión)
merge0<-merge(vera_persona_1, vera_persona_3, all=T) # el que usamos arriba
dim(merge0)## [1] 5219 95
figura
Casos de la base 1
Si queremos quedarnos con todos los datos que hay en la primera base, x, vamos a usar a opción “all.x = TRUE”.
merge0<-merge(vera_persona_1, vera_persona_3, all.x=T) # el que usamos arriba
dim(merge0)## [1] 2615 95
figura
Casos de la base 2
Si queremos quedarnos con todos los datos que hay en la segunda base, y, vamos a usar a opción “all.x = TRUE”.
merge0<-merge(vera_persona_1, vera_persona_3, all.y=T) # el que usamos arriba
dim(merge0)## [1] 2604 95
figura
Fusionando bases de diferente nivel
HeEn las bases de vivienda e individuo tenemos información que puede ser relevante a nuestro análisis.
Vamos a fusionar la información de vivienda y persona. A una vivienda pueda corresponder varios individuos, por lo que usaremos el identificador único de vivienda. El resultado es una base a nivel de individuo, donde las variables de vivienda se repiten para cada hogar que corresponda a la misma.
vera_total<-merge(vera_persona, vera_viv, by="id_viv")
dim(vera_total)## [1] 5219 182Y limpiamos la repetición de variables, lo cual es completamente opcional:
vera_total<-vera_total %>%
select(-ends_with(".y")) %>% #elimina las variables que terminan en .y
rename_at(.vars = vars(ends_with(".x")),
.funs = funs(sub("[.]x$", "", .))) #renombraEjercicio para entregar
- Recodifique alguna variable de su interés, haga un análisis descriptivo de ella, de acuerdo a su tipo y los comandos vistos hoy
- Haga un tabulado con más de una variable, con o sin diseño muestral de acuerdo a su base de datos
- Revise la documentación de “tidyverse” y la función “join” ¿Qué diferencias tiene con el merge()
Adjunte sus respuestas en el formulario siguiente