Análisis con R · Sección 2

Importar, ordenar y transformar datos

Importación, revisión de calidad, datos faltantes, transformación, agrupación y unión de tablas.

3: lecciones
3: ejercicios resueltos

CONTENIDO ORIGINAL

Avanza en orden. Cada lección está redactada para Palta es Cool, utiliza ejemplos propios y termina con una actividad cuya respuesta puedes desplegar.

ANTES DE EMPEZAR

Ubícate antes de avanzar

01 / PUNTO DE PARTIDA

Conviene haber comprendido Fundamentos de R y estructuras de datos.

02 / META OBSERVABLE

Al terminar deberías poder relacionar Importación y calidad con Transformación y resolver un caso nuevo.

03 / TIEMPO SUGERIDO

Reserva entre 35 y 55 minutos para lectura, ejemplos, tres comprobaciones y cierre.

04 / PREPARA EL LABORATORIO

Instala R y luego RStudio. Conserva cada ejercicio en un proyecto separado.

Abrir la guía de herramientas →

Diagnóstico rápido: ¿cómo se relacionan Importación y calidad y Transformación? ＋

No necesitas acertar todavía. Escribe una hipótesis de dos líneas y compárala con tu respuesta al finalizar; si puedes corregirla y justificar el cambio, hubo aprendizaje.

Ruta guiada · 3 lecciones

Aprende el tema paso a paso

Seguirás un flujo completo: importar con contexto, comprobar la calidad, transformar sin borrar evidencia y recién entonces resumir relaciones o ajustar un modelo.

Al terminar podrás

Importar datos no significa que ya estén listos
Limpiar es tomar decisiones que deben quedar visibles
Filas, columnas, grupos y uniones construyen una tabla analizable

Entrada confiable

Importar datos no significa que ya estén listos

CSV, hojas de cálculo y JSON pueden representar fechas, separadores y ausencias de maneras diferentes. Después de cargar un archivo debes revisar nombres, tipos, dimensiones y algunas filas antes de calcular.

Conserva una copia del archivo original.

Declara cómo se representan los valores ausentes.

Comprueba tipos con str() y una muestra con head().

Ejemplo cotidiano

Cargar ventas de una tienda

El archivo usa una celda vacía o NA cuando falta un total. La importación lo declara, y la inspección descubre si fecha fue interpretada como texto.

ventas <- read.csv(
  "ventas.csv",
  na.strings = c("", "NA")
)
dim(ventas)
str(ventas)
head(ventas, 3)

Comprueba lo aprendido · 01

¿Por qué no conviene ejecutar mean(ventas$total) inmediatamente después de importar?

Mostrar respuesta ＋

Porque total podría haberse leído como texto, contener valores ausentes o estar en una unidad inesperada. Primero hay que validar qué representa y cómo fue interpretado.

Calidad y limpieza

Limpiar es tomar decisiones que deben quedar visibles

Los valores ausentes, duplicados, tipos incorrectos y casos atípicos no se eliminan automáticamente. Cada decisión debe responder al origen del problema y quedar registrada en un script reproducible.

NA significa valor ausente, no cero.

Un duplicado real depende de la identidad de la observación.

Un valor extremo puede ser error o un caso importante.

Ejemplo cotidiano

Preparar ventas sin perder el rastro

La transformación convierte fechas y conserva solo registros cuyo total se conoce. Antes de hacerlo se cuenta cuántas filas quedarán fuera y se documenta el criterio.

library(dplyr)

ventas_limpias <- ventas |>
  mutate(fecha = as.Date(fecha)) |>
  filter(!is.na(total)) |>
  distinct()

Comprueba lo aprendido · 02

Una venta de $950.000 es mucho mayor que el resto. ¿Debes eliminarla por ser atípica?

Mostrar respuesta ＋

No sin investigar. Puede ser un error de digitación o una compra legítima. Se contrasta con la fuente, se documenta la decisión y, si corresponde, se analiza con y sin ese caso.

Transformar y combinar

Filas, columnas, grupos y uniones construyen una tabla analizable

filter() selecciona observaciones, select() escoge variables y mutate() crea o transforma columnas. pivot_longer() y pivot_wider() cambian la forma sin cambiar el hecho representado. group_by() con summarise() cambia la unidad del resultado; las uniones agregan información relacionando claves.

Transforma con una intención y conserva el dato original.

Declara la unidad de cada fila antes de pivotar o agrupar.

Antes de unir, comprueba unicidad, ausencias y número de filas.

Ejemplo cotidiano

Resumir pedidos y añadir el nombre del canal

Primero se calcula el total de cada pedido; después se agrega la descripción del canal mediante una clave. Si la tabla de canales repite el mismo identificador, una unión podría duplicar pedidos.

resumen <- ventas_limpias |>
  mutate(total_neto = total - descuento) |>
  group_by(canal_id) |>
  summarise(ventas = sum(total_neto), .groups = "drop") |>
  left_join(canales, by = "canal_id")

Comprueba lo aprendido · 03

¿Por qué una unión puede aumentar inesperadamente la cantidad de filas?

Mostrar respuesta ＋

Porque la clave puede repetirse en una o ambas tablas. Cada coincidencia genera una combinación; una relación muchos a muchos multiplica filas y debe investigarse antes de continuar.

Resumen de la sección

Tu recorrido en tres ideas

Importar datos no significa que ya estén listos
Limpiar es tomar decisiones que deben quedar visibles
Filas, columnas, grupos y uniones construyen una tabla analizable

CIERRE DE LA SECCIÓN

Comprueba que puedes usarlo

Antes de continuar, revisa estos tropiezos frecuentes y resuelve un caso sin copiar los ejemplos.

ERROR 01

Eliminar ausentes, duplicados o atípicos sin investigar su significado.

ERROR 02

Unir tablas sin comprobar si la clave es única y multiplicar filas sin advertirlo.

DESAFÍO INTEGRADOR

Ahora hazlo sin guía

Documenta un flujo para importar ventas, corregir tipos, tratar ausencias, resumir por canal y unir el nombre de cada canal.

Mostrar pauta de corrección ＋

Una respuesta sólida:

Conserva datos originales y registra cada transformación.
Justifica decisiones de calidad con conteos.
Comprueba claves, coincidencias y número de filas antes y después de unir.