Leer y revisar datos con R

Script, datos faltantes, valores imposibles, códigos inconsistentes y bitácora de calidad

2026-10-18

Sesión 01 · Unidad II · Calidad de la información

Leer y revisar datos con R

Script, datos faltantes, valores imposibles, códigos inconsistentes y bitácora de calidad

¿Podemos confiar en los datos?

  • 90 minutos
  • Lectura + script de R + Excel de 4 hojas
  • Aula de cómputo · individual
Abrir la carpeta en Drive Ir a lo que harás hoy

El tema de hoy

En la Unidad I construiste modelos con números que te dábamos listos. En esta unidad los números salen de registros de campo, y antes de usarlos hay que contestar una pregunta: ¿son confiables? Hoy empiezas a usar R, un lenguaje de programación para analizar datos. No vas a programar desde cero: vas a ejecutar, línea por línea, un script que ya está escrito, con los registros de 406 parcelas de trigo.

Ya vimos · Unidad I Modelos con parámetros dados A mano y en Excel

Hoy · Sesión 01 Leer y revisar datos con R ¿Podemos confiar en los datos?

Después · Sesión 02 Distribución normal ¿Qué parcelas son raras?

Al terminar la sesión podrás:

  1. Explicar por qué conviene un lenguaje de programación cuando hay muchos datos.
  2. Abrir el proyecto en RStudio, ejecutar un script línea por línea y leer lo que contesta R.
  3. Encontrar datos faltantes, valores imposibles y códigos inconsistentes con summary() y table().
  4. Calcular la media y la mediana con R y explicar por qué un error mueve una y casi no la otra.
  5. Anotar en una bitácora qué decides con cada problema, sin modificar el archivo original.

Palabras clave lenguaje de programación script consola objeto archivo CSV dato faltante (NA) valor imposible código inconsistente copia de trabajo bitácora media mediana

Cómo usar esta página

Esta página se lee; el script se ejecuta y el Excel se contesta. Lee las secciones 1 a 4 antes de abrir RStudio: ahí están el problema, para qué sirve lo que vas a hacer, las ideas que necesitas y un ejemplo resuelto completo. Los recuadros marcados con Prueba se pueden mover: úsalos para ver qué pasa.

La sección 5 te dice, paso a paso, qué hacer. Los ejercicios usan dos casos: las 8 primeras parcelas de la libreta (a mano y en R) y la libreta completa de 406 parcelas (en R). Si R marca un error, busca el mensaje en la sección 6.

1. Un problema para empezar: la libreta de la asociación

Una asociación de productores del Valle del Yaqui juntó en una libreta los registros de las parcelas de trigo de sus socios del ciclo 2025-26. Antes del siguiente ciclo quiere recomendarles cómo manejar el cultivo y pregunta: ¿qué factores pesan más en el rendimiento?, ¿conviene sembrar más temprano? y ¿cuánto nitrógeno conviene aplicar? Esas preguntas las vas a contestar a lo largo de la unidad.

Pero hay una pregunta anterior. Varias personas capturaron los registros a partir de libretas de campo y boletas de báscula, y cuando muchas personas capturan cientos de datos aparecen errores:

Renglones de la libreta 406 parcelas

Capturaron varias personas

Antes de recomendar nada: ¿podemos confiar en la libreta?

Si el promedio se calcula con datos equivocados, sale equivocado, y la recomendación a los socios también. La libreta tiene siete columnas:

Columna Qué es Unidad
parcela Identificador de la parcela (P001 a P406) —
siembra Fecha de siembra: temprana o tardia —
nitrogeno_kg_ha Nitrógeno aplicado kg por hectárea
riegos Riegos de auxilio aplicados número
temp_max_llenado_c Temperatura máxima promedio mientras se llenaba el grano °C
superficie_ha Tamaño de la parcela hectáreas
rendimiento_t_ha Grano cosechado toneladas por hectárea

Los datos son didácticos: se construyeron para el curso con valores parecidos a los del valle. Los nombres de las columnas no llevan acentos ni espacios porque así R los maneja sin problemas.

2. Por qué no basta con lo que hiciste en la Unidad I

En la Unidad I trabajaste con pocos datos, a mano y en Excel. Con 8 parcelas puedes revisar todo a ojo y sacar el promedio con calculadora. Con 406 ya no: tardarías mucho y es fácil saltarse un renglón.

Excel ayuda, pero para revisar datos tiene dos problemas. No avisa: si escribes =PROMEDIO(G2:G407), Excel salta las celdas vacías sin decir cuántas eran y suma el dato mal capturado junto con los demás; contesta 6.99 t/ha y el número se ve tan normal como cualquier otro. No deja rastro: cada paso queda en clics que nadie más puede ver ni repetir; si mañana llegan 200 parcelas más, hay que volver a hacerlo todo.

En un lenguaje de programación como R escribes los pasos como instrucciones en un archivo de texto llamado script. El script funciona como una receta escrita:

  • Se repite igual. Si llegan datos nuevos, ejecutas las mismas instrucciones y obtienes el resultado en segundos.
  • Se puede revisar. Otra persona lee el script y sabe exactamente qué hiciste con los datos.
  • No toca el original. R lee el archivo y trabaja con una copia en la memoria de la computadora; el archivo no cambia.

Obtener leer el archivo

Revisar ¿hay errores?

Resumir media, mediana, gráficas

Decidir al final de la unidad

Esta forma de trabajar (obtener, revisar, resumir y decidir, dejando cada paso escrito) es la base de lo que se llama ciencia de datos. Hoy recorres los tres primeros pasos. R es gratuito y muy usado en agronomía, biología y producción animal.

3. Dónde vas a usar esto

Agricultura. Las cosechadoras con monitor de rendimiento registran un dato cada pocos segundos: miles por lote. Un sensor que se trabó deja ceros o valores imposibles que hay que quitar antes de hacer el mapa de rendimiento.

Acuicultura. Los sensores de oxígeno y temperatura de una granja de camarón registran cada 15 minutos. Si uno falla y marca 0 mg/L, el promedio del día miente y la decisión de airear también. Tu informe de esta unidad será con datos de camarón.

Producción animal. Las básculas y los aretes electrónicos guardan el peso de cada animal. Un becerro de 2500 kg es un error de captura, no un récord.

Investigación. Muchas revistas científicas piden los datos y el script del análisis, para que otros puedan revisarlo y llegar a los mismos números.

Tu trabajo como ingeniero. Una recomendación de dosis, densidad o fecha de siembra vale lo que valen los datos que la sostienen.

En todos estos casos se revisa antes de calcular: un promedio con datos malos lleva a una mala decisión.

4. Revisar datos con R

4.1 Los cuatro puntos que se revisan

Qué revisar Pregunta Ejemplo en la libreta
Qué es cada fila ¿Cada renglón es una parcela, un muestreo, un día? Cada renglón es una parcela de un socio en el ciclo 2025-26.
Datos faltantes ¿Hay celdas vacías? Una parcela sin rendimiento porque se perdió la boleta. R los muestra como NA.
Valores imposibles ¿Algún número está fuera de lo físicamente posible? Un rendimiento de 60 t/ha, cuando el trigo del valle rinde entre 4 y 9 t/ha.
Códigos inconsistentes ¿Una misma categoría está escrita de dos formas? «tardia» y «Tardia». Para R son dos categorías distintas.

Referencias aproximadas para este ejercicio: el trigo del valle suele rendir entre 4 y 9 t/ha, y las dosis usuales de nitrógeno van de unos 150 a 320 kg por hectárea.

4.2 Qué hacer con cada problema

Encontrar un problema no autoriza a borrarlo ni a inventar un valor. Hay tres decisiones posibles, y cada una se anota en una bitácora: una tabla que dice qué problema había, en qué fila, qué se decidió y por qué.

Decisión Cuándo se usa
Corregir Sólo si hay evidencia del valor correcto; por ejemplo, la boleta de báscula.
Dejar fuera de la copia de trabajo Cuando el dato falta o es imposible y no hay forma de confirmarlo. La fila sigue en el original.
Unificar código Cuando la misma categoría está escrita de dos formas.

Regla de oro. El archivo original no se modifica nunca. Las correcciones se hacen en una copia de trabajo y se anotan en la bitácora. Así cualquier persona puede rastrear de dónde salió cada número.

4.3 Media y mediana: por qué un error las mueve distinto

La media es la suma de los datos dividida entre cuántos son. La mediana es el valor que queda en medio cuando los datos se ordenan. Las dos describen el valor típico, pero reaccionan distinto ante un error. Ejemplo con cinco parcelas que rindieron 6.2, 6.5, 6.8, 7.0 y 7.1 t/ha, cuando el 7.1 se captura sin punto decimal, como 71:

Prueba Un solo dato mal capturado Activa el error y cambia el número de parcelas. El punto dorado es el dato mal capturado: el 7.1 escrito como 71.

Datos (t/ha) Media Mediana
Bien capturados 6.2 · 6.5 · 6.8 · 7.0 · 7.1 6.72 t/ha 6.8 t/ha
Con un error 6.2 · 6.5 · 6.8 · 7.0 · 71 19.5 t/ha 6.8 t/ha

Con cinco parcelas, un solo error casi triplicó la media (97.5 ÷ 5 = 19.5), pero la mediana no se movió: sigue siendo el valor de en medio. Por eso, cuando la media y la mediana no se parecen, conviene buscar errores. Con muchos datos el efecto es más pequeño, pero sigue ahí: compruébalo con 400 parcelas en el recuadro, y hoy lo vas a medir en la libreta.

4.4 R y RStudio

R es el lenguaje; RStudio es el programa donde lo usas. Al abrirlo verás cuatro paneles: el script (arriba a la izquierda), donde lees y ejecutas; la consola (abajo a la izquierda), donde aparecen los resultados; Environment (arriba a la derecha), con lo que R tiene guardado, y Files / Plots (abajo a la derecha), con los archivos de tu carpeta y las gráficas.

Cinco cosas que necesitas saber:

  1. Ejecutar una línea. Pon el cursor en la línea y presiona Ctrl + Enter. El resultado aparece en la consola y el cursor baja solo a la línea siguiente.
  2. Comentarios. Todo lo que va después de # es un comentario: R no lo ejecuta. Los comentarios del script te explican qué hace cada línea y cómo se haría en Excel.
  3. Guardar con un nombre. La flecha <- guarda un resultado con un nombre: datos <- read.csv("trigo_8_parcelas.csv") lee el archivo y lo guarda con el nombre datos. A lo que queda guardado se le llama objeto.
  4. Elegir una columna. El signo $ elige una columna de una tabla: datos$rendimiento_t_ha es como seleccionar la columna G en Excel.
  5. Escribir exacto. R distingue mayúsculas de minúsculas y no perdona letras de más o de menos: Datos no es lo mismo que datos. Los nombres de archivo van entre comillas.

Prueba Ejecuta un script como en RStudio Presiona «Ejecutar línea» (o Ctrl + Enter con el script seleccionado) y mira qué aparece en la consola y en Environment. Después cambia al script con errores y lee qué contesta R.

Este simulador necesita JavaScript activado en el navegador. El ejemplo completo está en la sección 4.5.

4.5 Ejemplo resuelto: el invernadero de tomate

Antes de trabajar con el trigo, mira el procedimiento completo con otro caso. Un técnico registró cuántos kilos se cosecharon en el primer mes en 8 plantas de tomate de un invernadero (datos didácticos). El archivo ejemplo_tomate.csv está en tu carpeta, por si quieres repetirlo.

Paso 1 · Leer los datos y verlos.

Escribes en el script · Ctrl + Enter

tomate <- read.csv("ejemplo_tomate.csv")
head(tomate)

R contesta en la consola

  planta  variedad riego_l_dia frutos cosecha_kg
1    T01 saladette         1.8     42        3.9
2    T02 saladette         2.0     45        4.2
3    T03      bola         2.2     30        4.6
4    T04 Saladette         1.9     40        3.8
5    T05      bola         2.1     28     4400.0
6    T06 saladette         2.0     44         NA

La primera línea no imprime nada, pero en Environment aparece tomate: 8 obs. of 5 variables: 8 filas (una por planta) y 5 columnas. head() muestra las primeras seis filas. Ya se notan tres cosas raras: T04 dice Saladette con mayúscula, T05 cosechó 4400 y T06 tiene NA.

Paso 2 · Calcular la media.

Escribes en el script · Ctrl + Enter

mean(tomate$cosecha_kg)

R contesta en la consola

[1] NA

R contesta NA (del inglés «not available»: no disponible) porque a la planta T06 le falta el dato. R no adivina: si falta un valor, no puede saber la suma. Hay que pedirle que calcule sin los faltantes con na.rm = TRUE, que quiere decir «quita los NA»:

Escribes en el script · Ctrl + Enter

mean(tomate$cosecha_kg, na.rm = TRUE)
median(tomate$cosecha_kg, na.rm = TRUE)

R contesta en la consola

[1] 632.1429
[1] 4.2

Una media de 632 kg por planta es imposible; la mediana dice 4.2 kg. Que la media y la mediana estén tan lejos es la señal de que algo está mal.

Paso 3 · Revisar todas las columnas con summary().

Escribes en el script · Ctrl + Enter

summary(tomate)

R contesta en la consola

    planta            variedad          riego_l_dia        frutos
 Length:8           Length:8           Min.   :1.800   Min.   :28.00
 Class :character   Class :character   1st Qu.:1.875   1st Qu.:30.75
 Mode  :character   Mode  :character   Median :2.000   Median :39.50
                                       Mean   :2.013   Mean   :37.38
                                       3rd Qu.:2.125   3rd Qu.:42.50
                                       Max.   :2.300   Max.   :45.00

   cosecha_kg
 Min.   :   3.60
 1st Qu.:   3.85
 Median :   4.20
 Mean   : 632.14
 3rd Qu.:   4.75
 Max.   :4400.00
 NA's   :1
Renglón Qué dice En Excel sería
Min. y Max. El valor más chico y el más grande de la columna MIN y MAX
Median y Mean La mediana y la media MEDIANA y PROMEDIO
1st Qu. y 3rd Qu. Cuartiles: el 25 % de los datos queda abajo del primero y el 75 % abajo del tercero CUARTIL
NA's Cuántos datos faltan (sólo aparece si falta alguno) CONTAR.BLANCO
Length, Class, Mode La columna es de texto; summary() no la revisa —

En cosecha_kg el máximo es 4400 y hay 1 NA. Las demás plantas cosecharon entre 3.6 y 4.9 kg, así que 4400 parece el peso en gramos (4.4 kg) capturado en la columna de kilos.

Paso 4 · Revisar los códigos con table().

Escribes en el script · Ctrl + Enter

table(tomate$variedad)

R contesta en la consola

     bola saladette Saladette
        3         4         1

Aparecen tres categorías, pero en el invernadero sólo hay dos variedades: saladette y Saladette son la misma, escrita de dos formas.

Paso 5 · Encontrar las filas y anotar la bitácora. View(tomate) abre la tabla completa en una pestaña. Al hacer clic en el nombre de una columna, la tabla se ordena por esa columna; así se ve que el 4400 es de la planta T05. Con todo lo encontrado se escribe la bitácora:

Problema Fila Cómo se detectó Decisión Razón
Dato faltante T06 summary(): NA’s 1 Dejar fuera de la copia de trabajo No se sabe cuánto cosechó; no se inventa.
Valor imposible: 4400 kg T05 summary(): Max. 4400 Corregir a 4.4 kg si la báscula confirma que eran gramos; si no, dejar fuera Probable captura en gramos; sólo se corrige con evidencia.
Código inconsistente T04 table(): Saladette Unificar código Es la misma variedad.

Con esa bitácora cualquiera puede rehacer la copia de trabajo y llegar a los mismos números. Hoy harás lo mismo con la libreta del trigo.

4.6 Lo que se gana y lo que se pierde

Con el script y la bitácora tendrás una libreta revisada y un rendimiento típico (media y mediana) en el que puedes confiar. Pero un 68.70 t/ha se descubre fácil porque es imposible. ¿Qué pasa con una parcela de 9.2 t/ha o de 4.1 t/ha? Son posibles, pero ¿son normales o hay que revisarlas? Con 400 parcelas no se puede decidir una por una. En la sesión 2 usarás la distribución normal para tener una regla que marque sola las parcelas raras.

¿Lo entendiste? Cuatro preguntas rápidas No cuentan para la calificación. Elige una respuesta para ver la explicación; puedes volver a intentar.

1. Ejecutas datos <- read.csv("trigo_8_parcelas.csv") y la consola no muestra ningún número. ¿Qué pasó?

  1. La línea falló: si funcionara, R mostraría la tabla
  2. R guardó la tabla con el nombre datos; se ve en Environment
  3. Hay que ejecutar la línea dos veces

La flecha <- guarda el resultado con un nombre y no lo imprime. Por eso la consola se queda callada, pero en Environment aparece datos: 8 obs. of 7 variables. Si la línea hubiera fallado, la consola mostraría un mensaje que empieza con «Error». Para ver la tabla se usa head(datos) o View(datos).

2. summary(datos) dice que el rendimiento máximo es 68.70 t/ha. ¿Qué haces?

  1. Abrir el CSV y cambiar 68.70 por 6.87
  2. Anotarlo en la bitácora y dejar la parcela fuera de la copia de trabajo hasta confirmar el valor
  3. Borrar la fila del archivo original

68.70 t/ha es imposible para el trigo del valle, y probablemente es 6.87 sin el punto decimal. Pero «probablemente» no basta para corregir: se corrige sólo con evidencia, como la boleta de báscula. Mientras tanto, la parcela se deja fuera de la copia de trabajo y se anota en la bitácora. El original no se toca nunca.

3. Con 5 parcelas, un dato mal capturado casi triplicó la media. En la libreta de 401 rendimientos, el mismo tipo de error sólo sube la media unos 0.15 t/ha. ¿Por qué?

  1. Porque R corrige solo los datos imposibles
  2. Porque la mediana compensa el error
  3. Porque el error se reparte entre muchos más datos

La media suma todos los datos y divide entre cuántos son. Un error de 61.83 t/ha (68.70 en lugar de 6.87) sube la suma lo mismo con 5 que con 401 datos, pero al dividir entre 401 el efecto queda en 0.15 t/ha. Por eso con muchos datos un error se nota menos en la media, y por eso hay que buscarlo con summary(), mirando el máximo.

4. table(datos$siembra) muestra tardia 168 · Tardia 3 · temprana 235. ¿Qué concluyes?

  1. Tres parcelas tienen el código escrito con mayúscula: hay que unificarlo
  2. En el valle se usaron tres fechas de siembra
  3. Hay que borrar esas tres parcelas porque tienen un error

Para una persona «tardia» y «Tardia» son lo mismo; para R son textos distintos y los cuenta como dos grupos. La decisión es unificar el código, porque el significado es inequívoco: no hace falta evidencia externa ni borrar nada.

5. Lo que harás hoy

Carpeta IBS-MDO-U2-Sesion1 en Google Drive · script, datos, Excel y lectura en PDF
Descárgala completa con el botón de descarga de Drive («Descargar todo»). Drive la baja en un .zip: en Descargas, haz clic derecho → Extraer todo y trabaja dentro de la carpeta extraída. El Excel se guarda como Sesion1_Apellido_Nombre.xlsx; escribe sólo en las celdas amarillas.

Abrir en Drive

Extrae la carpeta antes de abrir nada

Si das doble clic a sesion1.Rproj dentro del .zip, RStudio se abre pero no encuentra el script ni los CSV: en el panel Files no aparecen. Cierra RStudio, extrae la carpeta y abre el .Rproj de la carpeta extraída. Tampoco trabajes con los archivos abiertos en Drive desde el navegador.

Archivo Para qué
sesion1.Rproj Abre RStudio trabajando en esta carpeta. Siempre empieza con doble clic aquí.
Sesion1_script.R El script con los bloques que vas a ejecutar.
Sesion 1 - Ejercicios.xlsx Donde contestas. Tiene cuatro hojas.
trigo_8_parcelas.csv Las 8 primeras parcelas de la libreta.
trigo_parcelas_original.csv La libreta completa: 406 parcelas, tal como llegó.
ejemplo_tomate.csv Los datos del ejemplo de la sección 4.5.

Revisar 8 parcelas a mano · hoja 1_A_mano · 15 min

Caso: las 8 primeras parcelas de la libreta. Antes de abrir R, revisa a mano un pedazo de la libreta: qué es cada fila, qué falta, qué está escrito distinto y cuánto rindieron.

Para qué te sirve hacerlo a mano. Haces a mano lo mismo que después hará R. Si sabes qué buscar y cómo se calcula, lo que conteste R no será una caja negra: lo vas a poder comprobar.

  1. Escribe tu nombre y la fecha.
  2. Lee la tabla con las 8 parcelas. Contesta qué representa cada fila y cuántas parcelas tienen rendimiento (1.1 y 1.2).
  3. Revisa columna por columna: busca la celda vacía y el código de siembra escrito distinto (1.3 y 1.4).
  4. Escribe los 7 rendimientos de menor a mayor. La mediana es el que queda en medio: el 4.º.
  5. Suma los 7 rendimientos y divide entre 7: es la media. Usa calculadora (1.5).
  6. Contesta por qué se divide entre 7 y no entre 8 (1.6).
Comprueba antes de seguir

La mediana es uno de los 7 rendimientos y tiene 3 abajo y 3 arriba. La media debe quedar entre el rendimiento más bajo y el más alto; si quedó abajo del más bajo, probablemente dividiste entre 8.

Tu primera ejecución en R · hoja 2_En_R · 20 min

Caso: las mismas 8 parcelas, ahora en R. Compruebas que R calcula lo mismo que tú y ves qué hace R cuando falta un dato.

  1. En la carpeta extraída IBS-MDO-U2-Sesion1, haz doble clic en sesion1.Rproj. Se abre RStudio trabajando en esa carpeta.
  2. En el panel Files (abajo a la derecha) haz clic en Sesion1_script.R. Se abre arriba a la izquierda.
  3. Lee el encabezado del script. Pon el cursor en la línea del Bloque 1 que no empieza con # y presiona Ctrl + Enter.
  4. Ejecuta los Bloques 1, 2 y 3 línea por línea. Antes de cada línea, lee la pregunta del bloque y piensa qué esperas ver.
  5. Contesta las preguntas 2.1 a 2.5. Compara con tu Ejercicio 1: deben salir los mismos números.
Comprueba antes de seguir

Después del Bloque 1, el panel Environment debe decir datos: 8 obs. of 7 variables. Si no aparece o R marca un error, busca el mensaje en la sección 6.

La libreta completa: 406 parcelas · hoja 2_En_R · 25 min

Caso: la libreta tal como llegó. El mismo script, ahora con las 406 parcelas. Ves que el mismo código sirve para 8 o para 406 parcelas, y encuentras problemas que a ojo serían muy difíciles de ver.

  1. Bloque 4. En la línea, cambia el nombre del archivo: trigo_8_parcelas.csv por trigo_parcelas_original.csv. Sólo eso; deja las comillas. Ejecuta la línea y revisa en Environment cuántas filas tiene ahora datos (3.1).
  2. Bloque 5. Ejecuta summary(datos). En la columna rendimiento_t_ha busca cuántos NA hay y cuál es el máximo; en nitrogeno_kg_ha, el máximo. Compáralos con las referencias de la sección 4.1 (3.2 a 3.4).
  3. Bloque 6. Ejecuta table(datos$siembra). ¿Cuántas categorías de siembra aparecen? (3.5).
  4. Bloque 7. Ejecuta View(datos). Haz clic en el nombre de la columna rendimiento_t_ha (dos clics la ordenan de mayor a menor) y busca la parcela con el valor más alto. Haz lo mismo con nitrogeno_kg_ha (3.6).
  5. Bloque 8. Ejecuta las líneas de media y mediana: son las mismas del Bloque 3, ahora con 406 parcelas (3.7).
Comprueba antes de seguir

Después del Bloque 4, Environment debe decir datos: 406 obs. of 7 variables. Si sigue en 8 obs., no cambiaste el nombre del archivo o no ejecutaste la línea.

Bitácora de calidad · hoja 3_Bitacora · 15 min

La situación. La asociación va a recomendar a sus socios con base en la libreta. Necesita saber qué problemas tiene, qué se hizo con cada uno y por qué, para que cualquiera pueda rehacer la copia revisada.

Para qué te sirve. Decides qué hacer con cada problema y lo dejas por escrito, como en el ejemplo del tomate. Con tu bitácora se prepara la copia revisada que usarás desde la sesión 2.

  1. Llena un renglón por cada tipo de problema: qué es, en qué parcelas, cómo lo detectaste, qué decides (lista desplegable) y por qué (4.1).
  2. Información nueva: el técnico revisó la boleta de báscula y la parcela P137 rindió 6.87 t/ha. Sigue los pasos de la hoja para medir cuánto movía la media ese error (4.2).
  3. Contesta la pregunta final con números: ¿podemos confiar en la libreta? (4.3).

Revisar afirmaciones y código · hoja 4_Revisar · 10 min

La situación. Un compañero revisó la libreta antes que tú y dejó notas y líneas de código. Algunas están bien y otras no. Si las aceptas sin revisarlas, puedes borrar datos que sirven o quedarte con errores.

Para qué te sirve. Practicas usar las reglas de la sección 4 como lista de revisión y leer código: es justo lo que pide la primera parte del examen de la unidad.

  1. Parte A. Lee las cuatro afirmaciones. Para cada una elige Sí o No en «¿Es correcta?» y, si no lo es, escribe el error y lo correcto (5.1 a 5.4).
  2. Parte B. Para cada línea escribe qué crees que contestará R y qué está mal. Después compruébalo en el Bloque 9 del script: borra el # del inicio de la línea y ejecútala (5.5 a 5.7).
  3. Contesta qué cambiarías en una línea para analizar otra columna (5.8).

6. Si R marca un error

R puede contestar en español o en inglés, según cómo esté instalado. La tabla trae los dos.

Lo que ves Qué significa Qué hacer
objeto 'dato' no encontrado (object 'dato' not found) Escribiste un nombre que R no tiene guardado, o no has ejecutado la línea que lo crea. También sale si al nombre del archivo le faltan las comillas. Revisa la letra exacta y las comillas. Ejecuta primero el bloque que crea el objeto.
no se puede abrir la conexión (cannot open file … No such file or directory) R no encuentra el archivo. Abre RStudio con doble clic en sesion1.Rproj y revisa que el nombre del archivo esté bien escrito y entre comillas.
no se pudo encontrar la función "mena" (could not find function) La instrucción está mal escrita. Corrígela: mean.
inesperado … (unexpected …) Falta o sobra un paréntesis, una coma o una comilla. Compara tu línea con la original, carácter por carácter.
La consola muestra + en lugar de > La línea quedó incompleta: falta cerrar un paréntesis o unas comillas. Presiona Esc y vuelve a ejecutar la línea corregida.
< table of extent 0 > La columna no existe: su nombre está mal escrito (por ejemplo, con mayúscula). Copia el nombre exacto como aparece en head(datos).
Sale NA Hay datos faltantes. No es un error. Usa na.rm = TRUE (sección 4.5, paso 2).
En Files no aparecen el script ni los CSV Abriste el .Rproj sin extraer la carpeta del .zip. Cierra RStudio, extrae la carpeta (clic derecho → Extraer todo) y abre el .Rproj de la carpeta extraída.
No abras ni guardes los .csv con Excel

Al guardarlos, Excel puede cambiar las comas por punto y coma y R ya no los lee bien. Si quieres ver los datos, usa View() en R.

7. Antes de entregar

Marca cada punto conforme lo revises. Tus marcas se guardan sólo en este navegador.

Tus instrucciones de R hasta hoy

Esta tarjeta crece en cada sesión. El examen de la unidad sólo usa instrucciones de esta tarjeta.

Instrucción Qué hace En Excel sería
<- Guarda un resultado con un nombre Ponerle nombre a una tabla
read.csv("archivo.csv") Lee un archivo de datos Abrir el archivo
head(datos) Muestra las primeras 6 filas Mirar el inicio de la hoja
View(datos) Abre la tabla completa; se puede ordenar con clic Ver la hoja y ordenarla
datos$columna Elige una columna de la tabla Seleccionar una columna
summary(datos) Mínimo, cuartiles, mediana, media, máximo y faltantes de cada columna MIN, CUARTIL, MEDIANA, PROMEDIO, MAX, CONTAR.BLANCO
table(datos$columna) Cuenta cuántas veces aparece cada código CONTAR.SI, uno por código
mean(x, na.rm = TRUE) Media sin los faltantes PROMEDIO
median(x, na.rm = TRUE) Mediana sin los faltantes MEDIANA

Práctica extra (opcional)

¿Quieres practicar para el examen? Aquí aparecen libretas pequeñas y una línea de R. Decide qué contestaría R antes de comprobarlo; cada pregunta trae su explicación. Puedes pedir tantas como quieras.

Esta práctica necesita JavaScript activado en el navegador.