Lectura de Base De Datos
Kenneth Roy Cabrera Torres
29 de julio de 2015
- Lectura de una base de datos en formato “.csv”
- Mostrar las dimensiones de la base de datos
- Trabajo con la base de datos
- Mostrar los nombres de las columnas de la base de datos.
- Muestra los primeros registros de la base de datos
- Muestra los último regístros de la base de datos.
- Muestra sólo algunas columnas seleccionadas
- Muestra sólo algunos renglones de acuerdo a algun criterio.
- Combinación de criterios de una base de datos.
- Guardar una subbase con algún criterio
- Hallar estadísticos resumen de la subbase
- Seleccionar un hábito de estudio y variables de análisis de la subbase.
- Hallar los estadísticos de la base seleccionada.
- Gráfica sencilla sin “pulir”
Lectura de una base de datos en formato “.csv”
Mediante la función read.csv2() se puede leer una base de datos que se ha guardado de Excel en formato “.csv”.
Se utiliza read.csv2() cuando el separador de campos es punto y coma (;) y el símbolo para decimales es la coma (,). Este formato suele ser el formato latinoamericano.
Para bases de datos con el formato aglosajón se utiliza la función read.csv() en donde el separador es coma (,) y el símbolo para decimales es el punto (.).
En el siguiente ejemplo el formato es latinoamericano.
encuestaHabitos <- read.csv2("HabitosEstudio.csv", enc = "utf8")Mostrar las dimensiones de la base de datos
dim(encuestaHabitos)## [1] 67 25Esto indica que se tienen 67 observaciones y 25 variables, o también que la tabla de datos tiene 67 filas y 25 columnas.
Trabajo con la base de datos
Mostrar los nombres de las columnas de la base de datos.
names(encuestaHabitos)## [1] "NroEnc" "Género" "Edad" "Carrera" "Semestre"
## [6] "Estrato" "PromAcad" "Tmpo_U" "Hora_U" "H01_Casa"
## [11] "H02_Notas_lin" "H03_Horario" "H04_Musica" "H05_Lugar_Fijo" "H06_Lee"
## [16] "H07_TemasDif" "H08_Amigos" "H09_Pausas" "H10_Trasnocha" "H11_Subraya"
## [21] "H12_Duerma_bien" "H13_Margen" "H14_Memoriza" "H15_Solucionario" "H16_ResuelveSolo"Muestra los primeros registros de la base de datos
head(encuestaHabitos)## NroEnc Género Edad Carrera Semestre Estrato PromAcad Tmpo_U Hora_U H01_Casa
## 1 1 Masculino 19 Estadística 2 4 4.0 40 07:40:00 1
## 2 2 Femenino 21 Estadística 2 4 3.9 30 05:50:00 1
## 3 3 Femenino 21 Estadística 2 2 3.8 15 08:00:00 1
## 4 4 Masculino 19 Estadística 2 4 3.6 15 06:10:00 1
## 5 5 Masculino 19 Estadística 2 1 4.0 15 07:35:00 1
## 6 6 Masculino 20 Estadística 3 2 3.4 20 08:05:00 1
## H02_Notas_lin H03_Horario H04_Musica H05_Lugar_Fijo H06_Lee H07_TemasDif H08_Amigos H09_Pausas
## 1 0 1 0 1 0 0 1 0
## 2 1 0 0 0 0 0 1 1
## 3 0 1 1 1 0 1 1 0
## 4 1 0 1 1 0 0 1 1
## 5 1 0 1 0 1 1 1 1
## 6 1 0 1 0 1 0 0 1
## H10_Trasnocha H11_Subraya H12_Duerma_bien H13_Margen H14_Memoriza H15_Solucionario
## 1 0 1 0 0 1 1
## 2 0 1 0 1 0 1
## 3 0 1 1 0 0 0
## 4 0 0 1 0 0 1
## 5 0 1 1 1 1 0
## 6 1 0 0 0 0 1
## H16_ResuelveSolo
## 1 1
## 2 0
## 3 1
## 4 1
## 5 1
## 6 0Muestra los último regístros de la base de datos.
tail(encuestaHabitos)## NroEnc Género Edad Carrera Semestre Estrato PromAcad Tmpo_U Hora_U H01_Casa
## 62 63 Masculino 17 Ing. Sistemas 3 3 4.1 25 07:51:00 1
## 63 64 Masculino 21 Ing. Sistemas 9 2 3.2 25 07:55:00 1
## 64 65 Masculino 19 Ing. Sistemas 2 3 3.5 25 08:06:00 1
## 65 66 Masculino 19 Ing. Sistemas 6 1 4.1 NA 08:10:00 1
## 66 67 Masculino 18 Ing. Sistemas 3 3 3.0 15 07:45:00 1
## 67 68 Femenino 23 Ing. Sistemas 3 2 3.9 20 08:25:00 1
## H02_Notas_lin H03_Horario H04_Musica H05_Lugar_Fijo H06_Lee H07_TemasDif H08_Amigos H09_Pausas
## 62 1 0 1 1 0 1 1 1
## 63 1 0 0 0 0 1 0 1
## 64 1 0 0 1 1 0 0 1
## 65 1 0 1 0 1 0 1 1
## 66 0 1 0 0 1 0 1 1
## 67 1 0 1 1 1 0 1 1
## H10_Trasnocha H11_Subraya H12_Duerma_bien H13_Margen H14_Memoriza H15_Solucionario
## 62 0 0 0 0 0 1
## 63 1 0 0 0 0 1
## 64 1 0 1 1 1 1
## 65 1 0 0 0 0 1
## 66 1 0 0 1 1 1
## 67 0 0 1 0 1 0
## H16_ResuelveSolo
## 62 1
## 63 1
## 64 1
## 65 1
## 66 0
## 67 1Muestra sólo algunas columnas seleccionadas
subset(encuestaHabitos, select = c(NroEnc,Estrato,PromAcad))## NroEnc Estrato PromAcad
## 1 1 4 4.0
## 2 2 4 3.9
## 3 3 2 3.8
## 4 4 4 3.6
## 5 5 1 4.0
## 6 6 2 3.4
## 7 7 3 3.6
## 8 8 3 3.8
## 9 9 3 3.1
## 10 10 4 3.3
## 11 11 4 3.6
## 12 12 3 3.8
## 13 13 3 3.9
## 14 14 2 3.1
## 15 15 3 3.3
## 16 16 2 3.6
## 17 17 2 4.0
## 18 18 2 3.9
## 19 19 3 3.4
## 20 20 4 3.6
## 21 21 3 4.5
## 22 22 3 4.1
## 23 23 3 3.5
## 24 24 3 4.3
## 25 25 1 3.2
## 26 26 2 4.0
## 27 27 3 3.6
## 28 28 1 3.9
## 29 29 2 4.2
## 30 30 2 3.3
## 31 31 3 4.0
## 32 32 2 3.4
## 33 33 3 3.7
## 34 34 3 3.9
## 35 35 4 3.4
## 36 36 3 4.0
## 37 37 1 4.3
## 38 38 4 2.7
## 39 39 4 4.4
## 40 40 3 4.0
## 41 41 4 4.0
## 42 42 4 4.1
## 43 43 2 4.1
## 44 44 4 3.5
## 45 45 3 3.4
## 46 46 4 4.0
## 47 47 1 4.0
## 48 48 3 3.2
## 49 49 2 3.6
## 50 50 4 4.2
## 51 51 3 4.7
## 52 52 3 3.5
## 53 53 3 3.4
## 54 54 2 4.5
## 55 55 4 3.7
## 56 56 3 3.8
## 57 57 2 3.6
## 58 59 3 4.3
## 59 60 3 3.3
## 60 61 3 3.8
## 61 62 1 3.6
## 62 63 3 4.1
## 63 64 2 3.2
## 64 65 3 3.5
## 65 66 1 4.1
## 66 67 3 3.0
## 67 68 2 3.9Muestra sólo algunos renglones de acuerdo a algun criterio.
subset(encuestaHabitos, PromAcad < 3.5)## NroEnc Género Edad Carrera Semestre Estrato PromAcad Tmpo_U Hora_U H01_Casa
## 6 6 Masculino 20 Estadística 3 2 3.4 20 08:05:00 1
## 9 9 Masculino 18 Estadística 2 3 3.1 30 08:15:00 1
## 10 10 Masculino 20 Ing. Sistemas 3 4 3.3 20 07:43:00 1
## 14 14 Masculino 20 Ing. Sistemas 5 2 3.1 40 07:55:00 1
## 15 15 Masculino 19 Ing. Sistemas 5 3 3.3 55 08:10:00 1
## 19 19 Masculino 19 Ing. Sistemas 4 3 3.4 35 05:50:00 1
## 25 25 Masculino 26 Ing. Sistemas 4 1 3.2 35 08:10:00 1
## 30 30 Masculino 22 Ing. Sistemas 2 2 3.3 15 07:55:00 1
## 32 32 Masculino 18 Ing. Sistemas 2 2 3.4 30 07:50:00 1
## 35 35 Masculino 17 Estadística 2 4 3.4 15 05:44:00 1
## 38 38 Masculino 20 Estadística 3 4 2.7 40 05:55:00 1
## 45 45 Masculino 21 Estadística 2 3 3.4 3 05:55:00 1
## 48 48 Masculino 17 Estadística 2 3 3.2 15 05:40:00 1
## 53 53 Masculino 19 Ing. Sistemas 3 3 3.4 20 05:50:00 1
## 59 60 Masculino 24 Ing. Sistemas 3 3 3.3 35 07:45:00 1
## 63 64 Masculino 21 Ing. Sistemas 9 2 3.2 25 07:55:00 1
## 66 67 Masculino 18 Ing. Sistemas 3 3 3.0 15 07:45:00 1
## H02_Notas_lin H03_Horario H04_Musica H05_Lugar_Fijo H06_Lee H07_TemasDif H08_Amigos H09_Pausas
## 6 1 0 1 0 1 0 0 1
## 9 1 0 0 0 1 0 0 0
## 10 1 0 0 1 1 1 0 1
## 14 1 1 1 1 1 0 1 1
## 15 1 0 0 0 1 0 1 1
## 19 0 0 0 0 0 1 1 1
## 25 0 0 0 0 0 0 1 1
## 30 1 0 0 1 1 0 1 1
## 32 1 0 0 0 1 1 0 1
## 35 1 0 0 1 1 0 0 1
## 38 1 0 1 0 1 1 1 1
## 45 1 0 0 0 1 0 1 1
## 48 0 0 0 1 1 0 0 1
## 53 0 0 0 1 1 1 1 0
## 59 0 0 1 0 1 1 1 1
## 63 1 0 0 0 0 1 0 1
## 66 0 1 0 0 1 0 1 1
## H10_Trasnocha H11_Subraya H12_Duerma_bien H13_Margen H14_Memoriza H15_Solucionario
## 6 1 0 0 0 0 1
## 9 0 0 1 0 0 0
## 10 0 0 0 0 0 1
## 14 1 0 1 0 0 1
## 15 1 0 0 1 0 1
## 19 1 0 1 0 0 1
## 25 1 0 0 0 1 1
## 30 0 0 1 0 0 1
## 32 0 0 1 0 1 1
## 35 0 0 1 1 1 1
## 38 0 0 1 1 1 0
## 45 0 1 1 1 1 1
## 48 0 1 1 1 1 1
## 53 0 0 1 0 0 0
## 59 0 0 1 0 1 1
## 63 1 0 0 0 0 1
## 66 1 0 0 1 1 1
## H16_ResuelveSolo
## 6 0
## 9 1
## 10 1
## 14 0
## 15 1
## 19 1
## 25 1
## 30 1
## 32 0
## 35 1
## 38 1
## 45 1
## 48 0
## 53 1
## 59 1
## 63 1
## 66 0Combinación de criterios de una base de datos.
subset(encuestaHabitos, select = c(NroEnc,Estrato,PromAcad), PromAcad < 3.5)## NroEnc Estrato PromAcad
## 6 6 2 3.4
## 9 9 3 3.1
## 10 10 4 3.3
## 14 14 2 3.1
## 15 15 3 3.3
## 19 19 3 3.4
## 25 25 1 3.2
## 30 30 2 3.3
## 32 32 2 3.4
## 35 35 4 3.4
## 38 38 4 2.7
## 45 45 3 3.4
## 48 48 3 3.2
## 53 53 3 3.4
## 59 60 3 3.3
## 63 64 2 3.2
## 66 67 3 3.0Guardar una subbase con algún criterio
# Guarda en alguna subbase las mujeres de estrato mayor o igual a 3.
encuestaHabitos2 <- subset(encuestaHabitos, Género == "Femenino" & Estrato >= 3)
# Ver las dimensiones de la nueva base de datos
dim(encuestaHabitos2)## [1] 14 25Hallar estadísticos resumen de la subbase
# Muestra los estadísticos resumen de la subbase calculada.
summary(encuestaHabitos2)## NroEnc Género Edad Carrera Semestre
## Min. : 2.00 Femenino :14 Min. :16.00 Estadística :11 Min. : 2.000
## 1st Qu.:21.25 Masculino: 0 1st Qu.:18.00 Ing. Sistemas : 3 1st Qu.: 2.000
## Median :29.00 Median :18.00 Median : 2.000
## Mean :28.50 Mean :18.64 Mean : 2.857
## 3rd Qu.:37.75 3rd Qu.:19.75 3rd Qu.: 2.000
## Max. :59.00 Max. :22.00 Max. :10.000
##
## Estrato PromAcad Tmpo_U Hora_U H01_Casa H02_Notas_lin
## Min. :3.000 Min. :3.600 Min. :10.00 06:00:00:4 Min. :1 Min. :0.0000
## 1st Qu.:3.000 1st Qu.:3.900 1st Qu.:16.25 05:45:00:2 1st Qu.:1 1st Qu.:0.0000
## Median :3.000 Median :4.000 Median :30.00 05:50:00:2 Median :1 Median :1.0000
## Mean :3.357 Mean :4.021 Mean :29.64 05:57:00:1 Mean :1 Mean :0.6429
## 3rd Qu.:4.000 3rd Qu.:4.250 3rd Qu.:33.75 06:05:00:1 3rd Qu.:1 3rd Qu.:1.0000
## Max. :4.000 Max. :4.500 Max. :60.00 07:50:00:1 Max. :1 Max. :1.0000
## (Other) :3
## H03_Horario H04_Musica H05_Lugar_Fijo H06_Lee H07_TemasDif H08_Amigos
## Min. :0.0000 Min. :0.0000 Min. :0.0000 Min. :0.0000 Min. :0.0 Min. :0.0000
## 1st Qu.:0.0000 1st Qu.:0.0000 1st Qu.:0.0000 1st Qu.:0.0000 1st Qu.:0.0 1st Qu.:0.0000
## Median :0.0000 Median :0.0000 Median :0.0000 Median :1.0000 Median :0.5 Median :1.0000
## Mean :0.3571 Mean :0.2143 Mean :0.4286 Mean :0.5714 Mean :0.5 Mean :0.6429
## 3rd Qu.:1.0000 3rd Qu.:0.0000 3rd Qu.:1.0000 3rd Qu.:1.0000 3rd Qu.:1.0 3rd Qu.:1.0000
## Max. :1.0000 Max. :1.0000 Max. :1.0000 Max. :1.0000 Max. :1.0 Max. :1.0000
##
## H09_Pausas H10_Trasnocha H11_Subraya H12_Duerma_bien H13_Margen H14_Memoriza
## Min. :0.0000 Min. :0.0000 Min. :0.0000 Min. :0.0000 Min. :0.0 Min. :0.0000
## 1st Qu.:0.2500 1st Qu.:0.0000 1st Qu.:1.0000 1st Qu.:0.0000 1st Qu.:0.0 1st Qu.:0.0000
## Median :1.0000 Median :0.0000 Median :1.0000 Median :1.0000 Median :0.5 Median :0.0000
## Mean :0.7143 Mean :0.1429 Mean :0.7857 Mean :0.6429 Mean :0.5 Mean :0.1429
## 3rd Qu.:1.0000 3rd Qu.:0.0000 3rd Qu.:1.0000 3rd Qu.:1.0000 3rd Qu.:1.0 3rd Qu.:0.0000
## Max. :1.0000 Max. :1.0000 Max. :1.0000 Max. :1.0000 Max. :1.0 Max. :1.0000
##
## H15_Solucionario H16_ResuelveSolo
## Min. :0.0000 Min. :0.0000
## 1st Qu.:0.0000 1st Qu.:1.0000
## Median :0.0000 Median :1.0000
## Mean :0.4286 Mean :0.9286
## 3rd Qu.:1.0000 3rd Qu.:1.0000
## Max. :1.0000 Max. :1.0000
## Seleccionar un hábito de estudio y variables de análisis de la subbase.
# Selección del hábito de estudio Trasnocha.
encuestaHabitos3 <- subset(encuestaHabitos2,
select = c(Edad, Carrera, Estrato, PromAcad, H10_Trasnocha))Hallar los estadísticos de la base seleccionada.
# Resumen de valores estadísticos del promedio académico para toda la base
# de datos seleccionada.
summary(encuestaHabitos3$PromAcad)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 3.600 3.900 4.000 4.021 4.250 4.500# Hallar una tabla de frecuencia de los que trasnochan o no de
# la subbase hallada
with(encuestaHabitos3, table(H10_Trasnocha))## H10_Trasnocha
## 0 1
## 12 2# Hallar estadísticos básicos para los que NO tranochan.
# Estadísticos básicos.
with(subset(encuestaHabitos3, H10_Trasnocha == 0), summary(PromAcad))## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 3.60 3.90 4.00 4.05 4.30 4.50# Desviación estándar
with(subset(encuestaHabitos3, H10_Trasnocha == 0), sd(PromAcad))## [1] 0.2779797# Hallar estadísticos básicos para los que SI tranochan.
# Estadísticos básicos.
with(subset(encuestaHabitos3, H10_Trasnocha == 1), summary(PromAcad))## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 3.600 3.725 3.850 3.850 3.975 4.100# Desviación estándar
with(subset(encuestaHabitos3, H10_Trasnocha == 1), sd(PromAcad))## [1] 0.3535534Gráfica sencilla sin “pulir”
# Gráfica sencilla sin ser mejorada
with(encuestaHabitos3, plot(H10_Trasnocha, PromAcad))