CAPÍTULO 2. LOS DATOS Y SUS TIPOS
42
Precio Piso Area Cuartos Edad Calentador
01 52.00 111.0 830
5
6.2
no
02 54.75 128.0 710
5
7.5
no
03 57.50 101.0 1000
5
4.2
no
04 57.50 131.0 690
6
8.8
no
05 59.75 93.0 900
5
1.9
si
La lectura de esta tabla hacia un
data frame
, es muy sencilla y se hace me-
diante la función
read.table()
4
, como sigue:
mi.tabla
<-
read.table
(
"Rtext.txt"
)
mi.tabla
## Precio Piso Area Cuartos Edad Calentador
## 01 52.00 111 830
5 6.2
no
## 02 54.75 128 710
5 7.5
no
## 03 57.50 101 1000
5 4.2
no
## 04 57.50 131 690
6 8.8
no
## 05 59.75 93 900
5 1.9
si
Nótese que el primer renglón y la primera columna no son parte de los
datos de la tabla; ellos son, respectivamente, los nombres de las columnas y
renglones de la tabla o
data frame
, lo que podemos constatar mediante las fun-
ciones
colnames()
y
rownames()
:
colnames
(mi.tabla)
## [1] "Precio"
"Piso"
"Area"
"Cuartos"
## [5] "Edad"
"Calentador"
rownames
(mi.tabla)
## [1] "01" "02" "03" "04" "05"
Como se mencionó anteriormente, un
data frame
es una lista muy particular,
pero, ¿cuáles son los elementos de esa lista? Los elementos de la lista, y que
obedecen a todas las reglas sintácticas dadas anteriormente (ver sección 2.5.1),
son las columnas de la tabla. Así, por ejemplo, al segundo elemento de la lista
podemos tener acceso de las siguientes formas:
mi.tabla
$
Piso
## [1] 111 128 101 131 93
4
Aparte de la función
read.table()
, existen otras funciones que permiten leer datos de al-
gún tipo de archivo y vaciarlos en una estructura de tipo data frame. Probablemente, una de las
más útiles es la función
read.csv()
, que permite hacer esta operación a partir de archivos que
contienen valores separados por comas, uno de los formatos de intercambio de información entre
manejadores de hojas de cálculo, como Excel, más usados.
