Propongo la solución alternativa usando las funciones del paquete dplyr
clientes = data.frame(ClienteId = c(1:4), RazonSocial = c("Cliente 1", "Cliente 2",
"Cliente 3", "Cliente 4"), Direccion = c("Direccion 1", "Direccion 2", "Direccion 3",
"Direccion 4"))
ventas = data.frame(ClienteId = c(1, 2, 3, 5), Monto = c(110, 50, 60, 90))
library(dplyr)
Seleccion de columnas
Se hace con la funcion select
.
select(clientes, Direccion, ClienteId)
#> Direccion ClienteId
#> 1 Direccion 1 1
#> 2 Direccion 2 2
#> 3 Direccion 3 3
#> 4 Direccion 4 4
Con Ãndices
select(clientes, 2:1)
#> RazonSocial ClienteId
#> 1 Cliente 1 1
#> 2 Cliente 2 2
#> 3 Cliente 3 3
#> 4 Cliente 4 4
Puede remover si necesitas
select(clientes, -1)
#> RazonSocial Direccion
#> 1 Cliente 1 Direccion 1
#> 2 Cliente 2 Direccion 2
#> 3 Cliente 3 Direccion 3
#> 4 Cliente 4 Direccion 4
select(clientes, -ClienteId)
#> RazonSocial Direccion
#> 1 Cliente 1 Direccion 1
#> 2 Cliente 2 Direccion 2
#> 3 Cliente 3 Direccion 3
#> 4 Cliente 4 Direccion 4
Interesante es usar el auxiliar everithing()
para por ejemplo traer
una columna hacia el primer lugar
select(clientes, RazonSocial, everything())
#> RazonSocial ClienteId Direccion
#> 1 Cliente 1 1 Direccion 1
#> 2 Cliente 2 2 Direccion 2
#> 3 Cliente 3 3 Direccion 3
#> 4 Cliente 4 4 Direccion 4
Otro helpers muy útil son los starts_with
, ends_with
, contains
,
entre otros mas: que reciben una expresion regular o patron:
select(clientes, contains("e")) # todas las columnas que contienen 'e'
#> ClienteId Direccion
#> 1 1 Direccion 1
#> 2 2 Direccion 2
#> 3 3 Direccion 3
#> 4 4 Direccion 4
Filtros
Notar que no tienes que repetir el nombre de la tabla
(clientes[clientes$Direccion
) lo que hace el codigo mas facil de
escribir, entender, mantener.
filter(clientes, Direccion == "Direccion 2")
#> ClienteId RazonSocial Direccion
#> 1 2 Cliente 2 Direccion 2
filter(clientes, Direccion != "Direccion 2")
#> ClienteId RazonSocial Direccion
#> 1 1 Cliente 1 Direccion 1
#> 2 3 Cliente 3 Direccion 3
#> 3 4 Cliente 4 Direccion 4
filter(clientes, Direccion %in% c("Direccion 1", "Direccion 2"))
#> ClienteId RazonSocial Direccion
#> 1 1 Cliente 1 Direccion 1
#> 2 2 Cliente 2 Direccion 2
filter(clientes, Direccion %in% c("Direccion 1", "Direccion 2"))
#> ClienteId RazonSocial Direccion
#> 1 1 Cliente 1 Direccion 1
#> 2 2 Cliente 2 Direccion 2
Me he hecho muy fan del tidyverse, sobre todo por que me es mas fácil
enseñarlo a quienes no han programado mucho antes. Por ejemplo grep
puede ser mas fácil de olvidar que hace a diferencia de str_detect
(detectar en string).
library(stringr)
filter(clientes, str_detect(Direccion, "Dire.*[12]"))
#> ClienteId RazonSocial Direccion
#> 1 1 Cliente 1 Direccion 1
#> 2 2 Cliente 2 Direccion 2
Joins
# por defecto busca la interseccion en nombres
inner_join(clientes, ventas)
#> Joining, by = "ClienteId"
#> ClienteId RazonSocial Direccion Monto
#> 1 1 Cliente 1 Direccion 1 110
#> 2 2 Cliente 2 Direccion 2 50
#> 3 3 Cliente 3 Direccion 3 60
inner_join(clientes, ventas, by = "ClienteId")
#> ClienteId RazonSocial Direccion Monto
#> 1 1 Cliente 1 Direccion 1 110
#> 2 2 Cliente 2 Direccion 2 50
#> 3 3 Cliente 3 Direccion 3 60
left_join(clientes, ventas)
#> Joining, by = "ClienteId"
#> ClienteId RazonSocial Direccion Monto
#> 1 1 Cliente 1 Direccion 1 110
#> 2 2 Cliente 2 Direccion 2 50
#> 3 3 Cliente 3 Direccion 3 60
#> 4 4 Cliente 4 Direccion 4 NA
right_join(clientes, ventas)
#> Joining, by = "ClienteId"
#> ClienteId RazonSocial Direccion Monto
#> 1 1 Cliente 1 Direccion 1 110
#> 2 2 Cliente 2 Direccion 2 50
#> 3 3 Cliente 3 Direccion 3 60
#> 4 5 <NA> <NA> 90
full_join(clientes, ventas)
#> Joining, by = "ClienteId"
#> ClienteId RazonSocial Direccion Monto
#> 1 1 Cliente 1 Direccion 1 110
#> 2 2 Cliente 2 Direccion 2 50
#> 3 3 Cliente 3 Direccion 3 60
#> 4 4 Cliente 4 Direccion 4 NA
#> 5 5 <NA> <NA> 90
merge(x = clientes, y = ventas, by = "ClienteId", all = TRUE)
#> ClienteId RazonSocial Direccion Monto
#> 1 1 Cliente 1 Direccion 1 110
#> 2 2 Cliente 2 Direccion 2 50
#> 3 3 Cliente 3 Direccion 3 60
#> 4 4 Cliente 4 Direccion 4 NA
#> 5 5 <NA> <NA> 90
No existe forma directa:
inner_join(mutate(clientes, k = 1), mutate(ventas, k = 1), by = "k")
#> ClienteId.x RazonSocial Direccion k ClienteId.y Monto
#> 1 1 Cliente 1 Direccion 1 1 1 110
#> 2 1 Cliente 1 Direccion 1 1 2 50
#> 3 1 Cliente 1 Direccion 1 1 3 60
#> 4 1 Cliente 1 Direccion 1 1 5 90
#> 5 2 Cliente 2 Direccion 2 1 1 110
#> 6 2 Cliente 2 Direccion 2 1 2 50
#> 7 2 Cliente 2 Direccion 2 1 3 60
#> 8 2 Cliente 2 Direccion 2 1 5 90
#> 9 3 Cliente 3 Direccion 3 1 1 110
#> 10 3 Cliente 3 Direccion 3 1 2 50
#> 11 3 Cliente 3 Direccion 3 1 3 60
#> 12 3 Cliente 3 Direccion 3 1 5 90
#> 13 4 Cliente 4 Direccion 4 1 1 110
#> 14 4 Cliente 4 Direccion 4 1 2 50
#> 15 4 Cliente 4 Direccion 4 1 3 60
#> 16 4 Cliente 4 Direccion 4 1 5 90