UNIDAD 4: MATRICES, MARCOS DE DATOS Y LECTURA DE DATOS EN R

Transcripción

1 UNIDAD 4: MATRICES, MARCOS DE DATOS Y LECTURA DE DATOS EN R Técnicas Inteligentes en Bioinformática Máster en Lógica, Computación e Inteligencia Artificial Dpto. Ciencias de la Computación e Inteligencia Artificial Francisco J. Romero Campero Universidad de Sevilla

2 TIPOS DE DATOS o Simples: Numéricos Lógicos Caracteres Cadenas o Compuestos Vectores Listas Matrices Marcos de datos

3 MATRICES: constructores Colección de datos del mismo tipo que tiene dos dimensiones. Para crear una matriz usamos la función matrix Los elementos se proporcionan en un vector y se colocan por columnas. > matrix(1:10, nrow = 2, ncol = 5) [,1] [,2] [,3] [,4] [,5] [1,] [2,]

4 MATRICES: constructores Los datos se reciclan hasta completar la matriz. > matrix(1:3, nrow = 2, ncol = 3) [,1] [,2] [,3] [1,] [2,] 2 1 3

5 MATRICES: constructores Mediante el argumento byrow podemos hacer que los elementos se coloquen por filas. > matrix(1:10, nrow = 2, ncol = 5, byrow = TRUE) [,1] [,2] [,3] [,4] [,5] [1,] [2,]

6 MATRICES: accesores y modificadores La función dim devuelve las dimensiones de la matriz. La función nrow devuelve el número de filas. La función ncol devuelve el número de columnas. > M <- matrix(1:15, nrow = 3, ncol = 5) > dim(m) [1] 3 5 > nrow(m) [1] 3 > ncol(m) [1] 5

7 MATRICES: accesores y modificadores Podemos acceder a los elementos de una matriz mediante sus índices. > dim(m) [1] 3 5 > M[1, 2] [1] 4 > M[2, 5] [1] 14 > M[5, 3] Error: subíndice fuera de los límites

8 MATRICES: accesores y modificadores Las filas y las columnas pueden tener nombres > rownames(m) <- c("uno", "dos", "tres") > colnames(m) <- c("uno", "dos", "tres", "cuatro", "cinco") > M uno dos tres cuatro cinco uno dos tres

9 MATRICES: accesores y modificadores Podemos seleccionar un elemento por el nombre de su fila y su columna > M["dos", "tres"] [1] 8 Selección de filas > M[1,] uno dos tres cuatro cinco Selección de columnas > M[,3] uno dos tres 7 8 9

10 MATRICES: accesores y modificadores Selección por matriz de índices. > IJ1 <- matrix(c(1, 1, 1, 4, 2, 3), ncol = 2, byrow = TRUE) > M[IJ1] # Los elementos (1,1)-ésimo, (1,4)-ésimo y (2,3)-ésimo de M [1]

11 MATRICES: accesores y modificadores Modificación de los elementos de una matriz > M[c(1, 2), c(1, 3, 4)] <- 0 > M uno dos tres cuatro cinco uno dos tres

12 MATRICES: accesores y modificadores Modificación de los elementos de una matriz > M[c(1, 2), c(1, 3, 4)] <- c(-1, -2, -3) > M uno dos tres cuatro cinco uno dos tres

13 Todos los elementos deben ser del mismo tipo, en caso contrario, R realiza un ajuste. > M[1, 1] <- "-1" > M uno dos tres cuatro cinco uno "-1" "4" "-3" "-2" "13" dos "-2" "5" "-1" "-3" "14" tres "3" "6" "9" "12" "15"

14 MATRICES: funciones relevantes Las operaciones aritmético-lógicas se realizan elemento a elemento. > v1 <- seq(1, 11, by = 2) > v2 <- seq(0, 10, by = 2) > M1 <- matrix(v1, nrow = 2) > M2 <- matrix(v2, nrow = 2) > M3 <- matrix(v1, nrow = 3)

15 MATRICES: funciones relevantes > M1 [,1] [,2] [,3] [1,] [2,] > M2 [,1] [,2] [,3] [1,] [2,] > M3 [,1] [,2] [1,] 1 7 [2,] 3 9 [3,] 5 11

16 MATRICES: funciones relevantes > M1 + M2 # Suma elemento a elemento. [,1] [,2] [,3] [1,] [2,] > M1 * M2 # Multiplicación elemento a elemento [,1] [,2] [,3] [1,] [2,]

17 MATRICES: funciones relevantes Multiplicación de matrices (filas x columnas) > M1 %*% M3 [,1] [,2] [1,] [2,] Al aplicar operaciones aritmético-lógicas, las matrices deben tener el mismo número de filas y columnas. En el caso de la multiplicación %*%, el nº de columnas de la primera matriz debe ser igual al nº de filas de la segunda matriz

18 MATRICES: funciones relevantes Concatenación de matrices > cbind(m1, M2) # Concatena las matrices por columnas [,1] [,2] [,3] [,4] [,5] [,6] [1,] [2,] > rbind(m1, M2) # Concatena las matrices por filas [,1] [,2] [,3] [1,] [2,] [3,] [4,]

19 MATRICES: funciones relevantes Las matrices deben tener el mismo número de filas para concatenar por filas. Las matrices deben tener el mismo número de columnas para concatenar por columnas.

20 MATRICES: funciones relevantes La función apply permite aplicar una función a todas las filas, columnas o elementos de una matriz. > apply(m1, 1, mean) # Calcula la media de cada fila [1] 5 7 > apply(m1, 2, mean) # Calcula la media de cada columna [1] > apply(m1, c(1, 2), sqrt) # Calcula la raíz cuadrada de cada elemento. [,1] [,2] [,3] [1,] [2,]

21 MATRICES: funciones relevantes Otras funciones útiles: > rowsums(m1) [1] > colsums(m1) [1] > rowmeans(m1) [1] 5 7 > colmeans(m1) [1]

22 TIPOS DE DATOS o Simples: Numéricos Lógicos Caracteres Cadenas o Compuestos Vectores Listas Matrices Marcos de datos

23 MARCOS DE DATOS: constructores Estructura más genérica que una matriz. Es como una matriz con la posibilidad de tener elementos de distintos tipos en las columnas. Para crear un marco de datos se utiliza la función data.frame > altura <- c(150, 135, 210, 140) > peso <- c(65, 61, 100, 65) > sexo <- c("f", "F", "M", "F") > estudio <- data.frame(peso,altura,sexo)

24 MARCOS DE DATOS: constructores Las columnas reciben el nombre de las variables que se utilizaron. Por defecto, las filas reciben los nombres 1, 2, 3,... > estudio peso altura sexo F F M F > rownames(estudio) [1] "1" "2" "3" "4" > colnames(estudio) [1] "peso" "altura" "sexo"

25 MARCOS DE DATOS: constructores Podemos definir el nombre de las filas > rownames(estudio) <- c("marta", "Inés", "Juan", "Carmen") > estudio peso altura sexo Marta F Inés F Juan M Carmen F

26 MARCOS DE DATOS: accesores Acceso a datos > estudio["marta", "peso"] # El peso de Marta [1] 65 > estudio[, "peso"] # La columna de pesos. Es un vector. [1] > estudio["marta",] # Los datos de Marta. Es un marco de datos. peso altura sexo Marta F

27 MARCOS DE DATOS: accesores Acceso a datos > estudio[["peso"]] # La columna de pesos. Es un vector. [1] > estudio[c("peso", "altura")] # Las columnas de pesos y alturas. Es un marco de datos. peso altura Marta Inés Juan Carmen

28 LECTURA DE DATOS Podemos leer un marco de datos desde un fichero de texto mediante la función read.table El fichero debe seguir un formato: Todas las filas deben tener el mismo número de elementos, salvo la primera, que tiene uno menos. La primera fila contiene los nombres de las columnas. El resto de filas contienen como primer elemento e nombre de la fila y como resto de elementos los datos. Los datos se separan por espacios en blanco. La coma de los decimales es un punto (.) Los valores desconocidos se expresan como NA

29 LECTURA DE DATOS Ejemplo de fichero: estudio.txt Peso altura sexo Marta F Inés F Juan M Carmen F Lectura del fichero > estudio1 <- read.table( estudio.txt )

30 LECTURA DE DATOS La función count.fields cuenta los elementos de cada fila de un fichero. > count.fields( estudio.txt ) [1]

31 This work is licensed under the Creative Commons Attribution- NonCommercial NoDerivs 3.0 Unported License. To view a copy of this license, visit Estas transparencias están basadas en el material docente desarrollado por Francisco J. Romero Campero e Ignacio Pérez Hurtado de Mendoza para la asignatura Informática Aplicada a la Bioquímica del Grado Conjunto en Bioquímica por la Universidad de Sevilla y la Universidad de Málaga (Andalucía Tech). Este trabajo está liberado bajo la licencia Creative Commons Attribution-NonCommercial NoDerivs 3.0 Unported License.