Básicos

Limpiar el espacio de trabajo

rm(list=ls())

R como calculadora

Operaciones básicas:

suma, +
resta, -
multiplicación, *
potenciación, ^
módulo (el residuo de una división), %%

Tipos de datos

Valores con números decimales son numeric.
Valores numéricos sin decimales son integers (también son numeric).
Valores con texto (o strings) son llamados characters, en R aparecen entre comillas " ".
Operadores booleanos son llamados lógicos (logical), i.e. TRUE o FALSE.
- Los operadores relacionales en R son:
  - “>”, mayor que;
  - “>=”, mayor o igual que;
  - “<”, menor que;
  - “<=”, menor o igual que;
  - “!=”, distinto de;
  - “==”, igual a;

Comunmente trabajamos con objetos, los que definimos con “<-” (tip: en windows alt + tecla - pone la flechita automáticamente), para luego utilizar operaciones básicas sobre estos objetos.

a <- 'a'        # Caracter
b <- 6          # Entero
c <- 4
b+c             # Suma

## [1] 10

b%%c            # Módulo

## [1] 2

T == TRUE       # T expresion corta de verdadero

## [1] TRUE

F == FALSE      # F expresion corta de falso

## [1] TRUE

b < c           # Valor logico

## [1] FALSE

2+2 == 5        # Valor logico

## [1] FALSE

b != c          # Valor lógico

## [1] TRUE

Las operaciones matemáticas de la sección anterior sólo funcionan con valores numéricos, por ello es importante que cuando trabajemos con números éstos tengan el tipo de dato correcto. Para verificar esto existe la función class().

class("1")

## [1] "character"

class(1)

## [1] "numeric"

También puede que llegues a requerir los operadores lógicos:

“&” para Y o ambos.
“|” para O ó al menos uno.
“!” para NO o el complemento.

Pues, por ejemplo, usar 3 <x <7 para verificar si x está entre 3 y 7 no funcionará en R; necesitarás 3 <x & x <7 para eso.

# Ejemplo
x <- 5
3 <x & x <7

## [1] TRUE

También puede ser que necesites las declaraciones condicionales, como if, if…else y else if. Se puede utilizar el if de manera independiente de los otros dos, pero el else if y el else requieren siempre que haya primero un if. La estrucutra básica de los tres combinados la siguiente:

# if(condition1) {
# expr1
# } else if(condition2) {
# expr2
# } else {
# expr3 }

Es decir, si se cumple tal condición (indicada entre paréntesis), entonces haz lo que aparecé entre {}. Si la condición resulta FALSE, entonces R hace lo que está entre {} después del else. El else if indica, si la primera condición no se cumple, pero se cumple la segunda condición entre paréntesis, entonces realiza tal acción.

El término factor se refiere a un tipo de datos utilizado para almacenar variables categóricas. La diferencia entre una variable categórica y una variable continua es que una variable categórica puede pertenecer a un número limitado de categorías. Una variable continua, por otro lado, puede corresponder a un número infinito de valores.

El tipo de dato factor se utiliza principalmente para resumir datos por categorías o identificar cláramente cosas en una gráfica, más adelante veremos algún ejemplo de cómo usarlos. Puedes crear factores con la función factor().

Ejemplo. Un vector que contiene 5 observaciones del sexo de una población contiene sólo dos factores o niveles, “hombre” y “mujer”, que se pueden resumir fácilmente como se muestra a continuación.

sex <- c("Male","Female","Female","Male","Male")
fac_sex <- factor(sex)
# Puedes renombrar los niveles 
levels(fac_sex) <- c("Mujer", "Hombre")
fac_sex

## [1] Hombre Mujer  Mujer  Hombre Hombre
## Levels: Mujer Hombre

# Resumir los datos por factores
summary(fac_sex)

##  Mujer Hombre 
##      2      3

Vectores

Los vectores son uno de los objetos más usados en R. Los vectores son matrices columna ($n\mathrm{x}1$) que pueden contener datos numéricos, datos de caracteres o datos lógicos, i.e. un vector es una herramienta simple para almacenar datos. Para crear un vector se usa la función combinar c().

vector_numerico <- c(1, 2, 3)
vector_caracter <- c("a", "b", "c")

Se puede asignar un nombre a cada elemento de un vector con la función names().

names(vector_numerico) <- vector_caracter
#Nótese que el primer renglón son sólo los nombres de las variables
vector_numerico

## a b c 
## 1 2 3

Las operaciones básicas también funcionan con vectores.

# Creamos otro vector
vector_numerico2 <- c(5*1.5, 7-2, 7+3)
names(vector_numerico2) <- vector_caracter
# Suma de vectores
vector_numerico + vector_numerico2

##    a    b    c 
##  8.5  7.0 13.0

# Producto de vectores (nótese que el producto es elemento a elemento) 
vector_numerico * vector_numerico2

##    a    b    c 
##  7.5 10.0 30.0

# Valores lógicos con vectores
vector_numerico2 != 5

##     a     b     c 
##  TRUE FALSE  TRUE

Algunas funciones útiles.

rep('R', times=3) # Repite la letra R el número de veces que se indica

## [1] "R" "R" "R"

sqrt(9)           # Raíz cuadrada de 9

## [1] 3

1:10              # Secuencia 1 a 10

##  [1]  1  2  3  4  5  6  7  8  9 10

seq(1, 10, 0.5)   # Secuencia del 1 a 10 con incrementos de 0.5

##  [1]  1.0  1.5  2.0  2.5  3.0  3.5  4.0  4.5  5.0  5.5  6.0  6.5  7.0
## [14]  7.5  8.0  8.5  9.0  9.5 10.0

vector_numerico2[2]     # Acceder al segundo valor de un vector

## b 
## 5

vector_numerico2["b"]   # Acceder al segundo valor de un vector que tiene nombre

## b 
## 5

vector_numerico2[2:3]   # Acceder al 2do y tercer valor de un vector

##  b  c 
##  5 10

vector_numerico2[c("b", "c")]   # Acceder al 2do y tercer valor de un vector que tiene nombre

##  b  c 
##  5 10

sum(vector_numerico)    # Suma de los elementos indicados

## [1] 6

mean(vector_numerico2)  # Promedio simple

## [1] 7.5

min(vector_numerico2)   # Obtener el valor minimo de un vector

## [1] 5

max(vector_numerico2)   # Obtener el valor máximo de un vector

## [1] 10

Matrices

En R, una matriz es una colección de elementos del mismo tipo de datos (numéricos, caracteres o lógicos) organizados en un número fijo de filas y columnas.

Las matrices se crean con la función matrix(), primero se indica el conjunto de datos que conforman la matriz, luego se le indica el número de filas o columnas (o ambos), y byrow le indica que queremos que ponga los datos empezando por las columnas.

A <- matrix(1:6, ncol=2, byrow = TRUE)
B <- matrix(seq(2,18,2), ncol=3, byrow = T)

Para ponerle nombre a las filas y columnas de la matriz A

colnames(A) <- c("X","Y")
rownames(A) <- c("A","B","C")
A

##   X Y
## A 1 2
## B 3 4
## C 5 6

Operaciones con matrices

Para sumar los elementos de las filas de una matriz usamos la función rowSums(). Se puede hacer lo mismo con las filas conla función colSums().

rowSums(A)

##  A  B  C 
##  3  7 11

colSums(A)

##  X  Y 
##  9 12

Similar a lo que ha aprendido con los vectores, los operadores estándar como +, -, /, *, etc. funcionan elemento a elemento en R (por lo que para sumar o multiplicar dos matrices estas deben tener la misma dimensión).

Transpuesta

t(A)

##   A B C
## X 1 3 5
## Y 2 4 6

Inversa

solve(B^2) #Elevamos B al cuadrado porque sino no era invertible

##            [,1]       [,2]        [,3]
## [1,]  0.3229167 -0.2916667  0.09375000
## [2,] -0.5416667  0.4166667 -0.12500000
## [3,]  0.2326389 -0.1527778  0.04513889

Multiplicación de matrices

Para realizar la multiplicación de matrices convencional (al igual que en álgebra lineal), utilizamos el comando %*%.

B%*%A

##        X   Y
## [1,]  44  56
## [2,]  98 128
## [3,] 152 200

Seleccionar elementos de una matriz

Al igual que con los vectores, seleccionamos elementos de una matriz usando [] justo después de la matriz. En este caso, se usa con una coma enmedio [,] donde el primer elemento indica el número de fila y el segundo el número de columna. Si, por ejemplo, el segundo elemento se deja en blanco, R tomará todas las columnas.

B[1,2]

## [1] 4

B[1:2,]

##      [,1] [,2] [,3]
## [1,]    2    4    6
## [2,]    8   10   12

Combinar elementos entre matrices

Se usa el comando cbind para unir columnas, y rbind para unir filas. Nótese que los argumentos deben tener la misma cantidad de renglones en el caso de cbind, y la misma cantidad de columnas en el caso de rbind.

cbind(A,B)

##   X Y         
## A 1 2  2  4  6
## B 3 4  8 10 12
## C 5 6 14 16 18

rbind(A,B[,1:2])

##    X  Y
## A  1  2
## B  3  4
## C  5  6
##    2  4
##    8 10
##   14 16

Data frames

Un data frame o conjunto de datos presenta las variables del conjunto como columnas y las observaciones como filas. Son esencialmente lo mismo que las matrices, pero a diferencia de estas, un data frame puede almacenar distintos tipos de datos al mismo tiempo.

Puedes seleccionar y combinar distintos elementos de un data frame al igual que lo hicimos con las matrices, sólo que ahora hay una forma más sencilla de seleccionar una columna en particular: nombre_base$variable, i.e. colocando el signo de pesos “$” justo entre el nombre de la base y en nombre de la variable (es más sencillo de lo que parece aquí).

Conviene siempre dar un primer vistazo al data frame con dos funciones:

head(), que muestra las primeras seis renglones del data frame; y
str(), que nos dice de manera resumida las características de las variables de la base de datos.

Los ejemplos de data frames los dejamos para la sección de importar bases de datos, pues ésta es la forma en que R interpreta la mayoría de datos que utilizamos.

Listas

Una lista en R es un objeto que puede almacenar distintos tipos de objetos al mismo tiempo, por ejemplo, matrices, vectores, data frames, etc. Es relevante conocer este tipo de objeto porque cosas como las regresiones o las bases de datos espaciales (para hacer mapas) son interpretadas como listas en R.

Puedes crear una lista con la función list(). Por poner un ejemplo:

mi_lista <- list(vector_numerico, A, c(a,b))

Nótese que la lista contiene tres objetos indicados entre paréntesis cuadrados dobles “[[]]”, el primero es un vector numérico, el segundo un matriz y el tercero un vector de carateres.

Para seleccionar elementos de una lista primero debes indicar el objeto dentro de la lista con los [[]], y luego con un sólo [] el elemento deseado. Por ejemplo:

mi_lista[[3]][1]

## [1] "a"

Por ahora no nos compliquemos con las listas, éstas creo que serán útiles, sobre todo, en temas un poco más avanzados como hacer mapas o extraer un elemento particular de una regresión.

Funciones y paquetes

Las funciones en R son las que van seguidas de paréntesis, ya hemos usados muchas de ellas en este punto. Cada función tiene sus propios argumentos (algunas ni tienen), unos los tienes que indicar obligatoriamente, y otros están definidos por default así que los puedes cambiar si es necesario.

Por ejemplo, la función arg() te dice los distintos argumentos que tiene otra función.

args(matrix)

## function (data = NA, nrow = 1, ncol = 1, byrow = FALSE, dimnames = NULL) 
## NULL

Hay dos formas de indicar los argumentos a una función de R:

Por nombre, i.e. indicando cada cosa (en el caso de matrix(data=x, nrow=y, etc.) ).
Por orden, i.e. si el primer argumento de la función son los datos, no hace falta indicar explícitamente data.

Siempre se recomienda ver la documentación de cada función antes de usarla para ver lo que tienes que indicarle, o bien para ver qué más puede hacer por ti. Para acceder a la documentación de una función puedes usar cualquiera de los siguientes caminos:

# help(matrix)
# ?matrix
# Seleccionar la función y presionar F1

Si bien es sencillo crear tus propias funciones en R, la mayoría del tiempo recurrirás a funciones creadas por expertos en la programación de R, muchas de las cuales no vienen instaladas por default. Instalar paqueterías de 3ros es muy sencillo, sólo requiere de dos pasos:

Teclear en la consola la función install.packages(), indicando la paquetería entre comillas dentro del paréntesis y esperando a que termine; y
Cargar la paquetería con la función library().

El primer paso sólo deberás hacerlo una vez en tu computadora, pero el segundo deberás hacerlo cada que inicies un nuevo espacio de trabajo.

Importar bases de datos

INEGI - BIE

Una de las fuentes más comunes para descargar datos en México es el Banco de Información Económica (BIE) del INEGI. Básicamente todos los tipos de archivos de datos se leen de la misma forma, con ligeras variantes entre unos y otros, así que si dominas una forma será fácil leer otros tipos de archivos.

Para poner un ejemplo descargamos datos de 2005 a 2019 de inflación y desempleo en formato csv. Todas las bases descargadas de ahí tienen la misma estructura, la primera fila tiene el tipo de periodicidad, en este caso mensual, y la segunda fila el nombre de las variables, que es la ruta mediante la cual se obtuvo, lo que no es útil para procesar los datos.

Utilizamos la función read.csv para leer el archivo, el primer argumento contiene la ruta del archivo, usamos la opción skip para saltarnos las primeras dos filas del archivo, lo que combinamos con la opción header = FALSE para indicar que la primera fila del archivo no contiene los nombres de las variables, los cuales hemos determinado nosotros con la opción col.names. También hay que tener en cuenta que las bases descargadas del BIE suelen tener notas al final de los datos, si no las consideramos la base no se cargará de manera adecuada, lo cual podemos solucionar simplemente indicando el número máximo de renglones que queremos que lea, en este caso nuestro último renglón con datos es el 182, menos dos que quitamos al inicio, 180, lo cual indicamos con la opción nrows.

baseCP <- read.csv("https://raw.githubusercontent.com/e-maruri/e-maruri.github.io/master/Bases/BIE_Des_Inf_2005-2019.csv", 
                    header = F,
                    skip = 2, 
                    nrows = 180,
                    col.names = c("Periodo", "Desempleo", "Inflacion", "Indice_inf"))
# La función str nos dice la estructura de las variables en nuestro data frame
str(baseCP)

## 'data.frame':    180 obs. of  4 variables:
##  $ Periodo   : Factor w/ 180 levels "2005/01","2005/02",..: 1 2 3 4 5 6 7 8 9 10 ...
##  $ Desempleo : num  3.64 3.55 3.63 3.57 3.68 ...
##  $ Inflacion : num  4.54 4.27 4.39 4.6 4.6 4.33 4.47 3.95 3.51 3.05 ...
##  $ Indice_inf: num  58.3 58.5 58.8 59 58.8 ...

Nótese que la variable Periodo no está en formato fecha, lo cual es un problema al momento de procesar la información, así que ahora veremos cómo convertirla al formato adecuado. Utilizaremos la libreria lubridate (que tienes que instalar previamente). Esta libreria tiene varias funciones cuya idea básica es indicarle en qué forma está escrita la fecha y el programa se encarga de convertirlo al formato adecuado. Para ver las funciones para otros formatos de fecha consulta la información de lubridate.

En este caso nuestra fecha tiene la forma de “y/m”, es decir primero se indica el año y luego el mes, por lo que utilizaremos la función ymd(), añadiendo la opción truncated=2 para indicarle que los dos últimos dígitos de la fecha, que corresponden al día, no aparecen en nuestro formato.

#library(lubridate)
baseCP$Periodo <- ymd(baseCP$Periodo, truncated = 2)
str(baseCP)

## 'data.frame':    180 obs. of  4 variables:
##  $ Periodo   : Date, format: "2005-01-01" ...
##  $ Desempleo : num  3.64 3.55 3.63 3.57 3.68 ...
##  $ Inflacion : num  4.54 4.27 4.39 4.6 4.6 4.33 4.47 3.95 3.51 3.05 ...
##  $ Indice_inf: num  58.3 58.5 58.8 59 58.8 ...

Ahora la variable periodo está en formato fecha y podremos trabajar con ella cómodamente, como se verá más adelante, en particular en la sección de gráficas.

Banxico - SIE

Otra fuente de datos importante es el Sistema de Información Económica (SIE) de Banxico. Dejo aquí cómo cargar bases de datos de ahí porque estas tienen ciertas particularidades.

Descargamos datos mensuales del indice de precios y cotizaciones (IPC), la tasa de interés sobre Cetes a 28 días y la tasa de interés sobre Udibonos a 10 años, esta última para mostrar qué ocurre cuando el periodo para el que descargamos los datos difiere entre series. Los datos faltantes en la base en las bases del SIE se representan con N/E, lo cual le tenemos que indicar a la función read.csv para que los lea de manera correcta, esto se hace con la opción na.strings como se muestra a continuación.

banxico <- read.csv("https://raw.githubusercontent.com/e-maruri/e-maruri.github.io/master/Bases/SIE_IPC_Cetes28_1990-2019.csv", 
                    header = F,
                    skip = 18, 
                    col.names = c("Periodo", "IPC", "Cetes28", "Udibonos10"), 
                    na.strings = "N/E")
str(banxico)

## 'data.frame':    365 obs. of  4 variables:
##  $ Periodo   : Factor w/ 365 levels "01/01/1990","01/01/1991",..: 1 32 63 94 125 156 186 216 246 276 ...
##  $ IPC       : num  445 473 490 526 650 ...
##  $ Cetes28   : num  41.3 45.2 46.6 44.6 36.9 ...
##  $ Udibonos10: num  NA NA NA NA NA NA NA NA NA NA ...

Nótese que una vez más la variable Periodo no está en formato fecha, así que la convertimos como hicimos antes. En este caso la fecha tiene el formato “d/m/y”, es decir, primero el día, luego el mes y al final el año, por lo que ahora usamos la función dmy() de lubridate.

banxico$Periodo <- dmy(banxico$Periodo)
str(banxico)

## 'data.frame':    365 obs. of  4 variables:
##  $ Periodo   : Date, format: "1990-01-01" ...
##  $ IPC       : num  445 473 490 526 650 ...
##  $ Cetes28   : num  41.3 45.2 46.6 44.6 36.9 ...
##  $ Udibonos10: num  NA NA NA NA NA NA NA NA NA NA ...

Agregación de datos

También es un problema común que tienes tus datos en forma mensual pero los necesitas de manera trimestral o anual, lo cual se puede hacer fácilmente en R. Primero convertimos nuestra variable de interés en un objeto de series de tiempo de R, ts, y luego utilizamos la función aggregate como se muestra a continuación. En este caso usamos como método de agregación el promedio simple (mean), aunque se puede utilizar cualquier función que se desee con la opción FUN=.

#Convertir la serie a un objeto ts
IPC_men <- ts(banxico$IPC, start = 1990, frequency = 12)

#Utilizamos la función aggregate para convertirlo a otra unidad de tiempo
#Trimestral
IPC_trim <- aggregate(IPC_men, nfrequency = 4, mean)

#Anual
IPC_anual <- aggregate(IPC_men, nfrequency = 1, mean)

Tasas de crecimiento

Otro problema común es calcular tasas de crecimiento, esto lo hacemos fácilmente con un mutate y la función lag() de la libreria dplyr. A continuación un ejemplo con los índices de precios. Primero calculamos la inflación mensual, es decir la variación porcentual del índice de precios de un mes a otro, y luego la inflación anual, i.e. la variación porcentual del índice de precios de un mes respecto al mismo mes del año pasado, esto se hace añadiendo la opción n= para indicarle cuántos periodos atrás considerar el rezago.

baseCP <- baseCP %>% mutate(inf_mensual = ((Indice_inf/lag(Indice_inf))-1)*100,
                            inf_anual = ((Indice_inf/lag(Indice_inf, n=12))-1)*100)
head(baseCP[,-2], n=20)

##       Periodo Inflacion Indice_inf inf_mensual inf_anual
## 1  2005-01-01      4.54   58.30916          NA        NA
## 2  2005-02-01      4.27   58.50343  0.33317341        NA
## 3  2005-03-01      4.39   58.76712  0.45072568        NA
## 4  2005-04-01      4.60   58.97642  0.35614168        NA
## 5  2005-05-01      4.60   58.82825 -0.25122538        NA
## 6  2005-06-01      4.33   58.77178 -0.09598788        NA
## 7  2005-07-01      4.47   59.00180  0.39137218        NA
## 8  2005-08-01      3.95   59.07226  0.11941242        NA
## 9  2005-09-01      3.51   59.30901  0.40078227        NA
## 10 2005-10-01      3.05   59.45458  0.24544915        NA
## 11 2005-11-01      2.91   59.88249  0.71973163        NA
## 12 2005-12-01      3.33   60.25031  0.61423467        NA
## 13 2006-01-01      3.94   60.60363  0.58640940  3.935000
## 14 2006-02-01      3.75   60.69636  0.15301369  3.748373
## 15 2006-03-01      3.41   60.77251  0.12546730  3.412437
## 16 2006-04-01      3.20   60.86162  0.14662132  3.196536
## 17 2006-05-01      3.00   60.59067 -0.44517837  2.995879
## 18 2006-06-01      3.18   60.64300  0.08635579  3.183866
## 19 2006-07-01      3.06   60.80929  0.27422069  3.063455
## 20 2006-08-01      3.47   61.11961  0.51030840  3.465846

Tablas

Hay muchos paquetes para hacer tablas como kable, kableExtra y stargazer.

kable

Casi todo salio de aquí. Para usar kable debes instalar primero la libreria knitr. Ahora un ejemplo con nuestra matriz A.

kable(A, 
      caption = "Primera matriz creada en forma de tabla",
      digits = 0, #para ponerle la cantidad de números después del punto
      col.names = c("$X_i$","$Y_i$")
      )

Primera matriz creada en forma de tabla
	$X_i$	$Y_i$
A	1	2
B	3	4
C	5	6

En kable no se pueden cambiar los nombres a los renglones de una matriz, se tienen que poner previamente con el comando visto en la sección anterior. Además, para poner fórmulas o caracteres especiales se necesita una sintaxis específica, como se muestra a continuación.

rownames(B) <- c("$\\alpha$","$\\beta$","$\\gamma$")
kable(B, col.names = c("$\\eta$","$\\delta$","$\\iota$"))

	$\eta$	$\delta$	$\iota$
$\alpha$	2	4	6
$\beta$	8	10	12
$\gamma$	14	16	18

Hacer más o menos presentable una tabla como la de la sección pasada resulta muy sencillo, sólo tenemos que modificar una de las opciones por default de kable para que aparerzcan en blanco los NA.

#Para que aparerzcan en blanco los NA's.
options(knitr.kable.NA = "")

kable(head(baseCP[,-2], n=20),
      digits = 2,
      col.names = c("Periodo", "Inflación", "IPC", "Inflación mensual", "Inflación anual"))

Periodo	Inflación	IPC	Inflación mensual	Inflación anual
2005-01-01	4.54	58.31
2005-02-01	4.27	58.50	0.33
2005-03-01	4.39	58.77	0.45
2005-04-01	4.60	58.98	0.36
2005-05-01	4.60	58.83	-0.25
2005-06-01	4.33	58.77	-0.10
2005-07-01	4.47	59.00	0.39
2005-08-01	3.95	59.07	0.12
2005-09-01	3.51	59.31	0.40
2005-10-01	3.05	59.45	0.25
2005-11-01	2.91	59.88	0.72
2005-12-01	3.33	60.25	0.61
2006-01-01	3.94	60.60	0.59	3.94
2006-02-01	3.75	60.70	0.15	3.75
2006-03-01	3.41	60.77	0.13	3.41
2006-04-01	3.20	60.86	0.15	3.20
2006-05-01	3.00	60.59	-0.45	3.00
2006-06-01	3.18	60.64	0.09	3.18
2006-07-01	3.06	60.81	0.27	3.06
2006-08-01	3.47	61.12	0.51	3.47

kableExtra

La librería kableExtra (que debes instalar previamente) nos permite perzonalizar aún más las tablas de kable para que se vean más bonitas y añadir otras cosas como pie de página. Consulta este sitio para que veas ejemplos de lo que se puede hacer.

Las cosas de kableExtra se agregan con “pipes”, %>%. Simplemente añadiendo kable_styling() hace que se vea más bonita, pero puedes agregar otras opciones como colores, niveles, etc. El pie de página se pone con la opción footnote, por default lo pone en dos niveles, lo que aparece después de general_title aparece el primer renglón y lo de general sale en el segundo, pero como prefiero que salga todo sólo en un renglón lo pongo como se ve enseguida.

kable(head(baseCP[,-2], n=20),
      digits = 2,
      col.names = c("Periodo", "Inflación", "IPC", 
                    "Inflación mensual", "Inflación anual")) %>%
  kable_styling(full_width = F, bootstrap_options = "striped") %>%
  footnote(general_title = "Fuente: elaboracion propia con datos de INEGI.", general = "")

Periodo	Inflación	IPC	Inflación mensual	Inflación anual
2005-01-01	4.54	58.31
2005-02-01	4.27	58.50	0.33
2005-03-01	4.39	58.77	0.45
2005-04-01	4.60	58.98	0.36
2005-05-01	4.60	58.83	-0.25
2005-06-01	4.33	58.77	-0.10
2005-07-01	4.47	59.00	0.39
2005-08-01	3.95	59.07	0.12
2005-09-01	3.51	59.31	0.40
2005-10-01	3.05	59.45	0.25
2005-11-01	2.91	59.88	0.72
2005-12-01	3.33	60.25	0.61
2006-01-01	3.94	60.60	0.59	3.94
2006-02-01	3.75	60.70	0.15	3.75
2006-03-01	3.41	60.77	0.13	3.41
2006-04-01	3.20	60.86	0.15	3.20
2006-05-01	3.00	60.59	-0.45	3.00
2006-06-01	3.18	60.64	0.09	3.18
2006-07-01	3.06	60.81	0.27	3.06
2006-08-01	3.47	61.12	0.51	3.47
Fuente: elaboracion propia con datos de INEGI.

También podemos agrupar filas y columnas para que se vea más bonita. Para las columnas usamos la función add_header_above indicando dentro de un vector el nombre y para cuántas columnas se utilizará ese grupo. Para las filas usamos la función pack_rows, con la opción index y la misma idea que para las columnas.

kable(head(baseCP[,-2], n=20),
      digits = 2,
      col.names = c("Periodo", "Inflación", "IPC", 
                    "Inflación mensual", "Inflación anual")) %>%
  kable_styling(full_width = F, bootstrap_options = "striped") %>%
  footnote(general_title = "Fuente: elaboracion propia con datos de INEGI.", general = "") %>%
  add_header_above(c(" " = 1, "INEGI" = 2, "Cálculo propio" = 2)) %>%
  pack_rows(index = c("2005" = 12, "2006" = 8))

	INEGI		Cálculo propio
Periodo	Inflación	IPC	Inflación mensual	Inflación anual
2005
2005-01-01	4.54	58.31
2005-02-01	4.27	58.50	0.33
2005-03-01	4.39	58.77	0.45
2005-04-01	4.60	58.98	0.36
2005-05-01	4.60	58.83	-0.25
2005-06-01	4.33	58.77	-0.10
2005-07-01	4.47	59.00	0.39
2005-08-01	3.95	59.07	0.12
2005-09-01	3.51	59.31	0.40
2005-10-01	3.05	59.45	0.25
2005-11-01	2.91	59.88	0.72
2005-12-01	3.33	60.25	0.61
2006
2006-01-01	3.94	60.60	0.59	3.94
2006-02-01	3.75	60.70	0.15	3.75
2006-03-01	3.41	60.77	0.13	3.41
2006-04-01	3.20	60.86	0.15	3.20
2006-05-01	3.00	60.59	-0.45	3.00
2006-06-01	3.18	60.64	0.09	3.18
2006-07-01	3.06	60.81	0.27	3.06
2006-08-01	3.47	61.12	0.51	3.47
Fuente: elaboracion propia con datos de INEGI.

Para más glamour, el formato html nos permite presentar toda la tabla sin comer demasiado espacio, como muestro a continuación:

kable(baseCP[,-2],
      digits = 2,
      col.names = c("Periodo", "Inflación", "IPC", 
                    "Inflación mensual", "Inflación anual")) %>%
  kable_styling(full_width = T, bootstrap_options = "striped") %>%
  footnote(general_title = "Fuente: elaboracion propia con datos de INEGI.", general = "") %>%
  add_header_above(c(" " = 1, "INEGI" = 2, "Cálculo propio" = 2)) %>%
  scroll_box(width = "800px", height = "300px")

	INEGI		Cálculo propio
Periodo	Inflación	IPC	Inflación mensual	Inflación anual
2005-01-01	4.54	58.31
2005-02-01	4.27	58.50	0.33
2005-03-01	4.39	58.77	0.45
2005-04-01	4.60	58.98	0.36
2005-05-01	4.60	58.83	-0.25
2005-06-01	4.33	58.77	-0.10
2005-07-01	4.47	59.00	0.39
2005-08-01	3.95	59.07	0.12
2005-09-01	3.51	59.31	0.40
2005-10-01	3.05	59.45	0.25
2005-11-01	2.91	59.88	0.72
2005-12-01	3.33	60.25	0.61
2006-01-01	3.94	60.60	0.59	3.94
2006-02-01	3.75	60.70	0.15	3.75
2006-03-01	3.41	60.77	0.13	3.41
2006-04-01	3.20	60.86	0.15	3.20
2006-05-01	3.00	60.59	-0.45	3.00
2006-06-01	3.18	60.64	0.09	3.18
2006-07-01	3.06	60.81	0.27	3.06
2006-08-01	3.47	61.12	0.51	3.47
2006-09-01	4.09	61.74	1.01	4.09
2006-10-01	4.29	62.01	0.44	4.29
2006-11-01	4.09	62.33	0.52	4.09
2006-12-01	4.05	62.69	0.58	4.05
2007-01-01	3.98	63.02	0.52	3.98
2007-02-01	4.11	63.19	0.28	4.11
2007-03-01	4.21	63.33	0.22	4.21
2007-04-01	3.99	63.29	-0.06	3.99
2007-05-01	3.95	62.98	-0.49	3.95
2007-06-01	3.98	63.06	0.12	3.98
2007-07-01	4.14	63.33	0.42	4.14
2007-08-01	4.03	63.58	0.41	4.03
2007-09-01	3.79	64.08	0.78	3.79
2007-10-01	3.74	64.33	0.39	3.74
2007-11-01	3.93	64.78	0.71	3.93
2007-12-01	3.76	65.05	0.41	3.76
2008-01-01	3.70	65.35	0.46	3.70
2008-02-01	3.72	65.54	0.30	3.72
2008-03-01	4.25	66.02	0.72	4.25
2008-04-01	4.55	66.17	0.23	4.55
2008-05-01	4.95	66.10	-0.11	4.95
2008-06-01	5.26	66.37	0.41	5.26
2008-07-01	5.39	66.74	0.56	5.39
2008-08-01	5.57	67.13	0.58	5.57
2008-09-01	5.47	67.58	0.68	5.47
2008-10-01	5.78	68.05	0.68	5.78
2008-11-01	6.23	68.82	1.14	6.23
2008-12-01	6.53	69.30	0.69	6.53
2009-01-01	6.28	69.46	0.23	6.28
2009-02-01	6.20	69.61	0.22	6.20
2009-03-01	6.04	70.01	0.58	6.04
2009-04-01	6.17	70.25	0.35	6.17
2009-05-01	5.98	70.05	-0.29	5.98
2009-06-01	5.74	70.18	0.18	5.74
2009-07-01	5.44	70.37	0.27	5.44
2009-08-01	5.08	70.54	0.24	5.08
2009-09-01	4.89	70.89	0.50	4.89
2009-10-01	4.50	71.11	0.30	4.50
2009-11-01	3.86	71.48	0.52	3.86
2009-12-01	3.57	71.77	0.41	3.57
2010-01-01	4.46	72.55	1.09	4.46
2010-02-01	4.83	72.97	0.58	4.83
2010-03-01	4.97	73.49	0.71	4.97
2010-04-01	4.27	73.26	-0.32	4.27
2010-05-01	3.92	72.79	-0.63	3.92
2010-06-01	3.69	72.77	-0.03	3.69
2010-07-01	3.64	72.93	0.22	3.64
2010-08-01	3.68	73.13	0.28	3.68
2010-09-01	3.70	73.52	0.52	3.70
2010-10-01	4.02	73.97	0.62	4.02
2010-11-01	4.32	74.56	0.80	4.32
2010-12-01	4.40	74.93	0.50	4.40
2011-01-01	3.78	75.30	0.49	3.78
2011-02-01	3.57	75.58	0.38	3.57
2011-03-01	3.04	75.72	0.19	3.04
2011-04-01	3.36	75.72	-0.01	3.36
2011-05-01	3.25	75.16	-0.74	3.25
2011-06-01	3.28	75.16	0.00	3.28
2011-07-01	3.55	75.52	0.48	3.55
2011-08-01	3.42	75.64	0.16	3.42
2011-09-01	3.14	75.82	0.25	3.14
2011-10-01	3.20	76.33	0.67	3.20
2011-11-01	3.48	77.16	1.08	3.48
2011-12-01	3.82	77.79	0.82	3.82
2012-01-01	4.05	78.34	0.71	4.05
2012-02-01	3.87	78.50	0.20	3.87
2012-03-01	3.73	78.55	0.06	3.73
2012-04-01	3.41	78.30	-0.31	3.41
2012-05-01	3.85	78.05	-0.32	3.85
2012-06-01	4.34	78.41	0.46	4.34
2012-07-01	4.42	78.85	0.56	4.42
2012-08-01	4.57	79.09	0.30	4.57
2012-09-01	4.77	79.44	0.44	4.77
2012-10-01	4.60	79.84	0.51	4.60
2012-11-01	4.18	80.38	0.68	4.18
2012-12-01	3.57	80.57	0.23	3.57
2013-01-01	3.25	80.89	0.40	3.25
2013-02-01	3.55	81.29	0.49	3.55
2013-03-01	4.25	81.89	0.73	4.25
2013-04-01	4.65	81.94	0.07	4.65
2013-05-01	4.63	81.67	-0.33	4.63
2013-06-01	4.09	81.62	-0.06	4.09
2013-07-01	3.47	81.59	-0.03	3.47
2013-08-01	3.46	81.82	0.28	3.46
2013-09-01	3.39	82.13	0.38	3.39
2013-10-01	3.36	82.52	0.48	3.36
2013-11-01	3.62	83.29	0.93	3.62
2013-12-01	3.97	83.77	0.57	3.97
2014-01-01	4.48	84.52	0.89	4.48
2014-02-01	4.23	84.73	0.25	4.23
2014-03-01	3.76	84.97	0.27	3.76
2014-04-01	3.50	84.81	-0.19	3.50
2014-05-01	3.51	84.54	-0.32	3.51
2014-06-01	3.75	84.68	0.17	3.75
2014-07-01	4.07	84.91	0.28	4.07
2014-08-01	4.15	85.22	0.36	4.15
2014-09-01	4.22	85.60	0.44	4.22
2014-10-01	4.30	86.07	0.55	4.30
2014-11-01	4.17	86.76	0.81	4.17
2014-12-01	4.08	87.19	0.49	4.08
2015-01-01	3.07	87.11	-0.09	3.07
2015-02-01	3.00	87.28	0.19	3.00
2015-03-01	3.14	87.63	0.41	3.14
2015-04-01	3.06	87.40	-0.26	3.06
2015-05-01	2.88	86.97	-0.50	2.88
2015-06-01	2.87	87.11	0.17	2.87
2015-07-01	2.74	87.24	0.15	2.74
2015-08-01	2.59	87.42	0.21	2.59
2015-09-01	2.52	87.75	0.37	2.52
2015-10-01	2.48	88.20	0.51	2.48
2015-11-01	2.21	88.69	0.55	2.21
2015-12-01	2.13	89.05	0.41	2.13
2016-01-01	2.61	89.39	0.38	2.61
2016-02-01	2.87	89.78	0.44	2.87
2016-03-01	2.60	89.91	0.15	2.60
2016-04-01	2.54	89.63	-0.32	2.54
2016-05-01	2.60	89.23	-0.45	2.60
2016-06-01	2.54	89.32	0.11	2.54
2016-07-01	2.65	89.56	0.26	2.65
2016-08-01	2.73	89.81	0.28	2.73
2016-09-01	2.97	90.36	0.61	2.97
2016-10-01	3.06	90.91	0.61	3.06
2016-11-01	3.31	91.62	0.78	3.31
2016-12-01	3.36	92.04	0.46	3.36
2017-01-01	4.72	93.60	1.70	4.72
2017-02-01	4.86	94.14	0.58	4.86
2017-03-01	5.35	94.72	0.61	5.35
2017-04-01	5.82	94.84	0.12	5.82
2017-05-01	6.16	94.73	-0.12	6.16
2017-06-01	6.31	94.96	0.25	6.31
2017-07-01	6.44	95.32	0.38	6.44
2017-08-01	6.66	95.79	0.49	6.66
2017-09-01	6.35	96.09	0.31	6.35
2017-10-01	6.37	96.70	0.63	6.37
2017-11-01	6.63	97.70	1.03	6.63
2017-12-01	6.77	98.27	0.59	6.77
2018-01-01	5.55	98.79	0.53	5.55
2018-02-01	5.34	99.17	0.38	5.34
2018-03-01	5.04	99.49	0.32	5.04
2018-04-01	4.55	99.15	-0.34	4.55
2018-05-01	4.51	98.99	-0.16	4.51
2018-06-01	4.65	99.38	0.39	4.65
2018-07-01	4.81	99.91	0.54	4.81
2018-08-01	4.90	100.49	0.58	4.90
2018-09-01	5.02	100.92	0.42	5.02
2018-10-01	4.90	101.44	0.52	4.90
2018-11-01	4.72	102.30	0.85	4.72
2018-12-01	4.83	103.02	0.70	4.83
2019-01-01	4.37	103.11	0.09	4.37
2019-02-01	3.94	103.08	-0.03	3.94
2019-03-01	4.00	103.48	0.39	4.00
2019-04-01	4.41	103.53	0.05	4.41
2019-05-01	4.28	103.23	-0.29	4.28
2019-06-01	3.95	103.30	0.06	3.95
2019-07-01	3.78	103.69	0.38	3.78
2019-08-01	3.16	103.67	-0.02	3.16
2019-09-01	3.00	103.94	0.26	3.00
2019-10-01	3.02	104.50	0.54	3.02
2019-11-01	2.97	105.35	0.81	2.97
2019-12-01	2.83	105.93	0.56	2.83
Fuente: elaboracion propia con datos de INEGI.

Si quieres tus tablas para formato latex sólo tienes que añadir la opción format=“latex” después dentro del comando de kable, o más fácil añadir desde el inicio del documento la opción options(knitr.table.format = “html”) y todas las tablas saldrán en formato latex. Aunque las opciones son parecidas, te recomiendo que uses simplemente la opción booktabs=T, tú sabrás si te convence o no.

Trabajar bases de datos

La libreria más usada para manipular bases de datos es tidyverse, aquí te muestro sus funciones básicas. Se compone de cinco verbos principales:

select, para seleccionar un subonjuto de variables de tu data frame;
arrange, para reordenar las filas según los valores del alguna variable;
filter, para filtrar o elegir las observaciones según algún criterio;
mutate, para crear nuevas variables (o modifcar las existentes).

Otros verbos de tidyverse que resultan muy útiles son group_by y summarize. El primero sirve para agrupar las observaciones según algún criterio o variable, y el segundo para crear una variable que resuma las observaciones según el grupo.

Gráficas

Te recomiendo usar el paquete ggplot que se carga junto con la libreria de tidyverse, el cual tiene un montón de formas de tunear tus gráficas. Si bien hay muchas formas de escribir una misma gráfica, te presenteo aquí la que me parece más sencilla. Primero indica tu base de datos, luego un “pipe”, y siempre deberás inciar con el comando ggplot, dentro del cual puedes meter una “estética” (aes) global, es decir lo que irá en cada eje $x$ y $y$, entre otras cosas. Veamos algunos ejemplos.

Series de tiempo

Como es obvio, en las gráficas de series de tiempo el tiempo siempre va en el eje de las x, lo que indicamos desde el inicio. Para agregar más de una linea se tienen que usar más de un geom_line, y para darle un color distinto a cada una usamos la opción col dentro del aes , indicando la etiqueta que queramos que aparezca para cada línea. Con la función labs le ponemos nombre a los ejes y a la gráfica (y hasta la nota al pie), cada una con su respectiva opción.

baseCP %>% ggplot(aes(x=Periodo)) + 
  geom_line(aes(y=Desempleo, col = "Desempleo")) + 
  geom_line(aes(y=Inflacion, col = "Inflación")) +
  labs(x = "", y = "", #-- Nombre a los ejes
       title = "México: inflación y desempleo, 2005 - 2019", #-- Nombre a la grafica
       subtitle = ("Porcentajes"), #-- Subtítulo 
       caption = "Fuente: elaboración propia con datos de INEGI") + #-- Nota al pie
    scale_x_date(date_breaks = "1 year", #-- Indicar cada cuántos años aparecen en el eje
               date_labels = "%Y") + #-- Formato de fecha
  theme_bw() + #-- Un tema en específico
  theme(axis.text.x = element_text(angle = 90, hjust = 1), #-- Rotar la etiqueta del eje x
        legend.position = c(.1, .8), #-- Determinar la posición del cuadro de  etiquetas
        legend.background = element_rect(fill = "transparent") ) + #-- transparente del cuadro de et.
  scale_color_brewer(name= NULL, #-- Nombre al cuadro de etiquetas
                     palette = "Dark2") #-- Paleta de colores

Otra forma de ponerle los nombres a cada serie:

#
labels <- data.frame(etiqueta = c("Desempleo","Inflación"), x = as.Date(c("2018-01-01", "2019-01-01")), y = c(3, 6))

baseCP %>% ggplot(aes(x=Periodo)) + 
  geom_line(aes(y=Desempleo, col = "Desempleo")) + 
  geom_line(aes(y=Inflacion, col = "Inflación")) +
  labs(x = "", y = "", 
       title = "México: inflación y desempleo, 2005 - 2019",
       subtitle = ("Porcentajes"), 
       caption = "Fuente: elaboración propia con datos de INEGI") +
    scale_x_date(date_breaks = "1 year", 
               date_labels = "%Y") +
  theme_bw() +
  theme(axis.text.x = element_text(angle = 90, hjust = 1),
        legend.position = "none") + 
  scale_color_brewer(name= NULL, 
                     palette = "Dark2") +
  geom_text(data = labels, aes(x, y, label = etiqueta), size = 4)

Contacto

emaruri@colmex.mx

	\(\eta\)	\(\delta\)	\(\iota\)
\(\alpha\)	2	4	6
\(\beta\)	8	10	12
\(\gamma\)	14	16	18

R mínimo para economistas

06 de julio del 2020