4 Control de Flujo y funciones

4.1 Control de Flujo Condicionales

La toma de decisiones es una parte importante de la programación. Esto se puede lograr en la programación R usando la nomenclatura condicional if else.

4.1.1 If

Code

if (expresion) {
  declaracion
}

Si expresion es TRUE, la instrucción se ejecuta. Pero si es FALSO, no pasa nada.
Aquí, expresion puede ser un vector lógico o numérico, pero solo se tiene en cuenta el primer elemento.
En el caso del vector numérico, cero se toma como FALSO, el resto como VERDADERO.

4.1.2 If…Else

Code

if (expresion) {
    declaracion1
  }else{
    declaracion2
}

La parte else es opcional y solo se evalúa si expresion es FALSE. Es importante tener en cuenta que else debe estar en la misma línea que las llaves de cierre de la instrucción if.

Code

x <- 0
if (x < 0) {
  print("Numero negativo")
}else if (x > 0) {
  print("Numero positivo")
} else {
  print("Cero")
}

Code

temp = [15, 22, 30]
suelo= ["seco", "humedo", "charcos"]
valtemp = temp[0]
valsuelo= suelo[2]
if 12<= valtemp < 22 and valsuelo =="seco": 
    print("Cielo despejado")
    
elif valtemp == 22 or valsuelo == "humedo":
    print("lluvia leve")
    
elif valtemp > 22 and valsuelo=="charcos":
      print("lluvia severa")
    
else: print(" Faltan datos")

Code

temp <- c(15, 22, 30)
suelo <- c("seco", "humedo", "charcos")
valtemp <- temp[1]
valsuelo <- suelo[3]
if (valtemp %in% 12:22 & valsuelo =="seco") {
  print("\nCielo despejado")
} else if (valtemp == 22 | valsuelo == "humedo"){
  print("\nlluvia leve")
} else if (valtemp > 22 & valsuelo=="charcos"){
  print("\nlluvia severa")
} else {
  print("\nFaltan datos")
  }

4.2 Control de Flujo de Iteradores

Los bucles son una de las estructuras fundamentales en la programación. Los bucles permiten iterar sobre cada elemento en una secuencia, uno a la vez, y hacer algo con esos elementos.

4.2.1 FOR

Un bucle for es muy valioso cuando necesitamos iterar sobre una lista de elementos o un rango de números. Loop se puede usar para iterar sobre una lista, marco de datos, vector, matriz o cualquier otro objeto. Los tirantes y el corchete son obligatorios.

Code

for (valor in secuencia)
  {
    cuerpo
  }

Code

# Creando un vector de frutas
frutas <- c('Apple', 'Orange', 'Passion fruit', 'Banana')
# Declarando el bucle for
for ( i in frutas){ 
 print(i)
}

[1] "Apple"
[1] "Orange"
[1] "Passion fruit"
[1] "Banana"

4.2.2 WHILE

Un bucle es una declaración que continúa ejecutándose mientras se cumple una condición. La sintaxis para un ciclo while es la siguiente:

Code

while (condición)
  {
    cuerpo
  }

Code

# creando la expresión con valor 1
inicio <- 1
# Creando el loop
while (inicio <= 5){
  # Ver donde estamos
  cat('Este es el ciclo número ', inicio)
  # Agregar 1 a la variable inicio despues de cada iteracion
  inicio <- inicio + 1
  print(inicio)
}

Este es el ciclo número  1[1] 2
Este es el ciclo número  2[1] 3
Este es el ciclo número  3[1] 4
Este es el ciclo número  4[1] 5
Este es el ciclo número  5[1] 6

Otros iteradores

repeat
do-while (*otros leguajes)

Control de flujo * break, next

4.3 Funciones

La noción de función está bastante de moda, pero transmite diferentes significados. Dos usos distintos:

Noción matemática de una función: Proporcionar un mapeo entre conjuntos de elementos.
Una explicación “funcional” explica un fenómeno natural en términos de sus objetivos o propósitos.

En programación, las funciones también proporcionan asignaciones, pero se las considera mejor como herramientas para resolver tareas. La programación de funciones requiere la identificación de tareas que se encontrarán y, por lo tanto, deben resolverse repetidamente (por nosotros mismos o por otros).

Los argumentos de la función especifican las entradas (o los datos, representados como objetos R) aceptados por una función. Cada argumento puede ser obligatorio u opcional (proporcionando valores predeterminados).

El de la función generalmente usa las entradas proporcionadas por para realizar la tarea para la cual se creó la función. Puede contener cantidades arbitrarias de código R (incluidas referencias a objetos R existentes y otras funciones). Por defecto, la función devuelve el resultado de su última expresión.

Aquí un ejemplo:

Code

power <- function(x, exp = 1) {
  x^exp
}

4.4 Paquetes y librerías

Los paquetes de R amplían la funcionalidad de R al proporcionar funciones, datos y documentación adicionales.Están escritos por una comunidad mundial de usuarios de R y pueden ser instalados desde la interfaz gráfica de RStudio

Solo tienes que instalar el paquete una vez, si desea actualizar un paquete previamente instalado a una versión más nueva, puede ir a la ventana de Ficheros en Packages > Update y seleccionar los paquetes que desea actualizar.

No podrá utilizar las funciones, los objetos y los archivos de ayuda de un paquete hasta que lo cargue con library(). Una vez que haya instalado un paquete, puede cargarlo con la función library():

4.4.1 Diferencias entre paquetes y librerías

En el caso de la función library(), en muchas ocasiones existe la confusión entre un paquete y una librería, y podemos encontrarnos con gente llamando “librerías” a los paquetes.

Una cosa es la función library() usada para cargar un paquete, y que se refiere al lugar en dónde el paquete es localizado, habitualmente una carpeta en nuestro ordenador, y otra un paquete que es una colección de funciones y datos empaquetados de forma conveniente.

Dicho de otra manera, y en palabras de Hadley Wickham, científico de datos en RStudio, y creador de la gran mayoría de paquetes del ecosistema tidyverse:

De igual manera, para recordar la diferencia es ejecutar la función library() sin argumentos. Esto nos proporcionará una lista de paquetes instalados en diferentes librerías en nuestro ordenador.

Code

# Install packages
install.packages("tidyverse")
# Load packages
library(tidyverse)
# You can also use "pacman" package to install
#  an loading other packages
if (!require("pacman")) {
  install.packages("pacman")
}
pacman::p_load(
  tidyverse, formatR, knitr, rmdformats, pander, labelled, readxl, magrittr, kableExtra,
  Lahman, datos
)

Para mayor información de R base, se recomienda la siguiente .

# Control de Flujo y funciones ## Control de Flujo Condicionales La toma de decisiones es una parte importante de la programación. Esto se puede lograr en la programación R usando la nomenclatura condicional **if** **else**. ### If ```{r eval=FALSE} if (expresion) { declaracion } ``` - Si **expresion** es **TRUE**, la instrucción se ejecuta. Pero si es **FALSO**, no pasa nada. - Aquí, **expresion** puede ser un vector lógico o numérico, pero solo se tiene en cuenta el primer elemento. - En el caso del vector numérico, cero se toma como **FALSO**, el resto como **VERDADERO**. ### If...Else ```{r eval=FALSE} if (expresion) { declaracion1 }else{ declaracion2 } ``` La parte **else** es opcional y solo se evalúa si **expresion** es **FALSE**. Es importante tener en cuenta que **else** debe estar en la misma línea que las llaves de cierre de la instrucción if. ```{r eval=FALSE} x <- 0 if (x < 0) { print("Numero negativo") }else if (x > 0) { print("Numero positivo") } else { print("Cero") } ``` ```{python eval=FALSE} temp = [15, 22, 30] suelo= ["seco", "humedo", "charcos"] valtemp = temp[0] valsuelo= suelo[2] if 12<= valtemp < 22 and valsuelo =="seco": print("Cielo despejado") elif valtemp == 22 or valsuelo == "humedo": print("lluvia leve") elif valtemp > 22 and valsuelo=="charcos": print("lluvia severa") else: print(" Faltan datos") ``` ```{r eval=FALSE} temp <- c(15, 22, 30) suelo <- c("seco", "humedo", "charcos") valtemp <- temp[1] valsuelo <- suelo[3] if (valtemp %in% 12:22 & valsuelo =="seco") { print("\nCielo despejado") } else if (valtemp == 22 | valsuelo == "humedo"){ print("\nlluvia leve") } else if (valtemp > 22 & valsuelo=="charcos"){ print("\nlluvia severa") } else { print("\nFaltan datos") } ``` ## Control de Flujo de Iteradores Los bucles son una de las estructuras fundamentales en la programación. Los bucles permiten iterar sobre cada elemento en una secuencia, uno a la vez, y hacer algo con esos elementos. ### FOR Un bucle **for** es muy valioso cuando necesitamos iterar sobre una lista de elementos o un rango de números. Loop se puede usar para iterar sobre una lista, marco de datos, vector, matriz o cualquier otro objeto. Los tirantes y el corchete son obligatorios. ```{r eval=FALSE} for (valor in secuencia) { cuerpo } ``` ```{r} # Creando un vector de frutas frutas <- c('Apple', 'Orange', 'Passion fruit', 'Banana') # Declarando el bucle for for ( i in frutas){ print(i) } ``` ### WHILE Un bucle es una declaración que continúa ejecutándose **mientras** se cumple una condición. La sintaxis para un ciclo while es la siguiente: ```{r eval=FALSE} while (condición) { cuerpo } ``` ```{r} # creando la expresión con valor 1 inicio <- 1 # Creando el loop while (inicio <= 5){ # Ver donde estamos cat('Este es el ciclo número ', inicio) # Agregar 1 a la variable inicio despues de cada iteracion inicio <- inicio + 1 print(inicio) } ``` **Otros iteradores** - repeat - do-while (\*otros leguajes) Control de flujo \* break, next ## Funciones La noción de **función** está bastante de moda, pero transmite diferentes significados. Dos usos distintos: - **Noción matemática** de una función: Proporcionar un mapeo entre conjuntos de elementos. - Una explicación "funcional" explica un fenómeno natural en términos de sus objetivos o propósitos. En programación, las funciones también proporcionan asignaciones, pero se las considera mejor como herramientas para resolver tareas. La programación de funciones requiere la identificación de tareas que se encontrarán y, por lo tanto, deben resolverse repetidamente (por nosotros mismos o por otros). ```{r include=FALSE, eval=FALSE} f_name <- function(<args>) {<body>} ``` Los argumentos de la función **<args>** especifican las entradas (o los datos, representados como objetos R) aceptados por una función. Cada argumento puede ser obligatorio u opcional (proporcionando valores predeterminados). El **<cuerpo>** de la función generalmente usa las entradas proporcionadas por **<args>** para realizar la tarea para la cual se creó la función. Puede contener cantidades arbitrarias de código R (incluidas referencias a objetos R existentes y otras funciones). Por defecto, la función devuelve el resultado de su última expresión. Aquí un ejemplo: ```{r} power <- function(x, exp = 1) { x^exp } ``` ## Paquetes y librerías Los paquetes de R amplían la funcionalidad de R al proporcionar funciones, datos y documentación adicionales.Están escritos por una comunidad mundial de usuarios de R y pueden ser instalados desde la interfaz gráfica de RStudio Solo tienes que instalar el paquete una vez, si desea actualizar un paquete previamente instalado a una versión más nueva, puede ir a la ventana de Ficheros en Packages \> Update y seleccionar los paquetes que desea actualizar. No podrá utilizar las funciones, los objetos y los archivos de ayuda de un paquete hasta que lo cargue con **`library()`**. Una vez que haya instalado un paquete, puede cargarlo con la función **`library()`**: ```{r include=FALSE} pacman::p_unload( pacman::p_loaded(), character.only = TRUE ) ``` ### Diferencias entre paquetes y librerías En el caso de la función `library()`, en muchas ocasiones existe la confusión entre un paquete y una librería, y podemos encontrarnos con gente llamando "librerías" a los paquetes. Una cosa es la función `library()` usada para cargar un paquete, y que se refiere al lugar en dónde el paquete es localizado, habitualmente una carpeta en nuestro ordenador, y otra un paquete que es una colección de funciones y datos empaquetados de forma conveniente. Dicho de otra manera, y en palabras de Hadley Wickham, científico de datos en RStudio, y creador de la gran mayoría de paquetes del ecosistema tidyverse: <img src="fig/s01_difference_library.png" width="400"/> De igual manera, para recordar la diferencia es ejecutar la función library() sin argumentos. Esto nos proporcionará una lista de paquetes instalados en diferentes librerías en nuestro ordenador. ```{r eval=FALSE} # Install packages install.packages("tidyverse") # Load packages library(tidyverse) # You can also use "pacman" package to install # an loading other packages if (!require("pacman")) { install.packages("pacman") } pacman::p_load( tidyverse, formatR, knitr, rmdformats, pander, labelled, readxl, magrittr, kableExtra, Lahman, datos ) ``` Para mayor información de R base, se recomienda la siguiente ![lectura](https://iqss.github.io/dss-workshops/R/Rintro/base-r-cheat-sheet.pdf).