¿Qué haremos hoy?

• Repaso del segundo taller
  
  
• Importar archivos sav y dta (haven)
  
  
• Usar etiquetas en variables categóricas (labelled)
  
  
• Encadenar funciones: operador %>%
  
  
• Ejercicios

Importar datos Stata y SPSS

Si usamos get_microdata() solo para descargar los archivos del INE y no exportamos el objeto generado a RData sino a formatos externos a R, es necesario, para leer esos archivos usar el paquete haven.

install.packages("haven") # se instala desde el CRAN
library(haven) # lo cargo al entorno de trabajo

• El paquete haven es parte de tidyverse y mejora las prestaciones de su antecesor foreign.
  
  
• Permite mantener las etiquetas de las variables y sus valores al usar la clase double y haven-labelled, haciendo referencia a los números y etiquetas respectivamente.

Importar un archivo sav

La función read_spss() permite importar un archivo de SPSS en R. Mantiene las etiquetas de las variables y valores, creando la clase de doble condición haven_labelled y double.

También podemos usar la función read_sav(), que es un alias de la anterior.

Abrimos el proyecto donde tenemos los archivos de microdatos y scripts.

# Leemos el archivo descargado con la función get_microdata() que contiene la base hogares.
h19 <- read_spss("data/H_2019_Terceros.sav")

# Exportamos a dta
write_dta(data = h19, path = "data/hogares_2019.dta")

Ejercicio

• Importa el archivo de la base de hogares y personas en formato dta, y guarda en un objeto llamado ech2019. Usar la función read_dta().

• Exporta el objeto en un archivo SPSS. Usar la función write_sav().

Encadenamiento de funciones en lugar de anidación

El operador %>%, llamado pipe (significa tubería) permitirá encadenar funciones en lugar de colocar una dentro de otra sin una a continuación de la otra.

• El pipe estructura una secuencia de operaciones sobre los datos de izquierda a derecha.
  
  
• A diferencia de la anidación de funciones que implica operaciones de adentro para afuera.
  
  
• En lugar de f(x): x %>% f()
  
  

Pipe: atajo de teclado en Linux/Windows

Pipe: atajo de teclado en Mac

Armar un mate con y sin 'pipe'

El mate es el data frame, los verbos de dplyr (así se llaman a las funciones que vimos) son las acciones que necesitamos para armarlo: poner la yerba, poner un poco de agua, dejarlo hinchar, poner la bombilla, cebar.

# Mate con 'pipe'
mate %>% 
        poner_yerba() %>%
        hinchar() %>%
        colocar_bombilla() %>%
        cebar()

En R base y sin el pipe tendríamos que concatenar estas funciones. Cuando las funciones están concatenadas el orden se obtiene de adentro hacia afuera.

# Mate sin 'pipe'
cebar(colocar_bombilla(hinchar(poner_yerba(mate))))

Rehacemos los ejemplos usando %>%

• Agrupo por barrio y calculo el promedio de precio
• Sin el pipe teníamos:

summarise(group_by(ech19, nomdpto), promedio_dpto = mean(ht11))

• Con el pipe tenemos:

ech19 %>%
  group_by(nomdpto) %>%
  summarise(promedio_dpto = mean(ht11))

Agrupo y desagrupo

• La función ungroup() sirve para desagrupar un data frame agrupado.
• Usarla me permite que la información de los grupos no quede guardada en el objeto (si realización una asignación al resultado), lo cual conllevaría a que todos los demás cálculos se hagan sobre esos grupos.
• No es necesario indicarle ningún argumento.

ech19 <- ech19 %>%
  group_by(region_3) %>%
  mutate(media_y_region = mean(ht11)) %>%
  ungroup()

Podemos confirmar que la nueva variable promedio toma un valor para cada uno de las categorías de region_3.

ech19 %>% count(region_3, media_y_region)

Desagrupo y agrupo

• La función ungroup() permite desagrupar para volver agrupar por otra variable dentro de la misma concatenación de acciones.

• Luego de calcular la(s) variables vuelvo a desagrupar.

ech19 <- ech19 %>%
  group_by(region_3) %>%
  mutate(media_y_region = mean(ht11)) %>%
  ungroup() %>%
  group_by(dpto) %>%
  mutate(media_y_dpto = mean(ht11))  %>%
  ungroup()

Ejercicio (6')

• Rehacer ejercicio 2 del práctico pasado usando el pipe

  • Calcular el promedio de edad según sexo.

  • Calcular la cantidad de jefas de hogar.

Manejar etiquetas

• El paquete labelled se instala cuando instalamos haven.

• Trae una serie de funciones que nos permiten trabajar fácilmente con variables que tienen etiquetas, por ejemplo, cuando importamos datos de SPSS o STATA con las variables de clase haven-labelled.

# install.packages("labelled") # se instala desde el CRAN
library(labelled)

Variables

• Las funciones de dplyr cuando una variable es de clase double y haven-labelled solo muestra los valores y no las etiquetas, por ejemplo, cuando hacemos una tabla con la función count().

Para ver las etiquetas de la variable usamos la función var_label(). Ahora que sabemos usar el pipe (%>%), conviene usarlo al final de la cadena de comandos.

## muestra las etiquetas de un grupo de variables
ech19 %>%
    select(c2, c3, c4) %>%
    var_label()

$c2
[1] "Material predominante en las paredes externas"
$c3
[1] "Material predominante en el techo"
$c4
[1] "Material predominante en los pisos"

Variables

Para ver las etiquetas de los valores usamos la función val_labels().

## see value labels for bysex
ech19 %>%
  select(region_4) %>%
  val_labels()

$region_4
                                         Montevideo 
                                                  1 
   Interior - Localidades de 5.000 habitantes o más 
                                                  2 
Interior - Localidades de menos de 5.000 habitantes 
                                                  3 
                                         Zona rural 
                                                  4

Mostrar etiquetas en tablas

La función as_factor() combinada con count() permite mostrar las etiquetas al hacer una tabla.

ech19 %>%
  count(region_4) %>% 
  as_factor()

# A tibble: 4 x 2
  region_4                                                n
  <fct>                                               <int>
1 Montevideo                                          38207
2 Interior - Localidades de 5.000 habitantes o más    50854
3 Interior - Localidades de menos de 5.000 habitantes 12019
4 Zona rural                                           6791