Dplyr.Rmd

---
title: "R Ladies"
author: "Fabiola"
date: "30 de agosto de 2018"
output: html_document
editor_options: 
  chunk_output_type: console
---
1. Leer y examinar la base. 

```{r}
#setwd("~/R Ladies")
base=read.csv("test.csv")
str(base)
View(base)
attach(base)
```

Para aprovechar que la base contiene NA, recordemos cómo eliminar NAs.

```{r}
any(is.na(base))
base.2=na.omit(base)
any(is.na(base.2))
```

2. Seleccionar. 

```{r}
library(tidyverse)
library(readr)
base %>%  
   filter(bedrooms == 2)
   filter(tipovivi1 == 1) %>% 
```

3. Suma y media. 

```{r}
base %>% 
     filter(tipovivi1 == 1) %>% 
        summarize(total_tipovivi1 = table(tipovivi1))
```

```{r}
base %>% 
     filter(tipovivi1 == 1) %>% 
        summarize(mean_bedrooms_tipovivi1 = mean(bedrooms))
```

4. Asignar el comando a un objeto

```{r}
bed <- base %>%  
     filter(tipovivi1 == 1) %>%
        summarize(mean_bedrooms_tipovivi1 = mean(bedrooms))
```

5. Crear una nueva variable. 
Nota: Limpie todo lo anterior para no tener un error. 

```{r}
base <- base %>% 
  unite("tipo_vivienda", c("tipovivi1", "tipovivi2","tipovivi3", "tipovivi4","tipovivi5"))
base$tipo_vivienda = as.factor(base$tipo_vivienda)
levels(base$tipo_vivienda) = c("V1", "V2", "V3","V4","V5")
base$tipo_vivienda
```

6. Ordenar el promedio de cuartos por vivienda. 

```{r}
 base %>%  
   group_by(tipo_vivienda) %>%
     summarize(mean_bedrooms_viv = mean(bedrooms)) %>% 
         arrange(desc(mean_bedrooms_viv))     
```

7. Crear base por sexo.
```{r}
base_mujeres <- base %>% 
  filter(female == "1")
```

```{r}
base_hombres <- base %>% 
  filter(male == "1")
```