chapter4.Rmd

--- 
title_meta  : Capítulo 4
title       : Factores
description : Existen un tipo de variables llamadas variables categóricas. Por ejemplo, el género puede ser femenino o masculino. En R las variables categóricas son llamadas factores. Dada la importancia de los factores en el analisis de datos, vamos a aprender a crearlos y a todo lo relacionado con su manejo. Empecemos!
framework   : datacamp
mode        : selfcontained

--- type:NormalExercise xp:100 key:74d14d2ce0
## ¿Que son los factores y para qué se usan?

En este capítulo vamos a sumergirnos en el mundo de los **factores**. 

El termino factor se refiere a un tipo de datos utilizado por R para almacenar variables categóricas. Las variables categóricas (como su nombre lo indica) son aquellas que pueden variar dentro de un **número limitado de categorías**. En contraste, una variable numérica continua puede tomar, en principio, infinitos valores.

En nuestros análisis, es importante que R sepa si estamos trabajando con una variable continua o categórica, debido a que los modelos estadísticos y en los análisis de datos se tratan estos tipos de manera diferente.

Un buen ejemplo de una variable categórica es 'Género'. Un individuo puede ser de género "Masculino" o "Femenino" (haciendo caso omiso de individuos intergénero). Así que "Masculino" y "Femenino" son los valores que puede tomar la variable 'Género'.

*** =instructions
Asigna a la variable `teoria` el valor `"R usa factores para variables categoricas"`

*** =hint
En este punto, este ejercicio debe de ser muy sencillo.

*** =pre_exercise_code
```{r eval=FALSE}
# no pec
```

*** =sample_code
```{r eval=FALSE}
# Asigna a la variable teoria el tema de este capítulo
```

*** =solution
```{r eval=FALSE}
# Asigna a la variable teoria el tema de este capítulo
teoria <- "R usa factores para variables categoricas"
```

*** =sct
```{r eval=FALSE}
set_language("es")
test_object("teoria",
            undefined_msg = "Asegúrate de haber definido la variable <code>teoria</code>.",
            incorrect_msg = "Asegúrate de haber asignado el valor correcto a <code>teoria</code>. Recuerda que R distingue las mayúsculas");
success_msg("Bien! ¿Listo para empezar? continuemos!")
```

*** =skills
1

--- type:NormalExercise xp:100 key:ce9c3e1d79
## ¿Que son los factores y para qué se usan? (2)

Para crear factores en R usamos la función [`factor()`](http://www.rdocumentation.org/packages/base/functions/factor). Lo primero que tenemos que hacer es crear un vector que contenga todas las observaciones de nuestra variable. Por ejemplo el vector `genero` contiene el género de 5 individuos diferentes:

```
genero <- c("Masculino","Femenino","Femenino","Masculino","Masculino")
```

Como hemos visto, esta variable puede tomar solo dos valores o categorías. En términos de R nos referimos a estas categorías como los **niveles** (**levels**), en este caso los niveles son: "Masculino" y "Femenino". 

La función [`factor()`](http://www.rdocumentation.org/packages/base/functions/factor) codificará al vector `genero` en un objeto de R llamado **factor** : 

```
factor_genero <- factor(genero)
``` 

*** =instructions
Asigna a `factor_genero` el vector de caracteres `genero` convertido a un **factor**. Fíjate en la consola y nota que R imprime los niveles del factor debajo de los valores del mismo.

*** =hint
Simplemente utiliza la función [`factor()`](http://www.rdocumentation.org/packages/base/functions/factor) en `genero`. Lee bien el ejercicio, la respuesta ya está en alguna parte...

*** =pre_exercise_code
```{r eval=FALSE}
# no pec
```

*** =sample_code
```{r eval=FALSE}
genero <- c("Masculino", "Femenino", "Femenino", "Masculino", "Masculino")

# Define factor_genero usando la función  factor()
factor_genero <-
```

*** =solution
```{r eval=FALSE}
genero <- c("Masculino", "Femenino", "Femenino", "Masculino", "Masculino")

# Define factor_genero usando la función  factor()
factor_genero <- factor(genero)
```

*** =sct
```{r eval=FALSE}
set_language("es")
test_object("factor_genero",
            undefined_msg = "Aseg&#250;rate de definir <code>factor_genero</code>.",
            incorrect_msg = "Asignaste correctamente  <code>genero</code> a <code>factor_genero</code>?")
success_msg("Muy bien! Si quieres saber m&#224;s sobre la función <code>factor()</code> puedes escribir en la consola <code>?factor</code> esto mostrar&#224; la ayuda para esa funci&#243;n. Continuemos!");
```

*** =skills
1

--- type:NormalExercise xp:100 key:2fe0390cca
## ¿Que son los factores y para qué se usan? (3)

Existen dos tipos de variables categóricas: **nominales** y **ordinales**. 

Una variable categórica nominal es una variable cuyos niveles no tienen ningún orden implícito. Esto significa no tiene sentido preguntarse si un valor es "mayor" o "menor" que otro. Por ejemplo, pensemos en la variable `Género` que como vimos tiene los niveles `Masculino` y `Femenino`, no tiene sentido decir que `Masculino` sea "mayor" o "menor" que `Femenino`. (Aunque los machistas o las feministas extremas pueden no estar de acuerdo!)

En contraste, las variables categóricas ordinales si poseen un orden natural. Por ejemplo la variable categórica  `desempeno_laboral` que tenga las categorías o niveles: `Bajo`, `Medio`, `Alto`. Es claro que existe un orden natural en los niveles de esta variable `Medio` es "menos" que `Alto` y a su vez "mayor que" `Bajo`.


*** =instructions
Solo da clic a 'Submit Answer' y fíjate como R construye e imprime las variables nominales y ordinales. No te preocupes si no entiendes todo el código, ya nos ocuparemos de eso.

*** =hint
Solo da clic a 'Submit Answer' y fíjate en la consola.

*** =pre_exercise_code
```{r eval=FALSE}
# no pec
```

*** =sample_code
```{r eval=FALSE}
genero <- c("Masculino", "Femenino", "Femenino", "Masculino", "Masculino")
desempeno_laboral <- c("Alto", "Bajo", "Alto", "Bajo", "Medio")

factor_genero <- factor(genero)
factor_genero
factor_desempeno_laboral <- factor(desempeno_laboral, order = TRUE, levels = c("Bajo", "Medio", "Alto"))
factor_desempeno_laboral
```

*** =solution
```{r eval=FALSE}
genero <- c("Masculino", "Femenino", "Femenino", "Masculino", "Masculino")
desempeno_laboral <- c("Alto", "Bajo", "Alto", "Bajo", "Medio")

factor_genero <- factor(genero)
factor_genero
factor_desempeno_laboral <- factor(desempeno_laboral, order = TRUE, levels = c("Bajo", "Medio", "Alto"))
factor_desempeno_laboral
```

*** =sct
```{r eval=FALSE}
set_language("es")
msg = "No cambies nada del c&#243;digo del editor. Solo da clic a Submit Answer y f&#237;jate en la soluci&#243;n!"
test_object("genero", undefined_msg = msg, incorrect_msg = msg)
test_object("desempeno_laboral", undefined_msg = msg, incorrect_msg = msg)
test_object("factor_desempeno_laboral", undefined_msg = msg, incorrect_msg = msg)
test_output_contains("factor_genero", incorrect_msg = msg)
test_output_contains("factor_desempeno_laboral", incorrect_msg = msg)
success_msg("¿Puedes ver que est&#224; pasando en este ejercicio? Bien! Sigamos y estudiemos los factores en detalle.")
```

*** =skills
1

--- type:NormalExercise xp:100 key:8574ba67cd
## Niveles de los factores

Cuando trabajas con datos categóricos a veces notarás que los factores vienen dados con ciertos niveles. Sin embargo, frecuentemente es conveniente cambiar los niveles por varias razones, por ejemplo por claridad en los análisis. R permite modificar los niveles con la función [`levels()`](http://www.rdocumentation.org/packages/base/functions/levels):

```
levels(vector_factor) <- c("nombre1","nombre2",...)
```
Un buen caso de uso para esta función es por ejemplo si tuviéramos datos de una encuesta: una pregunta estándar es el género de quien contesta la encuesta. Supongamos que quien digitó la encuesta codificó los niveles de la variable 'Género' como `"M"` y `"F"`. 

```
genero <- c("M","F","F","M","M")
```
Cuando empiezas a hacer el análisis de la encuesta, te das cuenta que es mucho mejor si los niveles de tus variables categóricas tienen nombres que con sentido y no sólo letras como `M` y `F`, por eso decides asignar los nombres `"Masculino"` y `"Femenino"` en lugar de `"M"` y `"F"`.

*** =instructions
- Cambia el vector de caracteres `genero` a un factor. Asigna el valor a `factor_genero`
- Cambia los niveles de los factores a `"Masculino"` y `"Femenino"`.

*** =hint
Fíjate en el orden en que asignas los niveles de los factores. Pista: fíjate en el orden en que los niveles son impresos en la consola.

*** =pre_exercise_code
```{r eval=FALSE}
# no pec
```

*** =sample_code
```{r eval=FALSE}
genero <- c("M", "F", "F", "M", "M")

# Asigna el vector genero como un factor a factor_genero
factor_genero <- 

# Especifica los niveles de factor_genero
levels(factor_genero) <- 

factor_genero
```

*** =solution
```{r eval=FALSE}
genero <- c("M", "F", "F", "M", "M")

# Asigna el vector genero como un factor a factor_genero
factor_genero <- factor(genero)

# Especifica los niveles de factor_genero
levels(factor_genero) <- c("Femenino", "Masculino")

factor_genero
```

*** =sct
```{r eval=FALSE}
set_language("es")
msg = "No cambies el c&#243;digo que crea <code>genero</code>!"
test_object("genero", undefined_msg = msg, incorrect_msg = msg)
test_function("factor","x",
              incorrect_msg = "Usaste de manera correcta la funci&#237;n <code>factor()</code> para definir <code>factor_genero</code>?")
test_object("factor_genero", eq_condition = "equal",
            undefined_msg = "Aseg&#250;rate de definir la variable <code>factor_genero</code>.",
            incorrect_msg = paste("Asignaste los niveles correctos a <code>factor_genero</code>?",
                                  "El orden de los nombres de los niveles es muy importante!"))
success_msg("Excelente! Vamos al siguiente ejercicio")
```

*** =skills
1

--- type:NormalExercise xp:100 key:b2dd155b98
## Resumiendo un factor

Luego de terminar este curso, una de nuestras funciones favoritas en R será [`summary()`](http://www.rdocumentation.org/packages/base/functions/summary) (resumen). Esta función nos dará una visión general del objeto o variable que usemos como argumento:

```
summary(alguna_variable)
``` 

Regresando a nuestro ejemplo de la encuesta, nos gustaría saber cuántas respuestas tenemos con `"Masculino"` y cuantas con `"Femenino"`. La función [`summary()`](http://www.rdocumentation.org/packages/base/functions/summary) nos da la respuesta a esta pregunta.

*** =instructions
Usa la función [`summary()`](http://www.rdocumentation.org/packages/base/functions/summary) en `genero` y `factor_genero`. Interpreta los resultados en ambos casos.

*** =hint
Solo usa la función [`summary()`](http://www.rdocumentation.org/packages/base/functions/summary) en `genero` y `factor_genero`, así de simple!

*** =pre_exercise_code
```{r eval=FALSE}
# no pec
```

*** =sample_code
```{r eval=FALSE}
genero <- c("M", "F", "F", "M", "M")
factor_genero <- factor(genero)
levels(factor_genero) <- c("Femenino", "Masculino")
factor_genero

# Escribe el código para ver el resumen de genero


# Escribe el código para ver el resumen de factor_genero

```

*** =solution
```{r eval=FALSE}
genero <- c("M", "F", "F", "M", "M")
factor_genero <- factor(genero)
levels(factor_genero) <- c("Femenino", "Masculino")
factor_genero

# Escribe el código para ver el resumen de genero
summary(genero)

# Escribe el código para ver el resumen de factor_genero
summary(factor_genero)
```

*** =sct
```{r eval=FALSE}
set_language("es")
msg = "No cambies nada de la definici&#243;n de los vectores <code>genero</code> y <code>factor_genero</code>."
test_object("genero", undefined_msg = msg, incorrect_msg = msg)
test_object("factor_genero", eq_condition = "equal", undefined_msg = msg, incorrect_msg = msg)
test_function("summary", "object", 
              incorrect_msg = c("¿Usaste la funci&#243;n summary() en <code>genero</code>?", "¿Usaste la funci&#243;n summary() en <code>factor_genero</code>?"))
success_msg("Bien! F&#237;jate en la salida. El hecho de que hayas identificado como un factor a factor_genero le permite a R mostrar el n&#250;mero de elementos en cada categor&#237;a.")
```

*** =skills
1

--- type:NormalExercise xp:100 key:90689511f5
## Batalla de los sexos

_"Todos los animales son iguales, pero algunos son más iguales que otros." -- George Orwell_

En `factor_genero` tenemos un factor con dos niveles: Masculino y Femenino. ¿Cómo sabemos lo que piensa R sobre los niveles de este factor? ¿Es R machista o feminista?

*** =instructions
Lee el código en el editor y da clic a 'Submit Answer' para que veas lo que R piensa sobre los géneros Masculino y Femenino.

*** =hint
Solo da clic a 'Submit Answer' y fíjate en lo que se imprime en la consola.

*** =pre_exercise_code
```{r eval=FALSE}
# no pec
```

*** =sample_code
```{r eval=FALSE}
genero <- c("M", "F", "F", "M", "M")
factor_genero <- factor(genero)
levels(factor_genero) <- c("Femenino", "Masculino")

# Masculino
factor_genero[1] 
# Femenino
factor_genero[2] 
# Batalla de los sexos:¿Es Masculino mayor que Femenino?
factor_genero[1] > factor_genero[2] 
```

*** =solution
```{r eval=FALSE}
genero <- c("M", "F", "F", "M", "M")
factor_genero <- factor(genero)
levels(factor_genero) <- c("Femenino", "Masculino")

# Masculino
factor_genero[1] 
# Femenino
factor_genero[2] 
# Batalla de los sexos: ¿Es Masculino mayor que Femenino?
factor_genero[1] > factor_genero[2] 
```

*** =sct
```{r eval=FALSE}
set_language("es")
msg = "No cambies nada del c&#243;digo del editor"
test_object("genero", undefined_msg = msg, incorrect_msg = msg)
test_object("factor_genero", eq_condition = "equal", undefined_msg = msg, incorrect_msg = msg)
test_output_contains("factor_genero[1] > factor_genero[2]", incorrect_msg = "No cambies la &#250;ltima l&#237;nea, queremos resolver la batalla de los sexos de una vez por todas!")
success_msg("Naaaa, parece que R es neutral sobre los g&#233;neros. O quiz&#224;s solo quiere evitarse discusiones (con las mujeres) ;-).")
```

*** =skills
1

--- type:NormalExercise xp:100 key:a93ac0edef
## Factores con niveles ordenados

Como los niveles `"Masculino"` y `"Femenino"` son niveles no ordenados de nuestro factor `genero` R responde con un mensaje de advertencia de que esa comparación (por medio del símbolo `>`) no tiene sentido en el caso de factores nominales (no ordenados).

Pero esto no es siempre el caso. A veces vamos a trabajar con factores que tienen un orden natural entre estas categorías. En este caso tenemos que darle la información a R sobre cuál es el orden de los niveles. Supongamos que estamos analizando el desempeño laboral de los trabajadores en una organización y las calificaciones posibles son `"Bajo"`, `"Medio"` y `"Alto"` y que guardas las información en el vector `desempeno`.

*** =instructions
Construye el vector `desempeno` sabiendo que: 

- Trabajador 1 tiene un desempeño Medio,
- Trabajador 2 tiene un desempeño Bajo,
- Trabajador 3 tiene un desempeño Bajo,
- Trabajador 4 tiene un desempeño Medio,
- Trabajador 5 tiene un desempeño Alto,

No hay necesidad de especificar que este vector es un factor.

*** =hint
Asigna a `desempeno` un vector que contenga los caracteres `"Medio"`, `"Bajo"` ...

*** =pre_exercise_code
```{r eval=FALSE}
# no pec
```

*** =sample_code
```{r eval=FALSE}
# Crea el vector desempeno
desempeno <-
```

*** =solution
```{r eval=FALSE}
# Crea el vector desempeno
desempeno <- c("Medio", "Bajo", "Bajo", "Medio", "Alto")
```

*** =sct
```{r eval=FALSE}
set_language("es")
test_object("desempeno", 
            undefined_msg = "Aseg&#250;rate de definir la variable <code>desempeno</code>.",
            incorrect_msg = "Asigna cuidadosamente los valores correctos al vector desempeno.")
success_msg("Buen trabajo! Vamos al siguiente ejercicio.")
```

*** =skills
1

--- type:NormalExercise xp:100 key:b51c023d03
## Factores con niveles ordenados (2)

El vector `desempeno` debería de ser convertido a un factor ordenado porque sus niveles tienen un orden natural. De forma predeterminada la función [`factor()`](http://www.rdocumentation.org/packages/base/functions/factor) transforma el vector `desempeno` en un factor no ordenado. Para crearlo como un factor ordenado necesitamos usar los argumentos adicionales: `ordered` y `levels`. 

```
factor(algun_vector, ordered = TRUE, levels = c("Nivel1", "Nivel2" ...))
``` 

Al dar el valor `TRUE` al argumento `ordered` en la función [`factor()`](http://www.rdocumentation.org/packages/base/functions/factor), indicamos que es un factor ordenado. Con el argumento `levels` damos los valores de los niveles en el orden correcto, por ejemplo `levels = c("Bajo", "Medio", "Alto")`.

*** =instructions
Usa el código de ejemplo para definir la variable `factor_desempeno`. Toma en cuenta que hay un orden específico para estos niveles. No cambies nada del código, éste imprimirá el factor resultante y generará el resumen del mismo.

*** =hint
Usa la función [`factor()`](http://www.rdocumentation.org/packages/base/functions/factor) para crear `factor_desempeno` usando `desempeno`. El argumento `order` debe ser igual a `TRUE`. Los niveles en este caso deben de ser c("Bajo", "Medio", "Alto").

*** =pre_exercise_code
```{r eval=FALSE}
# no pec
```

*** =sample_code
```{r eval=FALSE}
desempeno <- c("Medio", "Bajo", "Bajo", "Medio", "Alto") 

# Escribe el código para generar el factor ordenado
factor_desempeno <-  

# Imprime a la consola
factor_desempeno

# R imprime el resumen automágicamente en el orden correcto
summary(factor_desempeno) 
```

*** =solution
```{r eval=FALSE}
desempeno <- c("Medio", "Bajo", "Bajo", "Medio", "Alto") 

# Escribe el código para generar el factor ordenado
factor_desempeno <- factor(desempeno, ordered = TRUE, levels= c("Bajo", "Medio", "Alto"))

# Imprime a la consola
factor_desempeno

# R imprime el resumen automágicamente en el orden correcto
summary(factor_desempeno) 
```

*** =sct
```{r eval=FALSE}
set_language("es")
msg = "No cambies el c&#243;digo que crea el vector<code>desempeno</code>."
test_object("desempeno", undefined_msg = msg, incorrect_msg = msg)
test_correct({
  test_object("factor_desempeno", eq_condition = "equal",
              undefined_msg = "Aseg&#250;rate de definir la variable <code>factor_desempeno</code>.",
              incorrect_msg = "Asegurate de que creaste de manera adecuada a factor_desempeno. F&#237;jate en el orden en que pusiste los niveles en el argumento levels.")
},{
  test_function("factor", c("x", "levels", "ordered"), incorrect_msg = "Parece que los argumentos de la funci&#243;n <code>factor</code> no tienen los argumentos correctos de <code>levels</code> y <code>ordered</code>.")
})
success_msg("Muy bien! Mira la consola, se muestra que los niveles tienen un orden dado por el signo <code><</code> Continuemos al &#250;ltimo ejercicio!");
```

*** =skills
1

--- type:NormalExercise xp:100 key:bda1c0d06a
## Comparando vectores ordenados

Al tener un mal día en el trabajo, el `Trabajador 2` entra a tu oficina y empieza a quejarse de que el `Trabajador 5` está atrasando todos los proyectos porque su desempeño en el trabajo es "Bajo". Como sabes que el `Trabajador 2` tiene la reputación de “problemático” decides averiguar si lo que dice tiene sentido.

Dado que `factor_desempeno` es un factor ordenado, esto te permite comparar sus diferentes elementos, a los trabajadores en este caso. Podemos simplemente utilizar operadores de comparación bien conocidos.

*** =instructions
Averigua si el desempeño del Trabajador 2 es mejor que el del Trabajador 5. Asigna el resultado a la variable `comparacion`. Recuerda  `a > b` te permite saber si `a` es mayor que `b`.

*** =hint
Compara los elementos de interés usando el operador `>`. Algo así: 
```
vector[1] > vector[2]
``` 
Este código evalúa si el primer elemento del vector es mayor que el segundo.

*** =pre_exercise_code
```{r eval=FALSE}
# no pec
```

*** =sample_code
```{r eval=FALSE}
desempeno <- c("Medio", "Bajo", "Bajo", "Medio", "Alto") 
factor_desempeno <- factor(desempeno, ordered = TRUE, levels= c("Bajo", "Medio", "Alto"))

# Escribe tu código
comparacion <- 

# ¿El desempeño del Trabajador 2 es mayor que el del Trabajador 5 ?
comparacion
```

*** =solution
```{r eval=FALSE}
desempeno <- c("Medio", "Bajo", "Bajo", "Medio", "Alto") 
factor_desempeno <- factor(desempeno, ordered = TRUE, levels= c("Bajo", "Medio", "Alto"))

# Escribe tu código
comparacion <- factor_desempeno[2] > factor_desempeno[5]

# Is data analyst 2 faster than data analyst 5?
comparacion
```

*** =sct
```{r eval=FALSE}
set_language("es")
msg = "No cambies nada del c&#243;digo que crea los vectores <code>desempeno</code> y <code>factor_genero</code>!"
test_object("desempeno", undefined_msg = msg, incorrect_msg = msg)
test_object("factor_desempeno", eq_condition = "equal", undefined_msg = msg, incorrect_msg = msg)
test_object("comparacion",
            undefined_msg = "Define la variable <code>comparacion</code>.",
            incorrect_msg = "Parece que <code>comparacion</code> no contiene el resultado de la comparaci&#243;n solicitada. F&#237;jate en los &#237;ndices.");
success_msg("Bellissimo! ¿Qu&#222; es lo que nos dice este resultado? El Trabajador 2 se parece darle validez a su fama de problem&#224;tico… es lo que nos dice la evidencia de los datos! \n
Ac&#224; terminamos el cap&#237;tulo sobre factores. Ahora que sabemos bastante sobre vectores, matrices y factores podemos entrar al maravilloso mundo de los data frames, una de las estructuras de datos m&#224;s importantes en R!")
```

*** =skills
1