Eliminar columnas con nombres duplicados de un data frame en R

Problema

Queremos eliminar las columnas con nombres duplicados de un data frame en R.

df <- data.frame(a = 1:2, b = 1:2, 
                 c = 1:2, a = 2:3, 
                 a = 2:3, b = 2:3, 
                 check.names = F)

  a b c a a b
1 1 1 1 2 2 2
2 2 2 2 3 3 3

Solución

• Base

df[, !duplicated(df)] # o bien
df[, unique(df)]

 a b c
1 1 1 1
2 2 2 2

• dplyr
Empleamos funciones del paquete base pero evitamos los corchetes para hacerla más legible.

library(dplyr)
df %>% subset(select = !duplicated(names(.))) # o bien
df %>% subset(select = unique(names(.)))

Comprobar si una celda contiene un hipervínculo

Problema

Necesitamos comprobar mediante una fórmula si unas celdas contienen un hipervínculo.

Solución

1. Abrimos el Editor de Microsoft Visual Basic: Alt+F11.
2. Creamos la siguiente función en un módulo.

Function ESHIPERVINCULO(r As Range) As Boolean
  ESHIPERVINCULO = r.Hyperlinks.Count
End Function

3. Usamos la función recién creada ESHIPERVINCULO en cualquier celda.

Es importante recalcar que la fórmula nos indica si hay un hipervínculo, no si éste es válido.

Entradas relacionadas

• Convertir texto de URL en enlaces activos
• Abrir ficheros y aplicaciones con cuadro de diálogo e hipervínculo en Excel
• Eliminar todos los hipervínculos de una hoja o libro con VBA

Referencias

• Checking if a cell contains a hyperlink
• Excel test if Cell contains Hyperlink

Mínimo común múltiplo y máximo común divisor en R

Problema

Deseamos calcular el mínimo común múltiplo y el máximo común divisor de un vector en R.

Solución

Usamos el paquete numbers. Las funciones mLCM(x) y mGCD(x) computan el mínimo común múltiplo y el máximo común divisor de todos los números de un vector x de números enteros:

library(numbers)
    mGCD(c(4, 8, 12, 16, 20))
[1] 4
    mLCM(c(8,9,21))
[1] 504
    # Sequences
    mLCM(1:20)
[1] 232792560

Referencias

• stackoverflow
• GCD: GCD and LCM Integer Functions

Eliminar los niveles no usados de un factor en R

Problema

Cuando filtramos un data frame que contiene un factor, y creamos por ejemplo una tabla de contingencia, R nos muestra también aquellos niveles del factor no usados.

df <- data.frame(name = c("a", "a", "a", "b", "b", "c", "c", "c", "c"), x = 1:9)
library(dplyr)
aa <-  df %>%
  group_by(name) %>%
  filter(n() < 4) %>% 
  droplevels()
table(aa$name)

En este ejemplo muestra c, cuando queremos que muestre solamente a y b.

# Resultado
a b c 
3 2 0
# Resultado deseado
a b 
3 2

Solución

Usamos la función droplevels o factor.

table(droplevels(aa$name))
table(factor(aa$name))

O como estamos empleando el paquete dplyr.

aa <-  df %>%
  group_by(name) %>%
  filter(n() < 4) %>% 
  droplevels()
table(aa$name)

# Mejor aún:
df %>%
  group_by(name) %>%
  filter(n() < 4) %>% 
  droplevels() %>% 
  {table(.$name)}

Entradas relacionadas

• Versión en inglés

Referencias

• stackoverflow
• droplevels
• factor

Cómo comparar varias distribuciones de frecuencias con ggplot2

Problema

Como vimos anteriormente con ggplot2 podemos crear un histograma fácilmente.

library(ggplot2)
ggplot(diamonds, aes(price)) +
  geom_histogram(binwidth = 500)

Pero si queremos comparar por calidad de tallado (quality of the cut), podríamos:

• Filtrar por tipo de tallado

library(dplyr)
ggplot(filter(diamonds, cut == "Ideal"), aes(price)) +
  geom_histogram(binwidth = 500)


• Apilar por tipo de tallado

ggplot(diamonds, aes(price, fill = cut)) +
  geom_histogram(binwidth = 500)


• Sin apilar aplicando transparencia

ggplot(diamonds, aes(price, fill = cut)) +
+     geom_histogram(binwidth = 500, position = "identity", alpha = 0.2)

Solución

Una alternativa más clara es utilizar la función geom_freqpoly que muestra líneas en lugar de barras para representar las frecuencias. Cuando se solapan es más sencillo interpretar líneas que barras.

ggplot(diamonds, aes(price, colour = cut)) +
  geom_freqpoly(binwidth = 500)

Si deseamos representar solamente un tipo de tallado:

ggplot(filter(diamonds, cut == "Ideal"), aes(price, colour = cut)) + geom_freqpoly(binwidth = 500)

Referencias

• Histograms and frequency polygons

Reemplazar múltiples palabras simultáneamente con Notepad++

Problema

Queremos reemplazar múltiples palabras simultáneamente con Notepad++ dentro de la función buscar y reemplazar. En este ejemplo deseamos reemplazar las siguientes 4 cadenas de texto a la izquierda de la flecha por las de la derecha.

Beaker -> Felix
Pants -> Ace
Quijote -> Quesada
3 -> 5551

Beaker
Quijote
Pants
Smarty
Beaker
Pants
Quijote
Smarty
3

Solución

En Find what: introducimos cada cadena de texto entre paréntesis y separada por |:

(Beaker)|(Smarty)|(Quijote)

En Replace with introducimos cada cadena de texto entre paréntesis, precedida de ? y del número del orden de la sustitución(entre corchetes en el caso de que reemplacemos un número):

(?1Felix)(?2Ace)(?3Quesada)(?{4}5551)

Nos aseguramos de que está marcada la opción Regular expression. Situamos el cursor al inicio del documento y presionamos Replace All.

Resultado

Felix
Quesada
Pants
Ace
Felix
Pants
Quesada
Ace
5551

Entradas relacionadas

• Eliminar líneas en blanco con Notepad++
• Editar un bloque de texto vertical en Notepad++
• Reemplazar los saltos de línea por comas con Notepad++

Añadir un cuadro de texto a un gráfico en R

Problema

Queremos añadir un cuadro de texto a un gráfico en R. A continuación, podemos ver una primera solución, pero el código es demasiado verboso y alambicado.

# Un gráfico
plot(x = runif(1000), y = runif(1000), type = "p", pch = 16, col = "#40404050")

## Parámetros para el texto
myText <- "some Text"
posCoordsVec <- c(0.5, 0.5)
cex <- 2

# Rectángulo
textHeight <- graphics::strheight(myText, cex = cex)
textWidth <- graphics::strwidth(myText, cex = cex)
pad <- textHeight*0.3
rect(xleft = posCoordsVec[1] - textWidth/2 - pad, 
        ybottom = posCoordsVec[2] - textHeight/2 - pad, 
        xright = posCoordsVec[1] + textWidth/2 + pad, 
        ytop = posCoordsVec[2] + textHeight/2 + pad,
        col = "lightblue", border = NA)

# Ubicación del texto
text(posCoordsVec[1], posCoordsVec[2], myText, cex = cex)

Solución

• Base graphics

Empleamos la función legend, con el mismo color en los bordes y relleno que en la solución inicial, y ajustamos el texto en el interior con el argumento adj.

plot(x = runif(1000), y = runif(1000), type = "p", pch = 16, col = "#40404050")
legend(0.4, 0.5, "Some text", box.col = "lightblue", bg = "lightblue", adj = 0.2)


• ggpplot2

Con ggplot2 usamos la función geom_label. A diferencia de legend en base graphcis, el texto se centra automáticamente dentro del cuadro, con label.size = NA eliminamos los bordes

library(ggplot2)
df <- data.frame(x = runif(1000), y = runif(1000))
ggplot(data = df, aes(x = x , y = y))+ 
  geom_point(alpha = 0.2)+
  geom_label(aes(x = 0.5, y = 0.5, label = "Some text"), 
             fill = "lightblue", label.size = NA, size = 5)

Referencias

• stackoverflow
• legend
• geom_label