R desde cero hasta un nivel intermedio: aprende analizando datos reales.

Cómo usar esta guía y preparar tu entorno

Esta página está pensada como un curso de consulta, no como una colección de definiciones. Lee cada concepto, copia el ejemplo en RStudio y cambia al menos un valor para comprobar qué ocurre. Si aparece un error, léelo con calma, localiza la línea y compárala con el ejemplo: depurar es parte normal del aprendizaje.

Durante la primera lectura conviene seguir el orden. En las siguientes puedes usar el menú lateral, el menú superior o los enlaces para volver al inicio; todo está dentro de esta misma página, así que no dependes de subpáginas que puedan romperse al subirla a Cloudflare Pages.

Qué necesitas instalar

• R: lenguaje que ejecuta las instrucciones.
• RStudio Desktop: editor, consola, gráficos, archivos y ayuda en una sola interfaz.
• Paquetes: extensiones que añaden funciones; aquí se usa especialmente tidyverse.

install.packages("tidyverse")
library(tidyverse)
# Comprueba que la instalación funcionó
tibble(nombre = c("Ana", "Luis"), puntos = c(8, 10))

En RStudio, crea un proyecto antes de empezar. Así las rutas relativas se mantienen estables y puedes mover la carpeta completa sin cambiar cada ruta del código.

1. Fundamentos: cómo piensa R

R es un lenguaje orientado al análisis estadístico, la visualización y la automatización. En vez de depender de una secuencia de clics, describes una transformación: recibes datos, los filtras, calculas columnas, resumes y presentas el resultado. La ventaja aparece cuando llega un archivo nuevo: puedes repetir el procedimiento y auditarlo.

La consola ejecuta expresiones. Una expresión puede ser un número, una operación, una comparación o una función. El resultado se muestra si no lo guardas; se conserva en un objeto cuando usas el operador de asignación.

2 + 2
precio <- 125
precio * 1.16
mensaje <- "Hola, R"
mensaje

Comentarios, nombres y orden

Los comentarios empiezan con #. Usa nombres descriptivos y consistentes: ventas_enero comunica más que x. Evita cambiar el mismo objeto muchas veces sin necesidad; conservar objetos como raw, limpio y resumen hace visible el proceso.

# Ventas de enero en pesos
ventas_enero <- c(1200, 980, 1450, 1100)
ingreso_total <- sum(ventas_enero)
ingreso_promedio <- mean(ventas_enero)
c(total = ingreso_total, promedio = ingreso_promedio)

Errores iniciales frecuentes

• Comillas curvas en vez de comillas normales.
• Coma decimal en un número: escribe 12.5.
• Paréntesis, comillas o llaves sin cerrar.
• Confundir un nombre como Ventas con ventas; R distingue mayúsculas y minúsculas.

2. Objetos, tipos y estructuras

R distingue entre números, texto, valores lógicos, fechas y ausentes. Esa diferencia importa: sumar un número y concatenar un texto no son la misma operación. Antes de analizar una tabla, inspecciona su estructura y confirma que cada columna tenga el tipo esperado.

Vectores y factores

Un vector guarda valores del mismo tipo. El índice empieza en 1. Un factor representa categorías y mantiene niveles, algo importante al ordenar, graficar o modelar.

ciudades <- c("CDMX", "Puebla", "Mérida")
ventas <- c(100, 140, 90)
ventas[2]
ventas[ventas > 100]

nivel <- factor(c("bajo", "alto", "medio", "alto"))
levels(nivel)

Listas, tibbles y tablas

Una lista puede guardar elementos de tipos distintos. Un data.frame organiza columnas relacionadas en filas; un tibble, incluido en tidyverse, ofrece una impresión compacta y conserva mejor la información al trabajar en la consola.

persona <- list(nombre = "Ana", edad = 31, activo = TRUE)

clientes <- tibble(
 id = 1:4,
 nombre = c("Ana", "Luis", "Mara", "Omar"),
 compras = c(3, 1, 5, 2),
 gasto = c(850, 120, 1320, 410)
)
str(clientes)
summary(clientes)

3. Vectores, índices y condiciones

Una condición produce TRUE o FALSE para cada valor. Esa máscara se usa para seleccionar datos. El patrón es poderoso porque expresa la pregunta directamente: “conservar edades mayores o iguales a 18”.

edades <- c(17, 24, 35, 42, 29)
edades[edades >= 18]
edades[edades >= 18 & edades < 40]

productos <- c("libro", "curso", "libro", "licencia")
productos[productos == "libro"]

Operadores indispensables

• == igualdad y != distinto.
• >, >=, <, <= comparaciones.
• & “y”, | “o” y ! negación.
• %in% pertenencia a una lista de valores.

estado <- c("pagado", "pendiente", "cancelado", "pagado")
validos <- c("pagado", "pendiente")
estado %in% validos

Valores faltantes y orden

Las comparaciones con valores ausentes pueden devolver NA. Usa is.na() y decide si excluir, marcar o corregir los faltantes. No conviertas automáticamente un dato desconocido en cero.

calificaciones <- c(8, 9, NA, 7, 10)
sum(is.na(calificaciones))
mean(calificaciones, na.rm = TRUE)
calificaciones[!is.na(calificaciones)]

Para ordenar una tabla completa, ordena la tabla, no solo un vector aislado, de modo que las columnas sigan correspondiendo a la misma fila.

clientes %>% arrange(desc(gasto))
clientes %>% arrange(compras, desc(gasto))

4. Funciones, condiciones y control

Una función recibe entradas, hace una operación y devuelve una salida. Crear funciones pequeñas convierte una regla repetida en una pieza que puedes probar y reutilizar. Usa argumentos con nombres claros y valida entradas cuando una respuesta incorrecta sería costosa.

calcular_total <- function(precio, cantidad, impuesto = 0.16) {
 subtotal <- precio * cantidad
 subtotal * (1 + impuesto)
}
calcular_total(250, 3)
calcular_total(250, 3, impuesto = 0.08)

Decisiones y valores límite

clasificar_gasto <- function(monto) {
 if (monto < 0) return("revisar: monto negativo")
 if (monto >= 1000) return("alto")
 if (monto >= 300) return("medio")
 "bajo"
}
clasificar_gasto(1250)
clasificar_gasto(40)

Bucles y alternativas

Los bucles son útiles para tareas secuenciales, pero muchas transformaciones tabulares pueden expresarse de manera vectorizada.

resultados <- numeric(4)
for (i in 1:4) {
 resultados[i] <- i^2
}
resultados
sapply(1:4, function(i) i^2)

5. Tablas: seleccionar, transformar, agrupar y unir

El flujo tabular más habitual puede resumirse en cinco verbos: seleccionar columnas, filtrar filas, crear variables, agrupar y resumir. El pipe permite leer la transformación de izquierda a derecha.

ventas <- tibble(
 fecha = as.Date(c("2026-01-03", "2026-01-04", "2026-01-04", "2026-01-08")),
 ciudad = c("CDMX", "Puebla", "CDMX", "Mérida"),
 producto = c("A", "A", "B", "B"),
 unidades = c(2, 3, 1, 5),
 precio = c(150, 150, 240, 240)
)

ventas %>%
 mutate(total = unidades * precio) %>%
 filter(total >= 300) %>%
 select(fecha, ciudad, producto, total)

Resumen por grupo

resumen_ciudad <- ventas %>%
 mutate(total = unidades * precio) %>%
 group_by(ciudad) %>%
 summarise(
  pedidos = n(),
  unidades = sum(unidades),
  ingresos = sum(total),
  ticket_promedio = mean(total),
  .groups = "drop"
 ) %>%
 arrange(desc(ingresos))

Unir catálogos

Cuando una tabla contiene códigos y otra atributos, usa una unión. La clave debe identificar correctamente cada registro. Revisa duplicados antes y compara las filas después de unir.

catalogo <- tibble(
 producto = c("A", "B"),
 categoria = c("material", "servicio")
)
ventas %>% left_join(catalogo, by = "producto")

6. Importar, limpiar y validar datos reales

Los datos reales contienen espacios, acentos inconsistentes, fechas ambiguas, valores como “N/D”, duplicados y columnas que mezclan números con texto. Limpiar no es maquillar: es establecer qué observaciones son comparables y qué supuestos tendrá tu análisis.

Importar un CSV

library(readr)
raw <- read_csv("datos/ventas.csv", show_col_types = FALSE)
names(raw)
glimpse(raw)

Normalizar nombres y categorías

library(dplyr)
library(stringr)

ventas_limpias <- raw %>%
 rename(fecha = Fecha, ciudad = Ciudad, total = Importe) %>%
 mutate(
  ciudad = str_squish(str_to_title(ciudad)),
  total = parse_number(as.character(total)),
  fecha = as.Date(fecha, format = "%d/%m/%Y")
 )

Faltantes, duplicados y rangos

ventas_limpias %>% summarise(
 filas = n(),
 fechas_vacias = sum(is.na(fecha)),
 ciudades_vacias = sum(is.na(ciudad)),
 totales_vacios = sum(is.na(total)),
 duplicados = n() - n_distinct(fecha, ciudad, total)
)

ventas_limpias %>% filter(is.na(total) | total < 0)

No existe una solución universal para un faltante. Puedes excluirlo, imputarlo, marcarlo o regresar a la fuente. Declara qué hiciste y cuánto cambió la muestra.

7. Gráficos con ggplot2

Un gráfico debe responder una pregunta. Define si quieres comparar categorías, mostrar evolución temporal, explorar una relación o conocer una distribución. ggplot2 construye el resultado por capas: datos, estéticas, geometrías, escalas y tema.

library(ggplot2)

ventas %>%
 mutate(total = unidades * precio) %>%
 ggplot(aes(x = ciudad, y = total, fill = ciudad)) +
 geom_col() +
 labs(title = "Ingresos por ciudad", x = NULL, y = "Ingresos") +
 theme_minimal() +
 theme(legend.position = "none")

geom_col()

geom_line()

geom_point()

geom_histogram()

Ejemplo de serie temporal

ventas %>%
 mutate(total = unidades * precio) %>%
 group_by(fecha) %>%
 summarise(ingresos = sum(total), .groups = "drop") %>%
 ggplot(aes(fecha, ingresos)) +
 geom_line(linewidth = 1.2, color = "#087f8c") +
 geom_point(size = 3, color = "#df9e32") +
 labs(title = "Ingresos diarios", x = NULL, y = "Pesos") +
 theme_minimal()

8. Resumir, comparar y comunicar

Un promedio aislado puede ocultar diferencias. Acompáñalo con el número de observaciones, una medida de dispersión y el contexto temporal. Si comparas grupos, especifica unidad, periodo y regla de inclusión.

ventas %>%
 mutate(total = unidades * precio) %>%
 group_by(producto) %>%
 summarise(
  n = n(),
  promedio = mean(total),
  mediana = median(total),
  minimo = min(total),
  maximo = max(total),
  desviacion = sd(total),
  .groups = "drop"
 )

Porcentajes con denominador visible

ventas %>%
 mutate(total = unidades * precio) %>%
 group_by(ciudad) %>%
 summarise(ingresos = sum(total), .groups = "drop") %>%
 mutate(porcentaje = ingresos / sum(ingresos))

Si tu público no conoce R, no entregues solo la consola. Incluye una tabla limpia, un gráfico, tres conclusiones verificables y una sección de limitaciones. La claridad consiste en mostrar qué sabes, qué no sabes y qué necesitas medir después.

9. Ejercicios graduados con solución

Intenta cada reto antes de abrir la respuesta. Puede haber varias soluciones correctas si son legibles, producen el resultado esperado y explican los supuestos.

gastos <- c(250, 820, 430, 1200, 90)
sum(gastos)
mean(gastos)
sum(gastos > 500)

clientes %>%
 filter(gasto > 400) %>%
 mutate(gasto_por_compra = gasto / compras)

ventas %>%
 mutate(total = unidades * precio) %>%
 group_by(producto) %>%
 summarise(unidades = sum(unidades), ingresos = sum(total), .groups = "drop")

ventas %>% filter(precio < 0 | is.na(fecha))

10. Proyecto final: informe reproducible de ventas

Construye un informe que responda: ¿qué productos y ciudades aportaron más ingresos?, ¿cómo cambió el resultado por fecha?, ¿qué datos requieren revisión? Integra fundamentos, limpieza, transformaciones, gráficos y comunicación.

Datos mínimos

• Fecha de operación.
• Ciudad o región.
• Producto o categoría.
• Unidades, precio e importe.
• Identificador de pedido, si existe.

Estructura de carpetas

proyecto-ventas/
├─ datos/
│  ├─ originales/
│  └─ procesados/
├─ scripts/
│  ├─ 01_importar.R
│  ├─ 02_limpiar.R
│  └─ 03_graficos.R
├─ resultados/
├─ informe.Rmd
└─ README.md

Entregables

1. README con objetivo, fuente, fecha de descarga y limitaciones.
2. Script que importe y limpie sin pasos manuales ocultos.
3. Tabla de calidad con faltantes, duplicados y rangos.
4. Gráfico temporal y comparación por grupo.
5. Resumen con tres hallazgos y dos preguntas siguientes.

Lista de revisión

• ¿El código corre desde una sesión nueva?
• ¿Las fechas y unidades monetarias son consistentes?
• ¿Las conclusiones se desprenden de los datos?
• ¿Se distinguen hechos, supuestos y recomendaciones?
• ¿Otra persona puede entender cómo repetirlo?

11. Glosario de consulta rápida

12. Preguntas frecuentes

Recursos para continuar

Consulta la documentación oficial de CRAN, la referencia de ggplot2 y el libro abierto R for Data Science. Úsalos para verificar funciones, argumentos y cambios de versión.

Tu siguiente paso es comenzar el proyecto final: define una pregunta, conserva la fuente original y escribe primero una comprobación de calidad. Guarda esta página en favoritos para volver a cualquier módulo.

↑ Volver a la guía principal