Tutorial: Básicos de R — instalar paquetes, cargar librerías y nomenclatura

Objetivo:
Aprender los fundamentos para trabajar con R: instalar paquetes, cargar librerías y comprender la nomenclatura básica (objetos, funciones, argumentos y buenas prácticas de nombres).

🧰 1) Preparación del entorno (R y RStudio)

• R: lenguaje de programación y entorno de cálculo estadístico.
• RStudio/Posit (opcional pero recomendado): IDE que facilita el uso de R.

Descarga R desde CRAN (busca “CRAN R download” para tu SO) y luego instala RStudio/Posit Desktop.

📦 2) Instalar paquetes

Los paquetes amplían las funcionalidades de R (gráficos, manipulación de datos, mapas, etc.).

Instalar un paquete

install.packages("tidyverse")

Instalar varios paquetes de una vez

paquetes <- c("dplyr", "ggplot2", "readr", "tidyr")
install.packages(paquetes)

Elegir repositorio (opcional)

options(repos = c(CRAN = "https://cloud.r-project.org"))
install.packages("sf")

Actualizar paquetes

update.packages(ask = FALSE)

💡 Si el paquete requiere sistema (por ej., sf, terra), instala previamente dependencias del SO (GDAL, GEOS, PROJ). En Ubuntu puedes usar apt, en macOS Homebrew, etc.

📚 3) Cargar librerías

Para usar un paquete en la sesión actual:

library(dplyr)   # carga y lanza error si no existe
require(dplyr)   # intenta cargar; devuelve TRUE/FALSE

Carga múltiple y verificación:

pkgs <- c("dplyr", "ggplot2", "readr")
no_instalados <- pkgs[!pkgs %in% installed.packages()[, "Package"]]
if (length(no_instalados)) install.packages(no_instalados)
lapply(pkgs, library, character.only = TRUE)

🔁 Debes cargar las librerías cada vez que inicias una nueva sesión.

✍️ 4) Nomenclatura básica en R

4.1 Objetos y asignación

• Crea objetos con <- (recomendado) o = (evitar para asignar fuera de funciones).

  x <- 10          # número
  nombre <- "R"    # carácter
  es_verdadero <- TRUE  # lógico
  

4.2 Tipos y estructuras comunes

• Atómicos: numeric, integer, character, logical, factor
• Estructuras: vector, matrix, data.frame, list, tibble

v <- c(1, 2, 3)                          # vector
m <- matrix(1:6, nrow = 2)               # matriz 2x3
df <- data.frame(a = 1:3, b = c("x","y","z"))  # data.frame
tb <- tibble::tibble(a = 1:3, b = letters[1:3]) # tibble

4.3 Funciones y argumentos

• Las funciones tienen el formato nombre_funcion(argumento = valor).
• Usa ?funcion o help("funcion") para ver la ayuda.

mean(c(1, 2, 3, 4), na.rm = TRUE)
?mean

4.4 Índices y acceso

v <- c(10, 20, 30)
v[2]           # 20
df$a           # columna 'a' (por nombre)
df[ , "b"]     # columna 'b' como vector
df[1, 2]       # fila 1, col 2

4.5 Reglas y buenas prácticas de nombres

• Usar snake_case: mi_objeto, datos_crudos, plot_altura
• Nombres descriptivos y sin acentos (evita espacios y tildes)
• Evitar nombres de funciones base: mean, sum, df, T, F
• Mantener consistencia: elige un estilo y úsalo en todo el proyecto

Ejemplos correctos:

ruta_datos <- "data/ocurrencias.csv"
n_especies <- 120
promedio_altura <- mean(alturas, na.rm = TRUE)

Ejemplos a evitar:

mis datos <- "data/archivo.csv"   # espacios
PromedioAltura <- 3.2             # estilo mixto
data <- 1                         # sobreescribe nombre común

🧪 5) Mini‑ejercicios

1. Instala y carga dplyr y readr.
2. Crea un objeto y con los números del 1 al 5.
3. Calcula el promedio de y.
4. Crea un data.frame con dos columnas: especie (carácter) y altura (numérica).
5. Extrae la segunda fila y la columna altura de tu data.frame.

# Solución sugerida
install.packages(c("dplyr","readr"))
library(dplyr); library(readr)

y <- 1:5
mean(y)

mi_df <- data.frame(
  especie = c("A", "B", "C"),
  altura  = c(10.2, 8.5, 12.1)
)

mi_df[2, "altura"]

🧯 6) Errores comunes y cómo evitarlos

• “there is no package called …” → Instala el paquete con install.packages("...") y verifica tu conexión/permiso.
• “could not find function …” → Faltó library(paquete) o escribiste mal el nombre.
• Encoding/caracteres especiales → Evita tildes y eñes en nombres de objetos y rutas.
• Conflictos de funciones (p. ej., dplyr::filter vs stats::filter) → usa el namespace paquete::funcion.

dplyr::filter(mi_df, altura > 9)
stats::filter(1:10, rep(1/3, 3))

🧭 7) Recursos útiles de la sesión

sessionInfo()  # versión de R y paquetes
getwd()        # directorio de trabajo
setwd("ruta/a/tu/proyecto")  # cambiar directorio (opcional)

🎯 Resumen

📘 Autor: Ricardo Segovia
🧩 Proyecto: Curso BIODATA-Uruguay — Gestión y modelamiento de datos de biodiversidad
📅 Actualizado: Octubre 2025