10 Pasos para Aprender R. Guía práctica

Si pudiera darle un consejo a todos los estudiantes de ciencias hoy, sería este: aprende INGLÉS.

Si pudiera dar 2 consejos, el segundo sería: aprende R. Hoy vamos a descubrir qué significa aprender R. Vamos allá.

Si actualmente eres estudiante, tal vez hayas escuchado de algún profesor algo como: "Deberías aprender R", o: "Si tienes la oportunidad, inscíbete a un curso de R". O algo por el estilo.

Quizás ya estés en medio de tu carrera profesional y conoces plenamente la importancia de R. Pero no has podido darte el tiempo de aprender.

Y la verdad es que R es un mundo. Hoy en día, parece que lo más difícil es saber por dónde empezar.

El camino

Esta es la parte en la que te digo que no tienes de qué preocuparte. Redacté esta guía práctica como un camino a seguir para que domines R en el contexto científico-académico.

Sin más preámbulo, vamos allá. Aprende R en 10 pasos:

1. Programación básica

Pues sí. Puede parecer obvio. Sin embargo, muchos se saltan las bases o sólo las aprenden superficialmente.

Con las bases me refiero a los operadores, los tipos de datos (numérico, lógico y carácter), las variables, las funciones y las estructuras de datos (vectores, factores, matrices, data frames y listas).

Con una base sólida en estos conceptos, todo lo que sigue se vuelve 10 veces más sencillo.

2. RStudio

RStudio puede hacerte la vida muy fácil al programar. Pero pocos saben cómo.

Conocer de arriba a abajo todo lo que puedes hacer en RStudio te abre las puertas de la productividad y la eficiencia.

Scripts, paneles, menús, atajos, etc. Domínalos.

3. Paquetes externos

Paquetes, paqueterías, librerías. Como les llamemos no importa. Lo importante es saber cuáles son útiles en nuestra área y cómo usarlos.

Pero para esto hay que saber instalarlos y actualizarlos.

Es ley, siempre hay un error instalando un paquete. Aprende a solucionar estos problemas.

4. Importar archivos

Para usar R, tenemos que poder cargar nuestros datos.

R puede leer bases de datos tabulares (.csv, .xlsx, etc.), datos geoespaciales (.shp, .tif, etc.), datos genéticos (.fasta, .nexus, etc.), e incluso PDF (!).

Para importar estos datos, es necesario que sepas manejar el directorio de trabajo (working directory), y cómo escribir rutas absolutas y relativas. Aprende.

5. Graficación base

R tiene un motor de graficación por default, el paquete graphics.

Seguramente has visto las gráficas que produce en algún paper.

Tú puedes hacer estas mismas gráficas. Aprende.

6. Estadística básica

R fue diseñado para hacer estadística.

Puedes hacer pruebas de hipótesis, modelos lineales, distribuciones de probabilidad y mucho (mucho) más.

Empieza por análisis sencillos. Aprende la teoría detrás y luego intenta implementarlo en R.

Por cierto, no olvides citar a R

7. ggplot2

Ten control completo sobre cada elemento de tus gráficos.

Esto ya es graficación avanzada. Tómate tu tiempo, ggplot2 es complejo pero poderoso.

8. Manipulación de datos

Bienvenido al Tidyverse. Los creadores de RStudio han desarrollado una serie de paquetes para facilitar el proceso de manejo y análisis de datos.

Si estás aquí, entonces vas en serio. Aprende paquetes como tidyr, lubridate, dplyr, readr, y cómo usar tibbles y el operador pipe (%>%).

9. Programación avanzada

Aquí puedes aprender conceptos como los For loops, While loops, If statements, y hacer tus propias funciones.

A algunos les parecerá que esto es básico pero, en mi opinión, puedes llevártela tranquilo y aprenderlos hasta que los necesites.

Otro aspecto avanzado sería aprender a correr scripts de R desde la línea de comandos (cmd).

10. Metodologías avanzadas

Aprende a hacer los análisis más complejos en tu área.

R puede hacer lo que sea que te imagines: análisis geoespacial, estadística bayesiana, modelos filogenéticos, ecología numérica, etc.

Comentarios finales

Con esta guía, espero haberte dado un empujón en la dirección correcta.

Donde sea que te encuentres en el camino, no olvides que realmente nunca se deja de aprender.

Eso es todo, ¡gracias por leer!