Sesión 9

Reto 2 · Cierre, integración y buenas prácticas

Juan David Leongómez

Universidad El Bosque

19 de junio de 2026

Agenda

  • Parte 1 · Presentaciones del Reto 2
  • Parte 2 · Buenas prácticas de trabajo en R
  • Parte 3 · ¿Y ahora qué?

Parte 1

Reto 2 · Presenta un paquete de R

Las presentaciones

Tienes máximo 5 minutos para contarnos:

  1. Cómo se llama el paquete y para qué sirve
  2. Hacer una demostración en vivo de al menos una función
  3. Por qué te pareció interesante, útil o simplemente raro

Recuerda tener tu script con el código de la demostración cargado y listo antes de tu turno.

Parte 2

Buenas prácticas de trabajo en R

El script autocontenido

Un buen script puede ejecutarse de principio a fin en cualquier computador, sin intervención manual:

# 1. Paquetes (siempre al inicio)
library(tidyverse)
library(readxl)

# 2. Datos (con rutas relativas al proyecto)
datos <- read_excel("datos/mi_archivo.xlsx")

# 3. Limpieza y transformación
datos_limpios <- datos |>
  filter(!is.na(nota)) |>
  mutate(aprobado = nota >= 3.0)

# 4. Análisis y resultados
resumen <- datos_limpios |>
  summarise(media = mean(nota), n = n())

Sin setwd(). Sin rutas absolutas. Paquetes al inicio. Datos cargados desde archivo, nunca pegados directamente en el código.

Proyectos de R y rutas relativas

Trabajar siempre dentro de un proyecto de R (.Rproj):

Mal

# Solo funciona en tu computador
setwd("C:/Users/maria/Desktop/curso")
datos <- read_excel(
  "C:/Users/maria/Desktop/curso/
  datos/notas.xlsx"
)

Bien

# Funciona en cualquier computador con el proyecto abierto
datos <- read_excel("datos/notas.xlsx")

El proyecto fija el directorio de trabajo a su carpeta raíz. Las rutas relativas hacen que el código sea portable y compartible.

Nombrar bien marca la diferencia

Los nombres de objetos y archivos son la primera documentación del código:

En lugar de… Prefiere…
x, df, temp, data2 encuesta, notas_limpias, resumen_grupo
analisis FINAL v3.R 01_limpieza.R, 02_analisis.R
Mis Datos (1).xlsx notas_s04.xlsx

Usa snake_case: minúsculas y guión bajo. Sin espacios, sin tildes, sin caracteres especiales en nombres de archivos, objetos de R ni nombres de variables/columnas.

Reproducibilidad: el objetivo final

Tu análisis es reproducible cuando cualquier persona (o tú mismo en seis meses) puede:

  1. Abrir el proyecto
  2. Ejecutar el script de principio a fin
  3. Obtener exactamente los mismos resultados

Para llegar ahí:

  • Proyecto de R + rutas relativas
  • Script autocontenido: paquetes y datos al inicio
  • Datos originales guardados sin modificar
  • Reportes en Quarto: el documento es el análisis

La reproducibilidad es la base de la ciencia abierta y la transparencia científica. Un análisis que otros pueden verificar y reutilizar tiene más valor que uno que solo funciona en tu computador.

Parte 3

¿Y ahora qué?

Lo que aprendiste en 9 sesiones

Visualizar

ggplot2: geometrías, estéticas, escalas, temas, composición con patchwork

Transformar datos

dplyr: filtrar, seleccionar, mutar, resumir, agrupar

tidyr: pivotar y reorganizar

readr / readxl: importar CSV y Excel con control total

Automatizar

Funciones propias, condicionales, simulación con rnorm(), runif(), rbinom(), sample() y faux::rnorm_multi()

Comunicar

Quarto: reportes en HTML, PDF y Word; tablas con gt; figuras con referencias cruzadas; citas bibliográficas; publicación en la web

Quarto también hace presentaciones

Todas las diapositivas de este curso fueron creadas con Quarto · File → New File → Quarto Presentation

🌐
revealjs
HTML interactivo en el navegador. Animaciones, código resaltado, modo presentador. El que usamos en este curso.
📄
Beamer (PDF)
Presentaciones en PDF con el estilo académico clásico de LaTeX. Requiere TinyTeX.
📊
PowerPoint
Archivo .pptx editable. No lo recomiendo pues es un formato propietario.

→ quarto.org/docs/presentations

Para seguir aprendiendo

La mejor forma de seguir aprendiendo es tener un proyecto propio: toma tus datos, una pregunta que te importe, y úsalos como excusa para aprender lo que necesites.

Mantener R al día

Paquetes: actualizar periódicamente desde RStudio (Packages → Update) o con update.packages() en la consola. Hacerlo cada uno o dos meses es suficiente.

R: descargar e instalar la nueva versión desde r-project.org. R no incluye actualizador automático.

En Windows y Mac, cada versión de R se instala de forma independiente, sin reemplazar las anteriores. Las versiones viejas quedan ocupando espacio y a veces causan confusión. Hay que desinstalarlas manualmente (en Windows: Configuración → Aplicaciones; en Mac: arrastrando la carpeta de la versión a la papelera).

¿Para qué sirve R?

¡Para qué me invitan si ya saben cómo me pongo! (Sí, el meme lo hice yo 😂)

¡Para qué me invitan si ya saben cómo me pongo! (Sí, el meme lo hice yo 😂)

Antes de irte comparte tu opinión sobre el curso

Encuesta anónima · menos de 5 minutos

Fin del curso

¡Gracias!

jdleongomez.github.io/curso-r