Dplyr

exercises-es/Dplyr-shrub-volume-aggregation-R-es.txt

@@ -0,0 +1,17 @@
+Este ejercicio es una continuación de [Shrub Volume Data Basics]({{ site.baseurl }}/exercises/Dplyr-shrub-volume-data-basics-R).
+
+La Dra. Granger quiere un resumen de datos tanto para las plantas en su sitio de estudio como para sus experimentos.Verifique si el archivo `shrub-volume-data.csv` está en su espacio de trabajo (es posible que su instructor ya lo haya agregado). 
+
+Si no, descárgue [shrub dimensions data]({{ site.baseurl }}/data/shrub-volume-data.csv).
+
+Este código calcula la altura promedio de una planta en cada sitio:
+
+
+```r
+shrub_dims <- read.csv('shrub-volume-data.csv')
+by_site <- group_by(shrub_dims, site)
+avg_height <- summarize(by_site, avg_height = mean(height))
+```
+
+1. Modifique el código para calcular e imprimir la altura promedio de una planta en cada experimento.
+2. Utilice `max()` para determinar la altura máxima de una planta en cada sitio de estudio.

exercises-es/Dplyr-shrub-volume-join-R-es.txt

@@ -0,0 +1,10 @@
+En adición a la tabla de datos principal de dimensiones de arbustos, la Dra. Granger tiene dos tablas de datos adicionales.
+La primera describe la manipulación de cada experimento.
+La segunda contiene información sobre los diferentes sitios de estudio.
+Verifique si los archivos espacio de trabajo (es posible que su instructor ya los haya agregado).
+De lo contrario, descargue los [datos de experimentos] ({{site.baseurl}} / data / shrub-volume-experiment.csv) y los [datos de sitios] ({{site.baseurl}} / data / shrub-volume-sites. csv).
+
+1. Importe la tabla de datos de los experimentos. Luego, use  `inner_join` combinando la tabla de datos de experimentos con la tabla de datos de dimensiones de arbustos, con el fin de añadir una columna llamada `manipulación` a la tabla de datos de dimensiones de arbustos.
+
+2. Importe la tabla de sitios de estudio. Luego combínela con la tabla que contiene los datos de dimensiones de arbustos y los datos de experimentos. El producto final debe contener las tres tablas en una.
+

exercises-es/Portal-data-aggregation-R-es.txt

@@ -0,0 +1,6 @@
+Descargue una copia de la [Tabla de datos de estudios de la base de datos educativa de Portal] (https://ndownloader.figshare.com/files/2292172)
+e impórtela a R usando la función `read.csv ()`.
+
+1. Utilice las funciones `group_by ()` y `summary ()` para obtener un conteo del número de individuos por cada species ID (ID de especie).
+2. Utilice las funciones `group_by ()` y `summary ()` para obtener un conteo de la cantidad de individuos por cada ID de especie por cada año.
+3. Utilice las funciones `filter ()`, `group_by ()` y `summary ()` para obtener la masa promedio de la especie DO por cada año.

exercises-es/Portal-data-challenge-R-es.txt

@@ -0,0 +1,5 @@
+Cree un pipeline para manipular los datos en la tabla `surveys` de Portal que produzca una tabla de datos para las tres especies de Dipodomys ("DM", "DO", "DS").
+ID de especie debe presentarse en minúsculas, no en mayúsculas.
+La tabla debe contener información sobre la fecha, identificación de especie, peso y longitud del hindfoot (retropié).
+Los datos no deben incluir valores nulos para el peso o para la longitud del retropié.
+La tabla debe estar ordenada primero por especies (de modo que cada especie esté agrupada) y luego por peso, con los pesos más grandes en la parte superior.

exercises-es/Portal-data-joins-R-es.txt

@@ -0,0 +1,11 @@
+Si `survey.csv`,` species.csv` y `plots.csv` no están disponibles en su espacio de trabajo, descárguelos:
+
+* [`survey.csv`] (https://ndownloader.figshare.com/files/2292172)
+* [`species.csv`] (https://ndownloader.figshare.com/files/3299483)
+* [`plots.csv`] (https://ndownloader.figshare.com/files/3299474)
+
+Cárguelos en R usando `read.csv ()`.
+
+1. Use `inner_join ()`  para crear una tabla de datos que contenga la información tanto de la tabla de datos de encuestas como de la tabla de datos de `especies`.
+2. Use `inner_join ()` dos veces para crear una tabla de datos que contenga la información de las tres tablas de datos.
+3. Use `inner_join ()` y `filter ()` para obtener un marco de datos (data frame) con la información de la tabla de datos de `surveys` (estudios) y la tabla de datos de `plots` (parcela) donde `plot_type` (tipo de parcela) es `Control`.

exercises-es/extracting-vectors-from-data-frames-R-es.txt

@@ -0,0 +1,5 @@
+Usando la tabla de `surveys` (estudios) de datos de Portal:
+
+1. Use `$` para extraer la columna de `weight` en un vector
+2. Utilice `[]` para extraer la columna `month` en un vector
+3. Extraiga la columna `hindfoot_length`, guárdela en un vector y calcule la longitud media de hindfoot (retropié) ignorando los valores nulos.