Operaciones vectorizadas

Puedes aplicar los operadores relacionales a vectores de cualquier longitud. Compara dos vectores usando > para obtener un vector lógico de la misma longitud, que devuelve TRUE cuando el primero es mayor que el segundo y FALSE en caso contrario.

apple <- c(120.00, 120.08, 119.97, 121.88)
datacamp  <- c(118.5, 124.21, 125.20, 120.22)

apple > datacamp
[1]  TRUE FALSE FALSE  TRUE

También funciona comparar un vector con un solo número. R reciclará el número para que tenga la misma longitud que el vector:

apple > 120
[1] FALSE  TRUE FALSE  TRUE

¡Imagina cómo podrías usar esto como señal de compra/venta en el análisis de acciones! Tienes disponible un data frame, stocks, para usar.

Este ejercicio forma parte del curso

R intermedio para finanzas

Instrucciones del ejercicio

Imprime stocks.
Quieres comprar ibm cuando cruce por debajo de 175. Usa $ para seleccionar la columna ibm y un operador lógico para saber cuándo ocurre. Añádelo a stocks como la columna ibm_buy.
Si panera cruza por encima de 213, vende. Usa un operador lógico para saber cuándo ocurre. Añádelo a stocks como la columna panera_sell.
¿ibm está alguna vez por encima de panera? Añade el resultado a stocks como la columna ibm_vs_panera.
Imprime stocks.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Print stocks
___

# IBM range
___$___ <- 

# Panera range
___$___ <- 

# IBM vs Panera
___$___ <- 

# Print stocks
___

Editar y ejecutar código

Este ejercicio forma parte del curso

R intermedio para finanzas

PrincipianteNivel de habilidad

4.8+

Comienza el curso gratis

¡Bienvenido! Antes de profundizar en el mundo de R, viene bien entender cómo se crean las fechas y las horas. Este capítulo te enseñará lo suficiente para empezar a trabajar con fechas, aunque solo araña la superficie de todo lo que puedes hacer con ellas.

Exercise 1: Introducción a las fechas en R Exercise 2: ¿Qué día es hoy?Exercise 3: De char a date Exercise 4: Muchas fechas Exercise 5: Formatos de fecha y funciones de extracción Exercise 6: Formatos de fecha (1)Exercise 7: Formatos de fecha (2)Exercise 8: Resta de fechas Exercise 9: ¡months(), weekdays() y quarters(), vaya trío!

Imagina que tienes acciones de una empresa. Si la acción supera cierto precio, quizá quieras vender. Si cae por debajo de cierto precio, ¡puede que quieras comprar mientras está barata! Este tipo de lógica se puede implementar con operadores y sentencias if. En este capítulo, aprenderás todo sobre ellas y crearás un programa que te diga si comprar o vender una acción.

Exercise 1: Operadores relacionales Exercise 2: Práctica de relacionales Exercise 3: Operaciones vectorizadas

Ejercicio actual

Exercise 4: Operadores lógicos Exercise 5: And / Or Exercise 6: ¡Not!Exercise 7: Lógicos y subset()Exercise 8: ¡Todo junto!Exercise 9: Sentencias if Exercise 10: Si esto Exercise 11: Si esto, si no aquello Exercise 12: If esto, Else If aquello, Else lo otro Exercise 13: ¿Puedes usar un If dentro de otro If?Exercise 14: ifelse()

Los bucles pueden ser útiles para aplicar la misma operación a cada elemento de tu estructura de datos. En este capítulo aprenderás todo sobre los bucles repeat, while y for.

Exercise 1: Bucles repeat Exercise 2: Repite, repite, repite Exercise 3: ¿Cuándo usar break?Exercise 4: Bucles while Exercise 5: While con un print Exercise 6: While con un gráfico Exercise 7: Rómpelo Exercise 8: Bucles for Exercise 9: Itera sobre un vector Exercise 10: Recorre las filas de un data frame Exercise 11: Iterar sobre elementos de una matriz Exercise 12: Break y next

Si estructuras de datos como data frames y vectores sirven para guardar tus datos, las funciones son la forma de decirle a R qué hacer con ellos. En este capítulo aprenderás a usar funciones incorporadas, a crear tus propias funciones y terminarás con una breve introducción a los paquetes.

Exercise 1: ¿Qué son las funciones?Exercise 2: Ayuda y documentación de funciones Exercise 3: Argumentos opcionales Exercise 4: Funciones dentro de funciones Exercise 5: Escribir funciones Exercise 6: Tu primera función Exercise 7: Varios argumentos (1)Exercise 8: Varios argumentos (2)Exercise 9: Ámbito de las funciones (1)Exercise 10: Ámbito de las funciones (2)Exercise 11: Paquetes Exercise 12: paquete tidyquant

Una alternativa popular a los bucles en R son las funciones apply. A menudo son más legibles que los bucles y resultan muy útiles para escalar el flujo de trabajo de data science y realizar un cálculo complejo sobre cualquier número de observaciones. ¡Aprende sobre ellas aquí!

Exercise 1: ¿Por qué usar apply?Exercise 2: lapply() sobre una lista Exercise 3: lapply() en un data frame Exercise 4: Argumentos de FUN Exercise 5: sapply() - ¡simplifícalo!Exercise 6: sapply() vs. lapply()Exercise 7: Cuando no se puede simplificar Exercise 8: vapply() - ¡define tu salida!Exercise 9: vapply() vs. sapply()Exercise 10: Más vapply()Exercise 11: Funciones anónimas Exercise 12: ¡Enhorabuena!