source commit: a0dcb70

Author: actions-user

01-rstudio-intro.md

@@ -0,0 +1,275 @@
+---
+title: Gestión de proyectos con RStudio
+teaching: 20
+exercises: 10
+source: Rmd
+---
+
+::::::::::::::::::::::::::::::::::::::: objectives
+
+- Crear proyectos independientes en RStudio
+
+::::::::::::::::::::::::::::::::::::::::::::::::::
+
+:::::::::::::::::::::::::::::::::::::::: questions
+
+- ¿Cómo puedo gestionar mis proyectos en R?
+
+::::::::::::::::::::::::::::::::::::::::::::::::::
+
+
+
+## Introducción
+
+El proceso científico es naturalmente incremental, y la vida de muchos proyectos comienza como notas aleatorias, algún código, luego un manuscrito, y
+eventualmente todo está mezclado.
+
+<blockquote class="twitter-tweet"><p>Managing your projects in a reproducible fashion doesn't just make your science reproducible, it makes your life easier.</p>— Vince Buffalo (@vsbuffalo) <a href="https://twitter.com/vsbuffalo/status/323638476153167872">April 15, 2013</a></blockquote>
+<script async src="//platform.twitter.com/widgets.js" charset="utf-8"></script>
+
+La mayoría de la gente tiende a organizar sus proyectos de esta manera:
+
+![](fig/bad_layout.png)
+
+Hay muchas razones de por qué debemos **siempre** evitar esto:
+
+1. Es realmente difícil saber cuál versión de tus datos es
+  la original y cuál es la modificada.
+2. Es muy complicado porque se mezclan archivos con varias
+  extensiones juntas.
+3. Probablemente te lleve mucho tiempo encontrar realmente
+  cosas, y relacionar las figuras correctas con el código exacto
+  que ha sido utilizado para generarlas.
+
+Un buen diseño del proyecto finalmente hará tu vida más fácil:
+
+- Ayudará a garantizar la integridad de tus datos.
+- Hace que sea más simple compartir tu código con alguien más
+  (un compañero de laboratorio, colaborador o supervisor).
+- Permite cargar fácilmente tu código junto con el envío de tu manuscrito.
+- Hace que sea más fácil retomar un proyecto después de un descanso.
+
+## Una posible solución
+
+Afortunadamente hay herramientas y paquetes que pueden ayudarte a gestionar tu trabajo con efectividad.
+
+Uno de los aspectos más poderosos y útiles de RStudio es su funcionalidad de gestión de proyectos. Lo utilizaremos hoy para crear un proyecto autocontenido y reproducible.
+
+:::::::::::::::::::::::::::::::::::::::  challenge
+
+## Desafío: Creando un proyecto autocontenido
+
+Vamos a crear un proyecto en RStudio:
+
+1. Hacer clic en el menú "File", luego en "New Project".
+2. Hacer clic en "New Directory".
+3. Hacer clic en "Empty Project".
+4. Introducir el nombre del directorio para guardar tu proyecto, por ejemplo: "my\_project".
+5. Si está disponible, seleccionar la casilla de verificación "Create a git repository."
+6. Hacer clic en el botón "Create Project".
+  
+
+::::::::::::::::::::::::::::::::::::::::::::::::::
+
+Ahora cuando inicies R en este directorio de proyectos, o abras este proyecto con RStudio, todo nuestro trabajo estará completamente autocontenido en este directorio.
+
+## Buenas prácticas para la organización del proyecto
+
+Aunque no existe una "mejor" forma de diseñar un proyecto, existen algunos principios
+generales que deben cumplirse para facilitar su gestión:
+
+### Tratar los datos como de sólo lectura
+
+Este es probablemente el objetivo más importante al configurar un proyecto. Los datos
+suelen consumir mucho tiempo y/o ser costosos de recolectar. Trabajar con ellos en un formato en el que pueden ser modificados (por ejemplo, en Excel) significa que nunca estás seguro de donde provienen, o cómo han sido modificados desde su recolección.
+Por lo tanto, es una buena idea manejar tus datos como de "sólo lectura".
+
+### Limpieza de datos
+
+En muchos casos tus datos estarán "sucios" y necesitarán un preprocesamiento significativo
+para obtener un formato R (o cualquier otro lenguaje de programación) que te resulte útil. Esta
+tarea es algunas veces llamada **"data munging"**. Es útil almacenar estos **scripts** en una carpeta separada y crear una segunda carpeta de datos de "sólo lectura" para contener los **datasets** "limpios".
+
+### Tratar la salida generada como descartable
+
+Todo lo generado por tus **scripts** debe tratarse como descartable: todo debería
+poder regenerarse a partir de tus **scripts**.
+
+Hay muchas diferentes maneras de gestionar esta salida. Es útil
+tener una carpeta de salida con diferentes subdirectorios para cada análisis
+por separado. Esto hace que sea más fácil después, ya que muchos de nuestros análisis son exploratorios
+y no terminan siendo utilizados en el proyecto final, y algunos de los análisis se comparten entre proyectos.
+
+:::::::::::::::::::::::::::::::::::::::::  callout
+
+## Tip: Good Enough Practices for Scientific Computing
+
+[Good Enough Practices for Scientific Computing](https://github.com/swcarpentry/good-enough-practices-in-scientific-computing/blob/gh-pages/good-enough-practices-for-scientific-computing.pdf) brinda las siguientes recomendaciones para la organización de proyectos:
+
+1. Coloque cada proyecto en su propio directorio, el cual lleva el nombre del proyecto.
+2. Coloque documentos de texto asociados con proyecto en el directorio `doc`.
+3. Coloque los datos sin procesar y los metadatos en el directorio `data`, y archivos generados durante la limpieza y análisis en el directorio `results` .
+4. Coloque los **scripts** fuente del proyecto y los programas en el directorio `src`, y programas traídos de otra parte o compilados localmente en el directorio `bin`.
+5. Nombre todos archivos de tal manera que reflejen su contenido o función.
+
+::::::::::::::::::::::::::::::::::::::::::::::::::
+
+:::::::::::::::::::::::::::::::::::::::::  callout
+
+## Tip: ProjectTemplate - una posible solución
+
+Una manera de automatizar la gestión de un proyecto es instalar el paquete `ProjectTemplate`.
+Este paquete configurará una estructura de directorios ideal para la gestión de proyectos.
+Esto es muy útil ya que te permite tener tu **pipeline/workflow** de análisis organizado y estructurado.
+Junto con la funcionalidad predeterminada del proyecto RStudio y Git, podrás realizar el seguimiento de tu
+trabajo y compartirlo con colaboradores.
+
+1. Instala `ProjectTemplate`.
+2. Carga la librería.
+3. Inicializa el proyecto:
+
+
+``` r
+install.packages("ProjectTemplate")
+library("ProjectTemplate")
+create.project("../my_project", merge.strategy = "allow.non.conflict")
+```
+
+Para más información de ProjectTemplate y su functionalidad visita la
+página [ProjectTemplate](https://projecttemplate.net/index.html).
+
+
+::::::::::::::::::::::::::::::::::::::::::::::::::
+
+### Separar la definición de funciones y la aplicación
+
+Una de las maneras más efectivas de trabajar con R es comenzar escribiendo el código que deseas que se ejecute directamente en un **script** .R, y enseguida ejecutar las líneas seleccionadas (ya sea utilizando los atajos del teclado en RStudio o haciendo clic en el botón "Run") en la consola interactiva de R.
+
+Cuando tu proyecto se encuentra en sus primeras etapas, el archivo **script** inicial .R generalmente contendrá muchas líneas de código ejecutadas directamente. Conforme vaya madurando, fragmentos reutilizables podrán ser llevados a sus
+propias funciones. Es buena idea separar estas funciones en dos carpetas separadas; una
+para guardar funciones útiles que reutilizarás a través del análisis y proyectos, y
+una para guardar los **scripts** de análisis.
+
+:::::::::::::::::::::::::::::::::::::::::  callout
+
+## Tip: Evitando la duplicación
+
+Puedes encontrarte utilizando datos o **scripts** de análisis a través de varios proyectos.
+Normalmente, deseas evitar la duplicación para ahorrar espacio y evitar
+actualizar el código en múltiples lugares.
+
+En este caso, es útil hacer "links simbólicos", los cuales son esencialmente
+accesos directos a archivos en otro lugar en un sistema de archivos. En Linux y OS X puedes
+utilizar el comando `ln -s`, y en Windows crear un acceso directo o
+utilizar el comando `mklink` desde la terminal de Windows.
+
+
+::::::::::::::::::::::::::::::::::::::::::::::::::
+
+### Guardar los datos en el directorio de datos
+
+Ahora que tenemos una buena estructura de directorios colocaremos/guardaremos los archivos de datos en el directorio `data/`.
+
+:::::::::::::::::::::::::::::::::::::::  challenge
+
+## Desafío 1
+
+Descargar los datos gapminder de [aquí](https://raw.githubusercontent.com/resbaz/r-novice-gapminder-files/master/data/gapminder-FiveYearData.csv).
+
+1. Descargar el archivo (CTRL + S, clic botón derecho del ratón -> "Guardar como...", o Archivo -> "Guardar página como...")
+2. Asegúrate de que esté guardado con el nombre `gapminder-FiveYearData.csv`
+3. Guardar el archivo en la carpeta `data/` dentro de tu proyecto.
+
+Más delante cargaremos e inspeccionaremos estos datos.
+
+
+::::::::::::::::::::::::::::::::::::::::::::::::::
+
+:::::::::::::::::::::::::::::::::::::::  challenge
+
+## Desafío 2
+
+Es útil tener una idea general sobre el **dataset**, directamente desde la
+línea de comandos, antes de cargarlo en R. Comprender mejor el **dataset**
+será útil al tomar decisiones sobre cómo cargarlo en R. Utiliza la terminal de
+línea de comandos para contestar las siguientes preguntas:
+
+1. ¿Cuál es el tamaño del archivo?
+2. ¿Cuántas líneas de datos contiene?
+3. ¿Cuáles tipos de valores están almacenados en este archivo?
+
+:::::::::::::::  solution
+
+## Solución al desafío 2
+
+Al ejecutar estos comandos en la terminal:
+
+
+``` sh
+ls -lh data/gapminder-FiveYearData.csv
+```
+
+``` output
+-rw-r--r-- 1 runner runner 80K Nov 11 00:47 data/gapminder-FiveYearData.csv
+```
+
+El tamaño del archivo es 80K.
+
+
+``` sh
+wc -l data/gapminder-FiveYearData.csv
+```
+
+``` output
+1705 data/gapminder-FiveYearData.csv
+```
+
+Hay 1705 líneas. Los datos se ven así:
+
+
+``` sh
+head data/gapminder-FiveYearData.csv
+```
+
+``` output
+country,year,pop,continent,lifeExp,gdpPercap
+Afghanistan,1952,8425333,Asia,28.801,779.4453145
+Afghanistan,1957,9240934,Asia,30.332,820.8530296
+Afghanistan,1962,10267083,Asia,31.997,853.10071
+Afghanistan,1967,11537966,Asia,34.02,836.1971382
+Afghanistan,1972,13079460,Asia,36.088,739.9811058
+Afghanistan,1977,14880372,Asia,38.438,786.11336
+Afghanistan,1982,12881816,Asia,39.854,978.0114388
+Afghanistan,1987,13867957,Asia,40.822,852.3959448
+Afghanistan,1992,16317921,Asia,41.674,649.3413952
+```
+
+:::::::::::::::::::::::::
+
+::::::::::::::::::::::::::::::::::::::::::::::::::
+
+:::::::::::::::::::::::::::::::::::::::::  callout
+
+## Tip: Línea de comandos en R Studio
+
+Puedes abrir rápidamente una terminal en RStudio usando la opción del menú  **Tools -> Shell...**.
+
+
+::::::::::::::::::::::::::::::::::::::::::::::::::
+
+### Control de versiones
+
+Es importante llevar a cabo el control de versiones en un proyecto. Ve [aquí](https://swcarpentry.github.io/git-novice-es/14-supplemental-rstudio/) para una buena lección donde se describe el uso de Git con R Studio.
+
+
+
+:::::::::::::::::::::::::::::::::::::::: keypoints
+
+- Usar RStudio para crear y gestionar proyectos con un diseño consistente.
+- Tratar los datos brutos como de sólo lectura.
+- Tratar la salida generada como disponible.
+- Definición y aplicación de funciones separadas.
+
+::::::::::::::::::::::::::::::::::::::::::::::::::
+
+