8  Análisis de datos

8.1 El paquete DataFrames.jl

El principal paquete para análisis de datos es DataFrames.jl que proporciona herramientas para trabajar con conjuntos de datos en formato de tabla de forma similar a pandas en Python o data.frames y dplyr en R.

En conjunción con este paquete es frecuente utilizar también alguno de los siguientes paquetes:

• FreqTables.jl. Funciones para la construcción de tablas de frecuencias.
• Statistics.jl. Funciones para los principales estadísticos descriptivos.
• HypothesisTests.jl Funciones para los contrastes de hipótesis paramétricos y no paramétricos más comunes.
• GLM.jl. Funciones para modelos lineales generales.
• MultivariateStats.jl. Funciones para análisis multivariante.
• MLJ.jl. Funciones para los principales algoritmos de aprendizaje automático.

8.1.1 Creación de DataFrames

Para crear un DataFrame su utiliza la siguiente función:

• DataFrame(x1=v1, x2=v2, ...): Devuelve el DataFrame que formado por las columnas de los vectores v1, v2, etc, con los nombres x1, x2, etc, respectivamente.

using DataFrames

julia> df = DataFrame(Nombre = ["María", "Luis", "Carmen"], Edad = [22, 18, 20])
3×2 DataFrame
 Row │ Nombre  Edad  
     │ String  Int64 
─────┼───────────────
   1 │ María      22
   2 │ Luis       18
   3 │ Carmen     20

8.1.2 Creación de DataFrames desde una url

Para crear una DataFrame a partir de un fichero csv en la nube, se utiliza la siguiente función del paquete CSV.jl:

• CSV.read(download(url), DataFrame): Devuelve el DataFrame que resulta de importar el fichero csv con la url url.

using DataFrames, CSV

julia> df = CSV.read(download("https://raw.githubusercontent.com/asalber/manual-python/master/datos/colesteroles.csv"), DataFrame)
14×6 DataFrame
 Row │ nombre                           edad   sexo     peso     altura   colesterol 
     │ String                           Int64  String1  Int64?   String7  Int64?     
─────┼───────────────────────────────────────────────────────────────────────────────
   1 │ José Luis Martínez Izquierdo        18  H             85  1,79            182
   2 │ Rosa Díaz Díaz                      32  M             65  1,73            232
   3 │ Javier García Sánchez               24  H        missing  1,81            191
   4 │ Carmen López Pinzón                 35  M             65  1,70            200
   5 │ Marisa López Collado                46  M             51  1,58            148
   6 │ Antonio Ruiz Cruz                   68  H             66  1,74            249
   7 │ Antonio Fernández Ocaña             51  H             62  1,72            276
   8 │ Pilar Martín González               22  M             60  1,66        missing 
   9 │ Pedro Gálvez Tenorio                35  H             90  1,94            241
  10 │ Santiago Reillo Manzano             46  H             75  1,85            280
  11 │ Macarena Álvarez Luna               53  M             55  1,62            262
  12 │ José María de la Guía Sanz          58  H             78  1,87            198
  13 │ Miguel Angel Cuadrado Gutiérrez     27  H            109  1,98            210
  14 │ Carolina Rubio Moreno               20  M             61  1,77            194