Jose M Sallan

🎯 [TIP de R - PAQUETE 📦 ] ¿Querés filtrar datos de forma más eficiente en R? {dplyr} lanzó su nueva versión 1.2.0 y te trae nuevas funciones para filtrar y recodificar datos. dplyr 1.2.0 agrega la función `filter_out()` que es el complemento perfecto de `filter()`. Mientras `filter()` te permite seleccionar filas que cumplan una condición, `filter_out()` te deja excluir las filas que no querés. ¡Perfecto para limpiar datasets complejos! También incorpora `when_any()` y `when_all()`, funciones hermanas de `case_when()` para hacer recoding más avanzado. `recode_values()`, `replace_values()` y `replace_when()` completan este set de herramientas poderosas para transformar tus datos. ✔️ Beneficios: ✔️ Filtrá datos más eficientemente: `filter_out()` hace que la limpieza de datos sea más simple y directa. ✔️ Recodificá valores de forma avanzada: la familia `when_*()` y `recode_*()` te dan más control sobre transformaciones complejas. ✔️ Trabajás con el estándar del ecosistema tidyverse. 🔥 Tip: Mirá la documentación y ejemplos de estas nuevas funciones para aprovecharlas al máximo en tus proyectos. ↪ tidyverse.org/blog/2026/02/d… ¿Ya conocías estas funcionalidades de dplyr? ¡Contame qué te parecen! #RStats #RStatsES #Rtips #DataScience

[RECURSOS 📖] - ¡Gran compendio gran! Hoy te dejamos un hilo con un kit de recursos para entrar y perfeccionarte en el mundo de R, todos de acceso libre y gratuito. Abrís Google o ChatGPT, buscás "aprender R" o probás miles de prompts y aparecen 847 recursos diferentes. Tutoriales desactualizados, libros a medio camino, paquetes que ya no existen, paso a paso descontextualizados de lo que vos necesitas... La parálisis por exceso de opciones es real. Por eso armamos esta guía curada con los recursos que realmente valen la pena. Probados en la vida real por la comunidad de R 📚 🛠️ SI ESTÁS ARRANCANDO DE CERO 📌R para Ciencia de Datos (Hadley Wickham) El clásico. Flujo completo: importar → transformar → visualizar → comunicar ↪ es.r4ds.hadley.nz/ 📌 Ciencia de Datos para Gente Sociable (Antonio Vazquez Brust) Para quienes sienten que la programación es algo de otro planeta ↪ bitsandbricks.github.io/cien… 📌Fundamentos de ciencia de datos con R (Gema Fernández-Avilés Calderón) Compendio super completo para el Análisis estadístico con enfoque académico riguroso, ¡con paquete incluído! ↪ cdr-book.github.io/ 🧮 Si estás pensando en visualización de datos, no podés no pasar por alguno de estos: 📌 Fundamentals of Data Visualization (Claus Wilke) Cómo contar historias con tus datos visualmente ↪ clauswilke.com/dataviz/ 📌R Graphics Cookbook (Winston Chang) +150 recetas copy-paste para resolver problemas concretos ↪ r-graphics.org/ 📝 Si estas pensando en comunicar tus análisis, la cosa es por acá: 📌 Awesome Quarto (Mickaël CANOUIL) La colección más completa sobre la herramienta del momento ↪ github.com/mcanouil/awesome-… 📌 R Markdown Cookbook (Yihui Xie) Ejemplos prácticos para documentos reproducibles. A pesar de todo, Rmarkdown sigue siendo una opción muy sólida para armar reportes. ↪ bookdown.org/yihui/rmarkdown… 📌 A gRadual intRoduction to Shiny (Ted Laderas) Crear dashboards interactivos sin morir en el intento ↪ laderast.github.io/gradual_s… 🗺️ SI TRABAJÁS CON DATOS GEOGRÁFICOS 📌 Geocomputation with R (Robin Lovelace) La biblia del análisis espacial con R ↪ r.geocompx.org/ 📌 Spatial Statistics for Data Science (Paula Moraga) Métodos estadísticos espaciales paso a paso ↪ paulamoraga.com/book-spatial… 💡 Bonus: La mayoría en español o con traducciones de la comunidad. ¿Conoces algún otro recurso que consideres haya que incluir en la lista? Dejalo en comentarios, así armamos entre todos la guía definitiva 👇 #RStats #RStatsES #AprendizajeR #CienciaDeDatos #DataScience #ProgramaciónEnR