• Código, datos (Crudos) y texto entrelazados
• en R: Rmarkdown (Rmd)

• Como “Google Drive” o “Dropbox” para código
• Control de cambios (Podemos volver a cualquier versión anterior)
• En base a codigo (idealmente), pero hay GUIs
• Cada proyecto es un repositorio

• Crearse cuenta en github.com
• Crear repositorio en github

• Creamos un proyecto nuevo

• Git add: Agregar a los archivos que vas a guardar
• Git commit: Guardar en el repositorio local (Mi computador)
• Git push: Guardar en el repositorio remoto (En la nube)
• Otros como git merge, git pull, git clone, etc

• Sumar un archivo al repositorio
• ¿Cuando no hacerlo?
  • Limite de un archivo de 100 Mb
  • Límite de un repositorio de un Gb

• Con esto dices quiero guardar mis cambios en mi disco duro
• Se guarda en tu repositorio local (Tu computador)

• Debe ser relevante (ejemplo, no poner Version final ahora si)
• Si te equivocas puedes restablecer a cualquier commit anterior (si sabes cual es)

• Con esto subes tu commit a la nube (queda respaldado)

git config --global user.name "derek-corcoran-barrios"
git config --global user.email "derek-corcoran-barrios@gmail.com"

• Si estas en windows instala git
• Si estas en mac
• Si estas en linux

sudo apt-get update
sudo apt-get install git

1. Una carpeta
   • Datos crudos (csv, xls, html, json)
   • Codigo y texto (Rmd, Rpres, shiny)
   • Resultados (Manuscrito, Pagina Web, App)

• Hasta ahora hemos usado data (sólo para bases incorporadas en R)
• Dede hoy usaremos read_csv (Para csv, para otros archivos hay otras funciones)

plants <- readr::read_csv("https://raw.githubusercontent.com/rfordatascience/tidytuesday/master/data/2020/2020-08-18/plants.csv")
actions <- readr::read_csv("https://raw.githubusercontent.com/rfordatascience/tidytuesday/master/data/2020/2020-08-18/actions.csv")
threats <- readr::read_csv("https://raw.githubusercontent.com/rfordatascience/tidytuesday/master/data/2020/2020-08-18/threats.csv")

link

# Titulo

## subtitulo

*cursiva*

**negrita**

[link](https://stackoverflow.com/users/3808018/derek-corcoran)

knitr::include_graphics("Chunk.png")

• echo = T o F muestro o no codigo
• message = T o F muestra mensajes de paquetes
• warning = T o F muestra advertencias
• eval = T o F evaluar o no el código
• cache = T o F guarda o no el resultado
• Para más opciones ver este link

Inline

• Código entrelazado en el texto
• Para actualizar medias, máximos, mínimos
• Valores de p, diferencias estadísticas
• Pueden ser vectores, no tablas.

Pueden copiar el codigo de el siguiente link, copiarlo en un archivo rmd, apretar knit y debieran ver algo como esto:

Terremotos

• kable parte de knitr, tabla igual a lo ingresado
• KableExtra lo mejora

data("msleep")
Tabla <- msleep %>% group_by(vore) %>% summarise_at("sleep_total", 
    .funs = list(Mean = mean, SD = sd)) %>% arrange(desc(Mean))

kable(Tabla)

kable(Tabla, digits = 2)

kable(Tabla, digits = 2) %>% kable_styling(bootstrap_options = c("striped", 
    "hover", "condensed"))

kable(Tabla, digits = 2) %>% kable_styling(bootstrap_options = c("striped", 
    "hover", "condensed"), full_width = F)

msleep_long <- msleep %>% dplyr::select(name, vore, 
    sleep_total, brainwt)

kable(msleep_long, digits = 2, caption = "La base de datos entera") %>% 
    kable_styling(bootstrap_options = c("striped", 
        "hover", "condensed"), full_width = F) %>% 
    scroll_box(width = "800px", height = "200px")

Tabla

• Hagan un Rmd con datos para el reporte de felicidad
• Traten de aplicar todo lo que aprendimos hoy
  • Crear un github
  • generar un Rmd
  • Usar chunks e inline code
  • Hacer tablas resumen

World_20Happiness_20Report <- read_csv("https://raw.githubusercontent.com/PhilippeCodes/World-Happiness-Report-Data-Analysis/master/World%20Happiness%20Report.csv")