• Descarguemos la siguiente base de datos:

download.file("https://github.com/derek-corcoran-barrios/TH_Data/blob/master/T&H.zip?raw=true", 
    "Botones.zip")
unzip("Botones.zip")

## [1] TRUE

• Tomemos estas bases de datos de temperatura y humedad relativa
• Leeamos la temperatura del sitio H1F102
• Para cada día tomemos las temperaturas promedio, máxima y mínima para cada día
• Agreguemos una columna con el año y una con el mes
• Agreguemos una columna con el nombre del sitio

• Leemos los datos

library(tidyverse)
library(lubridate)
H1F102Tem <- read_csv("T&H/H1F102Tem.csv")

• Tranfromemos la columna Date/Time en una de día para poder promediar por día y saquemos variables innecesarias

H1F102Tem <- H1F102Tem %>% mutate(DateH = lubridate::dmy_hm(`Date/Time`), Date = date(DateH)) %>% 
    dplyr::select(-`Date/Time`, -Unit, -a)

• Agreguemos aparte el mes, el año y el nombre de la estación

H1F102Tem <- H1F102Tem %>% mutate(Year = lubridate::year(Date), Month = lubridate::month(Date), 
    Name = "H1F102")

• Agrupamos sacamos el promedio por día

H1F102Tem <- H1F102Tem %>% group_by(Date, Month, Year, Name) %>% summarise_at(.vars = "Value", 
    list(Mean = mean, Min = min, Max = max))

• para cada elemento de .x, has .f
• .x = puede ser un vector o lista
• .f = usualmente una función
• Siempre entrega una lista

library(purrr)
x <- c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)
map(.x = x, .f = sqrt)

## [[1]]
## [1] 1
## 
## [[2]]
## [1] 1.414214
## 
## [[3]]
## [1] 1.732051
## 
## [[4]]
## [1] 2
## 
## [[5]]
## [1] 2.236068
## 
## [[6]]
## [1] 2.44949
## 
## [[7]]
## [1] 2.645751
## 
## [[8]]
## [1] 2.828427
## 
## [[9]]
## [1] 3
## 
## [[10]]
## [1] 3.162278

H1F102Tem <- read_csv("T&H/H1F102Tem.csv") %>% mutate(DateH = lubridate::dmy_hm(`Date/Time`), 
    Date = date(DateH)) %>% dplyr::select(-`Date/Time`, -Unit, -a) %>% mutate(Year = lubridate::year(Date), 
    Month = lubridate::month(Date), Name = "H1F102") %>% group_by(Date, Month, Year, 
    Name) %>% summarise_at(.vars = "Value", list(Mean = mean, Min = min, Max = max))

• Vamos a la primera parte

H1F102Tem <- read_csv("T&H/H1F102Tem.csv")

• ¿Que queremos?

Temperaturas <- map(.x = Archivos, .f = read_csv)

• Necesitamos un vector o lista Archivos que contenga todos los archivos que vamos a leer

Archivos <- list.files("T&H", full.names = TRUE)
Archivos <- Archivos[str_detect(Archivos, "Tem")]

Temp <- map(Archivos, read_csv)

• Si le agregamos argumentos a una función agregamos un ~ antes de la función y un .x en vez de los datos

Temp <- map(Archivos, read_csv) %>% map(~mutate(.x, DateH = lubridate::dmy_hm(`Date/Time`), 
    Date = date(DateH)))

• Fijemonos en los 3 primeros archivos

• Tenemos una lista con 114 data frames
• Falta el nombre
• Necesitamos guardarlo en uno
• funcion reduce de purrr

x <- c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)
map(.x = x, .f = sqrt)

x <- c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)
map(.x = x, .f = sqrt) %>% reduce(c)

##  [1] 1.000000 1.414214 1.732051 2.000000 2.236068 2.449490 2.645751 2.828427
##  [9] 3.000000 3.162278

• Para unir varios data frame bind_rows

Temp <- map(Archivos, read_csv) %>% map(~mutate(.x, DateH = lubridate::dmy_hms(`Date/Time`, 
    truncated = 1), Date = date(DateH))) %>% map(~dplyr::select(.x, -`Date/Time`, 
    -Unit, -a)) %>% map(~mutate(.x, Year = lubridate::year(Date), Month = lubridate::month(Date))) %>% 
    map(~group_by(.x, Date, Month, Year)) %>% map(~summarise_at(.x, .vars = "Value", 
    list(Mean = mean, Min = min, Max = max))) %>% reduce(bind_rows)