print("Hola, R")
2 + 2

# Esto es un comentario: R lo ignora. Sirve para explicar tu código.
?mean   # abre la ayuda de la función mean (promedio)

5 + 3        # suma
9 / 2        # división
2 ^ 3        # potencia (2 al cubo)
10 %% 3      # resto de la división
10 %/% 3     # división entera
sqrt(16)     # raíz cuadrada
round(3.14159, 2)   # redondear a 2 decimales

nombre <- "Ana"
class(precio_menu)
class(nombre)
class(TRUE)
class(5L)

5 > 3               # mayor que
5 == 5              # igual (¡dos signos =!)
5 != 4              # distinto
(7 > 3) & (2 > 5)   # Y: las dos deben cumplirse
(7 > 3) | (2 > 5)   # O: basta con una

length(notas)   # cuántos hay
mean(notas)     # promedio
sum(notas)      # suma
max(notas)      # máximo
min(notas)      # mínimo

notas + 1               # bono de 1 punto a todos
notas >= 11             # ¿quién aprobó?
notas[notas >= 11]      # solo las notas aprobatorias
sum(notas >= 11)        # cuántos aprobaron

1:5                  # del 1 al 5
seq(0, 20, by = 5)   # de 0 a 20 de 5 en 5
rep("A", 3)          # repetir

seccion <- factor(c("A", "B", "A", "A", "B"))
levels(seccion)   # categorías posibles
table(seccion)    # cuántos hay en cada una

alumno <- list(nombre = "Ana", edad = 20, notas = c(14, 18))
alumno$nombre
alumno$notas

str(alumnos)      # estructura: columnas y sus tipos
nrow(alumnos)     # número de filas
ncol(alumnos)     # número de columnas
names(alumnos)    # nombres de columnas
summary(alumnos$nota)

alumnos$nota              # una columna (como vector)
alumnos[3, ]              # fila 3, todas las columnas
alumnos[3, "nota"]        # fila 3, columna nota

# ¿Quiénes aprobaron?
alumnos[alumnos$nota >= 11, ]

# Nombre y nota de la sección A
alumnos[alumnos$seccion == "A", c("nombre", "nota")]

alumnos$aprobado <- alumnos$nota >= 11       # nueva columna TRUE/FALSE
alumnos[order(-alumnos$nota), c("nombre", "nota")]   # de mayor a menor

nota <- 13
if (nota >= 11) {
  print("Aprobado")
} else {
  print("Desaprobado")
}

alumnos$estado <- ifelse(alumnos$nota >= 11, "Aprobado", "Desaprobado")
alumnos[, c("nombre", "nota", "estado")]

for (i in 1:3) {
  print(paste("Vuelta número", i))
}

for (n in alumnos$nombre[1:3]) {
  print(paste("Hola,", n))
}

con_igv <- function(precio, tasa = 0.18) {
  precio * (1 + tasa)
}
con_igv(100)          # usa la tasa por defecto (18%)
con_igv(100, 0.10)    # cambia la tasa a 10%

install.packages("dplyr")     # UNA sola vez, con comillas
install.packages("ggplot2")   # UNA sola vez
library(dplyr)                # cada vez que abres RStudio, sin comillas
library(ggplot2)

write.csv(ventas, "ventas.csv", row.names = FALSE)   # guardar
ventas <- read.csv("ventas.csv")                     # leer

# Excel: install.packages("readxl"); library(readxl)
# datos <- read_excel("ventas.xlsx")

ventas |>
  filter(tienda == "Lima") |>
  head(3)

ventas |>
  select(producto, precio) |>
  head(3)

ventas <- ventas |>
  mutate(total = precio * cantidad)   # nueva columna

ventas |>
  arrange(desc(total)) |>              # desc() = de mayor a menor
  head(3)

ventas |>
  group_by(tienda) |>
  summarise(n_ventas = n(),
            ingreso  = sum(total),
            promedio = mean(total))

# ¿Qué producto genera más ingreso cuando hay promoción?
ventas |>
  filter(promo == "Si") |>
  group_by(producto) |>
  summarise(ingreso = sum(total)) |>
  arrange(desc(ingreso))

# Atajo para contar combinaciones
ventas |> count(tienda, promo)

resumen <- ventas |>
  group_by(tienda) |>
  summarise(ingreso = sum(total))

ggplot(resumen, aes(x = tienda, y = ingreso)) +
  geom_col(fill = "#276dc3") +
  labs(title = "Ingreso total por tienda", x = "Tienda", y = "Soles") +
  theme_minimal()

ggplot(ventas, aes(x = total)) +
  geom_histogram(bins = 12, fill = "#276dc3", color = "white") +
  labs(title = "¿Cuánto se vende por ticket?", x = "Total (S/)", y = "Frecuencia") +
  theme_minimal()

ggplot(ventas, aes(x = promo, y = cantidad, fill = promo)) +
  geom_boxplot() +
  labs(title = "Unidades vendidas con y sin promoción",
       x = "¿Hubo promo?", y = "Unidades") +
  theme_minimal() +
  theme(legend.position = "none")

ggsave("grafico_tiendas.png", width = 7, height = 5)   # guarda el último gráfico

mean(estudio$nota)      # media (promedio)
median(estudio$nota)    # mediana (el valor del medio)
sd(estudio$nota)        # desviación estándar (cuánto varían)
quantile(estudio$nota)  # cuartiles

v <- c(15, NA, 12, 18)
mean(v)                  # ¡da NA!
mean(v, na.rm = TRUE)    # ignora los NA
is.na(v)                 # ¿dónde hay NA?
sum(is.na(v))            # cuántos NA hay

cor(estudio$horas, estudio$nota)

t.test(cantidad ~ promo, data = ventas)

modelo <- lm(nota ~ horas, data = estudio)
summary(modelo)

# ¿Qué nota se espera con 8 horas de estudio?
predict(modelo, newdata = data.frame(horas = 8))

ggplot(estudio, aes(x = horas, y = nota)) +
  geom_point(color = "#276dc3", size = 2.5) +
  geom_smooth(method = "lm", color = "#e0633a") +
  labs(title = "Más horas de estudio, mejor nota",
       x = "Horas de estudio", y = "Nota") +
  theme_minimal()