Capítulo13 Script
Fecha de la última revisión
## [1] "2026-09-09"El tema proviene de los siguientes sitios.
English: https://r4ds.had.co.nz/workflow-scripts.html
Español: https://es.r4ds.hadley.nz/06-workflow-scripts.html
13.1 Temas
- La consola y el script: para qué sirve cada uno
- Ejecutando códigos desde el script
- El proyecto de RStudio y el directorio de trabajo
- Diagnóstico de RStudio
source(): correr un script completo- Empezar de cero: reiniciar R
- Cómo se escribe un script que se entiende meses después
13.3 La consola y el script: dos lugares distintos
Todo lo que hacemos en R se puede escribir en dos sitios. La consola es el lugar donde R contesta de inmediato: uno escribe, presiona Enter, y la respuesta aparece abajo. Es cómoda para probar una idea suelta, para ver cuántas filas tiene una tabla o para recordar cómo se llamaba un argumento. Lo que se escribe allí, sin embargo, se pierde: al cerrar RStudio no queda ningún registro ordenado de lo que se hizo ni en qué orden se hizo.
El script es un archivo de texto con extensión .R que guarda las órdenes en
el orden en que hay que ejecutarlas. Ese archivo es el verdadero producto del
trabajo. Un análisis no es el número que salió en la pantalla; es el script que
permite volver a producir ese número mañana, en otra computadora, o cuando un
revisor pregunte cómo se calculó un promedio. La regla práctica es corta: lo
que se prueba va en la consola, lo que funciona va en el script.
Por eso el script se guarda temprano y se guarda seguido. Un script sin guardar es exactamente igual de frágil que la consola.
No copies y pegues en la consola: coloca el cursor en la línea (o selecciona varias) y ejecútala con Cmd/Ctrl+Enter directamente desde el script.
Copiar y pegar parece más rápido, pero rompe justamente lo que hace útil al script: la línea que ejecutaste y la línea que quedó guardada dejan de ser la misma. Al ejecutar desde el script siempre corre lo que está escrito, y lo que está escrito es lo que otra persona (o tú, en dos meses) va a leer.
13.4 Ejecutando códigos desde el script
Vale la pena aprender de memoria estos atajos: son los que más se usan en todo el curso.
| Atajo | Qué hace |
|---|---|
| Cmd/Ctrl + Enter | Ejecuta la línea donde está el cursor, o la selección, y pasa a la siguiente |
| Cmd/Ctrl + Shift + Enter | Ejecuta el script completo |
| Cmd/Ctrl + S | Guarda el script |
| Cmd/Ctrl + Shift + S | Ejecuta el archivo con source() |
| Alt/Option + - | Escribe el operador de asignación <- |
| Cmd/Ctrl + Shift + M | Escribe el pipe %>% |
| Tab | Completa nombres de funciones, de objetos y de columnas |
La tecla Tab no es solo para escribir menos: es la forma más rápida de evitar erratas. Si el nombre no aparece al presionar Tab, casi siempre significa que el objeto todavía no existe o que el paquete no está activado.
13.5 El directorio de trabajo y los proyectos de RStudio
R siempre está “parado” en una carpeta, que se llama el directorio de
trabajo. Cuando escribes read_csv("datos.csv") sin más, R busca ese archivo
ahí y en ningún otro sitio. La mayoría de los errores de “no encuentro el
archivo” no son errores de código: son errores de ubicación.
getwd(), setwd() y list.files() (base R): saber y cambiar dónde está parado R.
getwd(): devuelve la carpeta en la que R está trabajando ahora mismo.list.files(): enseña los archivos que R ve desde esa carpeta.setwd("ruta"): cambia la carpeta de trabajo. Úsala lo menos posible, porque una ruta como"/Users/tu_nombre/Escritorio"solo existe en tu computadora.
La solución no es escribir setwd() al principio de cada script, sino trabajar
dentro de un Proyecto de RStudio (File > New Project). Un proyecto crea un
archivo .Rproj en una carpeta y, cada vez que lo abres, R queda parado ahí
automáticamente. A partir de ese momento las rutas se escriben relativas al
proyecto, por ejemplo "Datos/mi_archivo.csv", y el script funciona igual en tu
computadora, en la de un compañero y en la de un revisor.
Un script que empieza con setwd("/Users/raymond/Documentos/clase") está roto
para todo el mundo menos para quien lo escribió. Es la razón más común por la
que un análisis “no corre” al enviárselo a otra persona.
13.6 Diagnóstico de RStudio
Mientras escribes, RStudio revisa el código y coloca un símbolo pequeño en el margen izquierdo del script:
- una x roja avisa de un error de sintaxis: falta un paréntesis, falta una coma, sobra un signo;
- un triángulo amarillo avisa de algo sospechoso pero legal, por ejemplo una variable que creaste y nunca usaste;
- una i azul ofrece una sugerencia de estilo.
Si pasas el cursor por encima del símbolo, RStudio explica qué encontró. Vale la pena atender el margen antes de ejecutar: es mucho más barato arreglar un paréntesis que perseguir un error en la consola.
Otra ayuda del mismo tipo: si en la consola aparece un + en lugar del >, R
no está trabado, está esperando que termines algo (falta cerrar un paréntesis o
una comilla). Presiona Esc y vuelve a empezar la línea.
13.7 source(): correr un script completo
source() (base R): ejecuta un archivo .R completo, de arriba hacia abajo, como si hubieras corrido todas sus líneas una por una.
- Uso típico:
source("funciones_del_curso.R")al principio de un análisis, para cargar funciones que escribiste en otro archivo. echo = TRUE: además de ejecutar, muestra en la consola cada línea que va corriendo.- Para qué sirve: separar el código que hace algo del código que lo usa, y no repetir la misma función en cinco scripts distintos.
13.8 Empezar de cero: reiniciar R
La prueba de fuego de un script es esta: reiniciar R y correrlo entero de arriba hacia abajo. En RStudio se hace con Session > Restart R. Si después de reiniciar el script se cae, es que dependía de algún objeto que estaba en la memoria pero que nadie creó dentro del archivo, y por lo tanto el análisis no es reproducible.
Entra a Tools > Global Options > General y deja “Restore .RData into workspace at startup” sin marcar, y “Save workspace to .RData on exit” en Never. Así R arranca siempre limpio y los problemas aparecen enseguida, no el día antes de entregar.
13.9 Cómo se escribe un script que se entiende
Un script se lee muchas más veces de las que se escribe, casi siempre por la misma persona que lo escribió y que ya no se acuerda de nada. Cuatro costumbres resuelven casi todo:
- Todos los
library()al principio. Quien abra el archivo sabe en la primera pantalla qué paquetes necesita instalar. - Nombres que se entienden solos.
promedio_autopistadice lo que contiene;x2no dice nada. Sin espacios, sin acentos y sin eñes en los nombres de objetos, para que no fallen en otras computadoras. - Comentarios que explican el porqué, no el qué.
# se eliminan los vuelos cancelados porque no tienen atraso medidosirve;# filtrarno aporta nada que el código no diga ya. - Secciones con títulos. Si terminas un comentario con cuatro guiones o más, RStudio lo convierte en una sección navegable:
# Paquetes y datos ------------------------------------------------
# Limpieza ---------------------------------------------------------
# Análisis ---------------------------------------------------------El menú desplegable al pie del editor (o Cmd/Ctrl + Shift + O) muestra entonces el esquema completo del script y permite saltar de una sección a otra.
La idea de guardar las órdenes en un archivo aparte, en lugar de escribirlas una
por una, viene del lenguaje S, desarrollado en los Laboratorios Bell a partir
de 1976 por John M. Chambers y sus colegas; de ahí hereda R la función
source(). El entorno RStudio, que puso el script y la consola en la misma
pantalla, fue publicado en 2011 por la compañía fundada por J. J. Allaire,
que desde 2022 se llama Posit.
13.10 Un ejemplo completo
El bloque siguiente es un script en miniatura: activa los paquetes, mira los nombres de las columnas, quita los vuelos cancelados y calcula un promedio. Cada paso deja un objeto con nombre, así que se puede revisar por partes.
## [1] "anio" "mes" "dia"
## [4] "horario_salida" "salida_programada" "atraso_salida"
## [7] "horario_llegada" "llegada_programada" "atraso_llegada"
## [10] "aerolinea" "vuelo" "codigo_cola"
## [13] "origen" "destino" "tiempo_vuelo"
## [16] "distancia" "hora" "minuto"
## [19] "fecha_hora"## # A tibble: 6 × 19
## anio mes dia horario_salida salida_programada atraso_salida
## <int> <int> <int> <int> <int> <dbl>
## 1 2013 1 1 517 515 2
## 2 2013 1 1 533 529 4
## 3 2013 1 1 542 540 2
## 4 2013 1 1 544 545 -1
## 5 2013 1 1 554 600 -6
## 6 2013 1 1 554 558 -4
## # ℹ 13 more variables: horario_llegada <int>, llegada_programada <int>,
## # atraso_llegada <dbl>, aerolinea <chr>, vuelo <int>, codigo_cola <chr>,
## # origen <chr>, destino <chr>, tiempo_vuelo <dbl>, distancia <dbl>,
## # hora <dbl>, minuto <dbl>, fecha_hora <dttm>## # A tibble: 365 × 4
## # Groups: anio, mes [12]
## anio mes dia media
## <int> <int> <int> <dbl>
## 1 2013 1 1 11.4
## 2 2013 1 2 13.7
## 3 2013 1 3 10.9
## 4 2013 1 4 8.97
## 5 2013 1 5 5.73
## 6 2013 1 6 7.15
## 7 2013 1 7 5.42
## 8 2013 1 8 2.56
## 9 2013 1 9 2.30
## 10 2013 1 10 2.84
## # ℹ 355 more rows13.12 Ejercicios del capítulo
Sobre los ejercicios de este capítulo. Cada ejercicio se entrega con tres
cosas: el script, el resultado (que el bloque corra) y una explicación
en palabras. Los ejercicios usan millas del paquete datos, no vuelos.
Este capítulo trata de la forma de trabajar, así que hay menos ejercicios que en
otros, pero cada uno hay que hacerlo de verdad en RStudio, no solo leerlo. La
hoja completa para entregar está en Ejercicios/Ejercicios_Capitulo_13_scripts.Rmd.
13.12.1 Ejercicio 1. ¿Dónde está parada tu sesión?
Corre getwd() y list.files() en tu documento.
Verificación: entre los nombres que devuelve list.files() debe aparecer el
de tu propio archivo .Rmd.
En palabras: si el archivo datos.csv estuviera en tu Escritorio y
escribieras read_csv("datos.csv"), ¿lo encontraría R? Explica por qué sí o por
qué no, usando lo que te devolvió getwd().
13.12.2 Ejercicio 2. De la consola al script
Datos: millas. Construye una tabla con el consumo promedio en autopista para
cada clase, ordenada de mayor a menor. Prueba en la consola hasta que salga, y
pega solo las líneas que funcionaron.
Verificación: tu tabla debe tener 7 filas, una por clase, y pickup debe
quedar en el último lugar.
En palabras: ¿por qué el resultado de pickup tiene sentido?
13.12.3 Ejercicio 3. Tu propio archivo de funciones
Crea, en la misma carpeta de tu documento, un archivo llamado
funciones_millas.R que contenga una sola función llamada
resumen_clase(), que reciba una tabla y devuelva el promedio de autopista
por clase. Luego, en el bloque de abajo, cárgala con source() y úsala con
millas.
Verificación: después del source(), exists("resumen_clase") debe devolver
TRUE, y el resultado debe ser el mismo del Ejercicio 2.
En palabras: ¿qué ganas al tener la función en su propio archivo en lugar de copiarla en cada análisis?
13.12.4 Ejercicio 4. Un script que se entiende
Este código funciona, pero está escrito de manera que nadie lo entiende:
x=millas
y=x[x$anio==2008,]
z=mean(y$ciudad)
z
Reescríbelo con nombres claros, con el operador <-, en estilo tidyverse
(filter() y summarise()), y añade dos comentarios que expliquen por qué
se hace cada paso.
Verificación: tu versión debe dar exactamente el mismo número que la versión fea.
En palabras: de todos los cambios que hiciste, ¿cuál ayuda más a alguien que lea el script dentro de seis meses?
13.12.5 Ejercicio 5. La prueba de la sesión limpia
Reinicia R (Session > Restart R) y ejecuta tu documento completo con Knit, desde la primera línea.
Verificación: el documento tiene que compilar sin errores desde una sesión recién reiniciada.
En palabras: si se cayó, ¿en qué línea fue y qué faltaba? Si compiló a la primera, explica qué costumbre tuya lo hizo posible.