Principales operaciones aritméticas de Excel en R

Author

Cousteau Consultant Group

Published

January 27, 2024

Explora nuestros posts y nuestros cursos

Recuerda que tenemos diversos posts y dictamos cursos de programación, pesquerías, ecología, entre otros. Te invitamos a revisar la lista completa de nuestros posts en nuestra sección Posts y suscribirte a nuestras redes en Facebook y X para enterarte de nuestros cursos y de sus aperturas próximas.

Una de las tareas más comunes dentro del análisis de datos es el trabajo de variables numéricas, desde donde es usual necesitar extraer compendios, resúmenes o simplemente usarlas como inputs para el cálculo de otras variables y para esto se hace muy necesario conocer cómo trabajar con operaciones aritméticas. En Excel y R, esto se realiza a través de fórmulas y operadores, por lo que a continuación, veremos los principales grupos de operaciones disponibles en ambos sistemas:

Acerca de la información

Para este artículo, utilizaremos como ejemplo el archivo op_aritméticas.xlsx en donde contamos con varias hojas con datos que nos servirán a lo largo de los ejercicios. Para cargar nuestra tabla, usaremos las herramientas de los paquetes readxl y dplyr (puedes revisar los detalles en nuestro artículo ¿Cómo cargar (leer) una tabla de Excel en R?), por lo que el primer paso será cargar ambos:

require(readxl)
require(dplyr)

Abordaremos el tema a partir de 6 ejercicios:

Adición, sustracción, multiplicación y división

Para abordar las primeras 4 operaciones de la aritmética, usaremos la hoja valores de nuestro archivo. Como sabemos, la definición de una fórmula en Excel inicia con colocar el símbolo = o +. Luego, escribiremos los argumentos y los operadores correspondientes.

valores <- read_excel(path = "op_aritméticas.xlsx", 
                      sheet = "valores")

Adición

  • En Excel: Hay dos formas.

  • En R:

valores$a_mas_b <- valores$a + valores$b

valores$a_mas_b
 [1]  30.888  55.765 163.981 103.080 123.067 167.910 108.113 129.922 119.150
[10]  59.715

Sustracción:

  • En Excel:

  • En R:

valores$a_menos_b <- valores$a - valores$b

valores$a_menos_b
 [1]  26.888  25.765  19.981 -56.920 -20.933   7.910  16.113 -36.078  37.150
[10] -42.285

Multiplicación:

  • En Excel: Hay dos formas.

  • En R:

valores$a_por_b <- valores$a * valores$b

valores$a_por_b
 [1]   57.776  611.475 6622.632 1846.400 3676.824 7032.800 2857.198 3894.526
 [9] 3204.150  444.465

División

  • En Excel:

  • En R:

valores$a_entre_b <- valores$a / valores$b

valores$a_entre_b
 [1] 14.4440000  2.7176667  1.2775139  0.2885000  0.7092639  1.0988750
 [7]  1.3502826  0.5653253  1.9060976  0.1708824

Cociente de división

  • En Excel:

  • En R:

valores$cociente_a_entre_b <- valores$a %/% valores$b

valores$cociente_a_entre_b
 [1] 14  2  1  0  0  1  1  0  1  0

Residuo de división

  • En Excel:

  • En R:

valores$residuo_a_entre_b <- valores$a %% valores$b

valores$residuo_a_entre_b
 [1]  0.888 10.765 19.981 23.080 51.067  7.910 16.113 46.922 37.150  8.715

En Excel, una vez que hallamos calculado todo la la primera fila, podemos extender todos los cálculos seleccionando las filas calculadas y luego dando doble click sobre el pequeño cuadradito verde que aparece en la esquina inferior derecha de nuestra selección:

El resultado:

En R no es necesario realizar un procedimiento adicional, pues en cada proceso de asignación se ha ido guardando los resultados de cada operación, por lo que basta con mostrar la tabla:

print(valores)
# A tibble: 10 × 8
       a     b a_mas_b a_menos_b a_por_b a_entre_b cociente_a_entre_b
   <dbl> <dbl>   <dbl>     <dbl>   <dbl>     <dbl>              <dbl>
 1 28.9      2    30.9     26.9     57.8    14.4                   14
 2 40.8     15    55.8     25.8    611.      2.72                   2
 3 92.0     72   164.      20.0   6623.      1.28                   1
 4 23.1     80   103.     -56.9   1846.      0.288                  0
 5 51.1     72   123.     -20.9   3677.      0.709                  0
 6 87.9     80   168.       7.91  7033.      1.10                   1
 7 62.1     46   108.      16.1   2857.      1.35                   1
 8 46.9     83   130.     -36.1   3895.      0.565                  0
 9 78.2     41   119.      37.2   3204.      1.91                   1
10  8.72    51    59.7    -42.3    444.      0.171                  0
# ℹ 1 more variable: residuo_a_entre_b <dbl>

Exponenciales

Usaremos ahora la hoja exponenciales de nuestro archivo.

exponenciales <- read_excel(path = "op_aritméticas.xlsx", 
                            sheet = "exponenciales")

Valor al cuadrado

  • En Excel:

  • En R:

exponenciales$valor_al_2 <- exponenciales$valor ^ 2

exponenciales$valor_al_2
 [1] 8556.25  313.29  924.16 5446.44 9940.09 6304.36 3660.25   12.96 1246.09
[10]    1.69

Valor a 3,15

  • En Excel:

  • En R:

exponenciales$valor_al_3.15 <- exponenciales$valor ^ 3.15

exponenciales$valor_al_3.15
 [1] 1.560797e+06 8.533276e+03 4.688693e+04 7.662624e+05 1.976468e+06
 [6] 9.647940e+05 4.097599e+05 5.653962e+01 7.507413e+04 2.285186e+00

Raíz cuadrado de un valor

  • En Excel:

  • En R:

# Modo 1
exponenciales$valor_raiz_2 <- exponenciales$valor ^ 0.5

# Modo 2: Usando la función 'sqrt'
exponenciales$valor_raiz_2 <- sqrt(x = exponenciales$valor)

exponenciales$valor_raiz_2
 [1] 9.617692 4.207137 5.513620 8.590693 9.984989 8.910668 7.778175 1.897367
 [9] 5.941380 1.140175

Raíz 3,15 de un valor

  • En Excel:

  • En R:

exponenciales$valor_raiz_3.5 <- exponenciales$valor ^ (1/3.15)

exponenciales$valor_raiz_3.5
 [1] 4.208933 2.489900 2.956334 3.917723 4.310289 4.009753 3.678211 1.501772
 [9] 3.099967 1.086857
Orden de operaciones

La prioridad de las operaciones es un conjunto de reglas que determinan el orden en que se deben realizar las operaciones en una expresión matemática. Estas reglas evitan la ambigüedad en la interpretación de las expresiones matemáticas. Existen varios sistemas que, si bien difieren ligeramente en las prioridades, estas pequeñas diferencias pueden influir grandemente en un resultado si no ponemos la debida atención. Tanto Excel cuanto R usan el sistema estadounidense PEMDAS, que sirve como acrónimo de paréntesis, exponentes, multiplicación, división, adición, sustracción, lo que indica la prioridad de evaluación en orden decreciente.

2 elevado a un valor

  • En Excel:

  • En R:

exponenciales$`2_al_valor` <- 2 ^ exponenciales$valor

exponenciales$`2_al_valor`
 [1] 7.002846e+27 2.129271e+05 1.416811e+09 1.644424e+22 1.029652e+30
 [6] 7.975936e+23 1.630477e+18 1.212573e+01 4.230180e+10 2.462289e+00

e elevado a un valor

  • En Excel:

  • En R:

exponenciales$e_al_valor <- exp(x = exponenciales$valor)

exponenciales$e_al_valor
 [1] 1.486756e+40 4.864210e+07 1.594235e+13 1.124431e+32 1.991406e+43
 [6] 3.040758e+34 1.882852e+26 3.659823e+01 2.140894e+15 3.669297e+00
Constantes e y π

En muchas operaciones se requiere el uso de dos constantes importantes: el número de euler y π (~3,14159…). En Excel es posible obtenerlas a partir de las fórmulas =EXP(1) Y =PI() respectivamente. Por otro lado, en R, se llega a ellas a través de exp(x = 1) y pi.

Logaritmos

Usaremos ahora la hoja logaritmos de nuestro archivo.

logaritmos <- read_excel(path = "op_aritméticas.xlsx", 
                         sheet = "logaritmos")

Logaritmo de un valor en base 2

  • En Excel:

  • En R:

# Modo 1
logaritmos$log_valor_base_2 <- log(x = logaritmos$valor, base = 2)

# Modo 2: usando la función 'log2'
logaritmos$log_valor_base_2 <- log2(x = logaritmos$valor)

logaritmos$log_valor_base_2
 [1] 6.5313815 4.1456775 4.9259994 6.2055489 6.6395216 6.3110671 5.9188632
 [8] 1.8479969 5.1415963 0.3785116

Logaritmo de un valor en base 10

  • En Excel:

  • En R:

# Modo 1
logaritmos$log_valor_base_10 <- log(x = logaritmos$valor, base = 10)

# Modo 2: usando la función 'log10'
logaritmos$log_valor_base_10 <- log10(x = logaritmos$valor)

logaritmos$log_valor_base_10
 [1] 1.9661417 1.2479733 1.4828736 1.8680564 1.9986952 1.8998205 1.7817554
 [8] 0.5563025 1.5477747 0.1139434

Logaritmo de un valor en base e

  • En Excel:

  • En R:

logaritmos$ln_valor <- log(x = logaritmos$valor, base = exp(x = 1))

logaritmos$ln_valor
 [1] 4.5272086 2.8735646 3.4144426 4.3013587 4.6021657 4.3744984 4.1026434
 [8] 1.2809338 3.5638830 0.2623643

Pitágoras y MRUV

Si deseas practicar lo aprendido hasta ahora, te retamos a completar los valores vacíos en las hojas pitágoras y mruv. No olvides que R es ante todo un lenguaje, por lo que la mejor forma de aprender a usarlo es practicando (como cualquier otro idioma).

Operaciones trigonométricas

Usaremos ahora la hoja ángulos de nuestro archivo.

angulos <- read_excel(path = "op_aritméticas.xlsx", 
                      sheet = "ángulos")

Conversión de grados sexagesimales a radianes

  • En Excel:

  • En R:

angulos$angulo_rad[1] <- angulos$angulo_grad[1] / 180 * pi

angulos$angulo_rad[1]
[1] 5.148721

Conversión de radianes a grados sexagesimales

  • En Excel:

  • En R:

angulos$angulo_grad[2] <- angulos$angulo_rad[2] * 180 / pi

angulos$angulo_grad[2]
[1] 119.5763

Seno de un ángulo

  • En Excel:

  • En R:

angulos$seno <- sin(x = angulos$angulo_rad)

angulos$seno
[1] -0.9063078  0.8696992

Coseno de un ángulo

  • En Excel:

  • En R:

angulos$coseno <- cos(x = angulos$angulo_rad)

angulos$coseno
[1]  0.4226183 -0.4935820

Tangente de un ángulo

  • En Excel:

  • En R:

angulos$tangente <- tan(x = angulos$angulo_rad)

angulos$tangente
[1] -2.144507 -1.762016

Funciones de arco

  • En Excel:

  • En R:

angulos$arco_seno <- asin(x = angulos$seno)
angulos$arco_coseno <- acos(x = angulos$seno)
angulos$arco_tangente <- atan(x = angulos$seno)

angulos$arco_seno
[1] -1.134464  1.054593
angulos$arco_coseno
[1] 2.7052603 0.5162037
angulos$arco_tangente
[1] -0.7362892  0.7158199