Summary  
This chapter covers how to import tabular data from a CSV file into a data frame and inspect or print its contents and structure using functions like read_csv(), head(), tail(), and View().  

General domain of usage  
Data analysis

Antes de poder analizar datos, es necesario incorporarlos en tu **entorno de R**. En la mayoría de los escenarios reales, los datos se almacenan en archivos externos o bases de datos. El primer paso en cualquier flujo de trabajo de análisis de datos es importar esos datos para poder comenzar a explorarlos y trabajar con ellos.

## Fuentes de datos comunes
Los datos del mundo real suelen provenir de una variedad de fuentes, tales como:
- Archivos CSV (valores separados por comas);
- Hojas de cálculo de Excel;
- Archivos de texto plano (TXT);
- Bases de datos (por ejemplo, SQL, SQLite, PostgreSQL);
- APIs web u otras fuentes en línea.

R ofrece una variedad de funciones y paquetes para ayudar a leer datos de cada una de estas fuentes de manera sencilla.

## Lectura de un archivo CSV
CSV es uno de los formatos más utilizados para almacenar datos tabulares. Para importar un archivo CSV en R, normalmente se utiliza una función que lee el archivo y lo almacena en un data frame, una estructura que organiza los datos en filas y columnas.

```
df <- read_csv("car_details.csv")
```

## Visualización de los datos
Una vez que los datos están cargados, es útil revisarlos rápidamente. Una forma sencilla de hacerlo en **RStudio** es con la función `View()`:

```
View(df)
```

Descargar conjunto de datos

Descargar código del capítulo

¿Qué función lee archivos CSV en tidyverse?

Adquiera experiencia práctica en análisis de datos con R aprendiendo a limpiar, transformar y visualizar conjuntos de datos. Explore flujos de trabajo esenciales como la selección y filtrado de datos, el manejo de valores faltantes y la síntesis de resultados. Desarrolle confianza en la preparación de datos para obtener información, generar informes y realizar exploraciones estadísticas más profundas.

Explore los fundamentos del análisis de datos con R. Aprenda a instalar las herramientas, cargar e inspeccionar conjuntos de datos, seleccionar y filtrar información, ordenar y transformar datos, gestionar valores faltantes y resumir resultados para obtener conocimientos más profundos.

Aprenda a crear visualizaciones atractivas con ggplot2. Construcción de gráficos de barras, histogramas, gráficos de densidad y gráficos de dispersión, con personalización y refinamiento mediante opciones de estilo y facetado para revelar conocimientos más profundos en los datos.

Fortalezca su comprensión de la estadística para el análisis de datos. Aplique medidas descriptivas, identifique y trate valores atípicos, y utilice técnicas de correlación con herramientas visuales como mapas de calor y diagramas de dispersión para descubrir relaciones significativas.

Leer y Visualizar

Fuentes de datos comunes

Lectura de un archivo CSV

Visualización de los datos