• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Encuestas: Tamaño de Muestra
    • Lotería: Probabilidad de Ganar
    • Reparto de Escaños (D’Hondt)
    • Tres en Raya con IA
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • Banggood
      • GeekBuying
      • Lenovo

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • Excel
  • Matlab

Incluir tutoriales: creación de viñetas (Creación de paquetes en R 7ª parte)

junio 5, 2020 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

La semana pasada hemos visto cómo crear la documentación de nuestros paquetes de R mediante el uso de roxygen2. Documentación que es imprescindible a la hora de trabajar con cualquier librería. Pero, en la mayoría de los casos lo que realmente buscan los usuarios a la hora de empezar a usar un paquete nuevo es un tutorial con ejemplos en los que se enseñan algunos usos prácticos del software. En los paquetes de R estos tutoriales se denominan “viñetas” (vignettes), siendo la creación de viñetas el tema que trataremos esta semana.

Esta entrada forma parte de la serie “Creación de paquetes en R” cuyo código se puede encontrar en el repositorio y consta de las siguientes ocho entradas:

  1. Creación de paquetes en R
  2. El archivo DESCRIPTION
  3. Pruebas automáticas con testthat
  4. Pruebas avanzadas con testthat
  5. Medir la cobertura de las automáticas unitarias
  6. Documentación de los paquetes
  7. Creación de vignette
  8. Validación y distribución de los paquetes

Inclusión de viñetas

Posiblemente la inclusión de una viñeta en un paquete R la una de las tareas más sencilla a la hora de crear un paquete, solamente se tiene que incluir el documento. Aunque una de las tareas más complicadas posiblemente sea la escritura del documento. Las viñetas se pueden escribir en LaTeX (para lo que se puede usar Sweave o knitr), pero es mucho más fácil usar R Markdown.

Curiosidad: La maldición de la dimensionalidad, o por qué añadir más datos puede empeorar tu modelo
En Analytics Lane
Curiosidad: La maldición de la dimensionalidad, o por qué añadir más datos puede empeorar tu modelo

Publicidad


R Markdown

Markdown es un lenguaje de marcado ligero que mediante el uso de asteriscos u otros símbolos permiten dar una estructura en archivos de texto plano. Lo que hace que sea altamente portable. Por ejemplo, es el lenguaje de marcado que se usa en los documentos de Jupyter Notebook para incluir celdas con comentarios. R Markdown es una extensión de Markdown en el que se puede incluir fragmentos de código R. Los documentos de R Markdown se pueden transformar, mediante knitr, en documento de Markdown, reemplazando el código R con sus resultados. Para, posteriormente, convertir estos en archivos HTML u otros formatos para su lectura. Aunque los documentos Markdown también se pueden leer directamente sin problemas.

Creación de viñetas con R Markdown

Para incluir una viñeta en formato R Markdown dentro de nuestro paquete R solamente se tiene crear una carpeta vignettes en nuestro proyecto e incluir en ella los archivos R Markdown con extensión Rmd. Archivo que se puede crear directamente desde el menú de Rstudio.

En este archivo es importante que se incluya un encabezado YAML como el que se muestra a continuación:

---
title: "Creación de un vignette de ejempo"
output: rmarkdown::html_vignette
vignette: >
  %\VignetteIndexEntry{Creación de un vignette de ejempo}
  %\VignetteEngine{knitr::rmarkdown}
  \usepackage[utf8]{inputenc}
---

En este documento vamos a crear un vignette de ejemplo para mostrar como incluir este tipo de documentación en nuestro paquete. Para lo que se utiliza un archivo con la sintaxis de `rmarkdown`.

## Código de ejemplo

En nuestro documento podemos incluir código de ejemplo simplemente empleando tres comillas sencillas invertidas. Por ejemplo, se puede mostrar como sumar dos números con la función suma:

```{r}
library(rlane)
suma(1,2)
```

Como se puede ver en el ejemplo es necesario indicar el título del paquete, el formato de salida y las indicaciones para que se compile. En nuestro caso el formato de salida es HTML que es uno de los más populares.

Además de esto es necesario incluir la recomendación de los paquetes knitr rmarkdown en el archivo DESCRIPTION y una línea en la que se indique cómo crear las viñetas

VignetteBuilder: knitr

Publicidad


Creación de las viñetas

Posiblemente la manera más sencilla de complilaas viñetas sea con la función build_vignettes del paquete devtools. Es decir, escribiendo el comando

devtools::build_vignettes()

Lo que creará los archivos HTML con las viñetas en la carpeta inst/doc.

Conclusiones

En esta entrada hemos visto cómo incluir tutoriales en nuestros paquetes R con la inclusión de viñetas. Los tutoriales son clave para que los usuarios que tiene un primer contacto con nuestro paquete puedan empezar a trabajar de forma eficiente. Sin tener que buscar el toda la documentación los pasos a seguir para llegar a un resultado. La próxima semana finalizamos la serie con una entrada en las que explicaremos los medios que tenemos para distribuir el paquete.

Imagen de Peter H en Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicidad


Publicaciones relacionadas

  • Curiosidad: La maldición de la dimensionalidad, o por qué añadir más datos puede empeorar tu modelo
  • ¿Está concentrado el MSCI World? Un análisis con Gini, Lorenz y leyes de potencia
  • Curiosidad: ¿Por qué usamos p < 0.05? Un umbral que cambió la historia de la ciencia
  • Programador de tareas de Windows: Guía definitiva para automatizar tu trabajo (BAT, PowerShell y Python)
  • La Paradoja del Cumpleaños, o por qué no es tan raro compartir fecha de nacimiento
  • Cómo abrir una ventana de Chrome con tamaño y posición específicos desde la línea de comandos en Windows
  • Curiosidad: El sesgo de supervivencia, o por qué prestar atención sólo a los que “llegaron” puede engañarte
  • Documentar tu API de Express con TypeScript usando OpenAPI (Swagger)
  • Data Lake y Data Warehouse: diferencias, usos y cómo se complementan en la era del dato

Publicado en: R

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Data Lake y Data Warehouse: diferencias, usos y cómo se complementan en la era del dato

octubre 23, 2025 Por Daniel Rodríguez

Documentar tu API de Express con TypeScript usando OpenAPI (Swagger)

octubre 21, 2025 Por Daniel Rodríguez

Curiosidad: El sesgo de supervivencia, o por qué prestar atención sólo a los que “llegaron” puede engañarte

octubre 16, 2025 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Aplicación web interactiva que muestra un mapa de Madrid con puntos de interés destacados, creado utilizando la biblioteca Folium. Tutorial: Creando un mapa interactivo con Folium en Python publicado el diciembre 13, 2024 | en Python
  • Cómo calcular el tamaño de la muestra para encuestas publicado el septiembre 9, 2025 | en Ciencia de datos
  • Entendiendo la validación cruzada: Selección de la profundidad óptima en un árbol de decisión publicado el septiembre 13, 2024 | en Ciencia de datos
  • Concatenar listas en Python publicado el agosto 19, 2019 | en Python
  • Hoja de cálculo para repartir los escaños en base al método D’Hont Aplicar el método D’Hondt en Excel publicado el abril 14, 2021 | en Herramientas

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.5 (10)

Diferencias entre var y let en JavaScript

Publicidad

Comentarios recientes

  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • CARLOS ARETURO BELLO CACERES en Justicio: La herramienta gratuita de IA para consultas legales
  • Piera en Ecuaciones multilínea en Markdown
  • Daniel Rodríguez en Tutorial de Mypy para Principiantes

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2025 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto