Guía de organización de proyectos — Curso Nivelatorio de R

Buenas prácticas

← Volver al inicio del curso

CIENFI · Universidad Icesi · Prof. Eduard F. Martínez-González

Cómo se organiza una carpeta de análisis de datos para que el trabajo sea reproducible: que otra persona (o usted en seis meses) pueda tomar la carpeta, correr los scripts en orden y obtener exactamente los mismos resultados. Esta estructura se usa en las tareas y se califica en el proyecto final.

1. Un análisis = un proyecto de RStudio

  • Cree siempre un proyecto: File → New Project → New Directory.
  • El archivo .Rproj fija el working directory en la raíz de la carpeta: por eso todas las rutas del código son relativas a esa raíz.
  • La prueba definitiva: la carpeta completa debe poder copiarse a otro computador y correr sin cambiar una sola línea.

2. Estructura básica (tareas del curso)

nivelacion_r/
├── nivelacion_r.Rproj
├── datos/
│   ├── originales/        # datos crudos: NUNCA se modifican
│   └── procesados/        # bases limpias generadas por scripts
├── scripts/               # codigo numerado en orden de ejecucion
│   ├── 01_limpieza.R
│   ├── 02_descriptivas.R
│   └── 03_regresiones.R
├── output/
│   ├── figuras/           # .png exportados con ggsave()
│   └── tablas/            # .docx/.tex exportados con msummary()
└── README.md              # que hace el proyecto y como correrlo

3. Estructura extendida (proyectos de investigación)

Para proyectos más grandes (tesis, trabajo de asistente de investigación), cada etapa del pipeline se vuelve una carpeta numerada con sus propias subcarpetas code / input / output:

mi_proyecto/
├── 01_import_data/
│   ├── code/              # scripts que importan
│   ├── input/             # datos originales (intocables)
│   └── output/            # datos importados
├── 02_process_data/
│   ├── code/              # limpieza y estandarizacion
│   └── output/            # bases procesadas
├── 03_combine_data/
│   ├── code/              # cruces (joins) entre fuentes
│   └── output/            # base final de analisis
├── 04_main_regressions/
│   ├── code/              # modelos y tablas
│   └── output/            # resultados finales
├── 99_others/             # material complementario (PDFs, notas)
├── README.md
└── mi_proyecto.Rproj

La lógica es la misma en ambas estructuras: el número dice el orden de ejecución y el output de una etapa es el input de la siguiente.

4. Las cinco reglas que no se negocian

  1. Los datos originales son intocables. Nunca se editan a mano, nunca se sobreescriben. Toda transformación ocurre en un script y su resultado se guarda en procesados/ (u output/ de la etapa). Si mañana descubre un error de limpieza, vuelve a correr; si dañó el original, no hay vuelta.
  2. Los scripts se numeran en orden de ejecución (01_, 02_, ...). Correr 01 → 02 → 03 en una sesión limpia debe reproducir todo.
  3. Ningún script depende de la memoria de otro. Cada script lee de disco lo que necesita (con import()) y escribe a disco lo que produce (con export()). Nada de "ese objeto quedó en el Environment".
  4. Todo resultado del informe nace de un script. Figuras con ggsave() a output/figuras/, tablas con msummary()/export() a output/tablas/. Prohibido el pantallazo de la consola y el copiar-pegar.
  5. README.md siempre. Mínimo: qué hace el proyecto, qué datos usa (y de dónde salen), en qué orden se corren los scripts, y qué produce cada uno.

5. Convenciones de nombres de archivos y columnas

  • Minúsculas, sin espacios, sin tildes, palabras con _ (snake_case): innovacion_empresas.csv, firmas_limpias.rds, tasa_innovacion_sector.png.
  • Nombres de columnas igual: janitor::clean_names() inmediatamente después de importar cualquier base.
  • Datos procesados en .rds (conserva los tipos de columna: lo que guardó es lo que recupera). El .csv es para compartir con otros programas.
  • Fechas en formato YYYY-MM-DD (ordenan solas y no hay ambigüedad).

6. La prueba de fuego (antes de entregar)

  1. Session → Restart R (sesión limpia, Environment vacío)
  2. Correr los scripts en orden, completos
  3. ¿Se regeneraron datos/procesados/ y output/ sin errores?

Si algo falló, encontró exactamente lo que hay que arreglar: una ruta absoluta, un objeto fantasma que vivía en la memoria, un paquete que no estaba en p_load().

7. Plantilla lista para usar

La carpeta plantilla_proyecto/ de este curso trae la estructura básica ya armada (carpetas + esqueletos de los tres scripts + README). Cópiela, renómbrela y trabaje sobre ella — así arranca el proyecto final.