1.1) O R

O R não é apenas uma linguagem de programação, é também um ambiente integrado de desenvolvimento. É um projeto GNU, que foi desenvolvido em Bell Laboratories (antiga AT & T, agora Lucent Technologies) por John Chambers e seus colegas.(Team 2017)

De acordo com seus criadores, o R é um conjunto integrado de instalações de software para manipulação de dados, cálculo e exibição gráfica, e esse ambiente inclui:

• Instalação eficaz de tratamento e armazenamento de dados;
• Conjunto de operadores para cálculos em numéricos, em vetores e matrizes;
• Grande coleção coerente e integrada de ferramentas intermediárias para análise de dados;
• Instalações gráficas para análise de dados e exibição na tela ou em console;
• Linguagem de programação bem desenvolvida, simples e eficaz que inclui condicionais, loops, funções recursivas definidas pelo usuário e instalações de entrada e saída.

Além disso, o R conta com uma ampla comunidade acadêmica que oferece suporte e ajuda aos usuários (CRAN) além de oferecer um extensão às funções usuais do R, com os pacotes.

Isso faz do R um projeto ``aberto“, o que sigfinica ser continuamente melhorado, atualizado e expandido pela comunidade global de desenvolvedor e seus uários incrivelmente apaixonados.(Bowles 2015)

1.2) O R Studio

O RStudio é um ambiente de desenvolvimento integrado (IDE) para R. Nele estão inclusos ferramentas que facilitam o uso da linguagem R, como um console e uma janela que suporta a execução do código direto, e instrumentos que auxiliam na análise histórica do script e debugação de possíveis erros.

O RStudio está disponível em open source e edições comerciais e é executado no desktop (Windows, Mac e Linux) ou em um navegador conectado ao RStudio Server ou ao RStudio Server Pro (Debian / Ubuntu, RedHat / CentOS e SUSE Linux).

3.1) Instalação do R

Neste curso faremos uso da versão 3.5.1 do R, para instalá-lo siga os passos:

1. Vá no site cran.r-project.org
2. Faça download do arquivo
3. Clique em em executar

3.2) Instalação do RSudio

Neste curso além do R faremos uso do RStudio, para instalalo basta:

1. Vá no site https://www.rstudio.com/home/
2. Clique em dowload
3. Escolha o free
4. Faça o download do Arquivo
5. Clique em executar

3.3) Conhecendo o RStudio

Ao abrir o RStudio será aberto uma tela grande com quatro outras telas:

1. A primeira tela é destinada à escrita dos seus scripts, onde ficarão armazendos seus códigos.

2. A segunda tela é onde são compilados os códigos escritos na primeira tela. Você também pode digitar os comandos no console, mas não serão armazenados.

3. A terceira tela, destina-se principalmente à armazenar os objetos criados nos scripts.

4. A quarta tela tem quatro diferente objetivos. O Primeiro é mostrar os plots (gráficos) que serão feitos em um script. o Segundo Objetivo é mostrar os arquivos dentro de um diretório. O quarto objetivo é responder os questionamentos de qualquer objeto fazendo uso da função help().

3.4) Scripts

3.4.1) Criando um Script

Scripts são arquivos em texto onde são armazenados os seus comandos em R, os scripts são escritos na primeira tela do RStudio. Para Criar um novo Script basta seguir o caminho: File >> New File >> RScript:

3.4.2) Salvando um Script Existente

Para salvar um script escrito, basta seguir o caminho:File >> Save As:

3.4.3) Executando um Script

Para fazer com que o R entenda que você está executando uma linha de comando existem duas maneiras. A primeira é fortemente desencorajada, que é colocar o cursor ao final da linha ou selecionar as linhas que deseja e excutar e clicar no botão:

A segunda forma vai facilitar a sua vida durante o curso que é:

CRTL + Enter

4.1) Operações Matemáticas

São operações que resultam em um número, essas operações são:

Exemplo 4.1: Qual é o resultado de \(\sqrt[2]{25}\)?

sqrt(25)

## [1] 5

Exemplo 4.2: Qual é o resto da divisão de \(\frac{5}{2}\)?

5%%2

## [1] 1

4.2) Operações Lógicas

São operações que testam se uma situação é verdadeira ou falsa, os principais operadores são:

Exemplo 4- Tome \(a=25\) e \(b=45\) analise se a é maior:

a=25
b=45

a>b

## [1] FALSE

Os operadores lógicos acima analisam se uma situação é verdadeira ou falsa de maneira pontual. Existem operadores lógicos que analisam de maneira mais ampla se uma situção é verdadeira ou não:

• Operador E - Retorna verdadeiro se toda a expressão for verdadeira. No R fazemos uso do operador & ou &&.
• Operador OU - Retorna verdadeiro se ao menos uma das partes da expressão for verdadeira. No R fazemos uso do operador | ou ||.
• Operador OU Exclusivo - Retorna verdadeiro, somente se uma das partes for verdadeira. No R para ou exclusivo fazemos uso do xor().

Exemplo 4.4- Analise se \(25^2=\sqrt{625}\) e se \(Bigdata = bigData\):

25**2==sqrt(625) & "Bigdata" == "bigData"

## [1] FALSE

Exemplo 5.5- Analise se \(25^2=\sqrt{625}\) ou se \(Bigdata = bigData\):

25**2==sqrt(625) | "Bigdata" == "bigData"

## [1] FALSE

5.1) Classes de objetos

a=2
b=5

c=a+b
c

## [1] 7

a=15
b=25

(c=a+b)

## [1] 40

d=c^(1/3)
d

## [1] 3.419952

nome1="big"
nome1

## [1] "big"

nome2='data'
nome2

## [1] "data"

nomecompleto=paste(nome1,nome2)
nomecompleto

## [1] "big data"

nomecompleto=paste0(nome1,nome2)
nomecompleto

## [1] "bigdata"

data="06/02/2017"

formatodata=as.Date(x = data,format="%d/%m/%Y")

formatodata

## [1] "2017-02-06"

5.2) Conhecendo a classe de um objeto

Para saber qual é a classe de um objeto basta usar a função class() ou str():

Exemplo 5.8 - Tome \(a=3\),descubra a classe de \(a\)*.

a=3

str(a)

##  num 3

Exemplo 5.9 - Tome \(a=3\),descubra a classe de \(a\)*.

a=3
class(a)

## [1] "numeric"

6.1) Indexação de Vetores

É comum, trabalhar com um ou mais elementos específicos de um vetor, para acessa-los é necessário conhecer a indexação:

\(elemento_{i}=V[i]\)

onde:

\(i\)= é a posição do elemento solicitado.

\(V\)= Vetor em questão

No R, segue essa mesma lógica basta digitar nome_vetor[posição desejada].

Exemplo 6.1- tome o vetor \(v=[1,10,15,5,30,2]\), qual é o primeiro elemento do vetor?

v=c(1,10,15,5,30,2)

v[1]

## [1] 1

Caso queira mais de uma posição digite nome_vetor[posicao_inicial:posicao_final]

Exemplo 6.2- Ainda com o vetor \(v=[1,10,15,5,30,2]\), quais são os três primeiros elementos do vetor?

v[1:3]

## [1]  1 10 15

6.2) Tamanho do Vetor

Para saber o tamanho de um vetor, basta usar a função length():

Exemplo 6.3- Qual é o tamanho do vetor \(v=[1,10,15,5,30,2]\)?

v=c(1,10,15,5,30,2)
length(v)

## [1] 6

6.3) Concatenando vetores

Agora vamos supor que você é um professor e no primeiro dia de aula tem a lista com o nome dos alunos:

Anna

Pedro

Carlos

Bruno

Vanessa

Paula

Italo

Mas no segundo dia surgiram mais 5 alunos:

Jorge

Davi

Mariana

Bruno

Carolina

Alice

Como colocar os novos nomes na antiga lista?

No R, para concatenar vetores basta usar a função c(primeiro_objeto,segundo_objeto,...).

Exemplo 6.4- Concatene as listas com os nomes doa alunos:

nomes1<-c("Anna","Pedro","Carlos","Bruno","Vanessa","Paula","Italo")
nomes2<-c("Jorge","Davi","Mariana","Carolina","Alice")

nomes_completo<-c(nomes1,nomes2)
nomes_completo

##  [1] "Anna"     "Pedro"    "Carlos"   "Bruno"    "Vanessa"  "Paula"   
##  [7] "Italo"    "Jorge"    "Davi"     "Mariana"  "Carolina" "Alice"

6.4) Funções úteis

6.4) Exercícios

1- Crie um vetor v=[105,106,150,135,120,147]:

1. Concatene com o vetor v2=[105,250,300,175,157,147,134].

2. Remova as duplicatas.

3. Qual é o terceiro elemento?

4. Qual é o o tamanho do vetor?

5. Qual é a média dos valores?

6. Qual é o maior elemento?

7.1) Indexação de Data Frames

A indexação dos valores de uma data frame é parecida com a indexação dos vetores, sendo que com duas dimensões:

\(elemento_{i,j}=df[i,j]\)

onde:

\(df\)= data frame criado

\(i\)= é posição da linha onde está o objeto desejado

\(j\)= é a posição da coluna do objeto desejado

No R, segue essa mesma lógica basta digitar data_frame[posição linha, posição coluna].

Exemplo 7.2- Acesse o preço do Produto D na tabela produtos:

tabela_preco_produto[4,2]

## [1] 6

Exemplo 7.3- Acesse os preço do Produto D e Produto E na tabela produtos:

tabela_preco_produto[4:5,2]

## [1] 6 8

7.2) Acessando colunas em data frame

Além da indexação tradicional pelo número da coluna, existem outras duas formas muito úteis para acessar uma coluna de um data frame.

A primeira é data_frame$nome_coluna:

Exemplo 7.4- Acesse a coluna produtos na tabela_produto:

tabela_preco_produto$Produto

## [1] Produto A   Produto B Produto C  Produto D  Produto E 
## Levels:  Produto B Produto A Produto C Produto D Produto E

A segunda forma é usando colchetes, data_frame[,"nome_coluna"]

Exemplo 7.5- Acesse a coluna produtos na tabela_produto:

tabela_preco_produto[,"Produto"]

## [1] Produto A   Produto B Produto C  Produto D  Produto E 
## Levels:  Produto B Produto A Produto C Produto D Produto E

7.3) Criando uma nova coluna em uma data frame

A criação de um a nova coluna em um data frame é parecida com o acesso á colunas.

A primeira forma de criar uma nova coluna é data_frame$nome_nova_coluna .

Exemplo 7.6- Crie uma coluna quantidade, na tabela preços, que receba os valores:

quantidade<-c(50,100,120,150,200)

tabela_preco_produto$quantidade<-c(50,100,120,150,200)
tabela_preco_produto

##      Produto Preco quantidade
## 1  Produto A     5         50
## 2  Produto B    15        100
## 3  Produto C     4        120
## 4  Produto D     6        150
## 5  Produto E     8        200

A segunda forma de criar uma nova coluna é data_frame[,"nome_nova_coluna"]

Exemplo 7.7- Crie uma coluna, na tabela preços com os custos de cada produto:

custos<-c(2,12,3,5,6)

tabela_preco_produto[,"Custos"]<-c(2,12,3,5,6)
tabela_preco_produto

##      Produto Preco quantidade Custos
## 1  Produto A     5         50      2
## 2  Produto B    15        100     12
## 3  Produto C     4        120      3
## 4  Produto D     6        150      5
## 5  Produto E     8        200      6

7.4) Conhecendo seu Data Frame

É aconselhável conhecer seu objeto, data frame, com o qual está trabalhando. Até o momento trabalhamos com uma tabela pequena, a tabela preços, a qual era composta por 5 linhas(observações) e 4 colunas(variáveis). No mundo real tabelas como estas são exceção, neste sentido não é possível visualizar e extrair informações analogamente olhando a olho nu o data frame como feito na tabela preços.

O R oferece algumas funções que auxiliam a entender seu data frame. Para isso, vamos usar outra base de dados a iris(vide seção 2 bases).

A primeira função é a str() que ajuda a conhecer a classe de cada coluna (variável) no data frame.

base_flores<-iris

str(iris)

## 'data.frame':    150 obs. of  5 variables:
##  $ Sepal.Length: num  5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
##  $ Sepal.Width : num  3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
##  $ Petal.Length: num  1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
##  $ Petal.Width : num  0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
##  $ Species     : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...

A primeira saída dessa função é o numero de observações (linhas) e o número de colunas, depois saem as informações sobre cada coluna que exceto pela última são todas numéricas.

A segunda função é a head() que retorna as seis primeiras observações de seu data frame:

head(base_flores)

##   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1          5.1         3.5          1.4         0.2  setosa
## 2          4.9         3.0          1.4         0.2  setosa
## 3          4.7         3.2          1.3         0.2  setosa
## 4          4.6         3.1          1.5         0.2  setosa
## 5          5.0         3.6          1.4         0.2  setosa
## 6          5.4         3.9          1.7         0.4  setosa

A terceira função é a summary() que faz um “resumo” e todos os dados dentro de um data frame:

summary(base_flores)

##   Sepal.Length    Sepal.Width     Petal.Length    Petal.Width   
##  Min.   :4.300   Min.   :2.000   Min.   :1.000   Min.   :0.100  
##  1st Qu.:5.100   1st Qu.:2.800   1st Qu.:1.600   1st Qu.:0.300  
##  Median :5.800   Median :3.000   Median :4.350   Median :1.300  
##  Mean   :5.843   Mean   :3.057   Mean   :3.758   Mean   :1.199  
##  3rd Qu.:6.400   3rd Qu.:3.300   3rd Qu.:5.100   3rd Qu.:1.800  
##  Max.   :7.900   Max.   :4.400   Max.   :6.900   Max.   :2.500  
##        Species  
##  setosa    :50  
##  versicolor:50  
##  virginica :50  
##                 
##                 
## 

Perceba que para as colunas numéricas a função summary calculou as estatísticas descritivas e para as colunas de texto foram contabilizadas as quantidades.

A quarta função é a names() que retorna os nomes das colunas de uma data frame.

names(base_flores)

## [1] "Sepal.Length" "Sepal.Width"  "Petal.Length" "Petal.Width" 
## [5] "Species"

7.5) Funções Úteis

Algumas funções úteis:

7.5) EXERCÍCIOS

Crie uma tabela, chamada de tabela_pessoas e responda as questões:

1. Quantas observações tem a tabela?
2. Quais são as médias das idades?
3. Quais são as classes de cada uma das colunas?
4. Faça um resumo da tabela.

8.1) Acessando os elementos em uma lista

Existem duas formas distintas de acessar os elementos em uma lista. A primeira forma é por meio do uso de nome_lista[[posição desejada]].

Exemplo 8.2- Acesse o terceiro elemento da lista com as informações do curso.

minha_lista2[[3]]

## [1] "Introdução ao R"

A segunda forma é por meio do uso de nome_lista$nome_objeto

Exemplo 8.3- Em minha_lista2, acesse o objeto com o nome do curso:

minha_lista2$nome_curso

## [1] "Curso de Formação Executiva em Big Data e Data Science"

8.3) Adicionando Objetos em uma Lista

Para adicionar objetos à uma lista basta chamar o nome de sua lista com o conector $ e nome do objeto a ser criado: nome_lista$nome_elemento.

Exemplo 8.4- Em minha_lista2, crie um objeto que receba a lista com nomes e outro objeto que receba as idades:

• nomes: Anna, Marco, Fernando, Juliana, Diego, Rafael
• idades: 29, 31, 22, 20, 27, 28

minha_lista2$alunos<-c("Anna", "Marco", "Fernando", "Juliana", "Diego","Rafael")
minha_lista2$idades<-c(29, 31, 22, 20, 27, 28)
minha_lista2

## $nome_curso
## [1] "Curso de Formação Executiva em Big Data e Data Science"
## 
## $turma
## [1] 1
## 
## $Aula
## [1] "Introdução ao R"
## 
## $alunos
## [1] "Anna"     "Marco"    "Fernando" "Juliana"  "Diego"    "Rafael"  
## 
## $idades
## [1] 29 31 22 20 27 28

8.4) Conhecendo a sua lista

De maneira análoga com o data frame, também é possível conhecer e analisar as listas, sem ler á olho nu elemento a elemento.

A primeira função é o str() que retorna a classe do objeto (que é uma lista) e a classe deu seus elementos:

Exemplo 8.5- Aplique a função str() em minha_lista2.

str(minha_lista2)

## List of 5
##  $ nome_curso: chr "Curso de Formação Executiva em Big Data e Data Science"
##  $ turma     : num 1
##  $ Aula      : chr "Introdução ao R"
##  $ alunos    : chr [1:6] "Anna" "Marco" "Fernando" "Juliana" ...
##  $ idades    : num [1:6] 29 31 22 20 27 28

A segunda função é summary() que retorna um resumo da lista e de seus objetos:

Exemplo 8.6- Aplique a função summary() em minha_lista2.

summary(minha_lista2$idades)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   20.00   23.25   27.50   26.17   28.75   31.00

8.5) Exercícios

Tome os vetores: nomes=[Anna,Paula,Roberta,,Ingrid,fernanda,João],pesos=[52,65,70,58,48,70] e alturas=[1.54,1.76,1.65,1.60,1.68,1.70]. Criem uma lista com esses vetores chamado lista_pessoas.Depois crie um quarto objeto chamado IMC de acordo coma equação, depois responda as questões:

1. Qual é o primeiro elemento da lista?
2. Quais são as classes dos objetos na lista?
3. Qual é o maior IMC?

9.1) Conhecendo seu diretório de arquivos

Para saber em qual diretório(pasta) o seu script em R está apontando basta fazer uso da função getwd().

getwd()

## [1] "C:/Users/ac_sa/OneDrive/Apostilia R"

Também é muito útil saber quais arquivos estão contidos no diretório. Para isso o R e R Studio apresentam as duas soluções a primeira é por meio da seta no canto superior do console conforme a figura abaixo:

Como pode ser visualizado os arquivos aparecerão na tela dos files;

A outra maneira de visualizar seus arquivos (e a mais recomendada!) é por meio da função list.files()

9.2) Mudando seu diretório de trabalho

Em muitos casos, não trabalhamos com arquivos somente em um diretório, é preciso altera-lo. Para alter um diretório de trabalho basta usar a função setwd().

Atenção!! Em ambiente windows \ não é reconhecido e deverá ser trocado por \\ ou /.

Exemplo 9.1- Altere seu diretório de trabalho para a pasta da FGV do Curso no Dropbox:

setwd("C:\\Users\\ac_sa\\OneDrive\\Documentos\\INIFINET_introducao_ao_R\\")

9.3) Leitura de Arquivos Externos

Nem todos os objetos que usamos no R são calculados dentro de um Script. Assim, é indispensável a leitura de arquivos externos. O R oferece uma gama de funções e pacotes para a leitura de arquivos externos nos formatos, .txt,.csv, dentre outros. Estas funções lêem os arquivos externos e transforma automáticamente em data frames.

A primeira função é a read.table(), que é considederada a raiz, muitas funções são derivadas desta. A função read.table() é composta pelos campos:

• file- nome do arquivo / caminho e nome do arquivo;
• header- determina se o arquivo tem cabecalho ou nao, default TRUE; no caso de FALSE a funcao cria nomes para as colunas;
• sep- separador da coluna (default tab);
• dec-separador decimal (default ponto);

Exemplo 9.2- Leia o arquivo teste.txt no diretório datasets:

setwd("C:\\Users\\ac_sa\\OneDrive\\Documentos\\INIFINET_introducao_ao_R\\datasets")
pessoas<-read.table(file="populacao.txt",header = TRUE,sep = "\t",dec=".")
head(pessoas)

##                Nome Sexo   Região Idade
## 1       ABEL MATTOS    1 Região 2    36
## 2  ADAILTON CARDOSO    1 Região 3    32
## 3   ADALBERTO NEUSA    1 Região 3    30
## 4   ADALBERTO THOME    1 Região 2    32
## 5 ADALTINO HICKMANN    1 Região 3    31
## 6      ADELMO CRIPA    1 Região 5    29

A função read.table() não é tão eficiente por isso existem variações destas função. A primeira é a read.csv(), que possui parametros parecidos com a anterior:

• file- nome do arquivo / caminho e nome do arquivo;
• header- determina se o arquivo tem cabecalho ou nao, default TRUE; no caso de FALSE a funcao cria nomes para as colunas;
• sep- separador da coluna (default “,”);
• dec-separador decimal (default ponto);

Exemplo 9.3- Na pasta datasets leia o arquivo populacao.csv:

setwd("C:\\Users\\ac_sa\\OneDrive\\Documentos\\INIFINET_introducao_ao_R\\datasets")
pessoas_csv<-read.csv(file="populacao.csv")
head(pessoas_csv)

##                Nome Sexo   Regiao Idade
## 1       ABEL MATTOS    1 Região 2    36
## 2  ADAILTON CARDOSO    1 Região 3    32
## 3   ADALBERTO NEUSA    1 Região 3    30
## 4   ADALBERTO THOME    1 Região 2    32
## 5 ADALTINO HICKMANN    1 Região 3    31
## 6      ADELMO CRIPA    1 Região 5    29

O padrão que a função read.csv() lê é o arquivo .csv padrão americano em que o separado é o “,”. No Brasil o padrão é o separador “;” e dec “,”. Por isso, existe a função read.csv2(), que te como parâmetros:

• file- nome do arquivo / caminho e nome do arquivo;
• header- determina se o arquivo tem cabecalho ou nao, default TRUE; no caso de FALSE a funcao cria nomes para as colunas;
• sep- separador da coluna (default “;”);
• dec-separador decimal (default virgula)

Exemplo 9.4- Na pasta datasets leia o arquivo dados_anp2.csv:

setwd("C:\\Users\\ac_sa\\OneDrive\\Documentos\\INIFINET_introducao_ao_R\\datasets")
combustivel<-read.csv2(file="dados_anp2.csv")
head(combustivel)

##                                   RAZAO_SOCIAL
## 1                     Auto Posto Lacasema Ltda
## 2               Imperial Angra Auto Posto Ltda
## 3                  Posto Praia da Ribeira Ltda
## 4                     Auto Posto Japuíba Ltda.
## 5                   Posto dos Pescadores Ltda.
## 6 Golfinho Comercio Derivados de Petroleo Ltda
##                                            ENDERECO               BAIRRO
## 1 Avenida Almte Jair Carneiro Toscano de Brito, 417 Parque das Palmeiras
## 2                            Rua das Palmeiras, 210 Parque das Palmeiras
## 3      Rodovia Br 101, S/n Km 487,8 - Lado Esquerdo Belem Tq. da Japuiba
## 4   Rodovia Governador Mário Covas, S/n Km 96 + 400              Japuiba
## 5                            Alameda Industria, 309               Centro
## 6                     Rua Doutor Coutinho, 8 Loja A  Cais de Santa Luzia
##                       BANDEIRA PRECO_VENDA PRECO_COMPRA
## 1                       RAIZEN       4.198          NaN
## 2                       RAIZEN       4.220          NaN
## 3 PETROBRAS DISTRIBUIDORA S.A.       4.278         3.58
## 4                     IPIRANGA       4.279         3.58
## 5 PETROBRAS DISTRIBUIDORA S.A.       4.329        3.468
## 6                       RAIZEN       4.400        3.598
##   MODALIDADE_DE_COMPRA FORNECEDOR DATA_COLETA         CIDADE UF
## 1                    -          -  13/09/2016 ANGRA DOS REIS RJ
## 2                    -          -  13/09/2016 ANGRA DOS REIS RJ
## 3                  CIF          -  13/09/2016 ANGRA DOS REIS RJ
## 4                  CIF          -  13/09/2016 ANGRA DOS REIS RJ
## 5                  FOB          -  13/09/2016 ANGRA DOS REIS RJ
## 6                  CIF          -  13/09/2016 ANGRA DOS REIS RJ
##   COMBUSTIVEL
## 1    Gasolina
## 2    Gasolina
## 3    Gasolina
## 4    Gasolina
## 5    Gasolina
## 6    Gasolina

9.4) Exportação de Arquivos

Nem todo mundo usa o R. Em muitos casos seus resultados serão utilizados por outros softwares. Neste sentido, o R permite a exportação dos resultados para outras extensões no formato .txt, .csv, dentre outros.

A exportação de arquivos ocorre de maneira análoga ao que é feito na leitura de dados, a primeira função é a write.table() e existem outras derivadas desta. A função write.table() tem como parâmetros:

• x- nome do data frame a ser salvo
• file - diretório + nome do arquivo a ser salvo
• quotes - Booleano, decide se as colunas charcteres ou fatores serão salvos com aspas duplas.
• row.names- Booleano, TRUE ou FALSE, significa se o arquivo salvo terá ou não nome nas linhas
• col.names- Booleano, TRUE ou FALSE, significa se o arquivo salvo terá ou não nome nas colunas
• append - Booleano, TRUE ou FALSE, decide se a tabela será anexada a um arquivo já existente ou não
• sep - Character, informa qual será o separador das colunas -`dec - Character, decide qual será o separador número decimal

Exemplo 9.5- Tome a tabela abaixo com nomes e idades, exporte ela para o formato .txt, como o nome idades.txt

Nomes<-c("Marco","Carol","João","Caio","Vinicius")
Idades=c(36,29,28,8,10)

frame_idades<-data.frame(Nomes,Idades)

write.table(frame_idades,"idades.txt")

A função write.table() também não é muito indicada dado que não apresenta um bom desempenho. Assim, existe outras funções que são variações da função write.table()

A primeira função é a write.csv() que apresenta os mesmos parâmetros que a write.table(), sendo que considera como default o sep="," e o dec=.

Exemplo 9.6- Faço mesmo que foi feito no exemplo 31 sendo que no formato .csv.

Nomes<-c("Marco","Carol","João","Caio","Vinicius")
Idades=c(36,29,28,8,10)

frame_idades<-data.frame(Nomes,Idades)

write.csv(frame_idades,"idades.csv")

A segunda função é awrite.csv2(), voltada para arquivoc .csv brasileiros, que apresenta os mesmos parâmetros que a write.table(), sendo que considera como default o sep=";" e o dec=.

Exemplo 9.7- Faço mesmo que foi feito no exemplo 31 sendo que no formato .csv.

Nomes<-c("Marco","Carol","João","Caio","Vinicius")
Idades=c(36,29,28,8,10)

frame_idades<-data.frame(Nomes,Idades)

write.csv2(frame_idades,"idades.csv")

9.5) Leitura de arquivos usando pacotes externos

Existem alguns arquivos em que as funções padrão do R, não conseguem ler ou exportar. Para isso é necessário fazer uso dos pacotes. Para usar um pacote o primeiro passo é instala-lo com a função install.packages("nome do pacote").

Vamos instalar o pacote xlsxpara leitura ou exportação de arquivos no formato .xslx.

install.packages("xlsx")

library(xlsx)
setwd("C:\\Users\\ac_sa\\OneDrive\\Documentos\\INIFINET_introducao_ao_R\\datasets")
populacao<-read.xlsx("populacao.xlsx",sheetIndex = 1)
head(populacao)

##                Nome Sexo   RegiÃ.o Idade
## 1       ABEL MATTOS    1 Região 2    36
## 2  ADAILTON CARDOSO    1 Região 3    32
## 3   ADALBERTO NEUSA    1 Região 3    30
## 4   ADALBERTO THOME    1 Região 2    32
## 5 ADALTINO HICKMANN    1 Região 3    31
## 6      ADELMO CRIPA    1 Região 5    29

Nome<-c("Anna","Bruno","Fernando","Viviane","Bernardo")
Salario<-c(3000,5000,2500,1000,500)

df_salarios<-data.frame(Nome,Salario)

write.xlsx(df_salarios,"funcionarios.xlsx",sheetName ="Salario",row.names = FALSE)

10.1) Estruturas de Condição

Fazemos uso de estruturas de condição, quando em um código queremos executar um procedimento caso uma condição seja atendida.

a=31
b=30

if(a<b){
  cat("a é maior que b")
}

a=31
b=30

if(a<b){
  cat("a é maior que b")
}else{
  cat("b é maior que a")
}

## b é maior que a

a=31
b=30

if(a<b){
  cat("a é maior que b")
}else if(b>a){
  cat("b é maior que a")
} else{
  cat("São iguais")
}

## São iguais

a=30
b=30
ifelse(a>b,"a é maior","b é maior")

## [1] "b é maior"

10.2) Estrutura de Repetição

Imagine que você tem um código em R, e precisa que uma mesma sequência de tarefas sejam executadas repetidamente diante de algum parâmetro, que pode ser convergência de um número, executar tarefas em um determinado objeto, dentre outras opções. Um exemplo claro é que você tem uma tabela com seus produtos e preços, e você deseja dobrar todos os preços.

Com o que foi aprendido até agora, você repetiria 5 vezes a ação de dobrar os preços até acabar a tabela. Improdutivo, não?

Para isso existem as estruturas de repetição, que servem para executar repetidamente uma série de ações.

a=10
while(a<20){
  print(a)
  a<-a+1
}

## [1] 10
## [1] 11
## [1] 12
## [1] 13
## [1] 14
## [1] 15
## [1] 16
## [1] 17
## [1] 18
## [1] 19

Produto<-c("Produto A"," Produto B","Produto C", "Produto D","Produto E")
Preco<-c(5,15,4,6,8)
preco_novo<-NA

tabela_preco_produto<-data.frame(Produto,Preco,preco_novo)

produtos<-1

while(produtos<=5){

  tabela_preco_produto[produtos,"preco_novo"]<-2* tabela_preco_produto[produtos,"Preco"]
  produtos<-produtos+1
}

tabela_preco_produto

##      Produto Preco preco_novo
## 1  Produto A     5         10
## 2  Produto B    15         30
## 3  Produto C     4          8
## 4  Produto D     6         12
## 5  Produto E     8         16

v=c(16,18,59,35,27,37,38)

for (i in 1:length(v)){
  print(v[i])
}

## [1] 16
## [1] 18
## [1] 59
## [1] 35
## [1] 27
## [1] 37
## [1] 38

Produto<-c("Produto A"," Produto B","Produto C", "Produto D","Produto E")
Preco<-c(5,15,4,6,8)
preco_novo<-NA

tabela_preco_produto<-data.frame(Produto,Preco,preco_novo)

for(i in 1:nrow(tabela_preco_produto)){

  tabela_preco_produto[i,"preco_novo"]<-2*tabela_preco_produto[i,"Preco"]

}

tabela_preco_produto

##      Produto Preco preco_novo
## 1  Produto A     5         10
## 2  Produto B    15         30
## 3  Produto C     4          8
## 4  Produto D     6         12
## 5  Produto E     8         16

alunos<-c("Anna","Paulo","Pedro","Serafin","Marco","Karina","Giuliana",
         "Diego","Natalia","Ingrid","Daiane")

p1<-c(2,3,10,5,7,8,5,2,4,10,8)
p2<-c(9,5,9,5,7,5,4,4,2,1,8)
p3<-c(10,6,8,8,8,10,8,5,9,2,9)

alunos<-data.frame(alunos,p1,p2,p3)

alunos$media<-(alunos$p1+alunos$p2+alunos$p3)/3
alunos$status<-NA


for (i in 1:nrow(alunos)){
  if (alunos[i,"media"]>=7){
    alunos[i,"status"]<-"Aprovado"
  } else if(alunos[i,"media"]<7 & alunos[i,"media"]>=5){
    alunos[i,"status"]<-"Recuperação"
  } else{
    alunos[i,"status"]<-"Reprovado"
  }
}
alunos

##      alunos p1 p2 p3    media      status
## 1      Anna  2  9 10 7.000000    Aprovado
## 2     Paulo  3  5  6 4.666667   Reprovado
## 3     Pedro 10  9  8 9.000000    Aprovado
## 4   Serafin  5  5  8 6.000000 Recuperação
## 5     Marco  7  7  8 7.333333    Aprovado
## 6    Karina  8  5 10 7.666667    Aprovado
## 7  Giuliana  5  4  8 5.666667 Recuperação
## 8     Diego  2  4  5 3.666667   Reprovado
## 9   Natalia  4  2  9 5.000000 Recuperação
## 10   Ingrid 10  1  2 4.333333   Reprovado
## 11   Daiane  8  8  9 8.333333    Aprovado

11.1) Exercícios

1. Crie uma função que calcule a área e o perímetro de um triângulo retângulo, com os as entradas:

1. Cateto 1
2. Cateto 2

O output será uma lista com o primeiro ojeto sendo a àrea e o segundo sendo o perímetro.

13.1) Função Apply

A função apply, é uma função que trabalha com elementos bidimensionais (matrizes ou data frames) com o mesmo tipo de dado, e retorna uma agregação por linha ou coluna.

apply(x,MARGIN, FUN)

Onde:

• x: é a matriz em que sera apliacada a função
• MARGIN: é variável que define se a finção será aplicada as linhas ou colunas. Caso MARGIN= 1 será aplicado às linhas, caso MARGIN=2, será aplicado às colunas e caso MARGIN=c será aplicado à ambos.
• FUN: é a função a ser aplicada no objeto.

** Exemplo 13.1- ** Tome a matriz D e calcule a média dos elementos em cada coluna:

D=matrix(c(10,18,18,50,25,19,23,45,90,27,28,40,11,45,25,35),
         nrow = 4,ncol = 4,byrow = TRUE)

D

##      [,1] [,2] [,3] [,4]
## [1,]   10   18   18   50
## [2,]   25   19   23   45
## [3,]   90   27   28   40
## [4,]   11   45   25   35

medias=apply(D,2,mean)
medias

## [1] 34.00 27.25 23.50 42.50

Também é possível fazer uso de uma função aplicada por você mesmo na função apply:

Exemplo 13.2- Tome a matriz D e faça toso os elementos diminuirem uma unidades:

apply(D,1, function(x) x-1)

##      [,1] [,2] [,3] [,4]
## [1,]    9   24   89   10
## [2,]   17   18   26   44
## [3,]   17   22   27   24
## [4,]   49   44   39   34

13.3) Função lapply

Note que a função apply só pode ser aplicado a matriz. E se quisermos aplicar uma função a todos os elementos de um vetor ou lista?

A função lapply de maneira analoga à função apply a aplica uma função a todos os elementos de um vetor, lista ou data frame.

Exemplo 13.3 - Tome o vetor \(v=[5,9,7,10,4]\), faça uma estrutura que multiplique cada elemento que faça cada elemento ser elevado ao quadrado.

v=c(5,9,7,10,4)
lapply(v,function(v) v^2)

## [[1]]
## [1] 25
## 
## [[2]]
## [1] 81
## 
## [[3]]
## [1] 49
## 
## [[4]]
## [1] 100
## 
## [[5]]
## [1] 16

No que o resultado da função lapply foi uma lista, caso queira tranformar esse resultado em um vetor devera ser chamada a função unlist() que tranforms a lista em um vetor.

unlist(lapply(v,function(v) v^2))

## [1]  25  81  49 100  16

13.4) Função Sapply

A função lapply aumentou o leque de objetos a ser usados na na família apply, porém o seu resultado é uma lista, o que pode dificultar calculos futuros, o que obriga a fazer uso da fun unlist para transformar os resultados em um vetor.

A função sapply tem os mesmos parametros de entrada e saída da função lapply, a diferença é que seu resultado é um vetor.

Exemplo 13.4 - Tome o vetor \(v=[5,9,7,10,4]\), faça uma estrutura que multiplique cada elemento que faça cada elemento ser elevado ao quadrado com a função sapply:

sapply(v,function(v)v^2)

## [1]  25  81  49 100  16

14.3) Trabalhando o Dataset - Dplyr

No mundo Real de Data Science é muito raro sua base de dados está da maneira que você presia trabalhar. Seja porque você só precisa de um recorte dos dados ou porquê você precisa dos dados em um outra estrutura. Para isso usaremos o pacote Dplyr

14.3.1) Filtrando os Dados:

Vamos supor que você é dono de uma rede de postos de combustíveis. A sua rede fica localizada em Pernambuco. Então, não é interessante momentaneamente saber os preços de dos combustíveis de Pernambuco, não?

Vamos fazer isso no arquivo dados_anp2. Para isso ser possível, basta usar a função filter()

library(readr)
library(dplyr)

setwd("C:\\Users\\ac_sa\\OneDrive\\Documentos\\INIFINET_introducao_ao_R\\datasets")

combustivel=read_csv2("dados_anp2.csv")

combustivel_nordeste<- combustivel%>%
                      filter(UF=="PE")


combustivel_nordeste

## # A tibble: 721 x 12
##    RAZAO_SOCIAL ENDERECO BAIRRO BANDEIRA PRECO_VENDA PRECO_COMPRA
##    <chr>        <chr>    <chr>  <chr>          <dbl> <chr>       
##  1 Auto Posto ~ Rua   C~ Caete~ FEDERAL         3.38 NaN         
##  2 "Costa Dour~ Avenida~ Caetes FEDERAL         3.39 NaN         
##  3 Real Recife~ Avenida~ Centro PETROBR~        3.39 NaN         
##  4 Posto Onze ~ Avenida~ Centro BRANCA          3.39 NaN         
##  5 Auto Posto ~ Avenida~ Boa E~ BRANCA          3.40 3.082       
##  6 Auto Posto ~ Avenida~ "Timb~ RAIZEN          3.60 3.202       
##  7 "Posto de S~ Avenida~ "Timb~ IPIRANGA        3.75 3.326       
##  8 Posto Trevo~ Avenida~ Centro DISLUB          4.07 3.41        
##  9 "Felix Comb~ Avenida~ Centro PETROBR~        4.08 NaN         
## 10 "Fernandes ~ Rua Pre~ Gerge~ BRANCA          4.10 3.09        
## # ... with 711 more rows, and 6 more variables:
## #   MODALIDADE_DE_COMPRA <chr>, FORNECEDOR <chr>, DATA_COLETA <chr>,
## #   CIDADE <chr>, UF <chr>, COMBUSTIVEL <chr>

14.3.2) Agrupando os Dados:

Considere que você é dono de uma rede varejista e têm os dados de seus clientes. Qual cliente tem o maior ticket médio ?

Com o que aprendemos até agora:

• filtraríamos dos dados por cliente
• calcularíamos a média

Não seria mais fácil agrupar a base desta maneira?

Em muitos casos os dados não estão dispostos na estrutura necessária para se trabalhar, muitas vezes precisamos agrupar os dados em relação a algumas variáveis. No caso acima, agrupamos em relação aos clientes.

Como fazer isso?

Simples use o pacote dplyr e as funções:

• group_by(): similar ao SQL, função que agrupa os dados de acordo com a variável(eis) desejada(s).

• sumarize(): aplica uma função nas demais variáveis desejadas.

Exemplo 14.4- Leia o arquivo populcao.csv e calcule as médias das idades por região.

setwd("C:\\Users\\ac_sa\\OneDrive\\Documentos\\INIFINET_introducao_ao_R\\datasets\\")
pop<-read_csv("populacao.csv")

## Parsed with column specification:
## cols(
##   Nome = col_character(),
##   Sexo = col_integer(),
##   Regiao = col_character(),
##   Idade = col_integer()
## )

pop_agrupado<- pop %>%
               group_by(Regiao) %>%
               summarise(media=mean(idades))

14.3.2) Ordenando os Dados:

Vamos supor que se depara com o dataset, note que ele está ordenado por data:

e se você queiser ordenar por valor de compras? Simples basta vc usar a função arrange(nome_coluna)

setwd("C:\\Users\\ac_sa\\OneDrive\\Apostilia R\\")

clientes<-read.csv2("clientes.csv")

library(dplyr)

ordem<-clientes %>% 
      arrange(Valor)

Base Human development index (HDI).csv

Leia a base Human development index (HDI).csv com os dados da evolução do IDH (Índice de Desenvolvimento Humano) dos países e responda os questionamentos.

1. Crie uma função que classifique os países (em uma coluna extra na tabela) em 2014 de acordo com a tabela:

2. Qual pais cresceu mais em relação à 2013?

3. Qual pais caiu mais em relação à 2013?

4. Quantos enstão com classificação baixa?

5. Qual é a posição do Brasil?

Base dados_anp2.csv

Crie uma variavel chamada anp que receba a leitura de dados dados_anp2.csv.

• Dica 1: na leitura use o argumento stringsAsFactors = FALSE
• Dica 2: transforme a coluna PRECO_COMPRA em númerica, com a função as.numeric()
• Dica 3: faça os valores nulos de PRECO_COMPRA receberem na.

1. Faça o summary para entender a sua base.

2. Quantos preços foram coletados?

3. Crie uma tabela com a frequência de postos por combústivel, atribua essa tabela à variável “quantidade_postos”

4. Qual combustível teve menos preços coletados? Isso faz sentido?

5. Qual é o posto com menor preço de venda? É confiável essa fonte (dica: olhe para o fornecedor e a bandeira.)

6. Crie a tabela dados_etanol, que é um filtro do data frame anp. Sumarize dados_etanol por UF e média dos preços de venda do etanol.

7. Qual é o estado com a menor média de preços de venda do etanol. Isso faz sentido?

8. Exporte para o mesmo arquivo em excel os data frames:

• anp
• dados_etanol
• etanol_sumarizado