

Introdução ao R

Leituras recomendadas

Leituras Recomendadas

• Capítulos 1, 2 e 3 (Parte 1). Grolemund, Garret. Hands-On Programming with R - Livro

• Capítulo 5 (Parte 2). Grolemund, Garret. Hands-On Programming with R - Livro

• Capítulos 2, 3 e 4. Aquino, Jakson. R para Cientistas Sociais - Livro

1. O que é o R e o RStudio?

1.1. Linguagem de programação R

O R é uma linguagem de programação que vem crescendo bastante nos últimos anos. Apesar de inicialmente ter como público estatísticos, a linguagem é uma das mais utilizadas para análise de dados nas mais diferentes frentes. A flexibilidade trazido por uma inúmera quantidade de pacotes permite lidar não só com tabelas estilo Excel, mas também com texto, imagens, etc.

Quando baixamos o R pela primeira vez nos assustamos com a sua interface, pois ela não é das mais agradáveis.

1.1. RStudio

Para solucionar isto e adicionar outras funcionalidades que melhoram a experiência de quem utiliza a linguagem, foi desenvolvido uma IDE (Ambiente de desenvolvimento integrado) chamada RStudio.

O RStudio nada mais é que um software, que integrado com o R, permite uma interação melhor com os objetos e rotinas criados com o R. O programa tem quatro painéis/seções:

A - Console: Local na qual temos o R prompt e que podemos executar linha por linha (chamados de inputs). Além disso, é o local no qual os resultados (chamados de outputs) irão aparecer.

B - File/Plots/Help: Nesta seção podemos ter acesso às pastas que estamos utilizando durante as nossas rotinas no software, além de visualizar os gráficos gerados a partir das análises e verificar a documentação de funções e pacotes, que explicaremos em breve.

C - Workspace: Os valores gerados no R, como por exemplo, variáveis e tabelas que você definiu irão aparecer aqui, sobretudo, na aba Environment. E o histórico de códigos rodados na aba History. Veremos nas próximas aulas que a aba Connections é útil caso estejamos conectados com alguma base de dados externa, como por exemplo, Access ou PostgreSQL.

D - Editor: Aqui é onde os scripts são escritos. Scripts nada mais são do que uma série de comandos salvos em um arquivo. Eles são úteis para mantermos a reprodutividade do código, portanto, sempre que formos utilizar o RStudio é recomendado escrever um script.

Podemos então começar a escrever nossas primeiras linhas de código!

1.3. Abrindo um script

1- É possível um novo script.

2 - Ou podemos abrir um script que já foi trabalhado

File → Open file → Aula1.R

Atenção à extensão .R

Num script tem linhas de comando e também linhas de comentários. Para marcarmos comentários basta colocarmos #. Dessa forma, o R não executará o que está escrito depois das aspas

1.4. Algumas regras de boa conduta

1. Não escreva diretamente no console. Salve o seu código sempre em um script. Assim conseguimos ter acesso a todas as decisões tomadas durante uma análise e permitir com que uma outra pessoa também chegue nos resultados que obtivermos.

2. Nunca sobreponha o banco de dados. Uma vez que você tem um script, não é preciso salvar as alterações já que você será capaz de reproduzir os resultados no futuro.

3. Comente o seu código com #. Lembre-se que outras pessoas irão ler o seu código e que elas não fazem ideia do que passava na sua cabeça quando você tomou algumas decisões. Além disso, o seu eu do futuro irá agradecer um código bem documentado caso seja necessário revisitá-lo.

2. Nossas primeiras linhas de código

Uma das funcionalidades mais básicas do R é realização de operações matemáticas. Se estamos digitando os comandos em um script, basta colocarmos o cursor do mouse na linha do código e apertar Ctrl + Enter e o resultado sairá no Console, assim como já havíamos mencionado.

3 + 1 # Soma

3 - 2 # Subtração

4 * 2 # Multiplicação

5 / 2 # Divisão

2.1. Objetos e atribuições I

“To understand computations in R, two slogans are helpful: • Everything that exists is an object. • Everything that happens is a function call.” — John Chambers

Dados são guardados dentro de objetos.

• Objetos possuem diferentes formas de estruturas os dados:

  • Vetores

  • Listas

  • DataFrames

• Objetos podem conter diferentes tipos de dados:

  • Números

  • Strings

  • Fatores

2.2. Atribuindo valores à variáveis (<-)

Quando fizemos as operações matemáticas, não salvamos os nossos resultados. Logo, caso quiséssemos acessar novamente, por exemplo, o resultado de 3 + 1, seria necessário digitar novamente 3 + 1 e efetuar a operação. Contudo, é possível salvar os resultados em variáveis e, ao fazer referência a essas variáveis, obter outro resultado.

3 + 1

a <- 3 + 1

a * 2

b <- ("Hello, world")

b

dado <- c(1,2,3,4,5,6)

dado

2.3. Tipos de dados

Tipos de Dados no R (Fonte: https://www.wikitechy.com)

2.3.1. Lidando com números

De certa maneira, estamos muito acostumados com esse tipo de dados. Você consegue pensar em algum exemplo?

• Os minutos passados entre o momento que você saiu de casa e chegou nesta sala de aula.

• Renda mensal da sua família.

• Quantidade de livros que você possui.

Tipos numéricos podem ser divididos em inteiros (integers) e reais (float). Diferentemente de outras linguagens de programação, você dificilmente terá que se preocupar com isso no R.

3 # numero inteiro

55.4 # numero real

2.3.2. Lidando com texto

Outro tipo de variável muito conhecida é o texto ou string. Para declaramos um texto no R podemos utilizar aspas simples ('') ou aspas duplas (""), mas lembre-se não podemos intercalar as aspas, como por exemplo, 'olá mundo". Se começar um texto com aspas simples termine com aspas simples.

"Vargas"

'Jânio Quadros'

"1945"

Perceba que devido ao fato de 1945 estar entre aspas, ele não é mais um dado do tipo número, mas sim texto e sim isso é totalmente diferente de escrever apenas 1945.

2.3.3. Lidando com fatores

Vamos supor que estamos trabalhando com dados de survey e em uma das questões temos a escala likert, em que as respostas vão do “Discordo totalmente” até o “Concordo totalmente” contabilizando um total de 6 categorias de resposta. Ocorre que para que o R entenda este tipo de dado como algo categórico, precisamos transformá-los em fatores (factors).

Para fazer essa transformação, utilizaremos uma função chamada factor() que recebe como parâmetro um vetor com o que queremos transformar em categorias.

factor(c("Discordo totalmente", "Discordo parcialmente", "Indiferente", "Concordo parcialmente", "Concordo totalmente"))

Diferente de quando executamos um dado tipo texto, os dados categóricos apresentam os níveis das categorias (levels). Perceba que as nossas categorias não estão de acordo com o que a escala likert pressupõe e para arrumar este problema, precisamos definir os níveis através de um outro parâmetro da função factor() chamado levels =.

factor(c("Discordo totalmente", "Discordo parcialmente", "Indiferente", "Concordo parcialmente", "Concordo totalmente"),
       levels = c("Discordo totalmente", "Discordo parcialmente", "Indiferente", "Concordo parcialmente", "Concordo totalmente"))

Pode parecer um pouco confuso agora, mas iremos esclarecer estes pontos nos próximos tópicos.

2.3.4. Lidando com data e tempo

Muitas vezes precisamos lidar com data, como por exemplo, filtrar nossa análise em um intervalo de tempo. Porém, números e textos não são suficientes para entender as regras impostas pelas datas, como por exemplo, “01/01/2019” é mais recente que “31/12/2018”.

Sys.Date()

Parece uma variável texto, não? Porém se aplicarmos a função str(), que serve para vermos qual é o tipo do dado veremos que na verdade temos uma variável do tipo Date. Nem sempre teremos que nos preocupar com isso, mas caso você esteja querendo plotar uma série temporal essa transformação é bem importante.

str(Sys.Date())

Caso você tenha ficado curiosa, por baixo a variável Date é do tipo numérico e, por convenção, nada mais é do que a quantidade de segundos passados desde 1 de Janeiro de 1970.

2.3.5. Lidando com lógicos/booleanos

Valores booleanos são resultados de operações booleanas e podem ser definidos como verdadeiros ou falsos. Por convenção, trabalhamos com os termos em inglês. Portanto, TRUE ou FALSE.

Por operações booleanas, podemos pensar em diferentes testes que tenham necessariamente uma resposta ou verdadeira ou falsa. Por exemplo, 3 é maior do que 1? Verdadeiro! E 3 é menor do que 2? Falso!

Vamos realizar essas duas operações no R.

# 3 é maior do que 1?
3 > 1

# 3 é maior do que 1?
3 < 2

Existem, obviamente, outras operações. É possível também testar a igualdade entre dois valores com ==.

# 2 é igual a 2?
2 == 2

Também podemos testar se dois valores são diferentes.

#120 é diferente de 20?
120 != 20

Outras variações utilizadas são o maior ou igual (>=) e o menor ou igual (<=). Além disso, também é possível realizar essas operações com textos.

# "FFLCH" é igual a "ICB"?
"FFLCH" == "ICB"

Não iremos introduzir essa ideia aqui, mas caso seja de interesse também podemos utilizar as noções de maior e menor para textos. Você teria um palpite de como um texto pode ser maior do que outro?

2.3.6. Valores ausentes/ missings

O que são missings e por que existe um valor especial para eles?

Existem dois tipos de valores missing, o NA (not available) e o NaN (not a number), ambos tem sentidos semelhantes, porém o primeiro é mais genérico para cada tipo de dado. Para sabermos se um certo dado é missing, utilizamos a função is.na().

is.na(NA)

is.na(99)

Por que esse código retorna NA?

NA == NA

3. Exercícios - Parte 1

3.1. Tipos de Dados

Marque verdadeiro ou falso. Caso verdadeiro, informe o tipo de dado:

Obs: Caso apareça “+” no seu console ao testar as afirmações, basta apertar “Esc”

1. 33,5

2. "Olá mundo"

3. "O 'R' é uma linguagem legal"

4. "O 'R é uma linguagem legal"

5. "O 'R é uma linguagem legal'

6. 400e+10

7. factor("oi", levels = c("oi", "tchau"))

8. TRUE

9. FALSE

4. Estrutura de dados

As estruturas de dados são maneiras de organizar e guardar dados dentro da linguagem para que possamos trabalhar de forma mais eficiente. No nosso cotidiano utilizaremos três destas estruturas: vetores, listas e dataframes. Essas três estruturas podem ser dividas entre homogêneas e heterogêneas. Mas o que isso significa? Basicamente diz respeito a quantidade de tipos de dados que ela pode receber, isto é, estruturas homogêneas só podem receber um tipo de dado, enquanto as estruturas heterogêneas podem receber mais de um tipo de dado.

4.1. Vetores (atômicos)

Um vetor atômico é a estrutura mais básica no R; é um vetor de dados homogêneo com apenas uma dimensão. Imagine o vetor como um três em que os valores estão ordenados em posições (primeiro, segundo, terceiro) e que todos os valores contidos por ele precisam ser do mesmo tipo.

Ilustração de um trem

Que tal um exemplo? Imagine que você queira organizar em um vetor a quantidade de pessoas dentro de vagões de um trem. Nesse sentido, a quantidade de pessoas no primeira vagão é seguida da quantidade de pessoas no segundo e assim por diante.

c(120, 29, 191, 18, 39)

Quantas pessoas estão no segundo vagão? 29? Acertou!

Perceba então que para construir um vetor basta colocarmos os valores dentro de c().

4.1.1. Indexando vetores

Dado que criamos objetos, podemos acessar os valores específicos a partir da posição dentro do vetor. No exemplo anterior, você poderia ter pedido para o R lhe responder quem está na segunda posição. Como fazer isso? basta salvar o vetor em uma variável e color [2]

trem <- c(120, 29, 191, 18, 39)

trem[1]

Para indexarmos mais de um elemento podemos indexar de duas formas. Logo se quiséssemos o número de pessoas no terceiro e quarto vagão:

trem[c(3,4)]

trem[3:4]

O que acontece se você utilizar [3:5]?

trem[3:5]

4.2. Listas

Em geral, dificilmente utilizamos as listas de maneira pura. Contudo, entender o funcionamento dela é essencial para pegar os fundamentos de uma outra estrutura de dados.

Vamos montar um guarda-roupa com três gavetas:

• Primeira gaveta: 3 meias

• Segunda gaveta: 5 camisetas com logotipo que vai de 1 até 5

• Terceira gaveta: uma caixa com dois relógios

Uma forma de representar este guarda-roupa é por meio de uma lista!

lista <- list(c("Meia 1", "Meia 2", " Meia 3"), c(1, 2, 3, 4, 5), list(c("Relogio 1", "Relogio 2")))

Listas são parecidas com vetores atômicos, porém elas podem conter vetores de qualquer tipo (numéricos, lógicos, texto) e até mesmo outras listas.

4.2.1. Indexando

Apesar de parecido com um vetor atômico, a indexação tem alguns aspectos diferentes! Quando indexamos um vetor, obtemos o elemento a partir de [] em que dentro colocamos a posição de interesse, porém, se fizermos o mesmo com a lista é como se abríssemos apenas a gaveta, mas não acessamos o que está dentro dela. Ou seja, para acessar o elemento da lista precisamos utilizar [[]].

lista[1] # Obtendo a posicao da lista

lista[[1]] # Obtendo os elementos da lista

lista[[1]][1]

lista[[3]][[1]] # Obtendo o elemento da lista dentro de outra lista

4.3. Dataframes

Se você já utilizou uma planilha de Excel o DataFrame não possui quase nada de diferente. Assim como as listas, data frames são estruturas de dados heterogêneas. Você saberia dizer por que?

tabela <- data.frame(ano = c(2014, 2014, 2015, 2015, 2016, 2016),
                     pais = c('Brasil', 'China', 'Brasil', 'China', 'Brasil', 'China'),
                     pib = c(100,130, 110, 140, 160, 170),
                     pop = c(3, 8, 4, 9, 6, 14))
tabela

Diferentemente do Excel, não podemos selecionar uma célula e alterar um dado. No R, para manipular e visualizar uma tabela precisamos utilizar funções. Não se estresse caso nunca tenho ouvido falar delas. Pense apenas que elas realizam alguma ação.

Repare nos resultados das funções a seguir:

View(tabela) # mostra o banco no console

head (tabela) # mostra as seis primeiras linhas do banco no console

str(tabela)# mostra a estrutura da tabela

names(tabela) # mostra o nome das variáveis

nrow(tabela) # nº de linhas

ncol(tabela) #nº de colunas

dim(tabela) # dimensões

4.3.1. Indexando

Assim como data frames, a indexação também tem mais de uma dimensão, isto é, primeiro indexamos a linha e depois a coluna, como por exemplo:

tabela[1, 2] # Primeira linha, segunda coluna

tabela[1,] # Primeira linha, todas as colunas

tabela[,1] # Todas as linhas, primeira coluna

tabela[1:3,] # Linhas de 1 até 3, todas as colunas

tabela[,2:4] # todas as linhas, colunas de 2 até 4

Como estamos lidando com tabelas também podemos indexar com o nome das colunas

tabela[,"pais"]

tabela[2,"pais"]

Por fim também podemos indexar utilizando o operador $ seguido do nome da coluna.

tabela$pib

tabela$pib[1]

4.3.2. Importando dataframes (csv, Excel, etc.)

Uma das maneiras mais eficientes de se importar dados para o R é pelo uso dos seguintes pacotes:

1. readr para a leitura de CSVs.

2. readxl para a leitura de planilhas de Excel.

3. haven para a leitura de arquivos.

Instalando pacotes do R

O R não possui todos os pacotes previamente. Em geral, utilizaremos o comando install.packages() para instalar pacotes no R. Execute o comando install.packages(c('readr', 'readxl', 'haven')). Lembre-se de carregar o pacote no R com o comando library(). Por exemplo, library(readr).

Você sabia que o TSE (Tribunal Superior Eleitoral) libera diversos dados sobre as eleições no site deles?

Que tal tentar baixar o banco de candidatos? Para isso, baixe os arquivos:

• Candidatos - CSV

• Candidatos - CSV2

• Candidatos - TAB

• Candidatos - Arroba

• Candidatos - Excel

• Candidatos - Stata

Às vezes, o navegador não irá fazer o download automaticamente e lhe mostrará uma tela repleta de caracteres. Calma! Clique com o botão direito na tela e selecione a opção Save Page As…. Recomendamos que você salve os dados dentro de uma pasta chamada data ou dados para manter o projeto organizado.

Para importar um CSV para o R, utilize a função read_csv() do pacote readr.

Fique atento com o lugar que você salvou os arquivos!

Neste exemplo, os arquivos estão salvos dentro da pasta data.

library(readr)

banco_virgula <- read_csv('data/candidatos_sp_virgula.csv')

Se tudo tiver dado certo, agora você terá um banco_virgula no seu ambiente de variáveis. Mas nem sempre um banco de dados é separado por vírgula e mesmo assim ele pode ter a extensão .csv.

• Bancos separados por ponto e vírgula ;.

banco_pontovirgula <- read_csv2('data/candidatos_sp_pontovirgula.csv')

• Banco separados por tabs \t.

banco_tab <- read_tsv('data/candidatos_sp_tab.csv')

• Banco separados por @ ou qualquer outro caractere.

banco_arroba <- read_delim('data/candidatos_sp_arroba.csv', delim = '@')

• Banco Excel.

library(readxl)

banco_excel <- read_excel('data/candidatos_sp_excel.xlsx')

Repare que o número de linhas do banco Excel é menor!

Por que isso aconteceu?

• Banco Excel - Abas

library(readxl)

banco_excel_1 <- read_excel('data/candidatos_sp_excel.xlsx', sheet = 1)

banco_excel_1 <- read_excel('data/candidatos_sp_excel.xlsx', sheet = 2)

• Banco Stata

library(haven)

banco_stata <- read_stata('data/candidatos_sp_stata.dta')

5. Exercício - Parte 2

5.1. DataFrames

1. Crie um dataframe com o nome, idade e filme preferido dos seus colegas de turma.

Como criar um dataframe?

Lembre-se que para criar um dataframe utilizamos a função data.frame() e que essa função recebe vetores como parâmetros para cada coluna que desejamos criar. Por exemplo, se você quiser criar uma dataframe com uma lista de números basta executar data.frame(lista_numeros = c(1,2,3,4,5,6,7))

1. Crie uma lista composta por 3 elementos.

   • Faça um script que documente o passo a passo da criação do dataframe.

   • Como podemos saber o conteúdo do segundo elemento da lista? Utilze a indexação.

2. No R temos, bancos para fins didáticos. Para utilizá-los basta usar a função data. Para esse exercícios utilizaremos o banco mtcars. Execute data(mtcars). Repare que agora você pode acessar o banco mtcars da mesma maneira que fizemos anteriormente com outros dataframes.

   • Visualize o banco. Do que se trata?

   • Quais são suas variáveis?

   • E suas dimensões?

   • Selecione as 10 primeiras observações

5. Funções

Como você deve ter notado mencionamos algumas vezes a palavra função durante o texto. Mas o que é isso? Podemos pensar cada função como uma ação. Por exemplo, imagine você possa controlar a sua vida por meio de funções. Se as coisas funcionam assim, provavelmente teríamos uma função levantar(), beber_aguar() e assim por diante. No R, o princípio é o mesmo e precisamos utilizar funções para executar quaisquer comandos que precisamos que sejam operados. Por exemplo, quando você executou read_csv(), você chamou um código que abre o arquivo especificado e estrutura cada linha dentro de um dataframe.

Mas como uma função sabe sobre onde ela precisa operar? Como read_csv() sabia que precisava abrir aquele arquivo? Para isso, utilizamos parâmetros. Parâmetros alteram o comportamento das nossas funções e nos permitem especificar, por exemplo, um arquivo para a read_csv() escrevendo read_csv('arquivo.csv').

Vamos ver isso na prática com outra função bastante importante, a mean().

Como aprender a utilizar funções?

Obviamente, você pode utilizar o Google, mas muitas vezes não é necessário sair do RStudio. Se você quiser, utilize o comando ?mean e tente ler a documentação e os exemplos. Pacotes instalados pelo CRAN necessariamente são acompanhados por uma documentação que explica o que as suas funções fazem.

Vamos tentar rodar um exemplo?

x <- c(1,2,3)
xm <- mean(x)

xm

A função mean() calcula a média de qualquer vetor numérico para a gente e podemos utilizar para ter uma noção dos nossos dados durante uma análise.

5.1. Pacotes

Segundo a definição do livro R Packages, escrito por Hadley Wickham, um pacote é uma unidade fundamental de compartilhamento de códigos, dados, documentação e testes. Em outras palavras, os pacotes são coleções de códigos (funções) e dados desenvolvidos pela comunidade.

Estes pacotes ficam localizados no que chamamos de repositório. O principal repositório recebe o nome de C**omprehensive **R **A**rchive **N**etwork, o também chamado, CRAN. Mas existem outros também, como o Github, no qual a forma de obter os pacotes muda. Para instalar um pacote, utilize o comando install.packages() em que o argumento principal é o nome do pacote que queremos instalar.

Uma peculiaridade desta função é que por padrão ela instala os pacotes que estão no CRAN, como por exemplo, vamos instalar um pacote chamado “dplyr”

install.packages("dplyr")

Após instalarmos o pacote, devemos habilitá-lo com uma função chamada library()

library(dplyr)

Caso o pacote não esteja no CRAN, mas sim no Github, devemos instalar o pacote com o auxilio de uma função chamada install_github() do pacote devtools.

install.packages("devtools")

library(devtools)

Pacotes no GitHub

Caso o seu pacote não esteja liberado no CRAN ou caso deseje ter acesso à versão de desenvolvimento, você irá precisar utilizar a função install_github() do pacote devtools que recebe como parâmetro <dono-do-pacote>/<nome-do-pacote>. Por exemplo, install_github("abjur/abjutils"). Não se esqueça de habilitar o devtools com a função library(devtools).

6. Controladores de Fluxo

É muito comum estabelecermos uma condição para tomar uma decisão, como por exemplo, ‘Porcentagem de votos maior que 50% pode significar vitória, caso contrário, derrota’.

Para que possamos fazer isso, utilizaremos o if/else e o for!

6.1. if/else

A estrutura do if/else é a seguinte:

if(<condicao>){
  <comando1>
  <comando2>
  <etc>
}else{
  <comando3>
  <comando4>
  <etc>
}

Podemos interpretá-la da seguinte maneira: Se a condição for verdadeira, execute os comandos 1 e 2, caso contrário, execute os comandos 3 e 4.

6.2. for

for (i in x){
  <comando1>
  <comando2>
}

Nós lemos o for acima da seguinte maneira: Para cada valor “i” presente na sequência “x”, realize tais comandos. Ou seja, para cada linha da nossa tabela, some um ao percentual de votos recebidos.

Vamos criar o seguinte dataframe:

• ano: ano da observação.

• pais: país da observação.

• pip: Produto Interno Bruto do país.

• pop: População do país.

tabela <- data.frame(ano = c(2014, 2014, 2015, 2015, 2016, 2016),
                     pais = c('Brasil', 'China', 'Brasil', 'China', 'Brasil', 'China'),
                     pib = c(100,130, 110, 140, 160, 170),
                     pop = c(3, 8, 4, 9, 6, 14))

Nosso objetivo:

Criar uma terceira coluna com o PIB per capta com um for

for(i in 1:nrow(tabela)){
  print(tabela$pib[i])
}

Vamos entender algumas coisas aqui,

• nrow(tabela) é uma função que retorna o número de linhas de uma tabela, ou seja, seu resultado é um número.

• Quando temos 1:nrow(tabela), estamos criando um vetor com uma sequência de 1 até o número de linhas da nossa tabela, no caso, 6. Isso significa que nosso for vai percorrer as treze linhas da tabela.

• Uma vez que o i assumirá os valores de 1 até 6, podemos indexar o vetor tabela$pip[i] com o [i] para obter o número do PIB correspondente a linha i. Dessa maneira podemos dividir tabela$pip[i] pela tabela$pop[i] e obter a _renda per capta.

Vamos agora voltar ao nosso objetivo principal:

tabela$pib_capta <- NA # Criando uma coluna vazia

for(i in 1:nrow(tabela)){
  tabela$pib_capta[i] <- tabela$pib[i] / tabela$pop[i]
}

print(tabela)

Por fim, nós podemos misturar o for com o if para obter um comportamento customizável dentro do nosso loop.

Por exemplo, vamos criar uma classificação de PIB per capta entre alto e baixo. Para isso, iremos utilizar o 20 como o discriminador entre essas duas classes. Nesse sentido, se pib_capta for maior do que 20 devemos classificar

tabela$pip_capta_class <- NA # Criando uma coluna vazia

for(i in 1:nrow(tabela)){
  if(tabela$pib_capta[i] > 20){
    tabela$pip_capta_class[i] <- 'Alto'
  } else {
    tabela$pip_capta_class[i] <- 'Baixo'
  }
}

print(tabela)

PARABÉNS!!!

Enfim, após esse breve resumos de conceitos básicos de programação você será capaz de interagir com pacotes com uma vasta variedade de pacotes, além de conseguir desenvolver as próprias soluções quando for necessário.

7. Exercícios

Exercício 1 - Tipos de dados

Execute os códigos abaixo e verifique se são dados válidos em R. Caso verdadeiro, informe o tipo de dado:

Obs: Caso apareça “+” no seu console ao testar as afirmações, basta apertar “Esc”

1. 33,5

2. "Olá mundo"

3. "O 'R' é uma linguagem legal"

4. "O 'R é uma linguagem legal"

5. "O 'R é uma linguagem legal'

6. 400e + 10

7. factor("oi", levels = c("oi", "tchau"))

8. true

9. False

Exercício 2 - Manipulando variáveis

1. Altere o valor de v_numero para 42

v_numero <- 42.5

1. Altere o valor de v_caractere para “universo”.

v_caractere <- "algum texto"`

1. Altere o valor de v_logical para FALSE

`v_logical <- TRUE`

Exercício 3 - Estruturas de Dados

1. Crie dois vetores:

   • O primeiro (nome) deve conter o nome de pelo menos 5 colegas que estão sentandos ao seu redor.

   • O segundo (altura) deve conter a altura desses colegas.

vetor_nome <- c()
vetor_altura <- c()

1. Acesse o primeiro nome do vetor_nome. Lembre-se que você precisa dos [].

2. Acesse os primeiros três valores de altura no vetor_altura.

3. Faça isso apenas utilizando [] e :

4. Faça isso apenas utilizando [] e c()

5. Crie um dataframe a partir de vetor_nome e vetor_altura.

tabela_colegas <- data.frame(nome = <completar>,
                             altura = <completar>)

1. Usando a indexação, obtenha:

   • O vetor nome dentro do dataframe tabelas_colegas

   • O vetor altura dentro do dataframe tabelas_colegas

   • Obtenha a primeira observação da sua tabela (primeira linha)

2. Utilizando funções obtenha:

   • A média de altura dos seus colegas

   • Uma tabela (table()) dos nomes dos seus colegas

   • O desvio padrão da altura (sd())

Exercício 4 - Controladores de Fluxo

1. Imprima todas as alturas de tabelas_colegas com for e print().

2. Crie uma classificação para a altura dos seus colegas com for e if. Não se preocupe com o valor utilizado. Contudo, case deseje, você pode dividi-los pela mediana ou pela média.

Exercício 5 - Importação de Dados

1. Escolha um dos bancos abaixo ou qualquer outro de seu interesse. Baixe o banco, utilize as funções para explorar as variáveis, retire algum resumo de uma variável (média, contagem, etc.).

Relembrando as funções

Você pode utilizar View(), head(), str(), names(), entre outras para ter uma ideia geral do banco de dados. Para extrair estatísticas, você pode utilizar mean(), sd(), median(), etc.

Lembre-se que o Google é o seu melhor amigo! Pesquisa outros comandos que sejam do seu interesse!

Banco	Link
Banco Eleições	Download
Preço Médio de Combustíveis no Brasil	Download
Banco de Pokemon	Download
Vagas de Emprego em Nova Iorque	Download

Exercício 6 - Desafio

Com o banco de dados do exercício anterior tente levantar algumas hipóteses sobre as relações de variáveis. Por exemplo, “eu acho que X causa Y”. Anote todas essas hipóteses.

Uma vez feito isso, tente:

1. Criar um gráfico que ressalte a relação entre essas variáveis.

2. Procure rodar um teste estatístico que ponha à prova a sua hipótese (Teste t, ANOVA, regressão linear, regressão logística, etc.).

Por onde começar?

Existe um pacote de visualização de dados muito famoso para o R chamado ggplot2. Quanto ao teste estatístico, o R possuí todos os testes citados implementados, ou seja, você não precisa baixar um pacote para aplicá-los. Tente procurar na internet. Existem referências tanto em português quanto em inglês.