Universidade Federal do Ceará

Departamento de Economia Agrícola

Programa de pós-graduação em Economia Rural

Introdução à análise de dados em R

Organizador: Professor Edward Martins Costa

Ministrante: Helson Gomes de Souza

Aula 1

Introdução geral

O que é R?

R é uma linguagem de programação baseada em C++ com foco na manipulação, análise e visualização de dados. A linguagem foi criada em 1993 pelo departamento de Estatística da Universidade de Auckland, Nova Zelândia.

Por que R?

1 - Open source.

2 - Linguagem simples e de fácil compreensão.

3 - Possui uma grande comunidade usuária.

4 - Grande número de blogs, foruns e páginas dedicadas à linguagem R.

5 - Facilidade de encontrar sugestões para perguntas referentes às dificuldades de uso da linguagem.

6 - Múltiplos frames.

7 - Multiplos ambientes de execução.

8 - Visualização fácil.

Por exemplo:

https://cran.r-project.org/

https://journal.r-project.org/

www.jstatsoft.org/index

https://stackoverflow.com/

www.r-bloggers.com/

Instalação

Baixe e instale o R no endereço:https://cran.r-project.org/bin/windows/base/R-4.0.2-win.exe

Instalação do Rstudio

Após ter inslalado o R, baixe e instale o Rstudio em https://rstudio.com/products/rstudio/download/

Plataformas auxiliares

$\Rightarrow$ R notebook

$\Rightarrow$ R markdown

$\Rightarrow$ Shiny

$\Rightarrow$ Rstudio cloud

Apesar da comodidade do Rstudio, o usuário R pode usar outras ferramentas que operam com a linguagem R.

Jupyter notebook $\Rightarrow$ https://jupyter.org/

Anaconda $\Rightarrow$ www.anaconda.com

cocalc $\Rightarrow$ www.cocalc.com

Operações básicas

# Soma
1 + 1

2

# Subtração
1-1

0

# Multiplicação
10*10

100

# Divisão
100/10

10

# Potência
10^2

100

# Raiz quadrada
sqrt(100)

10

# Resto da divisão
10%%3

1

# Exponencial
exp(0)

1

# Logaritimo natural
log(1)

0

# Logaritimo na base
logb(10, base = exp(1))

2.30258509299405

Operadores lógicos

# Igual
3 == 10%%2

FALSE

# Diferente
3 != 10%%2

TRUE

# Maior que
3 > 2

TRUE

# Menor que
3 < 2

FALSE

# Maior ou igual
3 >= 3

TRUE

# Menor ou igual
3 <= 2

FALSE

# Está contido em
2 %in% 1:10

TRUE

# E
2 < 3 & 3 > 2

TRUE

# Ou
2 < 3 | 3 < 2

TRUE

Algumas funções básicas

Print

Imprime (mostra) um valor ou objeto indicado

print("Eu estudo na UFC")

[1] "Eu estudo na UFC"

Show

Mostra um valor ou objeto indicado (se diferencia do print por retornar também objetos complexos como figuras e funções)

show(objeto)

a <- 11:20
b <- 1:10
show(plot(a, b, type = "line"))

Warning message in plot.xy(xy, type, ...):
“gráfico do tipo 'line' vai ser truncado para o primeiro caractere”

NULL

sprintf

Permite que o usuário printe um objeto em conjunto com um texto.

sprintf(fmt, )

use %i para números inteiros, %f para números racionais e %s para caracteres alfanuméricos

sprintf("Eu estudo na %s", "UFC")

'Eu estudo na UFC'

sprintf("Eu tenho %i anos", 18)

'Eu tenho 18 anos'

sprintf("Um Kg de arroz custa R$ %f", 9.50)

'Um Kg de arroz custa R$ 9.500000'

nome = "João"
idade = 25
peso = 75.50
sprintf("%s tem %i anos e pesa %f Kg", nome, idade, peso)

'João tem 25 anos e pesa 75.500000 Kg'

readline

Permite a contrução de um objeto interativo que necessita de uma resposta prévia

nome = readline("Qual o seu nome? ")
print(nome)

Qual o seu nome? helson
[1] "helson"

# Criando uma ferramenta para medir o IMC
altura = readline("Digite a sua altura em metros: ")
peso <- readline("Digite o seu peso em Kg: ")
imc <- as.numeric(peso)/as.numeric(altura)^2
print(sprintf("O seu IMC é de %f", imc))

Digite a sua altura em metros: 1.75
Digite o seu peso em Kg: 69
[1] "O seu IMC é de 22.530612"

head

Mostra os n primeiros elementos de um objeto

head(objeto, n)

O valor padrão para n é 5

head(1:1000)

1. 1
2. 2
3. 3
4. 4
5. 5
6. 6

Classes dos dados

É possível trabalhar com cinco classes de dados em R, sendo:

characters: Referente aos caracteres alfanuméricos (letras, palavras, frases, etc);

integers: Referente aos números inteiros (sem separação decimal).OBS: Esta classe vem acompanhada da letra L (ex: 4L);

numerical: Números inteiros e racionais com ou sem separação decimal;

logical: Referentes a noções básicas do próprio R como TRUE e FALSE;

complexes: Corresponde aos números complexos com partes reais e imaginárias (ex: 1+ 4i)

# Use is.character() para verificar de um determinado objeto é um character
is.character("Meu nome")

TRUE

# Use is.integer() para verificar de um determinado objeto é um integerer
is.integer(10L)

TRUE

# Use is.numeric() para verificar de um determinado objeto é um numeric
is.numeric(10.5)

TRUE

# Use is.logical() para verificar de um determinado objeto é um logical
is.logical(TRUE)

TRUE

# Use is.complex() para verificar de um determinado objeto é um complex
is.complex(4i)

TRUE

Transformando classes

# Para transformar uma determinada classe em character, use a função as.character()
as.character(12)

'12'

# Para transformar uma determinada classe em numeric, use a função asnumeric()
as.numeric("12")

12

# Para transformar uma determinada classe em logical, use a função as.logical()
as.logical(0)

FALSE

# Para transformar uma determinada classe em integer, use a função as.integer()
as.integer(12.750)

12

# Para transformar uma determinada classe em complex, use a função as.complex()
as.complex(50)

50+0i

Estrutura de dados

	Homogêneo	Heterogêneo
1d	Vetor atômico	Lista
2d	Matriz	Data Frame
nd	Array

Vetor atômico

É a estrutura básica de dados em R. Nesta estrutura só é possível inserir informações com uma única dimensão. Indicamos que se trata de umvetor atômico quando usamos o seguimento c()

vetor <- c(1)
vetor

1

Para checar se um determinado objeto é um vetor atômico use a função is.atomic()

is.atomic(vetor)

TRUE

vetor<-c(1:10)
is.atomic(vetor)

TRUE

vetor <- c("A", "B", 1, 2)
is.atomic(vetor)

TRUE

# Vetores também podem conter outros vetores
c(1, c(1:5, c(2:7)))

1. 1
2. 1
3. 2
4. 3
5. 4
6. 5
7. 2
8. 3
9. 4
10. 5
11. 6
12. 7

# Valores missings são escritos como NA e são conhecidos como vetores lógicos
is.logical(NA)

TRUE

c(NA, NA, 2,3,5)

1. <NA>
2. <NA>
3. 2
4. 3
5. 5

Os vetores podem ser do tipo

doble Possuem duas classes de informações do mesmo tipo (exemplo, números inteiros e racionais)

integer Possuem apenas valores inteiros

character possuem apenas caracteres

is.numeric(c(1:10))

TRUE

is.double(c(1,2,2.5))

TRUE

is.character(c("A", "B", "C"))

TRUE

typeof(c(2, 5, "A"))

'character'

typeof(c(1:10))

'integer'

Listas

Listas possuem apenas uma dimensão, mas se diferem dos vetores pelo fato de que podem incluir vários tipos, incluindo listas. Usamos a função list() para criar uma lista.

lista1 <- list(1:4, 2:5, c(1,2,7), "A", list(1:3))
lista1

1. 1. 1
   2. 2
   3. 3
   4. 4
2. 1. 2
   2. 3
   3. 4
   4. 5
3. 1. 1
   2. 2
   3. 7
4. 'A'
5. 1. 1. 1
      2. 2
      3. 3

is.list(lista1)

TRUE

# Uma lista de lista é conhecida como uma lista recursiva
is.recursive(lista1)

TRUE

# Use a função str para verificar os componentes (estrutura) da lista
str(lista1)

List of 5
 $ : int [1:4] 1 2 3 4
 $ : int [1:4] 2 3 4 5
 $ : num [1:3] 1 2 7
 $ : chr "A"
 $ :List of 1
  ..$ : int [1:3] 1 2 3

Atributos

Qualquer objeto pode ter um atributo adicional arbitrário. Para isso, utiliza-se a função attr

y <- 1:10
attr(y, "meu_atributo") <- "Isto é um vetor"
attr(y, "meu_atributo")

'Isto é um vetor'

str(attributes(y))

List of 1
 $ meu_atributo: chr "Isto é um vetor"

attributes(y[1])

NULL

Atribuindo nomes

x <- c(a = 1, b = 2, c = 3)

# Podemos adicionar nomes a x modificando o vetor existente
names(x) <- c("a","b", "c")
x

a

1

b

2

c

3

# Ou podemos adicionar nomes em x criando uma cópia modificada do vetor
x <- c(a = 1, b = 2, c = 3)
x <- setNames(x, c("a","b", "c"))
x

a

1

b

2

c

3

# Para visualizar o nome dos componentes do objeto usamos a função names()
names(x)

1. 'a'
2. 'b'
3. 'c'

Matrizes e arrays

# Adicionando o parâmetro dim a um vetor nós formamos um array
# array(vetor, dim = c(nº de linhas, nº de coluna, repetições))
b <- array(1:12, dim = c(4, 3, 2))
print(b)

, , 1

     [,1] [,2] [,3]
[1,]    1    5    9
[2,]    2    6   10
[3,]    3    7   11
[4,]    4    8   12

, , 2

     [,1] [,2] [,3]
[1,]    1    5    9
[2,]    2    6   10
[3,]    3    7   11
[4,]    4    8   12

Uma matriz é um caso especial de um array. Assim como o array, a matriz possui duas dimensões - linhas e colunas - Porém, as operações com arrays podem ser diferentes das operações com matrizes

# Use a função matrix para criar uma matriz
# matrix(vetor, ncol = nº de colunas,nrows = nº de linhas
mat <- matrix(1:16, ncol = 4, nrow = 4)
mat

A matrix: 4 × 4 of type int

1	5	9	13
2	6	10	14
3	7	11	15
4	8	12	16

# Você pode transformar um array em matriz
as.matrix(b[,,1])
# e pode usar a mesma lógica para o inverso

A matrix: 4 × 3 of type int

1	5	9
2	6	10
3	7	11
4	8	12

Renomeando linhas e colunas de uma matriz

rownames(mat) <- c("1a linha","2a linha","3a linha","4a linha")
mat

A matrix: 4 × 4 of type int

1a linha	1	5	9	13
2a linha	2	6	10	14
3a linha	3	7	11	15
4a linha	4	8	12	16

colnames(mat) <- c("coluna1", "coluna2", "coluna3", "coluna4")
mat

A matrix: 4 × 4 of type int

	coluna1	coluna2	coluna3	coluna4
1a linha	1	5	9	13
2a linha	2	6	10	14
3a linha	3	7	11	15
4a linha	4	8	12	16

Operações com matrizes

matriz1 <- matrix(1:9, nrow=3, ncol = 3)
matriz2 <- matrix(11:19, nrow=3, ncol = 3)

Adição

matriz1 + matriz2

A matrix: 3 × 3 of type int

12	18	24
14	20	26
16	22	28

Subtração

matriz1 - matriz2

A matrix: 3 × 3 of type int

-10	-10	-10
-10	-10	-10
-10	-10	-10

Multiplicação

matriz1 %*% matriz2

A matrix: 3 × 3 of type dbl

150	186	222
186	231	276
222	276	330

Multiplicação por um escalar

matriz1 * 3

A matrix: 3 × 3 of type dbl

3	12	21
6	15	24
9	18	27

Matriz transposta

t(matriz1)

A matrix: 3 × 3 of type int

1	2	3
4	5	6
7	8	9

Matriz inversa

solve(matrix(c(4,4,-2,2,6,2,2,8,4),3,3))

A matrix: 3 × 3 of type dbl

1.0	-0.5	0.5
-4.0	2.5	-3.0
2.5	-1.5	2.0

Determinante

det(matriz1)

0

Exercício

Uma pesquisa levantou informações sobre a renda e o consumo de 50 famílias.

A renda das famílias é dada pelo comando sample(x = 1500, size = 50, replace = T)

O consumo das famílias é dada pelo comando sample(x = 1350, size = 50, replace = T)

Calcule a propensão marginal a consumir destas famílias utilizando o estimador de mínimos quadrados ordinários no R, fazendo uso apenas das operações com matrizes. OBS: Antes de digitar os comandos no R,utilize o comando set.seed(200) para fixar os valores da amostra.

set.seed(200)
x = matrix(sample(x = 1500, size = 50, replace = T), nrow = 50, ncol = 1)
y = matrix(sample(x = 1350, size = 50, replace = T), nrow = 50, ncol = 1)
beta = (solve(t(x)%*%x))%*%(t(x)%*%y)
beta

A matrix: 1 × 1 of type dbl

0.542836

Data Frames

Tecnicamente, um data frame é uma lista de vetores de tamanhos iguais. Assim como as matrizes e arrays, os data frames possuem duas dimensões (linhas e colunas).

df <- data.frame(x = 1:3, y = c("a", "b", "c"))
df

A data.frame: 3 × 2

x	y
<int>	<fct>
1	a
2	b
3	c

class(df)

'data.frame'

str(df)

'data.frame':	3 obs. of  2 variables:
 $ x: int  1 2 3
 $ y: Factor w/ 3 levels "a","b","c": 1 2 3

is.data.frame(df)

TRUE

Combinando data frames

#### linhas abaixo de linhas => usar o rbind
df1 <- data.frame(x = 4:6, y = c("d", "e","f"))
rbind(df, df1)

A data.frame: 6 × 2

x	y
<int>	<fct>
1	a
2	b
3	c
4	d
5	e
6	f

#### colunas ao lado de colunas => usar o cbind
df1 <- data.frame(x1 = 4:6, y1 = c("d", "e","f"))
cbind(df, df1)

A data.frame: 3 × 4

x	y	x1	y1
<int>	<fct>	<int>	<fct>
1	a	4	d
2	b	5	e
3	c	6	f

Inserindo colunas (variáveis) em um data frame

df$v1 <- c(10:12)
df

A data.frame: 3 × 3

x	y	v1
<int>	<fct>	<int>
1	a	10
2	b	11
3	c	12

df[,4] <- c(10:12)
df

A data.frame: 3 × 4

x	y	v1	V4
<int>	<fct>	<int>	<int>
1	a	10	10
2	b	11	11
3	c	12	12

Inserindo linnhas em um data frame

df[4,] <- c(4, "d", 13, 13)
df

Warning message in `[<-.factor`(`*tmp*`, iseq, value = "d"):
“invalid factor level, NA generated”

A data.frame: 4 × 4

	x	y	v1	V4
	<chr>	<fct>	<chr>	<chr>
1	1	a	10	10
2	2	b	11	11
3	3	c	12	12
4	4	NA	13	13

Deletando colunas em um data frame

df[, -4]

A data.frame: 4 × 3

	x	y	v1
	<chr>	<fct>	<chr>
1	1	a	10
2	2	b	11
3	3	c	12
4	4	NA	13

# deletando mais de uma coluna
df[, -c(3,4)]

A data.frame: 4 × 2

	x	y
	<chr>	<fct>
1	1	a
2	2	b
3	3	c
4	4	NA

Deletando linhas em um data frame

df[-4,]

A data.frame: 3 × 4

	x	y	v1	V4
	<chr>	<fct>	<chr>	<chr>
1	1	a	10	10
2	2	b	11	11
3	3	c	12	12

# Deletando mais de uma linha
df[-c(3,4),]

A data.frame: 2 × 4

	x	y	v1	V4
	<chr>	<fct>	<chr>	<chr>
1	1	a	10	10
2	2	b	11	11

Merging data frames

Quando dois dataframes possui uma coluna de ligação em comum, é possível uní-las utilizando a função merge()

dt1 <- data.frame(idade = c(18, 22, 50, 78, 25,27), experiencia = c(0, 1, 22, 40, 4, 4), 
                  id = c("joão", "maria", "josé", "alice", "pedro", "antonio"), stringsAsFactors = FALSE)

dt2 <- data.frame(id = c("josé", "alice", "pedro", "joão", "maria", "antonio"), 
                  renda = c(800, 1200, 2300, 1750, 900, 1100), stringsAsFactors = FALSE)

dt3 <- merge(dt1, dt2, by.x = "id", by.y = "id")
dt3

A data.frame: 6 × 4

id	idade	experiencia	renda
<chr>	<dbl>	<dbl>	<dbl>
alice	78	40	1200
antonio	27	4	1100
joão	18	0	1750
josé	50	22	800
maria	22	1	900
pedro	25	4	2300

Exercício

# 1 - Crie um data frame unindo os três data frames abaixo sabendo que as variáveis COD_ID, ID e IDENT
# se referem ao código de identificação de cada observação
df1 <- data.frame(COD_ID = 1:4, peso = c(50.1, 50.5, 78.4, 90.0), idade = c(45, 26, 35, 60))
df2 <- data.frame(ID = c(1, 2, 4, 3), altura = c("1.60", "1.62", "1.74", "1.72"))
df3 <- data.frame(IDENT = c("4", "2", "1", "3"), sexo = c(T, T, F, T))

# 2 - Com o data frame resultante da questão anterior, adicione uma coluna de nome ano_nascimento contendo o ano
# que cada indivíduo nasceu, sabendo que essas informações foram coletadas em 2019.

# 3 - Crie uma coluna adicional no data frame indicando o índice de massa corporal (IMC) de cada indivíduo.

# 4 - Suponha que você está construindo um programa que vise minimizar os custos de uma ida ao supermercado.
# Suponha também que só existem três tipos de produtos (roupa, comida e bebida).
# Faça uma aplicação que pergunte o preço e a quantidade adquirida bde cada item e retorne o valor da compra.