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 2

Manipulação de dados

No R existe uma gama de ferramentas que permitem importar dados de diferentes tipos. Algumas dessas bibliotecas já estão previamente inseridos no conjunto de funções básicas do R. Outras bibliotecas, no entanto, precisam ser instaladas. Tendo feito a instalação, estas bibliotecas devem ser liberadas sempre que o usuário deseje usá-las.

Instalando bibliotecas

Para instalar uma biblioteca em seu R, use a função install.packages().

# Para exemplificar, vamos instalar a biblioteca carData, que permite que o usuário acesse um conjunto
# diverso de dados.
install.packages("carData")

Installing package into ‘/home/helson/R/x86_64-pc-linux-gnu-library/3.6’
(as ‘lib’ is unspecified)

Liberando bibliotecas

Para liberar o uso de uma biblioteca, use a função library()

library(carData)
head(Chile)

A data.frame: 6 × 8

	region	population	sex	age	education	income	statusquo	vote
	<fct>	<int>	<fct>	<int>	<fct>	<int>	<dbl>	<fct>
1	N	175000	M	65	P	35000	1.00820	Y
2	N	175000	M	29	PS	7500	-1.29617	N
3	N	175000	F	38	P	15000	1.23072	Y
4	N	175000	F	49	P	35000	-1.03163	N
5	N	175000	F	23	S	35000	-1.10496	N
6	N	175000	F	28	P	7500	-1.04685	N

1. Importação de dados

1.1 Importando dados com coluna fixa

Os dados de coluna fixa são aqueles que são dispostos em um arquivo sem um delimitador de colunas. Em vez disso, as colunas possuem um número fixo de caracteres. Geralmente, cada coluna tem uma posição inicial (soma total dos caracteres em uma linha decorridos desde o primeiro caracter até o caracter inicial da coluna) e um tamanho (quantidade máxima de caracteres na coluna). Algumas funções em R facilitam a extração desse tipo de dados. A função read_fwf, por exemplo, realiza a leitura de dados de coluna fixa de uma maneira simples e eficiente.

read_fwf("nome_do_arquivo", fwf_cols(nome_da_coluna = c(posição_inicial, posição_inicial + tamanho -1)))

Para tanto, é necessário usar o pacote readr

library(readr)
despesas_veiculo <- read_fwf("https://trello-attachments.s3.amazonaws.com/5f762ac8ad3ca64b6a8db0a4/5f7a5dfdd62c9a41a4842e3a/0fd57b9c5b06920f6a02f00fb09dc308/T_DESPESA_VEICULO_S.txt",
                            fwf_cols(tipo_registro = c(1, 2), codigo_uf = c(3,4), numero_sequencial = c(5,7),
                                    dv_sequencial = c(8,8), num_domicilio = c(9,10), 
                                     despeza_deflacionado = c(83,98)))
head(despesas_veiculo)

── Column specification ────────────────────────────────────────────────────────
cols(
  tipo_registro = col_double(),
  codigo_uf = col_double(),
  numero_sequencial = col_character(),
  dv_sequencial = col_double(),
  num_domicilio = col_character(),
  despeza_deflacionado = col_character()
)

A tibble: 6 × 6

tipo_registro	codigo_uf	numero_sequencial	dv_sequencial	num_domicilio	despeza_deflacionado
<dbl>	<dbl>	<chr>	<dbl>	<chr>	<chr>
13	11	001	9	01	0000000083512.16
13	11	001	9	01	0000000077438.54
13	11	001	9	04	0000000021088.93
13	11	001	9	05	0000001623847.48
13	11	001	9	05	0000000105444.64
13	11	002	7	03	0000001964270.03

1.2 Importando dados em formato .csv

O R disponibiliza uma função nativa para importação de dados em formato .csv

read.csv(file, sep, dec,...); sep é o separador de colunas e dec é o separador decimal.

Para testar vamos importar os dados sobre os estádios de futebpl do estados de alagoas disponíveis em

https://dados.gov.br/dataset/estadios-de-futebol-alagoas

dados <- read.csv("http://dados.al.gov.br/dataset/1870ba20-2c86-4c97-ab39-cf1bc0aebc61/resource/a766e1b6-1f06-4bc6-ad9e-9a78bea9c756/download/estadiosdefutebol.csv", sep = ",")
head(dados)

A data.frame: 6 × 7

	Name	Cidade	Propriedade	Capacidade	Obs.	Longitude	Latitude
	<fct>	<fct>	<fct>	<fct>	<fct>	<dbl>	<dbl>
1	Estádio José Gomes da Costa	Murici	Particular	3.000 Pessoas	Atende ao Murici Futebol Clube	-35.94412	-9.312147
2	Estádio Olival Elias de Moraes	Boca da Mata	Particular	2.500 pessoas		-36.21095	-9.643294
3	Estádio Edson Matias	Olho D'Agua das Flores	Particular	3.000 Pessoas		-37.29390	-9.530301
4	Estádio Alfredo Leahy	Penedo	Municipal	2.000 pessoas.		-36.57129	-10.285275
5	Estádio Adalberto Cavalcante	Porto Real do Colégio		2.000 Pessoas	Também conhecido como"a toca do jacaré"	-36.83224	-10.188196
6	Estádio Governador Arnon de Mello	Santana de Ipanema	Ipanema Atlético Clube	3.000 pessoas		-37.25031	-9.364155

Além da função read.csv, é possível importar os dados em formato .csv por meio de demais funções como read.csv2, read.delim, e read.table.

Verificar o funcionamento das funções citadas

1.3 Importando dados em formato .xls

Para importar dados neste formato, podemos usar a biblioteca readxl. Esta biblioteca possibilita a importação de dados neste formato por meio das funções read_excel e read_xls

library(readxl)
dt <- read_xls("~/trabalhos/CURSO_R_PPGER/Aula2/whostat2005_mortality.xls", skip = 1, col_names= T)
head(dt)

New names:
* `` -> ...3
* `` -> ...5
* `` -> ...7
* `` -> ...9
* `` -> ...11

A tibble: 6 × 12

Country	WHO region	...3	Life expectancy	...5	Healthy life expectancy (HALE)	...7	Probability of dying per 1000 population	...9	Probability of dying per 1000 live births	...11	Maternal
<chr>	<chr>	<lgl>	<chr>	<chr>	<chr>	<chr>	<chr>	<chr>	<chr>	<chr>	<chr>
NA	NA	NA	Male	female	Male	female	Male	female	Male	female	NA
Afghanistan	EMR	NA	41	42	35.299999999999997	35.799999999999997	510	NA	257	60	1900
Albania	EUR	NA	69	75	59.5	63.299999999999997	167	448	21	12	55
Algeria	AFR	NA	69	72	59.700000000000003	61.600000000000001	155	92	41	20	140
Andorra	EUR	NA	78	84	69.799999999999997	74.599999999999994	107	125	5	4	...
Angola	AFR	NA	38	42	31.600000000000001	35.100000000000001	584	41	260	54	1700

# Renomeando as colunas com letras do alfabeto
names(dt) <- letters[1:length(dt)]
head(dt)

A tibble: 6 × 14

a	b	c	d	e	f	g	h	i	j	k	l	m	n
<dbl>	<lgl>	<chr>	<chr>	<lgl>	<dbl>	<dbl>	<dbl>	<dbl>	<dbl>	<dbl>	<dbl>	<dbl>	<chr>
1	NA	Afghanistan	EMR	NA	41	42	35.3	35.8	510	448	257	60	1900
2	NA	Albania	EUR	NA	69	75	59.5	63.3	167	92	21	12	55
3	NA	Algeria	AFR	NA	69	72	59.7	61.6	155	125	41	20	140
4	NA	Andorra	EUR	NA	78	84	69.8	74.6	107	41	5	4	...
5	NA	Angola	AFR	NA	38	42	31.6	35.1	584	488	260	54	1700
6	NA	Antigua and Barbuda	AMR	NA	70	75	60.1	63.6	193	122	12	8	...

Agora suponha que eu queira importar apenas as informações dispostas nas colunas C e D entre as linhas 20 e 50. Podemos especificar esta opção por meio do parâmetro range

dt <- read_xls("~/trabalhos/CURSO_R_PPGER/Aula2/whostat2005_mortality.xls", range = "C20:D50", col_names = F)
head(dt)

New names:
* `` -> ...1
* `` -> ...2

A tibble: 6 × 2

...1	...2
<lgl>	<dbl>
NA	75
NA	65
NA	52
NA	61
NA	63
NA	69

1.4 Importando dados no formato .xlsx

Também é possível importar dados em formato .xlsx com a função read_excel do pacote readxl

dt1 <- read_excel("~/Documentos/repositorios/ds-py-public/data/pesquisa_familiar.xlsx")
head(dt1)

A tibble: 6 × 9

ano	id_dom	individuo	sexo	idade	anos_estudo	renda_trabalho	consumo_vite	obeso
<dbl>	<dbl>	<dbl>	<chr>	<dbl>	<dbl>	<dbl>	<dbl>	<chr>
2014	1	2	M	35	3	724	6.88	F
2014	5	2	F	21	0	790	9.60	F
2014	3	1	F	32	5	1200	8.69	T
2014	6	2	F	52	7	1800	10.78	T
2014	7	1	M	27	7	1800	12.14	T
2014	1	1	F	52	11	2400	5.53	F

Outros pacotes também facilitam a importação de dados no formato .xlsx, como por exemplo, o pacote openxlsx

library(openxlsx)
dt1 <- read.xlsx("~/Documentos/repositorios/ds-py-public/data/pesquisa_familiar.xlsx")
head(dt1)

A data.frame: 6 × 9

	ano	id_dom	individuo	sexo	idade	anos_estudo	renda_trabalho	consumo_vite	obeso
	<dbl>	<dbl>	<dbl>	<chr>	<dbl>	<dbl>	<dbl>	<dbl>	<chr>
1	2014	1	2	M	35	3	724	6.88	F
2	2014	5	2	F	21	0	790	9.60	F
3	2014	3	1	F	32	5	1200	8.69	T
4	2014	6	2	F	52	7	1800	10.78	T
5	2014	7	1	M	27	7	1800	12.14	T
6	2014	1	1	F	52	11	2400	5.53	F

1.5 Importando arquivos no formato .ods

Arquivos em formato .ods são bem semelhantes às planilhas do excel, mas são importados por meio de uma biblioteca específica no R. Nesta demonstração faremos uso da runção read_ods referente ao pacote readODS.

install.packages("readODS")
library(readODS)

Installing package into ‘/home/helson/R/x86_64-pc-linux-gnu-library/3.6’
(as ‘lib’ is unspecified)

exemplo <- read_ods("exemplo.ods")
head(exemplo)

A data.frame: 6 × 4

	data	v1	v2	v3
	<chr>	<dbl>	<dbl>	<dbl>
1	01/01/19	0.1	5	-0.3
2	01/02/19	0.7	2	-0.5
3	01/03/19	0.9	4	0.0
4	01/04/19	1.1	7	0.2
5	01/05/19	1.7	6	0.7
6	01/06/19	1.9	3	0.5

1.6 Lendo arquivos no formato .shp

A extensão .shp é comumente utilizada para armazenar dados geográficos. As informações são armazendadas em um shapefile onde cada linha corresponde a um polígono (ou ponto). O R não disponibiliza uma função nativa para importareste tipo de informação. Paraisso, utilizaremos a função readOGR do pacote rgdal.

install.packages("rgdal")
library(rgdal)

Loading required package: sp

rgdal: version: 1.5-16, (SVN revision 1050)
Geospatial Data Abstraction Library extensions to R successfully loaded
Loaded GDAL runtime: GDAL 3.0.4, released 2020/01/28
Path to GDAL shared files: /usr/share/gdal
GDAL binary built with GEOS: TRUE 
Loaded PROJ runtime: Rel. 6.3.1, February 10th, 2020, [PJ_VERSION: 631]
Path to PROJ shared files: /usr/share/proj
Linking to sp version:1.3-2
To mute warnings of possible GDAL/OSR exportToProj4() degradation,
use options("rgdal_show_exportToProj4_warnings"="none") before loading rgdal.

shape <- readOGR("/media/helson/DOCUMENTOS/shapefiles/BR_MUN1997_NE_region.shp")

Warning message in OGRSpatialRef(dsn, layer, morphFromESRI = morphFromESRI, dumpSRS = dumpSRS, :
“Discarded ellps South_American_1969 in CRS definition: +proj=longlat +a=6378160 +rf=298.249997276159 +no_defs”
Warning message in OGRSpatialRef(dsn, layer, morphFromESRI = morphFromESRI, dumpSRS = dumpSRS, :
“Discarded datum D_SA1969 in CRS definition: +proj=longlat +a=6378160 +rf=298.249997276159 +no_defs”
Warning message in showSRID(wkt2, "PROJ"):
“Discarded ellps South_American_1969 in CRS definition: +proj=longlat +a=6378160 +rf=298.249997276159 +no_defs”
Warning message in showSRID(wkt2, "PROJ"):
“Discarded datum D_SA1969 in CRS definition”

OGR data source with driver: ESRI Shapefile 
Source: "/media/helson/DOCUMENTOS/shapefiles/BR_MUN1997_NE_region.shp", layer: "BR_MUN1997_NE_region"
with 1787 features
It has 21 fields

1.7 Importando dados no formato .json

Muitas informações são disponibilizada na forma de um JavaScript Object Notation (json). Esses objetos são geralmente relacionados à exposição de informações ou criação de aplicações computacionais na linguagem Java script. A vantagem de se utilizar este formato de exposição de dados é que geralmente as informações são armazenadas em menos espaço do que os formatos convencionais.

Nesta especificação é possível inserir várias planílias dentro de um único arquivo. Cada planilha é agrupada dentro de chaves {}. Dentro da planilha, as colunas recebem um nome especificado entre aspas e os valores das informações de cada coluna são expostos entre colchetes e são separados por vírgula um a um.

Exemplo de um arquivo .json

{"Idade":["20","25","30","40","50"], "Escolaridade":["7", "5", "6", "7", "4"]}

Para importar este tipo de arquivo, é necessário usar uma biblioteca específica. Neste documento, faremos uso da biblioteca rjson. Instale-a em sua máquina.

install.packages('rjson')
library(rjson)

Installing package into ‘/home/helson/R/x86_64-pc-linux-gnu-library/3.6’
(as ‘lib’ is unspecified)

Para testar a biblioteca vamos salvar o exemplo digitado acima no formato .json e importar para o R usando a função fromJSON.

df <- fromJSON(file = "example1.json")
df

$Idade

1. '20'
2. '25'
3. '30'
4. '40'
5. '50'

$Escolaridade

1. '7'
2. '5'
3. '6'
4. '7'
5. '4'

Tendo importado o arquivo, o próximo passo é transformá-lo em um data frame.

df <- as.data.frame(df)
df

A data.frame: 5 × 2

Idade	Escolaridade
<fct>	<fct>
20	7
25	5
30	6
40	7
50	4

1.8 Importando dados no formato .xml

Os dados em Extensible Markup Language (XML) são usados em arquivos de marcação. A principal característica desses dados é que as informações são armazenadas em tags. Além disso, destaca-se também que nesse tipo de informação os dados geralmente são dispostos de forma hierárquica. A principal vantagem do armazenamento de dados no formato .xml está na possibilidade de integração com outras linguagens. Por ser uma ferramenta de marcação, o XML pode ser facilmente compreendido por um conjunto de linguagens de programação.

Para exemplificar, suponha que queiramos criar uma base de dados com informações de emprego para oito indivíduos. A base de dados terá seis colunas de nomes ID, NAME, SALARY, STARTDATE e DEPT. O nosso arquivo .xml terá a seguinte especificação:

1 Rick 623.3 1/1/2012 IT 2 Dan 515.2 9/23/2013 Operations 3 Michelle 611 11/15/2014 IT 4 Ryan 729 5/11/2014 HR 5 Gary 843.25 3/27/2015 Finance 6 Nina 578 5/21/2013 IT 7 Simon 632.8 7/30/2013 Operations 8 Guru 722.5 6/17/2014 Finance

Para importar esse tipo de arquivo precisamos utilizar uma biblioteca específica.

install.packages("XML")
library(XML)

# Tendo instalado a biblioteca, usaremos a função xmlParse para importar os dados para o R
emprego <- xmlParse(file = "~/trabalhos/CURSO_R_PPGER/Aula2/emprego.xml")
# Em seguida, utilizaremos a função xmlToDataFrame para transformar os dados importados em um data frame.
tst <- xmlToDataFrame(emprego)
tst

A data.frame: 8 × 5

ID	NAME	SALARY	STARTDATE	DEPT
<fct>	<fct>	<fct>	<fct>	<fct>
1	Rick	623.3	1/1/2012	IT
2	Dan	515.2	9/23/2013	Operations
3	Michelle	611	11/15/2014	IT
4	Ryan	729	5/11/2014	HR
5	Gary	843.25	3/27/2015	Finance
6	Nina	578	5/21/2013	IT
7	Simon	632.8	7/30/2013	Operations
8	Guru	722.5	6/17/2014	Finance

2. Usando o Sparklyr

O sparklyr é um ambiente criado para facilitar as operações com grandes bases de dados. A ferramenta permite a importação de um grande volume de dados sem o comprometimento da memória do dispositivo. A ferramenta é recomendada para ocasiões em que o usuário deseja manipular ou extrair informações de uma base de dados muito grande.

install.packages("sparklyr")
library(sparklyr)

# Inicialmente é necessário criar uma conexão entre o R e o disco de armazenamento do dispositivo
# É preciso ter o java 8 instalado
sc <- spark_connect(master = "local")

2.1 Dasos em formato .csv

Para dados neste formato, é necessário usar a função spark_read_csv

2.2 Dados em formato .json

Para dados neste formato, é necessário usar a função spark_read_json

3. Variáveis e subseting

Utilizando as funções nativas é possível alterar as bases de dados de acordo com a necessidade do usuário. Para remonstrar, vamos utilizar umbanco de dados sobre migração

dados <- carData::Migration
head(dados)

A data.frame: 6 × 8

	source	destination	migrants	distance	pops66	pops71	popd66	popd71
	<fct>	<fct>	<int>	<int>	<int>	<int>	<int>	<int>
1	PEI	NFLD	255	924	108535	111641	493396	522104
2	NS	NFLD	2380	952	756039	788960	493396	522104
3	NB	NFLD	1140	1119	616788	534557	493396	522104
4	QUE	NFLD	2145	1641	5780845	6027764	493396	522104
5	ONT	NFLD	6295	1996	6960870	7703106	493396	522104
6	MAN	NFLD	215	3159	963066	988247	493396	522104

3.1 Usando a função subset para selecionar colunas

# Selecionando apenas as colunas source e pops66
dados1 <- subset(dados, select = c(source, pops66))
head(dados1)

A data.frame: 6 × 2

	source	pops66
	<fct>	<int>
1	PEI	108535
2	NS	756039
3	NB	616788
4	QUE	5780845
5	ONT	6960870
6	MAN	963066

# Excluindo apenas as colunas source e pops66
dados1 <- subset(dados, select = - c(source, pops66))
head(dados1)

A data.frame: 6 × 6

	destination	migrants	distance	pops71	popd66	popd71
	<fct>	<int>	<int>	<int>	<int>	<int>
1	NFLD	255	924	111641	493396	522104
2	NFLD	2380	952	788960	493396	522104
3	NFLD	1140	1119	534557	493396	522104
4	NFLD	2145	1641	6027764	493396	522104
5	NFLD	6295	1996	7703106	493396	522104
6	NFLD	215	3159	988247	493396	522104

3.2 Usando a função subset para filtrar os valores de uma coluna

# Suponha que queremos analisar a migração apenas para as cidades com mais de 1.000.000 de habitantes em 1971
dados1 <- subset(dados, popd71 > 1000000)
head(dados1)

A data.frame: 6 × 8

	source	destination	migrants	distance	pops66	pops71	popd66	popd71
	<fct>	<fct>	<int>	<int>	<int>	<int>	<int>	<int>
37	NFLD	QUE	2235	1641	493396	522104	5780845	6027764
38	PEI	QUE	635	774	108535	111641	5780845	6027764
39	NS	QUE	4350	832	756039	788960	5780845	6027764
40	NB	QUE	7905	522	616788	534557	5780845	6027764
41	ONT	QUE	48370	355	6960870	7703106	5780845	6027764
42	MAN	QUE	4630	1519	963066	988247	5780845	6027764

4. Manipulação de dados com plyr

A biblioteca plyr disponibiliza uma série de funções para a manipulação de dados.

install.package("plyr")
library(plyr)

# Para demonstrar vamos criar um banco de dados chamado d
d <- data.frame(year = rep(2000:2002, each = 3),count = round(runif(9, 0, 20)))
d

A data.frame: 9 × 2

year	count
<int>	<dbl>
2000	12
2000	15
2000	10
2001	3
2001	7
2001	13
2002	5
2002	12
2002	20

4.1 summarise

Gera uma nova coluna com informações de outra coluna do banco de dados, descartando as repetições de uma variável de grupo.

ddply(d, "year", summarise, total.count = sum(count))

A data.frame: 3 × 2

year	total.count
<int>	<dbl>
2000	37
2001	23
2002	37

4.2 transform

Gera uma nova coluna com informações de outra coluna do banco de dados, preservando as repetições de uma variável de grupo.

ddply(d, "year", transform, total.count = sum(count))
# obs: c("year", "outra variavel") para agrupar por mais de uma variável

A data.frame: 9 × 3

year	count	total.count
<int>	<dbl>	<dbl>
2000	12	37
2000	15	37
2000	10	37
2001	3	23
2001	7	23
2001	13	23
2002	5	37
2002	12	37
2002	20	37

4.3 mutate

criar uma variável de acordo com outras variáveis do dataframe ou com informações não disponibilizadas no data frame

mutate(d, raiz = sqrt(count), tempo = 2020 - year)

4.4 Unindo duas bases de dados de acordo com um código de ligação

df <- data.frame(sexo = rbinom(50, 1, .4), idade = round(runif(50, 15, 80)), salario = round(runif(50, 750, 3500),2),
                ID = 1:50)
df1 <- data.frame(escolaridade = round(runif(80, 0, 10)),
                ID = 80:1)

# Podemos usar a função *join* para unir df e df1 de acordo com a variável ID
join(x = df, y = df1, type = "left", match = "all")

Joining by: ID

A data.frame: 50 × 5

sexo	idade	salario	ID	escolaridade
<int>	<dbl>	<dbl>	<int>	<dbl>
0	60	2304.26	1	7
1	51	914.22	2	1
1	51	3176.14	3	7
1	35	925.88	4	1
0	78	2316.35	5	1
0	20	1423.91	6	4
1	61	1569.34	7	7
0	37	1834.31	8	2
0	24	3343.91	9	10
0	54	1094.09	10	5
0	46	2386.53	11	9
0	38	1385.78	12	4
0	20	3291.20	13	5
0	39	2510.37	14	7
1	58	2347.67	15	3
1	53	1034.58	16	0
1	57	967.10	17	1
0	34	2208.98	18	8
1	36	2870.80	19	3
0	39	1233.66	20	8
1	29	916.51	21	10
0	71	1732.29	22	1
0	53	961.96	23	8
0	74	2492.23	24	9
1	79	2048.28	25	9
0	25	2680.67	26	3
0	46	2958.99	27	7
0	71	2366.05	28	0
1	41	1541.48	29	2
0	53	3008.90	30	5
0	60	1422.03	31	10
1	16	3175.56	32	8
0	51	2129.09	33	6
0	76	2778.74	34	3
1	24	1363.29	35	7
0	36	2012.94	36	2
1	29	3412.46	37	4
1	53	2240.11	38	6
0	54	2067.01	39	8
0	77	1072.36	40	2
1	26	2433.76	41	10
0	42	3162.88	42	6
0	53	2808.51	43	8
0	48	2904.61	44	3
1	74	2827.07	45	4
1	61	1078.54	46	3
1	20	1242.37	47	3
1	55	1314.43	48	6
0	62	2648.30	49	4
0	39	1657.61	50	2

# Quem ganha mais, homens ou mulheres?

5. Dplyr e Tidyr

Dplyr e tidyr são duas bibliotecas do R com escopo voltado para o gerenciamento de dados. As duas bibliotecas possuem funções semelhantes à biblioteca plyr, porém, com algumas funcionalidades adicionais. Esses pacotes fazem parte de uma ferramenta de gerenciamento de dados mais ampla chamada tidyverse.

# Instalando as bibliotecas
install.packages("dplyr")
install.packages("tidyr")
# Ou, alternativamente,
install.packages("tidyverse")

# Liberando as bibliotecas
library(dplyr)
library(tidyr)
# Ou, alternativamente,
#library(tidyverse)

Attaching package: ‘dplyr’


The following objects are masked from ‘package:stats’:

    filter, lag


The following objects are masked from ‘package:base’:

    intersect, setdiff, setequal, union

5.1 Função pip

A função pip (%>%) é uma função do tidyr criada para indicar que a próxima linha de comando é uma sequência da linha anterior, permitindo que o usuário faça várias operações no mesmo comando.

5.2 Criando variáveis com a função mutate

O pacote dplyr disponibiliza uma série de opções que permitem a criação de variáveis dentro de um data frame por meio da função mutate, sendo que, o própria função possui uma série de subfunções. Para demonstrar, vamos o banco de dados sobre migração utilizado anteriormente.

dados <- carData::Migration
head(dados)

A data.frame: 6 × 8

	source	destination	migrants	distance	pops66	pops71	popd66	popd71
	<fct>	<fct>	<int>	<int>	<int>	<int>	<int>	<int>
1	PEI	NFLD	255	924	108535	111641	493396	522104
2	NS	NFLD	2380	952	756039	788960	493396	522104
3	NB	NFLD	1140	1119	616788	534557	493396	522104
4	QUE	NFLD	2145	1641	5780845	6027764	493396	522104
5	ONT	NFLD	6295	1996	6960870	7703106	493396	522104
6	MAN	NFLD	215	3159	963066	988247	493396	522104

Suponha que queiramos saber o quanto a populaçãodas províncias cresceu entre 1966 e 1971 e que queiramos criar outra variável com a taxa de crescimento da população.

# Primeira maneira
dados <- dados %>% mutate(pop_adicional = popd71 - popd66, taxa_cres6671 = pop_adicional/popd66)
head(dados)

A data.frame: 6 × 10

	source	destination	migrants	distance	pops66	pops71	popd66	popd71	pop_adicional	taxa_cres6671
	<fct>	<fct>	<int>	<int>	<int>	<int>	<int>	<int>	<int>	<dbl>
1	PEI	NFLD	255	924	108535	111641	493396	522104	28708	0.0581845
2	NS	NFLD	2380	952	756039	788960	493396	522104	28708	0.0581845
3	NB	NFLD	1140	1119	616788	534557	493396	522104	28708	0.0581845
4	QUE	NFLD	2145	1641	5780845	6027764	493396	522104	28708	0.0581845
5	ONT	NFLD	6295	1996	6960870	7703106	493396	522104	28708	0.0581845
6	MAN	NFLD	215	3159	963066	988247	493396	522104	28708	0.0581845

5.2.1 Criando uma variável condicional

Para criar uma variável dada por uma determinada condição, use a função mutate() em conjunto com a função ifelse.

mutate(nome_da_variavel = ifelse(condição, valor atribuído caso a condição seja satisfeita, falor atribuído caso a condição não seja satisteita)

# Criando uma variável binária com valor 1 caso a província de destino seja "NFLD" e zero caso contrário
dados <- dados %>% 
mutate(NFLD = ifelse(destination == "NFLD", 1, 0))
head(dados)

A data.frame: 6 × 9

	source	destination	migrants	distance	pops66	pops71	popd66	popd71	NFLD
	<fct>	<fct>	<int>	<int>	<int>	<int>	<int>	<int>	<dbl>
1	PEI	NFLD	255	924	108535	111641	493396	522104	1
2	NS	NFLD	2380	952	756039	788960	493396	522104	1
3	NB	NFLD	1140	1119	616788	534557	493396	522104	1
4	QUE	NFLD	2145	1641	5780845	6027764	493396	522104	1
5	ONT	NFLD	6295	1996	6960870	7703106	493396	522104	1
6	MAN	NFLD	215	3159	963066	988247	493396	522104	1

5.3 Criando variáveis a partir de um agrupamento

Suponha que queiramos criar uma variável que esboça a quantidade média de migrantes recebida por cada província de destino. Para tanto, precisamos fazer uso da função group_by. Podemos fazer isto de duas maneiras.

# 1. Preservando todas as informações da tabela (função mutate)
df <- dados %>% group_by(destination) %>% mutate(media_migrantes = mean(migrants))
head(df)

A grouped_df: 6 × 11

source	destination	migrants	distance	pops66	pops71	popd66	popd71	pop_adicional	taxa_cres6671	media_migrantes
<fct>	<fct>	<int>	<int>	<int>	<int>	<int>	<int>	<int>	<dbl>	<dbl>
PEI	NFLD	255	924	108535	111641	493396	522104	28708	0.0581845	1496.111
NS	NFLD	2380	952	756039	788960	493396	522104	28708	0.0581845	1496.111
NB	NFLD	1140	1119	616788	534557	493396	522104	28708	0.0581845	1496.111
QUE	NFLD	2145	1641	5780845	6027764	493396	522104	28708	0.0581845	1496.111
ONT	NFLD	6295	1996	6960870	7703106	493396	522104	28708	0.0581845	1496.111
MAN	NFLD	215	3159	963066	988247	493396	522104	28708	0.0581845	1496.111

# 2. Deixando apenas as informações desejadas (função summarise)
dados %>% group_by(destination) %>% summarise(media_migrantes = mean(migrants))

`summarise()` ungrouping output (override with `.groups` argument)

A tibble: 10 × 2

destination	media_migrantes
<fct>	<dbl>
ALTA	13905.0000
BC	21236.1111
MAN	6266.1111
NB	4076.6667
NFLD	1496.1111
NS	5098.3333
ONT	26621.1111
PEI	938.8889
QUE	8631.6667
SASK	4003.3333

Agora suponha que queiramos obter a média de todas as variáveis do data frame. Para isso, devemos usar a função mutate_all.

dados %>% mutate_all(mean)

Agora suponha que queiramos obter a média e o desvio padrão de duas variáveis do data frame. Para isso, devemos usar a função mutate_at.

dados %>% mutate_at(vars(migrants, distance), funs(mean, sd))

5.4 Filtrando linhas em um data frame

Para selecionar apenas as linhas com uma determinada característica, usamos a função filter.

Para exemplificar, suponha que queiramos deixar no banco de dados apenas as províncias de destino com mais de um milhão de habitantes em 1971.

df <- dados %>% filter(popd71>1000000)
head(df)
# Busque como se faz para filtrar linhas usando múltiplos filtros

A data.frame: 6 × 10

	source	destination	migrants	distance	pops66	pops71	popd66	popd71	pop_adicional	taxa_cres6671
	<fct>	<fct>	<int>	<int>	<int>	<int>	<int>	<int>	<int>	<dbl>
1	NFLD	QUE	2235	1641	493396	522104	5780845	6027764	246919	0.04271331
2	PEI	QUE	635	774	108535	111641	5780845	6027764	246919	0.04271331
3	NS	QUE	4350	832	756039	788960	5780845	6027764	246919	0.04271331
4	NB	QUE	7905	522	616788	534557	5780845	6027764	246919	0.04271331
5	ONT	QUE	48370	355	6960870	7703106	5780845	6027764	246919	0.04271331
6	MAN	QUE	4630	1519	963066	988247	5780845	6027764	246919	0.04271331

5.5 Selecionando colunas em um data frame

A função select do pacote dplyr permite que o usuário selecione apenas as colunas desejadas no data frame.

df <- dados %>% select(source, destination, migrants)
head(df)

A data.frame: 6 × 3

	source	destination	migrants
	<fct>	<fct>	<int>
1	PEI	NFLD	255
2	NS	NFLD	2380
3	NB	NFLD	1140
4	QUE	NFLD	2145
5	ONT	NFLD	6295
6	MAN	NFLD	215

df <- dados %>% select(-source, -destination, -migrants)
head(df)

A data.frame: 6 × 7

	distance	pops66	pops71	popd66	popd71	pop_adicional	taxa_cres6671
	<int>	<int>	<int>	<int>	<int>	<int>	<dbl>
1	924	108535	111641	493396	522104	28708	0.0581845
2	952	756039	788960	493396	522104	28708	0.0581845
3	1119	616788	534557	493396	522104	28708	0.0581845
4	1641	5780845	6027764	493396	522104	28708	0.0581845
5	1996	6960870	7703106	493396	522104	28708	0.0581845
6	3159	963066	988247	493396	522104	28708	0.0581845

5.6 Unindo data frames

O dplyr disponibiliza uma série de possibilidades para a realização de joins entre data frames.

library("IRdisplay")
display_png(file="joins.png", width = 500)

Para demonstrar, vamos criar duas bases de dados aleatórias com um código de identificação de nome id.

df1 = data.frame(id = 1:10, v1 = rnorm(10, 5, 2))
df2 = data.frame(id = 12:1, v2 = rnorm(12, 30, 60))

anti_join(df1, df2, by = "id")

A data.frame: 0 × 2

id	v1
<int>	<dbl>

anti_join(df2, df1, by = "id")

A data.frame: 6 × 2

id	v2
<int>	<dbl>
11	18.276553
11	66.688847
11	60.117731
11	95.979119
11	106.518942
11	-2.430858

left_join(df1, df2, by="id")

A data.frame: 10 × 3

id	v1	v2
<int>	<dbl>	<dbl>
1	3.574696	1.975438
2	5.813891	104.307472
3	3.472300	5.973093
4	4.799532	28.676813
5	5.875725	20.363682
6	2.454227	70.102221
7	8.153396	-28.248187
8	2.957694	3.062915
9	3.135772	58.519653
10	3.229637	1.169175

right_join(df1, df2, by="id")

A data.frame: 12 × 3

id	v1	v2
<int>	<dbl>	<dbl>
1	3.574696	1.975438
2	5.813891	104.307472
3	3.472300	5.973093
4	4.799532	28.676813
5	5.875725	20.363682
6	2.454227	70.102221
7	8.153396	-28.248187
8	2.957694	3.062915
9	3.135772	58.519653
10	3.229637	1.169175
12	NA	35.219557
11	NA	-10.637633

inner_join(df1, df2, by="id")

A data.frame: 10 × 3

id	v1	v2
<int>	<dbl>	<dbl>
1	3.574696	1.975438
2	5.813891	104.307472
3	3.472300	5.973093
4	4.799532	28.676813
5	5.875725	20.363682
6	2.454227	70.102221
7	8.153396	-28.248187
8	2.957694	3.062915
9	3.135772	58.519653
10	3.229637	1.169175

full_join(df1, df2, by="id")

A data.frame: 12 × 3

id	v1	v2
<int>	<dbl>	<dbl>
1	3.574696	1.975438
2	5.813891	104.307472
3	3.472300	5.973093
4	4.799532	28.676813
5	5.875725	20.363682
6	2.454227	70.102221
7	8.153396	-28.248187
8	2.957694	3.062915
9	3.135772	58.519653
10	3.229637	1.169175
12	NA	35.219557
11	NA	-10.637633

5.7 Transformando dados estendidos em dados empilhados

Para empilhar dados em um data frame, podemos usar a função gather do pacote tidyr. Para demonstrar, considere o seguinte data frame:

df <- data.frame(id = 1:10, jan2020 = rnorm(10, 0, 1), fev2020 = rnorm(10, 0, 2), 
                 mar2020 = rnorm(10, 0, 3), abr2020 = rnorm(10, 0, 5), mai2020 = rnorm(10, 0, 4))
df

A data.frame: 10 × 6

id	jan2020	fev2020	mar2020	abr2020	mai2020
<int>	<dbl>	<dbl>	<dbl>	<dbl>	<dbl>
1	-0.08277323	-2.1718590	-0.94048497	-7.4472086	-1.3829227
2	1.45867798	-0.3052334	0.10163275	-3.0015791	-1.6148980
3	0.28553012	-1.0609741	3.15229679	-2.5873120	0.2860221
4	-0.27852107	-1.8480766	-5.47286971	1.9369888	6.3592236
5	-1.97121451	-1.5741564	0.08671564	-1.7674630	-7.0492033
6	-1.25081949	-1.2157476	2.33573842	0.6363541	4.0112713
7	-0.07142108	1.6564270	-1.37549967	-7.8345583	-0.8714148
8	1.69428070	-2.3569023	-0.08916385	1.8508725	3.4302762
9	0.01790343	1.3479317	1.42258395	-0.9896906	1.5845378
10	-2.07003825	1.5775203	-0.83038955	-2.8511987	4.1839738

df1 <-  gather(df, key = "tempo", value = "nova_variavel", -id)
head(df1)

A data.frame: 6 × 3

	id	tempo	nova_variavel
	<int>	<chr>	<dbl>
1	1	jan2020	-0.08277323
2	2	jan2020	1.45867798
3	3	jan2020	0.28553012
4	4	jan2020	-0.27852107
5	5	jan2020	-1.97121451
6	6	jan2020	-1.25081949

5.8 Transformando dados empilhados em estendidos

Para transformar dados empilhados em planilhas de estilo cross-section, podemos usar a função spread do pacote tidyr.

df2 <- spread(df1, tempo, -id)
head(df2)

A data.frame: 6 × 6

	id	abr2020	fev2020	jan2020	mai2020	mar2020
	<int>	<dbl>	<dbl>	<dbl>	<dbl>	<dbl>
1	1	-7.4472086	-2.1718590	-0.08277323	-1.3829227	-0.94048497
2	2	-3.0015791	-0.3052334	1.45867798	-1.6148980	0.10163275
3	3	-2.5873120	-1.0609741	0.28553012	0.2860221	3.15229679
4	4	1.9369888	-1.8480766	-0.27852107	6.3592236	-5.47286971
5	5	-1.7674630	-1.5741564	-1.97121451	-7.0492033	0.08671564
6	6	0.6363541	-1.2157476	-1.25081949	4.0112713	2.33573842

5.9 Transformando uma coluna em duas com base em um separador comum

Suponha que tenhamos uma variável em que todas as observações sejam compostas por caracteres com um separador comum. Podemos separar as duas partes desta variável que estão separadas por um caractere comum. Para tanto, podemos usar a função separate do pacote tidyr.

Para demonstrar, suponha que tenhamos uma coluna com as capitais estaduais da região Nordeste e a sigla do seu respectivo estado separados por um ífem. Podemos gerar uma coluna com o nome da capital e outra coluna com a sigla do estado.

df = data.frame(v1 = c("São Luis-MA", "Teresina", "Fortaleza-CE", "Natal-RN", "João Pessoa-PB",
                      "Recife-PE", "Maceió-AL", "Aracaju-SE", "Salvador-BA"), CODUF = 21:29)
df

A data.frame: 9 × 2

v1	CODUF
<fct>	<int>
São Luis-MA	21
Teresina	22
Fortaleza-CE	23
Natal-RN	24
João Pessoa-PB	25
Recife-PE	26
Maceió-AL	27
Aracaju-SE	28
Salvador-BA	29

df <- df %>% separate(v1, into = c("Capital", "Estado"), sep = "-")
df

Warning message:
“Expected 2 pieces. Missing pieces filled with `NA` in 1 rows [2].”

A data.frame: 9 × 3

Capital	Estado	CODUF
<chr>	<chr>	<int>
São Luis	MA	21
Teresina	NA	22
Fortaleza	CE	23
Natal	RN	24
João Pessoa	PB	25
Recife	PE	26
Maceió	AL	27
Aracaju	SE	28
Salvador	BA	29

6. Lubridate

Lubridate é um pacote dedicado à manipulação de dados com a classe date. O pacote dispões de várias funções que permitem que ousuário opere do variáveis nos formatos de data e horas.

#instale o pacote
install.packages("lubridate")

library(lubridate)

Attaching package: ‘lubridate’


The following objects are masked from ‘package:base’:

    date, intersect, setdiff, union

Para indicar ao R que um determinado objeto é uma data, use a função as_date.

data <- "20/10/2020"
data <- as_date(data)
class(data)

Warning message:
“All formats failed to parse. No formats found.”

'Date'

O lubridate permite que o usuário declare que as datas seguem os seguintes formatos:

• Dia-mês-ano $\Rightarrow$ dmy()

• Mês-dia-ano $\Rightarrow$ mdy()

• Mês-ano-dia $\Rightarrow$ myd()

• Ano-mês-dia $\Rightarrow$ ymd()

• Ano-dia-mês $\Rightarrow$ ydm()

dmy("22051991")

1991-05-22

dmy("22/05/1991")

1991-05-22

Caso seja necessário incluir as horas nas datas, o usuário pode utilizar as seguintes funções:

• dia-mês-ano-hora $\Rightarrow$ dmy_h()

• dia-mês-ano-hora-minuto $\Rightarrow$ dmy_hm()

• dia-mês-ano-hora-minuto-segundo $\Rightarrow$ dmy_hms()

As demais especificações seguem a mesma lógica

dmy_hms("22/05/1991-20:35:00")

[1] "1991-05-22 20:35:00 UTC"

Caso o usuário deseje extrair um componente específico de uma data, ele pode usar as seguintes funções:

• second() $\Rightarrow$ extrai os segundos.
• minute() $\Rightarrow$ extrai os minutos.
• hour() $\Rightarrow$ extrai a hora.
• wday() $\Rightarrow$ extrai o dia da semana.
• mday() $\Rightarrow$ extrai o dia do mês.
• month() $\Rightarrow$ extrai o mês.
• year() $\Rightarrow$ extrai o ano.

second(dmy_hms("22/05/1991-20:35:00"))

0

mday(dmy_hms("22/05/1991-20:35:00"))

22

month(dmy_hms("22/05/1991-20:35:00"))

5

Para verificar a data corrente use a função today()

today()

2020-10-10

Para checar a data e o horario correntes use a função now().

now()

[1] "2020-10-10 18:40:47 -03"

6.1 Intervalos

É possível checar a quantidade de tempo em um determinado intervalo de tempo

int <-dmy("01-01-2020") %--% dmy("31-10-2020")

int/ddays() # checando a quantidade de dias no intervalo de tempo

304

int/dminutes() # checando a quantidade de minutos no intervalo de tempo

437760

int/dhours() # checando a quantidade de horas no intervalo de tempo

7296

int/seconds() # checando a quantidade de segundos no intervalo de tempo

26265600

7. Stringr

stringr é uma biblioteca voltada para a manipulação de dados do tipo string em R. A biblioteca é ideal para a extração de informações em arquivos de texto. Informações sobre a biblioteca podem ser obtidas em:

https://github.com/tidyverse/stringr

http://stringr.tidyverse.org/

https://cran.r-project.org/web/packages/stringr/stringr.pdf

Este breve documento busca demonstrar as funcionalidades básicas acerca da biblioteca stringr.

# Instalando a biblioteca
install.packages("stringr")

# Liberando a biblioteca
library(stringr)

OBS: Todas as funções do stringr começam com o prefixo str. Isso ajuda na hora de encontrar a função que você está procurando. No RStudio, digite str e aperte TAB para visualizar a lista de funções com esse prefixo.

7.1 Verificando a quantidade de caracteres em um objeto string

Para isto, podemos usar a função str_length(). Esta função recebe como argumento um vetor de strings e retorna o número de caracteres de cada string.

str_length("Programa de Pós-Graduação em Economia Rural")

43

7.2 Transformando caracteres minúsculos em maiúsculos

Para este tipo de problema, podemos usar a função str_to_upper().

str_to_upper("Programa de Pós-Graduação em Economia Rural")

'PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA RURAL'

7.3 Transformando caracteres maiúsculos em minúsculos

Para este tipo de problema, podemos usar a função str_to_lower().

str_to_lower("Programa de Pós-Graduação em Economia Rural")

'programa de pós-graduação em economia rural'

7.4 Removendo os espaços excedentes antes e depois da string

Muitas vezes os dados de texto possuem algumas falhas de digitações onde temos espaços adicionais na escrita. Para remover esses espaços, podemos usar a função str_trim().

str_trim("Programa de Pós-Graduação em Economia Rural           ")

'Programa de Pós-Graduação em Economia Rural'

7.5 Obtendo uma parte fixa de uma string

Muitas vezes as informações vêm com um caracter adicional. Para selecionar apenas a parte de interesse, podemos usar a função str_sub.

s <- c("01-Feminino", "02-Masculino", "03-Indefinido")
str_sub(s, start = 4) # obter do quarto até o último caractere

1. 'Feminino'
2. 'Masculino'
3. 'Indefinido'

# Imagine que você precisa extrair apenas os dois últimos caracteres de uma string
str_sub(c("Fortaleza-CE", "Natal-RN", "Recife-PE"))

1. 'Fortaleza-CE'
2. 'Natal-RN'
3. 'Recife-PE'

# Em outros casos, o usuário pode querer obter apenas os caracteres em uma posição específica da string
str_sub("--CE--", 3, 4)

'CE'

7.6 Concatenando duas strings

Muitas vezes precisamos unir duas variáveis strings para formar uma única variável. Para isso, podemos usar a função str_c().

str_c("Fortaleza", "-", "CE")

'Fortaleza-CE'

7.7 Checando a presença de um character em um texto

Muitas vezes precisamos identificar se uma determinada palavra é mencionada em uma string. No R isso pode ser feito utilizando a função str_detect. A função retorna TRUE caso o caractere buscado seja encontrado e FALSE caso contrário.

str_detect("Programa de Pós-Graduação em Economia Rural", pattern = "Rural")

TRUE

7.7.1 Algumas variações

str_detect("Programa de Pós-Graduação em Economia Rural", pattern = "^Rural") 
# reconhece apenas o que começa exatamente em "Rural"

FALSE

str_detect("Programa de Pós-Graduação em Economia Rural", pattern = "Economia?Rural") 
# reconhece tudo que tenha “Economia Rural”, com ou sem espaço antes entre o "a" e o "R"

FALSE

str_detect("Programa de Pós-Graduação em Economia Rural", pattern = "Rural$") 
# reconhece apenas o que termina exatamente em "Rural"

TRUE

7.8 Substituindo um padrão específico por outro padrão

Algumas vezes nos deparamos com ocasiões em que precisamos substituir uma determinada palavra por outra em um bamco de dados. Este problema pode ser resolvido com a função str_replace().

capitais <- c("São Luis-MA", "Teresina-PI", "Fortaleza-PE")
str_replace(capitais, "Fortaleza-PE","Fortaleza-CE")

1. 'São Luis-MA'
2. 'Teresina-PI'
3. 'Fortaleza-CE'

7.9 Separando uma string em várias partes de acordo com um separador comum

string <- "Hoje o dia está ensolarado. Porám, não irei para a praia."
str_split(string, fixed('.'))

1. 1. 'Hoje o dia está ensolarado'
   2. ' Porám, não irei para a praia'
   3. ''

7.10 Selecionando apenas as strings que contém um caracter em específico

strings <- c("Capital do Ceará", "Capital de Pernambuco", "Distrito Federal")
str_subset(strings, 'Capital')

1. 'Capital do Ceará'
2. 'Capital de Pernambuco'

8. Exercícios

1 - strings

Suponha que você irá avaliar uma política pública que fornece assistência técnica aos produtores rurais. Para facilitar a exposição, suponha que a sua amostra só possui cinco produtores. Seu banco de dados tem as seguintes propriedades:

dados <- data.frame(produtor = c("José Luis da Silva", "Maria da conceição Oliveira", "Antonio Gomes Pereira ", "Luzia da Silva Gomes", "Joana Silva Pereira"), municipio = c("feira de santana - BA", "alto santo - CE", "patos - PB", "picos - PI", "arcoverde - PE"), tratamento = rbinom(5, 1, .3), producao = runif(5, .5, 10))

1.1 Corrija os erros de ortografia e separação cometidos pela pessoa que tabulou a coluna produtor.

1.2 Corrija os erros de ortografia da variável município para que os nomes sejam escritos todos com iniciais maiúsculas.

1.3 Crie uma coluna adicional com o nome "UF", contendo a sigla do estado de cada município.

2 - Lubridate

A biblioteca lubridate disponibiliza uma base de dados sobre as partidas disputadas pelo time de basquete Los Angeles Lakers entre os anos de 2008 e 2009. Para importá-la para o seu ambiente de trabalho use dados <- lubridate::lakers. Cada partida é dividida em cinco períodos com 12 minutos de duração cada, que são indicados pela coluna period. A coluna etype indica o tipo de lance acontecido em um determinado tempo da partida, que por sua vez é indicado pela coluna time e a coluna points indica quantos pontos foram realizados em cada lance. Na coluna team estão expostas as siglas dos times, sendo "LAL" a sigla dos Los Angeles Lakers.

2.1 Use as funções da biblioteca lubridate para mostrar a média de tempo necessária para o Los Angeles Lakers marcar o primeiro ponto.

2.2 Mostre quantos pontos cada jogador do Lakers marcou entre 2008 e 2009, apresentando o resultado por ano.

2.3 Quem foi o artilheiro do Los Angeles Lakers em 2008? E em 2009?

2.4 Em média, quantos lances livres (free throw) o Los Angeles Lakers realiza por partida?

3 - Dplyr e tidyr

Usando o data frame disponibilizado a seguir, crie um data frame com as estatísticas descritivas (contendo as colunas indicando - nome das variáveis, número de observações,valor médio, desvio padrão, valor mínimo e valor máximo - nesta mesma ordem de apresentação) para cada uma das variáveis da tabela.

set.seed(200)

dados <- data.frame(V1 = rnorm(100, .7, .3), V2 = runif(100, 50, 5000), V3 = rbinom(100, 1, .45), V4 = as.factor(c(rep("M", 50), rep("F", 50))), V5 = rbeta(100, .5, .3, 0))

NOTA: Na construção da tabela, use um único comando sequenciando as linhas de comando com a função pip. A organização da posição das colunas pode ser feita em outra sequência de comandos