O comando mais usado no R: help!

Explore o resultado dos comandos abaixo. Veja o formato geral da página de ajuda. Um dos pedaçõs mais importantes das páginas de ajuda das funções fica no seu final, os exemplos de uso.

help(help)
help( "*" )         # auxílio sobre o símbolo "*"
help( sin )         # auxílio sobre a função "sin" = seno
?sin                # variante da função "help"

Se você não sabe o nome da função que você quer usar, tente usar ??função. O R abrirá uma página com funções que fazem referência à palavra buscada. Também vale usar a função `help.search() para buscar com mais de uma palavra. Experimente:

??variance
help.search("linear regression")

As páginas de help de qualquer função ou conjunto de dados tem uma estrura fixa e muitas vezes é um tanto árido para que não está acostumado. SEMPRE use o help da função que você quer usar, mesmo pessoas experientes sempre recorrem ao help pelo menos para saber quais os argumentos que aquela função possui.

Se mesmo lendo o help da função você não entendeu bem como ela funciona, execute um exemplo da função. Os exemplos podem ser vistos no final da página do help, daí você copia e cola o exemplo no console, ou então você executa a função de exemplo:

example(mean)

Se mesmo explorando o help as coisas continuam confusas, recorra à internet que pode te ajudar com tutoriais, e respostas em listas de discussão. O grupo de ajuda mais influente em linguagem R é o Stack Overflow com versão em português e inglês.

OBS: no Rstudio, existe uma aba no layout do canto direito inferior para você fazer as buscas no Help diretamente, sem precisar dar o comando no Console.

Funções no R

As ‘palavras’ que você digitou assima são funções. Todas as funções no R seguem a mesma lógica de uso: basta digitar o nome da função seguido dos argumentos necessários, que devem estar entre parênteses. Ou seja, você dá os argumentos que a função pede, e ela te retornará o resultado pretendio. Não sabe quais são os argumentos de uma função? Vá para o Help da função ou digite `args(funcao)!

A sintaxe básica é: função(argumento1=valor1,argumento2=valor2,…)

Abaixo, algumas funções matemáticas:

sqrt(4)
log(x=100,base=10) 
log(100,10)
sin(pi) # pi é a constante 3,141593; um objeto que já "vem no R",
cos(pi)

OBS: Você pode omitir o nome do argumento na função apenas se os valores estiverem na mesma ordem/posição dos argumentos da função. No exemplo acima fizemos log(100,10) omitindo o nome dos argumentos x=100 e base=10, a função funcionou apenas porque os valores 100 e 10 estão na mesma posição dos argumentos. Para evitar se confundir no início, digite sempre o nome dos argumentos!

Objetos no R

No R tudo é considerad um objeto, até mesmo as funções. O R faz parte de uma categoria de linguagem de programação chamada de “programação orientada a objetos”. Um objeto será reconhecido como um nome a ele atribuído², e guarda “dentro” dele um conjunto de informações (valores, nomes, funções,etc.). Para ver um objeto no R, basta digitar o seu NOME. Para funções, o nome do objeto é a função sem os parênteses. Experimente os objetos abaixo:

help
a <- c(1,2,3) #um objeto vetorial, veja o help da função c(), ela é MUITO útil!
a #depois de criado o objeto você o "chama", digitando seu nome```

Alguns exemplos de objetos e operações com os objetos:

x = 2
x
y = 7
y
z = x * y
z
w = x - y
w

k = c(1.3, -5, 6.7, 4.8)
k
x * k #observe que você não criou nenhum objeto novo aqui
m = c(0, 1, 1, 0, 1, 1)
m
m * k #qua foi a mensagem do R quando você executou? porque será?

Algumas regras para nomes de objetos no R:
- há diferenças entre palavras maiúsculas e minúscuas: y não é igual à Y
- nomes de objetos não podem começar com números (ex. 1x) ou símbolos (ex. %x)
- nomes de objetos não podem ter espaçõs em branco (use meu_objeto ao invés de meu objeto)

A área de trabalho

Quando você cria um objeto, este é salvo em um ÁREA DE TRABALHO (workspace). Para saber quais objetos você tem na área de trabalho use a função:

ls()

Para apagar objetos indesejados, utilize a função rm(), fornecendo os objetos que você deseja apagar.

rm(x,y,z)
ls()

OBS: No Rstudio, você pode ver quais são seus objetos na aba superior direita em Environement. Lá, estarão listados todos os objetos criados, assim com suas classes e outras informações. Se você quiser apagar TODOS os objetos da sua área de trabalho, basta clicar em clear (isso é o mesmo que o comando rm(list=ls()).

getwd()

setwd("caminho do diretório") #ex: ("/users/meunoem/analises/R")

Lendo dados para dentro do R: formato csv

Para colocar os dados de uma planilha eletrônica (ex: excel), você tem que primeiro salvar os dados em formato CSV ou TXT, aqui vamos falar apenas de CSV, mas para TXT a lógica é muito parecida.

O formato CSV (comma-separated values) consiste em uma única tabela (spreadsheet) da sual planilha eletrônica, onde os valores são gravados linha-a-linha, sendo que numa mesma linha os valores são separados por vírgula.

O formato UNIVERSAL de tabela de dados para análise estatística é o seguinte:

• cada LINHA é uma observação
  
• cada COLUNA é uma variável ou atributo que foi tomado em cada observação

No formato CSV, cada linha será uma observação e as colunas serão separadas por vírgulas³

DICA: Na sua planilha de dados, vai ser muito mais fácil trabalhar com nomes de colunas que não possuem espaço (ex. abund_1 ou abund.1 ao invés de abund 1). O R ao ler espaços vai coloar um ponto (.) no lugar do espaço. Evite, ou melhor NUNCA coloque acentos e caracteres especiais na sua planilha, tanto nos nomes de colunas quanto em fatores e caracteres de dados. Ao converter os dados pro R, dependendo da codificação de caracteres do seu computador, no lugar dos acentos aparecerão caracteres muito esquisitos e isso vai dificultar muito a sua vida na hora de manipular seus dados.

dados <- read.table("pratica1.csv", header=TRUE, sep=',', dec='.')
dados <- read.csv("pratica1.csv", header=TRUE, sep=';', dec='.',row.names = 1)

head(dados) # retorna as primeiras linhas da tabela
tail(dados) #retorna as últimas linhas da tabela

dim(dados) #dimensões da tabela: número de linhas e número de colunas

colnames(dados) #nomes das colunas
rownames(dados) #nomes das linhas

str(dados) #estrutura dos dados

summary(dados) #sumário estatísico das variáveis (colunas)

Classes dos objetos

No R, cada objeto que você cria ou importa pertence à uma classe. A forma mais simples de saber a qual classe aquele objeto pertence é usando a função class(). Abaixo estão alguns exemplos de vetores, que são conjuntos de elementos do mesmo tipo. Há várias classes de vetores:

a <- c(1, 2, 3, 4)
class(a)

b <- c("arroz", "feijão", "farofa")
class(b)

c <- gl(2, 4, 8, labels=c("femea", "macho")) #generate levels - níveis de um fator
class(c)

d <- c(TRUE, FALSE)
class(d)

minha.matriz <- matrix(data=1:12, nrow=3, ncol=4)
minha.matriz

matriz.vazia <- matrix(nrow=3, ncol=4)
matriz.vazia

minha.matriz <- matrix(data=1:12, nrow=3, ncol=4, byrow=T)
minha.matriz

elementos <- matrix(c("ar", "água", "terra", "fogo", "Leeloo"), ncol=4, nrow=4) 
# alguma mensagem aqui? o que quer dizer?

elementos

colmanes(matriz.vazia) <- c("c1", "c2", "c3", "c4")
rownames(matriz.vazia) <- c("l1", "l2", "l3")

matriz.vazia <- matrix(nrow=3, ncol=4, dimnames = list(c("l1", "l2", "l3"),
                                                    c("c1", "c2", "c3", "c4")))
#veja o argumento dimnames da função!

dimnames(matriz.vazia) 
#não confundir a função dimnames com o argumento dimnames da função matrix()

Titanic
dim(Titanic)
dimnames(Titanic)

adultos.por.sexo <- apply(Titanic, c(2, 4), sum)
adultos.por.sexo

#Vendo a porcentagem de mortos/sobreviventes por sexo
adultos.por.sexo/apply(adultos.por.sexo,1,sum)

nome <- c("Didi", "Dedé", "Mussum", "Zacarias")
ano.nasc <- c(1936, 1936, 1941, 1934) 
vive <- c("V", "V", "F", "F")
trapalhoes <- data.frame(nomes, ano.nasc, vive)
trapalhoes

# O mesmo, em um só comando:
trapalhoes <- data.frame(nomes = c("Didi", "Dedé", "Mussum", "Zacarias"),
                           ano.nasc = c(1936, 1936, 1941, 1934), 
                           vive = c("V", "V", "F", "F"))

class(dados$Ambiente) # utilize $ para selecionar uma coluna do data frame
class(dados$Abund_sp1)

#matrix de números
mat <- matrix(1,ncol = 2,nrow = 2)
mat
class(mat)

class(mat[,1]) # veja mais adiante como selecionar colunas na matriz [,]
class(mat[,2])

#matriz de caracteres
mat2 <- matrix("a",ncol=2,nrow=2)
mat2
class(mat2)

class(mat2[,1])

as.numeric(b) 
as.numeric(c) #o que aconteceu com os fatores?

as.factor(a)
as.character(a)

hoje <- "26/09/2015"
depois <- "22/10/2015"
class(hoje)
depois - hoje # para saber a diferença das datas em dias. deu certo?

hoje <- as.Date(hoje, "%d/%m/%Y")
depois <- as.Date(depois, "%d/%m/%Y")
depois - hoje # E agora?

a <- c(3,2,4,5,2,2)
a
area = c(100,235,449, 98, 147, 214, 346, 89)
area
riqueza <- c(56,62,70,33,49,67,71,45)
riqueza

modelo1 <- lm(area~riqueza) # uma regresão linear entre a área e a riqueza
class(modelo1)  #class: linear model
modelo1

minha.lista <- list(um.vetor=a,
                    um.data.frame=dados,
                    um.modelo=modelo1)

minha.lista

minha.lista$um.vetor
minha.lista$um.modelo

Selecionando e criando colunas em data frame:

O símbolo $ é o responsável pela seleção das colunas de um data frame, antes do $ vem o nome do objeto, depois o nome da coluna.

dados$Ambiente 
dados$Area

vetor.area <- dados$Area

Para criar uma nova coluna no data frame usando $, antes do $ o nome do objeto e depois o nome da nova coluna. Daí você atribui (<-) valores a esta coluna:

dados$log.area <- log(dados$Area)

head(dados) # para verificar a mudança no data frame
dados$log.area

Operações em vetores

Nas operações vetoriais o comprimento dos vetores é muito importante, pois o R permite operações entre dois vetores de comprimento diferentes com a seguite regra:

Regra da ciclagem: Operações entre vetores de comprimentos diferentes são realizadas pareando-se seus elementos. Os elementos do vetor mais curto são repetidos sequencialmente até que a operação seja aplicada a todos os elementos do vetor mais longo.

Quando o comprimento do vetor maior não é múltiplo do comprimento do menor, o R retorna o resultado e um aviso:

b <- rep(0:1,4)
length(b) # para saber o comprimento do vetor

c <- 1:3
lenght(c)

b*c # veja a mensagem de erro, é sempre importante ler estas mensagens

Mas se o comprimento do vetor maior é um múltiplo do menor, o R retorna apenas o resultado, sem nenhum alerta:

a <-1:2
b

a*b # entendeu como o R fez a multiplicação?

Portanto muito cuidado com as operações entre vetores de diferentes comprimentos. A regra da ciclagem é um recurso poderoso da linguagem R, mas se você não tiver clareza do que deseja fazer, pode obter resultados indesejados.

Operações com vetores em matrizes e data frames

Operações que envolvem comparações entre um vetor e um outro valor:

a <- 1:8

a < 7 #quais valores de a são menores que 7?

a >=7 #quais valores de a são maiores ou iguais a 7?

notas.dos.alunos <- c(6.0,5.1,6.8,2.8,6.1,9.0,4.3,10.4,6.0,7.9,
                      8.9,6.8,9.8,4.6,11.3,8.0,6.7,4.5)

##Quantos valores iguais ou maiores que cinco?
sum(notas.dos.alunos>=5)

##Qual a proporção deste valores em relação ao total?
sum(notas.dos.alunos>=5)/length(notas.dos.alunos)

altura <- c(1.85, 1.78, 1.92, 1.63, 1.81, 1.55)
sexo <- c(rep("M", 3), rep("F" ,3))

altura
sexo

altura > 1.80 #valoes de altura maiores que 1.80
sexo == "M"

machos.altos <- altura>1.80 & sexo=="M" #o  que foi feito aqui?
machos.altos

Subconjuntos e indexação

Freqüentemente teremos que trabalhar não com um vetor inteiro, mas com um subconjunto dele. Para obter subconjuntos de um vetor temos que realizar operações de indexação, isto é, associar ao vetor um outro vetor de mesmo tamanho com os índices do elementos selecionados.

Os operadores de indexação são os colchetes ‘[ ]’. Veja o help dos colchetes ?"[" para entender melhor.

Para selecionar valores em vetores:

altura
altura[1] # valor da posição 1 do vetor altura
altura[5]
altura[2:4] #posições de 2 a 4 de altura

altura[-1] #todos os valores menos aquele da posição 1

Usando vetores lógicos, os elementos do vetor lógico correspondentes a ‘TRUE’ são selecionados, os elementos correspondentes a ‘FALSE’ são excluídos.

b <- 1:8
b
b > 5

b[b > 5] #selecionando os valores de b que sejam maiores que 5

Para indexa fatores não esqueca de colocá-los entre " “:

x < -gl(2, 3, 12, labels = c("azul", "vermelho"))
x

x[x == "vermelho"] # selecionando vermelhos, veja que o azula ainda é um nível
y <- c(10, 11, 9, 20, 19, 20, 13, 8, 10, 18, 23, 20)

#selecionando os valores de y que correspondem em posição ao vermelho de x
y[x == "vermelho"] 

minha.matriz <- matrix(data=1:12, nrow=3, ncol=4, byrow=T)
minha.matrix

minha.matriz[1, 1]
minha.matriz[1:3, 3]

dados
dados[3, 2]
dados[1:10, 5:6]

dados[dados$local == "borda", "log.area"]

dados[dados$local=="borda", 5]

minha.matriz[ , 1]
minha.matriz[1, ]
dados[ , 2]
dados[1, ]

Usando indexação para alterar valores

Combinando as operações de indexação e de atribuição é possível alterar os valores de qualquer parte de um objeto:

minha.matriz
minha.matriz[ , 2] <- 0 #substituiu os valores da segunda coluna por zero

minha.matriz[1, ] <- NA
minha.matriz

Quando o objeto é um fator, as coisas são um pouquinho diferentes, isso porque a classe fator, não permite que você mude um valor que não esteja dentro dos níveis daquele fator. Por exemplo, a coluna local do objeto dados é um fator com dois níveis borda e interior. Se quisermos substituir o nível borda por algum outro nome, por exemplo bordinha, eu não vou conseguir e aparecerá uma mensagem de erro. Uma forma de fazer isso é primeiro transformar a coluna em classe character, aplicar a mudança pretendida, e depois transformar a coluna novamente para classe factor:

dados$local
dados$local == "borda"
dados$local <- as.character(dados$local) #transformando o fator em caracter

#agora sim podemos mudar a palavra borda para qualquer outra coisa
dados[dados$local == "borda", 5] <- "bordinha"
dados$local

#e voltamos com a classe fator para a coluna
dados$local <- as.factor(dados$local)
dados$local

Lidando com dados faltantes: NA

As vezes nossas planilhas de dados contém dados faltantes, ou seja, que não puderam ser coletados. Estes dados não podem ser convetidos em zero, pois isso vai influenciar nas análises estatísticas. Zero é dado! Para identificar os dados faltantes, o R utiliza o termo NA. Quando você importa uma planilha de dados para o R com células em branco, o R vai substituir esse ‘branco’ por NA.

Dados faltantes são geralmente fonte de irritação, pois eles afetam a forma com que diversas funções operam. Por exemplo a função para cálculo da média mean(), não funciona se houver NA no objeto.

Para saber se os dados contém NA, usamos a função:

vetor <- c(1, 4, NA, 5)
is.na(vetor) 

Como vemos, ela retorna verdadeiro/falso para cada valor no vetor.

Essa função é muito útil quando estamos querendo excluir os dados faltantes para realizar alguma função. Podemos utilizá-la dentro da indexação:

vetor2 <- vetor[!is.na(vetor)]

Excluindo os NAs do vetor conseguiremos calcular a média, por exemplo:

mean(vetor) # será que funciona?
mean(vetor2) # e agora?

mean(vetor, na.rm = T) 
#tente entender o argumento na.rm=T, ele existe em algumas funções e é muito útil

Exportando tabela de dados

Depois de manipular seus dados e de fazer as análises pertinetes, você pode exportar facilmente as tabelas de resultados para um arquivo texto .csv ou .txt (mais usados) com a função write.table, que vai gravar o objeto de dados especificado na área de trabalho que estiver trabalhando

write.table(x = dados, file = "dados_out.csv")

Assim como o R tem pacotes que importam dados do formato Excel (.xls ou .xlsx), há também pacotes (ex: writeXLS) que exporta os dados resultantes para um arquivo Excel.

Pacotes interessantes para manipulação de dados:

• Os pacotes tidyr, plyr e dplyr são novos pacotes que facilitam a manipulação dos dados como a (re)organização dos dados, filtragem, separação, subgrupos, inclusão de dados de outras fontes, etc. Vale a pena conferir como eles podem te ajudar:

  • Introdução ao tidyr

  • Data wrangling with dplyr and tidyr

  • Data manipulation with tidyr

1. Diretório de Trabalho

1. Crie um diretório para seus exercícios.
   
2. Chame o R, clicando no ícone da área de trabalho ou na barra de tarefas.
   
3. Verifique o seu diretório de trabalho.
   
4. Mude o diretório de trabalho para o diretório que você criou.
   
5. Verifique o conteúdo da área de trabalho.
   
6. Carregue o arquivo letras.RData (apagar extensão .pdf).
   
7. Verifique novamente sua área de trabalho.
   
8. Saia do R, tomando o cuidado de salvar sua área de trabalho.
   
9. Repita os passos 2 a 5.

Pergunta: Que problemas você percebeu? Há uma maneira de iniciar o R que evite esses problemas?

2. Use a ajuda para conhecer argumentos das funções

1. Execute o R, usando o diretório de trabalho criado no exercício anterior.
   
2. Use a função load para carregar o arquivo bichos.RData (apagar extensão .pdf) no workspace.
   
3. Consulte a ajuda da funções rm e ls para descobrir como apagar apenas os objetos cujos nomes começam com “temp”.

3. Classes de Objetos

A distribuição básica do R vem com os objetos letters e LETTERS.

1. Descubra o que cada um contém.
   
2. Descubra a classe de cada um.
   
3. Como você os transformaria em objetos da classe fator?

4. Objetos de Data

A função Sys.Date retorna a data fornecida pela CPU do computador. Crie um objeto chamado hoje para guardar o resultado deste comando:

hoje <- Sys.Date()

1. Qual é a classe deste objeto?
   
2. Qual a diferença em dias entre esta data e o dia em que o Brasil foi tricampeão mundial⁴? Guarde esse valor em um objeto chamado dif.
   
3. Qual será a data de daqui a 43 dias? Guarde esse valor em um objeto chamado outrodia.

4. Sequências

Crie as seguintes sequências usando as funções rep e seq:

1. Objeto chamado “letra.a” com caracteres: a a a a a a
   
2. Objeto chamado “numeros” com valores numéricos inteiros: 1 1 1 2 2 2 3 3 3
   
3. Objeto chamado “decrescente” com valores numéricos inteiros: 1 1 1 2 2 3
   
4. Objeto chamado “sequencia” com valores numéricos inteiros: 1 2 3 4 5 4 3 2 1
   
5. Objeto chamado “impares”: sequência de números ímpares de 1 a 99

5. Área transversal de uma árvore

A área transversal de uma árvore é calculada assumindo que a secção transversal do tronco à altura do peito (1,3m) é perfeitamente circular.

1.Se o diâmetro à altura do peito (DAP) de uma árvore for 13.5cm, qual a área transversal?
2. Se uma árvore possui três fustes com DAPs de: 7cm, 9cm e 12cm, qual a sua área transversal?
3.Se uma árvore possui três fustes com DAPs de: 7cm, 9cm e 12cm, qual o diâmetro (único) que é equivalente à sua área transversal?

6. Construir uma matriz de distâncias

Abaixo estão listadas as distâncias por estradas entre quatro cidades da Europa, em quilômetros:
- Atenas a Madri: 3949
- Atenas a Paris: 3000
- Atenas a Estocolmo: 3927
- Madri a Paris: 1273
- Madri a Estocolomo: 3188
- Paris a Estocolmo: 1827

1. Crie um objeto da classe matrix denominado dist.cid com os valores acima.
   
2. Para facilitar o uso desse objeto, o nome das linhas e das colunas deve ser o nome das cidades.
   
3. Você consegue pensar em duas formas diferentes de criar a matriz com nomes nas linhas e colunas?

Para pensar: Compare sua matriz com o objeto eurodist, disponível no pacote datasets. Quais são as semelhanças e diferenças entre os dois objetos? DICA: as funções lower.tri,upper.tri e diag podem lhe ajudar.

7. Criação de um data frame

Imagine um experimento em que hamsters de dois fenótipos (claros e escuros) recebem três tipos diferentes de dieta, e no qual as diferenças dos pesos (g) entre o fim e o início do experimento sejam:

Crie um data frame com esses dados, na qual cada hamster seja uma linha, e as colunas sejam as variáveis cor, dieta e variação do peso.

Importante: o nome do objeto deve ser “hamsters”, e o nome das colunas deve ser “dieta”, “cor” e “pesos”, nessa ordem. Dieta deve ser um fator com os níveis “A”, “B” e “C”, em maiúsculas; “cor” deve ser um fator com níveis “claro” e “escuro” em minúsculas.

DICA: Use as funções de gerar repetições para criar os vetores dos tratamentos.