Sintaxe básica do R
Switch
to English 
| Cambiar
a español 
1 Sintaxe do R
O R é como uma calculadora, podemos fazer operações matemáticas, por exemplo:
2 + 2## [1] 4O R é uma linguagem de programação orientada a objetos, o que
significa que criamos objetos que contêm informações. No R, você pode
obter os mesmos resultados usando abordagens diferentes. Por exemplo,
para criar um objeto, basta digitar um nome para o objeto e atribuir um
valor a ele usando os operadores = ou <-.
Podemos fazer operações com objetos do mesmo tipo, por exemplo:
x = 2 # cria um novo objeto com o operador =
y <- 2 # cria um novo objeto com o operador <-
x + y # faz uma operação com os objetos## [1] 41.1 Vetores no R
Você pode armazenar mais de um valor usando vetores. Para criar um
vetor de números, usamos c(). Por exemplo, vamos armazenar
uma sequência de números de 5 a 10 usando duas abordagens diferentes e
depois perguntar ao R se os objetos são iguais. Dica:
usar as teclas “alt” + “-” adicionará automaticamente o operador
<-. A escolha do operador de atribuição é uma questão de
preferência. Pessoalmente, acho mais fácil ler o código com o operador
<-, mas muitas pessoas usam =.
x <- c(5, 6, 7, 8, 9, 10) # criar uma sequência de 5 a 10
y = 5:10 # criar a mesma sequência, mas com uma abordagem diferente
x == y # perguntar ao R se os objetos têm as mesmas informações## [1] TRUE TRUE TRUE TRUE TRUE TRUEObserve que no exemplo anterior comparamos dois objetos usando
==. Dessa forma, informamos ao R que queremos COMPARAR e
não atribuir (lembre-se de que para atribuir você usa apenas um símbolo
=).
Quando temos um vetor, podemos solicitar ao R valores específicos
dentro de um objeto usando o operador [ ] e especificando
quais valores queremos.
# Aqui pedimos o terceiro valor da nossa sequência
x[3]## [1] 7# Agora multiplicamos o terceiro valor da sequência x pelo quinto valor da sequência y
x[3] * y[5]## [1] 631.2 Funções
O R possui muitas funções básicas, mas também podemos definir novas funções. Ao usar o R Studio, a tecla Tab nos ajuda a auto completar, o que pode ser muito útil quando não lembramos o nome exato das funções disponíveis. A melhor parte da programação em R é que ele possui uma comunidade muito ativa. Como é de código aberto, qualquer pessoa pode criar funções e compilá-las em um pacote (ou library, biblioteca). Podemos baixar esses pacotes e acessar novas funções. Funções em R requerem argumentos, que podem ser vistos na documentação da função ou pressionando a tecla Tab quando estamos dentro da função.
# Para obter a soma de um vetor de números em um objeto, usamos a função sum()
sum(x)## [1] 45Podemos colocar funções dentro de funções, por exemplo, para obter \(\sqrt{\sum_1^n x}\) a raiz quadrada da soma dos números em x, podemos usar:
sqrt(sum(x))## [1] 6.708204Criar funções em R não é tão complicado quanto parece e pode ser muito útil quando precisamos realizar trabalhos repetitivos. Para definir uma função, precisamos incluir os argumentos desejados e o que faremos com esses argumentos. Por exemplo, a seguinte função tem apenas um argumento que é um nome (string) e apenas concatena um texto antes e depois:
F1 <- function(name){
paste("Olá", name, "! bem-vindo ao mundo do R (: !") # concatena o nome com um texto
}
# Testando a função (Coloque seu nome)
F1(name = "Pablo")## [1] "Olá Pablo ! bem-vindo ao mundo do R (: !"Além de armazenar números nos objetos em R, também podemos armazenar texto, matrizes, tabelas, objetos espaciais, imagens e outros tipos de objetos. A seguir, iremos importar nossos próprios dados e realizar algumas manipulações no R.
Exercício: Crie uma função que execute a operação
\(\sqrt{\sum_1^n x}\) que você fez
anteriormente com o código sqrt(sum(x)).
1.3 Tipos de variáveis
Existem diferentes tipos de variáveis no R. Até agora usamos os tipos
numérico e string. Se você quiser saber qual é o tipo de variável de um
determinado objeto, você pode usar a função class(). Vamos
experimentar.
class(x)## [1] "numeric"Exercício: Qual é o tipo de variável do resultado da
primeira função que você definiu F1()?
Os tipos de variáveis mais comumente usados incluem:
- numeric São variáveis numéricas contínuas COM valores decimais. Por exemplo: Kg de produto importado, probabilidade de um evento ocorrer.
- integer Essas variáveis são números inteiros SEM valores decimais. Por exemplo: Número de animais, número de remessas, etc.
- character Variáveis alfanuméricas. Por exemplo: nome de uma região, nome de uma doença, ID da fazenda.
- factor Variável alfanumérica com categorias ou níveis específicos. Por exemplo: tipo de produto importado, tipo de fazenda, etc.
1.4 Introdução aos pipes
A biblioteca dplyr possui várias funções que podem
ajudar a limpar, criar novas variáveis e modificar nossos dados de
outras maneiras.
# se não tivermos a biblioteca instalada, precisaremos instalá-la usando:
# install.packages("dplyr")
# carregamos a biblioteca:
library(dplyr)O dplyr introduz um novo operador chamado pipes
(%>%), que pode conectar várias funções a um objeto.
Isso é uma alternativa para escrever várias funções em uma única “linha
de código” de maneira mais organizada. Por exemplo, se quisermos
executar a função F1() seguida por outra função
F2() para o objeto x:
F2(F1(x)) é equivalente a
x %>% F1() %>% F2()
Como você pode perceber, para ler o código F2(F1(x)),
temos que ir de dentro para fora para ver a ordem de execução das
funções, mas quando lemos x %>% F1() %>% F2(), lemos
da esquerda para a direita, da mesma forma como normalmente leríamos
qualquer texto em uma língua ocidental.
Sugestão: podemos usar as teclas Ctrl +
shift + m para inserir o operador
%>%.
# Nós usamos anteriormente este código para calcular a raiz quadrada da soma de x
sqrt(sum(x))## [1] 6.708204Usando os pipes, podemos fazer o mesmo de forma mais organizada, escrevendo a ordem de execução da esquerda para a direita.
x %>% # Primeiro chamamos os dados
sum() %>% # Somamos todos os valores
sqrt() # Calculamos a raiz quadrada## [1] 6.708204Você perceberá que as saídas são exatamente as mesmas. Sinta-se à vontade para usar a sintaxe que preferir, mas para este curso, usaremos principalmente os pipes e escreveremos o código da esquerda para a direita.
2 Manipulação de dados
O R pode importar dados em diferentes formatos. Os mais comuns são
arquivos do Excel (.csv, .xls e .xlsx),
arquivos de texto (.txt) e dados espaciais (.shp),
sobre os quais falaremos com mais detalhes posteriormente. Para ler
arquivos .xls, .xlsx e .shp, precisaremos
instalar algumas bibliotecas. Para instalar uma nova biblioteca, você
precisa estar conectado à internet e usar a função
install.packages() para instalar a biblioteca. Depois de
instalada, você pode carregar a biblioteca usando a função
library().
Faça o download do arquivo do Excel a partir deste link. Não é necessário ter uma conta no Box.
Sugestão: Às vezes, quando queremos usar apenas uma função
de uma biblioteca, podemos simplesmente escrever o nome da biblioteca
seguido do operador :: e o nome da função, por exemplo:
pacote::funcao(). Dessa forma, não precisamos carregar a
biblioteca inteira.
# Se a biblioteca não estiver instalada, use:
# install.packages("readxl")
# Importe o arquivo do Excel
PRRS <- readxl::read_xlsx("Data/PRRS.xlsx")O formato mais popular para tabelas em R é chamado de
data.frame, quando importamos os dados de um arquivo
.csv ou .xlsx. Podemos verificar qual tipo de objeto é
usando a função class():
# Verificar a classe de um determinado objeto
class(PRRS)## [1] "tbl_df" "tbl" "data.frame"É possível que objetos possam ter mais de uma classe. No exemplo
anterior, você pode perceber que o objeto PRRS possui 3
tipos diferentes de classe.
Na seguinte seção, abordaremos alguns conceitos básicos de manipulação de dados, isso inclui criar, modificar e resumir variáveis em nossos dados.
2.1 Reduzindo nossos dados
Às vezes, queremos selecionar colunas e linhas específicas em nossos dados para reduzir a dimensionalidade. Para isso, podemos usar as funções:
select()para selecionar colunas específicasslice()para selecionar linhas específicas com base na posiçãofilter()para selecionar linhas específicas com base em uma condição
2.1.1 Selecionando colunas específicas
PRRS %>% # o nome de nossos dados
select(Result, farm_type) # queremos selecionar apenas as colunas Result e farm_type## # A tibble: 1,353 × 2
## Result farm_type
## <chr> <chr>
## 1 No sow farm
## 2 No sow farm
## 3 No sow farm
## 4 Yes sow farm
## 5 Yes sow farm
## 6 Yes sow farm
## 7 Yes sow farm
## 8 Yes sow farm
## 9 Yes sow farm
## 10 Yes sow farm
## # ℹ 1,343 more rowsTambém podemos especificar quais colunas NÃO queremos mostrar em nossos dados:
PRRS %>%
select(-Age, -id) # com '-' antes do nome, excluiremos a coluna dos dados## # A tibble: 1,353 × 6
## Result Sex OtherSpecies name farm_type County
## <chr> <chr> <dbl> <chr> <chr> <chr>
## 1 No H 0 Armstrong Research Farm sow farm Pottawattamie
## 2 No H 0 Armstrong Research Farm sow farm Pottawattamie
## 3 No H 0 Armstrong Research Farm sow farm Pottawattamie
## 4 Yes H 0 Armstrong Research Farm sow farm Pottawattamie
## 5 Yes H 0 Armstrong Research Farm sow farm Pottawattamie
## 6 Yes H 0 Armstrong Research Farm sow farm Pottawattamie
## 7 Yes M 0 Armstrong Research Farm sow farm Pottawattamie
## 8 Yes M 0 Armstrong Research Farm sow farm Pottawattamie
## 9 Yes M 0 Armstrong Research Farm sow farm Pottawattamie
## 10 Yes H 0 Armstrong Research Farm sow farm Pottawattamie
## # ℹ 1,343 more rows2.1.2 Filtrando linhas específicas
Essa seleção funciona com base na lógica booleana, então podemos especificar uma condição e o R mostrará apenas as linhas que satisfazem essa condição. Por exemplo, vamos filtrar apenas as observações de granjas de suínos:
PRRS %>%
filter(farm_type == 'boar stud') # usaremos o operador de igualdade para isso## # A tibble: 19 × 8
## Result Sex Age OtherSpecies id name farm_type County
## <chr> <chr> <dbl> <dbl> <dbl> <chr> <chr> <chr>
## 1 No H 48 0 32 Farm Sweet Farm at Ro… boar stud Shelby
## 2 No H 60 0 32 Farm Sweet Farm at Ro… boar stud Shelby
## 3 Yes H 60 0 32 Farm Sweet Farm at Ro… boar stud Shelby
## 4 Yes H 15 0 32 Farm Sweet Farm at Ro… boar stud Shelby
## 5 No H 68 0 32 Farm Sweet Farm at Ro… boar stud Shelby
## 6 No M 6 0 32 Farm Sweet Farm at Ro… boar stud Shelby
## 7 No H 75 0 32 Farm Sweet Farm at Ro… boar stud Shelby
## 8 No H 6 0 32 Farm Sweet Farm at Ro… boar stud Shelby
## 9 No H 110 0 32 Farm Sweet Farm at Ro… boar stud Shelby
## 10 No H 36 0 32 Farm Sweet Farm at Ro… boar stud Shelby
## 11 No M 12 0 32 Farm Sweet Farm at Ro… boar stud Shelby
## 12 No H 62 0 32 Farm Sweet Farm at Ro… boar stud Shelby
## 13 No H 48 0 32 Farm Sweet Farm at Ro… boar stud Shelby
## 14 No H 62 0 32 Farm Sweet Farm at Ro… boar stud Shelby
## 15 No H 95 0 32 Farm Sweet Farm at Ro… boar stud Shelby
## 16 Yes M 24 0 32 Farm Sweet Farm at Ro… boar stud Shelby
## 17 Yes H 38 0 32 Farm Sweet Farm at Ro… boar stud Shelby
## 18 No H 38 0 32 Farm Sweet Farm at Ro… boar stud Shelby
## 19 No M 24 0 32 Farm Sweet Farm at Ro… boar stud Shelby2.2 Criando ou modificando variáveis
Para criar uma nova variável, podemos usar a função
mutate(). Por exemplo, vamos criar uma nova variável que
nos informará se o tipo de granja é uma granja de matrizes ou não. Para
isso, usaremos a variável farm_type, que já contém
informações sobre diferentes tipos de granjas.
# Criando uma nova variável
PRRS %>% # nome do conjunto de dados
mutate( # mutate é a função que usamos para criar novas variáveis
SowFarm = ifelse(farm_type == 'sow farm', 1, 0) # criaremos uma variável binária em que 1 = granja de matrizes, 0 = qualquer outro tipo de granja
) ## # A tibble: 1,353 × 9
## Result Sex Age OtherSpecies id name farm_type County SowFarm
## <chr> <chr> <dbl> <dbl> <dbl> <chr> <chr> <chr> <dbl>
## 1 No H 18 0 23 Armstrong Res… sow farm Potta… 1
## 2 No H 60 0 23 Armstrong Res… sow farm Potta… 1
## 3 No H 60 0 23 Armstrong Res… sow farm Potta… 1
## 4 Yes H 36 0 23 Armstrong Res… sow farm Potta… 1
## 5 Yes H 50 0 23 Armstrong Res… sow farm Potta… 1
## 6 Yes H 16 0 23 Armstrong Res… sow farm Potta… 1
## 7 Yes M 15 0 23 Armstrong Res… sow farm Potta… 1
## 8 Yes M 22 0 23 Armstrong Res… sow farm Potta… 1
## 9 Yes M 30 0 23 Armstrong Res… sow farm Potta… 1
## 10 Yes H 14 0 23 Armstrong Res… sow farm Potta… 1
## # ℹ 1,343 more rowsObserve que no trecho de código anterior, não atribuímos o resultado
a um objeto, o que significa que o R apenas irá mostrá-lo e não
salvá-lo. Para salvá-lo, lembre-se de que usamos o operador de
atribuição <- ou =.
Para modificar uma variável existente, podemos usar a mesma função
mutate() e especificar pelo que queremos substituir a
variável existente. Por exemplo, no próximo trecho de código, vamos
modificar a variável Sexo. A variável original tem H para Fêmea
e M para Macho, então vamos alterá-la para algo que faça mais
sentido:
# Agora vamos atribuir o novo objeto a si mesmo, sobrescrevendo-o.
PRRS <- PRRS %>% # este é o conjunto de dados que usaremos
mutate( # usamos a função mutate para criar novas variáveis
Sex = recode( # A função recode pode ser usada semelhante ao substituir no Excel
Sex, # vamos substituir a variável Sexo usando o mesmo nome
H = 'Fêmea',
M = 'Macho'
)
)Tenha cuidado ao sobrescrever objetos no R, pois não dá para desfazer isso. É importante que seu código esteja organizado e replicável. Assim caso você cometa algum erro você pode facilmente voltar ao seu progresso antes do erro.
2.3 Agrupando e resumindo tabelas
Muitas vezes queremos calcular estatísticas resumidas de nossos dados. Podemos agrupar por uma variável específica (ou até várias variáveis) para examinar se existem diferenças entre grupos.
A forma mais básica de fazer isso é com a função
count(), que nos dirá apenas o número de linhas para cada
grupo:
# Podemos contar quantas observações para cada nome de variável
PRRS %>%
count(Result)## # A tibble: 2 × 2
## Result n
## <chr> <int>
## 1 No 986
## 2 Yes 367A tabela anterior mostra que houve 986 observações com resultado de teste negativo e 367 com resultado de teste positivo. Podemos adicionar várias variáveis para contagem. Agora, iremos contar por Result e Sex:
# Podemos contar com base em várias variáveis
PRRS %>%
count(Result, Sex)## # A tibble: 4 × 3
## Result Sex n
## <chr> <chr> <int>
## 1 No Fêmea 737
## 2 No Macho 249
## 3 Yes Fêmea 229
## 4 Yes Macho 138Também podemos calcular outras estatísticas por grupo. Por exemplo, vamos calcular a média e o desvio padrão da idade por Resultado e Sexo:
PRRS %>%
group_by(Result, Sex) %>% # Os grupos usados para os dados
summarise( # A função summarise calcula estatísticas pelos grupos definidos
meanAge = mean(Age), # Calcula a média da idade
sdAge = sd(Age) # Calcula o desvio padrão
)## # A tibble: 4 × 4
## # Groups: Result [2]
## Result Sex meanAge sdAge
## <chr> <chr> <dbl> <dbl>
## 1 No Fêmea 39.7 24.8
## 2 No Macho 22.4 16.7
## 3 Yes Fêmea 23.6 19.8
## 4 Yes Macho 15.1 10.3# PRRS %>%
# count(Sex, wt = Result)2.4 Unindo conjuntos de dados
Às vezes, temos diferentes conjuntos de dados que possuem variáveis em comum e queremos integrá-los em um único conjunto de dados para análise posterior. Neste exemplo, temos os conjuntos de dados node_attrib.csv e network.csv.
# Primeiro, importamos os dados -----------
# Importando o conjunto de dados do atributo do nó
nodes <- read.csv("Data/node_attrib.csv")
# Importando o conjunto de dados de movimento
mov <- read.csv("Data/network.csv")O conjunto de dados mov contém informações sobre o local
de origem (id_orig) e destino (id_dest) dos envios de
animais. Primeiro, vamos calcular o número total de suínos movidos para
cada um dos movimentos de saída e entrada. Para fazer isso, usaremos a
função count().
# Obter o número de envios de saída e entrada
Out <- mov %>% # Primeiro, chamamos os dados
count(id_orig, wt = pigs.moved) %>% # Em seguida, contamos o número de movimentos
rename(id = id_orig, outgoing = n) # Renomeamos as variáveisVocê perceberá que adicionamos o argumento
wt = pigs.moved, em que pigs.moved é uma variável
que indica o número de suínos enviados. O argumento wt na
função count() nos permite adicionar um peso às contagens.
Também usamos a função rename(), que basicamente faz o que
o nome sugere, renomeia variáveis nos dados.
Agora, vamos unir os dados com as informações das fazendas contidas
no objeto nodes. Para fazer isso, usamos a função
left_join():
# Unindo as duas tabelas
# Primeiro, unimos com os envios de saída
farms <- nodes %>% # Este é o objeto principal com o qual faremos a união
left_join(Out, by ="id") # Precisamos especificar o nome da variável pela qual estamos unindoExercício: Agora crie um objeto que seja igual ao
Out que acabamos de criar, mas em vez de contar os animais
de saída, conte os animais de entrada. Para isso, você pode usar a
coluna id_dest. Em seguida, una o novo objeto que você criou
com os dados das fazendas. Nomeie a variável que contém o número de
suínos movidos como incoming.
# Obter o número de envios de saída e entrada
In <- mov %>% # Primeiro chamamos os dados
count(id_dest, wt = pigs.moved) %>% # em seguida, contamos o número de movimentos
rename(id = id_dest, incoming = n) # Renomeamos a variável
## Em seguida, fazemos a união com os envios de entrada
farms <- farms %>%
left_join(In, by = "id")As primeiras linhas dos seus dados devem ser assim:
head(farms)## id name lat long farm_type outgoing
## 1 1 Iowa Select Farms Inc 42.50489 -93.26323 sow farm 3528
## 2 2 Stanley Martins Fleckvieh Farms 43.08261 -91.56682 sow farm NA
## 3 3 Centrum Valley Farms 42.66331 -93.63630 nursery 1087
## 4 4 Hilltop Farms fresh produce 41.71651 -93.90491 sow farm 1606
## 5 5 Hog Slat Inc. 42.25929 -91.15566 GDU 3440
## 6 6 Safari Iowa Hunting Farms 41.56854 -92.02317 GDU 1073
## incoming
## 1 1466
## 2 3382
## 3 NA
## 4 3684
## 5 1467
## 6 4491Observe que temos algumas linhas de envios de saída e entrada com valores NA. Às vezes, os NAs podem interferir em algumas funções, como a soma. No próximo exemplo, vamos resumir os dados e obter os que têm o maior número de movimentos de entrada:
farms %>% # Estes são nossos dados unidos
group_by(id) %>% # Vamos agrupá-los por id
summarise( # Vamos realizar algumas estatísticas de resumo
incoming = sum(incoming, na.rm = T) # observe que adicionamos o argumento na.rm = T
) %>%
arrange(desc(incoming)) %>% # agora vamos ordenar por movimentos de entrada
head(5) # usamos a função head() para obter as 5 primeiras observações## # A tibble: 5 × 2
## id incoming
## <int> <int>
## 1 17 79948
## 2 8 19184
## 3 14 12334
## 4 7 11034
## 5 15 46483 Exportando os dados
Depois de processar os dados, muitas vezes você deseja exportá-los para que na próxima vez não seja necessário executar todo o código novamente. Você pode exportar para vários formatos, mas o mais comum é um arquivo delimitado por vírgulas (CSV), que pode ser lido no Excel.
write.csv(farms, 'Data/farms.csv', row.names = F)Este laboratório foi desenvolvido com contribuições de: Jose Pablo Gomez-Vazquez
and José Grisi-Filho.
Sinta-se à vontade para usar estes materiais de treinamento em sua
própria pesquisa e ensino. Ao utilizar os materiais, agradecemos que
sejam atribuídos os devidos créditos. Se você estiver interessado em uma
sessão de treinamento, entre em contato: jpgo@ucdavis.edu.