Criar um diretório do curso

A primeira coisa a se fazer é criar uma pasta para você armazenar todos os arquivos deste curso. Depois de criar a pasta para o curso, faca o seguinte: Verifique o diretório de trabalho atual. Obs: Para rodar o comando getwd() clique crtl + enter no windows ou command + enter no mac. Siga da mesma forma para qualquer outro comando que quiser rodar abaixo.

getwd()

Se necessário, mude o diretorio de trabalho (para trabalhar dentro da sua pasta do curso). Para isso, use o comando setwd() e o caminho do seu computador até o diretório criado. Exemplo: setwd(“~/Desktop/disciplina”). Dica: use “” e a tecla tab para ajudar a visualizar os caminhos do computador.
Se usou o comando setwd() verifique em seguida o diretório atual:

getwd()

Você também tem a opção de fazer isso utilizando a janela no canto inferior direito do RStudio da seguinte forma: selecione a pasta que deseja e na opção More selecione Set As Working Directory.

Carregue alguns pacotes

observação: se ainda não instalou algum desses pacotes, faça isso primeiro. Exemplo: install.packages(“ggplot2”)

#carregando

require (ggplot2)
require (evolqg)

Pergunta: quando voce roda os dois comandos abaixo, o que vc acontece?

# familiarize-se com o pacote

help(package="ggplot2") 
help(package="evolqg")

Algumas operacoes aritimeticas basicas no R!

4 + 9
## [1] 13
4 - 5
## [1] -1
4 * 5
## [1] 20
4 / 5
## [1] 0.8
4^5
## [1] 1024
2^2
## [1] 4
(4 + 5 ) * 7 - (36/18)^3
## [1] 55
(4 + 5  * 7 - 36/18)^3
## [1] 50653
# raiz quadrada
sqrt(9) 
## [1] 3
# logaritmo natural ou neperiano
log(10) 
## [1] 2.302585
# logaritmo base 10
log(10, base = 10) 
## [1] 1
# também logaritmo de base 10
log10(10)
## [1] 1
# exponencial
exp (1) 
## [1] 2.718282

Exercício: crie dois objetos, a e b, para as duas primeiras linhas acima (4+9 e 4-5). Faça a soma da diferença desses dois objetos, elevado ao quadrado. Resposta: 196

Criação de Vetores

Para criar um vetor, podemos usar a função c (c = colar, concatenar). Essa função simplesmente junta todos os argumentos dados a ela, formando um vetor:

vector.a <- c(1, 10, 3.4, 16, 23, 91, 46 )
vector.b <- c(1, 10, 3.4, pi, pi/4, exp(-1), log( 2.23 ), sin(pi/7) )
vector.c <- c(6.1, 7.5, 7.0, 8.8, 9.1, 6.3)

Exercício: Você criou alguns objetos. Como vcs podem visualizá-lo no RStudio? Qual a classe desses objetos? Agora, crie um vetor com 6 elementos da classe character. Dica use aspas. Como vc apagaria esse vetor que acabou de criar? Dica: veja o help da função rm.

Vetores: Operações Estatísticas

Faça a média do vetor.a, variância do vetor.b, busque pelo maior valor do vetor.c e, por fim, faça o desvio padrão do vetor.a. Dica! Use a função help para pesquisar sobre essas operações: ?mean help(mean) ?var help(sd)

Respostas: media = 27.2 variância = 10.6227 máximo = 9.1 desvio padrão = 31.92616

Execute o comando abaixo e veja o help dela. O que ela fez? summary(vector.a)

Vamos trabalhar com os Tipos de Objetos no R

Vetor:

meu.vetor <- c(10.5,11.3,12.4,5.7)
meu.vetor
## [1] 10.5 11.3 12.4  5.7

Coloque nomes para cada elemento do objeto meu.vetor. Dica: use a função names.

names(meu.vetor) <- c("a", "b", "c", "d")

Usando a indexação busque apenas o segundo elemento do objeto “meu.vetor”. Dica: use colchetes.

Matriz:

minha.matriz <- matrix(data=1:12,nrow=3,ncol=4)
minha.matriz
##      [,1] [,2] [,3] [,4]
## [1,]    1    4    7   10
## [2,]    2    5    8   11
## [3,]    3    6    9   12
args(matrix)
## function (data = NA, nrow = 1, ncol = 1, byrow = FALSE, dimnames = NULL) 
## NULL

Olhe o help da função matrix e olhe também os argumentos dela. O que siginifica o argumento “byrow”? Crie um objeto minha.outra.matriz agora preenchendo as matrizes pelas linhas.

Array:

my.array <- array(1:36, dim=c(3,4,3))
my.array
## , , 1
## 
##      [,1] [,2] [,3] [,4]
## [1,]    1    4    7   10
## [2,]    2    5    8   11
## [3,]    3    6    9   12
## 
## , , 2
## 
##      [,1] [,2] [,3] [,4]
## [1,]   13   16   19   22
## [2,]   14   17   20   23
## [3,]   15   18   21   24
## 
## , , 3
## 
##      [,1] [,2] [,3] [,4]
## [1,]   25   28   31   34
## [2,]   26   29   32   35
## [3,]   27   30   33   36

Data frame:

nomes <- 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
##      nomes ano.nasc vive
## 1     Didi     1936    V
## 2     Dedé     1936    V
## 3   Mussum     1941    F
## 4 Zacarias     1934    F

Execute as funções head() e tail() para o objeto trabalhoes. Usando head(), solicite as 10 primeiras linhas de trapalhoes. Dica: olhe o help da função. Com qual função você olharia a estrutura do objeto? Dica: olhe o help da função str.

Lista:

minha.lista <- list(um.vetor=1:5, uma.matriz=matrix(1:6,2,3), um.dframe=data.frame(seculo=c("XIX","XX","XXI"),inicio=c(1801,1901,2001)))

Abra o objeto minha.lista. Com qual função você observaria a estrutura desta lista? Use também a função names e veja o resultado.

Algumas funções básicas no R

Execute a função que indica a classe dos objetos minha.lista, trapalhoes, my.array e minha.matriz. Depois, execute os comandos abaixo e veja o que cada um faz. Não deixe de ver também o help de cada uma das funções.

# atributo de um objeto
attributes(minha.lista) 
## $names
## [1] "um.vetor"   "uma.matriz" "um.dframe"
attributes(trapalhoes)
## $names
## [1] "nomes"    "ano.nasc" "vive"    
## 
## $class
## [1] "data.frame"
## 
## $row.names
## [1] 1 2 3 4
attributes(my.array)
## $dim
## [1] 3 4 3
attributes(minha.matriz)
## $dim
## [1] 3 4
# dimensões do objeto
dim(my.array) 
## [1] 3 4 3
# numero de linhas 

nrow(minha.matriz)
## [1] 3
# número de colunas 

ncol(minha.matriz) 
## [1] 4

Vamos trabalhar com um objeto do pacote datasets

Observação: se ainda não instalou esse pacote, faça isso primeiro. Você já sabe como fazer para instalar um pacote :). Lembrete: use aspas. Pronto! Com a função data carregue os dados do objeto iris:

data(iris)

Agora, abra o objeto iris e olhe o conteúdo dele. Explore o objeto iris com o comando str e indique qual a classe do objeto e nomes das partes.

Indexação:

Vamos selecionar colunas específicas de iris.

iris$Sepal.Length
##   [1] 5.1 4.9 4.7 4.6 5.0 5.4 4.6 5.0 4.4 4.9 5.4 4.8 4.8 4.3 5.8 5.7 5.4 5.1
##  [19] 5.7 5.1 5.4 5.1 4.6 5.1 4.8 5.0 5.0 5.2 5.2 4.7 4.8 5.4 5.2 5.5 4.9 5.0
##  [37] 5.5 4.9 4.4 5.1 5.0 4.5 4.4 5.0 5.1 4.8 5.1 4.6 5.3 5.0 7.0 6.4 6.9 5.5
##  [55] 6.5 5.7 6.3 4.9 6.6 5.2 5.0 5.9 6.0 6.1 5.6 6.7 5.6 5.8 6.2 5.6 5.9 6.1
##  [73] 6.3 6.1 6.4 6.6 6.8 6.7 6.0 5.7 5.5 5.5 5.8 6.0 5.4 6.0 6.7 6.3 5.6 5.5
##  [91] 5.5 6.1 5.8 5.0 5.6 5.7 5.7 6.2 5.1 5.7 6.3 5.8 7.1 6.3 6.5 7.6 4.9 7.3
## [109] 6.7 7.2 6.5 6.4 6.8 5.7 5.8 6.4 6.5 7.7 7.7 6.0 6.9 5.6 7.7 6.3 6.7 7.2
## [127] 6.2 6.1 6.4 7.2 7.4 7.9 6.4 6.3 6.1 7.7 6.3 6.4 6.0 6.9 6.7 6.9 5.8 6.8
## [145] 6.7 6.7 6.3 6.5 6.2 5.9
iris$Sepal.Width
##   [1] 3.5 3.0 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 3.7 3.4 3.0 3.0 4.0 4.4 3.9 3.5
##  [19] 3.8 3.8 3.4 3.7 3.6 3.3 3.4 3.0 3.4 3.5 3.4 3.2 3.1 3.4 4.1 4.2 3.1 3.2
##  [37] 3.5 3.6 3.0 3.4 3.5 2.3 3.2 3.5 3.8 3.0 3.8 3.2 3.7 3.3 3.2 3.2 3.1 2.3
##  [55] 2.8 2.8 3.3 2.4 2.9 2.7 2.0 3.0 2.2 2.9 2.9 3.1 3.0 2.7 2.2 2.5 3.2 2.8
##  [73] 2.5 2.8 2.9 3.0 2.8 3.0 2.9 2.6 2.4 2.4 2.7 2.7 3.0 3.4 3.1 2.3 3.0 2.5
##  [91] 2.6 3.0 2.6 2.3 2.7 3.0 2.9 2.9 2.5 2.8 3.3 2.7 3.0 2.9 3.0 3.0 2.5 2.9
## [109] 2.5 3.6 3.2 2.7 3.0 2.5 2.8 3.2 3.0 3.8 2.6 2.2 3.2 2.8 2.8 2.7 3.3 3.2
## [127] 2.8 3.0 2.8 3.0 2.8 3.8 2.8 2.8 2.6 3.0 3.4 3.1 3.0 3.1 3.1 3.1 2.7 3.2
## [145] 3.3 3.0 2.5 3.0 3.4 3.0
iris$Species
##   [1] setosa     setosa     setosa     setosa     setosa     setosa    
##   [7] setosa     setosa     setosa     setosa     setosa     setosa    
##  [13] setosa     setosa     setosa     setosa     setosa     setosa    
##  [19] setosa     setosa     setosa     setosa     setosa     setosa    
##  [25] setosa     setosa     setosa     setosa     setosa     setosa    
##  [31] setosa     setosa     setosa     setosa     setosa     setosa    
##  [37] setosa     setosa     setosa     setosa     setosa     setosa    
##  [43] setosa     setosa     setosa     setosa     setosa     setosa    
##  [49] setosa     setosa     versicolor versicolor versicolor versicolor
##  [55] versicolor versicolor versicolor versicolor versicolor versicolor
##  [61] versicolor versicolor versicolor versicolor versicolor versicolor
##  [67] versicolor versicolor versicolor versicolor versicolor versicolor
##  [73] versicolor versicolor versicolor versicolor versicolor versicolor
##  [79] versicolor versicolor versicolor versicolor versicolor versicolor
##  [85] versicolor versicolor versicolor versicolor versicolor versicolor
##  [91] versicolor versicolor versicolor versicolor versicolor versicolor
##  [97] versicolor versicolor versicolor versicolor virginica  virginica 
## [103] virginica  virginica  virginica  virginica  virginica  virginica 
## [109] virginica  virginica  virginica  virginica  virginica  virginica 
## [115] virginica  virginica  virginica  virginica  virginica  virginica 
## [121] virginica  virginica  virginica  virginica  virginica  virginica 
## [127] virginica  virginica  virginica  virginica  virginica  virginica 
## [133] virginica  virginica  virginica  virginica  virginica  virginica 
## [139] virginica  virginica  virginica  virginica  virginica  virginica 
## [145] virginica  virginica  virginica  virginica  virginica  virginica 
## Levels: setosa versicolor virginica

Você fazer o mesmo usando colchetes. Faça o teste. Lembre-se de usar as aspas dentro dos colchetes se for designar os nomes das colunas ou coloque simplesmente o número dela.

Agora, busque todas as linhas da coluna 3 do objeto minha.matriz. Você já sabe fazer :)

Use colnames(minha.matriz) <- c(“a”, “b”, “c”, “d”) para colocar nomes nas colunas da matriz. Abra o objeto minha.matriz de novo para conferir. Em seguida, busque as linhas 1 e 3, da coluna “d”.

Busque no objeto trapalhoes a sua classe. Em seguida, busque todas as linhas da coluna “nomes”.

Agora, busque a linha 4 de todas as colunas.

Fim!