Capítulo 1 Básicos da linguagem R

O conteúdo apresentado aqui foi usado na primeira aula prática do curso de “Aprendizagem Estatística com Aplicações em R”.

Para instalação,

• faça o download do R em http://www.r-project.org;

• sugestão: utilizar a IDE R Studio.

É muito importante saber como obter ajuda no R. Sempre que estiver em dúvidas quanto as características de alguma função, consule a aba help do RStudio.

?mean #abre a página de ajuda da função 'mean'
??plot #procura por tópicos contendo a palavra 'plot'

1.1 Usando o R como uma calculadora

O operador + realiza a adição entre dois elementos.

1 + 2

## [1] 3

Um vetor é um conjunto ordenado de valores. O operador : cria uma sequência a partir de um número até outro. A função c concatena valores, criando um vetor.

1:5

## [1] 1 2 3 4 5

c(1, 2, 3, 4, 5)

## [1] 1 2 3 4 5

Além de adicionar dois números, o operador + pode ser usado para adicionar dois vetores.

1:5 + 6:10

## [1]  7  9 11 13 15

c(1, 2, 3, 4, 5) + c(6, 7, 8, 9, 10)

## [1]  7  9 11 13 15

1:5 + c(6, 7, 8, 9, 10)

## [1]  7  9 11 13 15

Os próximos exemplos mostram subtração, multiplicação, exponenciação e divisão.

c(2, 3, 5, 7, 11, 13) - 2       #subtração

## [1]  0  1  3  5  9 11

-2:2 * -2:2                     #multiplicação

## [1] 4 1 0 1 4

(1:10) ^ 2                        #exponenciação

##  [1]   1   4   9  16  25  36  49  64  81 100

1:10 / 3                        #divisão

##  [1] 0.3333333 0.6666667 1.0000000 1.3333333 1.6666667 2.0000000 2.3333333
##  [8] 2.6666667 3.0000000 3.3333333

1.2 Atribuindo variáveis

Fazer cálculos com o R é bem simples e útil. A maior parte das vezes queremos armazenar os resultados para uso posterior. Assim, podemos atribuir valor à uma variável, através do operador <-.

a <- 1

b <- 5 * 3

x <- 1:5

y <- 6:10

Agora, podemos reutilizar esses valores para fazer outros cálculos.

a + 2 * b

## [1] 31

x + 2 * y - 3

## [1] 10 13 16 19 22

Observe que não temos que dizer ao R qual o tipo da variável, se era um número (as variáveis a e a) ou vetor (x e y).

1.3 Números especias

Para facilitar operações aritméticas, R suporta quatro valores especiais de números: Inf, -Inf, NaN e NA. Os dois primeiros representam infinito positivo e negativo. NaN é um acrônimo inglês para “not a number”, ou seja, não é um número. Ele aparece quando um cálculo não faz sentido, ou não está definido. NA significa “not available”, ou seja, não disponível, e representa um valor faltante.

c(Inf + 1, Inf - 1, Inf - Inf, NA + 1)

## [1] Inf Inf NaN  NA

c(0 / 0, Inf / Inf, 1 / Inf)

## [1] NaN NaN   0

1.4 Vetores, Matrizes e Dataframes

Previamente, vimos alguns tipos de vetores para valores lógicos, caracteres e números. Nessa seção, utilizaremos técnicas de manipulação de vetores e introduziremos o caso multidimensional: matrizes e dataframes.

Abaixo relembramos as operações que já foram feitas com vetores

10:5                    #sequência de números de 10 até 5

## [1] 10  9  8  7  6  5

c(1, 2:5, c(6, 7), 8)   #valores concatenados em um único vetor

## [1] 1 2 3 4 5 6 7 8

1.4.1 Vetores

Existem funções para criar vetores de um tipo e com tamanho específicos. Todos os elementos deste vetor terá valor zero, FALSE, um caracter vazio, ou o equivalente à nada/vazio para aquele tipo. Veja abaixo duas maneiras de definir um vetor.

vector("numeric", 5) #cria um vetor numérico de 5 elementos

## [1] 0 0 0 0 0

numeric(5) #equivalente ao comando acima

## [1] 0 0 0 0 0

vector("logical", 5) #cria um vetor lógico de 5 elementos

## [1] FALSE FALSE FALSE FALSE FALSE

logical(5) #equivalente ao comando acima

## [1] FALSE FALSE FALSE FALSE FALSE

vector("character", 5) #cria um vetor de caracteres de 5 elementos

## [1] "" "" "" "" ""

character(5) #equivalente ao comando acima

## [1] "" "" "" "" ""

1.4.1.1 Sequências

Podemos criar sequências mais gerais que aquelas criadas com o operador :. A função seq te permite criar sequências em diferentes maneiras Veja abaixo.

seq(3, 12) #equivalente à 3:12

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

seq(3, 12, 2) #o terceiro argumento indica a distância entre os elementos na lista.

## [1]  3  5  7  9 11

seq(0.1, 0.01, -0.01)

##  [1] 0.10 0.09 0.08 0.07 0.06 0.05 0.04 0.03 0.02 0.01

1.4.1.2 Tamanhos

Todo vetor tem um tamanho, um número não negativo que representa a quantidade de elementos que o vetor contém. A função length retorna o tamanho de um dado vetor.

length(1:5) 

## [1] 5

frase <- c("Observe", "o", "resultado", "dos", "comandos", "abaixo")

length(frase)

## [1] 6

nchar(frase)

## [1] 7 1 9 3 8 6

1.4.1.3 Indexando vetores

A indexação é útil quando queremos acessar elementos específicos de um vetor. Considere o vetor

x <- (1:5) ^ 2

Abaixo, três métodos de indexar os mesmos valores do vetor x.

x[c(1, 3, 5)]

x[c(-2, -4)]

x[c(TRUE, FALSE, TRUE, FALSE, TRUE)]

## [1]  1  9 25

Se nomearmos os elementos do vetor, o método abaixo obtém os mesmos valores de x.

names(x) <- c("one", "four", "nine", "sixteen", "twenty five")
x[c("one", "nine", "twenty five")]

##         one        nine twenty five 
##           1           9          25

Cuidado, acessar um elemento fora do tamanho do vetor não gera um erro no R, apenas NA.

x[6]

## <NA> 
##   NA

1.4.2 Matrizes

Uma matriz é o equivalente à um vetor, porém em duas dimensões. Abaixo, um exemplo de definição de uma matriz com 4 linhas e 3 colunas (total de 12 elementos).

?matrix

uma_matriz <- matrix(
      1:12,
      nrow = 4, #ncol = 3 gera o mesmo resultado. Verifique!
      dimnames = list(
        c("L1", "L2", "L3", "L4"),
        c("C1", "C2", "C3")
      )
)

class(uma_matriz)

## [1] "matrix" "array"

uma_matriz

##    C1 C2 C3
## L1  1  5  9
## L2  2  6 10
## L3  3  7 11
## L4  4  8 12

Por padrão, ao criar uma matrix, o vetor passado como primeiro argumento preenche a matrix por colunas. Para preencher a matrix por linhas, basta especificar o argumento byrow=TRUE

A função dim retorna um vetor de inteiros com as dimensões da variável.

dim(uma_matriz)

## [1] 4 3

nrow(uma_matriz) #retorna o número de linhas da matrix

## [1] 4

ncol(uma_matriz) #retorna o número de colunas da matrix

## [1] 3

length(uma_matriz) #retorna o número de elementos da matrix

## [1] 12

1.4.2.1 Nomeando linhas, columas e dimensões

Da mesma forma para vetores, podemos nomear (e obter os nomes de) linhas e colunas de matrizes.

rownames(uma_matriz)

## [1] "L1" "L2" "L3" "L4"

colnames(uma_matriz)

## [1] "C1" "C2" "C3"

dimnames(uma_matriz)

## [[1]]
## [1] "L1" "L2" "L3" "L4"
## 
## [[2]]
## [1] "C1" "C2" "C3"

1.4.2.2 Indexação

A indexação de matrizes funciona de maneira similar à de vetores, com a diferença que agora precisam ser especificadas mais de uma dimensão.

uma_matriz[1, c("C2", "C3")] #elementos na primeira linha, segunda e terceira colunas

## C2 C3 
##  5  9

uma_matriz[1, ] #todos elementos da primeira linha

## C1 C2 C3 
##  1  5  9

uma_matriz[, c("C2", "C3")] #todos elementos da segunda e terceira colunas

##    C2 C3
## L1  5  9
## L2  6 10
## L3  7 11
## L4  8 12

uma_matriz[, c(2, 3)] #todos elementos da segunda e terceira colunas

##    C2 C3
## L1  5  9
## L2  6 10
## L3  7 11
## L4  8 12

1.4.2.3 Combinando matrizes

Considere a seguinte matriz.

outra_matriz <- matrix(
      seq(2, 24, 2),
      nrow = 4,
      dimnames = list(
        c("L5", "L6", "L7", "L8"),
        c("C5", "C6", "C7")
      ))

A combinação de matrizes pode ser feita através das funções cbind e rbind, que combina matrizes por colunas e por linhas, respectivamentes.

cbind(uma_matriz, outra_matriz)

##    C1 C2 C3 C5 C6 C7
## L1  1  5  9  2 10 18
## L2  2  6 10  4 12 20
## L3  3  7 11  6 14 22
## L4  4  8 12  8 16 24

rbind(uma_matriz, outra_matriz)

##    C1 C2 C3
## L1  1  5  9
## L2  2  6 10
## L3  3  7 11
## L4  4  8 12
## L5  2 10 18
## L6  4 12 20
## L7  6 14 22
## L8  8 16 24

1.4.2.4 Operações com matrizes

As operações básicas (+, -, *, /) funcionam de elemento a elemento em matrizes, da mesmo forma como em vetores:

uma_matriz + outra_matriz

##    C1 C2 C3
## L1  3 15 27
## L2  6 18 30
## L3  9 21 33
## L4 12 24 36

uma_matriz * outra_matriz

##    C1  C2  C3
## L1  2  50 162
## L2  8  72 200
## L3 18  98 242
## L4 32 128 288

Cuidado: as matrizes e vetores devem ter tamanhos compativeis!

1.4.3 Data frames

um_data_frame <- data.frame(
  x = letters[1:5],       #coluna de caracteres
  y = rnorm(5),           #coluna de numeros
  z = runif(5) > 0.5      #coluna de logicos
)
um_data_frame

##   x           y     z
## 1 a -0.81800900 FALSE
## 2 b  0.07101737  TRUE
## 3 c  0.89552755 FALSE
## 4 d  0.77976176  TRUE
## 5 e  0.37061145  TRUE

class(um_data_frame)

## [1] "data.frame"

rownames(um_data_frame) #nome das linhas do dataframe

## [1] "1" "2" "3" "4" "5"

colnames(um_data_frame) #nome das colunas do dataframe

## [1] "x" "y" "z"

length(um_data_frame) #retorna o numero de colunas do dataframe (diferente de matriz)

## [1] 3

ncol(um_data_frame) #numero de linhas do dataframe

## [1] 3

nrow(um_data_frame) #numero de colunas do dataframe

## [1] 5

dim(um_data_frame) #dimensao do dataframe

## [1] 5 3

#### Indexação de dataframes

um_data_frame[2:3, -3] #o segundo e o terceiro elementos das duas primeiras colunas do dataframe

##   x          y
## 2 b 0.07101737
## 3 c 0.89552755

class(um_data_frame[2:3, -3]) #observe que o resultado é um dataframe

## [1] "data.frame"

um_data_frame[c(FALSE, TRUE, TRUE, FALSE, FALSE), c("x", "y")] #mesmo resultado que acima

##   x          y
## 2 b 0.07101737
## 3 c 0.89552755

um_data_frame[2:3, 1]

## [1] "b" "c"

class(um_data_frame[2:3, 1]) #como selecionamos um vetor, a classe é a mesma do elemento selecionado

## [1] "character"

um_data_frame$x #seleciona a coluna x

## [1] "a" "b" "c" "d" "e"

um_data_frame$x[2:3] #seleciona os elementos 2 e 3 da coluna x

## [1] "b" "c"

um_data_frame[[1]][2:3] #equivalente ao comando acima

## [1] "b" "c"

um_data_frame[["x"]][2:3] #equivalente ao comando acima

## [1] "b" "c"

1.4.3.1 Manipulação de dataframes

novo_data_frame <- data.frame( #mesmas colunas que o dataframe anterior, ordem diferente
  z = rlnorm(5), #números distribuídos seguindo a distribuição lognormal
  y = sample(5), #número 1 a 5 distribuidos em uma ordem aleatória
  x = letters[3:7])

rbind(um_data_frame, novo_data_frame) #qual a dimensão deste elemento?

##    x           y         z
## 1  a -0.81800900 0.0000000
## 2  b  0.07101737 1.0000000
## 3  c  0.89552755 0.0000000
## 4  d  0.77976176 1.0000000
## 5  e  0.37061145 1.0000000
## 6  c  4.00000000 0.9076837
## 7  d  2.00000000 5.0416926
## 8  e  3.00000000 0.5523121
## 9  f  5.00000000 1.1606877
## 10 g  1.00000000 0.8396083

cbind(um_data_frame, novo_data_frame) #qual a dimensão deste elemento?

##   x           y     z         z y x
## 1 a -0.81800900 FALSE 0.9076837 4 c
## 2 b  0.07101737  TRUE 5.0416926 2 d
## 3 c  0.89552755 FALSE 0.5523121 3 e
## 4 d  0.77976176  TRUE 1.1606877 5 f
## 5 e  0.37061145  TRUE 0.8396083 1 g

?merge #Para mesclar dois dataframes, devemos considerar uma coluna que contenha algum identificador único para cada elemento.

merge(um_data_frame, novo_data_frame, by = "x")  #mescla os dataframes atraves da coluna 'x'

##   x       y.x   z.x       z.y y.y
## 1 c 0.8955275 FALSE 0.9076837   4
## 2 d 0.7797618  TRUE 5.0416926   2
## 3 e 0.3706115  TRUE 0.5523121   3

merge(um_data_frame, novo_data_frame, by = "x", all = TRUE) #o que o argumento all=TRUE faz?

##   x         y.x   z.x       z.y y.y
## 1 a -0.81800900 FALSE        NA  NA
## 2 b  0.07101737  TRUE        NA  NA
## 3 c  0.89552755 FALSE 0.9076837   4
## 4 d  0.77976176  TRUE 5.0416926   2
## 5 e  0.37061145  TRUE 0.5523121   3
## 6 f          NA    NA 1.1606877   5
## 7 g          NA    NA 0.8396083   1