1 Fundamentos de R

1.1 RStudio

Para instalação, faça o download do R em http://www.r-project.org. Em seguida, instale a IDE (Integrated Development Environment) R Studio.

Ao abrir o RStudio, clique no menu File/ New File/ R Script (ou Ctrl+Shift+N). Você deve ver uma estrutura como a mostrada na figura abaixo.

Note que são quatro paineis:

Painel de Scripts (superior esquerdo): este painel é onde você pode escrever, editar e executar scripts R. Ele fornece recursos como destaque de sintaxe, autocompletar e verificação de código para ajudar na escrita de código.
Painel de Console (inferior esquerdo):o console é onde o código R é executado e os resultados são exibidos. Você pode inserir comandos diretamente aqui e ver imediatamente os resultados. Ele também mantém um histórico de comandos executados, o que pode ser útil para referência futura.
Ambiente/Workspace (superior direito): este painel exibe informações sobre os objetos (como variáveis, funções, etc.) atualmente carregados na memória do R. Ele mostra detalhes como o nome do objeto, tipo de objeto e seu valor atual. Isso é útil para monitorar e gerenciar objetos durante uma sessão de trabalho.
Arquivos/Plots/Pacotes/Ajuda (inferior direito): um painel com diversas funcionalidades.
- Arquivos: Esta guia permite navegar e gerenciar os arquivos do seu projeto. Você pode criar, renomear, excluir e organizar arquivos e pastas diretamente dentro do RStudio.
- Gráficos (Plots): Aqui são exibidos os gráficos gerados pelo R. Quando você cria um gráfico usando funções de visualização em R, o resultado é exibido nesta guia. Isso facilita a análise visual dos seus dados e a inspeção dos gráficos durante o processo de criação.
- Pacotes: Nesta guia, você pode visualizar e gerenciar os pacotes instalados no seu ambiente R. Ela exibe uma lista de todos os pacotes instalados, juntamente com sua versão e status (carregado ou não). Além disso, você pode instalar novos pacotes, atualizar pacotes existentes e carregar ou descarregar pacotes conforme necessário para o seu trabalho.
- Ajuda (Help): Esta guia fornece acesso rápido à documentação e às informações de ajuda sobre funções, pacotes e outros recursos do R. Você pode pesquisar por tópicos específicos e acessar a documentação oficial diretamente no RStudio. Isso é útil para obter informações sobre a sintaxe de uma função, exemplos de uso e detalhes sobre os parâmetros disponíveis.

1.2 Tipos de dados

Sempre que estiver aprendendo uma nova linguagem, procure primeiro saber quais são os tipos de dados básicos que podem ser representandos nessa linguagem.

Em R, são quatro os tipos básicos de dados disponíveis: numéricos, lógicos, caracteres e fatores.

1.2.1 O tipo de dado numérico

Os dados numéricos (numeric) são usados para expressar valores quantitativos, como preços, taxas e quantidades, sendo representados por números inteiros ou decimais.

# Número inteiro representando quantidade de acoes em uma carteira
qtd_acoes <- 100

# Número de ponto flutuante representando a taxa de inflação
taxa_inflacao <- 3.5

# Verificando a classe de taxa_inflacao
class(taxa_inflacao)

[1] "numeric"

A função class() é usada para determinar a classe de uma variável. Em outras palavras, ela fornece informações sobre o tipo de dado que uma variável representa. Nesse caso acima, a variável taxa_inflacao é da classe numeric.

1.2.2 O tipo de dado lógico

Os dados lógicos (logical) são empregados para representar estados ou condições, como verdadeiro ou falso, sendo úteis em operações de lógica e comparação.

# Verificando se a taxa de juros está aumentando
taxa_juros_aumentando <- TRUE

# Verificando se o preço das ações está caindo
queda_preco_acoes <- FALSE

# Verificando a classe de queda_preco_acoes
class(queda_preco_acoes)

[1] "logical"

1.2.3 O tipo de dado caractere

Já os dados do tipo caractere (character) são utilizados para representar texto, como nomes de países, empresas ou categorias, sendo essenciais em análises descritivas e comunicação de resultados.

# Nome de um país
pais <- "Brasil"

# Nome de uma empresa multinacional
empresa <- "Petróleo Brasileiro S.A."

# Verificando a classe de pais
class(pais)

[1] "character"

1.2.4 O tipo de dado fator

Os fatores (factor) são empregados para representar variáveis categóricas, como classificações, categorias ou grupos, uma forma eficiente de lidar com dados discretos e qualitativos.

# Classificação do risco de crédito de uma empresa
risco_credito <- factor(c("Baixo", "Médio", "Alto", "Baixo", "Alto"))

# Verificando a classe de risco_credito
class(risco_credito)

[1] "factor"

A função levels() retorna os níveis (ou categorias) de um fator. Isso é útil para entender quais são as categorias representadas pelo fator e para realizar operações de manipulação de dados com base nessas categorias.

# Exibindo os níveis de risco de crédito
levels(risco_credito)

[1] "Alto"  "Baixo" "Médio"

1.3 Fundamentos da linguagem

O ambiente R refere-se ao espaço de trabalho onde todas as variáveis, funções e objetos criados durante uma sessão R são armazenados e manipulados. O ambiente inclui tanto os objetos que você criou quanto os que são carregados automaticamente por meio de pacotes ou outros mecanismos de importação de dados (mais sobre pacotes na Seção 2.4).

Por exemplo, ao usar a função ls() (que lista os nomes dos objetos no ambiente atual), podemos ver todos os objetos atualmente presentes no ambiente R.

ls()

Se você executou corretamente todos os comandos da Seção Seção 1.2, deve obter como resultado no console o seguinte:

[1] "empresa" "pais" "qtd_acoes"
[4] "queda_preco_acoes" "taxa_inflacao" "taxa_juros_aumentando"

usando R como calculadora numeros especiais

1.4 Variáveis

Na Seção 1.2 algumas variáveis foram criadas. Por exemplo a variável empresa que armazena uma cadeia de caracteres. Você viu, anteriormente a maneira de listar todas as variáveis definidas no seu ambiente. Mas, afinal, o que são variáveis?

No R, variáveis são elementos fundamentais usados para armazenar e manipular dados. Elas são como recipientes que guardam valores, objetos ou expressões. Quando você atribui um valor a uma variável, está basicamente dando um nome a esse valor para poder acessá-lo e manipulá-lo posteriormente.

Por exemplo, ao escrever preco_acao <- 10, você está criando uma variável chamada preco_acao e atribuindo a ela o valor 10. Agora, sempre que você usar preco_acao em seu código, estará se referindo a esse valor.

Uma prática comum escolher nomes descritivos para variáveis que ajudem a entender seu propósito ou conteúdo. Por exemplo, em um contexto econômico, você pode usar preco_acao para representar o preço de uma ação ou taxa_inflacao para representar a taxa de inflação.

Para atribuir um valor a uma variável, use o operador <-. O operador = também pode ser usado para atribuir valores a variáveis. Ambos os operadores têm o mesmo efeito prático na atribuição de valores a variáveis em R. A escolha entre eles geralmente se resume à preferência pessoal e ao estilo de codificação, embora alguns guias de estilo de código sugiram o uso do <-.

1.5 Verificando o tipo de uma variável

Vamos usar as funções da família is.* para vericar os tipos de algumas das variáveis que estão no nosso ambiente de trabalho.

Para a variável empresa:

is.character(empresa)

Isso retornará TRUE se a variável empresa for do tipo caractere (character).

Para a variável pais:

is.character(pais)

Assim como para a variável empresa, isso retornará TRUE se a variável pais for do tipo caractere.

Para a variável qtd_acoes:

is.numeric(qtd_acoes)

Isso retornará TRUE se a variável qtd_acoes for do tipo numérico (numeric).

Para a variável queda_preco_acoes:

is.logical(queda_preco_acoes)

Isso retornará TRUE se a variável queda_preco_acoes for do tipo lógico (logical).

Para a variável taxa_inflacao:

is.numeric(taxa_inflacao)

Assim como para a variável qtd_acoes, isso retornará TRUE se a variável taxa_inflacao for do tipo numérico.

Para a variável taxa_juros_aumentando:

is.logical(taxa_juros_aumentando)

Isso retornará TRUE se a variável taxa_juros_aumentando for do tipo lógico.

Esses exemplos ilustram como você pode usar as funções is.* para verificar o tipo de variáveis, ajudando a garantir que você esteja manipulando os dados corretamente em suas análises.

Outra família de funções importantes é a das funções as.*. Elas são usadas para fazer a coerção (converter) de um objeto de um tipo para outro. Elas permitem que você altere o tipo de dado de uma variável, o que pode ser útil em várias situações, como quando você precisa realizar operações específicas que exigem um determinado tipo de dado ou quando deseja garantir a consistência dos tipos de dados em seu código.

Algumas das funções as.* mais comuns incluem:

as.character(): Converte um objeto para o tipo caractere (character).

numero <- 123
numero_caractere <- as.character(numero)

as.numeric(): Converte um objeto para o tipo numérico (numeric).

texto <- "3.14"
numero <- as.numeric(texto)

as.logical():

numero <- 0
logico <- as.logical(numero)

Essas funções são úteis para garantir que os tipos de dados estejam corretos em seu código e para garantir que você possa realizar as operações desejadas em seus objetos. No entanto, é importante observar que nem todas as conversões podem ser bem-sucedidas, especialmente quando há perda de informações (por exemplo, ao converter de caractere para numérico). Portanto, é sempre uma boa prática verificar se a conversão foi feita corretamente e se os dados resultantes são os esperados.

Veja um exemplo de conversão de caractere para numérico com texto não numérico:

texto <- "abc"
numero <- as.numeric(texto)

Warning: NAs introduzidos por coerção

Neste exemplo, a tentativa de converter o texto “abc” para um número resultará em um valor NA (Not Available), indicando que a conversão falhou. Veja que a saída do console indica uma mensagem de warning.

1.6 Estruturas de dados

Em toda análises de dados, é comum lidar com conjuntos de dados que possuem diferentes estruturas e formatos. Vamos explorar quatro estruturas de dados fundamentais em R: vetor, matriz, lista e DataFrame.

1.6.1 Vetores

Um vetor em R é uma estrutura de dados unidimensional que armazena uma sequência ordenada de elementos do mesmo tipo. A função c nos ajuda a criar vetores.

# Vetor de preços de ações
precos_acoes <- c(100, 110, 105, 120, 115)

Em alguns casos, é de interesse definir sequências de números usando os operadores : e a função seq().

# Vetor de números de 1 a 10
sequencia <- 1:10
sequencia

 [1]  1  2  3  4  5  6  7  8  9 10

# Vetor de números de 1 a 10 com incremento de 2
sequencia_incremento <- seq(from = 1, to = 10, by = 2)
sequencia_incremento

[1] 1 3 5 7 9

Para verificar o tamanho de um vetor, você pode usar a função length().

# Verificando o tamanho do vetor de preços de ações
length(precos_acoes)

[1] 5

length(1:10)

[1] 10

Para acessar elementos em um vetor em R, você pode usar índices numéricos ou lógicos dentro dos colchetes [ ].

Você pode acessar elementos usando índices numéricos dentro dos colchetes [ ]. Por exemplo, vetor[i] acessa o elemento na posição i do vetor.

# Vetor de preços de ações
precos_acoes <- c(100, 110, 105, 120, 115)

# Acessando o segundo elemento do vetor
segundo_elemento <- precos_acoes[2]

# Acessando uma série de elementos do vetor
varios_elementos <- precos_acoes[3:5]

Você também pode acessar elementos usando índices lógicos dentro dos colchetes [ ]. Por exemplo, vetor[indices_logicos] retorna os elementos do vetor onde os índices lógicos são TRUE.

# Acessando preços de ações maiores que 110
precos_maior_que_110 <- precos_acoes[precos_acoes > 110]

1.6.2 Matrizes

Uma matriz em R é uma estrutura de dados bidimensional que consiste em linhas e colunas de elementos do mesmo tipo. É útil para representar conjuntos de dados tabulares, como dados de séries temporais ou matrizes de covariância.

# Matriz de retornos de ativos
retornos_ativos <- matrix(c(0.05, 0.03, 0.02, 0.04, 0.06, 0.03), 
                          nrow = 2, byrow = TRUE)
rownames(retornos_ativos) <- c("Ação 1", "Ação 2")
colnames(retornos_ativos) <- c("Ano 1", "Ano 2", "Ano 3")

O código acima cria uma matriz chamada retornos_ativos que armazena os retornos de dois ativos ao longo de três anos.

A função matrix() é usada para criar a matriz. O vetor c(0.05, 0.03, 0.02, 0.04, 0.06, 0.03) contém os valores dos retornos dos ativos, fornecidos em ordem de preenchimento de coluna (de cima para baixo). Os parâmetros nrow = 2 e byrow = TRUE indicam que a matriz deve ter 2 linhas (para representar os dois ativos) e que os valores devem ser preenchidos por linha (ou seja, primeiro os retornos para o ano 1, depois para o ano 2 e assim por diante). As funções rownames() e colnames() são usadas para atribuir nomes às linhas e colunas da matriz, respectivamente. No caso das linhas, são atribuídos os nomes “Ação 1” e “Ação 2”, representando os dois ativos. Para as colunas, são atribuídos os nomes “Ano 1”, “Ano 2” e “Ano 3”, representando os anos em que os retornos foram registrados.

A função class() retorna a classe do objeto, que neste caso será “matrix”, indicando que retornos_ativos é uma matriz em R.

A função dim() retorna as dimensões da matriz, ou seja, o número de linhas e colunas.

# Verificando as dimensões da matriz
dim(retornos_ativos)

[1] 2 3

Neste caso, o resultado será [2, 3], indicando que a matriz possui 2 linhas e 3 colunas.

As funções nrow() e ncol() retornam o número de linhas e colunas da matriz, respectivamente.

c(nrow(retornos_ativos), ncol(retornos_ativos))

[1] 2 3

A função length() retorna o número total de elementos em um objeto. Para uma matriz, isso retornará o número total de elementos, ou seja, o produto do número de linhas pelo número de colunas.

length(retornos_ativos)

[1] 6

Para acessar linhas, colunas e elementos em uma matriz em R, você pode usar índices numéricos ou nomes (se definidos). Aqui está como fazer:

Acessando Linhas e Colunas: Você pode acessar linhas e colunas usando índices numéricos dentro dos colchetes [ ]. Por exemplo, matriz[i, ] acessa a linha i e matriz[, j] acessa a coluna j. Para acessar uma célula específica, você usa matriz[i, j], onde i é o número da linha e j é o número da coluna.

# Acessando a primeira linha da matriz
primeira_linha <- retornos_ativos[1, ]

# Acessando a segunda coluna da matriz
segunda_coluna <- retornos_ativos[, 2]

# Acessando o elemento na segunda linha e terceira coluna da matriz
elemento <- retornos_ativos[2, 3]

# Acessando as três primeiras linhas da matriz
primeiras_linhas <- retornos_ativos[1:2, ]

# Acessando mais de uma coluna da matriz
algumas_colunas <- retornos_ativos[, c(1,3)]

Acessando Linhas e Colunas por Nomes: Se você definiu nomes para as linhas e/ou colunas da matriz, você pode acessá-las usando esses nomes.

# Acessando a linha chamada "Ação 1"
acao1 <- retornos_ativos["Ação 1", ]

# Acessando a coluna chamada "Ano 2"
ano2 <- retornos_ativos[, "Ano 2"]

# Acessando o elemento na linha "Ação 2" e coluna "Ano 3"
elemento2 <- retornos_ativos["Ação 2", "Ano 3"]

Em R, diferente de outras linguagens de programação, os índices de linhas e colunas em matrizes (e também em vetores, listas, etc.) começam em 1 e não em 0. Isso significa que o primeiro elemento de uma matriz está no índice 1, o segundo no índice 2, e assim por diante

1.6.3 Listas

Em R, uma lista é uma estrutura de dados flexível que pode conter elementos de diferentes tipos, como vetores, matrizes, outras listas e até mesmo funções. As listas são úteis quando você precisa armazenar e manipular conjuntos de dados heterogêneos ou estruturas complexas.

Podemos criar uma lista que armazena informações sobre um país, como seu nome, PIB, taxa de inflação e uma série temporal de valores de câmbio.

# Criando uma lista com informações sobre um país
pais_info <- list(
  nome = "Brasil",
  pib = 1609,
  inflacao = 0.05,
  cambio = c(4.86, 5.13, 5.20, 5.07, 4.97)
)

Neste exemplo, pais_info é uma lista que contém quatro elementos:

nome: o nome do país (tipo caractere).
pib: o Produto Interno Bruto do país (tipo numérico).
inflacao: a taxa de inflação do país (tipo numérico).
cambio: uma série temporal de valores de câmbio do país (tipo vetor numérico).

Esta lista exemplifica como podemos armazenar diferentes tipos de dados em uma lista em R. Ela pode ser usada para representar informações econômicas de um país de forma organizada e acessível.

Para acessar elementos individuais em uma lista pelo nome, usamos o operador de dólar $.

# Acessando o nome do país
pais_info$nome

[1] "Brasil"

# Acessando o PIB do país
pais_info$pib

[1] 1609

Também podemos acessar elementos individuais em uma lista por índice usando colchetes [ ].

# Acessando o primeiro elemento da lista (nome do país)
primeiro_elemento <- pais_info[[1]]

# Acessando o terceiro elemento da lista (taxa de inflação)
terceiro_elemento <- pais_info[[3]]

Você deve ter notado o uso de colchetes duplos para acessar os elementos da lista. Em R, os colchetes simples ([]) e duplos ([[]]) têm diferentes propósitos quando usados para acessar elementos em uma lista.

Imagine que uma lista em R seja como um trem, e cada elemento dessa lista é um vagão do trem. Agora, dentro de cada vagão, você pode armazenar diferentes tipos de carga, como caixas, sacos ou até mesmo outros vagões.

Por exemplo, em um vagão você pode ter um vetor, em outro uma matriz e em outro apenas um número. Cada elemento da lista pode ser diferente do outro em tipo e conteúdo, assim como cada vagão de um trem pode conter coisas diferentes.

Quando você quer acessar um vagão específico do trem, você usa colchetes simples [ ], e quando quer acessar os elementos dentro desse vagão, usa colchetes duplos [[ ]]. É como abrir a porta de um vagão para ver o que tem dentro e, em seguida, olhar dentro das caixas que estão dentro desse vagão para ver o que tem lá.

Vamos usar a analogia dos trens e vagões com a lista pais_info, que contém informações sobre o Brasil:

Acessando um vagão específico

Para acessar informações específicas sobre o Brasil, como o nome do país ou o valor do PIB, podemos usar os colchetes simples [ ]. Por exemplo: - pais_info["nome"]: obtemos o vagão que contém o nome do país, e encontramos “Brasil”. - pais_info[2] : obtemos o segundo vagão, neste caso é o que contem o PIB do país, e encontramos o valor 1609.

Acessando elementos dentro de um vagão

Agora, se quisermos acessar elementos específicos dentro de um vagão, usamos colchetes duplos [[ ]]. Por exemplo:

pais_info[["cambio"]]: abrimos o vagão que contém informações sobre o câmbio do país e acessamos o seu conteúdo, que é um vetor com diferentes valores de câmbio ao longo do tempo.

Agora, se quisermos acessar um valor específico desse vetor, podemos usar os colchetes simples [ ] novamente:

pais_info[["cambio"]][3]: isso abre o vagão que contém o vetor de câmbio e encontra o terceiro valor, que é 5.20.

Ao usar a função class() podemos notar a diferença entre os objetos obtidos ao usar colchetes simples e duplos.

class(pais_info["nome"])

[1] "list"

class(pais_info[["nome"]])

[1] "character"

Resumindo

Em resumo, os colchetes simples são usados para acessar subconjuntos de elementos em uma lista, preservando sua estrutura, enquanto os colchetes duplos são usados para acessar valores individuais de uma lista, sem preservar a estrutura original.

1.6.4 DataFrames

Os dataframes são estruturas de dados tabulares em R que representam conjuntos de dados retangulares onde as colunas podem ser de tipos diferentes, como numérico, caractere, lógico ou fator.

Para criar um dataframe, usamos a função data.frame(), fornecendo vetores de dados para cada coluna.

# Criando um dataframe com dados econômicos
dados_economicos <- data.frame(
  país = c("Brasil", "EUA", "China", "Índia", "Japão"),
  continente = factor(c("América", "América", "Ásia", "Ásia", "Ásia")),
  população = c(213, 328, 1441, 1380, 126),
  pib_per_capita = c(10294, 65741, 10380, 2353, 41581),
  inflação = c(0.02, 0.01, 0.04, 0.06, 0.005)
)

Podemos acessar elementos individuais, linhas ou colunas de um dataframe usando índices numéricos ou nomes de colunas.

# Acessando a primeira linha do dataframe
(primeira_linha <- dados_economicos[1, ])

    país continente população pib_per_capita inflação
1 Brasil    América       213          10294     0.02

# Acessando a coluna "país" do dataframe
(paises <- dados_economicos$país)

[1] "Brasil" "EUA"    "China"  "Índia"  "Japão"

# Acessando o elemento na segunda linha e terceira coluna do dataframe
(elemento <- dados_economicos[2, 3])

[1] 328

Podemos combinar dataframes com base em colunas comuns usando a função merge().

# Criando outro dataframe para junção
dados_demograficos <- data.frame(
  país = c("China", "Índia", "Japão", "Brasil", "EUA"),
  expectativa_vida = c(76, 69, 84, 75, 79)
)

# Realizando uma junção (merge) com base na coluna "país"
(dados_com_demografia <- merge(dados_economicos, dados_demograficos, by = "país"))

    país continente população pib_per_capita inflação expectativa_vida
1 Brasil    América       213          10294    0.020               75
2  China       Ásia      1441          10380    0.040               76
3    EUA    América       328          65741    0.010               79
4  Índia       Ásia      1380           2353    0.060               69
5  Japão       Ásia       126          41581    0.005               84

Podemos combinar novas linhas de dados ao dataframe existente.

# Criando outro dataframe para combinação de linhas
mais_dados <- data.frame(
  país = c("África do Sul", "Alemanha"),
  continente = c("África", "Europa"),
  população = c(60, 83),
  pib_per_capita = c(6151, 52947),
  inflação = c(0.025, NA),
  expectativa_vida = c(58, 81)
)

# Combinando os dataframes por linhas
(todos_dados <- rbind(dados_com_demografia, mais_dados))

           país continente população pib_per_capita inflação expectativa_vida
1        Brasil    América       213          10294    0.020               75
2         China       Ásia      1441          10380    0.040               76
3           EUA    América       328          65741    0.010               79
4         Índia       Ásia      1380           2353    0.060               69
5         Japão       Ásia       126          41581    0.005               84
6 África do Sul     África        60           6151    0.025               58
7      Alemanha     Europa        83          52947       NA               81

Dados faltantes

Você deve ter observado no dataframe mais_dados que o valor da inflação para a Alemanha está como NA. Um dado NA, abreviação de “Not Available” (não disponível), é uma marcação que indica a ausência de um valor em um conjunto de dados. No exemplo acima, a presença do dado NAna coluna de inflação para a Alemanha significa que não há um valor disponível para a inflação desse país na tabela fornecida.

Um dado pode ser marcado como NA em diversas situações, incluindo

Dados ausentes: Quando não há informação disponível para um determinado campo em um conjunto de dados. Por exemplo, falta de dados sobre o índice de desemprego em determinadas regiões devido à falta de disponibilidade ou relatórios incompletos.
Erros de medição ou coleta: Em algumas situações, erros podem ocorrer durante o processo de medição ou coleta de dados, levando a valores inexatos ou ausentes. Por exemplo, ao registrar o PIB de um país, um erro humano pode levar a valores inexatos ou até mesmo ausentes em determinados trimestres devido a falhas no processo de coleta de dados.
Valores inaplicáveis: Algumas variáveis podem não ser aplicáveis a todos os casos. Por exemplo, ao analisar os gastos do governo em educação, pode não haver dados disponíveis para alguns países devido a diferenças nas políticas de relatório ou à falta de investimento em educação em determinados períodos.
Valores não registrados: Em algumas bases de dados, certos valores podem não ser registrados de propósito, seja por questões de privacidade ou por não serem relevantes para o contexto da análise. Por exemplo, ao coletar dados sobre o patrimônio líquido dos indivíduos em uma pesquisa de renda, alguns participantes podem optar por não divulgar suas informações financeiras por motivos de privacidade. Nesses casos, os valores correspondentes seriam marcados como NA.

1.7 Exercícios

Considere os seguinte setores econômico. “Financeiro”, “Tecnologia da Informação”, “Bens Industriais” e “Saúde”. Gere aleatoriamente uma amostra de tamanho 1.000, com estes setores, com igual probabilidade de cada um ser escolhido. Mostre os primeiros valores da variável resultante e conte quantas empresas pertencem a cada setor econômico.