Aula de Rstudio e Tidyverse

Objetivos da Monitoria:

Objetivo Geral:

• Tornar o estudante capaz realizar Analise Exploratória e Preparação de dados em contextos reais

Objetivos Especificos:

• Ambientação no Rstudio

  • Ter familiaridade com os principais Painéis do Rstudio

  • Usar Scripts e Markdowns

  • Compreender Limites de Processamento e buscar estratégias alternativas

• Sintaxe do R:

  • Compreender os tipos de objetos em R: Valores, matrizes, dataframes, Listas

  • Saber aplicar Funções Aritiméticas à objetos

  • Saber aplicar Funções Estatistica à objetos

  • Saber aplicar Funções de criação de distribuições.

  • Estrituras de repetição

  • Familiaridade de pesquisar, Instalar e compreender pacotes de funções.

• Importação de dados:

  • Saber Salvar e Abrir objetos em diferentes formatos
  • Compreender problemas de encodificação, e padrões internacionais de registro
  • Familiaridade com Pacotes de Importação via API

• Manipulação de dados

  • Compreender Problemas de Organização de limpeza de dados

  • Enriquecer dados por meio de funções de fusão de dados

  • Seleção e Filtragem de dados em contextos de limpeza, amostragem e estratificação

  • Compreender granularidade e representatividade de dados e aplicar Funções de Agregação

  • Compreender a diferença entre dados em painel e cross section como dataframes.

• Visualização de dados

  • Compreender diferentes formas de representação de variaveis qualitátivas e quantitativas

  • Compreender e aplicar sintaxe do pacote ggplot2

Introdução: Analise de dados no contexto de pesquisa

Fluxo de Analise de dados:

# Criando o grafo
library(igraph)

Warning: package ‘igraph’ was built under R version 4.2.3
Attaching package: ‘igraph’

The following objects are masked from ‘package:stats’:

    decompose, spectrum

The following object is masked from ‘package:base’:

    union

g <- graph( c( "Visualização","Interpretação",
              "Interpretação", "Interesse
              Desorientação",
              "Interesse
              Desorientação","Hipoteses",
              "Hipoteses","Coleta 
              de Dados",
              "Coleta 
              de Dados" ,"Limpesa 
              de dados",
              "Limpesa 
              de dados","Analise 
              Exploratória",
              "Analise 
              Exploratória","Coleta 
              de Dados",
              "Modelagem", "Visualização",

              "Analise 
              Exploratória","Visualização",
              "Analise 
              Exploratória","Modelagem",
              "Modelagem", "Hipoteses",
             "Hipoteses", "Interpretação"
              ))


# define a cor do fundo
par(bg="black")

# plota o grafo com as cores definidas
plot(g, layout = layout.davidson.harel, vertex.size = 45, vertex.label.dist = .18,
     edge.arrow.size = 0.3,# vertex.color = vertex_colors, edge.color = edge_colors,
     vertex.frame.color = "black", vertex.label.color = "white",vertex.shape="none",vertex.label.font = 0.6,
     vertex.label.font = 0.5, edge.curved=0.2, edge.width=1, main = "",layout.scale = 0.5,
     margin = c(0.1, 0.1, 0.1, 0.1))
title(main="Fluxo de Analise de Dados", col.main="#F5F5F5")

NA
NA
NA

Sintaxe Básica

# Exemplo de código em R

# Comentário de uma linha
# Para comentar múltiplas linhas, utilize o símbolo '#' no início de cada linha

# Declaração de variáveis
x <- 5
y <- 10

# Operações matemáticas básicas
soma <- x + y
print(soma)

[1] 15

subtracao <- x - y
subtracao

[1] -5

multiplicacao <- x * y
multiplicacao

[1] 50

divisao <- x / y
divisao

[1] 0.5

potenciacao <- x ^ 2
potenciacao

[1] 25

raiz_quadrada <- sqrt(y)
raiz_quadrada

[1] 3.162278

# Impressão de resultados
cat("A soma de x e y é", soma, "\n")

A soma de x e y é 15 

cat("A subtração de x e y é", subtracao, "\n")

A subtração de x e y é -5 

cat("A multiplicação de x e y é", multiplicacao, "\n")

A multiplicação de x e y é 50 

cat("A divisão de x por y é", divisao, "\n")

A divisão de x por y é 0.5 

cat("O quadrado de x é", potenciacao, "\n")

O quadrado de x é 25 

cat("A raiz quadrada de y é", raiz_quadrada, "\n")

A raiz quadrada de y é 3.162278 

# Estruturas de controle de fluxo
if (x < y) {
  cat("x é menor que y\n")
} else {
  cat("x é maior que y\n")
}

x é menor que y

# Laço for
for (i in 1:5) {
  cat("O valor de i é", i, "\n")
}

O valor de i é 1 
O valor de i é 2 
O valor de i é 3 
O valor de i é 4 
O valor de i é 5 

# Vetores
vetor <- c(1, 2, 3, 4, 5)
cat("O primeiro elemento do vetor é", vetor[1], "\n")

O primeiro elemento do vetor é 1 

cat("O segundo elemento do vetor é", vetor[2], "\n")

O segundo elemento do vetor é 2 

cat("O tamanho do vetor é", length(vetor), "\n")

O tamanho do vetor é 5 

cat("A soma dos elementos do vetor é", sum(vetor), "\n")

A soma dos elementos do vetor é 15 

# Funções
minha_funcao <- function(a, b) {
  return(a + b)
}
resultado <- minha_funcao(x, y)
cat("O resultado da função é", resultado, "\n")

O resultado da função é 15 

#função com vetor
resultado <- minha_funcao(vetor, y)
resultado

[1] 11 12 13 14 15

# Criando um valor numérico
a <- 10
class(a)

[1] "numeric"

# Criando um valor lógico
b <- TRUE
class(b)

[1] "logical"

# Criando um vetor numérico
c <- c(1, 2, 3, 4, 5)
class(c)

[1] "numeric"

summary(d)

   Length     Class      Mode 
        3 character character 

# Criando uma matriz 2x2
e <- matrix(c(1, 2, 3, 4), nrow=2, ncol=2)
class(e)

[1] "matrix" "array" 

# Criando um dataframe
f <- data.frame(nome=c("João", "Maria", "José"), idade=c(20, 25, 30), altura=c(1.75, 1.60, 1.80))
class(f)

[1] "data.frame"

# Criando uma lista
g <- list(nome="João", idade=20, altura=1.75)
class(g)

[1] "list"

summary(h)

 alto baixo médio 
    1     2     1 

# Criando um vetor de datas
i <- as.Date(c("2022-05-09", "2022-05-10", "2022-05-11"))
class(i)

[1] "Date"

# Vetores
vetor_inteiro <- c(1, 2, 3, 4, 5) # vetor de números inteiros
vetor_decimal <- c(1.5, 2.2, 3.7, 4.1, 5.9) # vetor de números decimais
vetor_caracter <- c("a", "b", "c", "d", "e") # vetor de caracteres

# Matrizes
matriz <- matrix(1:6, nrow = 2, ncol = 3) # matriz 2x3
matriz

     [,1] [,2] [,3]
[1,]    1    3    5
[2,]    2    4    6

as.data.frame(matriz)

# Data frames
df <- data.frame(
  nome = c("Maria", "João", "Ana"),
  idade = c(25, 30, 28),
  salario = c(3500, 4000, 4500)
) # data frame com três variáveis
df

# Listas
lista <- list(
  vetor_inteiro,
  vetor_decimal,
  vetor_caracter,
  matriz,
  df
) # lista com diferentes estruturas de dados
lista

# Classes
classe_vetor <- class(vetor_inteiro) # classe de um vetor
classe_vetor

[1] "numeric"

classe_matriz <- class(matriz) # classe de uma matriz
classe_matriz

[1] "matrix" "array" 

classe_df <- class(df) # classe de um data frame
classe_df

[1] "data.frame"

classe_lista <- class(lista) # classe de uma lista

Error: object 'lista' not found

Explorando um pacote

#instalar um pacote
install.packages("dplyr")

WARNING: Rtools is required to build R packages but is not currently installed. Please download and install the appropriate version of Rtools before proceeding:

https://cran.rstudio.com/bin/windows/Rtools/
Installing package into ‘C:/Users/C358423/AppData/Local/R/win-library/4.2’
(as ‘lib’ is unspecified)
also installing the dependency ‘pillar’

trying URL 'https://cran.rstudio.com/bin/windows/contrib/4.2/pillar_1.9.0.zip'
Content type 'application/zip' length 659273 bytes (643 KB)
downloaded 643 KB

trying URL 'https://cran.rstudio.com/bin/windows/contrib/4.2/dplyr_1.1.2.zip'
Content type 'application/zip' length 1554601 bytes (1.5 MB)
downloaded 1.5 MB

package ‘pillar’ successfully unpacked and MD5 sums checked
package ‘dplyr’ successfully unpacked and MD5 sums checked

The downloaded binary packages are in
    C:\Users\C358423\AppData\Local\Temp\RtmpWCBR2n\downloaded_packages

# Carregando o pacote que será explorado
library(dplyr)

Warning: package ‘dplyr’ was built under R version 4.2.3
Attaching package: ‘dplyr’

The following objects are masked from ‘package:igraph’:

    as_data_frame, groups, union

The following objects are masked from ‘package:stats’:

    filter, lag

The following objects are masked from ‘package:base’:

    intersect, setdiff, setequal, union

# Listando as funções do pacote
ls("package:dplyr")

  [1] "%>%"                   "across"                "add_count"            
  [4] "add_count_"            "add_row"               "add_rownames"         
  [7] "add_tally"             "add_tally_"            "all_equal"            
 [10] "all_of"                "all_vars"              "anti_join"            
 [13] "any_of"                "any_vars"              "arrange"              
 [16] "arrange_"              "arrange_all"           "arrange_at"           
 [19] "arrange_if"            "as.tbl"                "as_data_frame"        
 [22] "as_label"              "as_tibble"             "auto_copy"            
 [25] "band_instruments"      "band_instruments2"     "band_members"         
 [28] "bench_tbls"            "between"               "bind_cols"            
 [31] "bind_rows"             "c_across"              "case_match"           
 [34] "case_when"             "changes"               "check_dbplyr"         
 [37] "coalesce"              "collapse"              "collect"              
 [40] "combine"               "common_by"             "compare_tbls"         
 [43] "compare_tbls2"         "compute"               "consecutive_id"       
 [46] "contains"              "copy_to"               "count"                
 [49] "count_"                "cross_join"            "cumall"               
 [52] "cumany"                "cume_dist"             "cummean"              
 [55] "cur_column"            "cur_data"              "cur_data_all"         
 [58] "cur_group"             "cur_group_id"          "cur_group_rows"       
 [61] "current_vars"          "data_frame"            "db_analyze"           
 [64] "db_begin"              "db_commit"             "db_create_index"      
 [67] "db_create_indexes"     "db_create_table"       "db_data_type"         
 [70] "db_desc"               "db_drop_table"         "db_explain"           
 [73] "db_has_table"          "db_insert_into"        "db_list_tables"       
 [76] "db_query_fields"       "db_query_rows"         "db_rollback"          
 [79] "db_save_query"         "db_write_table"        "dense_rank"           
 [82] "desc"                  "dim_desc"              "distinct"             
 [85] "distinct_"             "distinct_all"          "distinct_at"          
 [88] "distinct_if"           "distinct_prepare"      "do"                   
 [91] "do_"                   "dplyr_col_modify"      "dplyr_reconstruct"    
 [94] "dplyr_row_slice"       "ends_with"             "enexpr"               
 [97] "enexprs"               "enquo"                 "enquos"               
[100] "ensym"                 "ensyms"                "eval_tbls"            
[103] "eval_tbls2"            "everything"            "explain"              
[106] "expr"                  "failwith"              "filter"               
[109] "filter_"               "filter_all"            "filter_at"            
[112] "filter_if"             "first"                 "full_join"            
[115] "funs"                  "funs_"                 "glimpse"              
[118] "group_by"              "group_by_"             "group_by_all"         
[121] "group_by_at"           "group_by_drop_default" "group_by_if"          
[124] "group_by_prepare"      "group_cols"            "group_data"           
[127] "group_indices"         "group_indices_"        "group_keys"           
[130] "group_map"             "group_modify"          "group_nest"           
[133] "group_rows"            "group_size"            "group_split"          
[136] "group_trim"            "group_vars"            "group_walk"           
[139] "grouped_df"            "groups"                "id"                   
[142] "ident"                 "if_all"                "if_any"               
[145] "if_else"               "inner_join"            "intersect"            
[148] "is.grouped_df"         "is.src"                "is.tbl"               
[151] "is_grouped_df"         "join_by"               "lag"                  
[154] "last"                  "last_col"              "last_dplyr_warnings"  
[157] "lead"                  "left_join"             "location"             
[160] "lst"                   "make_tbl"              "matches"              
[163] "min_rank"              "mutate"                "mutate_"              
[166] "mutate_all"            "mutate_at"             "mutate_each"          
[169] "mutate_each_"          "mutate_if"             "n"                    
[172] "n_distinct"            "n_groups"              "na_if"                
[175] "near"                  "nest_by"               "nest_join"            
[178] "new_grouped_df"        "new_rowwise_df"        "nth"                  
[181] "ntile"                 "num_range"             "one_of"               
[184] "order_by"              "percent_rank"          "pick"                 
[187] "progress_estimated"    "pull"                  "quo"                  
[190] "quo_name"              "quos"                  "recode"               
[193] "recode_factor"         "reframe"               "relocate"             
[196] "rename"                "rename_"               "rename_all"           
[199] "rename_at"             "rename_if"             "rename_vars"          
[202] "rename_vars_"          "rename_with"           "right_join"           
[205] "row_number"            "rows_append"           "rows_delete"          
[208] "rows_insert"           "rows_patch"            "rows_update"          
[211] "rows_upsert"           "rowwise"               "same_src"             
[214] "sample_frac"           "sample_n"              "select"               
[217] "select_"               "select_all"            "select_at"            
[220] "select_if"             "select_var"            "select_vars"          
[223] "select_vars_"          "semi_join"             "setdiff"              
[226] "setequal"              "show_query"            "slice"                
[229] "slice_"                "slice_head"            "slice_max"            
[232] "slice_min"             "slice_sample"          "slice_tail"           
[235] "sql"                   "sql_escape_ident"      "sql_escape_string"    
[238] "sql_join"              "sql_select"            "sql_semi_join"        
[241] "sql_set_op"            "sql_subquery"          "sql_translate_env"    
[244] "src"                   "src_df"                "src_local"            
[247] "src_mysql"             "src_postgres"          "src_sqlite"           
[250] "src_tbls"              "starts_with"           "starwars"             
[253] "storms"                "summarise"             "summarise_"           
[256] "summarise_all"         "summarise_at"          "summarise_each"       
[259] "summarise_each_"       "summarise_if"          "summarize"            
[262] "summarize_"            "summarize_all"         "summarize_at"         
[265] "summarize_each"        "summarize_each_"       "summarize_if"         
[268] "sym"                   "symdiff"               "syms"                 
[271] "tally"                 "tally_"                "tbl"                  
[274] "tbl_df"                "tbl_nongroup_vars"     "tbl_ptype"            
[277] "tbl_vars"              "tibble"                "top_frac"             
[280] "top_n"                 "transmute"             "transmute_"           
[283] "transmute_all"         "transmute_at"          "transmute_if"         
[286] "tribble"               "type_sum"              "ungroup"              
[289] "union"                 "union_all"             "validate_grouped_df"  
[292] "validate_rowwise_df"   "vars"                  "where"                
[295] "with_groups"           "with_order"            "wrap_dbplyr_obj"      

# Obtendo ajuda sobre uma função específica do pacote
?mutate

# Listando as versões instaladas do pacote
packageVersion("dplyr")

[1] ‘1.1.2’

# Verificando dependências do pacote
packageDescription("tidyverse")

Package: tidyverse
Title: Easily Install and Load the 'Tidyverse'
Version: 2.0.0
Authors@R: c( person("Hadley", "Wickham", , "hadley@rstudio.com", role =
        c("aut", "cre")), person("RStudio", role = c("cph", "fnd")) )
Description: The 'tidyverse' is a set of packages that work in harmony
        because they share common data representations and 'API' design.
        This package is designed to make it easy to install and load
        multiple 'tidyverse' packages in a single step. Learn more about
        the 'tidyverse' at <https://www.tidyverse.org>.
License: MIT + file LICENSE
URL: https://tidyverse.tidyverse.org,
        https://github.com/tidyverse/tidyverse
BugReports: https://github.com/tidyverse/tidyverse/issues
Depends: R (>= 3.3)
Imports: broom (>= 1.0.3), conflicted (>= 1.2.0), cli (>= 3.6.0), dbplyr
        (>= 2.3.0), dplyr (>= 1.1.0), dtplyr (>= 1.2.2), forcats (>=
        1.0.0), ggplot2 (>= 3.4.1), googledrive (>= 2.0.0), googlesheets4
        (>= 1.0.1), haven (>= 2.5.1), hms (>= 1.1.2), httr (>= 1.4.4),
        jsonlite (>= 1.8.4), lubridate (>= 1.9.2), magrittr (>= 2.0.3),
        modelr (>= 0.1.10), pillar (>= 1.8.1), purrr (>= 1.0.1), ragg (>=
        1.2.5), readr (>= 2.1.4), readxl (>= 1.4.2), reprex (>= 2.0.2),
        rlang (>= 1.0.6), rstudioapi (>= 0.14), rvest (>= 1.0.3), stringr
        (>= 1.5.0), tibble (>= 3.1.8), tidyr (>= 1.3.0), xml2 (>= 1.3.3)
Suggests: covr (>= 3.6.1), feather (>= 0.3.5), glue (>= 1.6.2), mockr (>=
        0.2.0), knitr (>= 1.41), rmarkdown (>= 2.20), testthat (>= 3.1.6)
VignetteBuilder: knitr
Config/Needs/website: tidyverse/tidytemplate
Config/testthat/edition: 3
Encoding: UTF-8
RoxygenNote: 7.2.3
NeedsCompilation: no
Packaged: 2023-02-21 13:20:46 UTC; hadleywickham
Author: Hadley Wickham [aut, cre], RStudio [cph, fnd]
Maintainer: Hadley Wickham <hadley@rstudio.com>
Repository: CRAN
Date/Publication: 2023-02-22 09:20:06 UTC
Built: R 4.2.3; ; 2023-03-19 18:23:46 UTC; windows

-- File: C:/Program Files/R/R-4.2.2/library/tidyverse/Meta/package.rds 

# Obtendo informações gerais sobre o pacote
packageDescription("dplyr", fields = c("Title", "Description", "Author", "License"))

Title: A Grammar of Data Manipulation
Description: A fast, consistent tool for working with data frame like
        objects, both in memory and out of memory.
Author: Hadley Wickham [aut, cre]
        (<https://orcid.org/0000-0003-4757-117X>), Romain François [aut]
        (<https://orcid.org/0000-0002-2444-4226>), Lionel Henry [aut],
        Kirill Müller [aut] (<https://orcid.org/0000-0002-1416-3412>),
        Davis Vaughan [aut] (<https://orcid.org/0000-0003-4777-038X>),
        Posit Software, PBC [cph, fnd]
License: MIT + file LICENSE

-- File: C:/Users/C358423/AppData/Local/R/win-library/4.2/dplyr/Meta/package.rds 
-- Fields read: Title, Description, Author, License

#Obtendo referencias de um pacote
citation("dplyr")

To cite package ‘dplyr’ in publications use:

  Wickham H, François R, Henry L, Müller K, Vaughan D (2023). _dplyr: A
  Grammar of Data Manipulation_. R package version 1.1.2,
  <https://CRAN.R-project.org/package=dplyr>.

A BibTeX entry for LaTeX users is

  @Manual{,
    title = {dplyr: A Grammar of Data Manipulation},
    author = {Hadley Wickham and Romain François and Lionel Henry and Kirill Müller and Davis Vaughan},
    year = {2023},
    note = {R package version 1.1.2},
    url = {https://CRAN.R-project.org/package=dplyr},
  }

##Importação de dados - Files

library(readr)
dataset2_aulaR <- read_csv("dataset2_aulaR.csv", 
    locale = locale(encoding = "ASCII"))

Rows: 5444 Columns: 112── Column specification ───────────────────────────────────────────────────────────
Delimiter: ","
chr   (2): NOME, UF
dbl (110): FID, COD_IBGE, POPTOTAL, POPHOMENS, POPMULHERE, POPURBANA, POPRURAL,...
ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.

View(dataset2_aulaR)

write.csv(df,"teste.csv")
read.csv("teste.csv")

• pacotes

library(rbcb)

Warning: package ‘rbcb’ was built under R version 4.2.3

library(ggplot2)
ipca = get_series(433)
ggplot(ipca, aes(x=date))+
 geom_line(aes(y=ipca$`433`), col='darkblue')

ipeadata("ANDA12_MFERTILIZ12")

Warning: URL 'http://www.ipeadata.gov.br/api/odata4/ValoresSerie(SERCODIGO='ANDA12_MFERTILIZ12')': Timeout of 60 seconds was reached

ERROR : cannot open the connection to 'http://www.ipeadata.gov.br/api/odata4/ValoresSerie(SERCODIGO='ANDA12_MFERTILIZ12')' 

Outras opções de pacote? - Rsincofi - SidraR

Manipulação de dados

# Instale o tidyverse caso ainda não tenha feito
# install.packages("tidyverse")

# Carregue o tidyverse
library(tidyverse)

Warning: package ‘tidyverse’ was built under R version 4.2.3Warning: package ‘tibble’ was built under R version 4.2.3Warning: package ‘tidyr’ was built under R version 4.2.3Warning: package ‘purrr’ was built under R version 4.2.3Warning: package ‘forcats’ was built under R version 4.2.3Warning: package ‘lubridate’ was built under R version 4.2.3── Attaching core tidyverse packages ─────────────────────────── tidyverse 2.0.0 ──
✔ forcats   1.0.0     ✔ stringr   1.5.0
✔ lubridate 1.9.2     ✔ tibble    3.2.0
✔ purrr     1.0.1     ✔ tidyr     1.3.0── Conflicts ───────────────────────────────────────────── tidyverse_conflicts() ──
✖ lubridate::%--%()       masks igraph::%--%()
✖ tibble::as_data_frame() masks dplyr::as_data_frame(), igraph::as_data_frame()
✖ purrr::compose()        masks igraph::compose()
✖ tidyr::crossing()       masks igraph::crossing()
✖ dplyr::filter()         masks stats::filter()
✖ dplyr::lag()            masks stats::lag()
✖ purrr::simplify()       masks igraph::simplify()
ℹ Use the ]8;;http://conflicted.r-lib.org/conflicted package]8;; to force all conflicts to become errors

# Carregue um conjunto de dados de exemplo do pacote ggplot2
data(diamonds, package = "ggplot2")
diamonds

# Função filter(): filtra observações de acordo com uma condição
# Exemplo: selecionar diamantes com preço maior que 5000 e quilates maior que 2.5
diamonds %>% 
  filter(price > 5000, carat > 2.5)

NA

# Função select(): seleciona variáveis
# Exemplo: selecionar apenas as variáveis preço, quilates e corte
diamonds %>% 
  select(price, carat, cut)

NA

# Função arrange(): ordena as observações de acordo com uma ou mais variáveis
# Exemplo: ordenar diamantes por preço, em ordem decrescente
diamonds %>% 
  arrange(desc(price))

NA

# Função mutate(): cria ou modifica variáveis
# Exemplo: criar uma nova variável com o preço por quilate de cada diamante
diamonds %>% 
  mutate(price_per_carat = price / carat) 

NA

# Função group_by() e summarize(): agrupa observações e calcula estatísticas resumidas para cada grupo
# Exemplo: calcular a média do preço para cada corte de diamante
diamonds %>% 
  group_by(cut) %>% 
  summarize(mean_price = mean(price))

NA

# Função join(): combina diferentes conjuntos de dados
# Exemplo: juntar os conjuntos de dados diamonds e uma função usando a variável "carat"
fator_nacional <- data.frame(color = unique(diamonds$color),
                             correcao = runif(7,0.3,1.5))
fator_nacional

diamonds_cutlet <- diamonds %>% 
  left_join(fator_nacional, by = "color")
diamonds_cutlet %>% mutate(n_price=price*correcao) %>% select(n_price,price)

library(tidyr)

# Exemplo de um conjunto de dados em formato "wide"
dados_wide <- data.frame(
  pessoa = c("Alice", "Bob", "Carol"),
  sexo = c("F", "M", "F"),
  idade = c(25, 30, 35),
  pontuacao_1 = c(70, 80, 90),
  pontuacao_2 = c(60, 70, 80)
)
dados_wide

# Criando um vetor com dados
dados <- c(10, 15, 18, 20, 23, 30, 40, 50)

# Criando uma nova variável que indica se o valor é maior que 20
dados$maior20 <- ifelse(dados > 20, "Sim", "Não")

Warning: Coercing LHS to a list

# Visualizando a nova variável
dados$maior20

[1] "Não" "Não" "Não" "Não" "Sim" "Sim" "Sim" "Sim"

# Exemplo de um conjunto de dados em formato "long"
dados_long <- dados_wide %>%
  pivot_longer(
    cols = starts_with("pontuacao"), # colunas que serão empilhadas
    names_to = "pontuacao", # nome da nova coluna que conterá os nomes das colunas originais empilhadas
    values_to = "valor" # nome da nova coluna que conterá os valores das colunas originais empilhadas
  )
dados_long

# Exemplo de um conjunto de dados em formato "wide" obtido a partir do conjunto "long"
dados_wide2 <- dados_long %>%
  pivot_wider(
    names_from = pontuacao, # nome da coluna do conjunto "long" que contém os nomes das colunas originais empilhadas
    values_from = valor # nome da coluna do conjunto "long" que contém os valores das colunas originais empilhadas
  )
dados_wide2

#Desafio: use a base do exercicio para fazer um empilhamento de colunas.
income<-read.csv("dataset3_aulaR.csv")

Visualização de dados

# Importando a biblioteca ggplot2
library(ggplot2)

# Criando um dataframe de exemplo
dados <- data.frame(
  grupo = c(rep("A", 6), rep("B", 6)),
  variavel1 = c(1, 5, 8, 5, 1, 18,
                18, 11, 12, 1, 4, 10),
  variavel2 = c(0.2, 0.5, 0.8, 0.1, 0.6, 0.9,
                0.1, 0.2, 0.3, 0.2, 1.6, 1.9),
  variavel3 = factor(c("sim", "nao", "sim", "sim", "nao", "nao",
                       "sim", "nao", "sim", "sim", "nao", "nao"))
)
dados

# Gráfico de barras para variáveis categóricas
ggplot(dados, aes(x = grupo, y = variavel1, fill = grupo)) +
  geom_bar(stat = "identity", position = "dodge") +
  labs(title = "Gráfico de barras", x = "Grupo", y = "Variável 1")

# Gráfico de pontos para variáveis numéricas contínuas
ggplot(dados, aes(x = variavel2, y = variavel1)) +
  geom_point() +
  labs(title = "Gráfico de pontos", x = "Variável 2", y = "Variável 1")

# Gráfico de caixas para variáveis numéricas discretas ou categóricas
ggplot(dados, aes(x = variavel3, y = variavel1, fill = variavel3)) +
  geom_boxplot() +
  labs(title = "Gráfico de caixas", x = "Variável 3", y = "Variável 1")

# Gráfico de dispersão com regressão para relação entre variáveis
ggplot(dados, aes(x = variavel1, y = variavel2)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE) +
  labs(title = "Gráfico de dispersão com regressão", x = "Variável 1", y = "Variável 2")

# Gráfico de dispersão com regressão para relação entre variáveis
ggplot(dados, aes(x = variavel1, y = variavel2, col=grupo)) +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE) +
  labs(title = "Gráfico de dispersão com regressão", x = "Variável 1", y = "Variável 2")

Case de analise Exploratória

library(siconfir)
# Orçamento do Estado de São Paulo
SP_orc<-get_annual_acc(year = 2016:2019, cod = 35)
summary(SP_orc)

SP_orc$instituicao %>% unique()
SP_orc$anexo %>% unique()
SP_orc$rotulo %>% unique()
SP_orc$coluna %>% unique()
SP_orc$conta %>% unique() %>% length()

SP_orc_E<-SP_orc %>% filter(anexo=="DCA-Anexo I-E")

SP_orc_E$anexo %>% unique()
SP_orc_E$rotulo %>% unique()
SP_orc_E$coluna %>% unique()
SP_orc_E$conta %>% unique() %>% length()