eggproduction <- readr::read_csv('https://raw.githubusercontent.com/rfordatascience/tidytuesday/master/data/2023/2023-04-11/egg-production.csv')Chegou a hora de fixar o nosso aprendizado das funções aprendidas em aula do tidyr e do dplyr!
Para isso, vamos usar um conjunto de dados do tidytuesday
E os dados escolhidos por mim foram o de produção de ovos nos EUA
Então a primira coisa que vocês terão que fazer é ler sobre os dados no link acima, baixar os dados de acordo com as instruções, carregar o tidyverse e seguir as orientações abaixo!
Carregando o conjunto de dados
Carregando as bibliotecas necessárias para a resolução dos exercícios
library(tidyverse)Exercício 1 - removendo colunas de um conjunto de dados
Remover a última coluna dataset (a coluna chamada source)
# Via função select, do dplyr
eggproduction_lastcolumn <- select(eggproduction, -source)
str(eggproduction_lastcolumn)tibble [220 x 5] (S3: tbl_df/tbl/data.frame)
$ observed_month: Date[1:220], format: "2016-07-31" "2016-08-31" ...
$ prod_type : chr [1:220] "hatching eggs" "hatching eggs" "hatching eggs" "hatching eggs" ...
$ prod_process : chr [1:220] "all" "all" "all" "all" ...
$ n_hens : num [1:220] 57975000 57595000 57161000 56857000 57116000 ...
$ n_eggs : num [1:220] 1.15e+09 1.14e+09 1.09e+09 1.13e+09 1.10e+09 ...eggproduction_lastcolumn2 <- select(eggproduction, -6)
str(eggproduction_lastcolumn2)tibble [220 x 5] (S3: tbl_df/tbl/data.frame)
$ observed_month: Date[1:220], format: "2016-07-31" "2016-08-31" ...
$ prod_type : chr [1:220] "hatching eggs" "hatching eggs" "hatching eggs" "hatching eggs" ...
$ prod_process : chr [1:220] "all" "all" "all" "all" ...
$ n_hens : num [1:220] 57975000 57595000 57161000 56857000 57116000 ...
$ n_eggs : num [1:220] 1.15e+09 1.14e+09 1.09e+09 1.13e+09 1.10e+09 ...# Via R base (lembrando que, no R, a sintaxe é: dados[linhas, colunas])
eggproduction_lastcolumn3 <- eggproduction[,-6]
str(eggproduction_lastcolumn3)tibble [220 x 5] (S3: tbl_df/tbl/data.frame)
$ observed_month: Date[1:220], format: "2016-07-31" "2016-08-31" ...
$ prod_type : chr [1:220] "hatching eggs" "hatching eggs" "hatching eggs" "hatching eggs" ...
$ prod_process : chr [1:220] "all" "all" "all" "all" ...
$ n_hens : num [1:220] 57975000 57595000 57161000 56857000 57116000 ...
$ n_eggs : num [1:220] 1.15e+09 1.14e+09 1.09e+09 1.13e+09 1.10e+09 ...Exercício 2 - selecionando variáveis numéricas de um conjunto de dados
Selecionar apenas as variáveis numéricas
# Via função select_if, do dplyr
eggproduction_numeric <- select_if(eggproduction_lastcolumn, is.numeric)
str(eggproduction_numeric)tibble [220 x 2] (S3: tbl_df/tbl/data.frame)
$ n_hens: num [1:220] 57975000 57595000 57161000 56857000 57116000 ...
$ n_eggs: num [1:220] 1.15e+09 1.14e+09 1.09e+09 1.13e+09 1.10e+09 ...eggproduction_numeric2 <- select_if(eggproduction_lastcolumn, where(is.numeric))
str(eggproduction_numeric2)tibble [220 x 2] (S3: tbl_df/tbl/data.frame)
$ n_hens: num [1:220] 57975000 57595000 57161000 56857000 57116000 ...
$ n_eggs: num [1:220] 1.15e+09 1.14e+09 1.09e+09 1.13e+09 1.10e+09 ...# Via R base
eggproduction_numeric3 <- eggproduction_lastcolumn[,-c(1:3)] #2
str(eggproduction_numeric3)tibble [220 x 2] (S3: tbl_df/tbl/data.frame)
$ n_hens: num [1:220] 57975000 57595000 57161000 56857000 57116000 ...
$ n_eggs: num [1:220] 1.15e+09 1.14e+09 1.09e+09 1.13e+09 1.10e+09 ...Exercício 3 - criando subconjuntos a partir de um conjunto de dados
Criar um dataset só com hatching e outro dataset apenas com table eggs
# Via função slice, do dplyr
eggproduction_hatching <- slice(eggproduction_lastcolumn, -56:-220)
str(eggproduction_hatching)tibble [55 x 5] (S3: tbl_df/tbl/data.frame)
$ observed_month: Date[1:55], format: "2016-07-31" "2016-08-31" ...
$ prod_type : chr [1:55] "hatching eggs" "hatching eggs" "hatching eggs" "hatching eggs" ...
$ prod_process : chr [1:55] "all" "all" "all" "all" ...
$ n_hens : num [1:55] 57975000 57595000 57161000 56857000 57116000 ...
$ n_eggs : num [1:55] 1.15e+09 1.14e+09 1.09e+09 1.13e+09 1.10e+09 ...eggproduction_hatching2 <- subset(eggproduction_lastcolumn, prod_type == "hatching eggs")
str(eggproduction_hatching2)tibble [55 x 5] (S3: tbl_df/tbl/data.frame)
$ observed_month: Date[1:55], format: "2016-07-31" "2016-08-31" ...
$ prod_type : chr [1:55] "hatching eggs" "hatching eggs" "hatching eggs" "hatching eggs" ...
$ prod_process : chr [1:55] "all" "all" "all" "all" ...
$ n_hens : num [1:55] 57975000 57595000 57161000 56857000 57116000 ...
$ n_eggs : num [1:55] 1.15e+09 1.14e+09 1.09e+09 1.13e+09 1.10e+09 ...eggproduction_table_eggs <- slice(eggproduction_lastcolumn, -1:-55)
str(eggproduction_table_eggs)tibble [165 x 5] (S3: tbl_df/tbl/data.frame)
$ observed_month: Date[1:165], format: "2016-07-31" "2016-08-31" ...
$ prod_type : chr [1:165] "table eggs" "table eggs" "table eggs" "table eggs" ...
$ prod_process : chr [1:165] "all" "all" "all" "all" ...
$ n_hens : num [1:165] 3.00e+08 3.01e+08 3.03e+08 3.06e+08 3.11e+08 ...
$ n_eggs : num [1:165] 7.35e+09 7.41e+09 7.20e+09 7.53e+09 7.47e+09 ...eggproduction_table_eggs2 <- subset(eggproduction_lastcolumn, prod_type == "table eggs")
str(eggproduction_table_eggs2)tibble [165 x 5] (S3: tbl_df/tbl/data.frame)
$ observed_month: Date[1:165], format: "2016-07-31" "2016-08-31" ...
$ prod_type : chr [1:165] "table eggs" "table eggs" "table eggs" "table eggs" ...
$ prod_process : chr [1:165] "all" "all" "all" "all" ...
$ n_hens : num [1:165] 3.00e+08 3.01e+08 3.03e+08 3.06e+08 3.11e+08 ...
$ n_eggs : num [1:165] 7.35e+09 7.41e+09 7.20e+09 7.53e+09 7.47e+09 ...Exercício 4 - criando subconjuntos a partir de fatores específicos dentro do conjunto de dados
Criar um dataset só com table eggs e todos os processos (all)
eggproduction_table_eggs_all <- slice(eggproduction_table_eggs, -56:-165)
str(eggproduction_table_eggs_all)tibble [55 x 5] (S3: tbl_df/tbl/data.frame)
$ observed_month: Date[1:55], format: "2016-07-31" "2016-08-31" ...
$ prod_type : chr [1:55] "table eggs" "table eggs" "table eggs" "table eggs" ...
$ prod_process : chr [1:55] "all" "all" "all" "all" ...
$ n_hens : num [1:55] 3.00e+08 3.01e+08 3.03e+08 3.06e+08 3.11e+08 ...
$ n_eggs : num [1:55] 7.35e+09 7.41e+09 7.20e+09 7.53e+09 7.47e+09 ...class(eggproduction_table_eggs_all)[1] "tbl_df" "tbl" "data.frame"eggproduction_table_eggs_all2 <- eggproduction_table_eggs %>% slice(-56:-165)
str(eggproduction_table_eggs_all2)tibble [55 x 5] (S3: tbl_df/tbl/data.frame)
$ observed_month: Date[1:55], format: "2016-07-31" "2016-08-31" ...
$ prod_type : chr [1:55] "table eggs" "table eggs" "table eggs" "table eggs" ...
$ prod_process : chr [1:55] "all" "all" "all" "all" ...
$ n_hens : num [1:55] 3.00e+08 3.01e+08 3.03e+08 3.06e+08 3.11e+08 ...
$ n_eggs : num [1:55] 7.35e+09 7.41e+09 7.20e+09 7.53e+09 7.47e+09 ...eggproduction_table_eggs_all3 <- eggproduction_table_eggs %>% filter(prod_process == "all" & prod_type == "table eggs")
# Fazendo a mesma coisa no Rbase
# Sem usar a função **subset()** e usando a função **subset()**
# Versões alternativas
eggproduction_table_eggs_all4 <- eggproduction_table_eggs[1:55,]
eggproduction_table_eggs_all5 <- subset(eggproduction_table_eggs, prod_process == "all" & prod_type == "table eggs")
all.equal(eggproduction_table_eggs_all2,eggproduction_table_eggs_all) # verifica se são "nearly identicals"[1] TRUEidentical(eggproduction_table_eggs_all2, eggproduction_table_eggs_all3) # verifica se são "exactly equal"[1] TRUEExercício 5 - mudando nome das variáveis
Mudar os nomes das variáveis para português
ls(eggproduction_lastcolumn)[1] "n_eggs" "n_hens" "observed_month" "prod_process"
[5] "prod_type" eggproduction_lastcolumn_port <- rename(eggproduction_lastcolumn,
n_ovos = n_eggs, n_galinhas = n_hens,
`Mês observado` = observed_month,
'Processo de produção' = prod_process,
`Tipo de produção` = prod_type)
eggproduction_lastcolumn_port2 <- eggproduction_lastcolumn %>%
rename(n_ovos = n_eggs, n_galinhas = n_hens,
`Mês observado` = observed_month,
`Processo de produção` = prod_process,
`Tipo de produção` = prod_type)
ls(eggproduction_lastcolumn_port)[1] "Mês observado" "n_galinhas" "n_ovos"
[4] "Processo de produção" "Tipo de produção" ls(eggproduction_lastcolumn_port2)[1] "Mês observado" "n_galinhas" "n_ovos"
[4] "Processo de produção" "Tipo de produção" Exercício 6 - mudando nomes de fatores dentro de variáveis específicas
Mudar os nomes dos fatores para português
eggproduction_lastcolumn_port_final <- mutate(eggproduction_lastcolumn_port,
`Tipo de produção` = recode(`Tipo de produção`, 'hatching eggs' = "ovos para incubação", 'tabble eggs' = "ovos de mesa"),
`Processo de produção` = recode(`Processo de produção`, 'all' = "todos", 'cage-free (non-organic)' = "livre de gaiolas (não orgânico)", 'cage-free (organic)' = "livre de gaiolas (orgânico)")
)
# dessa forma, as variáveis com os novos nomes são sobrepostas às variáveis com os nomes antigos
str(eggproduction_lastcolumn_port_final)tibble [220 x 5] (S3: tbl_df/tbl/data.frame)
$ Mês observado : Date[1:220], format: "2016-07-31" "2016-08-31" ...
$ Tipo de produção : chr [1:220] "ovos para incubação" "ovos para incubação" "ovos para incubação" "ovos para incubação" ...
$ Processo de produção: chr [1:220] "todos" "todos" "todos" "todos" ...
$ n_galinhas : num [1:220] 57975000 57595000 57161000 56857000 57116000 ...
$ n_ovos : num [1:220] 1.15e+09 1.14e+09 1.09e+09 1.13e+09 1.10e+09 ...eggproduction_lastcolumn_port_final2 <- eggproduction_lastcolumn_port %>%
mutate(`Tipo de produção` = recode(`Tipo de produção`, 'hatching eggs' = "ovos para incubação", 'tabble eggs' = "ovos de mesa"),
`Processo de produção` = recode(`Processo de produção`, 'all' = "todos", 'cage-free (non-organic)' = "livre de gaiolas (não orgânico)", 'cage-free (organic)' = "livre de gaiolas (orgânico)")
)
str(eggproduction_lastcolumn_port_final2)tibble [220 x 5] (S3: tbl_df/tbl/data.frame)
$ Mês observado : Date[1:220], format: "2016-07-31" "2016-08-31" ...
$ Tipo de produção : chr [1:220] "ovos para incubação" "ovos para incubação" "ovos para incubação" "ovos para incubação" ...
$ Processo de produção: chr [1:220] "todos" "todos" "todos" "todos" ...
$ n_galinhas : num [1:220] 57975000 57595000 57161000 56857000 57116000 ...
$ n_ovos : num [1:220] 1.15e+09 1.14e+09 1.09e+09 1.13e+09 1.10e+09 ...identical(eggproduction_lastcolumn_port_final2, eggproduction_lastcolumn_port_final)[1] TRUEExercício 7 - criando nova variável a partir da combinação de variáveis pré-existentes
Criar uma nova variável chamada ‘produtividade’ com a razão entre número de ovos (n_eggs) e número de galinhas (hen)
# Usando funções rename e transform para criar nova variável
eggproduction_new_variables<- mutate(eggproduction_lastcolumn,
produtividade = (n_eggs/n_hens))
str(eggproduction_new_variables)tibble [220 x 6] (S3: tbl_df/tbl/data.frame)
$ observed_month: Date[1:220], format: "2016-07-31" "2016-08-31" ...
$ prod_type : chr [1:220] "hatching eggs" "hatching eggs" "hatching eggs" "hatching eggs" ...
$ prod_process : chr [1:220] "all" "all" "all" "all" ...
$ n_hens : num [1:220] 57975000 57595000 57161000 56857000 57116000 ...
$ n_eggs : num [1:220] 1.15e+09 1.14e+09 1.09e+09 1.13e+09 1.10e+09 ...
$ produtividade : num [1:220] 19.8 19.8 19.1 19.8 19.2 ...eggproduction_new_variables2 <- transform(eggproduction_lastcolumn,
produtividade = (n_eggs/n_hens))
str(eggproduction_new_variables2)'data.frame': 220 obs. of 6 variables:
$ observed_month: Date, format: "2016-07-31" "2016-08-31" ...
$ prod_type : chr "hatching eggs" "hatching eggs" "hatching eggs" "hatching eggs" ...
$ prod_process : chr "all" "all" "all" "all" ...
$ n_hens : num 57975000 57595000 57161000 56857000 57116000 ...
$ n_eggs : num 1.15e+09 1.14e+09 1.09e+09 1.13e+09 1.10e+09 ...
$ produtividade : num 19.8 19.8 19.1 19.8 19.2 ...eggproduction_new_variables3 <- eggproduction_lastcolumn %>%
mutate(produtividade = (n_eggs/n_hens))
str(eggproduction_new_variables3)tibble [220 x 6] (S3: tbl_df/tbl/data.frame)
$ observed_month: Date[1:220], format: "2016-07-31" "2016-08-31" ...
$ prod_type : chr [1:220] "hatching eggs" "hatching eggs" "hatching eggs" "hatching eggs" ...
$ prod_process : chr [1:220] "all" "all" "all" "all" ...
$ n_hens : num [1:220] 57975000 57595000 57161000 56857000 57116000 ...
$ n_eggs : num [1:220] 1.15e+09 1.14e+09 1.09e+09 1.13e+09 1.10e+09 ...
$ produtividade : num [1:220] 19.8 19.8 19.1 19.8 19.2 ...identical(eggproduction_new_variables, eggproduction_new_variables3)[1] TRUEExercício 8 - criando subconjunto de dados a partir de uma seleção específica das variáveis
Criar um dataset só de produtos cage free e criar novas variáveis separando n_eggs e n_hens por organicos e não orgânicos
ls(eggproduction_lastcolumn)[1] "n_eggs" "n_hens" "observed_month" "prod_process"
[5] "prod_type" eggproduction_cage_free_organics <- eggproduction_lastcolumn %>%
filter(prod_process != "all") %>% # selecionado apenas linhas cage-free
separate(prod_process, into = c("process", "type"), sep = " ") %>%
pivot_wider(names_from = type, values_from = c(n_hens, n_eggs)) # separando em duas variáveis
str(eggproduction_cage_free_organics)tibble [55 x 7] (S3: tbl_df/tbl/data.frame)
$ observed_month : Date[1:55], format: "2016-08-31" "2016-09-30" ...
$ prod_type : chr [1:55] "table eggs" "table eggs" "table eggs" "table eggs" ...
$ process : chr [1:55] "cage-free" "cage-free" "cage-free" "cage-free" ...
$ n_hens_(non-organic): num [1:55] 17000000 17000000 23500000 23500000 23500000 23500000 24400000 26100000 26600000 27300000 ...
$ n_hens_(organic) : num [1:55] 13500000 13500000 14100000 14100000 14100000 14100000 14100000 14500000 14600000 14600000 ...
$ n_eggs_(non-organic): num [1:55] 3.98e+08 3.84e+08 5.46e+08 5.31e+08 5.43e+08 ...
$ n_eggs_(organic) : num [1:55] 3.16e+08 3.05e+08 3.28e+08 3.19e+08 3.26e+08 ...head(eggproduction_cage_free_organics)# A tibble: 6 x 7
observed_month prod_type process `n_hens_(non-organic)` `n_hens_(organic)`
<date> <chr> <chr> <dbl> <dbl>
1 2016-08-31 table eggs cage-free 17000000 13500000
2 2016-09-30 table eggs cage-free 17000000 13500000
3 2016-10-31 table eggs cage-free 23500000 14100000
4 2016-11-30 table eggs cage-free 23500000 14100000
5 2016-12-31 table eggs cage-free 23500000 14100000
6 2017-01-31 table eggs cage-free 23500000 14100000
# i 2 more variables: `n_eggs_(non-organic)` <dbl>, `n_eggs_(organic)` <dbl>eggproduction_cage_free_organics2 <- eggproduction_lastcolumn %>%
filter(prod_process %in% c("cage-free (non-organic)", "cage-free (organic)")) %>% # selecionado apenas linhas cage-free
separate(prod_process, into = c("process", "type"), sep = " ") %>%
pivot_wider(names_from = type, values_from = c(n_hens, n_eggs)) # separando em duas variáveis
str(eggproduction_cage_free_organics2)tibble [55 x 7] (S3: tbl_df/tbl/data.frame)
$ observed_month : Date[1:55], format: "2016-08-31" "2016-09-30" ...
$ prod_type : chr [1:55] "table eggs" "table eggs" "table eggs" "table eggs" ...
$ process : chr [1:55] "cage-free" "cage-free" "cage-free" "cage-free" ...
$ n_hens_(non-organic): num [1:55] 17000000 17000000 23500000 23500000 23500000 23500000 24400000 26100000 26600000 27300000 ...
$ n_hens_(organic) : num [1:55] 13500000 13500000 14100000 14100000 14100000 14100000 14100000 14500000 14600000 14600000 ...
$ n_eggs_(non-organic): num [1:55] 3.98e+08 3.84e+08 5.46e+08 5.31e+08 5.43e+08 ...
$ n_eggs_(organic) : num [1:55] 3.16e+08 3.05e+08 3.28e+08 3.19e+08 3.26e+08 ...head(eggproduction_cage_free_organics2)# A tibble: 6 x 7
observed_month prod_type process `n_hens_(non-organic)` `n_hens_(organic)`
<date> <chr> <chr> <dbl> <dbl>
1 2016-08-31 table eggs cage-free 17000000 13500000
2 2016-09-30 table eggs cage-free 17000000 13500000
3 2016-10-31 table eggs cage-free 23500000 14100000
4 2016-11-30 table eggs cage-free 23500000 14100000
5 2016-12-31 table eggs cage-free 23500000 14100000
6 2017-01-31 table eggs cage-free 23500000 14100000
# i 2 more variables: `n_eggs_(non-organic)` <dbl>, `n_eggs_(organic)` <dbl>identical(eggproduction_cage_free_organics2, eggproduction_cage_free_organics)[1] TRUEExercício 9 - combinando duas variáveis numéricas em uma única coluna
Criar uma variável categórica com os fatores n_eggs e n_hens, combinando seus valores em uma única coluna
eggproduction_cage_free_organics_merged <- eggproduction_lastcolumn %>%
pivot_longer(4:5, names_to = "n_hens_eggs", values_to ="valor")
head(eggproduction_cage_free_organics_merged)# A tibble: 6 x 5
observed_month prod_type prod_process n_hens_eggs valor
<date> <chr> <chr> <chr> <dbl>
1 2016-07-31 hatching eggs all n_hens 57975000
2 2016-07-31 hatching eggs all n_eggs 1147000000
3 2016-08-31 hatching eggs all n_hens 57595000
4 2016-08-31 hatching eggs all n_eggs 1142700000
5 2016-09-30 hatching eggs all n_hens 57161000
6 2016-09-30 hatching eggs all n_eggs 1093300000eggproduction_cage_free_organics_merged2 <- eggproduction_lastcolumn %>%
pivot_longer(cols = starts_with("n_"), names_to = "n_hens_eggs", values_to ="valor")
head(eggproduction_cage_free_organics_merged2)# A tibble: 6 x 5
observed_month prod_type prod_process n_hens_eggs valor
<date> <chr> <chr> <chr> <dbl>
1 2016-07-31 hatching eggs all n_hens 57975000
2 2016-07-31 hatching eggs all n_eggs 1147000000
3 2016-08-31 hatching eggs all n_hens 57595000
4 2016-08-31 hatching eggs all n_eggs 1142700000
5 2016-09-30 hatching eggs all n_hens 57161000
6 2016-09-30 hatching eggs all n_eggs 1093300000identical(eggproduction_cage_free_organics_merged, eggproduction_cage_free_organics_merged2)[1] TRUEeggproduction_cage_free_organics_merged3 <- eggproduction_lastcolumn %>%
pivot_longer(cols = c(n_hens, n_eggs), names_to = "n_hens_eggs", values_to ="valor")
head(eggproduction_cage_free_organics_merged3)# A tibble: 6 x 5
observed_month prod_type prod_process n_hens_eggs valor
<date> <chr> <chr> <chr> <dbl>
1 2016-07-31 hatching eggs all n_hens 57975000
2 2016-07-31 hatching eggs all n_eggs 1147000000
3 2016-08-31 hatching eggs all n_hens 57595000
4 2016-08-31 hatching eggs all n_eggs 1142700000
5 2016-09-30 hatching eggs all n_hens 57161000
6 2016-09-30 hatching eggs all n_eggs 1093300000Exercício 10 - sumarizando dados (média, desvio, etc) de acordo com fatores específicos de cada variável
Faça um sumário dos dados com as médias de n_hens e n_eggs por ano, por produto e por processo
ls(eggproduction_lastcolumn)[1] "n_eggs" "n_hens" "observed_month" "prod_process"
[5] "prod_type" # Sumário geral
medias_geral <- eggproduction_lastcolumn %>%
summarise(mean_eggs = mean(n_eggs), mean_hens = mean(n_hens))
medias_geral# A tibble: 1 x 2
mean_eggs mean_hens
<dbl> <dbl>
1 2606667580. 110839873.# Sumário com média de n_hens e n_eggs por ano
eggproduction_mean_values_ano <- eggproduction_lastcolumn %>%
separate('observed_month', into = c("ano", "mes", "dia"), sep = "-") %>%
select(-mes, -dia, -prod_type, -prod_process) %>%
group_by(ano) %>%
summarise_all(mean, na.rm=T)
head(eggproduction_mean_values_ano)# A tibble: 6 x 3
ano n_hens n_eggs
<chr> <dbl> <dbl>
1 2016 107159545. 2529583907.
2 2017 104577833. 2441134654.
3 2018 110287312. 2560586974.
4 2019 115879688. 2729080714.
5 2020 116478896. 2777331511.
6 2021 93420500 2237599447.# Sumário com média de n_hens e n_eggs por prod_type
eggproduction_mean_values_prodtype <- eggproduction_lastcolumn %>%
select(-observed_month, -prod_process) %>%
group_by(prod_type) %>%
summarise_all(mean, na.rm=T)
head(eggproduction_mean_values_prodtype)# A tibble: 2 x 3
prod_type n_hens n_eggs
<chr> <dbl> <dbl>
1 hatching eggs 61575200 1168747273.
2 table eggs 127261430. 3085974349.# Sumário com média de n_hens e n_eggs por prod_process
eggproduction_mean_values_process <- eggproduction_lastcolumn %>%
select(-observed_month, -prod_type) %>%
group_by(prod_process) %>%
summarise_all(mean, na.rm=T)
head(eggproduction_mean_values_process)# A tibble: 3 x 3
prod_process n_hens n_eggs
<chr> <dbl> <dbl>
1 all 192233291. 4529145455.
2 cage-free (non-organic) 43494636. 1011675130.
3 cage-free (organic) 15398273. 356704280.# Sumário das três variáveis de interesse ao mesmo tempo
eggproduction_mean_values_geral <- eggproduction_lastcolumn %>%
separate('observed_month', into = c("ano", "mes", "dia"), sep = "-") %>%
select(-mes, -dia) %>%
group_by(ano, prod_type, prod_process) %>%
summarise_all(mean, na.rm=T)
head(eggproduction_mean_values_geral)# A tibble: 6 x 5
# Groups: ano, prod_type [4]
ano prod_type prod_process n_hens n_eggs
<chr> <chr> <chr> <dbl> <dbl>
1 2016 hatching eggs all 57409000 1123200000
2 2016 table eggs all 306542667. 7486216667.
3 2016 table eggs cage-free (non-organic) 20900000 480326307.
4 2016 table eggs cage-free (organic) 13860000 318542883.
5 2017 hatching eggs all 59521833. 1123725000
6 2017 table eggs all 314964500 7637800000 # Sumário das três variáveis de interesse ao mesmo tempo
eggproduction_mean_values_geral2 <- eggproduction_lastcolumn %>%
separate('observed_month', into = c("ano", "mes", "dia"), sep = "-") %>%
group_by(ano, prod_type, prod_process) %>%
summarise_if(is.numeric, mean, na.rm=T)
head(eggproduction_mean_values_geral2)# A tibble: 6 x 5
# Groups: ano, prod_type [4]
ano prod_type prod_process n_hens n_eggs
<chr> <chr> <chr> <dbl> <dbl>
1 2016 hatching eggs all 57409000 1123200000
2 2016 table eggs all 306542667. 7486216667.
3 2016 table eggs cage-free (non-organic) 20900000 480326307.
4 2016 table eggs cage-free (organic) 13860000 318542883.
5 2017 hatching eggs all 59521833. 1123725000
6 2017 table eggs all 314964500 7637800000