R de dentro pra fora

class: center, middle, inverse, title-slide

.title[
# R de dentro pra fora
]
.author[
### Amanda Shinkawa
]

---

class: middle

# Cenário

- Na prática, precisamos fazer operações longas e complexas no R;

- Uso de várias funções pra um único objetivo, geralmente uma dentro da outra;

- Funções dentro de funções são chamadas "funções aninhadas" ou, em inglês, "nested functions";

- Um grande diferencial na programação é otimizar e reduzir a quantidade de linhas de código;

- A solução é construir e olhar funções de dentro pra fora.

---
class: middle

# Exemplo

- Problema:

- Filtrar apenas os diamantes que possuem preço por quilate acima da média de preço, usando o banco diamonds, que vem no pacote tidyverse;

- Necessidade:

- Achar o preço por quilate, média do preço por quilate e filtrar;

- Solução:

1. Dividir preço por quilate;
    2. Achar a média;
    3. Encontrar quais são os valores que são acima da média;
    4. Filtrar apenas esses valores.

---
class: middle

# Diamonds

- Banco de dados:

```r
head(diamonds)
```

```
## # A tibble: 6 x 10
##   carat cut       color clarity depth table price     x     y     z
##   <dbl> <ord>     <ord> <ord>   <dbl> <dbl> <int> <dbl> <dbl> <dbl>
## 1  0.23 Ideal     E     SI2      61.5    55   326  3.95  3.98  2.43
## 2  0.21 Premium   E     SI1      59.8    61   326  3.89  3.84  2.31
## 3  0.23 Good      E     VS1      56.9    65   327  4.05  4.07  2.31
## 4  0.29 Premium   I     VS2      62.4    58   334  4.2   4.23  2.63
## 5  0.31 Good      J     SI2      63.3    58   335  4.34  4.35  2.75
## 6  0.24 Very Good J     VVS2     62.8    57   336  3.94  3.96  2.48
```

---
class: middle

# Solução

```r
diamantes <- diamonds[which((diamonds$price/diamonds$carat)>
                              mean(diamonds$price/diamonds$carat)),]
head(diamantes)
```

```
## # A tibble: 6 x 10
##   carat cut       color clarity depth table price     x     y     z
##   <dbl> <ord>     <ord> <ord>   <dbl> <dbl> <int> <dbl> <dbl> <dbl>
## 1  0.59 Ideal     E     VVS2     62      55  2761  5.38  5.43  3.35
## 2  0.61 Very Good D     VVS2     59.6    57  2763  5.56  5.58  3.32
## 3  0.63 Premium   E     VVS1     60.9    60  2765  5.52  5.55  3.37
## 4  0.64 Ideal     G     VVS1     61.9    56  2766  5.53  5.56  3.43
## 5  0.58 Ideal     G     VVS1     61.5    55  2772  5.39  5.44  3.33
## 6  0.58 Ideal     F     VVS1     61.7    56  2772  5.33  5.37  3.3
```

- Como construir o código aos poucos?

---
class: middle

# Diamonds

--
<ol>
<li> Encontrar o preço por quilate;
</ol>

```r
diamonds$price/diamonds$carat
```

--
<ol start="2">
<li> Encontrar a média;
</ol>

```r
mean(diamonds$price/diamonds$carat)
```

```
## [1] 4008.395
```

--
<ol start="3">
<li> Descobrir quais são maiores que a média (retorna um vetor com TRUE e FALSE);
</ol>

```r
(diamonds$price/diamonds$carat)>mean(diamonds$price/diamonds$carat)
```

---
class: middle

# Diamonds

--
<ol start="4">
<li> Usar a função which pra pegar os números (posições) de cada item que tiver o preço por quilate maior que a média;
</ol>

```r
which((diamonds$price/diamonds$carat)>mean(diamonds$price/diamonds$carat))
```

--
<ol start="5">
<li> Encontrar os diamantes que estão nessas posições;
</ol>

```r
diamonds[which((diamonds$price/diamonds$carat)>
                              mean(diamonds$price/diamonds$carat)),]
```

--
<ol start="6">
<li> Atribuir ao objeto diamantes;
</ol>

```r
diamantes <- diamonds[which((diamonds$price/diamonds$carat)>
                              mean(diamonds$price/diamonds$carat)),]
```

---
class: middle

# Outra abordagem

- Às vezes, o código é muito complexo e pode ser difícil visualizar o processo;

- É mais fácil construir as partes do código separadamente;

- Depois, é só juntar o código todo e apagar as partes;

---
class: middle

# Diamonds

--
<ol>
<li> Construir as partes do problema;
</ol>

```r
ppq <- diamonds$price/diamonds$carat
media <- mean(ppq)
ind <- which(ppq>media)