Instalando os pacotes e carregando

vetor_pacotes=c("tidyverse",
                "rmdformats",
                "DescTools") #Habilita manipulação de dados no R e o operador pipe
                
#install.packages(vetor_pacotes)

lapply(vetor_pacotes, 
       require, 
       character.only = TRUE)

## Carregando pacotes exigidos: tidyverse

## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.0     ✔ readr     2.1.4
## ✔ forcats   1.0.0     ✔ stringr   1.5.0
## ✔ ggplot2   3.4.1     ✔ tibble    3.2.1
## ✔ lubridate 1.9.2     ✔ tidyr     1.3.0
## ✔ purrr     1.0.1     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
## Carregando pacotes exigidos: rmdformats
## 
## Carregando pacotes exigidos: DescTools

## [[1]]
## [1] TRUE
## 
## [[2]]
## [1] TRUE
## 
## [[3]]
## [1] TRUE

Conhecendo o banco de dados

dados = starwars
dados %>% head(10)

## # A tibble: 10 × 14
##    name     height  mass hair_color skin_color eye_color birth_year sex   gender
##    <chr>     <int> <dbl> <chr>      <chr>      <chr>          <dbl> <chr> <chr> 
##  1 Luke Sk…    172    77 blond      fair       blue            19   male  mascu…
##  2 C-3PO       167    75 <NA>       gold       yellow         112   none  mascu…
##  3 R2-D2        96    32 <NA>       white, bl… red             33   none  mascu…
##  4 Darth V…    202   136 none       white      yellow          41.9 male  mascu…
##  5 Leia Or…    150    49 brown      light      brown           19   fema… femin…
##  6 Owen La…    178   120 brown, gr… light      blue            52   male  mascu…
##  7 Beru Wh…    165    75 brown      light      blue            47   fema… femin…
##  8 R5-D4        97    32 <NA>       white, red red             NA   none  mascu…
##  9 Biggs D…    183    84 black      light      brown           24   male  mascu…
## 10 Obi-Wan…    182    77 auburn, w… fair       blue-gray       57   male  mascu…
## # ℹ 5 more variables: homeworld <chr>, species <chr>, films <list>,
## #   vehicles <list>, starships <list>

Conhecendo o banco de dados ( View() )

Conhecendo o banco de dados (6 Primeiras linhas)

head(dados)

## # A tibble: 6 × 14
##   name      height  mass hair_color skin_color eye_color birth_year sex   gender
##   <chr>      <int> <dbl> <chr>      <chr>      <chr>          <dbl> <chr> <chr> 
## 1 Luke Sky…    172    77 blond      fair       blue            19   male  mascu…
## 2 C-3PO        167    75 <NA>       gold       yellow         112   none  mascu…
## 3 R2-D2         96    32 <NA>       white, bl… red             33   none  mascu…
## 4 Darth Va…    202   136 none       white      yellow          41.9 male  mascu…
## 5 Leia Org…    150    49 brown      light      brown           19   fema… femin…
## 6 Owen Lars    178   120 brown, gr… light      blue            52   male  mascu…
## # ℹ 5 more variables: homeworld <chr>, species <chr>, films <list>,
## #   vehicles <list>, starships <list>

Conhecendo o banco de dados (6 Últimas linhas)

tail(dados)

## # A tibble: 6 × 14
##   name      height  mass hair_color skin_color eye_color birth_year sex   gender
##   <chr>      <int> <dbl> <chr>      <chr>      <chr>          <dbl> <chr> <chr> 
## 1 Finn          NA    NA black      dark       dark              NA male  mascu…
## 2 Rey           NA    NA brown      light      hazel             NA fema… femin…
## 3 Poe Dame…     NA    NA brown      light      brown             NA male  mascu…
## 4 BB8           NA    NA none       none       black             NA none  mascu…
## 5 Captain …     NA    NA unknown    unknown    unknown           NA <NA>  <NA>  
## 6 Padmé Am…    165    45 brown      light      brown             46 fema… femin…
## # ℹ 5 more variables: homeworld <chr>, species <chr>, films <list>,
## #   vehicles <list>, starships <list>

Conhecendo o nome das colunas

names(dados)

##  [1] "name"       "height"     "mass"       "hair_color" "skin_color"
##  [6] "eye_color"  "birth_year" "sex"        "gender"     "homeworld" 
## [11] "species"    "films"      "vehicles"   "starships"

Observando quantas linhas e colunas têm o banco

dim(dados)

## [1] 87 14

Observando quantas linhas têm o banco

dim(dados)[1]

## [1] 87

Observando quantas colunas têm o banco

dim(dados)[2]

## [1] 14

Observando a Estrutura do banco e tipos de variáveis

glimpse(dados)

## Rows: 87
## Columns: 14
## $ name       <chr> "Luke Skywalker", "C-3PO", "R2-D2", "Darth Vader", "Leia Or…
## $ height     <int> 172, 167, 96, 202, 150, 178, 165, 97, 183, 182, 188, 180, 2…
## $ mass       <dbl> 77.0, 75.0, 32.0, 136.0, 49.0, 120.0, 75.0, 32.0, 84.0, 77.…
## $ hair_color <chr> "blond", NA, NA, "none", "brown", "brown, grey", "brown", N…
## $ skin_color <chr> "fair", "gold", "white, blue", "white", "light", "light", "…
## $ eye_color  <chr> "blue", "yellow", "red", "yellow", "brown", "blue", "blue",…
## $ birth_year <dbl> 19.0, 112.0, 33.0, 41.9, 19.0, 52.0, 47.0, NA, 24.0, 57.0, …
## $ sex        <chr> "male", "none", "none", "male", "female", "male", "female",…
## $ gender     <chr> "masculine", "masculine", "masculine", "masculine", "femini…
## $ homeworld  <chr> "Tatooine", "Tatooine", "Naboo", "Tatooine", "Alderaan", "T…
## $ species    <chr> "Human", "Droid", "Droid", "Human", "Human", "Human", "Huma…
## $ films      <list> <"The Empire Strikes Back", "Revenge of the Sith", "Return…
## $ vehicles   <list> <"Snowspeeder", "Imperial Speeder Bike">, <>, <>, <>, "Imp…
## $ starships  <list> <"X-wing", "Imperial shuttle">, <>, <>, "TIE Advanced x1",…

Resumo descritivo das variáveis

summary(dados[1:11])

##      name               height           mass          hair_color       
##  Length:87          Min.   : 66.0   Min.   :  15.00   Length:87         
##  Class :character   1st Qu.:167.0   1st Qu.:  55.60   Class :character  
##  Mode  :character   Median :180.0   Median :  79.00   Mode  :character  
##                     Mean   :174.4   Mean   :  97.31                     
##                     3rd Qu.:191.0   3rd Qu.:  84.50                     
##                     Max.   :264.0   Max.   :1358.00                     
##                     NA's   :6       NA's   :28                          
##   skin_color         eye_color           birth_year         sex           
##  Length:87          Length:87          Min.   :  8.00   Length:87         
##  Class :character   Class :character   1st Qu.: 35.00   Class :character  
##  Mode  :character   Mode  :character   Median : 52.00   Mode  :character  
##                                        Mean   : 87.57                     
##                                        3rd Qu.: 72.00                     
##                                        Max.   :896.00                     
##                                        NA's   :44                         
##     gender           homeworld           species         
##  Length:87          Length:87          Length:87         
##  Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character  
##                                                          
##                                                          
##                                                          
## 

Selecionando colunas do df/tible

dados_select = dados %>% select(name,height,hair_color)
dados_select %>% head(10)

## # A tibble: 10 × 3
##    name               height hair_color   
##    <chr>               <int> <chr>        
##  1 Luke Skywalker        172 blond        
##  2 C-3PO                 167 <NA>         
##  3 R2-D2                  96 <NA>         
##  4 Darth Vader           202 none         
##  5 Leia Organa           150 brown        
##  6 Owen Lars             178 brown, grey  
##  7 Beru Whitesun lars    165 brown        
##  8 R5-D4                  97 <NA>         
##  9 Biggs Darklighter     183 black        
## 10 Obi-Wan Kenobi        182 auburn, white

Selecionando uma coluna do df/tible

dados_select = dados %>% select(name)
dados_select

## # A tibble: 87 × 1
##    name              
##    <chr>             
##  1 Luke Skywalker    
##  2 C-3PO             
##  3 R2-D2             
##  4 Darth Vader       
##  5 Leia Organa       
##  6 Owen Lars         
##  7 Beru Whitesun lars
##  8 R5-D4             
##  9 Biggs Darklighter 
## 10 Obi-Wan Kenobi    
## # ℹ 77 more rows

#class(dados_select) 

Selecionando colunas do df/tible

dados_pull = dados %>% pull(name)
dados_pull

##  [1] "Luke Skywalker"        "C-3PO"                 "R2-D2"                
##  [4] "Darth Vader"           "Leia Organa"           "Owen Lars"            
##  [7] "Beru Whitesun lars"    "R5-D4"                 "Biggs Darklighter"    
## [10] "Obi-Wan Kenobi"        "Anakin Skywalker"      "Wilhuff Tarkin"       
## [13] "Chewbacca"             "Han Solo"              "Greedo"               
## [16] "Jabba Desilijic Tiure" "Wedge Antilles"        "Jek Tono Porkins"     
## [19] "Yoda"                  "Palpatine"             "Boba Fett"            
## [22] "IG-88"                 "Bossk"                 "Lando Calrissian"     
## [25] "Lobot"                 "Ackbar"                "Mon Mothma"           
## [28] "Arvel Crynyd"          "Wicket Systri Warrick" "Nien Nunb"            
## [31] "Qui-Gon Jinn"          "Nute Gunray"           "Finis Valorum"        
## [34] "Jar Jar Binks"         "Roos Tarpals"          "Rugor Nass"           
## [37] "Ric Olié"              "Watto"                 "Sebulba"              
## [40] "Quarsh Panaka"         "Shmi Skywalker"        "Darth Maul"           
## [43] "Bib Fortuna"           "Ayla Secura"           "Dud Bolt"             
## [46] "Gasgano"               "Ben Quadinaros"        "Mace Windu"           
## [49] "Ki-Adi-Mundi"          "Kit Fisto"             "Eeth Koth"            
## [52] "Adi Gallia"            "Saesee Tiin"           "Yarael Poof"          
## [55] "Plo Koon"              "Mas Amedda"            "Gregar Typho"         
## [58] "Cordé"                 "Cliegg Lars"           "Poggle the Lesser"    
## [61] "Luminara Unduli"       "Barriss Offee"         "Dormé"                
## [64] "Dooku"                 "Bail Prestor Organa"   "Jango Fett"           
## [67] "Zam Wesell"            "Dexter Jettster"       "Lama Su"              
## [70] "Taun We"               "Jocasta Nu"            "Ratts Tyerell"        
## [73] "R4-P17"                "Wat Tambor"            "San Hill"             
## [76] "Shaak Ti"              "Grievous"              "Tarfful"              
## [79] "Raymus Antilles"       "Sly Moore"             "Tion Medon"           
## [82] "Finn"                  "Rey"                   "Poe Dameron"          
## [85] "BB8"                   "Captain Phasma"        "Padmé Amidala"

#class(dados_pull)

Selecionando colunas do df/tible começando com uma letra h

dados_h = dados %>% select(starts_with("h"))
dados_h %>% head(10)

## # A tibble: 10 × 3
##    height hair_color    homeworld
##     <int> <chr>         <chr>    
##  1    172 blond         Tatooine 
##  2    167 <NA>          Tatooine 
##  3     96 <NA>          Naboo    
##  4    202 none          Tatooine 
##  5    150 brown         Alderaan 
##  6    178 brown, grey   Tatooine 
##  7    165 brown         Tatooine 
##  8     97 <NA>          Tatooine 
##  9    183 black         Tatooine 
## 10    182 auburn, white Stewjon

Filtrando linhas do df/tible do planeta Tatooine

dados_tatoine = dados %>% filter(homeworld=="Tatooine")
dados_tatoine

## # A tibble: 10 × 14
##    name     height  mass hair_color skin_color eye_color birth_year sex   gender
##    <chr>     <int> <dbl> <chr>      <chr>      <chr>          <dbl> <chr> <chr> 
##  1 Luke Sk…    172    77 blond      fair       blue            19   male  mascu…
##  2 C-3PO       167    75 <NA>       gold       yellow         112   none  mascu…
##  3 Darth V…    202   136 none       white      yellow          41.9 male  mascu…
##  4 Owen La…    178   120 brown, gr… light      blue            52   male  mascu…
##  5 Beru Wh…    165    75 brown      light      blue            47   fema… femin…
##  6 R5-D4        97    32 <NA>       white, red red             NA   none  mascu…
##  7 Biggs D…    183    84 black      light      brown           24   male  mascu…
##  8 Anakin …    188    84 blond      fair       blue            41.9 male  mascu…
##  9 Shmi Sk…    163    NA black      fair       brown           72   fema… femin…
## 10 Cliegg …    183    NA brown      fair       blue            82   male  mascu…
## # ℹ 5 more variables: homeworld <chr>, species <chr>, films <list>,
## #   vehicles <list>, starships <list>

Filtrando linhas do df/tible do planeta tatooine e olhos azuis

dados_tatoine_black = dados %>% filter(homeworld=="Tatooine" & hair_color=="black")
dados_tatoine_black

## # A tibble: 2 × 14
##   name      height  mass hair_color skin_color eye_color birth_year sex   gender
##   <chr>      <int> <dbl> <chr>      <chr>      <chr>          <dbl> <chr> <chr> 
## 1 Biggs Da…    183    84 black      light      brown             24 male  mascu…
## 2 Shmi Sky…    163    NA black      fair       brown             72 fema… femin…
## # ℹ 5 more variables: homeworld <chr>, species <chr>, films <list>,
## #   vehicles <list>, starships <list>

Filtrando observações distintas da coluna hair_color

dados_tatoine_black_distinct = dados_tatoine_black %>% distinct(hair_color)
dados_tatoine_black_distinct 

## # A tibble: 1 × 1
##   hair_color
##   <chr>     
## 1 black

Ordenando observações da coluna altura (Ordem crescente)

dados_ord_height = dados %>% arrange(height)
dados_ord_height %>% head(10)

## # A tibble: 10 × 14
##    name     height  mass hair_color skin_color eye_color birth_year sex   gender
##    <chr>     <int> <dbl> <chr>      <chr>      <chr>          <dbl> <chr> <chr> 
##  1 Yoda         66    17 white      green      brown            896 male  mascu…
##  2 Ratts T…     79    15 none       grey, blue unknown           NA male  mascu…
##  3 Wicket …     88    20 brown      brown      brown              8 male  mascu…
##  4 Dud Bolt     94    45 none       blue, grey yellow            NA male  mascu…
##  5 R2-D2        96    32 <NA>       white, bl… red               33 none  mascu…
##  6 R4-P17       96    NA none       silver, r… red, blue         NA none  femin…
##  7 R5-D4        97    32 <NA>       white, red red               NA none  mascu…
##  8 Sebulba     112    40 none       grey, red  orange            NA male  mascu…
##  9 Gasgano     122    NA none       white, bl… black             NA male  mascu…
## 10 Watto       137    NA black      blue, grey yellow            NA male  mascu…
## # ℹ 5 more variables: homeworld <chr>, species <chr>, films <list>,
## #   vehicles <list>, starships <list>

Ordenando observações da coluna altura (Ordem decrescente)

dados_ord_height = dados %>% arrange(desc(height))
dados_ord_height %>% head(10)

## # A tibble: 10 × 14
##    name     height  mass hair_color skin_color eye_color birth_year sex   gender
##    <chr>     <int> <dbl> <chr>      <chr>      <chr>          <dbl> <chr> <chr> 
##  1 Yarael …    264    NA none       white      yellow          NA   male  mascu…
##  2 Tarfful     234   136 brown      brown      blue            NA   male  mascu…
##  3 Lama Su     229    88 none       grey       black           NA   male  mascu…
##  4 Chewbac…    228   112 brown      unknown    blue           200   male  mascu…
##  5 Roos Ta…    224    82 none       grey       orange          NA   male  mascu…
##  6 Grievous    216   159 none       brown, wh… green, y…       NA   male  mascu…
##  7 Taun We     213    NA none       grey       black           NA   fema… femin…
##  8 Rugor N…    206    NA none       green      orange          NA   male  mascu…
##  9 Tion Me…    206    80 none       grey       black           NA   male  mascu…
## 10 Darth V…    202   136 none       white      yellow          41.9 male  mascu…
## # ℹ 5 more variables: homeworld <chr>, species <chr>, films <list>,
## #   vehicles <list>, starships <list>

Adicionando colunas com mutate (Adicionando coluna e mantendo demais)

dados_mutate = dados %>% mutate(coluna_nova_metros=height/mass)
dados_mutate %>% head(10)

## # A tibble: 10 × 15
##    name     height  mass hair_color skin_color eye_color birth_year sex   gender
##    <chr>     <int> <dbl> <chr>      <chr>      <chr>          <dbl> <chr> <chr> 
##  1 Luke Sk…    172    77 blond      fair       blue            19   male  mascu…
##  2 C-3PO       167    75 <NA>       gold       yellow         112   none  mascu…
##  3 R2-D2        96    32 <NA>       white, bl… red             33   none  mascu…
##  4 Darth V…    202   136 none       white      yellow          41.9 male  mascu…
##  5 Leia Or…    150    49 brown      light      brown           19   fema… femin…
##  6 Owen La…    178   120 brown, gr… light      blue            52   male  mascu…
##  7 Beru Wh…    165    75 brown      light      blue            47   fema… femin…
##  8 R5-D4        97    32 <NA>       white, red red             NA   none  mascu…
##  9 Biggs D…    183    84 black      light      brown           24   male  mascu…
## 10 Obi-Wan…    182    77 auburn, w… fair       blue-gray       57   male  mascu…
## # ℹ 6 more variables: homeworld <chr>, species <chr>, films <list>,
## #   vehicles <list>, starships <list>, coluna_nova_metros <dbl>

Adicionando colunas com transmute (Adicionando coluna e excluindo demais)

dados_transmute = dados %>% transmute(coluna_nova_metros=height/mass)
dados_transmute %>% head(10)

## # A tibble: 10 × 1
##    coluna_nova_metros
##                 <dbl>
##  1               2.23
##  2               2.23
##  3               3   
##  4               1.49
##  5               3.06
##  6               1.48
##  7               2.2 
##  8               3.03
##  9               2.18
## 10               2.36

Renomeando colunas com rename

dados_mutate = dados_mutate %>% rename(height_m=coluna_nova_metros)
dados_mutate %>% head(10)

## # A tibble: 10 × 15
##    name     height  mass hair_color skin_color eye_color birth_year sex   gender
##    <chr>     <int> <dbl> <chr>      <chr>      <chr>          <dbl> <chr> <chr> 
##  1 Luke Sk…    172    77 blond      fair       blue            19   male  mascu…
##  2 C-3PO       167    75 <NA>       gold       yellow         112   none  mascu…
##  3 R2-D2        96    32 <NA>       white, bl… red             33   none  mascu…
##  4 Darth V…    202   136 none       white      yellow          41.9 male  mascu…
##  5 Leia Or…    150    49 brown      light      brown           19   fema… femin…
##  6 Owen La…    178   120 brown, gr… light      blue            52   male  mascu…
##  7 Beru Wh…    165    75 brown      light      blue            47   fema… femin…
##  8 R5-D4        97    32 <NA>       white, red red             NA   none  mascu…
##  9 Biggs D…    183    84 black      light      brown           24   male  mascu…
## 10 Obi-Wan…    182    77 auburn, w… fair       blue-gray       57   male  mascu…
## # ℹ 6 more variables: homeworld <chr>, species <chr>, films <list>,
## #   vehicles <list>, starships <list>, height_m <dbl>

Adicionando colunas com add_column (por referência às colunas)

dados_mutate = dados_mutate %>% add_column(coluna_nova_metros2=1:87 ,.before=2)
dados_mutate %>% head(10)

## # A tibble: 10 × 16
##    name         coluna_nova_metros2 height  mass hair_color skin_color eye_color
##    <chr>                      <int>  <int> <dbl> <chr>      <chr>      <chr>    
##  1 Luke Skywal…                   1    172    77 blond      fair       blue     
##  2 C-3PO                          2    167    75 <NA>       gold       yellow   
##  3 R2-D2                          3     96    32 <NA>       white, bl… red      
##  4 Darth Vader                    4    202   136 none       white      yellow   
##  5 Leia Organa                    5    150    49 brown      light      brown    
##  6 Owen Lars                      6    178   120 brown, gr… light      blue     
##  7 Beru Whites…                   7    165    75 brown      light      blue     
##  8 R5-D4                          8     97    32 <NA>       white, red red      
##  9 Biggs Darkl…                   9    183    84 black      light      brown    
## 10 Obi-Wan Ken…                  10    182    77 auburn, w… fair       blue-gray
## # ℹ 9 more variables: birth_year <dbl>, sex <chr>, gender <chr>,
## #   homeworld <chr>, species <chr>, films <list>, vehicles <list>,
## #   starships <list>, height_m <dbl>

Excluindo colunas

dados_mutate = dados_mutate %>% select(-c("coluna_nova_metros2"))
dados_mutate %>% head(10)

## # A tibble: 10 × 15
##    name     height  mass hair_color skin_color eye_color birth_year sex   gender
##    <chr>     <int> <dbl> <chr>      <chr>      <chr>          <dbl> <chr> <chr> 
##  1 Luke Sk…    172    77 blond      fair       blue            19   male  mascu…
##  2 C-3PO       167    75 <NA>       gold       yellow         112   none  mascu…
##  3 R2-D2        96    32 <NA>       white, bl… red             33   none  mascu…
##  4 Darth V…    202   136 none       white      yellow          41.9 male  mascu…
##  5 Leia Or…    150    49 brown      light      brown           19   fema… femin…
##  6 Owen La…    178   120 brown, gr… light      blue            52   male  mascu…
##  7 Beru Wh…    165    75 brown      light      blue            47   fema… femin…
##  8 R5-D4        97    32 <NA>       white, red red             NA   none  mascu…
##  9 Biggs D…    183    84 black      light      brown           24   male  mascu…
## 10 Obi-Wan…    182    77 auburn, w… fair       blue-gray       57   male  mascu…
## # ℹ 6 more variables: homeworld <chr>, species <chr>, films <list>,
## #   vehicles <list>, starships <list>, height_m <dbl>

Resumindo seus dados com funções de agregação de contagem

dados_cont = dados %>% select(eye_color,skin_color) %>% filter(skin_color=="dark") %>%  summarize(n())
dados_cont

## # A tibble: 1 × 1
##   `n()`
##   <int>
## 1     6

Resumindo seus dados com funções de agregação de contagem por categoria

dados_agrupados = dados %>% select(eye_color,skin_color) %>% group_by(skin_color) %>%  summarize(n())
dados_agrupados

## # A tibble: 31 × 2
##    skin_color          `n()`
##    <chr>               <int>
##  1 blue                    2
##  2 blue, grey              2
##  3 brown                   4
##  4 brown mottle            1
##  5 brown, white            1
##  6 dark                    6
##  7 fair                   17
##  8 fair, green, yellow     1
##  9 gold                    1
## 10 green                   6
## # ℹ 21 more rows

Resumindo seus dados com funções de agregação da média por categoria

dados_agrupados = dados %>% select(eye_color,skin_color,height) %>% group_by(skin_color) %>%  summarize(mean(height))
dados_agrupados

## # A tibble: 31 × 2
##    skin_color          `mean(height)`
##    <chr>                        <dbl>
##  1 blue                          187 
##  2 blue, grey                    116.
##  3 brown                         173.
##  4 brown mottle                  180 
##  5 brown, white                  216 
##  6 dark                           NA 
##  7 fair                           NA 
##  8 fair, green, yellow           168 
##  9 gold                          167 
## 10 green                         169 
## # ℹ 21 more rows

Resumindo seus dados com funções de agregação da média por categoria e top 5

dados_agrupados = dados %>% select(eye_color,skin_color,height) %>% group_by(skin_color) %>%  summarize(mean(height)) %>% top_n(5)

## Selecting by mean(height)

dados_agrupados

## # A tibble: 5 × 2
##   skin_color   `mean(height)`
##   <chr>                 <dbl>
## 1 brown, white           216 
## 2 green, grey            193 
## 3 grey                   204.
## 4 metal                  200 
## 5 white                  233

Verificando Valores faltantes da variável hair_color

dados %>% select(hair_color) %>% is.na() 

##       hair_color
##  [1,]      FALSE
##  [2,]       TRUE
##  [3,]       TRUE
##  [4,]      FALSE
##  [5,]      FALSE
##  [6,]      FALSE
##  [7,]      FALSE
##  [8,]       TRUE
##  [9,]      FALSE
## [10,]      FALSE
## [11,]      FALSE
## [12,]      FALSE
## [13,]      FALSE
## [14,]      FALSE
## [15,]       TRUE
## [16,]       TRUE
## [17,]      FALSE
## [18,]      FALSE
## [19,]      FALSE
## [20,]      FALSE
## [21,]      FALSE
## [22,]      FALSE
## [23,]      FALSE
## [24,]      FALSE
## [25,]      FALSE
## [26,]      FALSE
## [27,]      FALSE
## [28,]      FALSE
## [29,]      FALSE
## [30,]      FALSE
## [31,]      FALSE
## [32,]      FALSE
## [33,]      FALSE
## [34,]      FALSE
## [35,]      FALSE
## [36,]      FALSE
## [37,]      FALSE
## [38,]      FALSE
## [39,]      FALSE
## [40,]      FALSE
## [41,]      FALSE
## [42,]      FALSE
## [43,]      FALSE
## [44,]      FALSE
## [45,]      FALSE
## [46,]      FALSE
## [47,]      FALSE
## [48,]      FALSE
## [49,]      FALSE
## [50,]      FALSE
## [51,]      FALSE
## [52,]      FALSE
## [53,]      FALSE
## [54,]      FALSE
## [55,]      FALSE
## [56,]      FALSE
## [57,]      FALSE
## [58,]      FALSE
## [59,]      FALSE
## [60,]      FALSE
## [61,]      FALSE
## [62,]      FALSE
## [63,]      FALSE
## [64,]      FALSE
## [65,]      FALSE
## [66,]      FALSE
## [67,]      FALSE
## [68,]      FALSE
## [69,]      FALSE
## [70,]      FALSE
## [71,]      FALSE
## [72,]      FALSE
## [73,]      FALSE
## [74,]      FALSE
## [75,]      FALSE
## [76,]      FALSE
## [77,]      FALSE
## [78,]      FALSE
## [79,]      FALSE
## [80,]      FALSE
## [81,]      FALSE
## [82,]      FALSE
## [83,]      FALSE
## [84,]      FALSE
## [85,]      FALSE
## [86,]      FALSE
## [87,]      FALSE

Contando valores faltantes da variável hair_color

dados %>% select(hair_color) %>% is.na() %>% sum()

## [1] 5

Verificando Valores não faltantes da variável hair_color

dados %>% select(hair_color) %>% complete.cases() 

##  [1]  TRUE FALSE FALSE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE
## [13]  TRUE  TRUE FALSE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE
## [25]  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE
## [37]  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE
## [49]  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE
## [61]  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE
## [73]  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE
## [85]  TRUE  TRUE  TRUE

Contando valores não faltantes da variável hair_color

dados %>% select(hair_color) %>% complete.cases() %>% sum()

## [1] 82

Eliminando os NA´S da variável hair_color

dados %>% select(hair_color) %>% na.omit()

## # A tibble: 82 × 1
##    hair_color   
##    <chr>        
##  1 blond        
##  2 none         
##  3 brown        
##  4 brown, grey  
##  5 brown        
##  6 black        
##  7 auburn, white
##  8 blond        
##  9 auburn, grey 
## 10 brown        
## # ℹ 72 more rows

Contando a quantidade de NA´s da variável hair_color após a remoção

dados %>% select(hair_color) %>% drop_na() %>% is.na() %>% sum()

## [1] 0

Contabilizando o NA de todas as variáveis do banco

resumo_nas = dados %>% summarise_all(~sum(is.na(.)))
resumo_nas

## # A tibble: 1 × 14
##    name height  mass hair_color skin_color eye_color birth_year   sex gender
##   <int>  <int> <int>      <int>      <int>     <int>      <int> <int>  <int>
## 1     0      6    28          5          0         0         44     4      4
## # ℹ 5 more variables: homeworld <int>, species <int>, films <int>,
## #   vehicles <int>, starships <int>

Preenche com o valor anterior ou posterior

dados_sexo_preenchidos = dados %>% fill(sex)
dados_sexo_preenchidos %>% head(10)

## # A tibble: 10 × 14
##    name     height  mass hair_color skin_color eye_color birth_year sex   gender
##    <chr>     <int> <dbl> <chr>      <chr>      <chr>          <dbl> <chr> <chr> 
##  1 Luke Sk…    172    77 blond      fair       blue            19   male  mascu…
##  2 C-3PO       167    75 <NA>       gold       yellow         112   none  mascu…
##  3 R2-D2        96    32 <NA>       white, bl… red             33   none  mascu…
##  4 Darth V…    202   136 none       white      yellow          41.9 male  mascu…
##  5 Leia Or…    150    49 brown      light      brown           19   fema… femin…
##  6 Owen La…    178   120 brown, gr… light      blue            52   male  mascu…
##  7 Beru Wh…    165    75 brown      light      blue            47   fema… femin…
##  8 R5-D4        97    32 <NA>       white, red red             NA   none  mascu…
##  9 Biggs D…    183    84 black      light      brown           24   male  mascu…
## 10 Obi-Wan…    182    77 auburn, w… fair       blue-gray       57   male  mascu…
## # ℹ 5 more variables: homeworld <chr>, species <chr>, films <list>,
## #   vehicles <list>, starships <list>

link ref

Construindo a função da Moda

mode <- function(x) {
  ux <- unique(x)
  ux[which.max(tabulate(match(x, ux)))]
}

Preenche com o valor desejado: A moda nesse caso

dados_sexo_preenchidos_moda = dados %>% mutate(nova_var = replace_na(sex,mode(sex)))
dados_sexo_preenchidos_moda %>% head(10)

## # A tibble: 10 × 15
##    name     height  mass hair_color skin_color eye_color birth_year sex   gender
##    <chr>     <int> <dbl> <chr>      <chr>      <chr>          <dbl> <chr> <chr> 
##  1 Luke Sk…    172    77 blond      fair       blue            19   male  mascu…
##  2 C-3PO       167    75 <NA>       gold       yellow         112   none  mascu…
##  3 R2-D2        96    32 <NA>       white, bl… red             33   none  mascu…
##  4 Darth V…    202   136 none       white      yellow          41.9 male  mascu…
##  5 Leia Or…    150    49 brown      light      brown           19   fema… femin…
##  6 Owen La…    178   120 brown, gr… light      blue            52   male  mascu…
##  7 Beru Wh…    165    75 brown      light      blue            47   fema… femin…
##  8 R5-D4        97    32 <NA>       white, red red             NA   none  mascu…
##  9 Biggs D…    183    84 black      light      brown           24   male  mascu…
## 10 Obi-Wan…    182    77 auburn, w… fair       blue-gray       57   male  mascu…
## # ℹ 6 more variables: homeworld <chr>, species <chr>, films <list>,
## #   vehicles <list>, starships <list>, nova_var <chr>

Selecionando algumas variáveis e descartando NAS

dados_select = dados %>% select(name,height,mass,hair_color,skin_color,eye_color,sex,gender,homeworld, species) %>% na.omit() 

Excluimos 37 linhas com NA´S e ficamos com 50

dados_select_sem_na = dados %>% select(name,height,mass,hair_color,skin_color,eye_color,sex,gender,homeworld, species) %>% na.omit() 

Utilizando separate para transformar em tidy

dados_select_sem_na_sep = dados_select_sem_na %>% separate(hair_color,c("hair_color1","hair_color2",sep=","))

## Warning: Expected 3 pieces. Missing pieces filled with `NA` in 50 rows [1, 2, 3, 4, 5,
## 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, ...].

Confirmando hair_color1

table(dados_select_sem_na_sep$hair_color1)

## 
## auburn  black  blond blonde  brown   grey   none  white 
##      1      7      2      1     11      1     25      2

Confirmando hair_color2

table(dados_select_sem_na_sep$hair_color2)

## 
##  grey white 
##     1     1

Reorganizando no formato long com gather para algumas variáveis

dados_select_sem_na_sep_gather = dados_select_sem_na_sep %>% select(hair_color1,hair_color2,homeworld) %>%  gather(nomevar_cabelo,valoresvar_cabelo,hair_color1:hair_color2)

Reorganizando no formato long com gather para o banco todo

dados_select_sem_na_sep_gather = dados_select_sem_na_sep %>% gather(nomevar_cabelo,valoresvar_cabelo,hair_color1:hair_color2)

Criando ID´S únicos para os nomes

dados_select_sem_na_sep = dados_select_sem_na_sep %>% mutate(id_nome = 1:50)

Criando uma tabela com nome, sexo e ID

set.seed(1234)
tab1_sexo = dados_select_sem_na_sep %>% select(id_nome,name,sex) %>%  sample_n(10) %>% arrange(id_nome)

Criando uma tabela com nome e cor dos olhos com 10 linhas sorteadas aleatoriamente

set.seed(1235)
tab2_cor_cabelo = dados_select_sem_na_sep %>% select(id_nome,hair_color1) %>% sample_n(10) %>% arrange(id_nome)

IDS dos nomes na interseção entre a tabela de sexo e cor do cabelo

intersect(tab1_sexo$id_nome,tab2_cor_cabelo$id_nome)

## [1] 28 37

Interseção entre a tabela de sexo e cor do cabelo

tab_inner = inner_join(tab1_sexo,tab2_cor_cabelo,by=c("id_nome"="id_nome")) 

IDS dos nomes que tem na tabela sexo e que não tem na tabela cor de cabelo

setdiff(tab1_sexo$id_nome,tab2_cor_cabelo$id_nome)

## [1]  4  5  9 16 22 38 44 49

Trazendo tudo que tem na tabela de sexo e não tem em cor do cabelo

tab_left = left_join(tab1_sexo,tab2_cor_cabelo,by=c("id_nome"="id_nome")) 

IDS dos nomes que tem na tabela cor de cabelo e que não tem na tabela sexo

setdiff(tab2_cor_cabelo$id_nome,tab1_sexo$id_nome)

## [1]  3 12 13 14 27 35 36 47

Trouxe tudo que tem na tabela de cor do cabeloe não tem em sexo

tab_right = right_join(tab1_sexo,tab2_cor_cabelo,by=c("id_nome"="id_nome")) 

Trazendo tudo que tem na tabela de cor do cabeloe não tem em sexo

tab_right = right_join(tab1_sexo,tab2_cor_cabelo,by=c("id_nome"="id_nome")) 

Trazendo tudo que tem em ambas as tabelas

tab_fulljoin = full_join(tab1_sexo,tab2_cor_cabelo,by=c("id_nome"="id_nome"))

Gráficos Estatísticos para variáveis Qualitativas - R

#install.páckages("devtools")
#install_github("juba/rmdformats",force=TRUE)
#install_github("glin/reactable",force=TRUE)

vetor_pacotes=c( "ggplot2",    #Melhor pacote do R para gráficos
                 "scales",     #transformar variáveis e alterar a escala
                 "plotly",     #torna os gráficos interativos
                 "gridExtra",   #habilita o layout personalzidado - gráficos ggplot
                "dplyr",      #Habilita manipulação de dados no R e o operador pipe
                "kableExtra"  #Habilita tabelas mais profissionais no R
                )
#install.packages(vetor_pacotes)

lapply(vetor_pacotes, 
       require, 
       character.only = TRUE)

## Carregando pacotes exigidos: scales

## 
## Attaching package: 'scales'

## The following object is masked from 'package:purrr':
## 
##     discard

## The following object is masked from 'package:readr':
## 
##     col_factor

## Carregando pacotes exigidos: plotly

## 
## Attaching package: 'plotly'

## The following object is masked from 'package:ggplot2':
## 
##     last_plot

## The following object is masked from 'package:stats':
## 
##     filter

## The following object is masked from 'package:graphics':
## 
##     layout

## Carregando pacotes exigidos: gridExtra

## 
## Attaching package: 'gridExtra'

## The following object is masked from 'package:dplyr':
## 
##     combine

## Carregando pacotes exigidos: kableExtra

## 
## Attaching package: 'kableExtra'

## The following object is masked from 'package:dplyr':
## 
##     group_rows

## [[1]]
## [1] TRUE
## 
## [[2]]
## [1] TRUE
## 
## [[3]]
## [1] TRUE
## 
## [[4]]
## [1] TRUE
## 
## [[5]]
## [1] TRUE
## 
## [[6]]
## [1] TRUE

sexo=c("M","F")
cor=c("Preto","Castanho","Azul","Verde")
cigarro=c("Fumante","Não Fumante")
doente=c("Doente","Sadio")
estado_civil=c("Solteiro(a)","Casado(a)")

a_sexo=sample(sexo,size=100, replace=TRUE)
a_cor_olhos=sample(cor,size=100, replace=TRUE)
a_fumante=sample(cigarro,size=100, replace=TRUE)
a_doente=sample(doente,size=100, replace=TRUE)
a_estado_civil=sample(estado_civil,size=100, replace=TRUE)
a_dummy_estado_civil=ifelse(a_estado_civil=="Solteiro(a)","1","0")

variaveis_categoricas_nominais <<- data.frame(a_sexo,
                                          a_cor_olhos,
                                          a_fumante,
                                          a_doente,
                                          a_estado_civil,
                                          a_dummy_estado_civil)

variaveis_categoricas_nominais %>% kbl %>% kable_material_dark(full_width = F)

grafico_coluna_geral=
  ggplot(variaveis_categoricas_nominais,aes(a_cor_olhos)) + 
                            geom_bar(position = "dodge",fill="red") +
                            ggtitle("Número de alunos por cor dos olhos")+
                            xlab("Cor dos olhos") +
                            ylab("Frequência simples (Quantidade de alunos)") 
                              
ggplotly(grafico_coluna_geral)

variaveis_categoricas_nominais$a_cor_olhos_mod = factor(variaveis_categoricas_nominais$a_cor_olhos, levels =c("Verde","Castanho","Preto", "Azul")
)

grafico_coluna_geral=
  ggplot(variaveis_categoricas_nominais,aes(a_cor_olhos_mod)) + 
  geom_bar(position = "dodge",fill="red") +
  ggtitle("Número de alunos por cor dos olhos")+
  xlab("Cor dos olhos") +
  ylab("Frequência simples (Quantidade de alunos)") 

ggplotly(grafico_coluna_geral)

grafico_coluna=ggplot(variaveis_categoricas_nominais,aes(a_cor_olhos_mod,fill=a_sexo)) + 
               geom_bar(position = "dodge") +
               ggtitle("Número de alunos por cor dos olhos e sexo")+
               labs(fill="Sexo")+
               xlab("Cor dos olhos") +
               ylab("Frequência simples (Quantidade de alunos)") 
               
ggplotly(grafico_coluna)

grafico_coluna_porcent=ggplot(variaveis_categoricas_nominais,aes(a_cor_olhos_mod,fill=a_sexo)) + 
  geom_bar(position = "dodge",aes(y = (..count..)/sum(..count..))) +
  ggtitle("Número de alunos por cor dos olhos e sexo (%)")+
  scale_y_continuous(labels=percent)+
  labs(fill="Sexo")+
  xlab("Cor dos olhos") +
  ylab("Frequência simples (Quantidade de alunos)")

ggplotly(grafico_coluna_porcent)

## Warning: The dot-dot notation (`..count..`) was deprecated in ggplot2 3.4.0.
## ℹ Please use `after_stat(count)` instead.
## ℹ The deprecated feature was likely used in the base package.
##   Please report the issue to the authors.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.

grafico_colunas_empilhadas=ggplot(variaveis_categoricas_nominais,aes(a_cor_olhos_mod,fill=a_sexo)) + 
  geom_bar(position = 'fill') +
  ggtitle("Número de alunos por cor dos olhos e sexo")+
  scale_y_continuous(labels=percent) +
  labs(fill="Sexo")+
  xlab("Cor dos olhos") +
  ylab("Frequência simples (Quantidade de alunos)")

ggplotly(grafico_colunas_empilhadas)

grafico_barras_horizontais=grafico_coluna + coord_flip() 

ggplotly(grafico_barras_horizontais)

grafico_barras_horizontais_por_sexo=grafico_coluna + coord_flip() + facet_grid(~a_sexo)

ggplotly(grafico_barras_horizontais_por_sexo)

grid.arrange(grafico_coluna_geral,
             grafico_coluna,
             grafico_coluna_porcent,
             grafico_barras_horizontais,
             grafico_barras_horizontais_por_sexo,
             grafico_colunas_empilhadas, nrow=3,ncol=2)

Gráficos Estatísticos para variáveis Qualitativas - R

classe_social=c("A","B","C","D","E")
grau_instrucao=c("Ensino fundamental","Ensino médio","Ensino Superior")
estagio_doenca=c("Estágio inicial","Estágio intermediário","Estágio terminal")
meses=c("Janeiro","Fevereiro","março")
ranking=c("Primeiro","Segundo","Terceiro")

a_classe_social=sample(classe_social,size=100, replace=TRUE)
a_grau_intrucao=sample(grau_instrucao,size=100, replace=TRUE)
a_estagio_doenca=sample(estagio_doenca,size=100, replace=TRUE)
a_meses=sample(meses,size=100, replace=TRUE)
a_ranking=sample(ranking,size=100, replace=TRUE)

variaveis_categoricas_ordinais <<- data.frame(a_classe_social,
                                          a_grau_intrucao,
                                          a_estagio_doenca,
                                          a_meses,
                                          a_ranking)
variaveis_categoricas_ordinais

##     a_classe_social    a_grau_intrucao      a_estagio_doenca   a_meses
## 1                 C    Ensino Superior Estágio intermediário     março
## 2                 E Ensino fundamental Estágio intermediário Fevereiro
## 3                 C Ensino fundamental Estágio intermediário Fevereiro
## 4                 E    Ensino Superior Estágio intermediário     março
## 5                 B       Ensino médio      Estágio terminal Fevereiro
## 6                 C    Ensino Superior       Estágio inicial   Janeiro
## 7                 C    Ensino Superior       Estágio inicial Fevereiro
## 8                 E    Ensino Superior       Estágio inicial   Janeiro
## 9                 A    Ensino Superior       Estágio inicial Fevereiro
## 10                A    Ensino Superior      Estágio terminal     março
## 11                B       Ensino médio      Estágio terminal Fevereiro
## 12                C       Ensino médio Estágio intermediário     março
## 13                D Ensino fundamental Estágio intermediário     março
## 14                A    Ensino Superior       Estágio inicial     março
## 15                B       Ensino médio       Estágio inicial Fevereiro
## 16                B    Ensino Superior       Estágio inicial     março
## 17                B Ensino fundamental       Estágio inicial     março
## 18                C    Ensino Superior       Estágio inicial   Janeiro
## 19                A    Ensino Superior       Estágio inicial Fevereiro
## 20                D       Ensino médio       Estágio inicial     março
## 21                A    Ensino Superior Estágio intermediário Fevereiro
## 22                B Ensino fundamental      Estágio terminal Fevereiro
## 23                C Ensino fundamental       Estágio inicial     março
## 24                A Ensino fundamental       Estágio inicial     março
## 25                E       Ensino médio      Estágio terminal   Janeiro
## 26                C       Ensino médio       Estágio inicial   Janeiro
## 27                C Ensino fundamental Estágio intermediário   Janeiro
## 28                B       Ensino médio       Estágio inicial     março
## 29                D       Ensino médio Estágio intermediário   Janeiro
## 30                B Ensino fundamental Estágio intermediário   Janeiro
## 31                E Ensino fundamental       Estágio inicial   Janeiro
## 32                A       Ensino médio      Estágio terminal Fevereiro
## 33                D       Ensino médio Estágio intermediário Fevereiro
## 34                C Ensino fundamental      Estágio terminal     março
## 35                B    Ensino Superior Estágio intermediário   Janeiro
## 36                C       Ensino médio      Estágio terminal     março
## 37                B Ensino fundamental Estágio intermediário   Janeiro
## 38                E Ensino fundamental      Estágio terminal Fevereiro
## 39                A    Ensino Superior Estágio intermediário     março
## 40                E       Ensino médio      Estágio terminal   Janeiro
## 41                A       Ensino médio       Estágio inicial Fevereiro
## 42                B Ensino fundamental Estágio intermediário   Janeiro
## 43                C       Ensino médio       Estágio inicial Fevereiro
## 44                C    Ensino Superior      Estágio terminal   Janeiro
## 45                D       Ensino médio       Estágio inicial   Janeiro
## 46                C    Ensino Superior Estágio intermediário Fevereiro
## 47                E    Ensino Superior      Estágio terminal     março
## 48                D Ensino fundamental      Estágio terminal   Janeiro
## 49                B    Ensino Superior      Estágio terminal Fevereiro
## 50                A Ensino fundamental       Estágio inicial Fevereiro
## 51                C Ensino fundamental       Estágio inicial     março
## 52                B Ensino fundamental Estágio intermediário   Janeiro
## 53                B       Ensino médio       Estágio inicial Fevereiro
## 54                A Ensino fundamental       Estágio inicial   Janeiro
## 55                A    Ensino Superior Estágio intermediário     março
## 56                B Ensino fundamental      Estágio terminal Fevereiro
## 57                A Ensino fundamental       Estágio inicial Fevereiro
## 58                C       Ensino médio      Estágio terminal     março
## 59                C       Ensino médio      Estágio terminal     março
## 60                E       Ensino médio      Estágio terminal Fevereiro
## 61                E    Ensino Superior      Estágio terminal Fevereiro
## 62                A    Ensino Superior       Estágio inicial     março
## 63                D    Ensino Superior Estágio intermediário     março
## 64                D    Ensino Superior      Estágio terminal   Janeiro
## 65                D Ensino fundamental       Estágio inicial     março
## 66                E       Ensino médio      Estágio terminal     março
## 67                D Ensino fundamental       Estágio inicial     março
## 68                E    Ensino Superior       Estágio inicial   Janeiro
## 69                A Ensino fundamental       Estágio inicial     março
## 70                A       Ensino médio Estágio intermediário   Janeiro
## 71                C       Ensino médio      Estágio terminal Fevereiro
## 72                B Ensino fundamental       Estágio inicial     março
## 73                B    Ensino Superior       Estágio inicial     março
## 74                C Ensino fundamental       Estágio inicial   Janeiro
## 75                B    Ensino Superior      Estágio terminal   Janeiro
## 76                C    Ensino Superior      Estágio terminal     março
## 77                A       Ensino médio Estágio intermediário     março
## 78                B Ensino fundamental Estágio intermediário     março
## 79                B Ensino fundamental Estágio intermediário   Janeiro
## 80                D       Ensino médio Estágio intermediário     março
## 81                D    Ensino Superior      Estágio terminal     março
## 82                E       Ensino médio      Estágio terminal Fevereiro
## 83                C       Ensino médio Estágio intermediário     março
## 84                A Ensino fundamental       Estágio inicial Fevereiro
## 85                B Ensino fundamental       Estágio inicial Fevereiro
## 86                C Ensino fundamental Estágio intermediário     março
## 87                D Ensino fundamental Estágio intermediário Fevereiro
## 88                B       Ensino médio Estágio intermediário   Janeiro
## 89                C       Ensino médio Estágio intermediário   Janeiro
## 90                A Ensino fundamental       Estágio inicial     março
## 91                A Ensino fundamental       Estágio inicial   Janeiro
## 92                C Ensino fundamental      Estágio terminal Fevereiro
## 93                B    Ensino Superior Estágio intermediário     março
## 94                E    Ensino Superior       Estágio inicial Fevereiro
## 95                A    Ensino Superior      Estágio terminal Fevereiro
## 96                C       Ensino médio       Estágio inicial Fevereiro
## 97                C       Ensino médio Estágio intermediário   Janeiro
## 98                D Ensino fundamental Estágio intermediário     março
## 99                D    Ensino Superior      Estágio terminal   Janeiro
## 100               E    Ensino Superior      Estágio terminal   Janeiro
##     a_ranking
## 1     Segundo
## 2     Segundo
## 3    Primeiro
## 4    Primeiro
## 5     Segundo
## 6    Terceiro
## 7     Segundo
## 8    Terceiro
## 9    Primeiro
## 10   Terceiro
## 11    Segundo
## 12    Segundo
## 13   Primeiro
## 14    Segundo
## 15    Segundo
## 16   Terceiro
## 17   Terceiro
## 18   Primeiro
## 19   Primeiro
## 20   Primeiro
## 21   Terceiro
## 22   Primeiro
## 23    Segundo
## 24    Segundo
## 25    Segundo
## 26   Terceiro
## 27    Segundo
## 28    Segundo
## 29   Primeiro
## 30   Terceiro
## 31   Primeiro
## 32   Primeiro
## 33   Terceiro
## 34    Segundo
## 35   Primeiro
## 36   Terceiro
## 37    Segundo
## 38   Terceiro
## 39   Primeiro
## 40    Segundo
## 41    Segundo
## 42   Terceiro
## 43   Primeiro
## 44   Terceiro
## 45    Segundo
## 46    Segundo
## 47   Terceiro
## 48    Segundo
## 49   Primeiro
## 50   Terceiro
## 51    Segundo
## 52   Primeiro
## 53    Segundo
## 54    Segundo
## 55   Primeiro
## 56   Primeiro
## 57   Terceiro
## 58    Segundo
## 59   Terceiro
## 60   Terceiro
## 61   Terceiro
## 62   Primeiro
## 63   Primeiro
## 64   Terceiro
## 65   Primeiro
## 66   Primeiro
## 67   Primeiro
## 68   Primeiro
## 69    Segundo
## 70    Segundo
## 71   Primeiro
## 72    Segundo
## 73   Primeiro
## 74    Segundo
## 75   Primeiro
## 76   Primeiro
## 77   Terceiro
## 78   Terceiro
## 79   Primeiro
## 80    Segundo
## 81   Primeiro
## 82   Terceiro
## 83   Terceiro
## 84    Segundo
## 85    Segundo
## 86    Segundo
## 87    Segundo
## 88   Primeiro
## 89   Primeiro
## 90    Segundo
## 91   Primeiro
## 92   Primeiro
## 93    Segundo
## 94    Segundo
## 95    Segundo
## 96    Segundo
## 97   Terceiro
## 98    Segundo
## 99    Segundo
## 100  Terceiro

variaveis_categoricas_ordinais %>% kbl %>% kable_material_dark(full_width = F)

df_pizza_tab=table(variaveis_categoricas_ordinais$a_classe_social)
df_pizza <<- data.frame(df_pizza_tab)
df_pizza %>% kbl %>% kable_material_dark(full_width = F)

pie(df_pizza$Freq,
    labels=paste(df_pizza$Var1,df_pizza$Freq),
     main="Gráfico de pizza do número de pessoas por classe social")

df_pizza_porcent=prop.table(df_pizza_tab)
df_pizza_porcent <<- as.data.frame(df_pizza_porcent)
df_pizza_porcent

##   Var1 Freq
## 1    A 0.21
## 2    B 0.23
## 3    C 0.26
## 4    D 0.15
## 5    E 0.15

#Criando a coluna qualquer_nome com label % usando base 
df_pizza_porcent$qualquer_nome=paste(df_pizza_porcent$Freq*100,"%")
df_pizza_porcent

##   Var1 Freq qualquer_nome
## 1    A 0.21          21 %
## 2    B 0.23          23 %
## 3    C 0.26          26 %
## 4    D 0.15          15 %
## 5    E 0.15          15 %

#Criando a coluna frequencia com label % usando o dplyr
df_pizza_porcent = df_pizza_porcent %>% mutate( frequencia=paste(df_pizza_porcent$Freq*100,"%"))

#Criando a pizza
pie(df_pizza_porcent$Freq,
    labels=df_pizza_porcent$frequencia,
     main="Gráfico de pizza - Frequência relativa classe social (%)")

grafico_pizza_iterativo = plot_ly(df_pizza, 
                            labels = ~Var1, 
                            values = ~Freq, 
                            type = 'pie') %>%
                            layout(title = 'Frequência relativa da Classe Social (%) ')

grafico_pizza_iterativo

grafico_coluna=ggplot(variaveis_categoricas_ordinais,aes(x=a_classe_social)) + 
  geom_bar(position = "dodge") +
  ggtitle("Número de pessoas por classe social")+
  xlab("Classe social") +
  ylab("Número de pessoas (Frequência simples)")

ggplotly(grafico_coluna)

grafico_coluna_porcent=ggplot(variaveis_categoricas_ordinais,aes(x=a_classe_social)) + 
  geom_bar(aes(y = (..count..)/sum(..count..))) +
  ggtitle("Número de pessoas por classe social") +
  scale_y_continuous(labels=percent) +
  xlab("Classe social") +
  ylab("Proporção de pessoas % (Frequência Relativa)")

ggplotly(grafico_coluna_porcent)

grafico_coluna_empilhada=ggplot(variaveis_categoricas_ordinais,aes(x=a_classe_social,fill=a_grau_intrucao)) + 
  geom_bar(position = 'fill',show.legend = FALSE) +
  ggtitle("Número de pessoas por classe social")+
  scale_y_continuous(labels=percent) +
  xlab("Classe social") +
  ylab("Proporção de pessoas % (Frequência Relativa)")


ggplotly(grafico_coluna_empilhada)

grafico_coluna_porcent_por_grau_instrucao=ggplot(variaveis_categoricas_ordinais,aes(x=a_classe_social,fill=a_grau_intrucao)) + 
  geom_bar(aes(y = (..count..)/sum(..count..)),show.legend = FALSE) +
  ggtitle("Número de pessoas por classe social") +
  scale_y_continuous(labels=percent) +
  xlab("Classe social") +
  ylab("Número de pessoas (Frequência simples)") +
  facet_grid(~a_grau_intrucao)

ggplotly(grafico_coluna_porcent_por_grau_instrucao)

grid.arrange(grafico_coluna,
             grafico_coluna_porcent, 
             grafico_coluna_porcent_por_grau_instrucao,
             grafico_coluna_empilhada, 
             nrow=2,ncol=2)

plotly::subplot(ggplotly(grafico_coluna),
                ggplotly(grafico_coluna_porcent), 
                ggplotly(grafico_coluna_porcent_por_grau_instrucao),
                ggplotly(grafico_coluna_empilhada),
                nrows = 4)

Gráficos Estatísticos para variáveis Quantitativas - R

dados <<- iris
dados %>% kbl %>% kable_material_dark(full_width = F)

grafico_hist = ggplot(dados,aes(x=Sepal.Length)) + 
  geom_histogram(color = "black",fill="lightblue",bins =30)+
  ggtitle("Gráfico histograma do tamanho da Sépala das Plantas")+
  xlab("Tamanho das Sépalas") +
  ylab("Frequência simples") +
  theme()

grafico_hist

ggplotly(grafico_hist)

grafico_boxplot = ggplot(dados, aes(x=Sepal.Length, y=Petal.Length,fill=Species)) + 
  geom_boxplot()+
  ggtitle("Gráfico de Box-plot do tamanho da Sépala vs o tamanho das Pétalas das Plantas")+
  xlab("Tamanho das Sépalas") +
  ylab("Tamanho das Pétalas")
grafico_boxplot

grafico_dispersao_cor = ggplot(dados, aes(x=Sepal.Length, y=Petal.Length,col=Species)) + 
                       geom_point(size=4)+
                       ggtitle("Gráfico de Dispersão do tamanho da Sépala vs o tamanho das Pétalas das Plantas")+
                       xlab("Tamanho das Sépalas") +
                       ylab("Tamanho das Pétalas")
grafico_dispersao_cor

ggplotly(grafico_dispersao_cor)

grafico_dispersao_tamanho = ggplot(dados, aes(x=Sepal.Length, y=Petal.Length,col=Species)) + 
  geom_point(aes(size=Sepal.Length))+
  ggtitle("Gráfico de Dispersão do tamanho da Sépala vs o tamanho das Pétalas das Plantas")+
  xlab("Tamanho das Sépalas") +
  ylab("Tamanho das Pétalas")

grafico_dispersao_tamanho

grafico_dispersao_especie = ggplot(dados, aes(x=Sepal.Length, y=Petal.Length,col=Species)) + 
                       geom_point(size=4)+
                       ggtitle("Gráfico de Dispersão do tamanho da Sépala vs o tamanho das Pétalas das Plantas")+
                       xlab("Tamanho das Sépalas") +
                       ylab("Tamanho das Pétalas") +
                       facet_wrap(~Species)
grafico_dispersao_especie

ggplotly(grafico_dispersao_especie)

dados2 <<- economics
grafico_linhas=ggplot(dados2, aes(x=date, y=unemploy)) + 
                      geom_line(col="red") + 
                      xlab("Ano") + 
                      ylab("Desemprego (em milhares)") + 
                      ggtitle("Desemprego nos Estados Unidos de 1967 a 2015 - Economics")
grafico_linhas               

ggplotly(grafico_linhas)

grid.arrange(
             grafico_hist,
             grafico_boxplot,
             grafico_dispersao_cor,
             grafico_dispersao_tamanho,
             grafico_dispersao_especie,
             grafico_linhas,
             nrow=3,ncol=2)

grafico_linhas=ggplot(economics, aes(x=date, y=unemploy)) + 
  geom_line(col="red") + 
  geom_hline(yintercept = c(6000,10000))+
  xlab("Ano") + 
  ylab("Desemprego (em milhares)") + 
  ggtitle("Desemprego nos Estados Unidos de 1967 a 2015 - Economics")
 
grafico_linhas               

ggplotly(grafico_linhas)

dados2 = dados2 %>% mutate( estados=case_when(unemploy > mean(unemploy) ~ "estado_acima_da_media",
                                              unemploy <= mean(unemploy) ~ "estado_abaixo_ou_igual_a_media")
)

table(dados2$estados) %>%  kbl %>% kable_material_dark(full_width = F)

q1=quantile(dados2$unemploy,0.25)
q3=quantile(dados2$unemploy,0.75)
cbind(q1,q3)

##       q1     q3
## 25% 6284 8685.5

grafico_linhas=ggplot(dados2, aes(x=date, y=unemploy)) + 
  geom_line(col="red") + 
  geom_hline(yintercept = c(q1[[1]],q3[[1]]))+
  #geom_vline(xintercept = median(dados2$date))+
  xlab("Ano") + 
  ylab("Desemprego (em milhares)") + 
  ggtitle("Desemprego nos Estados Unidos de 1967 a 2015 - Economics") +
  facet_grid(~estados)

grafico_linhas               

ggplotly(grafico_linhas)

l1=mean(dados2$unemploy)-3*sd(dados2$unemploy)

l2=mean(dados2$unemploy)+3*sd(dados2$unemploy)

grafico_linhas=ggplot(dados2, aes(x=date, y=unemploy)) + 
  geom_line(col="red") + 
  geom_hline(yintercept = c(l1,l2))+
  #geom_vline(xintercept = median(dados2$date))+
  xlab("Ano") + 
  ylab("Desemprego (em milhares)") + 
  ggtitle("Desemprego nos Estados Unidos de 1967 a 2015 - Economics") +
  facet_grid(~estados)

grafico_linhas               

ggplotly(grafico_linhas)

grafico_hist = ggplot(dados2,aes(x=unemploy)) + 
  geom_histogram(color = "black",fill="lightblue",bins=30)+
  ggtitle("Gráfico histograma do desemprego nos Estados Unidos de 1967 a 2015 - Economics")+
  xlab("Quantidade de") +
  ylab("Frequência simples") +
  theme()

grafico_hist

ggplotly(grafico_hist)

shapiro.test(dados2$unemploy)

## 
##  Shapiro-Wilk normality test
## 
## data:  dados2$unemploy
## W = 0.94639, p-value = 1.473e-13

minimo=min(dados2$unemploy)

q2=quantile(dados2$unemploy,0.5)

q3=quantile(dados2$unemploy,0.75)

maximo=max(dados2$unemploy)

dados2$unemploy_classes= 
  cut(dados2$unemploy, breaks = c(minimo,q2,q3,maximo),
      labels = c("min -|Q2", "Q2-|Q3", "Q3-|max"),
      include.lowest = F)

df_pizza_tab=table(dados2$unemploy_classes)
df_pizza <<- data.frame(df_pizza_tab)

grafico_pizza_iterativo = plot_ly(df_pizza, 
                            labels = ~Var1, 
                            values = ~Freq, 
                            type = 'pie') %>%
                            layout(title = 'Frequência relativa da Classe Social (%) ')

grafico_pizza_iterativo

Instalando e carregando bibliotecas adicionais

vetor_pacotes=c(
                "treemap",     #habilita gráficos treemap e mapas de calor
                "RColorBrewer", #habilita trabalhar com cores mais profissionais,
                "wordcloud", #habilita nuvens de palavras
                "esquisse" , #transforma o R em um tableau para gráficos
                "rgl"      , #habilita grafos 3d
                "igraph"     #pacote mais geral para grafos no R
                )
#install.packages(vetor_pacotes)

lapply(vetor_pacotes, 
       require, 
       character.only = TRUE)

## Carregando pacotes exigidos: treemap

## Carregando pacotes exigidos: RColorBrewer

## Carregando pacotes exigidos: wordcloud

## Carregando pacotes exigidos: esquisse

## Carregando pacotes exigidos: rgl

## Carregando pacotes exigidos: igraph

## 
## Attaching package: 'igraph'

## The following object is masked from 'package:plotly':
## 
##     groups

## The following object is masked from 'package:DescTools':
## 
##     %c%

## The following objects are masked from 'package:lubridate':
## 
##     %--%, union

## The following objects are masked from 'package:dplyr':
## 
##     as_data_frame, groups, union

## The following objects are masked from 'package:purrr':
## 
##     compose, simplify

## The following object is masked from 'package:tidyr':
## 
##     crossing

## The following object is masked from 'package:tibble':
## 
##     as_data_frame

## The following objects are masked from 'package:stats':
## 
##     decompose, spectrum

## The following object is masked from 'package:base':
## 
##     union

## [[1]]
## [1] TRUE
## 
## [[2]]
## [1] TRUE
## 
## [[3]]
## [1] TRUE
## 
## [[4]]
## [1] TRUE
## 
## [[5]]
## [1] TRUE
## 
## [[6]]
## [1] TRUE

dados <<- mtcars
dados %>% kbl %>% kable_material_dark(full_width = F)

#Vendo o nome das linhas
rownames(dados)

##  [1] "Mazda RX4"           "Mazda RX4 Wag"       "Datsun 710"         
##  [4] "Hornet 4 Drive"      "Hornet Sportabout"   "Valiant"            
##  [7] "Duster 360"          "Merc 240D"           "Merc 230"           
## [10] "Merc 280"            "Merc 280C"           "Merc 450SE"         
## [13] "Merc 450SL"          "Merc 450SLC"         "Cadillac Fleetwood" 
## [16] "Lincoln Continental" "Chrysler Imperial"   "Fiat 128"           
## [19] "Honda Civic"         "Toyota Corolla"      "Toyota Corona"      
## [22] "Dodge Challenger"    "AMC Javelin"         "Camaro Z28"         
## [25] "Pontiac Firebird"    "Fiat X1-9"           "Porsche 914-2"      
## [28] "Lotus Europa"        "Ford Pantera L"      "Ferrari Dino"       
## [31] "Maserati Bora"       "Volvo 142E"

dados$coluna_nome_carros=rownames(dados)
dados %>% kbl %>% kable_material_dark(full_width = F)

treemap(dados, index = c('coluna_nome_carros'), vSize = "mpg", title = "Consumo de Gasolina em galão por milhas")

#Analisando a variabilidade das variáveis (tonalidade das cores)
cv_disp=sd(dados$disp)/mean(dados$disp)
cv_hp=sd(dados$hp)/mean(dados$hp)
cv_mpg=sd(dados$mpg)/mean(dados$mpg)
cbind(cv_disp,cv_hp,cv_mpg)

##        cv_disp     cv_hp    cv_mpg
## [1,] 0.5371779 0.4674077 0.2999881

dados2 <<-  as.matrix(dados[,c("mpg","disp","hp")])
heatmap(dados2)

Palavras = c("Estatística", "Machine Learning", "Redes Neurais", 
"Deep Learning","Random Forest", "SVM","R","Python")
Freq = c(100,50,20,10,20,7,150,150)

dados_palavras = data.frame(Palavras,Freq)

#Núvem de palavras
wordcloud(dados_palavras$Palavras,freq = dados_palavras$Freq)

#Adicionando cores e ordem aleatória (random.order=T)
wordcloud(dados_palavras$Palavras,freq = dados_palavras$Freq,random.order=T,colors=brewer.pal(n = 7, name = "YlGn"))

# criando o novo vetor de palavras e frequências de forma automática

#Criando o vetor de repetições de palavras
Palavras2 = c(rep("Estatística",100), rep("Machine Learning",50), rep("Redes Neurais",20), 
             rep("Deep Learning",10),rep("Random Forest",20), rep("SVM",7),rep("R",150),rep("Python",150)
)

#Criando as frequências absolutas simples
tabela=table(Palavras2)
dados_novo=data.frame(tabela)

#Criando a wordcloud
wordcloud(dados_novo$Palavras2,freq = dados_novo$Freq,random.order=T,colors=brewer.pal(n = 7, name = "YlGn"))

no=c("A","B","C","D","E","F")
ligacoes=data.frame(origem=c(rep("A",2),rep("B",2),"C","D","E","F"),destino=c("B","D","C","E","D","E","F","B"))

rede_teste <- graph_from_data_frame(d=ligacoes, vertices=no, directed=F) 
rede_teste

## IGRAPH 6ead5d5 UN-- 6 8 -- 
## + attr: name (v/c)
## + edges from 6ead5d5 (vertex names):
## [1] A--B A--D B--C B--E C--D D--E E--F B--F

plot(rede_teste, vertex.label=no,vertex.size=50, layout=layout_as_star(rede_teste),main="Grafo com igraph")

library(rgl)
#2d interativo
tkplot(rede_teste)

## [1] 1

#3d interativo
rglplot(rede_teste,vertex.label=unique(ligacoes$origem),vertex.size=5, layout=layout_in_circle(rede_teste))

#iris
#esquisser(viewer = "browser")