1 Tidyverse

  • O tidyverse é um conjunto integrado de pacotes R desenvolvidos para facilitar a manipulação, visualização e análise de dados de forma consistente e eficiente.

  • O tidyverse é composto por vários pacotes, sendo os principais:

    1. ggplot2: Um pacote poderoso para criação de gráficos baseados na gramática de gráficos. Ele permite criar visualizações complexas e esteticamente agradáveis com uma sintaxe declarativa.

    2. dplyr: Oferece funções para manipulação eficiente de dados, facilitando a filtragem, seleção, agrupamento, ordenação e resumo de conjuntos de dados.

    3. tidyr: Fornecer ferramentas para manipulação de dados para torná-los “tidy”. Isso inclui funções para espalhar (spread) e juntar (gather) dados, entre outras operações de reformatar.

    4. tibble: Introduz o conceito de tibble, uma versão moderna de data frames, mais eficiente e fácil de usar, seguindo os princípios de dados “tidy”.

    5. readr: Oferece funções rápidas e eficientes para ler dados retos em R. Ele é projetado para ser mais rápido que as funções base do R, como read.csv.

    6. purrr: Facilita a aplicação de funções em listas e vetores, proporcionando uma abordagem mais consistente e funcional para operações em dados.

    7. stringr: Fornece funções para manipulação de strings de uma maneira mais intuitiva e consistente do que as funções base do R.

    8. forcats: Especializado na manipulação de fatores, permitindo ajustar facilmente os níveis e rótulos dos fatores.

  • Para carregar todos esses pacotes utilize library(tidyverse) 

2 Tibbles

Os tibbles são uma estrutura de dados introduzida pelo pacote tibble. Eles são uma versão aprimorada dos data frames padrão do R e são projetados para serem mais intuitivos e eficientes

2.1 Criando Tibbles

library(tibble)

# Criar um tibble
exemplo_tibble <- tibble::tibble(
  Nome = c("Alice", "Bob", "Charlie"),
  Idade = c(25, 30, 22),
  Salario = c(50000, 60000, 45000)
)

exemplo_tibble
#> # A tibble: 3 × 3
#>   Nome    Idade Salario
#>   <chr>   <dbl>   <dbl>
#> 1 Alice      25   50000
#> 2 Bob        30   60000
#> 3 Charlie    22   45000
  • Covertendo um Data frame para Tible
(df <- data.frame(
  Nome = c("Alice", "Bob", "Charlie"),
  Idade = c(25, 30, 22),
  Salario = c(50000, 60000, 45000)
))
#>      Nome Idade Salario
#> 1   Alice    25   50000
#> 2     Bob    30   60000
#> 3 Charlie    22   45000

(df.tibble <- as_tibble(df))
#> # A tibble: 3 × 3
#>   Nome    Idade Salario
#>   <chr>   <dbl>   <dbl>
#> 1 Alice      25   50000
#> 2 Bob        30   60000
#> 3 Charlie    22   45000
# Acessar uma coluna específica
nomes <- exemplo_tibble[,1]

# Ou usando a notação $ diretamente
nomes <- exemplo_tibble$Nome

# Acessar várias colunas
subset_tibble <- exemplo_tibble[, c("Nome", "Idade")]

# Acessar uma linha específica
linha1 <- exemplo_tibble[1, ]

# Acessar um valor específico
valor <- exemplo_tibble$Idade[2]

2.2 Algumas Manipulações

  •  Criar uma coluna a partir de uma função de colunas anteriores
tibble::tibble(
  x = rnorm(6,180,3),
  y = 1.75+1*x
)
#> # A tibble: 6 × 2
#>       x     y
#>   <dbl> <dbl>
#> 1  183.  185.
#> 2  183.  184.
#> 3  181.  183.
#> 4  183.  185.
#> 5  182.  184.
#> 6  180.  182.
  • add_row() e add_column(): para adicionar linhas e colunas a uma tibble;

  • rowid_to_column(): cria uma coluna com um id numérico e sequencial para as linhas, começando de 1

  • has_rownames(): verifica se um data frame possui linhas nomeadas.

  • remove_rownames(): remove o nome das linhas de um data frame.

  • rownames_to_column(): transforma o nome das linhas em uma coluna.

  • column_to_rownames(): transforma uma coluna em nomes das linhas.

3 Tidy data

  • Dados “tidy” referem-se a conjuntos de dados organizados de maneira estruturada e consistente, facilitando a análise e visualização

  • Um conjunto de dados é organizado dependendo de como as linhas, colunas e tabelas são combinadas com observações, variáveis ​​e tipos.

  • Em Tidy data :

    1. Cada variável é uma coluna; cada coluna é uma variável.

    2. Cada observação é uma linha; cada linha é uma observação.

    3. Cada valor é uma célula; cada célula é um valor único.

  • Considere esses dois exemplos de organização dos dados. Qual deles está no formato Tidy data

#>     Cidade 10/01/2024 11/01/2024 12/01/2024
#> 1   Manaus   24.40979   33.16763   30.23191
#> 2 Iranduba   32.08607   34.67771   44.72966
#> 3    Coari   35.98151   30.22783   40.26481
#> # A tibble: 9 × 3
#>   Cidade   Datas      Valores
#>   <chr>    <chr>        <dbl>
#> 1 Manaus   10/01/2024    24.4
#> 2 Manaus   11/01/2024    33.2
#> 3 Manaus   12/01/2024    30.2
#> 4 Iranduba 10/01/2024    32.1
#> 5 Iranduba 11/01/2024    34.7
#> 6 Iranduba 12/01/2024    44.7
#> 7 Coari    10/01/2024    36.0
#> 8 Coari    11/01/2024    30.2
#> 9 Coari    12/01/2024    40.3
  • Quando os dados são organizados dessa maneira (Tidy data), torna-se mais fácil realizar análises, manipulações e visualizações usando ferramentas como R e pacotes como tidyverse, que inclui pacotes como dplyr e ggplot2.

4 Pivotagem das bases de dados

  • Considere a base de dados temperatura a seguir:
#>     Cidade 10/01/2024 11/01/2024 12/01/2024
#> 1   Manaus   24.40979   33.16763   30.23191
#> 2 Iranduba   32.08607   34.67771   44.72966
#> 3    Coari   35.98151   30.22783   40.26481
  • Note que a base de dados é formada por 3 linhas e 4 colunas.

  • Nesse caso, os dados estão armazenados no formato “largo” (wide) - em que as características ou respostas dos sujeitos (Cidades) são colocadas em apenas uma linha.

  • Esse é um exemplo de dados “largo” (wide) que não adere aos padrões de dados “tidy”, pois os cabeçalhos das colunas (10/01/2024...) não representam, de fato, “variáveis” - eles representam valores de uma varíavel, nesse caso seria o dia em que a tempertura foi observada.

  • Essa variável será denominada por Data .

  • No contexto de análise de dados, é altamente recomendado colocar os dados nos padrões de dados “tidy”.

  • Para isso, podemos utilizar a função tidyr::pivot_longer() para transformar a base de dados em um formato mais longo, ou seja ,mais linhas que colunas.

(
  temp_longer  = tidyr::pivot_longer(
    temperatura_simulada,
    cols = !Cidade,# selecionar as colunas diferente de Cidade
    names_to = "Datas", # as colunas selecionadas serão os valores da variável Data
    values_to = "Valores" # As observações nas colunas selecionadas serão as observações da variável Valores
  )
)
#> # A tibble: 9 × 3
#>   Cidade   Datas      Valores
#>   <chr>    <chr>        <dbl>
#> 1 Manaus   10/01/2024    24.4
#> 2 Manaus   11/01/2024    33.2
#> 3 Manaus   12/01/2024    30.2
#> 4 Iranduba 10/01/2024    32.1
#> 5 Iranduba 11/01/2024    34.7
#> 6 Iranduba 12/01/2024    44.7
#> 7 Coari    10/01/2024    36.0
#> 8 Coari    11/01/2024    30.2
#> 9 Coari    12/01/2024    40.3
  • Para voltar para o formato wide, podemos utilizar a função tidyr::pivot_wider()
# Forma 1
(
  temp_wider = tidyr::pivot_wider(
    temp_longer,
    id_cols = Cidade, #coluna que identifica cada observação
    names_from = "Datas", # nome da coluna
    values_from = "Valores" # valores de cada coluna
  )
)
#> # A tibble: 3 × 4
#>   Cidade   `10/01/2024` `11/01/2024` `12/01/2024`
#>   <chr>           <dbl>        <dbl>        <dbl>
#> 1 Manaus           24.4         33.2         30.2
#> 2 Iranduba         32.1         34.7         44.7
#> 3 Coari            36.0         30.2         40.3

# Forma 2
(
  temp_wider = tidyr::pivot_wider(
    temp_longer,
    id_cols = Datas, #coluna que identifica cada observação
    names_from = "Cidade", # nome da coluna
    values_from = "Valores" # valores de cada coluna
  )
)
#> # A tibble: 3 × 4
#>   Datas      Manaus Iranduba Coari
#>   <chr>       <dbl>    <dbl> <dbl>
#> 1 10/01/2024   24.4     32.1  36.0
#> 2 11/01/2024   33.2     34.7  30.2
#> 3 12/01/2024   30.2     44.7  40.3

5 Pacote dplyr

  • dplyr é uma gramática de manipulação de dados, fornecendo um conjunto consistente de funções que ajudam a resolver os desafios mais comuns de manipulação de dados. As principais funções do dplyr são:

    • mutate()adiciona novas variáveis ​​que são funções de variáveis ​​existentes.

    • select()escolhe variáveis ​​com base em seus nomes.

    • filter()escolhe casos com base em seus valores.

    • slice() escolhe linhas.

    • summarise()reduz vários valores a um único resumo.

    • arrange()altera a ordem das linhas.

  • Tudo isto se combina naturalmente com group_by(), que permite realizar qualquer operação “por grupo”

  • Para aplicar essas funções, vamos simular a quantidade de casos de degue registrado no estado do Amazonas

dados_am = readRDS("../dados/dados_am") %>% as_tibble()
dados_am$n_dengue = c(rpois(30,1500),rpois(32,2500))
dados_am
#> # A tibble: 62 × 11
#>    GEOCODIGO NOME    UF    ID_UF REGIAO MESOREGIAO MICROREGIA LATITUDE LONGITUDE
#>        <dbl> <chr>   <chr> <dbl> <chr>  <chr>      <chr>         <dbl>     <dbl>
#>  1   1300201 Atalai… AM       13 Norte  SUDOESTE … ALTO SOLI…    -4.37     -70.2
#>  2   1301654 Guajará AM       13 Norte  SUDOESTE … JURUA         -7.55     -72.6
#>  3   1301803 Ipixuna AM       13 Norte  SUDOESTE … JURUA         -7.05     -71.7
#>  4   1300607 Benjam… AM       13 Norte  SUDOESTE … ALTO SOLI…    -4.38     -70.0
#>  5   1301407 Eirune… AM       13 Norte  SUDOESTE … JURUA         -6.66     -69.9
#>  6   1301506 Envira  AM       13 Norte  SUDOESTE … JURUA         -7.43     -70.0
#>  7   1302306 Jutaí   AM       13 Norte  SUDOESTE … ALTO SOLI…    -2.75     -66.8
#>  8   1303908 São Pa… AM       13 Norte  SUDOESTE … ALTO SOLI…    -3.38     -68.9
#>  9   1302108 Japurá  AM       13 Norte  NORTE AMA… JAPURA        -1.83     -66.6
#> 10   1303809 São Ga… AM       13 Norte  NORTE AMA… RIO NEGRO     -0.13     -67.1
#> # ℹ 52 more rows
#> # ℹ 2 more variables: SEDE <chr>, n_dengue <int>

5.1 Realocando

dados_am %>% relocate(GEOCODIGO,NOME,n_dengue) # realocando Colunas
#> # A tibble: 62 × 11
#>    GEOCODIGO NOME     n_dengue UF    ID_UF REGIAO MESOREGIAO MICROREGIA LATITUDE
#>        <dbl> <chr>       <int> <chr> <dbl> <chr>  <chr>      <chr>         <dbl>
#>  1   1300201 Atalaia…     1514 AM       13 Norte  SUDOESTE … ALTO SOLI…    -4.37
#>  2   1301654 Guajará      1529 AM       13 Norte  SUDOESTE … JURUA         -7.55
#>  3   1301803 Ipixuna      1506 AM       13 Norte  SUDOESTE … JURUA         -7.05
#>  4   1300607 Benjami…     1500 AM       13 Norte  SUDOESTE … ALTO SOLI…    -4.38
#>  5   1301407 Eirunepé     1455 AM       13 Norte  SUDOESTE … JURUA         -6.66
#>  6   1301506 Envira       1503 AM       13 Norte  SUDOESTE … JURUA         -7.43
#>  7   1302306 Jutaí        1483 AM       13 Norte  SUDOESTE … ALTO SOLI…    -2.75
#>  8   1303908 São Pau…     1448 AM       13 Norte  SUDOESTE … ALTO SOLI…    -3.38
#>  9   1302108 Japurá       1515 AM       13 Norte  NORTE AMA… JAPURA        -1.83
#> 10   1303809 São Gab…     1470 AM       13 Norte  NORTE AMA… RIO NEGRO     -0.13
#> # ℹ 52 more rows
#> # ℹ 2 more variables: LONGITUDE <dbl>, SEDE <chr>

5.2 Selecionando

dados_am %>% select(NOME,n_dengue) # selecionando Colunas
#> # A tibble: 62 × 2
#>    NOME                     n_dengue
#>    <chr>                       <int>
#>  1 Atalaia do Norte             1514
#>  2 Guajará                      1529
#>  3 Ipixuna                      1506
#>  4 Benjamin Constant            1500
#>  5 Eirunepé                     1455
#>  6 Envira                       1503
#>  7 Jutaí                        1483
#>  8 São Paulo de Olivença        1448
#>  9 Japurá                       1515
#> 10 São Gabriel da Cachoeira     1470
#> # ℹ 52 more rows
dados_am %>% select(NOME:MICROREGIA) 
#> # A tibble: 62 × 6
#>    NOME                     UF    ID_UF REGIAO MESOREGIAO          MICROREGIA   
#>    <chr>                    <chr> <dbl> <chr>  <chr>               <chr>        
#>  1 Atalaia do Norte         AM       13 Norte  SUDOESTE AMAZONENSE ALTO SOLIMOES
#>  2 Guajará                  AM       13 Norte  SUDOESTE AMAZONENSE JURUA        
#>  3 Ipixuna                  AM       13 Norte  SUDOESTE AMAZONENSE JURUA        
#>  4 Benjamin Constant        AM       13 Norte  SUDOESTE AMAZONENSE ALTO SOLIMOES
#>  5 Eirunepé                 AM       13 Norte  SUDOESTE AMAZONENSE JURUA        
#>  6 Envira                   AM       13 Norte  SUDOESTE AMAZONENSE JURUA        
#>  7 Jutaí                    AM       13 Norte  SUDOESTE AMAZONENSE ALTO SOLIMOES
#>  8 São Paulo de Olivença    AM       13 Norte  SUDOESTE AMAZONENSE ALTO SOLIMOES
#>  9 Japurá                   AM       13 Norte  NORTE AMAZONENSE    JAPURA       
#> 10 São Gabriel da Cachoeira AM       13 Norte  NORTE AMAZONENSE    RIO NEGRO    
#> # ℹ 52 more rows
dados_am %>% select(1:3)
#> # A tibble: 62 × 3
#>    GEOCODIGO NOME                     UF   
#>        <dbl> <chr>                    <chr>
#>  1   1300201 Atalaia do Norte         AM   
#>  2   1301654 Guajará                  AM   
#>  3   1301803 Ipixuna                  AM   
#>  4   1300607 Benjamin Constant        AM   
#>  5   1301407 Eirunepé                 AM   
#>  6   1301506 Envira                   AM   
#>  7   1302306 Jutaí                    AM   
#>  8   1303908 São Paulo de Olivença    AM   
#>  9   1302108 Japurá                   AM   
#> 10   1303809 São Gabriel da Cachoeira AM   
#> # ℹ 52 more rows
dados_am %>% select(-GEOCODIGO)
#> # A tibble: 62 × 10
#>    NOME        UF    ID_UF REGIAO MESOREGIAO MICROREGIA LATITUDE LONGITUDE SEDE 
#>    <chr>       <chr> <dbl> <chr>  <chr>      <chr>         <dbl>     <dbl> <chr>
#>  1 Atalaia do… AM       13 Norte  SUDOESTE … ALTO SOLI…    -4.37     -70.2 T    
#>  2 Guajará     AM       13 Norte  SUDOESTE … JURUA         -7.55     -72.6 T    
#>  3 Ipixuna     AM       13 Norte  SUDOESTE … JURUA         -7.05     -71.7 T    
#>  4 Benjamin C… AM       13 Norte  SUDOESTE … ALTO SOLI…    -4.38     -70.0 T    
#>  5 Eirunepé    AM       13 Norte  SUDOESTE … JURUA         -6.66     -69.9 T    
#>  6 Envira      AM       13 Norte  SUDOESTE … JURUA         -7.43     -70.0 T    
#>  7 Jutaí       AM       13 Norte  SUDOESTE … ALTO SOLI…    -2.75     -66.8 T    
#>  8 São Paulo … AM       13 Norte  SUDOESTE … ALTO SOLI…    -3.38     -68.9 T    
#>  9 Japurá      AM       13 Norte  NORTE AMA… JAPURA        -1.83     -66.6 T    
#> 10 São Gabrie… AM       13 Norte  NORTE AMA… RIO NEGRO     -0.13     -67.1 T    
#> # ℹ 52 more rows
#> # ℹ 1 more variable: n_dengue <int>

5.3 Ordenando

dados_am %>% arrange(NOME) # ordenando 
#> # A tibble: 62 × 11
#>    GEOCODIGO NOME    UF    ID_UF REGIAO MESOREGIAO MICROREGIA LATITUDE LONGITUDE
#>        <dbl> <chr>   <chr> <dbl> <chr>  <chr>      <chr>         <dbl>     <dbl>
#>  1   1300029 Alvarã… AM       13 Norte  CENTRO AM… TEFE         -3.22      -64.8
#>  2   1300060 Amaturá AM       13 Norte  SUDOESTE … ALTO SOLI…   -3.36      -68.2
#>  3   1300086 Anamã   AM       13 Norte  CENTRO AM… COARI        -3.58      -61.4
#>  4   1300102 Anori   AM       13 Norte  CENTRO AM… COARI        -3.77      -61.6
#>  5   1300144 Apuí    AM       13 Norte  SUL AMAZO… MADEIRA      -7.20      -59.9
#>  6   1300201 Atalai… AM       13 Norte  SUDOESTE … ALTO SOLI…   -4.37      -70.2
#>  7   1300300 Autazes AM       13 Norte  CENTRO AM… MANAUS       -3.58      -59.1
#>  8   1300409 Barcel… AM       13 Norte  NORTE AMA… RIO NEGRO    -0.975     -62.9
#>  9   1300508 Barrei… AM       13 Norte  CENTRO AM… PARINTINS    -2.79      -57.1
#> 10   1300607 Benjam… AM       13 Norte  SUDOESTE … ALTO SOLI…   -4.38      -70.0
#> # ℹ 52 more rows
#> # ℹ 2 more variables: SEDE <chr>, n_dengue <int>
dados_am_select = dados_am %>% arrange(NOME) %>% relocate(NOME,n_dengue)# ordenando

5.4 Filtro

dados_am_select %>% filter(n_dengue>1500) # filtro
#> # A tibble: 48 × 11
#>    NOME     n_dengue GEOCODIGO UF    ID_UF REGIAO MESOREGIAO MICROREGIA LATITUDE
#>    <chr>       <int>     <dbl> <chr> <dbl> <chr>  <chr>      <chr>         <dbl>
#>  1 Alvarães     1520   1300029 AM       13 Norte  CENTRO AM… TEFE          -3.22
#>  2 Anamã        2454   1300086 AM       13 Norte  CENTRO AM… COARI         -3.58
#>  3 Anori        2533   1300102 AM       13 Norte  CENTRO AM… COARI         -3.77
#>  4 Apuí         2427   1300144 AM       13 Norte  SUL AMAZO… MADEIRA       -7.20
#>  5 Atalaia…     1514   1300201 AM       13 Norte  SUDOESTE … ALTO SOLI…    -4.37
#>  6 Autazes      2559   1300300 AM       13 Norte  CENTRO AM… MANAUS        -3.58
#>  7 Barreir…     2453   1300508 AM       13 Norte  CENTRO AM… PARINTINS     -2.79
#>  8 Beruri       2526   1300631 AM       13 Norte  CENTRO AM… COARI         -3.90
#>  9 Boa Vis…     2538   1300680 AM       13 Norte  CENTRO AM… PARINTINS     -2.97
#> 10 Boca do…     1587   1300706 AM       13 Norte  SUL AMAZO… BOCA DO A…    -8.75
#> # ℹ 38 more rows
#> # ℹ 2 more variables: LONGITUDE <dbl>, SEDE <chr>
dados_am_select %>% filter(n_dengue>1500 & MESOREGIAO=="NORTE AMAZONENSE") #e
#> # A tibble: 4 × 11
#>   NOME      n_dengue GEOCODIGO UF    ID_UF REGIAO MESOREGIAO MICROREGIA LATITUDE
#>   <chr>        <int>     <dbl> <chr> <dbl> <chr>  <chr>      <chr>         <dbl>
#> 1 Japurá        1515   1302108 AM       13 Norte  NORTE AMA… JAPURA       -1.83 
#> 2 Maraã         1505   1302801 AM       13 Norte  NORTE AMA… JAPURA       -1.86 
#> 3 Novo Air…     2511   1303205 AM       13 Norte  NORTE AMA… RIO NEGRO    -2.62 
#> 4 Santa Is…     1550   1303601 AM       13 Norte  NORTE AMA… RIO NEGRO    -0.414
#> # ℹ 2 more variables: LONGITUDE <dbl>, SEDE <chr>
dados_am_select %>% filter(n_dengue>1500 | MESOREGIAO=="NORTE AMAZONENSE") # ou
#> # A tibble: 50 × 11
#>    NOME     n_dengue GEOCODIGO UF    ID_UF REGIAO MESOREGIAO MICROREGIA LATITUDE
#>    <chr>       <int>     <dbl> <chr> <dbl> <chr>  <chr>      <chr>         <dbl>
#>  1 Alvarães     1520   1300029 AM       13 Norte  CENTRO AM… TEFE         -3.22 
#>  2 Anamã        2454   1300086 AM       13 Norte  CENTRO AM… COARI        -3.58 
#>  3 Anori        2533   1300102 AM       13 Norte  CENTRO AM… COARI        -3.77 
#>  4 Apuí         2427   1300144 AM       13 Norte  SUL AMAZO… MADEIRA      -7.20 
#>  5 Atalaia…     1514   1300201 AM       13 Norte  SUDOESTE … ALTO SOLI…   -4.37 
#>  6 Autazes      2559   1300300 AM       13 Norte  CENTRO AM… MANAUS       -3.58 
#>  7 Barcelos     1476   1300409 AM       13 Norte  NORTE AMA… RIO NEGRO    -0.975
#>  8 Barreir…     2453   1300508 AM       13 Norte  CENTRO AM… PARINTINS    -2.79 
#>  9 Beruri       2526   1300631 AM       13 Norte  CENTRO AM… COARI        -3.90 
#> 10 Boa Vis…     2538   1300680 AM       13 Norte  CENTRO AM… PARINTINS    -2.97 
#> # ℹ 40 more rows
#> # ℹ 2 more variables: LONGITUDE <dbl>, SEDE <chr>
dados_am %>% slice(1:3) # selecionando as 3 primeiras linhas
#> # A tibble: 3 × 11
#>   GEOCODIGO NOME     UF    ID_UF REGIAO MESOREGIAO MICROREGIA LATITUDE LONGITUDE
#>       <dbl> <chr>    <chr> <dbl> <chr>  <chr>      <chr>         <dbl>     <dbl>
#> 1   1300201 Atalaia… AM       13 Norte  SUDOESTE … ALTO SOLI…    -4.37     -70.2
#> 2   1301654 Guajará  AM       13 Norte  SUDOESTE … JURUA         -7.55     -72.6
#> 3   1301803 Ipixuna  AM       13 Norte  SUDOESTE … JURUA         -7.05     -71.7
#> # ℹ 2 more variables: SEDE <chr>, n_dengue <int>

5.5 Modificando

dados_tx = dados_am_select %>% mutate(
  total_pop_municipio = c(rpois(30, 10000), rpois(32, 20000)),
  # simulando a pop total por município
  Taxa = (n_dengue / total_pop_municipio) * 1000
)
dados_tx
#> # A tibble: 62 × 13
#>    NOME     n_dengue GEOCODIGO UF    ID_UF REGIAO MESOREGIAO MICROREGIA LATITUDE
#>    <chr>       <int>     <dbl> <chr> <dbl> <chr>  <chr>      <chr>         <dbl>
#>  1 Alvarães     1520   1300029 AM       13 Norte  CENTRO AM… TEFE         -3.22 
#>  2 Amaturá      1494   1300060 AM       13 Norte  SUDOESTE … ALTO SOLI…   -3.36 
#>  3 Anamã        2454   1300086 AM       13 Norte  CENTRO AM… COARI        -3.58 
#>  4 Anori        2533   1300102 AM       13 Norte  CENTRO AM… COARI        -3.77 
#>  5 Apuí         2427   1300144 AM       13 Norte  SUL AMAZO… MADEIRA      -7.20 
#>  6 Atalaia…     1514   1300201 AM       13 Norte  SUDOESTE … ALTO SOLI…   -4.37 
#>  7 Autazes      2559   1300300 AM       13 Norte  CENTRO AM… MANAUS       -3.58 
#>  8 Barcelos     1476   1300409 AM       13 Norte  NORTE AMA… RIO NEGRO    -0.975
#>  9 Barreir…     2453   1300508 AM       13 Norte  CENTRO AM… PARINTINS    -2.79 
#> 10 Benjami…     1500   1300607 AM       13 Norte  SUDOESTE … ALTO SOLI…   -4.38 
#> # ℹ 52 more rows
#> # ℹ 4 more variables: LONGITUDE <dbl>, SEDE <chr>, total_pop_municipio <int>,
#> #   Taxa <dbl>

5.6 Resumindo

dados_tx %>% summarise(media_tx_am = mean(Taxa))
#> # A tibble: 1 × 1
#>   media_tx_am
#>         <dbl>
#> 1        150.
dados_tx %>% group_by(MESOREGIAO) %>% 
  summarise(media = mean(Taxa),
            variancia = var(Taxa),
            n = length(Taxa)) %>%
  arrange(n) %>%
  relocate(MESOREGIAO,n)
#> # A tibble: 4 × 4
#>   MESOREGIAO              n media variancia
#>   <chr>               <int> <dbl>     <dbl>
#> 1 NORTE AMAZONENSE        6  96.3     1056.
#> 2 SUL AMAZONENSE         10 153.      5218.
#> 3 SUDOESTE AMAZONENSE    16 123.      1503.
#> 4 CENTRO AMAZONENSE      30 174.      4335.

5.7 Outras funcionalidades

5.7.1 across

  • Aplicar uma função em várias colunas
dados_am = readRDS("../dados/dados_am") %>% as_tibble()
dados_am = dados_am %>%
  mutate(n_dengue = c(rpois(30, 1500), rpois(32, 2500)),
         n_malaria = c(rpois(30,2000),rpois(32,5000)),
         n_covid = c(rpois(30,1000),rpois(32,2000))
         ) %>% 
  relocate(n_dengue,n_malaria,n_covid)
dados_am
#> # A tibble: 62 × 13
#>    n_dengue n_malaria n_covid GEOCODIGO NOME       UF    ID_UF REGIAO MESOREGIAO
#>       <int>     <int>   <int>     <dbl> <chr>      <chr> <dbl> <chr>  <chr>     
#>  1     1539      2033     967   1300201 Atalaia d… AM       13 Norte  SUDOESTE …
#>  2     1453      1965     966   1301654 Guajará    AM       13 Norte  SUDOESTE …
#>  3     1543      2041    1000   1301803 Ipixuna    AM       13 Norte  SUDOESTE …
#>  4     1451      1948     992   1300607 Benjamin … AM       13 Norte  SUDOESTE …
#>  5     1556      2041     985   1301407 Eirunepé   AM       13 Norte  SUDOESTE …
#>  6     1459      1976    1035   1301506 Envira     AM       13 Norte  SUDOESTE …
#>  7     1521      1950     966   1302306 Jutaí      AM       13 Norte  SUDOESTE …
#>  8     1468      1923    1008   1303908 São Paulo… AM       13 Norte  SUDOESTE …
#>  9     1505      2020    1007   1302108 Japurá     AM       13 Norte  NORTE AMA…
#> 10     1499      2004    1038   1303809 São Gabri… AM       13 Norte  NORTE AMA…
#> # ℹ 52 more rows
#> # ℹ 4 more variables: MICROREGIA <chr>, LATITUDE <dbl>, LONGITUDE <dbl>,
#> #   SEDE <chr>
dados_am %>% summarise(across(
  .cols = c(n_dengue, n_malaria, n_covid),
  .fns = mean,
  na.rm = T
))
#> Warning: There was 1 warning in `summarise()`.
#> ℹ In argument: `across(...)`.
#> Caused by warning:
#> ! The `...` argument of `across()` is deprecated as of dplyr 1.1.0.
#> Supply arguments directly to `.fns` through an anonymous function instead.
#> 
#>   # Previously
#>   across(a:b, mean, na.rm = TRUE)
#> 
#>   # Now
#>   across(a:b, \(x) mean(x, na.rm = TRUE))
#> # A tibble: 1 × 3
#>   n_dengue n_malaria n_covid
#>      <dbl>     <dbl>   <dbl>
#> 1    2014.     3553.   1522.
dados_am %>% group_by(MESOREGIAO) %>%
  summarise(across(
    .cols = c(n_dengue, n_malaria, n_covid),
    .fns = mean,
    na.rm = T
  ))
#> # A tibble: 4 × 4
#>   MESOREGIAO          n_dengue n_malaria n_covid
#>   <chr>                  <dbl>     <dbl>   <dbl>
#> 1 CENTRO AMAZONENSE      2368      4604.   1872.
#> 2 NORTE AMAZONENSE       1660      2502.   1173 
#> 3 SUDOESTE AMAZONENSE    1499.     2003.    998.
#> 4 SUL AMAZONENSE         1987      3507.   1520.

5.7.2 where

  • No exemplo abaixo, calculamos a média das colunas do tipo inteiro.
dados_am %>% group_by(MESOREGIAO) %>%
  summarise(across(where(is.integer),
                   .fns = mean,
                   na.rm = T)
            )
#> # A tibble: 4 × 4
#>   MESOREGIAO          n_dengue n_malaria n_covid
#>   <chr>                  <dbl>     <dbl>   <dbl>
#> 1 CENTRO AMAZONENSE      2368      4604.   1872.
#> 2 NORTE AMAZONENSE       1660      2502.   1173 
#> 3 SUDOESTE AMAZONENSE    1499.     2003.    998.
#> 4 SUL AMAZONENSE         1987      3507.   1520.

5.7.3 rename

  • Renomear colunas
dados_am %>% rename(CIDADE = NOME)
#> # A tibble: 62 × 13
#>    n_dengue n_malaria n_covid GEOCODIGO CIDADE     UF    ID_UF REGIAO MESOREGIAO
#>       <int>     <int>   <int>     <dbl> <chr>      <chr> <dbl> <chr>  <chr>     
#>  1     1539      2033     967   1300201 Atalaia d… AM       13 Norte  SUDOESTE …
#>  2     1453      1965     966   1301654 Guajará    AM       13 Norte  SUDOESTE …
#>  3     1543      2041    1000   1301803 Ipixuna    AM       13 Norte  SUDOESTE …
#>  4     1451      1948     992   1300607 Benjamin … AM       13 Norte  SUDOESTE …
#>  5     1556      2041     985   1301407 Eirunepé   AM       13 Norte  SUDOESTE …
#>  6     1459      1976    1035   1301506 Envira     AM       13 Norte  SUDOESTE …
#>  7     1521      1950     966   1302306 Jutaí      AM       13 Norte  SUDOESTE …
#>  8     1468      1923    1008   1303908 São Paulo… AM       13 Norte  SUDOESTE …
#>  9     1505      2020    1007   1302108 Japurá     AM       13 Norte  NORTE AMA…
#> 10     1499      2004    1038   1303809 São Gabri… AM       13 Norte  NORTE AMA…
#> # ℹ 52 more rows
#> # ℹ 4 more variables: MICROREGIA <chr>, LATITUDE <dbl>, LONGITUDE <dbl>,
#> #   SEDE <chr>
  • Renomer várias colunas a partir de uma função.

  • No exemplo a seguir vamos colocar em capslk os nomes das colunas que contém a string “n_”

dados_am %>%
  rename_with(toupper,contains("n_")) 
#> # A tibble: 62 × 13
#>    N_DENGUE N_MALARIA N_COVID GEOCODIGO NOME       UF    ID_UF REGIAO MESOREGIAO
#>       <int>     <int>   <int>     <dbl> <chr>      <chr> <dbl> <chr>  <chr>     
#>  1     1539      2033     967   1300201 Atalaia d… AM       13 Norte  SUDOESTE …
#>  2     1453      1965     966   1301654 Guajará    AM       13 Norte  SUDOESTE …
#>  3     1543      2041    1000   1301803 Ipixuna    AM       13 Norte  SUDOESTE …
#>  4     1451      1948     992   1300607 Benjamin … AM       13 Norte  SUDOESTE …
#>  5     1556      2041     985   1301407 Eirunepé   AM       13 Norte  SUDOESTE …
#>  6     1459      1976    1035   1301506 Envira     AM       13 Norte  SUDOESTE …
#>  7     1521      1950     966   1302306 Jutaí      AM       13 Norte  SUDOESTE …
#>  8     1468      1923    1008   1303908 São Paulo… AM       13 Norte  SUDOESTE …
#>  9     1505      2020    1007   1302108 Japurá     AM       13 Norte  NORTE AMA…
#> 10     1499      2004    1038   1303809 São Gabri… AM       13 Norte  NORTE AMA…
#> # ℹ 52 more rows
#> # ℹ 4 more variables: MICROREGIA <chr>, LATITUDE <dbl>, LONGITUDE <dbl>,
#> #   SEDE <chr>