Lembremos que o R é uma linguagem funcional de alto nível direcionada a objetos. E o que isso quer dizer? Vimos que é funcional por ser implementada a partir de um roteiro de comandos (funções), mas o que seria de alto nível? Isso diz respeito ao papel de intermediação que a linguagem realiza com o sistema binário que o seu chip entende. Ao invés de exigir que você reproduza uma linguagem binária, o R (como outras linguagens) permite que você implemente uma linguagem acessível e ele mesmo faz o trabalho pesado. Evidentemente, que isso não significa que o R não tenha suas regras e estrutura, mas é muito mais simples que aprender binário.
Certo, mas por que isso é relevante? Por que a linguagem tem funções pré-configuradas (R base) e também está aberta a elaboração de outras pelos desenvolvedores.
Assim, a linguagem é modular por que é composta por pacotes de bibliotecas (packages) e um módulo básico com funcionalidade necessária para análises estatísticas e matemáticas mais comuns. E se você acabou de se perguntar a respeito dos demais pacotes, tenho uma ótima notícia: existem literalmente milhares de bibliotecas (pacotes), que foram construídas para os mais diversos fins e ramos científicos. A comunidade R é vibrante e gigantesca.
Se ficou um pouco confuso: os Pacotes (packages) são conjuntos de funções (ou seja, de comandos), que também podem guardar dados em diferentes formatos. Normalmente, o início de nosso aprendizado fazemos uso de datasets salvos em formato de pacote. São exemplos fictícios de banco de dados, que o usuário carrega com o comando library() e utiliza para testar/aprender os comandos mais usuais na linguagem R.
Vamos tentar? Carregue o pacote datasets, que contém diversos banco de dados. Como o pacote já vem instalado com o R Base, basta tornar as funções disponíveis para uso nesta sessão específica com o comando/função library():
E como seria se o pacote não estivesse instalado? Neste caso, você precisa usar a função install.packages() e, após a instalação, utilizar a função library() para tornar as funções disponíveis. E a resposta é sim! Você precisa carregar cada biblioteca/pacote sempre que iniciar suas análises. Por este motivo, é usual que o cabeçalho do script tenha todas as libraries que você irá precisar na sua análise. Para praticar, tente você. Carregue o pacote RColorBrewer para uso. Spoiler: Provavelmente, ele não está instalado na sua máquina.
E por fim, voltando àquela definição: a linguagem é voltada a objetos. O que é isso? Aqui é a referência de que a programação é orientada para objetos, isto é, tudo o que é criado no ambiente do R (sejam gráficos, análises, números, documentos, data-frames, funções, endereços web …) são efetivamente objetos - e olha que facilidade: estarão todos no seu global environment.
A linha de comando do R (painel abaixo à esquerda) só admite que o usuário encaminhe um comando de cada vez. É o próprio software R incorporado no R Studio. Ele aparece com o símbolo > quando está pronto para receber um comando. Há outras duas situações, que são de execução e de espera.
Para a situação de execução, não há nenhum sinal na linha de comando e não é possível inserir nenhum comando. Isso pode ser notado quando o código demanda um esforço computacional relevante, que acaba demorando. É bem simples de perceber esta situação, pois o R Studio cria um ícone de stop em forma de placa de trânsito que surge no alto direito do painel do console.
Tente você colando este código no seu console (spoiler: ele tem um erro):
Já o estado de espera ocorre quando o usuário envia um comando incompleto. O R, então, retorna um símbolo de adição + na própria linha de comando. Tente executar a primeira linha do código abaixo e espere. Depois insira a segunda linha. O resultado será igual ao que aparece na terceira linha.
Quando inserimos uma função de raiz quadrada sem fechar o parênteses, surge a inconsistência e o console retorna com o sinal de espera (+), considerando que há algo incompleto. Caso você digite o parêntese faltante e mande executar com a tecla enter, o resultado da raiz surge como um número e a linha de comando volta a estar disponível como mostra o sinal (>) na última linha.
Mas veja, dificilmente nós optamos por inserir a informação faltante diretamente no console, já que o script permaneceria errado. Assim, quando surgir o sinal de espera, use a tecla esc para sair da espera e corrija o código.
Há algumas regras na estrutura da linguagem R.
todas as funções precedem parênteses ex. read.csv()
todos os objetos são criados nomeando à esquerda do símbolo <- , que é uma seta formada pelo símbolo de menor e um hífen. Tente criar um objeto com seu nome:
Neste exemplo, ao utilizar a função conjunto, eu criei um objeto chamado unifesp que vai guardar o valor numérico 10. Não se preocupe com os valores, somente perceba a estrutura, pois ela que irá se repetir. Após, a segunda linha de comando pede para o R informar o conteúdo do objeto unifesp e o resultado é o numeral 10.
Perceba, você pode dar qualquer nome para o conjunto com o numeral 10!!! Eu pedi que usasse seu nome para perceber que qualquer palavra ou texto que venha antes de <- é o nome do objeto que foi criado e está guardado no seu global environment. Esta ação de criar um objeto no global environment é chamada de assignment.
Obs. Você também poderá criar objetos (assignment) usando o símbolo de igual (=), entretanto, é recomendável que não faça. Pode gerar muita confusão no seu código e no seu desenvolvimento posterior, pois o símbolo de igual = é utilizado para atribuir valores aos argumentos das funções.
Obs.2 Você não deve utilizar as chamadas reserved words para nomear seus objetos. Isso por que o R reserva uma série de nomes para suas próprias funções e argumentos ex. você não poderá criar um objeto chamado NULL, NA, false, if, else, repeat, for, function …. Há uma lista delas, que você encontra executando o código abaixo - mas não se preocupe que não precisa decorar.
As funções (algoritmos) apresentam argumentos dos mais diferentes, conforme a finalidade para a qual elas foram construídas. Um exemplo tornará isso claro:
A função de cálculo da raiz quadrada só dispõe de um argumento, que é o valor ao qual desejamos calcular e vem representado por x. Como só há um argumento, é desnecessário escrevermos x = 2, por exemplo; basta sqrt(2) para termos o resultado.
Já a função logaritmo tem dois argumentos, a base e o logaritmando. Também não haveria necessidade de escrevermos x = e base =, bastando manter a ordenação dos argumentos na função e separando os argumentos por vírgula, que o R entenderá. Entretanto, as melhores práticas recomendam que indique os nomes dos argumentos na função. Isso se torna mais comum, pois existem funções com dezenas de argumentos!
E lembre-se, a função help() trará o vignette com a descrição de todos os argumentos da função que deseja conhecer! Viu como você irá usar com frequência!? Em suma, podemos perceber uma estrutura de sintaxe básica como:
função (argumento1 = valor, argumento2 = valor, …).
qualquer_nome <- atributos_do_objeto_criado
Quando você der o comando q(), o R irá iniciar o fechamento do programa. Mas isso nos ajuda a entender conceitos importantes: a área virtual, a sessão e o diretório de trabalho ( workspace).
Ao iniciar o R, você irá iniciar uma sessão. E o diretório de trabalho é aquele endereço (local ou externo) onde o R irá buscar ou armazenar arquivos. Para verificar qual é o seu diretório de trabalho você pode usar o comando:
getwd()
Caso queira alterar este diretório, use a função:
setwd()
Dessa maneira, a sessão sempre será iniciada vinculada a um workspace! Sempre tenha isso em mente ao salvar seus arquivos ou buscá-los. Tudo o que você fizer: de cálculos e análises estatísticas a gráficos, imagens e banco de dados tudo estará no seu working directory (wd)
Mas veja, quando você sai do R (comando q() ou pelo Idle Rstudio) será questionado se deseja gravar o seu working directory. Ainda que não tenha produzido arquivos .jpeg, .xls, .csv, .txt etc, você pode salvar os objetos que guardam seus avanços na análise. Ou seja, é possível gravar todos os objetos do seu Global Environment em um arquivo do tipo .RData. Você poderá carregar este arquivo a qualquer momento que desejar e continuar suas análises.
Note que o Script só é um arquivo texto com comandos em disposição sequencial. Portanto, não guarda nenhum dos objetos que você trabalhou. Repetindo para fixar: O script (arquivo no formato .R) e o Global Environment (arquivo no formato .RData) devem ser salvos separadamente!
Por vezes você terá muitos objetos em seu environment e ao invés de ficar procurando na barra de rolagem do painel, usará a função:
ls()
Outra função são recorrente quanto help() é a utilizada para apagar objetos do seu environment. Para isso você deve usar:
rm()
Obs. Lembre-se que ao criar os objetos, você não gravou o workspace em seu disco rígido! Esta tudo na memória RAM e desaparece automaticamente caso você feche sem salvar (inclusive, crash por falta de memória ou mesmo chutar uma tomada!). Por este motivo é importante gravar periodicamente seu workspace.
save.image() # grava o workspace como “.RData”
save.image(file=“qualquer_nome.RData”) # gravará o workspace com nome dado “qualquer_nome.RData”
Mais um lembrete! Caso não dê um nome, possivelmente o arquivo ficará em sua pasta de arquivos ocultos!
Retomamos a ideia de linguagem aqui, para diferenciar dos idiomas humanos. Enquanto um pequeno erro não costuma gerar grandes problemas de compreensão para uma conversa entre amigos, caso você cometa um pequeno equívoco na linguagem R, sua mensagem será incompreensível (ou compreendida de maneira diversa da pretendida) pelo software.
Mas nem tudo são problemas! O R retorna uma mensagem de erro sempre que acontecer isso. E basta que você leia (embora seja mais comum que copiar o erro e colar na barra de busca do google) para identificar onde errou. Tente copiar os exemplos abaixo em seu R Studio para ver os resultados.
Há outros casos em que o R retorna um resultado, mas possivelmente não era o que você esperaria. Nestes casos, o console retorna um resultado com uma (ou mais) mensagem de alerta (warning).
## Warning in log(-5): NaNs produzidos
## [1] NaNO R aceita uma grande quantidade de tipos de objetos e isso é uma das forças da linguagem. Mas acaba sendo difícil apresentar cada um dos tipos por este mesmo motivo.
Mas vejamos alguns tipos mais comuns:
Caso você não soubesse nada a respeito da sintaxe do R, muito provavelmente não teria dificuldade em usar seu console como uma calculadora para operações matemáticas simples.
O R em sua forma mais básica pode ser uma calculadora, obedecendo os seguintes operadores:
| Operadores | Símbolos | Exemplos |
|---|---|---|
| Adição | + | 5 + 3 = 8 |
| Subtração | - | 5 - 2 = 3 |
| Multiplicação | * | 2 * 3 = 6 |
| Divisão | / | 10 / 5 = 2 |
| Exponenciação | ^ | 2 ^ 3 = 8 |
| Divisão SEM resto | %% | 17 %% 3 = 5 |
Obs. Divisão sem resto: Caso você deseje obter somente o valor de uma divisão desconsiderando os valores decimais, basta usar os símbolos.
Bom, mas caso você usasse o R só como calculadora, não iria atribuir um nome ao resultado da operação matemática (ou seja, não iria criar um objeto).
Atenção aqui: Haverá dois usos para o termo variável. O primeiro deles será um sinônimo para coluna em um data frame. Isso fica mais claro se você lembrar que as linhas de um banco de dados fazem referência aos valores de cada observação. Por exemplo, caso eu deseje construir um banco de dados com as respostas do CENSO 2022. Serão milhões de linhas correspondendo cada uma a um entrevistado. As colunas deste mesmo data frame serão as variáveis de interesse (ou seja, as perguntas feitas pelo CENSO). As células em que há o match da linha com a coluna, obviamente, serão preenchidas com o conjunto de respostas de cada cidadão às perguntas feitas pelo entrevistador, por exemplo, a primeira coluna poderia ser a variável “idade”, a segunda “renda”, e assim por diante. Ainda iremos nos reverir à variável enquanto objeto no R. Iremos cambiar entre os significados, mas não se preocupe que com o tempo você se acostumará.
Vamos dar mais um passo e abandonar a calculadora. O R também permite o armazenamento de valores como ‘objetos’, descritos por um nome. Uma vez criado, o objeto fica disponível para o restante do script e fica no Environment. Então, vamos criar uma variável (objeto) e atribuir um valor a ele. Criando a variável “U”, eu atribui (<-) o valor numérico 100. Neste exemplo, eu crei um vetor atômico (atomic vector), pois ele tem tamanho unitário.
Podemos ‘imprimir’ o conteúdo de uma variável no console, meramente digitando seu nome e teclando enter:
Outra opção é utilizar a função print, que existe em diversas linguagens, para imprimir:
Se você se perguntou quando usar cada opção, a resposta é um pouco esquiva. Você verá no futuro que a depender do caso é preciso explicitar a função print para que o código funcione. O exemplo mais corriqueiro é a ação de chamar a variável dentro de funções ou encadeamentos. Mas, por enquanto, só tenha em mente que existem ambas possibilidades.
Talvez você tenha se perguntado, será que conseguiria somar objetos? Ótima notícia, sim. Dentro da sintaxe aceita, você pode indicar os nomes das variáveis ao invés de lançar valores. Veja o exemplo:
Vamos deixar as coisas mais interessantes. Podemos intercalar objetos e valores em operações diversas, e armazenar seu resultado em uma nova variável. Veja os exemplos:
Obs. Observe a variável (objeto) “V3”. Há diversos parênteses, certo? Talvez você já tenha se dado conta, mas as regras para uso de parênteses no R em operações matemáticas é similar às da aritmética do lápis e borracha. Ou seja, primeiro são executados os comandos internos e depois os mais externos. A execução é “de fora para dentro”. E bônus track: A regra vale para qualquer operação do seu script! Ou seja, aplicação para quaisquer funções e não somente operações matemáticas.
Certo, até agora trabalhamos com vetores atômicos (atomic vector), que são objetos que têm tamanho unitário (e, portanto, também assumem só uma classe). Para os fins desta aula introdutória, vale citar os exemplos de vetores atômicos numéricos (numeric), lógicos (logical) ou de caracteres (character). Tente criar objetos destes tipos.
Perceba que ao final do seu código, unifesp assumiu um valor em string (character): “universidade”. Mas e os vetores numérico e lógico que você acabou de criar? Onde foram parar?
Como o seu script é uma sequência ordenada de ordens, quando você atribuiu novos valores nas linhas subsequentes, o objeto unifesp foi reescrito. Lembre-se: O R irá processar exatamente tudo que está em seu script, linha por linha, palavra por palavra. A única exceção é quando uma parte do código está precedida pelo símbolo de hashtag (#). Como vimos, trata-se de um “comentário”, que deve ser feito para documentar as razões do que está ali naquela linha.
(I). Você pode verificar a classe de um objeto ao repousar o cursor do mouse sobre a variável no “Global Environment”, mas se acostume a utilizar a função class(). Há diferença quando você deseja saber e quando você precisa informar ao código para executar algum comando somente em uma classe específica de objetos.
(II). A linguagem é case sensitive!!!. Um objeto chamado “B” é diferente de um objeto chamado “b”. Noutras palavras, caso desejássemos guardar os valores 10, TRUE e “universidade” no nosso Environment, seria preciso nomear diferentemente. A contrario sensu, portanto, poderíamos alterar somente um caractere da palavra unifesp para mantermos todos os valores armazenados.
Agora você terá três objetos diferentes! Em poucas palavras, unifesp é um objeto e Unifesp é outro, uniFESP é outro ainda. Parece evidente, mas este é um dos principais motivos de erro nos primeiros scripts que você mandar executar.
Tente ver a classe de cada vetor atômico criado. É auto-explicativo.
Por vezes precisamos criar um objeto vazio, que receberá informações em alguma reiteração de comandos. É bem comum criarmos um objeto vazio, que irá receber linhas de maneira repetida e formarão um data-frame ao final. Veremos isso mais a frente com calma, por enquanto saibam que existe e que é útil.
Note que o comando NULL difere dos outros dois, pois para ele não há nenhum valor assinalado. Já para NA ou NaN pode até existir um valor atribuído, mas este não é “usável”. Vejamos alguns exemplos:
Em suma, o NA (not avaliable) geralmente aponta para um valor faltante missing value, admitindo diversas formas conforme a classe do dado, por exemplo, NA_interger, NA_real, NA_string etc. No exemplo do código abaixo, eu criei um objeto y, com valores atribuídos de 1 e 2. Quando solicito para o R me retornar o terceiro elemento do conjunto, ele dará como resposta Not Avaliable, já que não existe este terceiro elemento.
Ao passo que o NaN (Not A Number) geralmente tem propósitos algébricos. Assim, NaN é a resposta do R a operações inexistentes para números reais, por exemplo, divisão de zero por zero. Já a divisão de um número qualquer por zero, retorna o resultado de infinito (Inf)
Além de vetores com um único valor, por óbvio, você poderá criar vetores com tamanho não unitário. Ou seja, agora iremos criar um conjunto, que é a função que permite atribuir vários valores a um objeto, sejam eles numéricos, lógicos, caracteres …
Para isso, usamos a função c()
unifesp <- c(10, 100, 3.72, 500, 0, 200.10)
Unifesp <- c(TRUE, FALSE, TRUE, F, T)
uniFESP <- c("universidade", "federal", "1000")
unifesp
Unifesp
uniFESPCaso você execute novamente a função class(), vai perceber que os objetos mantiveram suas classes. Mas há alguns detalhes que merecem sua atenção:
Amanhã continuamos com mais sobre objetos em R: Lembre-se, a linguagem direcionada a objetos! Vamos falar de outros objetos que derivam dos vetores atômicos, especialmente de data-frames. Falaremos também sobre algunmas funções que são importantes recursos para o programador.