Aprendemos o uso dos operadores em R no último encontro, agora, fazendo uso deste conhecimento, iremos construir cláusulas condicionais “if”, “else” e “else if”. Elas são instrumentos fundamentais para a construção de funções e algoritmos, já que controlam o fluxo de comandos de nosso código!
Antes de mais nada, lembram que podemos usar a função Help para esclarecer quaisquer dúvidas, certo? Para o caso da programação de execuções condicionais, há ainda um resumo agregado que pode ser acessado por meio do seguinte comando:
?Control
Certo, agora vejamos um exemplo simples para começar.
# imprima aprovado, a não ser que discente tenha valor menor que seis.
discente <- 4.5
if(discente > 6) {
print("aprovado.")
} else {
print("Discente não aprovado.")
}A cláusula condicional if deve obedecer o comando que aparece entre os (parênteses). Já o resultado, caso a (condição) seja satisfeita, dá-se conforme a instrução colocada dentro das {chaves}. Ou seja, o comando será atendido caso a cláusula seja verdadeira!!! (agora fica mais fácil compreender por que razão há o operador lógico ! [“não”], já que a cláusula precisa ser verdadeira, quando desejamos a negativa desta cláusula, fazemos uso do operador lógico negando. Por exemplo, x != 0 | x != z).
Uma boa prática a ser seguida é iniciar as chaves após fecharmos o parênteses e fecharmos as chaves na linha seguinte ao fim das instruções.
if (condição) {
instruções
}
Outra boa prática é “identar” o código da cláusula, ou seja, desalinhar o conteúdo das instruções do restante do seu código. Mas não se preocupe, pois, diferentemente de outras linguagens (como é o caso do Python e do HTML), R não requer identação para funcionar.
Spoiler: Se você pressionar a tecla “enter” após a abertura das chaves ou ao término da instrução, o RStudio identará automaticamente seu texto.
Vamos trabalhar com tranquilidade neste momento, não se preocupe. Outro exemplo pode ajudar a tornar isso ainda mais claro. Imagine que você está trabalhando novamente com os dados das eleições brasileiras de 2022 e precisa automatizar quais candidatos a deputado estadual foram eleitos e quais não foram. Imaginando que fosse somente um o coeficiente, você sabe qual é o número de votos necessários para ganhar uma cadeira, qual seja: 15.000 votos.
Então você prepara este pequeno algoritmo.
Ok, você já consegue criar e preencher uma coluna com a informação dos que foram eleitos. Mas, neste caso, não haveria nenhuma informação nas células daqueles que não foram eleitos. Assim, você pode elaborar um outro algortimo que dê conta dos casos em que a cláusula não foi atendida.
votos <- 15000
if (votos > 15000){
situacao <- "candidato eleito"
} else {
situacao <- "candidato não eleito"
}
print(situacao)Você percebeu o que fizemos? Usamos na sequência do comando if, o comando else. Caso tenhamos somente uma condição (unidimensional condition), só precisamos usar if. Caso desejemos também prever a alternativa a esta condição, usamos o else.
Obs. Quero somente pontuar outra coisa. Você talvez se lembre, que podemos alcançar um resultado de várias maneiras no R e que isso se deve ao grande número de pacotes existentes. Pois bem, estamos aprendendo aqui o R base e você ainda verá pacotes com maior celeridade na análise computacional. Estes têm cláusulas condicionais com alguma variação nesta estrutura - já que a regra é não ter mais de um comando com o mesmo nome. No próximo encotro já veremos isso, no pacote tidyverse. Neste momento, basta que saiba disso.
É possível alocar uma cláusula dentro de outra, estabelecendo uma árvore de condições. Não é raro que você queira criar variáveis a partir de condições relacionadas e costuma fazer isso no papel sulfite. Assim, não precisa se preocupar, pois com o tempo você irá fazer algoritmos cada vez mais complexos. Lembre-se que isso é mais uma questão de lógica do que saber como programar em R - caso tenha dificuldade, faça uso do papel e depois copie para a estrutura do R base.
Vejamos agora o else if, que é utilizado quando queremos colocar duas ou mais condições intercaladas. Você pode usar uma série de else if concatenados com um if e um else.
votos <- 250
if (votos > 15000){
situacao <- "candidato eleito"
} else if (votos > 8000 & votos <= 15000){
situacao <- "candidato suplente"
} else {
situacao <- "candidato não eleito"
}
print(situacao)Perceba o que fizemos. Agora usamos três cláusulas condicionais intercaladas, onde a primeira if traz a condição inicial, a segunda else if uma segunda condição e para a terceira cláusula else ficam todos os demais casos não previstos nas duas primeiras. Lembre-se disso: else será utilizado para abarcar todas as situações não abarcadas pelas cláusulas if e else if.
Considere outro exemplo:
numero <- 100
if(numero <= 100) {
print("menor ou igual a 100")
} else if(numero < 999) {
print("menor que 999")
}Neste exemplo, o else não será executado, já que o if já teve sua condição satisfeita. Grosso modo, entende o else como um “do contrário”. Resumindo, os blocos de else e else if só irão ser executados pelo R, caso não tiverem tido condições anteriores antendidas. Olhe o oposto, para fixar melhor.
numero <- 100
if(numero <= 100){
print("menor ou igual a 100")
}
if(numero < 999) {
print("menor que 999");
}Veja que com dois if, o R irá executar ambos os comandos. Isso, pois, são duas condições independentes.
Agora que você já viu a ferramenta de programação condicional, vamos ver como o R trabalha com repetição de tarefas.
Especialmente no começo, você copiará e colará partes do seu código com um pequeno ajuste de cada vez. Mas saiba que você irá abandonar este procedimento gradativamente - e na velocidade com que se torna mais familiarizado com os loops. Nós evitamos copiar e colar um mesmo trecho do código mais do que duas vezes - esta é outra boa prática que ajuda você a evitar:
Ao invés disso, portanto, procure sempre fazer uso de loops de repetição. Mesmo que você não consiga no começo, ter essa meta facilita sua trajetória. Em pouco tempo terá um código enxuto e elegante.
Pois bem, então invés de repetir uma tarefa até alcançar determinada condição (como aprendemos antes), você queira repetir uma tarefa por um número já conhecido de vezes. Por exemplo, você queira colocar lançar na planilha do RH, 900 reais de vale alimentação para os 30 funcionários de sua empresa; ou você queira lançar um dado 30 vezes e obter o resultado. Em todos estes casos, uma alternativa é utilizar a função for para criar um loop.
Diferentemente das cláusulas condicionais, que funcionam como: “enquanto ocorrer x, faça y”; agora as ideias de loop funcionam como: “para todo elemento de a (todo i em a), faça algo até b”. O for loop é uma ferramenta simples que funciona por meio da iteração (iteration), que nada mais é que a repetição de um mesmo código para diferentes valores de entrada armazenados numa variável (vetor/objeto) de entrada.
Veja como ficaria no exemplo abaixo:
# Para todo número k entre 1 e 5, imprima este número. Ou lendo de outra maneira, "para cada k de 1 até 5, faça"
for (k in 1:5){
print(k)
}O funcionamento do for loop é variar o elemento “k” a cada iteração do código - de acordo com a ordem estabelecida. Veja como fica o mesmo código, agora com a ordem invertida.
# Para todo número k entre 1 e 5, imprima este número. Ou lendo de outra maneira, "para cada k de 1 até 5, faça"
for (k in 1:-5){
print(k)
}Certo, vamos tornar as coisas um pouco mais úteis agora. Imagine que você deseja calcular a média de diferentes variáveis de um certo banco de dados (data.frame). Como sabemos, as variáveis estão nas colunas deste banco de dados e cada linha é um indivíduo/observação. Assim, vamos fazer uso de um banco de dados que o R já tem pré-carregado para que seja utilizado para fins didáticos. E vamos supor que desejamos saber a média total de homicídios, a média populacional e a média da taxa de homicídios (todas calculadas abaixo).
install.packages("dslabs")
library(dslabs) # carregando a biblioteca já instalada
data(murders) # executando a função data, para o objeto murders
#selecionando algumas colunas para minha análise. Boa prática: renomear o objeto original.
murders2 <- cbind(murders, taxa = murders$total / murders$population * 100000)
mean(murders2$total)
mean(murders2$population)
mean(murders2$taxa)Qual é o problema com esse código? Aparentemente nenhum, já que conseguimos os resultados. Mas agora imagine repetir o cálculo da média para 15 variáveis diferentes. Pois é por isso que fazemos uso dos loops. E, novamente: mesmo que você tenda a executar um código mais longo e repetitivo no começo, com o tempo vai produzir seus próprios loops.
numeric_cols = c("total", "population", "taxa")
for(var in numeric_cols) { # para todo elemento do objeto "var"
print(mean(murders[[var]])) # imprima a sua média
}Agora, vamos associar um for loop a uma condição.
# Para cada i elemento de 1 até 42, desde que i seja ímpar, imprima i.
for (i in 1:25){
if((i %% 2) != 0){ # caso o resto da divisão de i por 2 não seja 0, temos um número ímpar
print(i)
}
}Embora tenhamos trabalhado com vetores numéricos até agora, o for loop pode ser executado também com outras classes de vetores. Basta colocar após o “in” dentro do parênteses o vector que desejar. Vejamos um exemplo:
# Para cada i elemento de 1 até 42, desde que i seja ímpar, imprima i.
cores <- c("roxo", "vermelho", "verde", "azul", "amarelo")
for (aquarela in cores){
print(aquarela)
}Veja outra coisa. A estrutura do for ppermite que você nomeie o termo que precede o “in” como bem entender. No caso de elemento numérico, costumamos usar uma letra. Para o exemplo acima, para fins didáticos dei o nome de aquarela para o objeto.
Em suma, loops resolvem problemas onde devemos repetir procedimentos variando apenas um índice. Com o tempo você aprenderá a usar os loops com maior facilidade e agilidade. Eles economizam um tempo precioso, já que conseguimos automatizar tarefas ou deixamos o script mais enxuto quando deixamos de repetir o mesmo comando inúmeras vezes.
Quando quisermos utilizar uma regra condicional e um loop de repetição, podemos fazer uso de uma ferramenta ainda mais simples. O while loop realiza uma série de repetições, conforme uma condição e a partir de um estado inicial. Assim, a estrutura se encerra com a instrução para que o R realize uma repetição enquanto a condição estiver satisfeita.
Vamos tentar traduzir essa sintaxe agora para a linguagem R. Preciso que o R compreenda que ele deve “imprimir” o número que desejo, sempre somado de uma unidade, partindo de 1 até 27. Portanto, minha condição será: enquanto houver variável no registro inferior a 27, realize a soma. Note bem que eu determinei o início do loop por meio da indicação do objeto registro valendo 1, antes do while loop.
# determino o início
registro <- 1
# começa o while
while (registro <= 27) {
print(registro)
registro <- registro + 1
}Fazendo a tradução para o idioma português: enquanto o registro for menor ou igual a 27, imprima e some uma unidade. Neste sentido, a estrutura de um while loop é sempre:
“enquanto” (condição), “faça” (instrução).
Resumindo, então, a estrutura do while: - estado inicial - condição (‘regra de quebra’) - instrução
Agora, podemos pontuar um elemento fundamental de todo loop: o uso do comando break. Na medida em que o R obedece aos nossos comandos, caso ordenemos que ele realize uma iteração em que a condição nunca será satisfeita, o programa não irá cessar. Por isso, duas práticas são aconselhadas:
Especificar as ‘regras de quebra’: o critério de parada (condição entre parênteses) deve ser atendido em algum ponto do processamento do seu algoritmo (while loop) para que haja a interrupção.
Ficar atenta(o) ao especificar as regras, pois enunciar errado uma regra/condição que nunca se encerra, pode acarretar com que o R feche a sessão por falta de memória (‘out of memory’).
Obs. Um erro comum desta espécie é esquecer que a condição inicial será alterada a cada iteração (a palavra é sem o “n”)!
[condicional + while] Agora, vamos colocar uma cláusula condicional aninhada com o while loop. E faremos isso repetindo o que fizemos antes para o for, para armazenarmos somente os números ímpares.
# determino o início
registro <- 1
# Começa o while
while (registro <= 15) {
if ((registro %% 2) != 0){
print(registro)
}
registro <- registro + 1
}Como antes, agora o código está todo integrado, já que o condicional está no interior do loop. Repetindo o que havia dito: Este é mais um problema de lógica do que de sintaxe da linguagem de programação. Faça no papel antes de passar à linha de comando. Você verá que em breve fará seus scripts com bastante elegância, robustez e velocidade computacional.
Nós já discutimos a ideia de função em outro encontro. Falamos que função deve ser entendida como uma série de comandos/regras, ou seja, um “passo a passo” para o R executar. Vimos também que as funções em R obedecem à estrutura “nome_da_função(atributos_da_função)”, bem como, apresentamos algumas funções do R base.
Agora, vamos aprender como criar nossas próprias funções/algoritmos, que podem ser extremamente úteis no desenvolvimento de nossas pesquisas/análises. Vamos começar com algo simples.
Neste primeiro exemplo, eu desenhei um algoritmo chamado “potenciacao”, que irá solicitar um número de entrada e irá oferecer o seu resultado elevado ao cubo. O exemplo é simples para que percebam a sintaxe da expressão. Para criarmos uma função customizada, temos o comando function. Este irá exigir três informações: 1) dentro dos parênteses será a informação que irá ser avaliada e, portanto, muda a cada iteração; 2) dentro das chaves estará ‘o que a função faz’. 3) Além disso, precisamos colocar ao final do código, dentro das chaves, o argumento return(): que define qual o resultado da função. Vejamos outro exemplo:
calcular_z = function(coordenada) {
z = (coordenada - mean(coordenada)) / sd(coordenada)
return(z)
}Neste exemplo, a função “calcular_z” foi desenhada para aplicar o cálculo de normalização de variáveis. Dentro das chaves, a variável “coordenada” é subtraída de sua média e dividida por seu desvio padrão.
Perceba que, em ambos os casos, a função poderá ser aplicada em qualquer variável, uma vez que tenha sido criada como um objeto do R. Ao invés de ter que redigir toda a fórmula “cubo” ou “calcular_z” a cada vez que queira utilizar, agora posso simplesmente utilizar as funções customizadas que criei: potenciacao() e calcular_z().
Evidentemente que estamos trabalhando com algoritmos simples para que entendam a lógica e estrutura da função customizada. Mas saibam que conforme suas análises apresentem repetições e encadeamentos excessivos, você poderá desenhar um algoritmo que atenda as suas necessidades.
Para terminar, tente você: