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 Pacote stringr

  • Em R, uma string é uma sequência de caracteres.

  • Caracteres podem ser letras, números, espaços, pontuações ou qualquer outro símbolo.

  • A manipulação de strings é uma parte importante da análise de dados, especialmente quando trabalhamos com dados textuais

  • R oferece diversas funções e operadores para lidar com strings, e o pacote stringr é frequentemente utilizado para facilitar essas manipulações.

  • Ele oferece uma série de funções e operadores que simplificam tarefas comuns relacionadas a strings, tornando mais fácil extrair informações específicas, realizar manipulações e preparar dados textuais para análise.

2.1 Concatenando - str_c()

  • o pacote stringr nos oferece a função str_c(), como uma alternativa à função paste()
str_c("Mês", 1:12)
#>  [1] "Mês1"  "Mês2"  "Mês3"  "Mês4"  "Mês5"  "Mês6"  "Mês7"  "Mês8"  "Mês9" 
#> [10] "Mês10" "Mês11" "Mês12"
str_c("Mês", 1:12,sep=" ")
#>  [1] "Mês 1"  "Mês 2"  "Mês 3"  "Mês 4"  "Mês 5"  "Mês 6"  "Mês 7"  "Mês 8" 
#>  [9] "Mês 9"  "Mês 10" "Mês 11" "Mês 12"

2.2 Comprimento str_length()

nome  = c("gato","cachorro","leão")
str_length(nome)
#> [1] 4 8 4

2.3 Capitalização e espaços em branco

str_trim(): resolver excesso de espaço

str_to_upper() , str_to_lower()e str_to_title() :alterar a capitalização das letras

# Exemplo com excesso de espaço
string_com_espaco <- "   Exemplo com excesso de espaço   "

# Remover espaços em branco no início e no final
string_sem_espaco <- str_trim(string_com_espaco)
texto_minusculo <- "exemplo em minúsculas"

# Converter para maiúsculas
texto_maiusculo <- str_to_upper(texto_minusculo)
texto_maiusculo <- "EXEMPLO EM MAIÚSCULAS"

# Converter para minúsculas
texto_minusculo <- str_to_lower(texto_maiusculo)
# Exemplo com texto em minúsculas
texto_minusculo <- "exemplo de texto em minúsculas"

# Converter para título
texto_titulo <- str_to_title(texto_minusculo)

2.4 Extraindo partes de uma string -str_sub()

  • Para extrairmos partes de uma string, podemos utilizar a função str_sub(), que se baseia na posição dos caracteres que delimitam o intervalo que você deseja capturar.
# Carregar o pacote
library(stringr)

# Exemplo de uso do str_sub()
texto <- "Análise de Texto"

# Extrair os caracteres da posição 1 até a posição 7
(substring_resultado <- str_sub(texto, start = 1, end = 3))
#> [1] "Aná"

2.5 Dectando padrão - str_detect()

  • A função str_detect() do pacote é utilizada para verificar se um padrão está presente em uma ou mais strings
# Exemplo de uso do str_detect()
frutas <- c("maçã", "banana", "abacaxi", "laranja")

# Verificar se o padrão "na" está presente em cada elemento da string
(padrao_detectado <- str_detect(frutas, "na"))
#> [1] FALSE  TRUE FALSE FALSE

2.6 Substituindo partes de um texto

  • A função str_replace() é utilizada para substituir a primeira ocorrência de um padrão por outro em uma string
palavras <- c("arquivo", "estante", "livro", "estiagem",
              "dinheiro", "paz")

(palavras <- str_replace(palavras, "[aeiou]", "_"))
#> [1] "_rquivo"  "_stante"  "l_vro"    "_stiagem" "d_nheiro" "p_z"
  • Manipular uma lista de URLs
# Lista de URLs
urls <- c(
  "https://www.exemplo.com/pagina1",
  "https://www.exemplo.com/pagina2",
  "https://www.exemplo.com/pagina3"
)

# Novo domínio
novo_dominio <- "novodomínio"

# Substituir o domínio em todas as URLs
(urls_modificadas <- str_replace(urls, "exemplo", novo_dominio))
#> [1] "https://www.novodomínio.com/pagina1" "https://www.novodomínio.com/pagina2"
#> [3] "https://www.novodomínio.com/pagina3"
  • Se você deseja substituir todas as ocorrências de um padrão em uma string, use str_replace_all.
palavras <- c("arquivo", "estante", "livro", "estiagem",
              "dinheiro", "paz")

(palavras <- str_replace_all(palavras, "[aeiou]", "_"))
#> [1] "_rq__v_"  "_st_nt_"  "l_vr_"    "_st__g_m" "d_nh__r_" "p_z"

2.7 Dividindo strings - str_split()

data <- "15/02/2024"
str_split(data,"/") %>% unlist() # transformar no vetor
#> [1] "15"   "02"   "2024"
str_split(data,"/",simplify = T)
#>      [,1] [,2] [,3]  
#> [1,] "15" "02" "2024"

2.8 Extraindo correspondência de um texto

  • A função str_extract() é utilizada para extrair a primeira correspondência de um padrão em uma string. Para extrair todas as correspondências use str_extract_all()
vetor = c("O preço do produto é 2 reais. A validade é: jan/2024",
          "O preço do produto é 5 reais. A validade é: fev/2026")

str_extract(vetor,"[0-9]+")
#> [1] "2" "5"
str_extract_all(vetor,"[0-9]+",simplify = F)
#> [[1]]
#> [1] "2"    "2024"
#> 
#> [[2]]
#> [1] "5"    "2026"
  • [0-9]: Corresponde a qualquer dígito de 0 a 9. É uma classe de caracteres que representa todos os dígitos numéricos.

  • +: Indica que deve haver pelo menos um ou mais caracteres do conjunto [0-9] em sequência.

  • A expressão regular [0-9]+ irá corresponder a qualquer sequência de um ou mais dígitos numéricos em uma string