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:
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.
dplyr: Oferece funções para
manipulação eficiente de dados, facilitando a filtragem, seleção,
agrupamento, ordenação e resumo de conjuntos de dados.
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.
tibble: Introduz o conceito de
tibble, uma versão moderna de data frames, mais eficiente e fácil de
usar, seguindo os princípios de dados “tidy”.
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.
purrr: Facilita a aplicação de
funções em listas e vetores, proporcionando uma abordagem mais
consistente e funcional para operações em dados.
stringr: Fornece funções para
manipulação de strings de uma maneira mais intuitiva e consistente do
que as funções base do R.
forcats: Especializado na
manipulação de fatores, permitindo ajustar facilmente os níveis e
rótulos dos fatores.
Para carregar todos esses pacotes utilize
library(tidyverse)
stringrEm 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.
str_c()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"
str_length()nome = c("gato","cachorro","leão")
str_length(nome)
#> [1] 4 8 4
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)
str_sub()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"
str_detect()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
str_replace() é utilizada
para substituir a primeira ocorrência de um padrão por outro em uma
stringpalavras <- c("arquivo", "estante", "livro", "estiagem",
"dinheiro", "paz")
(palavras <- str_replace(palavras, "[aeiou]", "_"))
#> [1] "_rquivo" "_stante" "l_vro" "_stiagem" "d_nheiro" "p_z"
# 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"
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"
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"
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