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 forcats

  • Os fatores em R são usados para representar variáveis categóricas, como grupos, categorias ou níveis.

  • Os fatores também são úteis para reordenar vetores de caracteres para melhorar a exibição.

  • O pacote forcats fornece funções para manipular eficientemente fatores, incluindo a reordenação de níveis, renomeação de níveis, criação de fatores ordenados e não ordenados, entre outros.

2.1 Fatores X Strings

  • Imagine que você tem uma variável que registra o mês:
x1 <- c("Dec", "Apr", "Jan", "Mar")
typeof(x1)
#> [1] "character"
  • Usar uma string para registrar esta variável tem dois problemas:

    • Existem apenas doze meses possíveis e não há nada que o salve de erros de digitação:

      x2 <- c("Dec", "Apr", "Jam", "Mar")
    • Não classifica de maneira útil:

      sort(x1)
      #> [1] "Apr" "Dec" "Jan" "Mar"
  • Você pode corrigir esses dois problemas utilizando fator. Para criar um fator você deve começar criando uma lista dos níveis válidos
(month_levels = month.abb)
#>  [1] "Jan" "Feb" "Mar" "Apr" "May" "Jun" "Jul" "Aug" "Sep" "Oct" "Nov" "Dec"
(y1 <- factor(x1, levels = month_levels))
#> [1] Dec Apr Jan Mar
#> Levels: Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
sort(y1)
#> [1] Jan Mar Apr Dec
#> Levels: Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
levels(y1)
#>  [1] "Jan" "Feb" "Mar" "Apr" "May" "Jun" "Jul" "Aug" "Sep" "Oct" "Nov" "Dec"
  • Se você omitir os níveis, eles serão ordenados em ordem alfabética:
factor(x1)
#> [1] Dec Apr Jan Mar
#> Levels: Apr Dec Jan Mar
  • Quaisquer valores que não estejam no nível serão convertidos para NA:
y2 <- factor(x2, levels = month_levels)
y2
#> [1] Dec  Apr  <NA> Mar 
#> Levels: Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec

2.2 Função fct()

  • Utilizando a função forcats::fct para criar fatores
forcats::fct(x1)
#> [1] Dec Apr Jan Mar
#> Levels: Dec Apr Jan Mar
forcats::fct(x1, levels = month_levels)
#> [1] Dec Apr Jan Mar
#> Levels: Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
forcats::fct(x2,levels = month_levels)

Error in `forcats::fct()`:
! All values of `x` must appear in `levels` or `na`
ℹ Missing level: "Jam"

2.3 Reordenamento de níveis - fct_relevel

# Criando um fator com os meses 
meses_ordenados = factor(month.abb,levels = month.abb)
meses_ordenados
#>  [1] Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
#> Levels: Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
# Reordenando os níveis para iniciar com "Domingo"
meses_reordenados <- fct_relevel(meses_ordenados, "Dec")
meses_reordenados
#>  [1] Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
#> Levels: Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov

2.4 Reordenamento de níveis - fct_infreq()

  • A função forcats::fct_infreq() permite reordenar o atributo levels de acordo com a frequência em que cada nível aparece no vetor (do nível mais frequente para o menos frequente).
frutas <- factor(c("Maçã", "Banana", "Laranja", "Pera", "Uva", "Banana", "Banana", "Laranja", "Maçã", "Maçã"))

# Reordenando os níveis com base na frequência
frutas_reordenadas <- forcats::fct_infreq(frutas)

# Verificando os níveis reordenados
levels(frutas_reordenadas)
#> [1] "Banana"  "Maçã"    "Laranja" "Pera"    "Uva"
table(frutas)
#> frutas
#>  Banana Laranja    Maçã    Pera     Uva 
#>       3       2       3       1       1

2.5 Reordenamento de níveis - fct_inorder()

  • Ordenar os níveis de um fator de acordo com a ordem da primeira aparição de cada nível
frutas <- factor(c("Maçã", "Banana", "Laranja", "Pera", "Uva", "Banana", "Banana", "Laranja", "Maçã", "Maçã"))

forcats::fct_inorder(frutas)
#>  [1] Maçã    Banana  Laranja Pera    Uva     Banana  Banana  Laranja Maçã   
#> [10] Maçã   
#> Levels: Maçã Banana Laranja Pera Uva

2.6 Reordenamento de níveis - fct_reorder()

  • Ordenar os níveis de seu fator de acordo com uma segunda variável.
library(forcats)

# Exemplo de dados com nomes de países e suas populações
paises <- c("Brasil", "China", "Estados Unidos", "Índia", "Indonésia")
populacao <- c(10, 50, 30, 40, 20)
factor(paises)
#> [1] Brasil         China          Estados Unidos Índia          Indonésia     
#> Levels: Brasil China Estados Unidos Índia Indonésia
# Criando um fator ordenado com os países, ordenados pela população
paises_ord <- forcats::fct_reorder(factor(paises), populacao)
paises_ord
#> [1] Brasil         China          Estados Unidos Índia          Indonésia     
#> Levels: Brasil Indonésia Estados Unidos Índia China
# Plotando um gráfico de barras da população dos países
barplot(sort(populacao), names.arg = levels(paises_ord), xlab = "País", ylab = "População", main = "População dos Países")

  • Ordenando através de uma estatística

produtos <- c("Produto A", "Produto B", "Produto C", "Produto D")
vendas <- c(1500, 2000, 1200, 1800)  # Total de vendas por produto
regiao <- c("Norte", "Sul", "Leste", "Oeste")  # Regiões fictícias
produto_regiao <- expand.grid(Produto = produtos, Regiao = regiao)
produto_regiao$Vendas <- sample(vendas, nrow(produto_regiao), replace = TRUE)

produto_regiao
#>      Produto Regiao Vendas
#> 1  Produto A  Norte   1500
#> 2  Produto B  Norte   1800
#> 3  Produto C  Norte   2000
#> 4  Produto D  Norte   1800
#> 5  Produto A    Sul   1800
#> 6  Produto B    Sul   2000
#> 7  Produto C    Sul   1500
#> 8  Produto D    Sul   1200
#> 9  Produto A  Leste   1500
#> 10 Produto B  Leste   1500
#> 11 Produto C  Leste   1800
#> 12 Produto D  Leste   1200
#> 13 Produto A  Oeste   1800
#> 14 Produto B  Oeste   1800
#> 15 Produto C  Oeste   1500
#> 16 Produto D  Oeste   1200
factor(produtos)
#> [1] Produto A Produto B Produto C Produto D
#> Levels: Produto A Produto B Produto C Produto D

produto_regiao %>%  
  mutate(teste_fact = forcats::fct_reorder(factor(Produto),Vendas,.fun = mean,.desc = F)) %>% pull(teste_fact) %>% levels()
#> [1] "Produto D" "Produto A" "Produto C" "Produto B"
  • Note que ele ordenou pela média de vendas
produto_regiao %>% 
  group_by(Produto) %>% 
  summarise(md = mean(Vendas)) %>% 
  arrange(md)
#> # A tibble: 4 × 2
#>   Produto      md
#>   <fct>     <dbl>
#> 1 Produto D  1350
#> 2 Produto A  1650
#> 3 Produto C  1700
#> 4 Produto B  1775

2.7 Modificando os níveis de um fator

  • A função forcats::fct_recode() é utilizada para renomear ou recodificar os níveis de um fator de acordo com um novo conjunto de valores.

  • Isso é útil quando você precisa alterar os rótulos dos níveis do fator para torná-los mais descritivos, agrupá-los ou simplificá-los.

clima <- c("Ensolarado", "Chuvoso", "Nublado", "Ensolarado", "Chuvoso", "Nublado", "Chuvoso", "Nublado")

# Criando um fator com os dados do clima
clima_fator <- factor(clima)

# Recodificando os níveis do fator clima
clima_recodificado <- forcats::fct_recode(clima_fator,
                                           "Ensolarado/Parcialmente Ensolarado" = "Ensolarado",
                                           "Chuvoso/Chuva" = "Chuvoso",
                                           "Nublado/Nublado com Possibilidade de Chuva" = "Nublado")

# Verificando os níveis recodificados
levels(clima_recodificado)
#> [1] "Chuvoso/Chuva"                             
#> [2] "Ensolarado/Parcialmente Ensolarado"        
#> [3] "Nublado/Nublado com Possibilidade de Chuva"