Abas

1- Operações Iniciais

library(dplyr)

# Usando o dataset mtcars e adicionando uma coluna categórica
data <- mtcars

# Criando uma nova coluna que categoriza os carros em Alta e Baixa potência
data$categoria_potencia <- ifelse(data$hp > 150, "Alta", "Baixa")

# Exibindo os primeiros registros do dataset modificado
head(data)
##                    mpg cyl disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
## Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1
##                   categoria_potencia
## Mazda RX4                      Baixa
## Mazda RX4 Wag                  Baixa
## Datsun 710                     Baixa
## Hornet 4 Drive                 Baixa
## Hornet Sportabout               Alta
## Valiant                        Baixa
# Ordenando os dados pelo consumo de combustível (mpg)
data <- data %>% arrange(desc(mpg))

# Exibindo os dados ordenados
head(data)
##                 mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## Toyota Corolla 33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
## Fiat 128       32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
## Honda Civic    30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
## Lotus Europa   30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
## Fiat X1-9      27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
## Porsche 914-2  26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
##                categoria_potencia
## Toyota Corolla              Baixa
## Fiat 128                    Baixa
## Honda Civic                 Baixa
## Lotus Europa                Baixa
## Fiat X1-9                   Baixa
## Porsche 914-2               Baixa

2- Database

# Carregando o pacote DT para exibição da tabela
library(DT)

# Criando uma tabela interativa com os dados manipulados
datatable(as.data.frame(data), options = list(pageLength = 5, autoWidth = TRUE))

3- Equações

1. Teorema de Pitágoras

\[ c^2 = a^2 + b^2 \]

2. Fórmula da Área do Círculo

\[ A = \pi r^2 \]

3. Equação de Schrödinger

\[ i\hbar\frac{\partial \psi}{\partial t} = -\frac{\hbar^2}{2m}\nabla^2\psi + V\psi \]

4. Transformada de Fourier

\[ \hat{f}(\xi) = \int_{-\infty}^{\infty} f(x) e^{-2\pi i \xi x} \,dx \]

5. Segunda Lei de Newton

\[ \mathbf{F} = m\mathbf{a} \]

4- Imagens

1. Imagem Local

Gráfico de Exemplo
Gráfico de Exemplo

2. Imagem da Web

Imagem da Web
Imagem da Web

5- Referências

  1. R Core Team. (2021). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria.
  2. Hadley Wickham. (2016). ggplot2: Elegant Graphics for Data Analysis. Springer-Verlag New York.
  3. W. N. Venables, D. M. Smith, and the R Core Team. (2021). An Introduction to R. Notes on R: A Programming Environment for Data Analysis and Graphics.
  4. Garrett Grolemund, Hadley Wickham. (2017). R for Data Science: Import, Tidy, Transform, Visualize, and Model Data. O’Reilly Media.
  5. J.J. Allaire, Yihui Xie, Jonathan McPherson, Javier Luraschi, Kevin Ushey, Aron Atkins, Hadley Wickham, Joe Cheng, Winston Chang. (2021). rmarkdown: Dynamic Documents for R. R package version 2.11.