Exercícios - Aula 2 – Vetores, Matrizes, Dataframes e Listas

Autor

Prof. Marcelo Ribeiro

6. Exercícios

Orientação

Construam um script em R com as resoluções dos exercícios e salvem esse arquivo em uma pasta pessoal.

6.1 Exercícios sobre vetores

Exercício 1 – Sequências, operações e seleção

Crie um vetor chamado exercicio1 contendo a sequência de números pares de 2 a 20.

Depois:

Adicione 3 a todos os elementos desse vetor.
Multiplique esse vetor por 5.
Imprima o primeiro elemento desse vetor.
Imprima os últimos 3 elementos desse vetor.
Crie um novo vetor chamado final1 que tenha apenas os primeiros 5 elementos do vetor exercicio1 após as manipulações.

Exercício 2 – Vetores e números pares

Crie um vetor com os números de 1 a 100 e selecione apenas os números pares.

Exercício 3 – Valores ausentes

Considere o vetor abaixo e calcule a média ignorando os valores ausentes.

valores <- c(10, 20, NA, 40, NA, 50)

6.2 Exercícios sobre matrizes

Exercício 4 – Criando e transpondo matrizes

Crie uma matriz 3x3 com os números de 1 a 9 e calcule sua transposta.

6.3 Exercícios sobre dataframes

Comentário do professor

Nos exercícios a seguir, vamos usar um dataframe chamado alunos, que simula informações de alunos de um curso.

Exercício 5 – Explorando a estrutura do dataframe

Utilize funções úteis para avaliar a estrutura do dataframe alunos e gerar um resumo de seu conteúdo.

Exercício 6 – Acessando nomes por linha

Quais os nomes dos alunos nas linhas 3 e 4 do dataframe? Responda com um vetor para que a resposta seja avaliada corretamente.

Exercício 7 – Maior nota

Qual a maior nota entre os alunos?

Exercício 8 – Contando alunos por condição

Quantos alunos têm 25 anos ou mais?

Dica: as funções length(), sum() ou nrow() podem ser úteis.

Exercício 9 – Bolsistas abaixo da média

Liste os alunos que são bolsistas e tiveram nota abaixo da média.

Dica: não precisamos calcular e guardar a média antes, embora essa seja uma solução possível.

Exercício 10 – Alunos aprovados

Considere que a média para aprovação nessa faculdade é 6.5. Crie um novo dataframe apenas com os alunos aprovados.

Exercício 11 – Alunos em recuperação

Vamos supor que os alunos que tiverem notas até 2 pontos abaixo da média de aprovação e não conseguiram a média para passar podem ficar de recuperação no fim do semestre.

Considere que a média de aprovação é 6.5. Crie um dataframe apenas com os alunos em recuperação.

Exercício 12 – Adicionando novo aluno

Agora vamos adicionar um novo aluno ao nosso dataframe de alunos. Utilize a seguinte lista que descreve o novo aluno e junte ao dataframe alunos.

novo_aluno <- list(
  nome = "Jonas",
  idade = 19,
  curso = "Historia",
  nota = 7.8,
  bolsista = FALSE,
  uf = "ES"
)

Exercício 13 – Criando coluna com cursos de humanas

Agora vamos adicionar mais uma característica dos alunos.

Crie um vetor que diga se os alunos são de cursos de humanas. Para isso, considere que são de humanas os cursos de Historia, Filosofia e Sociologia.

O vetor resultante deve ter valor TRUE para alunos desses cursos e FALSE para alunos de outros cursos. Depois, junte esse vetor como uma nova coluna no dataframe alunos.

Exercício 14 – Criando e filtrando dataframe

Crie um dataframe com nome, idade e nota de quatro alunos. Depois, filtre apenas os alunos com nota maior ou igual a 7.

6.4 Exercícios sobre listas

Exercício 15 – Criando lista

Crie uma lista contendo o dataframe alunos, o vetor de notas e uma mensagem de texto.

--- title: "Exercícios - Aula 2 – Vetores, Matrizes, Dataframes e Listas" author: "Prof. Marcelo Ribeiro" format: html: toc: true toc-location: left number-sections: false theme: cosmo css: estilo.css page-layout: full code-fold: false code-tools: true df-print: paged self-contained: true html-math-method: mathjax lang: pt-BR editor: visual --- ## 6. Exercícios ::: {.callout-important title="Orientação"} Construam um *script* em R com as resoluções dos exercícios e salvem esse arquivo em uma pasta pessoal. ::: ### 6.1 Exercícios sobre vetores ::: {.callout-important title="Exercício 1 – Sequências, operações e seleção"} Crie um vetor chamado `exercicio1` contendo a sequência de números pares de 2 a 20. Depois: 1. Adicione 3 a todos os elementos desse vetor. 2. Multiplique esse vetor por 5. 3. Imprima o primeiro elemento desse vetor. 4. Imprima os últimos 3 elementos desse vetor. 5. Crie um novo vetor chamado `final1` que tenha apenas os primeiros 5 elementos do vetor `exercicio1` após as manipulações. ::: ```{r} #| include: false exercicio1 <- seq(2, 20, by = 2) exercicio1 <- exercicio1 + 3 exercicio1 <- exercicio1 * 5 exercicio1[1] tail(exercicio1, 3) final1 <- exercicio1[1:5] final1 ``` ::: {.callout-important title="Exercício 2 – Vetores e números pares"} Crie um vetor com os números de 1 a 100 e selecione apenas os números pares. ::: ```{r} #| include: false numeros <- 1:100 numeros_pares <- numeros[numeros %% 2 == 0] numeros_pares ``` ::: {.callout-important title="Exercício 3 – Valores ausentes"} Considere o vetor abaixo e calcule a média ignorando os valores ausentes. ```r valores <- c(10, 20, NA, 40, NA, 50) ``` ::: ```{r} #| include: false valores <- c(10, 20, NA, 40, NA, 50) mean(valores, na.rm = TRUE) ``` ### 6.2 Exercícios sobre matrizes ::: {.callout-important title="Exercício 4 – Criando e transpondo matrizes"} Crie uma matriz 3x3 com os números de 1 a 9 e calcule sua transposta. ::: ```{r} #| include: false matriz_exercicio <- matrix(1:9, ncol = 3, byrow = TRUE) matriz_exercicio t(matriz_exercicio) ``` ### 6.3 Exercícios sobre dataframes ::: {.callout-note title="Comentário do professor"} Nos exercícios a seguir, vamos usar um dataframe chamado `alunos`, que simula informações de alunos de um curso. ::: ```{r} #| include: false alunos <- data.frame( nome = c( "Maria", "Pedro", "Lucas", "Carla", "Ana", "João", "Fernanda", "Bruno", "Camila", "Rafael" ), idade = c(20, 22, 19, 21, 25, 27, 24, 18, 26, 23), curso = c( "Historia", "Matematica", "Filosofia", "Biologia", "Sociologia", "Fisica", "Historia", "Quimica", "Filosofia", "Matematica" ), nota = c(8.5, 6.0, 7.2, 5.9, 9.1, 4.8, 6.4, 7.9, 5.0, 6.8), bolsista = c(TRUE, FALSE, TRUE, FALSE, TRUE, FALSE, TRUE, FALSE, TRUE, FALSE), uf = c("SP", "RJ", "MG", "BA", "PR", "RS", "ES", "SC", "PE", "GO") ) ``` ::: {.callout-important title="Exercício 5 – Explorando a estrutura do dataframe"} Utilize funções úteis para avaliar a estrutura do dataframe `alunos` e gerar um resumo de seu conteúdo. ::: ```{r} #| include: false str(alunos) dim(alunos) nrow(alunos) ncol(alunos) names(alunos) summary(alunos) ``` ::: {.callout-important title="Exercício 6 – Acessando nomes por linha"} Quais os nomes dos alunos nas linhas 3 e 4 do dataframe? Responda com um vetor para que a resposta seja avaliada corretamente. ::: ```{r} #| include: false alunos$nome[c(3, 4)] ``` ::: {.callout-important title="Exercício 7 – Maior nota"} Qual a maior nota entre os alunos? ::: ```{r} #| include: false max(alunos$nota) ``` ::: {.callout-important title="Exercício 8 – Contando alunos por condição"} Quantos alunos têm 25 anos ou mais? Dica: as funções `length()`, `sum()` ou `nrow()` podem ser úteis. ::: ```{r} #| include: false sum(alunos$idade >= 25) ``` ::: {.callout-important title="Exercício 9 – Bolsistas abaixo da média"} Liste os alunos que são bolsistas e tiveram nota abaixo da média. Dica: não precisamos calcular e guardar a média antes, embora essa seja uma solução possível. ::: ```{r} #| include: false alunos[alunos$bolsista == TRUE & alunos$nota < mean(alunos$nota), ] ``` ::: {.callout-important title="Exercício 10 – Alunos aprovados"} Considere que a média para aprovação nessa faculdade é 6.5. Crie um novo dataframe apenas com os alunos aprovados. ::: ```{r} #| include: false alunos_aprovados <- alunos[alunos$nota >= 6.5, ] alunos_aprovados ``` ::: {.callout-important title="Exercício 11 – Alunos em recuperação"} Vamos supor que os alunos que tiverem notas até 2 pontos abaixo da média de aprovação e não conseguiram a média para passar podem ficar de recuperação no fim do semestre. Considere que a média de aprovação é 6.5. Crie um dataframe apenas com os alunos em recuperação. ::: ```{r} #| include: false alunos_recuperacao <- alunos[ alunos$nota >= 4.5 & alunos$nota < 6.5, ] alunos_recuperacao ``` ::: {.callout-important title="Exercício 12 – Adicionando novo aluno"} Agora vamos adicionar um novo aluno ao nosso dataframe de alunos. Utilize a seguinte lista que descreve o novo aluno e junte ao dataframe `alunos`. ```r novo_aluno <- list( nome = "Jonas", idade = 19, curso = "Historia", nota = 7.8, bolsista = FALSE, uf = "ES" ) ``` ::: ```{r} #| include: false novo_aluno <- list( nome = "Jonas", idade = 19, curso = "Historia", nota = 7.8, bolsista = FALSE, uf = "ES" ) novo_aluno_df <- data.frame(novo_aluno) alunos <- rbind(alunos, novo_aluno_df) alunos ``` ::: {.callout-important title="Exercício 13 – Criando coluna com cursos de humanas"} Agora vamos adicionar mais uma característica dos alunos. Crie um vetor que diga se os alunos são de cursos de humanas. Para isso, considere que são de humanas os cursos de `Historia`, `Filosofia` e `Sociologia`. O vetor resultante deve ter valor `TRUE` para alunos desses cursos e `FALSE` para alunos de outros cursos. Depois, junte esse vetor como uma nova coluna no dataframe `alunos`. ::: ```{r} #| include: false curso_humanas <- alunos$curso %in% c("Historia", "Filosofia", "Sociologia") alunos$curso_humanas <- curso_humanas alunos ``` ::: {.callout-important title="Exercício 14 – Criando e filtrando dataframe"} Crie um dataframe com nome, idade e nota de quatro alunos. Depois, filtre apenas os alunos com nota maior ou igual a 7. ::: ```{r} #| include: false alunos_exemplo <- data.frame( nome = c("Maria", "Pedro", "Lucas", "Carla"), idade = c(20, 22, 19, 21), nota = c(8.5, 6.0, 7.2, 5.9) ) alunos_exemplo alunos_exemplo[alunos_exemplo$nota >= 7, ] ``` ### 6.4 Exercícios sobre listas ::: {.callout-important title="Exercício 15 – Criando lista"} Crie uma lista contendo o dataframe `alunos`, o vetor de notas e uma mensagem de texto. ::: ```{r} #| include: false lista_alunos <- list( dados = alunos, notas = alunos$nota, mensagem = "Lista criada com sucesso" ) lista_alunos ```