O uso de condição é utilizada em diversas linguagens, inclusive o R. Declarando condições podemos economizar tempo e processamento.
Se quisermos que o R execute uma determinada função de acordo com uma determinada condição utilizo o comando if (), caso queremos que ele execute outra função se a condição for falsa executo o comando else (). Vamos considerar o seguinte, vamos criar uma variável e verificar ela com uma determinada condição.
# Forma 01
num <- 12
if(num < 10) {
print("Menor que 10")
} else("Maior ou igual a 10")## [1] "Maior ou igual a 10"# Forma 02
num.1 <- 8
if(num.1 > 8) {
print("Maior que 8")
} else if(num.1 == 8) {
print("Igual a 8")
} else {
print("Menor que 8")
}## [1] "Igual a 8"# Forma 03
num.3 <- c(1,3,5,7,9)
ifelse(num.3 > 4, "Maior que 4", "Menor ou igual a 4")## [1] "Menor ou igual a 4" "Menor ou igual a 4" "Maior que 4"
## [4] "Maior que 4" "Maior que 4"Neste tópico iremos trabalhar com funções dos pacotes “dplyr” e “tidyr”. Tais pacotes são bastante conhecidos pela comunidade que trabalha com R, possuem diversas funções importantes para a manipulação de dataframes e tibbles. Instale-os e carregue-os.
# Instalando pacotes
install.packages("dplyr", dependencies = TRUE)## Installing package into '/home/jean/R/x86_64-pc-linux-gnu-library/3.5'
## (as 'lib' is unspecified)## also installing the dependencies 'RMySQL', 'RPostgreSQL'## Warning in install.packages("dplyr", dependencies = TRUE): installation of
## package 'RMySQL' had non-zero exit status## Warning in install.packages("dplyr", dependencies = TRUE): installation of
## package 'RPostgreSQL' had non-zero exit statusinstall.packages("tidyr", dependencies = TRUE)## Installing package into '/home/jean/R/x86_64-pc-linux-gnu-library/3.5'
## (as 'lib' is unspecified)# Carregando pacotes
library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(tidyr)A primeira função que utilizaremos é a função filter() do pacote “dplyr”. Tal função serve para filtrar observações.
# Vamos criar um dataframe.
alunos <- data.frame(
nome = c("Maria", "Rebeca", "Gabriela", "Roberto", "Mateus", "Gustavo", "Tatiane", "Isaque"),
sexo = c("feminino", "feminino", "feminino", "masculino", "masculino", "masculino", "feminino", "masculino"),
graduacao = c("Farmácia", "Farmácia", "Nutrição", "Química", "Física", "Química", "Biotecnologia", "Biotecnologia"),
fumante = c(TRUE, TRUE, FALSE, TRUE, FALSE, FALSE, FALSE, TRUE),
altura = c(1.65, 1.7, 1.65, 1.80, 1.73, 1.75, 1.68, 1.71),
idade = c(18, 19, 23, 22, 20, 19, 25, 26),
peso = c(50, 65, 52, 70, 75, 63, 62, 70),
renda = c(2, 3, 1, 2, 2, 4, 4, NA)
)Essa função é parecida com a do subset(), porém, com a função filter() podemos usar com outras funções.
# Filtrando as observações com a altura maior que 1.7
filter(alunos, altura > 1.7)## nome sexo graduacao fumante altura idade peso renda
## 1 Roberto masculino Química TRUE 1.80 22 70 2
## 2 Mateus masculino Física FALSE 1.73 20 75 2
## 3 Gustavo masculino Química FALSE 1.75 19 63 4
## 4 Isaque masculino Biotecnologia TRUE 1.71 26 70 NA# Filtrando as observações com altura maior que 1.6 e são do sexo feminino
filter(alunos, altura > 1.6 & sexo == "feminino")## nome sexo graduacao fumante altura idade peso renda
## 1 Maria feminino Farmácia TRUE 1.65 18 50 2
## 2 Rebeca feminino Farmácia TRUE 1.70 19 65 3
## 3 Gabriela feminino Nutrição FALSE 1.65 23 52 1
## 4 Tatiane feminino Biotecnologia FALSE 1.68 25 62 4A função filter() também se encontra no pacote stats (pacote básico do R), assim, certifique-se que esteja carregando o pacote certo ou utilize a sintaxe dplyr::filter() para ter certeza de que está usando a função certa.
# Pacote::função
dplyr::filter(alunos, altura > 1.6 & sexo == "feminino")## nome sexo graduacao fumante altura idade peso renda
## 1 Maria feminino Farmácia TRUE 1.65 18 50 2
## 2 Rebeca feminino Farmácia TRUE 1.70 19 65 3
## 3 Gabriela feminino Nutrição FALSE 1.65 23 52 1
## 4 Tatiane feminino Biotecnologia FALSE 1.68 25 62 4A função select() que também está no pacote “dplyr” é utilizada para selecionar variáveis do nosso objeto.
# Selecionando variáveis.
select(alunos, nome, altura, peso)## nome altura peso
## 1 Maria 1.65 50
## 2 Rebeca 1.70 65
## 3 Gabriela 1.65 52
## 4 Roberto 1.80 70
## 5 Mateus 1.73 75
## 6 Gustavo 1.75 63
## 7 Tatiane 1.68 62
## 8 Isaque 1.71 70# Selecionando variáveis que terminam com "e".
select(alunos, ends_with("e"))## nome fumante idade
## 1 Maria TRUE 18
## 2 Rebeca TRUE 19
## 3 Gabriela FALSE 23
## 4 Roberto TRUE 22
## 5 Mateus FALSE 20
## 6 Gustavo FALSE 19
## 7 Tatiane FALSE 25
## 8 Isaque TRUE 26# Selecionando variáveis que contêm "da".
select(alunos, contains("da"))## idade renda
## 1 18 2
## 2 19 3
## 3 23 1
## 4 22 2
## 5 20 2
## 6 19 4
## 7 25 4
## 8 26 NA# Selecionando da quinta coluna até a oitava coluna
select(alunos, c(5:8))## altura idade peso renda
## 1 1.65 18 50 2
## 2 1.70 19 65 3
## 3 1.65 23 52 1
## 4 1.80 22 70 2
## 5 1.73 20 75 2
## 6 1.75 19 63 4
## 7 1.68 25 62 4
## 8 1.71 26 70 NADiversas vezes queremos criar uma nova variável em que essa tal variável envolve outras variáveis.
alunos.2 <- mutate(alunos, imc = (peso/(altura)^2))Que tal renomearmos o nome de alguma variável? Podemos renomear nossas variáveis utilizando a função rename() que também é do pacote “dplyr”
rename(alunos,
altura.m = altura,
peso.kg = peso,
renda.sm = renda
)## nome sexo graduacao fumante altura.m idade peso.kg renda.sm
## 1 Maria feminino Farmácia TRUE 1.65 18 50 2
## 2 Rebeca feminino Farmácia TRUE 1.70 19 65 3
## 3 Gabriela feminino Nutrição FALSE 1.65 23 52 1
## 4 Roberto masculino Química TRUE 1.80 22 70 2
## 5 Mateus masculino Física FALSE 1.73 20 75 2
## 6 Gustavo masculino Química FALSE 1.75 19 63 4
## 7 Tatiane feminino Biotecnologia FALSE 1.68 25 62 4
## 8 Isaque masculino Biotecnologia TRUE 1.71 26 70 NAUtilizamos o pipe (%>%) quando queremos fazer operações múltiplas em sequências. Para uso do pipes é necessário carregar o pacote “magrittr”. Supondo que precisamos fazer várias operações (selecionar, cumarizar, filtrar, …) para que o código não fique confuso podemos utilizar pipes, fica mais fácil para entendeermos o que estamos fazendo.
# Sem pipes
select(filter(alunos.2, imc >= 25), nome, graduacao, imc)## nome graduacao imc
## 1 Mateus Física 25.05931# Com pipes
alunos.2 %>%
filter(imc >= 25) %>%
select(nome, graduacao, imc)## nome graduacao imc
## 1 Mateus Física 25.05931# Indicamos o objeto que queremos usar a função filter() depois, sobre o resultado aplicamos a função select().Se por exemplo desejo saber a média do peso do grupo feminino e masulino.
alunos %>%
group_by(sexo) %>%
summarise(media = mean(peso))## # A tibble: 2 x 2
## sexo media
## <fct> <dbl>
## 1 feminino 57.2
## 2 masculino 69.5# Vamos colocar uma variável indicando o desvio padrão e outra indicando a quantidade de observações por sexo.
alunos %>%
group_by(sexo) %>%
summarise(media = mean(peso), d.peso = sd(peso), total = n())## # A tibble: 2 x 4
## sexo media d.peso total
## <fct> <dbl> <dbl> <int>
## 1 feminino 57.2 7.37 4
## 2 masculino 69.5 4.93 4Muitas vezes nos deparamos com valores faltantes, então, informamos à função para não levar em consideração esses valores (NA).
alunos %>%
group_by(sexo) %>%
summarise(media.p = mean(peso),
media.a = mean(altura),
media.r = mean(renda, na.rm = TRUE),
total = n()
)## # A tibble: 2 x 5
## sexo media.p media.a media.r total
## <fct> <dbl> <dbl> <dbl> <int>
## 1 feminino 57.2 1.67 2.5 4
## 2 masculino 69.5 1.75 2.67 4Diversas vezes precisamos ordenar nossos dados, para isso vamos utilizar a função arrange () do pacote “dplyr”.
# Ordenando de forma decrescente o objeto "alunos" através da variável idade.
alunos %>%
arrange(desc(idade))## nome sexo graduacao fumante altura idade peso renda
## 1 Isaque masculino Biotecnologia TRUE 1.71 26 70 NA
## 2 Tatiane feminino Biotecnologia FALSE 1.68 25 62 4
## 3 Gabriela feminino Nutrição FALSE 1.65 23 52 1
## 4 Roberto masculino Química TRUE 1.80 22 70 2
## 5 Mateus masculino Física FALSE 1.73 20 75 2
## 6 Rebeca feminino Farmácia TRUE 1.70 19 65 3
## 7 Gustavo masculino Química FALSE 1.75 19 63 4
## 8 Maria feminino Farmácia TRUE 1.65 18 50 2# Agrupando por sexo e ordenando pela idade.
alunos %>%
group_by(sexo) %>%
arrange(desc(idade), .by_group = TRUE)## # A tibble: 8 x 8
## # Groups: sexo [2]
## nome sexo graduacao fumante altura idade peso renda
## <fct> <fct> <fct> <lgl> <dbl> <dbl> <dbl> <dbl>
## 1 Tatiane feminino Biotecnologia FALSE 1.68 25 62 4
## 2 Gabriela feminino Nutrição FALSE 1.65 23 52 1
## 3 Rebeca feminino Farmácia TRUE 1.7 19 65 3
## 4 Maria feminino Farmácia TRUE 1.65 18 50 2
## 5 Isaque masculino Biotecnologia TRUE 1.71 26 70 NA
## 6 Roberto masculino Química TRUE 1.8 22 70 2
## 7 Mateus masculino Física FALSE 1.73 20 75 2
## 8 Gustavo masculino Química FALSE 1.75 19 63 4# Note que informei ".by_grupo = TRUE" para poder ordenar primeiro o "feminino" para depois o "masculino"Muitas vezes precisamos combinar variáveis. Para tal, utilizaremos a função bind_cols().
# De início crio outro dataframe com o mesmo número de linhas.
complemento <- data.frame(
nome = c("Maria", "Rebeca", "Gabriela", "Roberto", "Mateus", "Gustavo", "Tatiane", "Isaque"),
tipo.sang = c("A+", "A+", "B-", "B+", "B+", "AB", "O+", "B-")
)
# Combinando objetos
bind_cols(alunos, complemento)## nome sexo graduacao fumante altura idade peso renda
## 1 Maria feminino Farmácia TRUE 1.65 18 50 2
## 2 Rebeca feminino Farmácia TRUE 1.70 19 65 3
## 3 Gabriela feminino Nutrição FALSE 1.65 23 52 1
## 4 Roberto masculino Química TRUE 1.80 22 70 2
## 5 Mateus masculino Física FALSE 1.73 20 75 2
## 6 Gustavo masculino Química FALSE 1.75 19 63 4
## 7 Tatiane feminino Biotecnologia FALSE 1.68 25 62 4
## 8 Isaque masculino Biotecnologia TRUE 1.71 26 70 NA
## nome1 tipo.sang
## 1 Maria A+
## 2 Rebeca A+
## 3 Gabriela B-
## 4 Roberto B+
## 5 Mateus B+
## 6 Gustavo AB
## 7 Tatiane O+
## 8 Isaque B-Porém apareceu uma ariável com “nome1” (evitando duplicidade).
Nesse caso não é necerssário ter o mesmo número de observações porque serão unidos somente objetos com a mesma chave.
# Criando um novo data.frame
complementos.1 <- data.frame(
nome = c("Maria", "Mateus"),
estado = c("PR", "SC")
)
# Unindo-os
left_join(alunos, complementos.1)## Joining, by = "nome"## Warning: Column `nome` joining factors with different levels, coercing to
## character vector## nome sexo graduacao fumante altura idade peso renda estado
## 1 Maria feminino Farmácia TRUE 1.65 18 50 2 PR
## 2 Rebeca feminino Farmácia TRUE 1.70 19 65 3 <NA>
## 3 Gabriela feminino Nutrição FALSE 1.65 23 52 1 <NA>
## 4 Roberto masculino Química TRUE 1.80 22 70 2 <NA>
## 5 Mateus masculino Física FALSE 1.73 20 75 2 SC
## 6 Gustavo masculino Química FALSE 1.75 19 63 4 <NA>
## 7 Tatiane feminino Biotecnologia FALSE 1.68 25 62 4 <NA>
## 8 Isaque masculino Biotecnologia TRUE 1.71 26 70 NA <NA>Iremos unir observações que correspondem à objetos a esquerda. Para unir objetos cujo a variável de um seja diferente da variável do outro basta informar ao comando.
# Criando um novo dataframe
alunos.3 <- data.frame(
aluno = c("Maria", "Rebeca", "Gustavo"),
cid.natal = c("Umuarama-PR", "Curitiba-PR", "Maringá-PR" )
)
# Unindo o objeto da direita ao da esquerda de forma a considerar que as variáveis nome e aluno é a mesma.
right_join(alunos.3, alunos, by = c("aluno" = "nome"))## Warning: Column `aluno`/`nome` joining factors with different levels,
## coercing to character vector## aluno cid.natal sexo graduacao fumante altura idade peso
## 1 Maria Umuarama-PR feminino Farmácia TRUE 1.65 18 50
## 2 Rebeca Curitiba-PR feminino Farmácia TRUE 1.70 19 65
## 3 Gabriela <NA> feminino Nutrição FALSE 1.65 23 52
## 4 Roberto <NA> masculino Química TRUE 1.80 22 70
## 5 Mateus <NA> masculino Física FALSE 1.73 20 75
## 6 Gustavo Maringá-PR masculino Química FALSE 1.75 19 63
## 7 Tatiane <NA> feminino Biotecnologia FALSE 1.68 25 62
## 8 Isaque <NA> masculino Biotecnologia TRUE 1.71 26 70
## renda
## 1 2
## 2 3
## 3 1
## 4 2
## 5 2
## 6 4
## 7 4
## 8 NADiversas vezes queremos construir bancos de dados completo, assim, podemos utilizar a função inner join (), ela irá desconsiderar as observações que não possui todas as variáveis completas.
inner_join(alunos.3, alunos, by = c("aluno" = "nome"))## Warning: Column `aluno`/`nome` joining factors with different levels,
## coercing to character vector## aluno cid.natal sexo graduacao fumante altura idade peso renda
## 1 Maria Umuarama-PR feminino Farmácia TRUE 1.65 18 50 2
## 2 Rebeca Curitiba-PR feminino Farmácia TRUE 1.70 19 65 3
## 3 Gustavo Maringá-PR masculino Química FALSE 1.75 19 63 4Se desejamos unir todas as observações de dois objetos podemos utilizar a função full_join().
full_join(alunos.3, alunos, by = c("aluno" = "nome"))## Warning: Column `aluno`/`nome` joining factors with different levels,
## coercing to character vector## aluno cid.natal sexo graduacao fumante altura idade peso
## 1 Maria Umuarama-PR feminino Farmácia TRUE 1.65 18 50
## 2 Rebeca Curitiba-PR feminino Farmácia TRUE 1.70 19 65
## 3 Gustavo Maringá-PR masculino Química FALSE 1.75 19 63
## 4 Gabriela <NA> feminino Nutrição FALSE 1.65 23 52
## 5 Roberto <NA> masculino Química TRUE 1.80 22 70
## 6 Mateus <NA> masculino Física FALSE 1.73 20 75
## 7 Tatiane <NA> feminino Biotecnologia FALSE 1.68 25 62
## 8 Isaque <NA> masculino Biotecnologia TRUE 1.71 26 70
## renda
## 1 2
## 2 3
## 3 4
## 4 1
## 5 2
## 6 2
## 7 4
## 8 NASe desejamos saber quais observações de um objeto possuem correspondências em outro objeto podemos fazer uso da função semi_join().
# Criando um novo dataframe.
alunos.4 <- left_join(complementos.1, alunos)## Joining, by = "nome"## Warning: Column `nome` joining factors with different levels, coercing to
## character vector# Verifiando observações do "alunos" que possuem correspondências com observações com "alunos.4".
semi_join(alunos, alunos.4)## Joining, by = c("nome", "sexo", "graduacao", "fumante", "altura", "idade", "peso", "renda")## Warning: Column `nome` joining factor and character vector, coercing into
## character vector## nome sexo graduacao fumante altura idade peso renda
## 1 Maria feminino Farmácia TRUE 1.65 18 50 2
## 2 Mateus masculino Física FALSE 1.73 20 75 2Porém, se desejamos saber quais observações não possuem correspondências em outro objeto podemos fazer uso da função anti_join().
# Verificando observações do "alunos" que não possuem correspondências com observações com "alunos.4".
anti_join(alunos, alunos.4)## Joining, by = c("nome", "sexo", "graduacao", "fumante", "altura", "idade", "peso", "renda")## Warning: Column `nome` joining factor and character vector, coercing into
## character vector## nome sexo graduacao fumante altura idade peso renda
## 1 Rebeca feminino Farmácia TRUE 1.70 19 65 3
## 2 Gabriela feminino Nutrição FALSE 1.65 23 52 1
## 3 Roberto masculino Química TRUE 1.80 22 70 2
## 4 Gustavo masculino Química FALSE 1.75 19 63 4
## 5 Tatiane feminino Biotecnologia FALSE 1.68 25 62 4
## 6 Isaque masculino Biotecnologia TRUE 1.71 26 70 NAse quisermos distinguir os dados, quais observações é de um determinado grupo podemos criar uma lista com os objetos, nomear cada um dos elementos da lista e em seguida unir com a função bind_rows() definindo o argumento “.id”.
lista.1 <- list(alunos.4, alunos)
names(lista.1) <- c("A", "B")
lista.1## $A
## nome estado sexo graduacao fumante altura idade peso renda
## 1 Maria PR feminino Farmácia TRUE 1.65 18 50 2
## 2 Mateus SC masculino Física FALSE 1.73 20 75 2
##
## $B
## nome sexo graduacao fumante altura idade peso renda
## 1 Maria feminino Farmácia TRUE 1.65 18 50 2
## 2 Rebeca feminino Farmácia TRUE 1.70 19 65 3
## 3 Gabriela feminino Nutrição FALSE 1.65 23 52 1
## 4 Roberto masculino Química TRUE 1.80 22 70 2
## 5 Mateus masculino Física FALSE 1.73 20 75 2
## 6 Gustavo masculino Química FALSE 1.75 19 63 4
## 7 Tatiane feminino Biotecnologia FALSE 1.68 25 62 4
## 8 Isaque masculino Biotecnologia TRUE 1.71 26 70 NAbind_rows(lista.1, .id = "turma")## Warning in bind_rows_(x, .id): binding character and factor vector,
## coercing into character vector## turma nome estado sexo graduacao fumante altura idade peso
## 1 A Maria PR feminino Farmácia TRUE 1.65 18 50
## 2 A Mateus SC masculino Física FALSE 1.73 20 75
## 3 B Maria <NA> feminino Farmácia TRUE 1.65 18 50
## 4 B Rebeca <NA> feminino Farmácia TRUE 1.70 19 65
## 5 B Gabriela <NA> feminino Nutrição FALSE 1.65 23 52
## 6 B Roberto <NA> masculino Química TRUE 1.80 22 70
## 7 B Mateus <NA> masculino Física FALSE 1.73 20 75
## 8 B Gustavo <NA> masculino Química FALSE 1.75 19 63
## 9 B Tatiane <NA> feminino Biotecnologia FALSE 1.68 25 62
## 10 B Isaque <NA> masculino Biotecnologia TRUE 1.71 26 70
## renda
## 1 2
## 2 2
## 3 2
## 4 3
## 5 1
## 6 2
## 7 2
## 8 4
## 9 4
## 10 NAVamos utilizar funções do pacote “tidyr”.
library(tidyr)No nosso dataframe “alunos” a oitava observação está com um valor ausente na variável “renda”, se quisermos exibir nosso dataframe sem as observações que contêm valores faltantes fazemos o seguinte:
drop_na(alunos)## nome sexo graduacao fumante altura idade peso renda
## 1 Maria feminino Farmácia TRUE 1.65 18 50 2
## 2 Rebeca feminino Farmácia TRUE 1.70 19 65 3
## 3 Gabriela feminino Nutrição FALSE 1.65 23 52 1
## 4 Roberto masculino Química TRUE 1.80 22 70 2
## 5 Mateus masculino Física FALSE 1.73 20 75 2
## 6 Gustavo masculino Química FALSE 1.75 19 63 4
## 7 Tatiane feminino Biotecnologia FALSE 1.68 25 62 4Se desejarmos substituir os valores ausentes por outro valor utilizaremos outra função.
replace_na(alunos, list(renda = 1))## nome sexo graduacao fumante altura idade peso renda
## 1 Maria feminino Farmácia TRUE 1.65 18 50 2
## 2 Rebeca feminino Farmácia TRUE 1.70 19 65 3
## 3 Gabriela feminino Nutrição FALSE 1.65 23 52 1
## 4 Roberto masculino Química TRUE 1.80 22 70 2
## 5 Mateus masculino Física FALSE 1.73 20 75 2
## 6 Gustavo masculino Química FALSE 1.75 19 63 4
## 7 Tatiane feminino Biotecnologia FALSE 1.68 25 62 4
## 8 Isaque masculino Biotecnologia TRUE 1.71 26 70 1