minicurso tidyverse - IV SER

Introdução ao Tidyverse: tibble e dplyr

Aula 1 – Recomendações

Objetivo: instalar os pacotes necessários

# o símbolo # no início da linha indica que temos um comentário
# essa linha de comentário não é executada quando der o comando run (ctrl+enter)
#Para instalar o pacote (somente 1 vez)
#install.packages("tidyverse")
#Como o tidyverse é um pacote que contém vário pacotes, podemos
#Ter o mesmo efeito se instalarmos os seguintes pacotes
#Um por Um .
# install.packages(c(
#  "broom", "dplyr", "feather",
#  "forcats","ggplot2", "haven",
#  "httr", "hms", "jsonlite",
#  "lubridate", "magrittr",
#  "modelr", "purrr", "readr",
#  "readxl", "stringr", "tibble",
#  "rvest", "tidyr", "xml2"
#))
#Lembrando que não é preciso instalar todos esses pacotes
#Se intalarmos o tidyverse já vamos obetê-los todos.
#Para carregar o pacote (sempre que for usá-lo)
library(tidyverse)  #Ou require(tidyverse)
#Para finalizar esta aula, assista o vídeo
browseURL("https://youtu.be/dvkFWm6Th54")
#Parabéns, você completou a primeira aula!

Aula 2 – Tibble

Objetivo: apresentar a estrutura tibble

#1)Instalando O Pacote Tibble
#install.packages("tibble")
#2)Chamando o Pacote Tibble
#library(tibble)
#3)O Tibble so mostra as 10 primeiras linhas
tibble(x=1:100, y=100:1, z=rep("A",100)) 

#4)Montando tribble linha por linha
tribble(
  ~x,~y,~z,
  10, 20,"A",
  20, 30,"B",
  40, 50,"C" 
  )

#4)Lendo Data.frame como tibble
  DF=data.frame(Nome=c('Rafaela','Felipe','Rodolfo'),Idade=c(18,14,20),Nota=c(10,6,8))
  DFT=as_tibble(DF)
  DFT

#Comandos extras
#5)Criando Tibble com nomes de colunas nada convencionais
  tibble(
   ':)' = 'simile', #Diferente do Data.frame, podemos usar simbolos como nome de colunass
    ' '  = 1:4, 
    x    = 5:2,
   y    =x+1
  )

#6)Podemos modificar a Quantidade De linhas que visualizamos
#Por padrão o sistema tidy exibe 10 linhas, mas podemos modificar esta opção
  m=30
  n=20
  options(tibble.print_max = m, tibble.print_min = n) 
  #Ou seja:Se passar de 'm' linhas, printar 'n' linhas) )
  #Podemos usar 'tibble.print_min = Inf' para printar todas as linhas
  tibble(x=1:100, y=100:1, z=rep("A",100))

  
#Ou coloque a opção como argumento
  tibble(x=1:100, y=100:1, z=rep("A",100), options(tibble.print_min = 15))

  
#7)Acessando partes do tibble
  t=tibble(
    x=1:5,
    y=x+1,
    z=x^2+y
  )
  t

  t$x #Mostra a coluna X(ou t[['x']])

[1] 1 2 3 4 5

  t[[2,3]]  #Linha2,Coluna3

[1] 7

Aula 3 – Select e Distinct

Objetivo: manipular colunas de uma tabela de dados (tibble)

library(nycflights13)
flights

select(flights,dep_time, arr_delay)

select(flights, "dep_time", "arr_delay")

select(flights, -day, -dep_time)

select(flights, dep_time:arr_delay)

select(flights, 3:9)

select(flights, starts_with("arr"))

select(flights, ends_with("time"))

select(flights, contains("dep"))

select(flights, time_hour, air_time, everything())

#renomear
flights <- select(flights,x1=year, x2=dep_time, x3=arr_delay, everything()  )
select(flights, num_range("x", 1:3))

# Distinc
distinct(flights, day)

Aula 4 – Filter, Arrange, count e pipe

Objetivo: filtrar, arrumar e contar observações de uma tabela de dados

## filter, arrange, count e pipe
## Carregando o pacote e os dados
# Para carregar o pacote podemos utilizar
require(tidyverse) 
# As funções são do pacote dplyr: require(dplyr)
# Tabela de dados:
starwars

## Utilizando a função filter
## Utilizando comparadores lógicos:
# maior, menor, maior ou igual, menor ou igual, igual e diferente
filter(starwars, height > 160)

filter(starwars, height <= 150)

filter(starwars, height == 79)

# Vírgula funciona como 'E' (&)
filter(starwars, species == "Droid", homeworld == "Tatooine", skin_color == "gold")

# Utilizando operador OU (|)
filter(starwars, height > 185 | eye_color == "blue")

## Utilizando a função arrange
# Ordem crescente
arrange(starwars, mass)

# Ordem decrescente
arrange(starwars, desc(mass))

# Ou então
arrange(starwars, -mass)

# Mais de uma variável
arrange(starwars, mass, -birth_year)

## Utilizando a função count
# Apenas uma variável
count(starwars, gender)

count(starwars, species)

# Mais de uma variável
count(starwars, hair_color, eye_color)

##Utilizando o operador Pipe: %>% (Ctrl + Shift + M)
filter(starwars,species == "Human") %>% 
  select(contains("color"))

starwars %>% 
  filter(species == "Human") %>% 
  count(eye_color) %>% 
  arrange(-n)

Aula 5 – Mutate e transmute

Objetivo: criar novas colunas em um tibble

## Mutate e Transmute
## Carregando o pacote e os dados
# Para carregar o pacote podemos utilizar
require(tidyverse)
#As funções são do pacote dplyr: require(dplyr)
# Tabela de dados
cars

## Utilizando a função mutate
cars %>% 
  mutate(dist2 = dist*2)

### Mutate e ifelse
cars %>% 
  mutate(classe_speed = ifelse(speed > 10, "A","B"))

### Operador %in%
cars %>% 
  mutate(classe_dist = ifelse(dist %in% 10:20, "A","B"))

## Utilizando a função Transmute
cars %>% 
  transmute(classe_speed = ifelse(speed > 10,"A","B"))

cars %>% 
  transmute(tempo = speed * dist, 
            classe_speed = ifelse(speed > 10,"A","B"))

Aula 6 – Summarise, group_by e n_distinct

Objetivo: operar sobre linhas e colunas de um tibble

## summarise, group_by, n_distinct
## Carregando pacotes 
# dplyr ou tidyverse
# install.packages("dplyr")
require(dplyr)
# install.packages("tidyverse")
require(tidyverse)
# install.packages("nycflights13") # Pacote com os dados
require(nycflights13)
# Tabela com dados
flights

## Estatísticas, media, mediana, max, min...
flights %>% 
  summarise(Tempo_voo_medio = mean(air_time, na.rm = T),
            MaiorDistancia = max(distance)) 

# Podemos fazer uma sumarização
flights %>% 
  group_by(year, month, day) %>% 
  summarise(MenorDistancia = min(distance),
            MaiorDistancia = max(distance))

Error in grouped_df_impl(data, unname(vars), drop) : 
  Column `year` is unknown

Aula 7 – Joins

Objetivo: unir através de chave comum dois tibbles

# inner_join e left_join
# Carregando o pacote 
library(tidyverse)
# ou library(dplyr)
# Base de dados 
x <- tribble(
  ~Chave, ~valor_x,
  1, "x1",
  2, "x2",
  3, "x3"
)
y <- tribble(
  ~Chave, ~valor_y,
  1, "y1",
  2, "y2",
  4, "y3"
)
# inner_join (Junta as observações quando chaves nas duas bases são iguais)
inner_join(x, y, by = "Chave")

# left_join (Mantem todas as observações de x)
left_join(x, y, by = "Chave")

# right_join (Mantem todas as observações de y)
right_join(x, y, by = "Chave")

# full_join (Mantem todas as observações de x e y)
full_join(x, y, by = "Chave")

Aula 8 – Exercício 1

Objetivo: praticar comandos do pacote dplyr

Abra um script no Rstudio para realizar estes exercícios Usaremos a base de dados starwars do pacote dplyr •1-Quantas species distintas há na base de dados? •2-Selecione todas as observações da species “Human” •3-Selecione o name e hair_color de todas as observações da species “Human” •4-Faça um agrupamento da base de dados considerando apenas species “Human”, de acordo com gender e resumindo para cada gender a altura média (height)

library(tidyverse)
starwars

#1-Quantas species distintas há na base de dados?
starwars %>% 
  select(species) %>% 
  n_distinct()

[1] 38

#2-Selecione todas as observações da species Human
starwars %>% 
  filter(species == "Human") 

#3-Selecione o name e hair_color de todas as observações da species Human
starwars %>% 
  filter(species == "Human") %>% 
  select(name, hair_color)

#4-Faça um agrupamento da species Human por gender e resuma pela média da altura (height)
starwars %>% 
  filter(species == "Human") %>% 
  group_by(gender) %>% 
  summarise(media=mean(height, na.rm=T))

Aula 9 – Exercício 2

Objetivo: praticar comandos do pacote dplyr

•1-Crie 2 tibbles: tbb1 = tibble( setor = rep(c(“F”, “M”, “I”), 2) , peso = runif(6, 50, 100)) tbb2 = tibble( setor = rep(c(“I”),2) , altura = c(167, 180) •2- Una tbb1 e tbb2 com a função inner_join •3- Una tbb1 e tbb2 com a função full_join •4- Una tbb1 e tbb2 com a função left_join •5- Una tbb1 e tbb2 com a função right_join •6- Ordene o tbb1 por ordem crescente do peso •7- Agrupe tbb1 por setor e sumarize com o peso médio

#1-Crie 2 tibbles:
tbb1 = tibble( setor = rep(c("F", "M", "I"), 2) , peso = runif(6, 50, 100))
tbb2 = tibble( setor = rep(c("I"),2) , altura = c(167, 180) )
              
# 2- Una tbb1 e tbb2 com a função inner_join 
               
tbb1

tbb2

inner_join(tbb1, tbb2, chave="setor")

Joining, by = "setor"

#3- Una tbb1 e tbb2 com a função full_join
full_join(tbb1,tbb2,chave="setor")

Joining, by = "setor"

#4- Una tbb1 e tbb2 com a função left_join
left_join(tbb1,tbb2,chave="setor")

Joining, by = "setor"

#5- Una tbb1 e tbb2 com a função right_join 
right_join(tbb1,tbb2,chave="setor")

Joining, by = "setor"

#6- Ordene o tbb1 por ordem crescente do peso
tbb1 %>% arrange(peso)

#7- Agrupe tbb1 por setor e sumarize com o peso médio
tbb1 %>% 
  group_by(setor) %>% 
  summarise("peso medio"=mean(peso)) %>% 
  ungroup()