Introdução ao R

Considerações iniciais

Esse é um documento feito para ensinar e para reforçar conteúdos iniciais em R. O código inicial, em R, está disponível nesse link: https://github.com/wagnerLM/quanti2/blob/master/script%20R%20intro2.R

O código final, em R, está disponível nesse link: https://github.com/GabrielReisR/R/tree/master/intro%20ao%20r/intro-ao-r.R

Essa apresentação em RMarkdown está disponível nesse link: https://rpubs.com/reisrgabriel/introaor

Inspirado em Torfs & Brauer (2012) e Epskamp (2013) “Introductions to R”.

---

Iniciando no R

O que é o R?

O R é uma linguagem de programação altamente utilizada para estatística. Ele permite realizar análises estatísticas, visualização de dados, extração (mineração) de dados, e possui ainda outras muitas funcionalidades. Além disso, o R é um software livre e gratuito que conta com uma comunidade ativa de usuários ao redor do mundo.

Por essas características acima, novas atualizações e possibilidades de análise são frequentes no R - o tornando uma ferramenta bem importante para pesquisa científica, data science etc.

Antes do R, o S havia sido criado em 1976 por John Chambers nos Laboratórios Bell - laboratórios industriais americanos de propriedade da Nokia. Em 1992 na Nova Zelândia, Ross Ihaka e Robert Gentleman começaram a produzir o R baseando-se fortemente no software S. Em 1995 a primeira versão de R havia sido lançada. A primeira versão estável saiu em 2000.

A partir de 2018, Robert Chambers, criador do S, juntou-se ao time de desenvolvimento do R. Qualquer informação sobre o R pode ser consultada no site oficial do R: https://www.r-project.org/

Dentre as razões para utilizar o R estão:

• Capacidades gráficas muito sofisticadas e melhores que muitos softwares.
• Possibilidade para desenvolver novas ferramentas.
• Comunidade de usuários muito ativa e participativa.

Baixando o R

O R é gratuito. Para realizar o download do software, basta acessar o site https://cloud.r-project.org/ e escolher a versão apropriada para sua máquina.

Para acessar o R, vamos utilizar o RStudio - uma interface que facilita o uso do R. Da mesma forma, o RStudio é gratuito e pode ser baixado aqui: https://www.rstudio.com/products/rstudio/download/

Para mexermos no R, basta abrir o RStudio.

Reconhecendo os quadrantes do RStudio

Ao abrir o RStudio, você notará algumas divisões na tela. Cada divisão é representa um quadrante do R. Cada quadrante nos dá informações diferentes.

Quadrantes do RStudio

• 1 - Esquerdo-alto: editor ou script, você pode armazenar seus comandos e salvar os seus projetos.
• 2 - Direito-alto: espaço de trabalho e repositório de seus “objetos”.
• 3 - Direito-baixo: arquivos de ajuda, imagens e gráficos, e informações dos pacotes.
• 4 - Esquerdo-baixo: console e comando, mostra os registros de atividades, saídas de análises e é onde o “R” funciona.

Vamos começar?

Abrindo uma nova aba

Caso queira iniciar outro trabalho, você pode abrir uma nova aba de script no RStudio.

Para isso, basta ir acessar a aba do programa e clicar em File -> New File -> R Script. Você agora terá mais um script para utilizar.

Primeiros passos com o R

Usando o R como uma calculadora

Para começar, digite no campo 1 - esquerdo-alto (a partir de agora, chamado de editor ou script) a seguinte operação: 1 + 1

Agora, para o R reconhecer que você quer fazer o resultado dessa operação, você precisa rodar esse código.

Rodando um código: para seus comandos serem executados, selecione ou o início da linha de código, ou o final da linha de código, ou toda a linha de código, e então clique em Run.

Rodando um comando

• Windows: O comando Run pode ser substituído por “Ctrl + Enter”
• Mac: O comando Run pode ser substituído por “Cmd + Return”

Ficará assim:

1 + 1

## [1] 2

O resultado aparecerá no quadrante 4 - esquerdo-baixo (a partir de agora, chamado de console): [1] 2 Ou seja, 1 + 1 = 2.

É simples assim para utilizar o R como uma calculadora!

Todos os resultados aparecem no console. Não é necessário escrever os comandos no editor de código (quadrante 1) - se preferir, pode escrevê-los direto no console (quadrante 4).

Para somar, usa-se +, como já mostrado.

Subtrair usando -. Por exemplo, 50 - 25:

50 - 25

## [1] 25

Multiplicar usando *. Por exemplo, 5 * 5

5 * 5

## [1] 25

Dividir usando /. Por exemplo, 50 / 2

50 / 2

## [1] 25

Potencializar usando ** ou ^x. Por exemplo, 5 ** 2 ou 5^2

5 ** 2

## [1] 25

Assim, uma série de operações podem ser feitas.

Em cálculos maiores, os parênteses ( ) são utilizados para priorizar os elementos que precisam ser calculados antes.

((10 * 20) / 8) ^ 2

## [1] 625

Objetos no R

Até agora trabalhamos apenas com números inteiros e com cálculos. É importante citar que o R é esperto suficiente para conseguir trabalhar com texto também.

Antes de aprender sobre isso, vamos aprender a criar um objeto.

Criando objetos

Um objeto é uma coisa que se pode mudar, mexer e brincar com. Ele possui atributos específicos, dependendo do que a gente coloca nele.

Para criar um objeto, primeiro se escolhe o seu nome e depois se atribuem os seus valores.

Ah, todas as linhas iniciadas em#são comentários, e não são processadas como comandos pelo software.

# Esse é um comentário. Note que ele inicia com "#". O R não se importa com ele.
# Vamos agora criar um objeto chamado "objeto".
objeto <- 10

Pronto, agora objeto possui valor 10.

• Para criar objetos, é preciso definir seu nome objeto ou x ou nomeSuperLegal (o R não se importa…).
• Depois, é necessário colocar o sinal de atribuição <-, que pode significar possui o valor de.
• Finalmente, dá-se o valor do objeto, que nesse caso é 10.

objeto <- 10 pode ser lido como criar objeto que possui o valor de (<-) 10.

Depois de criado, se pedirmos apenas objeto para o R, olhe o que ele nos retorna:

# Agora vamos apenas pedir objeto
objeto

## [1] 10

O R nos retornou o valor 10! Ele entendeu que objeto agora é 10.

Para saber qual o tipo desse objeto, o que ele é, é só pedir

# Agora vamos apenas para o R informar o que "objeto" é
# Observação: class() é uma função que retorna o tipo de objeto colocado nela.
class(objeto)

## [1] "numeric"

Que legal! O R nos disse que objeto é um numeral.

Como um numeral, podemos fazer operações com ele, certo?

objeto + 10  # Retorna 20

## [1] 20

objeto - 10  # Retorna 0

## [1] 0

objeto / 2   # Retorna 5

## [1] 5

objeto * 5   # Retorna 50

## [1] 50

objeto / objeto # Retorna 1 (x / x = 1)

## [1] 1

Objetos interagindo com objetos

Vamos criar dois objetos, acom valor 50 e b com valor 3 e pedir para eles interagirem.

Vimos que para criar um objeto, é só usar a fórmula objeto <- valor (lê-se objeto possui o valor de ‘valor’).

a <- 50
b <- 3
# Podemos interagir com os objetos
a / b   # 'a' dividido por 'b'

## [1] 16.66667

a ** b  # 'a' elevado a 'b'

## [1] 125000

Exercícios para você fazer

1. Realize a + b.

2. Agora crie um novo objeto, c, que possua o valor de a / b.

3. Qual a classe desse novo objeto c?

Mudando o valor de um objeto

Outra coisa super fácil de fazer no R é mudar o valor de uma variável. Para fazer isso, basta mudar o valor atribuído para essa variável.

# Mudando o valor de 'a' para 33846
a <- 50
a

## [1] 50

a <- 33846
a

## [1] 33846

# Mudando o valor de 'a' para (5 + 12 + 8 + 1) * 4
a <- (5 + 12 + 8 + 1) * 4
a

## [1] 104

# Mudando o valor de 'a' para 'a / a'
a <- 2 * a
a

## [1] 208

# O R reconhece o valor antigo de 'a' e realiza a operação 2 * a.
# Mudando o valor de 'a' para 'a / a'
a <- a / a
a

## [1] 1

# O R reconhece o valor antigo de 'a' e realiza a operação a / a = 1.

Pronto! Mudar valores de objetos é algo relativamente simples de se fazer com o R.

Exercícios para você fazer

1. Crie um objeto com a soma de todos os números pares de 0 a 10.

2. Crie um objeto com a soma de todos os números ímpares de 0 a 10.

3. Multiplique esses objetos entre si, armazenando esse resultado em uma nova variável.

Vetores

Vamos aprender a criar um vetor - uma variável que armazena um ou mais valores.

Na verdade, a gente já criou alguns vetores antes. Basicamente tudo no R é um vetor.

Até agora, vimos vetores com apenas um valor, vamos aprender a criar vetores com mais de 1 valor.

PROBLEMA

Imagine que um gerente de voleibol está interessado em descobrir a média de salários dos jogadores do time de vôlei R Voleibol Clube.

O time possui 8 jogadores, cada um com seu devido número.

• Os jogadores 1 ao 3 recebem R$1500 por mês.
• O jogador 4 recebe R$3000.
• O jogador 5 recebe R$10000.
• O jogador 6 recebe R$1200.
• Os jogadores 7 e 8 recebem R$3300 cada.

Vamos resolver esse problema aprendendo sobre a função concatenar c().

Essa função permite juntar diferentes valores em um mesmo objeto. Assim, podemos criar a variável (aqui em R, um outro nome para objeto) chamada salario.

# Vamos adicionar os primeiros três elementos.
salario <- c(1500, 1500, 1500)
salario

## [1] 1500 1500 1500

Pronto, a função c() juntou os salários dos primeiros 3 jogadores. A separação entre um elemento e outro é feito utilizando uma vírgula ,.

Agora, vamos adicionar o salário do jogador 4.

# Vamos adicionar o quarto elemento.
salario <- c(salario, 3000)
salario

## [1] 1500 1500 1500 3000

Olha que interessante! Concatenamos o valor antigo de salario junto com o valor novo que queríamos.

Vamos finalizar isso.

# Vamos adicionar os últimos elementos.
salario <- c(salario, 10000, 1200, 3300, 333300)
salario

## [1]   1500   1500   1500   3000  10000   1200   3300 333300

Pronto, aí está a nossa variável salario!

Opa, tem um erro ali. O último elemento, o elemento de nº 8, está errado!

Ao invés de colocar o valor de 3300, colocamos o valor de 333300.

Vamos mudar o valor desse elemento.

Para acessar um elemento de um vetor, basta realizar a função vetor[elemento].

Nesse caso, queremos acessar o elemento número 8 da variável salario, para modificarmos o seu valor.

# Acessando um elemento
salario[8]  # Isso é como pedir ao R: "R, em 'salario', acesse o elemento '8'".

## [1] 333300

# Para modificar o valor, basta atribuir um novo valor, como já vínhamos fazendo...
salario[8] <- 3300
salario

## [1]  1500  1500  1500  3000 10000  1200  3300  3300

Pronto! Agora salario está organizado assim como a gente queria.

Nesse momento, tendo criado a variável salario, possuímos alguns atributos que podemos descobrir sobre esse vetor.

Utilizando funções

Um deles é a média, a solução para o problema lá posto lá em cima. Para saber a média, vamos utilizar uma função.

Funções são fórmulas prontas que podemos utilizar. O R já vem com algumas dessas fórmulas, como por exemplo a raiz quadrada sqrt() (abreviação do inglês para “square root”).

Para usar uma função, colocamos o seu nome e então o valor ou objeto que queremos que essa função receba.

# Raiz quadrada de 25
sqrt(25)

## [1] 5

# Algo que se faz bastante é atribuir o resultado de funções a objetos 
raiz <- sqrt(25) # calcula a raiz quadrada de 25 e armazena em 'raiz'
raiz

## [1] 5

# Assim, o valor da raiz de 25 estará facilmente disponível

Para descobrir o que uma função faz, basta colocar o seu nome no console ao lado de um ponto de interrogação, dessa forma ?função.

Outra forma é usar a função help(), dessa forma: help(função). Assim, caso quiséssemos entender o que sqrt() faz, poderíamos tanto pedir ?sqrt quanto help(sqrt). O resultado do que pedimos irá aparecer no quadrante direito-baixo.

VOLTANDO AO PROBLEMA

Lembra que o gerente de voleibol estava interessado em descobrir a média de salários dos jogadores do time de vôlei R Voleibol Clube?

Acontece que a função mean() calcula a média dos elementos que colocarmos nela.

# Calculando a média de dois números
mean(c(25, 10))

## [1] 17.5

# Note que os dois números foram concatenados com a função 'c()'.
# Calculando a média do time de voleibol e armazenando esse valor no objeto 'mediaSalario'.
mediaSalario <- mean(salario)
mediaSalario

## [1] 3162.5

Resolvemos nosso primeiro problema! A média de salário dos jogadores do R Voleibol Clube é de R$3162,50 por mês.

PROBLEMA

Cada jogador recebeu um bônus diferente. Os jogadores 1 a 4 receberam 2000 de bônus, enquanto os jogadores de 5 a 8 receberam 4000 de bônus. Calcule a média de salário nesse mês, considerando os bônus.

Agora que já sabemos o básico, podemos ser introduzidos à função rep(), que repete determinado valor algumas vezes.

Vamos criar um objeto chamado bonus utilizando a função rep() e c():

# Criando bonus
bonus <- c(rep(2000, 4), rep(4000, 4))
bonus

## [1] 2000 2000 2000 2000 4000 4000 4000 4000

Bem, isso foi bem mais fácil do que criar salario. Mas como isso aconteceu?

• Primeiro, colocamos c() para concatenar mais de um valor.
• Após isso, utilizamos rep() para repetir o valor 2000 4 vezes diferentes.
• Separamos essa primeira parte utilizando uma vírgula ,.
• Nessa segunda parte, utilizamos rep() novamente para repetir o valor 4000 4 vezes diferentes.
• Fechamos o parênteses de rep() e também fechamos os parênteses de c().

Assim, 8 elementos foram criados. Como adicionar esses 8 elementos aos antigos 8 elementos?

Basta adicionar os dois vetores!

1. O elemento salario[1] será adicionado ao elemento bonus[1].

2. O elemento salario[2] será adicionado ao elemento bonus[2].

3. Essa fórmula se repete até o elemento salario[8] ser adicionado ao elemento bonus[8].

# Para adicionar os dois vetores, basta:
salarioComBonus <- salario + bonus
salarioComBonus

## [1]  3500  3500  3500  5000 14000  5200  7300  7300

Podemos averiguar com a função mean() a nova média do valor recebido pelos jogadores. Ainda, podemos utilizar a função sum(), que irá somar todos os elementos que colocarmos nela.

# Averiguando nova média
mediaSalarioComBonus <- mean(salarioComBonus)
mediaSalarioComBonus

## [1] 6162.5

# Descobrindo o valor total que os jogadores receberam
somaSalario <- sum(salarioComBonus)
somaSalario

## [1] 49300

# Utilizando a função summary() - uma boa carta na manga
summary(salarioComBonus) # summary() é usado para informações gerais de objetos com números

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    3500    3500    5100    6162    7300   14000

Descobrimos que a nova média é de R$6162,50. Sabemos também que a soma de todos os salários equivale a R$49300.

Mais legal ainda, summary() nos informou várias informações.

O quesummary()mostrou?

• Na primeira parte, em Min.( Mínimo ): que o valor mínimo, na posição 0%, foi R$3500.

• Na segunda parte, em 1st Qu.( 1º Quartil ): que o valor na casa dos 25% foi R$3500.

• Na terceira parte, em Median( Mediana ): que o valor na casa dos 50% (a mediana) foi R$5100.

• Na quarta parte, em Mean( Média ): que a média de todos os valores foi R$6162.

• Na quinta parte, em 3rd Qu.( 3º Quartil ): que o valor na casa dos 75% foi R$7300.

• Na terceira parte, em Max.( Máximo ): que o valor máximo, na posição 100%, foi R$14000.

Assim, summary() nos informa os valores na posição 0%, 25%, 50% (mediana), 75%, 100% e ainda nos informa a média dos valores.

Instalando e lendo pacotes

Aqui, vale a pena dar uma pausa para mencionar os pacotes do R. Pacotes são conjuntos de linhas de código, funções e cálculos que se pode baixar diretamente no R. Assim, ao invés de escrever algoritmos difíceis no R, podemos baixar pacotes que fazem isso para a gente.

Instalando o pacote dplyr

Para instalar um pacote, basta executar o comando install.packages("pacote")

É importante atentar para as aspas!

Vamos agora instalar um pacote bastante usado para a manipulação de dados - o pacote dplyr.

install.packages("dplyr") # basta colocar dplyr no lugar do pacote

Lendo o pacote dplyr

Assim que instalado, para utilizar as funções de um pacote, é necessário trazê-lo ao R. Para isso, se utiliza a função library(pacote).

library(dplyr) # basta colocar dplyr no lugar do pacote

Agora, você tem as funções do dplyr para uso.

Caso você não tenha entendido esse processo, vamos tentar elaborar um pouco mais. É como se, para ler um livro, fosse necessário pegá-lo de uma prateleira e colocar na mesa de trabalho. A prateleira é seu computador, a sua mesa de trabalho é o R.

Quando você já tem um livro em sua prateleira (install.packages("pacote")), basta colocar na sua mesa de trabalho com library(pacote). Assim, até o final da sua sessão no R, você pode utilizar as funções desse pacote. Após você sair de uma sessão no R e iniciar outra sessão no R, será necessário realizar a leitura do pacote que você desejar novamente com library(pacote).

Instalando tidyverse

O pacote tidyverse(https://www.tidyverse.org/) é um pacote bem famoso e utilizado pela comunidade do R. O tidyverse é um pacote que agrupa outros pacotes muito importantes, como o dplyr para manipulação dos dados, ggplot2 para visualização de dados, readr para importação e leitura de dados e outros.

Exercício para você fazer

1. Instale o pacote tidyverse utilizando o que aprendeu nessa seção.

Matrizes

As matrizes são elementos que armazenam um conjunto de valores numéricos. Elas teriam um número i de linhas e um número j de colunas. Assim, uma matriz A_ij que tenha i = 2 e j = 3 é tida como A₂₃ - isso significa que essa matriz terá 2 linhas (i = 2) e 3 colunas (j = 3).

Para criar uma matriz no R, se utiliza a função matrix(). Vamos agora criar uma matriz A₂₃ que tenha os valores 5, 2 e 7 na primeira linha, e 10, 1 e 9 na segunda linha.

# Para adicionar os dois vetores, basta:
novaMatriz <- matrix(c(5, 2, 7,
                       10, 1, 9), nrow = 2, ncol = 3)
novaMatriz

##      [,1] [,2] [,3]
## [1,]    5    7    1
## [2,]    2   10    9

• Primeiro, criamos um objeto chamado novaMatriz que armazenará o valor resultante da função matrix().
• Na função matrix, concatenamos todas os elementos que queríamos com a função c(). Inserimos um Enter para visualizar a segunda linha de forma mais fácil (isso não altera os valores da matriz).
• Por fim, adicionamos os argumentos nrow = e ncol =.
  • nrow = pede o número de linhas que queremos colocar nessa matriz. Já que i = 2, nrow = 2.
  • ncol = pede o número de colunas que queremos colocar nessa matriz. Já que j = 3, ncol = 3.

Agora que está criada, podemos acessar elementos específicos dessa matriz. Para isso, utiliza-se o nome da matriz e, dentro de colchetes, o valor da linha e da coluna que se deseja acessar: matriz[i, j]

# Acessar o elemento da linha 1 e coluna 2
novaMatriz[1, 2]

## [1] 7

# Acessar o elemento da linha 2 e coluna 3
novaMatriz[2, 3]

## [1] 9

# Acessar todos os valores da segunda coluna
novaMatriz[, 2]

## [1]  7 10

# Acessar todos os valores da primeira linha
novaMatriz[1, ]

## [1] 5 7 1

# Acessar os valores das linhas de 1 a 2 da coluna 1
novaMatriz[1:2, 1]

## [1] 5 2

Já que podemos acessar, também podemos modificar esses valores.

# Mudando o elemento da linha 1 e coluna 2
novaMatriz

##      [,1] [,2] [,3]
## [1,]    5    7    1
## [2,]    2   10    9

novaMatriz[1, 2] <- 3
novaMatriz

##      [,1] [,2] [,3]
## [1,]    5    3    1
## [2,]    2   10    9

# Mudando todos os elementos da linha 2 para 0
novaMatriz

##      [,1] [,2] [,3]
## [1,]    5    3    1
## [2,]    2   10    9

novaMatriz[2, ] <- 0
novaMatriz

##      [,1] [,2] [,3]
## [1,]    5    3    1
## [2,]    0    0    0

Objetos string

Além de utilizar objetos para armazenar valores numéricos, podemos também armazenar um conjunto de letras, símbolos e números - essas são chamadas de strings.

Por exemplo, vamos criar um objeto chamado string que contém o texto: Isso é uma string.

# Para criar uma string, deve-se colocar o valor desejado em aspas
string <- "Isso é uma string"
string

## [1] "Isso é uma string"

outraString <- "10"
outraString

## [1] "10"

Criamos duas strings: uma que contém o valor Isso é uma string e outro que contém o valor "10" - esse “10” não é um número pois está entre aspas.

Podemos adicionar novos elementos assim como fizemos com vetores de números.

# Novo elemento "Outros valores"
string <- c(string, "Outros valores")
string

## [1] "Isso é uma string" "Outros valores"

# Assim como antes, podemos alterar esse elemento ou até adicionar outro
string[2] <- "Valor mais interessante"
string

## [1] "Isso é uma string"       "Valor mais interessante"

Listas

Listas são um conjunto de objetos - por isso é o último assunto que veremos. Ela possui a capacidade de armazenar várias informações diferentes.

Até agora, esses foram os principais objetos criados: * objeto: um objeto que contém o número 10.

• salario: um vetor contendo 8 salários do time R Voleibol Clube.

• novaMatriz: uma matriz A₂₃ com números aleatórios.

• string: um vetor de strings contendo 2 elementos.

Uma lista é um objeto que pode abranger todas essas informações - ele pode ser criado com a função list().

# Essa lista vai se chamar listaPoderosa
listaPoderosa <- list(objeto, salario, novaMatriz, string)
listaPoderosa

## [[1]]
## [1] 10
## 
## [[2]]
## [1]  1500  1500  1500  3000 10000  1200  3300  3300
## 
## [[3]]
##      [,1] [,2] [,3]
## [1,]    5    3    1
## [2,]    0    0    0
## 
## [[4]]
## [1] "Isso é uma string"       "Valor mais interessante"

Já que não nomeamos os objetos que iam entrar na lista, o seguinte aconteceu:

• O elemento listaPoderosa[[1]] armazenou o valor de objeto.

• O elemento listaPoderosa[[2]] armazenou o valor de salario.

• O elemento listaPoderosa[[3]] armazenou o valor de novaMatriz.

• O elemento listaPoderosa[[4]] armazenou o valor de string.

# Agora vamos nomear cada objeto com o seu próprio nome
listaPoderosa <- list(objeto = objeto, 
                      salario = salario, 
                      novaMatriz = novaMatriz, 
                      string = string)
listaPoderosa

## $objeto
## [1] 10
## 
## $salario
## [1]  1500  1500  1500  3000 10000  1200  3300  3300
## 
## $novaMatriz
##      [,1] [,2] [,3]
## [1,]    5    3    1
## [2,]    0    0    0
## 
## $string
## [1] "Isso é uma string"       "Valor mais interessante"

Pronto! Para acessar os objetos de uma lista utilizamos o cifrão $ (pode-se fazer o mesmo com os objetos de um data.frame, como veremos adiante).

Com isso, podemos:

1. Observar um objeto específico de uma lista.

2. Modificar um elemento específico ou acrescentar valores diretamente em uma lista.

3. Criar um objeto extraindo apenas um objeto de uma lista.

4. Excluir um objeto de uma lista.

5. Excluir um elemento de uma lista.

# 1. Observar um objeto específico de uma lista
listaPoderosa[[2]] # Vê o objeto 2 (salario)

## [1]  1500  1500  1500  3000 10000  1200  3300  3300

listaPoderosa$salario # Vê o objeto 2 (salario)

## [1]  1500  1500  1500  3000 10000  1200  3300  3300

# 2. Modificar um elemento específico ou acrescentar valores diretamente em uma lista.
listaPoderosa[[2]][1] <- 5000 # Acessa o objeto 2 (salario), elemento 1, e modifica ele para 5000
listaPoderosa$salario[1] <- 5000 # Acessa o objeto 2 (salario), elemento 1, e modifica ele para 5000
# 3. Criar um objeto extraindo apenas um objeto de uma lista.
queroEssaMatriz <- listaPoderosa$novaMatriz # pega o objeto matriz e armazena em um objeto separado
queroEssaMatriz

##      [,1] [,2] [,3]
## [1,]    5    3    1
## [2,]    0    0    0

# 4. Excluir um objeto de uma lista.
listaPoderosa <- listaPoderosa[-salario] # recria o objeto listaPoderosa, dessa vez sem o objeto "salario"
listaPoderosa

## $objeto
## [1] 10
## 
## $salario
## [1]  5000  1500  1500  3000 10000  1200  3300  3300
## 
## $novaMatriz
##      [,1] [,2] [,3]
## [1,]    5    3    1
## [2,]    0    0    0
## 
## $string
## [1] "Isso é uma string"       "Valor mais interessante"

# 5. Excluir um elemento de uma lista
listaPoderosa$string <- listaPoderosa$string[-2] # o objeto string possui o valor de string SEM o elemento 2
listaPoderosa$string # acessando apenas o objeto string

## [1] "Isso é uma string"

Muitas dessas mesmas operações com listas podem também ser feitas em objetos do tipo data.frame.

Por enquanto é isso! :)

---

Mais informações

Importação de dados e diagnósticos iniciais: https://rpubs.com/reisrgabriel/importdiagn

Manipulando com dplyr - Parte 1: select() e mutate(): https://rpubs.com/reisrgabriel/dplyrPt1

Manipulando com dplyr - Parte 2: bind() e join(): https://rpubs.com/reisrgabriel/dplyrPt2

Organizando com tidyr - Parte 1: dados wide e long: https://rpubs.com/reisrgabriel/tidyrPt1

Organizando com tidyr - Parte 2: valores missing: https://rpubs.com/reisrgabriel/tidyrPt2

Contato

Email: reisrgabriel@gmail.com

GitHub: https://github.com/GabrielReisR

LinkedIn: https://www.linkedin.com/in/gabrielreisrodrigues/