Farei aqui reproduções das análises do Guto usando o notebook do R.
Pois é, o R também tem notebook que podem facilmente criar arquivos em PDF, HTML e DOC.
Adeus editor de texto. Se o seu texto é um relatório que envolve análise de dados, é muito melhor fazer por aqui.
Aqui vai a reprodução da análise IBGE 1.
Primeiramente abrimos os dados baixados do site do IBGE, conforme explicado pelo Guto. Pode ser qualquer arquivo. O meu foi IMB201009.txt. Vamos guardar o arquivo na variável dados, que é do tipo dataframe.
Adapte o caminho completo do arquivo para o seu computador. A função read.csv2 lê dados separados por vírgulas.
dados = read.csv2(
"/home/mauricio/Dropbox/Projetos/Programacao em Python e R - 2021/Analise Dados/IBGE1/IMB201009.txt",
header=FALSE,
sep="")
Para ver os dados use View(dados) ou print(dados).
Os nomes das colunas (V1 a V4) foram dados automaticamente.
Agora vamos executar os códigos para gerar um gráfico:
n=length(dados$V4) #Número de linhas de V4
plot(1:n, #Plota x e y
dados$V4)

Vamos plotar do novo mudando algumas características do gráfico.
plot(1:n, #Plota novamente em linha
dados$V4,
type='line',
xlab='',ylab='')

Agora vamos ajeitar o eixo x (tempo), que ainda não é do tipo datetime. Primeiro concatenamos as duas colunas de Data e Hora e depois transformamos para o tipo datetime.
tempo=paste(dados$V1,dados$V2)
tempo=as.POSIXct(tempo,format = "%d/%m/%Y %H:%M:%S")
Cria o plot completo contendo a série V3 em azul e V4 em vermelho.
plot(tempo, #Eixo x
dados$V3, #Eixo y
type='line', #Tipo de linha
col='blue', #Cor da linha
main='IMB201009.txt', #Título do gráfico
ylab='Nível (m)', #Título do eixo y
xlab='Tempo') #Título do eixo x
lines(tempo, #Adiciona nova série (V4) em vermelho
dados$V4,
type='line',
col='red')
legend('topright', #Adiciona legenda
legend=c('Var1','Var2'),
lty=c(1,1),
col=c('blue','red'),
cex=0.6)

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