Criando vetores - por exemplo a função c() pode ser usado para criar os objetos dos vetores
Empresa <- c("Apple", "Samsumg", "Xioami", "LG", "Motorola") ##Caracteres
Qtd <- c(90, 95, 85, 60, 70) ##Numérico
x <- c(TRUE, FALSE) ##Lógico
#ou
s <- c(T, F) ##Lógico
t <- c(2015:2020) ##Inteiro
y <- c(1+0i, 2+4i) ##ComplexoUsando a funçao vector
t <- vector("numeric", length = 3)
t## [1] 0 0 0Dá pra criar objetos mistos no vetor
x <- c("Apple",90,TRUE)Podemos explicitamente coagir objetos transformando-os de uma classe em outra, usando funções que geralmente começam com a palavra “as”.
t <- c(2015:2020)
class(t)## [1] "integer"as.numeric(t)## [1] 2015 2016 2017 2018 2019 2020as.logical(t)## [1] TRUE TRUE TRUE TRUE TRUE TRUEas.character(t)## [1] "2015" "2016" "2017" "2018" "2019" "2020"É um tipo de vetor que pode conter elementos de diferentes classes
x <- list("Apple", 95, TRUE, 1+4i)
x## [[1]]
## [1] "Apple"
##
## [[2]]
## [1] 95
##
## [[3]]
## [1] TRUE
##
## [[4]]
## [1] 1+4iMatrizes são vetores com uma dimensão atribuída
m <- matrix(nrow = 3, ncol = 5)
m## [,1] [,2] [,3] [,4] [,5]
## [1,] NA NA NA NA NA
## [2,] NA NA NA NA NA
## [3,] NA NA NA NA NAdim(m)## [1] 3 5attributes(m)## $dim
## [1] 3 5m <- matrix(1:6, nrow = 2, ncol = 3)
m## [,1] [,2] [,3]
## [1,] 1 3 5
## [2,] 2 4 6Ajeitando a coluna com o codigo dim()
m <- 1:10
dim(m) <- c(2,5)
m## [,1] [,2] [,3] [,4] [,5]
## [1,] 1 3 5 7 9
## [2,] 2 4 6 8 10Forma bem comum de criar uma matriz é por meio da vinculação de colunas ou linhas. Assim, essa atribuição por colunas ou por linhas pode ser feita por meio das funções “cbind()” e “rbind()”, respectivamente.
Empresa <- c("Apple", "Samsumg", "Xioami", "LG", "Motorola") ##Caracteres
Qtd <- c(90, 95, 85, 60, 70)
cbind (Empresa, Qtd)## Empresa Qtd
## [1,] "Apple" "90"
## [2,] "Samsumg" "95"
## [3,] "Xioami" "85"
## [4,] "LG" "60"
## [5,] "Motorola" "70"rbind (Empresa, Qtd)## [,1] [,2] [,3] [,4] [,5]
## Empresa "Apple" "Samsumg" "Xioami" "LG" "Motorola"
## Qtd "90" "95" "85" "60" "70"Um fator é um tipo especial de vetor, que é usado para armazenar dados categóricos. Existem dois tipos de fator: ordenado (ordered) e desordenado (unordered), então pode-se pensar neles como sendo estruturas para armazenar dados que possuem rótulos categorizando-os mas, sem uma ordem determinada.
Time <- factor(c("W","W","W","W","L","L","L","L","W","L","W","L","L","W","W","W",
"W","W","W","W","W","L","W","W","W","W","L","L","L"))
Time## [1] W W W W L L L L W L W L L W W W W W W W W L W W W W L L L
## Levels: L Wtable(Time)## Time
## L W
## 11 18unclass(Time)## [1] 2 2 2 2 1 1 1 1 2 1 2 1 1 2 2 2 2 2 2 2 2 1 2 2 2 2 1 1 1
## attr(,"levels")
## [1] "L" "W"Esses valores no R são denotados por NA or NaN. NaN é utilizado para operações matemáticas indefinidas, enquanto NA é usado para o restante dos casos.
x <- c(NaN,152, 256, 465, 521, NA, 740, 912, NA)
is.na(x)## [1] TRUE FALSE FALSE FALSE FALSE TRUE FALSE FALSE TRUEis.nan(x)## [1] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSEData frames, que são utilizados em R para armazenar dados em forma de tabela.
Empresa <- c("Apple", "Samsumg", "Xioami", "LG", "Motorola")
Qtd <- c(90, 95, 85, 60, 70)
Dados <- data.frame(CNPJ = Empresa, Vendas = Qtd)
DadosObjetos em R também podem ser nomeados.
Qtd <- c(90, 95, 85, 60, 70)
names(Qtd) <- c("Apple", "Samsumg", "Xioami", "LG", "Motorola")
Qtd## Apple Samsumg Xioami LG Motorola
## 90 95 85 60 70x <- c(950,152, NA, 465, 521, 686, 740, 912, 846)
m <- matrix(x, nrow = 3, ncol = 3)
dimnames(m) <- list(c("BOS", "TOR", "SF"), c("NYY", "WSH", "LAD"))
m## NYY WSH LAD
## BOS 950 465 740
## TOR 152 521 912
## SF NA 686 846Existem algumas operações que você pode usar para extrair subconjuntos de diferentes tipos de objetos do R. Tem o colchete simples [ ], O colchete duplo [[ ]]. Os princípios básicos que temos que lembrar é que o colchete simples sempre retorno um objeto da mesma classe do original. O operador de colchete duplo é usado para extrair elementos de uma lista um DataFrame. Ele só pode ser usado para extrair um único elemento do objeto que deve ser uma lista ou data frame.
Empresa <- c("Apple", "Samsumg", "Xioami", "LG", "Motorola")
Qtd2019 <- c(90, 95, 85, 60, 70)
Qtd2020 <- c(85, 95, 90, 55, 75)
rbind(Empresa, Qtd2019, Qtd2020)## [,1] [,2] [,3] [,4] [,5]
## Empresa "Apple" "Samsumg" "Xioami" "LG" "Motorola"
## Qtd2019 "90" "95" "85" "60" "70"
## Qtd2020 "85" "95" "90" "55" "75"x <- list(CNPJ = Empresa, "2019" = Qtd2019, "2020" = Qtd2020)
x[1]## $CNPJ
## [1] "Apple" "Samsumg" "Xioami" "LG" "Motorola"x[[1]]## [1] "Apple" "Samsumg" "Xioami" "LG" "Motorola"x$"2019"## [1] 90 95 85 60 70x[["2019"]]## [1] 90 95 85 60 70x["2019"]## $`2019`
## [1] 90 95 85 60 70x[[c(1,4)]]## [1] "LG"x[[1]][[4]]## [1] "LG"y <- matrix(Empresa, Qtd2019, 5,2)
y[1]## [1] "Apple"y[1, , drop = FALSE]## [,1] [,2] [,3] [,4] [,5]
## [1,] "Apple" "Samsumg" "Xioami" "LG" "Motorola"# Remover os NAs
x <- c(1,2,NA,4,NA,5)
bad <- is.na(x)
x[!bad]## [1] 1 2 4 5airquality [1:6, ]good <- complete.cases(airquality)
airquality [good, ][1:6, ]Marca <- c("Apple", "Samsumg", "Xioami", "LG", "Motorola")
Joao <- c(90, 95, 85, 60, 70)
Maria <- c(95, 90, 80,60,75)
m <- rbind (Joao, Maria)
colnames(m) <- paste(Marca)
m## Apple Samsumg Xioami LG Motorola
## Joao 90 95 85 60 70
## Maria 95 90 80 60 75A <- rbind(Joao + Maria)
colnames(A) <- paste(Marca)
A## Apple Samsumg Xioami LG Motorola
## [1,] 185 185 165 120 145B <- rbind(Joao/Maria)
colnames(B) <- paste(Marca)
B## Apple Samsumg Xioami LG Motorola
## [1,] 0.9473684 1.055556 1.0625 1 0.9333333#verdadeira multiplicação de matrizes
x <- matrix(1:4, 2,2)
y <- matrix(c(10, 4), 2,1)
x%*%y## [,1]
## [1,] 22
## [2,] 36