Atribuição

Aqui vamos falar do simbolo ‘<-’ ou ‘=’.

meu_numero <-19
meu_numero
## [1] 19
meu_numero2 <-21
meu_numero2
## [1] 21
class(meu_numero)
## [1] "numeric"
soma <- meu_numero+meu_numero2
soma
## [1] 40
novo_numero2 <- meu_numero*meu_numero2
novo_numero2
## [1] 399
novo_numero <- meu_numero^2
novo_numero
## [1] 361
meu_texto <- "esse é o meu primeiro texto em R"
meu_texto
## [1] "esse é o meu primeiro texto em R"
class (meu_texto)
## [1] "character"
numero_como_texto <-"154"
numero_como_texto
## [1] "154"
class (numero_como_texto)
## [1] "character"
num_como_texto2 <- as.character(novo_numero2)
num_como_texto2
## [1] "399"
numero <- as.numeric(num_como_texto2)
numero
## [1] 399

##Vetores no R.

O vetor tem a estrutura c(). Exemplos seriam c(11,23,33,44,55) e c(“meu”, “texto”)

# criando vetores

meu_vetor <-c(11,54,89,75,99)
meu_vetor
## [1] 11 54 89 75 99
class(meu_vetor)
## [1] "numeric"
somav <-sum(meu_vetor)
somav 
## [1] 328
mediav <-mean(meu_vetor)
mediav
## [1] 65.6
vetor_texto <-c("meu", "texto", "aqui")
vetor_texto
## [1] "meu"   "texto" "aqui"
class(vetor_texto)
## [1] "character"

Sobre o data.frame

O banco de dados (data.frame).Cuidado com o símbolo ‘$’

funcionarios <- data.frame(nome = c("Marx", "Weber", "Durkheim","Arendt", "Maquiavel"),
                           sexo = c("M", "M", "M", "F","M"),
                           salario = c(1000, 1200, 1300, 2000, 500),              
                           stringsAsFactors = FALSE)
funcionarios
##        nome sexo salario
## 1      Marx    M    1000
## 2     Weber    M    1200
## 3  Durkheim    M    1300
## 4    Arendt    F    2000
## 5 Maquiavel    M     500
turma <- data.frame(nome_aluno = c("Jurgen Habermas", "Karl Popper", "John Rawls","Paulo Freire"),
                    sexo = c("M", "M", "M","M"),
                    CR = c(6.98, 7.01, 7.03, 8.88), stringsAsFactors = FALSE)
turma
##        nome_aluno sexo   CR
## 1 Jurgen Habermas    M 6.98
## 2     Karl Popper    M 7.01
## 3      John Rawls    M 7.03
## 4    Paulo Freire    M 8.88
funcionarios$sexo
## [1] "M" "M" "M" "F" "M"
turma$nome_aluno
## [1] "Jurgen Habermas" "Karl Popper"     "John Rawls"      "Paulo Freire"
media_sal <-mean(funcionarios$salario)
media_sal
## [1] 1200

##Importando do excel

library(readxl)
Familias <- read_excel("C:/Users/lexm2/Desktop/Base_de_dados-master/Familias.xls", 
                       sheet = "Dados da pesquisa")


##Criando Tabela
tabela1 <-table(Familias$local)
tabela1
## 
##   Encosta do Morro        Monte Verde Parque da Figueira 
##                 37                 40                 43
tabela2 <-table(Familias$p.a.p)
tabela2
## 
## Não usa     Usa 
##      42      78

##Criando Gráfico de Pizza

pie (tabela1, main= "Meu Primeiro Gráfico no R.")

pizza <-pie (tabela2, main= "Uso do P.A.P.")

pie (tabela2, tabela2, 
     main= "Uso do P.A.P.", 
     col =c("aquamarine", "pink"))

pizza
## NULL
pizza2<-pie(tabela1, main="Gráfico.",
            col =c("plum4","turquoise2","thistle2"))

pizza2
## NULL

Conclusão

Aqui posso descrever a minha experiência com o R.

O R é fantástico!!!