Introdução ao R

Linguagem orientada a objetos

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

meu_numero <- 19
meu_numero

## [1] 19

meu_numero2 <- 21
meu_numero2

## [1] 21

meu_numero3 = 31
meu_numero3

## [1] 31

class(meu_numero)

## [1] "numeric"

meu_numero

## [1] 19

#MEU_NUMERO
#Meu_numero

soma <- meu_numero+meu_numero2
soma

## [1] 40

novo_numero <- meu_numero^2
novo_numero

## [1] 361

novo_numero2<-meu_numero*meu_numero2
novo_numero2

## [1] 399

meu_numero <- meu_numero + 5 
# remove(meu_numero)
novo_numero2

## [1] 399

meu_numero*meu_numero2

## [1] 504

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 22 33 44 55) e c(“meu”, “texto”)

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

media <- mean(meu_vetor)
media

## [1] 65.6

vetor_texto <- c('meu', 'texto', 'aqui')
vetor_texto

## [1] "meu"   "texto" "aqui"

class(vetor_texto)

## [1] "character"

COR <- c('red','blue','green','yellow')
COR

## [1] "red"    "blue"   "green"  "yellow"

Sobre o data.frame

o banco de dados (data.frame). cuidado com o simbolo ‘$’.

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

Importar do excel

library(readxl)
Fam <- read_excel("C:/Users/patri/OneDrive/Documentos/Estatistica/Base_de_dados-master/Familias.xls", sheet = "Dados da pesquisa")

Criar tabela

tabela1 <- table(Fam$local)
tabela1

## 
##   Encosta do Morro        Monte Verde Parque da Figueira 
##                 37                 40                 43

tabela2 <- table(Fam$p.a.p)
tabela2

## 
## Não usa     Usa 
##      42      78

Criar os gráficos de pizza

pizza <- pie(tabela2, 
      main = "Gráfico 2 - uso do P.A.P.",
      col =c("aquamarine","pink"))

pizza

## NULL

pizza3 <- pie(tabela1,main = "gráfico com cores",
        col = c("violetred3","orangered","firebrick"))

pizza3

## NULL

Conclusão

Aqui posso descrever a minha experiencia com o R.

O R é fantástico!