1 . Instale o pacote cepespR
#install.packages("devtools")#install.packages("github")#remove.packages("cli")
#install.packages("cli")#devtools::install_github("Cepesp-Fgv/cepesp-r")Siga as diretrizes da atividade.
Rode o arquivo .Rmd por meio do ícone knitr
Salve o .Rmd e submeta-o por meio do email renataoliveira@gmail.com.
Agradecimento: Leo Barone pelo maravilhoso exercício!
Neste breve tutorial vamos ver alguns exemplos de como criar funções e utilizar processos iterativos (loops) que facilitam a organização do código, reduzem bastante o esforço de programação e tornam o programa mais eficiente.
Estes exemplos servirão de norte para que você leia, em sala, os capítulos 19 - Functions, 20 - Iteration, e o trecho do capítulo 18 - Vectors que trata de listas.
Imagine que você precisa organizar dados dos candidatos à presidência de diversos anos (2006 a 2014) e vai utilizar a API do CEPESP Data. Utilizando a função candidates do pacote cepespR podemos obter os dados:
library(cepespR)library(cepespR)
candidatos06 <- get_candidates(year = 2006, position = "President")
candidatos10 <- get_candidates(year = 2010, position = "President")
candidatos14 <- get_candidates(year = 2014, position = "President")e, a seguir, podemos juntar todos em um único data_frame:
candidatos <- rbind(candidatos06, candidatos10, candidatos14)Simples, não? Imagine agora que você quer repetir mesma tarefa não 4, mas centenas de vezes. O código deixaria de ser simples e passaria a ter centenas de linhas.
Essa centena de linhas seria pura repetição de código. No nosso exemplo, a obtenção dos dados para candidatos à presidência em 2006 e em 2010 são idênticas, exceto por 2 números. Como podemos evitar a repetição de códigos?
Neste tutorial vamos rever dois tópicos que são fundamentais para tornar o seu código mais enxuto e eficiente: funções e iterações (loops e similares).
No exemplo acima, um simples for loop resolveria nosso problema de repetição de código. Veja abaixo e tente entender sozinha(o) o que está acontencendo:
library(dplyr)
vetor_anos <- c(2006, 2010, 2014, 2018)
candidatos_for <- data.frame()
for (ano in vetor_anos) {
candidatos_for <- bind_rows(candidatos_for,
get_candidates(year = ano, position = "President"))
}
candidatos_for_indice <- data.frame()
for (i in 1:length(vetor_anos)) {
candidatos_for_indice <- bind_rows(candidatos_for_indice,
get_candidates(year = vetor_anos[i], position = "President"))
}
list(candidatos_for)
list(candidatos_for_indice)Simples, não? Se quiséssemos utilizar mais anos em nossa análise, bastaria mudar o vetor “percorrido” pelo loop que contém o número de anos.
Vamos supor agora que não queremos juntar todos os anos, apenas contar o número de linhas (que é o número de candidatos) em cada um dos anos e armazenar o resultado em um vetor. Veja como fazemos isso com um for loop:
n_candidatos <- c()
for (ano in vetor_anos){
n_candidatos <- c(n_candidatos, nrow(get_candidates(year = ano, position = "President")))
}
list(n_candidatos)Igualmente simples. Há outras maneiras de produzir o mesmo resultado em R sem utilizar for loops. Note que podemos pensar um for loop como uma função que recebe como argumento um vetor e realiza a mesma tarefa para cada elemento do vetor.
Uma das bases mais estudadas em política comparada e estudos empíricos sobre é a Polity IV, que contém varáveis sobre diversas características de um conjunto grande de países e em vários anos. Quem quiser conhecer mais sobre os dados pode acessar aqui ou ler a documentação aqui.
A principal variável da base de dados é um indicador de grau de democracia que resulta da combinação de um conjunto variáveis componentes codificadas diretamente a partir da observação dos casos. Vamos ignorar seus significados e apenas observar que essas variáveis componentes recebem valores de 0 a 10, se o caso for uma democracia, ou os códigos -66, -77 e -88 em períodos autoritários ou de transição.
Comece abrindo os dados que estão no repositório do curso e criando uma cópia, ‘p4’, que será modificada.
p4_raw <- read.csv2("https://raw.githubusercontent.com/leobarone/FLS6397_2018/master/data/p4v2016.csv")
p4 <- p4_rawComo as variáveis contêm alguns códigos numéricos cujas distâncias matemáticas não fazem nenhum sentido (-66, -77 e -88), precisamos transformá-los em NA para podermos calcular qualquer estatística descritiva com a variável. Vamos realizar a transformação nas variáveis ‘xconst’, ‘xrreg’, ‘xropen’, ‘xconst’ e aprender um novo operador, %in%. Todas as variáveis se referem sobre características da competição pelo poder Executivo em um país em um ano:
p4$xrcomp[p4$xrcomp %in% c(-66, -77, -88)] <- NA
p4$xrreg[p4$xrreg %in% c(-66, -77, -88)] <- NA
p4$xropen[p4$xropen %in% c(-66, -77, -88)] <- NA
p4$xconst[p4$xconst %in% c(-66, -77, -88)] <- NAComo vamos repetir a mesma transformação de variáveis diversas vezes, convém escrever uma função para tal transformação. Observe com cuidado o código abaixo:
limpa_var <- function(x) {
x[x %in% c(-66, -77, -88)] <- NA
return(x)
}Vamos refazer o código acima utilizando a função que acabamos de criar (lembre-se criar um novo objeto ‘p4’, pois as variáveis foram transformadas no código anterior):
p4 <- p4_raw
p4$xrcomp <- limpa_var(p4$xrcomp)
p4$xrreg <- limpa_var(p4$xrreg)
p4$xropen <- limpa_var(p4$xropen)
p4$xconst <- limpa_var(p4$xconst)Melhor. Temos linhas mais enxutas. Se estívessemos aplicando transformações mais complexas às variáveis, encurtaríamos bastante o código.
Ainda assim, temos muitas repetições de linha. O que muda de uma linha à outra é apenas o nome da variável. Como vimos no caso anterior, podemos realizar tarefas repetidas em loop. Vamos, dessa forma, aplicar a função que criamos em loop:
p4 <- p4_raw
vetor_var <- c('xrcomp', 'xrreg', 'xropen', 'xconst')
for (var in vetor_var){
p4[, var] <- limpa_var(p4[, var])
}
head(p4)Se estívessemos utilizando todas as variáveis do banco de dados codificadas da mesma maneira (são várias) teríamos uma economia bastante importante de código.
Obs: uma forma alternativa de selecionar variáveis de um data frame utilizando colchetes é aplicando colchetes duplo (em vez de separar linhas e colunas dentro do colchetes por vírgula). O estilo de código abaixo, encontrado com frequência no livro “R for Data Science”, é equivalente ao que acabamos de ver.
for (var in vetor_var){
p4[[var]] <- limpa_var(p4[[var]])
}
## Exercício
#Refere-se os dados de 'Polity' baixados anteriormente (_p4\_raw_).
#1. Use um _for loop_ para identificar o valor máximo na tabela das três variáveis: _parcomp_ (a competitividade da participação), _polcomp_ (a competitividade da política) e _polity2_ (o indicador geral da democracia).
vetor_var <- c('polcomp', 'parcomp', 'polity2')
for (var in vetor_var)
{
y <- max(p4_raw[, var])
print(var)
print(y)
}x = 1
y = 2
z = x + y
minha_funcao <- function(x,y) {
z = x^y
return(z)
}
minha_funcao(1,2)## [1] 1# Excel
#=se(x=1;"Hello";"World")
# if + else
#if (test_expression) {
#statement
#}
#if (test_expression) {
#statement1
#} else {
#statement2
#}
# if + else
x <- 5
if(x > 0){
x = x + 8
} else {
print("ERRO")
}
# ifelse
# ifelse (Condição, comando executado caso a condição seja verdadeira, comando executado caso a condição seja falsa)
#ifelse(test_expression, x, y)
#a = c(5,7,2,9)
#ifelse(a %% 2 == 0,"even","odd")
library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union# case_when
#candidatos_for <- candidatos_for %>%
# mutate(nova = case_when(DESCRICAO_ELEICAO == "Eleicoes Gerais 2014" ~ #"eleicoes_2014",
# DESCRICAO_ELEICAO == "Eleicoes Gerais 2010" | #DESCRICAO_ELEICAO == "ELEICOES 2006" ~ "nao_2014"))
#candidatos_for