Introdução

Aqui vamos trabalhar com variáveis qualitativas. Devemos fazer: 1. Importar arquivos do excel e csv, 2. Olhar e tratar os dados, 3. construir tabelas, 4. fazer gráficos, 5. escrever um parecer.

Importação dos dados

Aqui vamos colocar os dados do excel, csv e RData.

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


library(readr)
Estados <- read_delim("C:/Users/gabri/Desktop/Base_de_dados-master/Estados.csv", 
    delim = ";", escape_double = FALSE, trim_ws = TRUE)
## Rows: 27 Columns: 35
## -- Column specification --------------------------------------------------------
## Delimiter: ";"
## chr (10): S, Sigla, Estado, Regiao_Geografica, CodigoReg, Gini, IDH, IDH_Ren...
## dbl  (3): Codigo, PIB, Populacao
## 
## i Use `spec()` to retrieve the full column specification for this data.
## i Specify the column types or set `show_col_types = FALSE` to quiet this message.
load("C:/Users/gabri/Desktop/Base_de_dados-master/CARROS.RData")

Inspecionar dados

Aqui vamos ver se o R classificou as variáveis corretamente.

str(Familias)
## tibble [120 x 6] (S3: tbl_df/tbl/data.frame)
##  $ familia: num [1:120] 1 2 3 4 5 6 7 8 9 10 ...
##  $ local  : chr [1:120] "Monte Verde" "Monte Verde" "Monte Verde" "Monte Verde" ...
##  $ p.a.p  : chr [1:120] "Não usa" "Não usa" "Usa" "Não usa" ...
##  $ instr  : chr [1:120] "Ensino médio" "Ensino médio" "Ensino fundamental" "Ensino fundamental" ...
##  $ tam    : num [1:120] 4 4 4 5 4 1 2 3 6 4 ...
##  $ renda  : num [1:120] 10.3 15.4 9.6 5.5 9 2.4 4.1 8.4 10.3 4.6 ...
str(CARROS)
## 'data.frame':    32 obs. of  11 variables:
##  $ Kmporlitro             : num  21 21 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 ...
##  $ Cilindros              : num  6 6 4 6 8 6 8 4 4 6 ...
##  $ Preco                  : num  160 160 108 258 360 ...
##  $ HP                     : num  110 110 93 110 175 105 245 62 95 123 ...
##  $ Amperagem_circ_eletrico: num  3.9 3.9 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 ...
##  $ Peso                   : num  2.62 2.88 2.32 3.21 3.44 ...
##  $ RPM                    : num  16.5 17 18.6 19.4 17 ...
##  $ Tipodecombustivel      : num  0 0 1 1 0 1 0 1 1 1 ...
##  $ TipodeMarcha           : num  1 1 1 0 0 0 0 0 0 0 ...
##  $ NumdeMarchas           : num  4 4 4 3 3 3 3 4 4 4 ...
##  $ NumdeValvulas          : num  4 4 1 1 2 1 4 2 2 4 ...
##  - attr(*, "variable.labels")= chr [1:11] "Km por litro" "Número de Cilindros" "Preço" "HP = Horse Power (potência do motor)" ...

Tratamento dos dados

CARROS$Tipodecombustivel <- ifelse(CARROS$Tipodecombustivel==0,"gas","alc")

CARROS$TipodeMarcha <- ifelse(CARROS$TipodeMarcha==0,"auto",ifelse(CARROS$TipodeMarcha==1, "manual", "não se aplica"))

Olhar novamente os dados

summary(CARROS)
##    Kmporlitro      Cilindros         Preco             HP       
##  Min.   :10.40   Min.   :4.000   Min.   : 71.1   Min.   : 52.0  
##  1st Qu.:15.43   1st Qu.:4.000   1st Qu.:120.8   1st Qu.: 96.5  
##  Median :19.20   Median :6.000   Median :196.3   Median :123.0  
##  Mean   :20.09   Mean   :6.188   Mean   :230.7   Mean   :146.7  
##  3rd Qu.:22.80   3rd Qu.:8.000   3rd Qu.:326.0   3rd Qu.:180.0  
##  Max.   :33.90   Max.   :8.000   Max.   :472.0   Max.   :335.0  
##  Amperagem_circ_eletrico      Peso            RPM        Tipodecombustivel 
##  Min.   :2.760           Min.   :1.513   Min.   :14.50   Length:32         
##  1st Qu.:3.080           1st Qu.:2.581   1st Qu.:16.89   Class :character  
##  Median :3.695           Median :3.325   Median :17.71   Mode  :character  
##  Mean   :3.597           Mean   :3.217   Mean   :17.85                     
##  3rd Qu.:3.920           3rd Qu.:3.610   3rd Qu.:18.90                     
##  Max.   :4.930           Max.   :5.424   Max.   :22.90                     
##  TipodeMarcha        NumdeMarchas   NumdeValvulas  
##  Length:32          Min.   :3.000   Min.   :1.000  
##  Class :character   1st Qu.:3.000   1st Qu.:2.000  
##  Mode  :character   Median :4.000   Median :2.000  
##                     Mean   :3.688   Mean   :2.812  
##                     3rd Qu.:4.000   3rd Qu.:4.000  
##                     Max.   :5.000   Max.   :8.000

Tabelas

tabela_comb <- table(CARROS$Tipodecombustivel)
tabela_comb
## 
## alc gas 
##  14  18
tabela_bairro <- table(Familias$local)
tabela_bairro
## 
##   Encosta do Morro        Monte Verde Parque da Figueira 
##                 37                 40                 43
prop.table(tabela_comb)*100
## 
##   alc   gas 
## 43.75 56.25
prop.table(tabela_bairro)*100
## 
##   Encosta do Morro        Monte Verde Parque da Figueira 
##           30.83333           33.33333           35.83333

Gráfico de pizza

pie(tabela_comb)

pie(tabela_comb,main = "meu primeiro grafico no r")

pie(tabela_comb,col = c("pink", "green"),main = "meu primeiro grafico no r")

pie(tabela_bairro,col = c("red","blue","black"),
    main = "grafico 2 - bairros")

Conclusão/parecer

O R é demais!!