‣ Tipos de dados: vetor, data frame. Manipulação de dados, criação de gráficos e testes de hipótese. ‣ Construção de vetor com c(), indexação e modificação de vetores, funções matemáticas. ‣ Filtros em vetores com comparações lógicas e operador %. Tratamento de valores faltantes. ‣ Data frame com indexação de linhas e colunas. Filtros em data frames.

1. Beabá do
Aa Bb Cc Dd Ee Ff Gg Hh Ii
Jj Kk Ll Mm Nn Oo Pp Qq Rr
Ss Tt Uu Vv Ww Xx Yy Zz
16 de janeiro de 2013
Rodrigo Rocha Gomes e Souza (rodrigorgs@gmail.com)
CPDx. Centro de Processamento de Dados (CPD), Universidade Federal da Bahia (UFBA) https://blog.ufba.br/cpdx

5. 
 
 
 



7. 
 

 

 estatística
 mineração de dados
  visualização de dados
 ...



 


8. 
 

 



 




 


9. software liv e

10. multiplatafo ma

11. ápida!

12. dive sos
pacotes

13. muito mate ial

14. fácil de integ ar
a outras linguagens

15. lê vá ias
fontes de dados

16. elatórios
em PDF (com LaTeX)

17. é uma linguagem
de prog amação

18. você p ecisa
saber estatística

19. bom para
g áficos estáticos

20. dados na
memó ia

21. mão na massa

24. Sumário
‣Tipos de dados: vetor, data frame
‣ Manipulação de dados
‣ Criação de gráficos
‣ Testes de hipótese

25. Construção de vetor: c()
‣ c(1, 2, 3, 4)
‣ 1:4 (igual ao anterior)
‣5 (vetor de um elemento)
‣ c(“a”, “b”, “c”, “a”)
‣ c(T, F, T, T)

26. Atribuição: <-
‣ nome <- “Fulano”
‣ temperaturas.maximas <- c(27, 31, 28)
‣ (ponto faz parte do nome da variável)
‣ x <- 1:10

27. Atribuição e Indexação
‣ x <- c(“a”, “b”, “c”, “d”, “e”)
‣ x[1] # “a”
‣ x[c(1, 3)] # “a” “c”
‣ x[c(T, F, T, F, F)] # “a” “c”

28. Modificação do vetor
‣ x[1] <- “A”
‣ “A” “b” “c” “d” “e”
‣ x[1:3] <- “Z”
‣ “Z” “Z” “Z” “d” “e”
‣ x[c(F, F, F, F, T)] <- “U”
‣ “Z” “Z” “Z” “d” “U”

29. Funções
‣ notas <- c(9, 8, 9, 10, 7, 5, 7, 8)
‣ length(notas) # 8
‣ sum(notas) # 63
‣ mean(notas) # 7.875 (média)
‣ sd(notas) # 1.552648 (desvio-padrão)

30. NA: valor faltando
‣ notas[10] <- 9
‣ 9 8 9 10 7 5 7 8 NA 9
‣ mean(notas)
‣ NA
‣ mean(notas, na.rm=T)
‣8

31. Operações vetorizadas
‣ notas <- c(9, 8, 9, 10, 7, 5, 7, 8, 9, 9)
‣ notas * 2
‣ 18 16 18 20 14 10 14 16 18 18
‣ notas == 9
‣T F T F F F F F T T

32. Filtro
‣ notas > 7 & notas < 10
‣T T T F F F F T T T
‣ notas %in% c(8, 9)
‣T T T F F F F T T T

33. Filtro
‣ notas[c(T, T, T, F, F, F, F, T, T, T)]
‣9 8 9 8 9 9
‣ notas[notas > 7 & notas < 10]
‣9 8 9 8 9 9
‣ notas[notas %in% c(8, 9)]
‣9 8 9 8 9 9

34. Outras coisas
‣ ifelse(notas >= 7, “A”, “R”)
‣ "A" "A" "A" "A" "R" "R" "R" "A" "A" "A"
‣ table(notas)
‣ 5 7 8 9 10
1 2 2 4 1

35. Gráficos
‣ hist
‣ plot
‣ boxplot
‣ pie
‣ mosaicplot

36. Data frame
nome idade altura
Fulano 19 1.70
Beltrano 32 1.67
Sicrano 47 1.92
John 82 1.61
Paul 64 1.57
George 25 1.77
Ringo 76 1.68
vetor vetor vetor

37. Carregando data frame
‣x <- read.table(“arquivo”, sep=“t”, header=T)
‣x <- read.csv(“arquivo”)

38. Indexação
‣ x$nome # retorna coluna nome (um vetor)
‣ x[ linhas, colunas ]
‣ x[1, ] # data frame com primeira linha
‣ x[ , 1] # primeira coluna (vetor)
‣ x[ , “nome”] # coluna nome
‣ x[1:3, c(“nome”, “altura”)]

39. Filtros
‣ x[x$idade > 40, ]
‣ subset(x, idade > 40)
‣ head(x) # retorna primeiras 6 linhas
‣ tail(x) # retorna últimas 6 linhas

40. Misc
‣ x$idade <- 2013 - x$ano.nascimento # nova coluna
‣ x$idade <- NULL # remover coluna
‣ summary(x) # sumário estatístico
‣ nrow(x) # número de linhas

41. Para saber mais
The Art of R Programming
R in Action
http://www.statmethods.net/
http://tryr.codeschool.com/
http://www.r-project.org/