1) O documento introduz a linguagem R, abordando sua história, instalação, editores de texto, manipulação de objetos, entrada e saída de dados, e distribuições de probabilidade. 2) São apresentados conceitos sobre modos e atributos de objetos no R, como vetores, matrizes, listas e data frames. 3) O documento também explica a importação e exportação de dados, e como gerar gráficos e saídas em diferentes formatos a partir do R.

1. Introdução a Linguagem R

2. Introdução a Linguagem R Prof. Me. Anderson Carlos D. Sanches [email_address] www.software.pro.br @andycds

4. Manipulações e objetos

5. Modos e atributos de objetos

6. Distribuições de probabilidade

7. Gráficos

8. Programação

9. Apêndice: Integração de R com Banco de Dados MySQL

15. Software para manipulação de informações, elaboração de cálculos e desenho de gráficos

16. Diversas aplicações

17. Extensível através de pacotes

18. Software Livre

20. http://cran-r.c3sl.ufpr.br/

21. 2. Execute a o instalador clicando sobre ele

22. 3. Selecione a ajuda complementar a ser instalada

23. 4. Selecione padrão

24. 5. Clique no ícone R

27. Escolher espelho cran: Brasil(PR)

29. apt-get install r-cran-rmysql

32. Já vem com o Gnome!

34. Manipulações e objetos

36. Informações da sessão: sessionInfo()

37. Para limpar a tela: Ctrl+L

38. Para sair: q()

39. Neste ponto é possível salvar a área de trabalho (y), não salvar (n) ou cancelar a saída (c)

41. Para casos onde possa haver confusão na notação, use aspas: help( " [[")

42. Navegando na documentação: help.start()

43. Para procurar um assunto: ??solve ou help.search(solve)

44. Para ver um exemplo: example(dpois)

45. Tente também:?help.search e ?help

47. vignette()

48. vignette("foreach")

49. Procura no site do R (manuais e listas de e-mail):

50. RSiteSearch("foo")

52. Maiúsculas ou minúsculas fazem diferença

53. Para comentar algo, você pode usar #

54. Se um comando não terminou numa linha, o prompt do R muda de > para +

55. Você pode usar novamente um comando acessando-o com as setas para cima e para baixo

57. 9 ∙ 13 + 15 / 3 + 2

58. 2 10

59. Agora faça você:

61. a = 3 ou a ← 3 ou 3 -> a ou assign("a", 3)

62. Esta seta (←) representa o menor e o menos (<-)

63. Depois: a [enter]

64. Consultar os objetos da sessão: ls() ou objects()

65. Remover da memória algum objeto: rm( objeto )

66. Pode-se remover diversos objetos ao mesmo tempo: rm( obj1, obj2 )

68. save( objeto , file = &quot;meusObjetos.RData&quot;)

69. Salvando todos os objetos da sessão:

71. load(&quot;meusObjetos.RData&quot;)

73. É possível carregar uma série de comandos de um arquivo: source(comandos.r)

74. Saída:

75. É possível redirecionar a saída para um arquivo: sink(&quot;saida.lis&quot;)

76. Para voltar com a saída em vídeo: sink()

78. Windows Metafile: win.metafile(&quot;filename.wmf&quot;)

79. PNG: png(&quot;filename.png&quot;)

80. JPEGE: jpeg(&quot;filename.jpg&quot;)

81. BMP: bmp(&quot;filename.bmp&quot;)

82. Postscript: postscript(&quot;filename.ps&quot;)

84. medidas ← scan(file = &quot;analise.txt&quot;); # ou ainda :

85. medidas ← scan(file=&quot;analise.csv&quot;, sep=&quot;,&quot;)

86. O scan também serve para ler do teclado (finalize com 2 enter):

87. notas ← scan()

89. Salve como:

90. PlanR.csv

91. Tipo: CSV

93. Média das notas nas provas:

94. mean(plan[,2:3])

95. Sumário das notas:

96. summary(plan[,2:3])

98. sink(&quot;arqSaida&quot;, append=TRUE, split=TRUE)

99. pdf(“saidaPDF.pdf&quot;)

100. source(“arquivo2&quot;)

101. sink()

102. dev.off()

103. source(“arquivo3&quot;)

105. Mudar o diretório: setwd(&quot;/dire/torio&quot;)

106. Objetos na memória: ls()

107. Seus últimos 20 comandos: history(20)

108. Gravar/carregar histórico:

109. savehistory(&quot;arquivo&quot;)

110. loadhistory(&quot;arquivo&quot;)

111. Ver as opções: options()

112. Modos e atributos de objetos

114. Mesmo uma variável (x = 2 por exemplo), é considerada como um vetor de tamanho 1

115. Concatenar / combinar vetores: c(1, 3, 5, 2)

116. a = c(1, 2, 3); b = c(4, 5, 6)

117. c = c(a, b)

118. Pode-se acessar elementos do vetor com colchetes:

119. a[3] = 5

121. v = c(1, 2, 3, 4, 5)

122. 2*v

123. w = c(1)

124. v * w, v + w

125. w = c(1, 2)

126. v * w, v + w

127. c(w, v, w)

129. log: log(1024, 2)

130. exp: exp(2)

131. pi

132. sin, cos, tan, asin, acos, atan: sin(pi/2)

133. sqrt(2) = raiz de 2

134. abs (expressão)

135. Tente: 13/0; sqrt(-17); sqrt(-17 + 0i)

137. resto da divisão: 7 %% 3

138. inteiro da divisão: 7 %/% 3

140. Comprimento: length

141. Somatório: sum, cumsum

142. Produtório: prod, cumprod

143. Média: mean

144. Variância: var

145. Máximo e mínimo: max, min, range

146. Sumário: summary

148. Ordenação: sort

149. Tente: sort(vetor, decreasing = TRUE)

150. Obter um vetor de permutações que ordenam o vetor dado: order

151. Posto dos valores do vetor: rank

152. Compare rank com order

154. Gere um intervalo com 10 números, de 2 até 20

155. Faça: n = 10; 1:n-1; 1:(n-1)

156. seq(from = 1, to = 10) #from e to são opcionais

157. seq(1, 10, by = 2)

158. seq(1,10, length = 3)

159. seq(length = 51, from = -5, by = .2)

161. rep(x, times = 5)

162. rep(x, each = 5)

163. y = rep( c(4, 2, 8, 10, 6), c(1, 2, 2, 1, 3) )

164. unique(y)

165. duplicated(y); y[!duplicated(y)]

166. Construa um vetor com os números de 14 a 7 seguido de 7 números 4 seguido de 8 até 16 passo 2

168. hip = 3 < 2

169. x = 1:3; x <= 2

170. == igual, != diferente, & e, | ou, ! negação

171. Cuidado com T e F!

172. z ← c(1:3, NA); ind ← is.na(z)

173. Não confunda com NaN:

174. 0/0; Inf – Inf; is.nan(NA); is.na(NaN)

176. barplot(8:10, main = &quot;Notas da Prova&quot;)

177. Caractere é definido por &quot; ou por '

178. Caracteres especiais são precedidos de

179. Para consultá-los: ?Quotes

180. Concatenar vetores transformando para strings: paste(0:1, &quot;berto&quot;, sep=&quot;&quot;)

182. v = 1:10; v[5] = NA

183. y ← v[!is.na(v)]

184. (v + 1)[(!is.na(v)) & v > 0] -> z

185. v[3:6]

186. c(&quot;x&quot;,&quot;y&quot;)[rep(c(1, 2, 2, 1), times = 4)]

187. y ← v[-(4:6)]

189. x ← 1:10; x[c(2:3, 5, 7:8)] ← NA

190. Trocando NA por 0:

191. x[is.na(x)] ← 0

192. y = 5:-5

193. O que este comando faz?

194. y[y < 0] ← -y[y < 0]

196. aluno ← scan(what = character(3))

197. nota ← 8:10

198. names(nota) ← aluno

199. w ← nota[c(&quot;Renata&quot;, &quot;Lili&quot;)]

201. fatores: para manipulação de dados categorizados

202. listas: vetor com elementos não necessariamente do mesmo tipo

203. data frames: matrizes com diferentes tipos de colunas

204. funções: pequenos programas

206. listas tem seu próprio modo, já que um objeto da lista pode ser de qualquer modo, até uma outra lista

207. comprimento: length

208. atributos não intrínsecos: attributes #tente no vetor nota criado anteriormente!

210. Pode-se trocar os modos de um vetor:

211. num ← 1:10

212. as.character(num) -> digito

213. renum ← as.integer(digito)

214. Também funciona: as.double, as.numeric

215. Converta para lógico: nbool ← c(&quot;TRUE&quot;, &quot;FALSE&quot;)

217. e ← numeric()

218. E seu tamanho pode ser alterado:

219. e[3] = 2

220. a = 20:30; a = a[2 * 1:5]

221. length(a) = 3

222. z = 1:100; attr(z, &quot;dim&quot;) ← c(10,10) #matriz

224. x = 1:10; class(x)

225. y = 3+1i; class(y)

226. class(z) # do exemplo anterior

227. Dependendo da classe, alguns métodos se comportam de forma diferente. Ex:

228. summary(x)

229. summary(y)

230. summary(z)

232. sex = c(&quot;m&quot;,&quot;m&quot;,&quot;f&quot;,&quot;f&quot;,&quot;f&quot;,&quot;m&quot;,&quot;m&quot;,&quot;f&quot;,&quot;m&quot;,&quot;f&quot;,&quot;f&quot;)

233. sexof = factor(sex)

234. peso = c(63, 80, 49, 59, 55, 72, 90, 73, 68, 53, 61)

235. pesomed ← tapply( peso, sexof, mean )

236. Se os fatores tiverem ordem, use ordered ao invés de factor

238. mat = 1:150

239. dim(mat) = c(15,10)

240. É possível também criar matrizes com 3 ou mais dimensões: dim(mat) = c(5, 10, 3)

241. Para selecionar elementos: mat[1, 2, 3]

242. É possível selecionar uma &quot;subseção&quot;, que também é uma matriz: nm ← mat[ , , 2]; dim(nm)

245. mm ← matrix(1:15, nrow = 3, ncol = 5, byrow = TRUE)

246. mm ← matrix(1:15, nrow = 3, byrow = TRUE)

247. numb = 1:15

248. mm ← matrix(numb, ncol = 5, byrow = FALSE)

250. mat.n1 = 1:3; mat.n2 = 4:6; mat.n3 = 7:9

251. mat.a = cbind(mat.n1, mat.n2, mat.n3)

252. mat.b = rbind(mat.n1, mat.n2, mat.n3)

253. E também lendo do teclado:

254. mat3 = matrix(scan(), ncol = 3, byrow = TRUE)

256. Diagonal: diag(mar); diag(mar) ← 25

257. Transposta: t(mar)

258. Inversa: solve(mat)

259. Multiplicação matricial: %*%

260. M ← matrix(1:12,3,4); V ← matrix(13:24, 4, 3)

261. M%*%V

263. alunos

264. colnames(alunos) = c(&quot;numero&quot;, &quot;prova1&quot;, &quot;prova2&quot;)

265. alunos

266. mean(alunos[ ,&quot;prova2&quot;])

268. l = list(nome=&quot;Anderson&quot;, mulher=&quot;Renata&quot;, num.animais=2, idade.animais=c(0,1))

269. Veja: l[[2]]; l[[4]][2]; l$mulher; l$idade.animais[1]

270. l$m

271. k ← &quot;nome&quot;; l[[k]]

272. Diferença entre l[1] e l[[1]]

274. Vetores e matrizes com mesmo tamanho

275. r = data.frame(z1 = 1:20, z2 = 1:5)

276. Data frame pode virar matriz:

277. data.matrix(frame)

278. Distribuições de probabilidade

280. Funções para o cálculo de probabilidade, função densidade de probabilidade e sorteios:

281. Exemplos: beta, binomial, Cauchy, chi-squared, exponential, F, gamma, geometric, hypergeometric, log-normal, logistic, negative binomial, normal, Poisson, Student's t, uniform, Weibull, Wilcoxon

283. p é função distribuição acumulada

284. q é a função quantil

285. r gera números aleatórios (random)

286. Ex: Em 10 lançamentos de um dado, qual a probabilidade de sair o número 1 exatamente duas vezes?

287. dbinom( 2, 10, 1/6)

289. Seja Z ~ Normal(0, 1), calcule P(Z < -1,64): pnorm( -1.64, 0, 1) = 0.0505

290. Calcule P(Z > 1,96): 1 – pnorm(1.96, 0, 1) = 0.0249

291. Encontre k tal que P(Z < k) = 0,05: qnorm(0.05,0,1) = -1.6448

292. Encontre k tal que P(Z > k) = 0.025: qnorm(1-0.025,0,1) = 1.9599

294. Alternativas p ← 0 u ← runif(1, 0, 1) if (u < 1/6) p ← -1 if (u > 5/6) p ← 1 p ← 0 u ← runif(1, 0, 1) if (u < 1/3) p ← -1 if (u > 2/3) p ← 1 p ← 0 u ← runif(1, 1, 6) if (u < 1/3) p ← -1 if (u > 2/3) p ← 1 p ← 0 u ← runif(1, 0, 1) if (u == 1/6) p ← -1 if (u == 5/6) p ← 1 p ← 0 u ← runif(1, 1, 6) if (u < 1/6) p ← -1 if (u > 5/6) p ← 1

296. sum(dbinom(8:10,10,0.6))

299. dgeom(2,0.1)

302. Um dado é lançado sucessivamente até se obter a face &quot;1&quot; pela terceira vez. Qual a probabilidade de serem necessários exatemente cinco lançamentos? 0,01929012

303. dnbinom(2,3,1/6)

306. dhyper(4, 7, 12-7, 6)

313. Gráficos

315. demo(persp)

316. demo(image)

317. demo(smooth)

318. Lista com todas as demonstrações:

319. demo()

320. Fontes e caracteres:

321. demo(Hershey); demo(Japanese); demo(plotmath)

323. Existem alguns pacotes para auxiliar o desenho de gráficos, como o rggobi e o rgl (para gráficos 3D)

324. Manipular a janela gráfica:

325. par(mfrow=c( linhas , colunas ))

326. Histograma: hist(rt(10000, 100)) #rt: t-student

327. Boxplot: boxplot(rpois(50, 10), rpois(50, 20), rpois(50, 15))

329. tipos = c(&quot;p&quot;, &quot;l&quot;, &quot;b&quot;, &quot;c&quot;, &quot;o&quot;, &quot;h&quot;, &quot;s&quot;)

330. for(i in 1:length(tipos)) plot(sin, -pi, 2*pi, type = tipos[i])

331. Dispersão:

332. x1 ← runif(30, 1, 50); x2 ← runif(30, 0, 1)

333. y ← 2 + 0.5 * x1 + 4 * x2 + rnorm(30, 0, 1)

334. pairs(cbind(x1, x2, y))

336. nome = c(&quot;Anderson&quot;,&quot;Renata&quot;,&quot;Lili&quot;)

337. barplot(nota, names.arg = nome, main = &quot;Notas da Prova&quot;)

338. cores = c(&quot;yellow&quot;, &quot;blue&quot;, &quot;green&quot;)

339. barplot(nota, names.arg = nome, main = &quot;Notas da Prova&quot;, col = cores)

340. barplot(nota, names.arg=nome, main=&quot;Notas da Prova&quot;, col = cores, horiz = TRUE)

341. Programação

343. a ← 1

344. b ← a

345. a ← a + 1

346. Quanto vale o b?

347. Funções mediaNota ← function(unificada, regimental) { media = (2 * regimental + unificada) / 3 media }

348. Programando com R X = ∑ 2i + 1 i = 2 27

349. Laços for resp = 0 for (i in 2:27) { resp = resp + (2*i + 1) } resp

351. Laços while fatores = function(n) { f = 2 while (n > 1) { while (n %% f == 0) { print(f) n = n / f } f = f + 1 } }

352. Condicionais mediaFinal = function(unificada, regimental) { media = (2 * regimental + unificada) / 3 media = round(media, 1) if (media >= 7) { print(paste(&quot;Aprovado:&quot;, media)) } else { if (media >= 4) { print(paste(&quot;Exame:&quot;, media)) } else { print(paste(&quot;Reprovado:&quot;, media)) } } }

355. negação: !

356. e: &

357. ou: |

358. ou exclusivo: xor()

359. lógico sequencial && e ||: avaliam somente até obter resultado

360. (1 > 2) | (4 != 2 + 2)

363. Funções podem chamar outras funções, inclusive elas mesmas

364. Fibonnacci: 1, 1, 2, 3, 5, 8, 13, 21, 34, 55...

366. if (x < 2) return(n)

367. else return(fibonacci(x - 1) + fibonacci(x - 2))

368. }

370. An Introduction to R: www.r-project.org

371. Tirinhas do Dilbert: http://www.flickr.com/photos/12110586@N06

372. Notas de aula da disciplina Linguagem de Programação do bacharelado em Estatística da Unicapital, prof. Anderson Sanches

373. Consulte o autor para outras referências

376. Obrigado! Anderson Carlos D. Sanches www.software.pro.br [email_address] Dúvidas, sugestões, correções?

377. Apêndice: Banco de Dados com MySQL

379. library(&quot;RMySQL&quot;)

380. Carregar o driver

381. drv = dbDriver(&quot;MySQL&quot;)

382. Conectar

383. con = dbConnect(drv, username=&quot;anderson&quot;, password=&quot;SENHA&quot;, dbname=&quot;world&quot;, host=&quot;localhost&quot;)

385. dbListTables(con)

386. Exibir os campos de uma tabela

387. dbListFields(con, &quot;Country&quot;);

388. Importar e exportar data.frames:

389. d <- dbReadTable(con, &quot;WL&quot;) dbWriteTable(con, &quot;WL2&quot;, a.data.frame)

390. dbWriteTable(con, &quot;test2&quot;, &quot;~/data/test2.csv&quot;)

392. dbGetQuery(con, &quot;select count(*) from a_table&quot;)

393. Executar um comando SQL e obter seu retorno por partes (como um result set):

394. rs <- dbSendQuery(con, &quot;select * from WL where width_nm between0.5 and 1&quot;)

395. d1 <- fetch(rs, n = 10000)

396. d2 <- fetch(rs, n = -1)

398. script ← paste(&quot;select * from WL where width_nm between 0.5 and1&quot; &quot;select * from lasers_id where id LIKE ’AL100 sep = &quot;;&quot;)

399. Processar os resultados rs1 ← dbSendQuery(con, script) d1 ← fetch(rs1, n = -1) if(dbMoreResults(con)){ rs2 ← dbNextResult(con) d2 ← fetch(rs2, n=-1) }

401. summary(con, verbose = TRUE)

402. summary(rs,verbose = TRUE)

403. dbListConnections(MySQL())

404. dbListResultSets(con)

405. dbHasCompleted(rs)

407. dbHasCompleted(rs)

408. info ← dbGetInfo(rs)

409. names(dbGetInfo(drv))

410. infonames(dbGetInfo(con))

411. infonames(dbGetInfo(rs))

413. Introdução a Linguagem R Prof. Me. Anderson Carlos D. Sanches [email_address] www.software.pro.br @andycds curso ministrado na SPSS 20/04/10