Introdução

O que é o R?

R é uma linguagem de programação e ambiente de software especializado em computação estatística e gráficos. É uma linguagem de código aberto, voltada principalmente para análise estatística e visualização de dados.

Para que utilizar o R?

Análise de dados experimentais
Testes estatísticos
Criação de gráficos profissionais
Manipulação de dados

Funções básicas do R

Atribuição

Com a função de atribuição, é possível facilitar o uso de dados, codificando-os com uma string

dados <- 1 + 1
print(dados)

[1] 2

# A função *print* funciona para colocar na tela a atribuição escolhida

Baixar e instalar pacotes

Pacotes são complementos adicionais que propiciam funções novas ao R.

Para baixar e instalar deve-se utilizar as funções install.packages e library, da seguinte forma:

if(!require(dplyr)) install.packages("dplyr")

Carregando pacotes exigidos: dplyr

Warning: pacote 'dplyr' foi compilado no R versão 4.4.3


Anexando pacote: 'dplyr'

Os seguintes objetos são mascarados por 'package:stats':

    filter, lag

Os seguintes objetos são mascarados por 'package:base':

    intersect, setdiff, setequal, union

library(dplyr)

Como importar datasets

Datasets são basicamente conjuntos de dados, eles serão a base das análises

Há várias formas de importar datasets, seguem algumas:

Importar utilizando funções básicas do R

countries <- read.csv("countries.csv")

Com isso conseguimos ler arquivos no formato .csv

Pacotes para importação de datasets

Pacote para importar arquivos em .xlsx

if(!require(readxl)) install.packages("readxl")

Carregando pacotes exigidos: readxl

Warning: pacote 'readxl' foi compilado no R versão 4.4.2

library(readxl)

diversos <- read_excel("dados-diversos.xlsx")

# Selecionar uma tabela dentro do arquivo .xlsx

diversos2 <- read_excel("dados-diversos.xlsx",
                       sheet = "sensibilidade_fungicidas")

New names:
• `` -> `...8`
• `` -> `...9`

Pacote para importar diretamente do Google Sheets

if(!require(gsheet)) install.packages("gsheet")

Carregando pacotes exigidos: gsheet

Warning: pacote 'gsheet' foi compilado no R versão 4.4.3

library(gsheet)

dados_nuvem <- gsheet2tbl("docs.google.com/spreadsheets/u/1/d/1bq2N19DcZdtax2fQW9OHSGMR0X2__Z9T/edit?usp=sharing&ouid=114387405594168347966&rtpof=true&sd=true")

# Podemos selecionar um sheet específico utilizando sua url
survey <- gsheet2tbl("https://docs.google.com/spreadsheets/d/1bq2N19DcZdtax2fQW9OHSGMR0X2__Z9T/edit?gid=1118819738#gid=1118819738")

Manipulação de dados

Após importar os dados, podemos manipulá-los de diversas formas

O mais básico da manipulação de dados é a função de atribuir, porém temos muitas outras ferramentas para realizarmos essa atividade.

Tipos de variáveis

As variáveis de um dataframe são separadas em tipos, o que influencia diretamente nas análises.

Os tipos mais comuns utilizados no R são:

a) Numéricas

Armazenam números decimais (contínuos)
Exemplo: altura <- 1.75

b) Inteiras

Armazenam números inteiros
Exemplo: idade <- 30

c) Caracteres

Armazenam texto (strings)
Exemplo: nome <- "João Silva"

d) Lógicas

Armazenam valores TRUE (verdadeiro) ou FALSE (falso)
Exemplo: ativo <- TRUE

e) Fatores

Representam variáveis categóricas (com níveis definidos)
Crucial para análises estatísticas
Exemplo: tratamento <- factor(c("A", "B", "A", "C"))

Todas as variáveis estão englobadas dentro da classificação estatística das variáveis.

Os quatro tipos são:

Quantitativas

Contínuas: podem assumir qualquer valor num intervalo (ex: peso, altura)
Discretas: valores inteiros (ex: número de insetos)

Qualitativas

Nominais: categorias sem ordem (ex: cor, sexo)
Ordinais: categorias com ordem (ex: nível educacional)

Outros tipos de variáveis utilizadas no R

Data Frames

Estrutura tabular (como uma planilha)
Colunas podem ser de diferentes tipos
Exemplo: um objeto datacom colunas num (numeric) e local (character)

Listas

Coleção ordenada de objetos de qualquer tipo
Exemplo: minha_lista <- list(nome = "Ana", idade = 25, ativo = TRUE)

Formas de manipular variáveis

Primeiramente, deve-se identificar os tipos de variáveis presentes no dataframe

Para isso, utilizaremos a função *glimpse*, do pacote “dplyr”

if(!require(dplyr)) install.packages("dplyr")
library(dplyr)

diversos <- read_excel("dados-diversos.xlsx")
glimpse(diversos)

Rows: 70
Columns: 5
$ Cultura    <chr> "Rosa", "Rosa", "Rosa", "Rosa", "Rosa", "Rosa", "Rosa", "Ro…
$ rep        <dbl> 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35,…
$ Assess     <dbl> 19.95, 4.77, 72.11, 81.37, 25.78, 80.45, 81.69, 7.02, 11.23…
$ LeafDoctor <dbl> 31.55, 13.53, 77.59, 90.83, 24.54, 73.84, 86.78, 14.04, 16.…
$ ImageJ     <dbl> 26.04, 5.16, 69.46, 82.68, 13.13, 69.90, 88.66, 6.40, 10.82…

Com os tipos de variáveis descritos, podemos modifica-los como bem entendermos

Tranformar variáveis

Podemos transformar as variáveis de um dataframe no tipo que quisermos, com funções básicas do R

Transformação em variáveis de caracteres

diversos$Assess <- as.character(diversos$Assess)
glimpse(diversos)

Rows: 70
Columns: 5
$ Cultura    <chr> "Rosa", "Rosa", "Rosa", "Rosa", "Rosa", "Rosa", "Rosa", "Ro…
$ rep        <dbl> 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35,…
$ Assess     <chr> "19.95", "4.77", "72.11", "81.37", "25.78", "80.45", "81.69…
$ LeafDoctor <dbl> 31.55, 13.53, 77.59, 90.83, 24.54, 73.84, 86.78, 14.04, 16.…
$ ImageJ     <dbl> 26.04, 5.16, 69.46, 82.68, 13.13, 69.90, 88.66, 6.40, 10.82…

# Ao utilizar o "$", podemos selecionar uma coluna específica do dataframe

Transformação em variáveis de numéricas inteiras

diversos$Assess <- as.integer(diversos$Assess)
glimpse(diversos)

Rows: 70
Columns: 5
$ Cultura    <chr> "Rosa", "Rosa", "Rosa", "Rosa", "Rosa", "Rosa", "Rosa", "Ro…
$ rep        <dbl> 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35,…
$ Assess     <int> 19, 4, 72, 81, 25, 80, 81, 7, 11, 79, 34, 12, 65, 41, 84, 4…
$ LeafDoctor <dbl> 31.55, 13.53, 77.59, 90.83, 24.54, 73.84, 86.78, 14.04, 16.…
$ ImageJ     <dbl> 26.04, 5.16, 69.46, 82.68, 13.13, 69.90, 88.66, 6.40, 10.82…

Transformação em variáveis de fator

diversos$Assess <- as.factor(diversos$Assess)
glimpse(diversos)

Rows: 70
Columns: 5
$ Cultura    <chr> "Rosa", "Rosa", "Rosa", "Rosa", "Rosa", "Rosa", "Rosa", "Ro…
$ rep        <dbl> 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35,…
$ Assess     <fct> 19, 4, 72, 81, 25, 80, 81, 7, 11, 79, 34, 12, 65, 41, 84, 4…
$ LeafDoctor <dbl> 31.55, 13.53, 77.59, 90.83, 24.54, 73.84, 86.78, 14.04, 16.…
$ ImageJ     <dbl> 26.04, 5.16, 69.46, 82.68, 13.13, 69.90, 88.66, 6.40, 10.82…

Transformação em variáveis lógicas

diversos$Assess <- as.logical(diversos$Assess)
glimpse(diversos)

Rows: 70
Columns: 5
$ Cultura    <chr> "Rosa", "Rosa", "Rosa", "Rosa", "Rosa", "Rosa", "Rosa", "Ro…
$ rep        <dbl> 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35,…
$ Assess     <lgl> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA,…
$ LeafDoctor <dbl> 31.55, 13.53, 77.59, 90.83, 24.54, 73.84, 86.78, 14.04, 16.…
$ ImageJ     <dbl> 26.04, 5.16, 69.46, 82.68, 13.13, 69.90, 88.66, 6.40, 10.82…

Transformação em variáveis de numéricas com decimais

diversos$Assess <- as.double(diversos$Assess)
glimpse(diversos)

Rows: 70
Columns: 5
$ Cultura    <chr> "Rosa", "Rosa", "Rosa", "Rosa", "Rosa", "Rosa", "Rosa", "Ro…
$ rep        <dbl> 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35,…
$ Assess     <dbl> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA,…
$ LeafDoctor <dbl> 31.55, 13.53, 77.59, 90.83, 24.54, 73.84, 86.78, 14.04, 16.…
$ ImageJ     <dbl> 26.04, 5.16, 69.46, 82.68, 13.13, 69.90, 88.66, 6.40, 10.82…

Selecionar partes de dataframes

Para facilitar as análises, ou levar o estudo para um caminho alternativo, podemos selecionar partes de dataframes

Selecionar fator de dataframe

O que é um “pipe”?

O pipe, representado pelo operador |> (ou %>%, em pacotes como o tidyverse), é um operador especial no R que permite encadear operações de forma mais legível e intuitiva.

O pipe pega o resultado da expressão à esquerda e usa como primeiro argumento da função à direita. Isso permite que o fluxo de trabalho seja mais dinâmico e prático.

# Banco de dados utilizado a seguir

survey <- read_excel("dados-diversos.xlsx",
                       sheet = "survey")

survey |> 
  group_by(residue) |> 
  count()

# A tibble: 3 × 2
# Groups:   residue [3]
  residue     n
  <chr>   <int>
1 corn      169
2 soybean   281
3 <NA>      216

Selecionando fatores em conjunto

survey |> 
  group_by(state, residue) |> 
  count()

# A tibble: 3 × 3
# Groups:   state, residue [3]
  state residue     n
  <chr> <chr>   <int>
1 PR    <NA>      216
2 RS    corn      169
3 RS    soybean   281

Filtrar dados por fatores

RS <- survey |> 
  filter(state == "RS")

RS

# A tibble: 450 × 6
    year state residue   inc inc_class species
   <dbl> <chr> <chr>   <dbl> <chr>     <chr>  
 1  2011 RS    soybean     1 low       Fgra   
 2  2011 RS    soybean     1 low       Fgra   
 3  2011 RS    soybean     1 low       Fgra   
 4  2011 RS    soybean     1 low       Fgra   
 5  2011 RS    soybean     1 low       Fgra   
 6  2011 RS    soybean     1 low       Fgra   
 7  2011 RS    corn        1 low       Fgra   
 8  2010 RS    soybean     2 low       Fspp   
 9  2010 RS    corn        2 low       Fgra   
10  2011 RS    soybean     2 low       Fgra   
# ℹ 440 more rows

PR <- survey |> 
  filter(state == "PR")

PR

# A tibble: 216 × 6
    year state residue   inc inc_class species
   <dbl> <chr> <chr>   <dbl> <chr>     <chr>  
 1  2009 PR    <NA>       NA <NA>      Fgra   
 2  2009 PR    <NA>       NA <NA>      Fgra   
 3  2009 PR    <NA>       NA <NA>      Fgra   
 4  2009 PR    <NA>       NA <NA>      Fgra   
 5  2009 PR    <NA>       NA <NA>      Fgra   
 6  2009 PR    <NA>       NA <NA>      Fgra   
 7  2009 PR    <NA>       NA <NA>      Fgra   
 8  2009 PR    <NA>       NA <NA>      Fgra   
 9  2009 PR    <NA>       NA <NA>      Fgra   
10  2009 PR    <NA>       NA <NA>      Fgra   
# ℹ 206 more rows

Combinando os conjuntos RS e PR

combinado <- rbind(RS, PR)

Selecionar colunas

survey_b <- survey |> 
  select(year, state, species)
  
survey_b

# A tibble: 666 × 3
    year state species
   <dbl> <chr> <chr>  
 1  2011 RS    Fgra   
 2  2011 RS    Fgra   
 3  2011 RS    Fgra   
 4  2011 RS    Fgra   
 5  2011 RS    Fgra   
 6  2011 RS    Fgra   
 7  2011 RS    Fgra   
 8  2010 RS    Fspp   
 9  2010 RS    Fgra   
10  2011 RS    Fgra   
# ℹ 656 more rows

Selecionar colunas e fatores de forma conjunta

# usando select e filter juntos

survey_b <- survey |> 
  select(year, state, species) |> 
  filter(year == "2009")

survey_b

# A tibble: 265 × 3
    year state species
   <dbl> <chr> <chr>  
 1  2009 RS    Fgra   
 2  2009 RS    Fgra   
 3  2009 RS    Fgra   
 4  2009 RS    Fgra   
 5  2009 RS    Fgra   
 6  2009 RS    Fgra   
 7  2009 RS    Fgra   
 8  2009 RS    Fgra   
 9  2009 RS    Fgra   
10  2009 RS    Fgra   
# ℹ 255 more rows

# "filter" = linha, "select" = coluna

Criar tabela de contingência

Permite agrupamento em formato largo

Pacote janitor

Descrição: Ferramentas para limpeza e preparação de dados.
Uso: Simplifica a limpeza de nomes de colunas, checagem de duplicatas e criação de tabelas de frequência.

if(!require(janitor)) install.packages("janitor")

Carregando pacotes exigidos: janitor

Warning: pacote 'janitor' foi compilado no R versão 4.4.3


Anexando pacote: 'janitor'

Os seguintes objetos são mascarados por 'package:stats':

    chisq.test, fisher.test

library(janitor)

survey_b |> 
  tabyl(state, species)

 state Fgra Fspp
    PR   92   31
    RS  133    9

survey_b |> 
  tabyl(year, species)

 year Fgra Fspp
 2009  225   40

Criar gráfico a partir de tabela

Pacote ggplot2

Descrição: Cria gráficos elegantes baseados na gramática dos gráficos.
Uso: Visualizações de dados personalizadas com camadas.

if(!require(ggplot2)) install.packages("ggplot2")

Carregando pacotes exigidos: ggplot2

Warning: pacote 'ggplot2' foi compilado no R versão 4.4.3

library(ggplot2)

survey_b |> 
  group_by(year, species) |> 
  count() |> 
  ggplot(aes(species, n, fill = species)) +
  geom_col() +
  facet_wrap(~year)

survey_b |> 
  group_by(year, species) |> 
  count() |> 
  ggplot(aes(year, n, fill = species)) +
  geom_bar(stat = "identity")

Os gráficos podem ser modificados manualmente pelo ggplot2

survey_b |> 
  group_by(year, species) |> 
  count() |> 
  ggplot(aes(year, n, fill = species)) +
  geom_col() +
  scale_fill_manual(values = c("red", "blue"))

### scale_fill pode servir para mudanças manuais ou com base em paletas do R
### fill = preenchimento
### color = borda ou preenchimento

O pacote ggplot2 será descrito de forma mais detalhada em capítulos posteriores

Transformar dados da planilha para formato largo (mais prático para realziar as análises)

Pacote tidyr

Descrição: Ferramentas para organização e estruturação de dados. Uso: Transforma dados entre formatos “wide” (amplo) e “long” (longo), trata valores ausentes e aninhados.

if(!require(tidyr)) install.packages("tidyr")

Carregando pacotes exigidos: tidyr

Warning: pacote 'tidyr' foi compilado no R versão 4.4.3

library(tidyr)

mg<- read_excel("dados-diversos.xlsx",
                       sheet = "magnesio")

mg2 <- mg |>  
  pivot_wider(names_from = trat, values_from = comp) |> 
    select(-rep)

glimpse(mg2)

Rows: 10
Columns: 2
$ Mg2     <dbl> 9.0, 12.5, 10.0, 8.0, 13.2, 11.0, 10.8, 9.5, 10.8, 10.4
$ control <dbl> 13.72, 15.91, 15.70, 14.20, 15.90, 16.54, 18.00, 14.40, 16.41,…

mg2

# A tibble: 10 × 2
     Mg2 control
   <dbl>   <dbl>
 1   9      13.7
 2  12.5    15.9
 3  10      15.7
 4   8      14.2
 5  13.2    15.9
 6  11      16.5
 7  10.8    18  
 8   9.5    14.4
 9  10.8    16.4
10  10.4    16