class: center, middle, inverse, title-slide # <em>Crash Course de R</em> ## Tabelas e Gráficos ### Prof. Carlos Trucíos <br><a href="http://ctruciosm.github.io"> <i class="fa fa-desktop fa-fw"></i>  ctruciosm.github.io</a><br> <a href="mailto:carlos.trucios@facc.ufrj.br"><i class="fa fa-paper-plane fa-fw"></i>  carlos.trucios@facc.ufrj.br</a><br> ### Faculdade de Administração e Ciências Contábeis, </br> Universidade Federal de Rio de Janeiro --- layout: true <a class="footer-link" href="http://ctruciosm.github.io">ctruciosm.github.io &mdash; Carlos Trucíos (FACC/UFRJ)</a> <div> <style type="text/css">.xaringan-extra-logo { width: 200px; height: 350px; z-index: 0; background-image: url(imagens/UFRJ.png); background-size: contain; background-repeat: no-repeat; position: absolute; top:1em;right:1em; } </style> <script>(function () { let tries = 0 function addLogo () { if (typeof slideshow === 'undefined') { tries += 1 if (tries < 10) { setTimeout(addLogo, 100) } } else { document.querySelectorAll('.remark-slide-content:not(.title-slide):not(.inverse):not(.hide_logo)') .forEach(function (slide) { const logo = document.createElement('div') logo.classList = 'xaringan-extra-logo' logo.href = null slide.appendChild(logo) }) } } document.addEventListener('DOMContentLoaded', addLogo) })()</script> </div> --- class: inverse, right, middle # Help --- ## Help .blue[Quando não sabemos como utilizar um função, existe uma forma fácil de lidar com esse problema.] - `help(nome_da_função)` - `?nome_da_função` -- **Exemplos** - Como funciona a função `quantile()`? - Como funciona a função `table()`? -- > .red[Diferentes pacotes podem ter funções com o mesmo nome e isso dificulta saber qual `help` acessar. Para evitar esse problema podemos utilizar `?nome_do_pacote::nome_da_função`.] -- ```r ?base::table ``` --- class: inverse, right, middle # Importando dados --- ## Importando dados Nossa materia prima são os dados, e existem diversar formas de importa-los, aqui veremos as principais funções: - `read.csv()` - `read.table()` - `read.csv2()` -- Com essas funções podemos acessar a dados no nosso computador ou mesmo disponíveis na internet! -- ```r # Importando dataset Advertising uri <- "https://raw.githubusercontent.com/ctruciosm/ISLR/master/dataset/Advertising.csv" Advertising <- read.csv(uri) head(Advertising) # Mostra apenas os primeiros elementos ``` ``` ## X TV Radio Newspaper Sales ## 1 1 230.1 37.8 69.2 22.1 ## 2 2 44.5 39.3 45.1 10.4 ## 3 3 17.2 45.9 69.3 9.3 ## 4 4 151.5 41.3 58.5 18.5 ## 5 5 180.8 10.8 58.4 12.9 ## 6 6 8.7 48.9 75.0 7.2 ``` --- ## Importando dados ### Hands-on: O _dataset_ `titanic` encontra-se no seguinte endereço ```r https://raw.githubusercontent.com/ctruciosm/ctruciosm.github.io/master/datasets/titanic.csv ``` 1. Importar os dados no R e salva-los com o nome `titanic` 2. Mostrar as primeiras observações utilizando a função `head()` -- #### Gabarito ```r uri <- "https://raw.githubusercontent.com/ctruciosm/ctruciosm.github.io/master/datasets/titanic.csv" titanic <- read.csv(uri) head(titanic) ``` --- ## Importando dados #### Importanto um arquivo txt ```r uri <- "https://raw.githubusercontent.com/ctruciosm/ctruciosm.github.io/master/datasets/knn_exemplo.txt" knn_datos <- read.table(uri) head(knn_datos) ``` ``` ## V1 V2 V3 ## 1 V1 V2 Grupo ## 2 0.7 0.7 A ## 3 0.7 0.8 A ## 4 0.6 0.6 A ## 5 0.5 0.5 A ## 6 0.5 0.6 A ``` -- .blue[O que há de errado?] -- ```r uri <- "https://raw.githubusercontent.com/ctruciosm/ctruciosm.github.io/master/datasets/knn_exemplo.txt" *knn_datos <- read.table(uri, header = TRUE) head(knn_datos) ``` --- ## Importando dados Às vezes o arquivo está separado por `;` e não por `,`. #### Método 1 ```r uri <- "https://raw.githubusercontent.com/ctruciosm/ctruciosm.github.io/master/datasets/propellant.csv" *propellant <- read.csv(uri, sep = ";") head(propellant,4) ``` ``` ## psi age ## 1 2158.70 15.50 ## 2 1678.15 23.75 ## 3 2316.00 8.00 ## 4 2061.30 17.00 ``` -- #### Método 2 ```r uri <- "https://raw.githubusercontent.com/ctruciosm/ctruciosm.github.io/master/datasets/propellant.csv" *propellant <- read.csv2(uri) head(propellant) ``` --- class: inverse, right, middle # Tabelas de Frequência --- ## Tabelas de Frequência > .blue[**Dica:** antes de fazer qualquer outra coisa, dar uma rápida olhada nos dados com a função `head()`] -- ```r head(titanic) ``` ``` ## X PassengerId Survived Pclass Name ## 1 1 892 0 3rd Kelly, Mr. James ## 2 2 893 1 3rd Wilkes, Mrs. James (Ellen Needs) ## 3 3 894 0 2nd Myles, Mr. Thomas Francis ## 4 4 895 0 3rd Wirz, Mr. Albert ## 5 5 896 1 3rd Hirvonen, Mrs. Alexander (Helga E Lindqvist) ## 6 6 897 0 3rd Svensson, Mr. Johan Cervin ## Sex Age SibSp Parch Ticket Fare Cabin Embarked ## 1 male 34.5 0 0 330911 7.8292 Q ## 2 female 47.0 1 0 363272 7.0000 S ## 3 male 62.0 0 0 240276 9.6875 Q ## 4 male 27.0 0 0 315154 8.6625 S ## 5 female 22.0 1 1 3101298 12.2875 S ## 6 male 14.0 0 0 7538 9.2250 S ``` --- ## Tabelas de Frequência Escreva os seguintes comandos no R. ```r table(titanic$Sex) #tabela de freq. absolutas freq_absolutas <- table(titanic$Sex) # Salvamos o objeto prop.table(freq_absolutas) #tabela de freq. relativas prop.table(freq_absolutas)*100 #tabela de freq. percentual round(prop.table(freq_absolutas)*100,2) # utilizamos round() para arredondar, neste caso # para 2 casas decimais. ``` --- ## Tabelas de frequência Embora seja posible construir tabelas com as funções básicas do R, existem pacotes que fazem o trabalho ainda mais simples para nós. -- ```r install.packages("epiDisplay") # instalando library(epiDisplay) # carregando ``` ```r tab1(titanic$Sex, graph = FALSE) ``` ``` ## titanic$Sex : ## Frequency Percent Cum. percent ## female 466 35.6 35.6 ## male 843 64.4 100.0 ## Total 1309 100.0 100.0 ``` -- O que acontece se fizermos `graph = TRUE`? --- class: inverse, right, middle # Tabelas de dupla entrada --- ## Tabelas de dupla entrada No R, quando queremos selecionar apenas uma variável do _dataset_, fazemos `dataset$nome_da_variavel`. -- ```r # Tabelas de contingencia table(titanic$Pclass,titanic$Sex) ``` ``` ## ## female male ## 1st 144 179 ## 2nd 106 171 ## 3rd 216 493 ``` -- Por facilidade, podemos querer fazer ```r classe <- titanic$Pclass sexo <- titanic$Sex table(classe,sexo) ``` ``` ## sexo ## classe female male ## 1st 144 179 ## 2nd 106 171 ## 3rd 216 493 ``` --- ## Tabelas de dupla entrada .blue[E se quisermos adicionar os totais por linha/coluna?] -- Utilizaremos `addmargins(objeto_tabela)` -- ```r addmargins(table(classe,sexo)) ``` ``` ## sexo ## classe female male Sum ## 1st 144 179 323 ## 2nd 106 171 277 ## 3rd 216 493 709 ## Sum 466 843 1309 ``` -- Outra opção é utilizar a função `tabpct()` do pacote `epiDisplay` ```r tabpct(classe,sexo, graph = FALSE) ``` --- class: inverse, right, middle # Gráficos básicos --- ## Gráficos básicos Existem várias formas de fazer gráficos no R, os gráficos mais elegantes são possíveis com o pacote `ggplot2` (que veremos no próximo laboratório), mas também é possível fazer gráficos simples. - `hist(dataset$nome_da_variavel)` - `pie(output_tabela_de_freq)` - `boxplot(dataset$nome_da_variavel)` - `barplot(output_tabela_de_freq)` - `plot(datset$variavel1, dataset$variavel2)` -- ```r # Histograma hist(titanic$Fare) # Grafico de barras freq <- table(titanic$Pclass) barplot(freq) # Pie pie(freq) # Boxplot boxplot(titanic$Fare) # Gráfico de dispersão plot(Advertising$TV, Advertising$Sales) ``` --- ## Gráficos básicos Vários gráficos em um só figura .panelset[ .panel[.panel-name[R Code] ```r par(mfrow = c(2,2)) plot(Advertising$TV, Advertising$Sales) plot(Advertising$Radio, Advertising$Sales) hist(Advertising$TV) boxplot(Advertising$Sales, horizontal = TRUE) ``` ] .panel[.panel-name[Plot] <!-- --> ]]