UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE
CENTRO DE CIÊNCIAS EXATAS E DA TERRA
DEPARTAMENTO DE ESTATÍSTICA
Notas de Aulas de Introdução ao
Prof
a
Iloneide Carlos de Oliveira Ramos
Natal, janeiro de 2014
Prepare-se para as provas
Estude fácil! Tem muito documento disponível na Docsity
Ganhe pontos para baixar
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Guias e Dicas
Prepare-se para as provas
Estude fácil! Tem muito documento disponível na Docsity
Encontrar documentos
Prepare-se para as provas com trabalhos de outros alunos como você, aqui na Docsity
Pesquisar documentos Store
Os melhores documentos à venda: Trabalhos de alunos formados
Videoaulas
Prepare-se com as videoaulas e exercícios resolvidos criados a partir da grade da sua Universidade
Quiz
Responda perguntas de provas passadas e avalie sua preparação.
Ganhe pontos para baixar
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Comunidade
Pergunte à comunidade
Peça ajuda à comunidade e tire suas dúvidas relacionadas ao estudo
Ranking universidades
Descubra as melhores universidades em seu país de acordo com os usuários da Docsity
Guias grátis
Os eBooks que salvam estudantes!
Baixe gratuitamente nossos guias de estudo, métodos para diminuir a ansiedade, dicas de TCC preparadas pelos professores da Docsity
Introdução à Linguagem de Programação R: Exercícios e Exemplos de Código, Resumos de Estatística
Uma introdução à linguagem de programação r, com foco em exercícios práticos e exemplos de código. Aborda conceitos básicos como a criação de vetores, a manipulação de dados, a construção de gráficos e a aplicação de funções estatísticas. Ideal para estudantes que desejam aprender a usar o r para análise de dados e visualização.
Tipologia: Resumos
2023
1 / 69
Esta página não é visível na pré-visualização
Não perca as partes importantes!
Documentos relacionados
Pré-visualização parcial do texto
Baixe Introdução à Linguagem de Programação R: Exercícios e Exemplos de Código e outras Resumos em PDF para Estatística, somente na Docsity!
UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE
CENTRO DE CIÊNCIAS EXATAS E DA TERRA
DEPARTAMENTO DE ESTATÍSTICA
Notas de Aulas de Introdução ao
Prof
a
Iloneide Carlos de Oliveira Ramos
Natal, janeiro de 2014
PROGRAMA DA DISCIPLINA INTRODUÇÃO AO R
UNIDADE I: CONCEITOS BÁSICOS
1.1 – Download e instalação 1.2 – Histórico, licença, citação e demonstração 1.3 – O ambiente R 1.3.1 – A área de trabalho e seus objetos 1.3.2 – O editor de código básico do R 1.3.3 – O sistema help 1.3.4 – Conjunto de dados pré-instalados 1.3.5 – Pacotes do R 1.3.6 – As funções attach(), detach() e with() 1.4 – Comandos básicos 1.4.1 – Operações e expressões 1.4.2 – Atribuições
UNIDADE II: IMPORTAÇÃO E EXPORTAÇÃO DE DADOS
2.1 – Entrada de dados via teclado 2.2 – Leitura de dados de um arquivo texto 2.3 – Gravação de dados em um arquivo texto 2.4 – Importação de arquivos do Excel 2.5 – Exportação para arquivos do Excel 2.6 – Importação de dados do SPSS, SAS,...
UNIDADE III: ELEMENTOS ESSENCIAIS DA LINGUAGEM R
3.1 – Vetores 3.2 – Funções e argumentos 3.3 – Data frames 3.3.1 – Indexação de data frames 3.3.2 – Seleção condicional de observações 3.4 – Matrizes 3.4.1 – Indexação de matrizes 3.5 – Listas 3.5.1 – Indexação de listas 3.6 – Fatores 3.7 – Dados agrupados 3.8 – Posto e ordenação 3.9 – As funções apply() , lapply() , sapply(), tapply() e by()
UNIDADE IV: O SUBSISTEMA GRÁFICO
4.1 – A região gráfica 4.2 – A função plot.default() 4.3 – Algumas funções gráficas auxiliares 4.4 – A função par() 4.5 – Alguns gráficos da metodologia estatística
UNIDADE V: COMANDOS DE PROGRAMAÇÃO
5.1 – A estrutura if 5.2 – A estrutura for 5.3 – A estrutura while 5.4 – A estrutura repeat
# APRESENTAÇÃO
Estas notas estão completamente apresentadas em linhas de comando do R,
em que cada linha pode ser copiada e colada para execução no R.
O intuito é oferecer ao usuário um material objetivo de aplicação
dos comandos de introdução ao R.
Cada bloco de comando(s) vem precedido de um comentário (usando a
diretiva #), indicando a ação realizada pelo(s) comando(s).
A fim de exemplificar o uso de alguns comandos, encontra-se, em anexo,
um banco de dados coletado em sala de aula com informações de alunos
que frequentaram o curso nas turmas iniciais.
# UNIDADE I: CONCEITOS BÁSICOS
# 1.1 – Download e instalação
# FAZENDO O DOWNLOAD ATRAVÉS DA PÁGINA DO R
http://www.r-project.org/, acessando-se os seguintes links :
CRAN; http://cran.br.r-project.org/ (Brazil);
Windows (se for o caso); base; R-<versão>.exe.
A instalação pode então ser iniciada.
# 1.2 – Histórico, licença, citação e demonstração
Um breve histórico do R pode ser obtido em Pacheco et al. (p. 2-3),
com acesso em 31/07/2008 na seguinte página:
http://marcosfs2006.googlepages.com/Rbasico2005.pdf
# USANDO FUNÇÕES RECOMENDADAS NA ABERTURA DO R
license() # licença citation() # citação contributors() # contribuidores do R demo() # demonstração demo(graphics, package="graphics") demo(persp, package="graphics")
# USANDO UM TRECHO (COMANDOS) DA DEMONSTRAÇÃO ACIMA PARA EXECUTAR NO R
require(datasets); require(graphics) opar <- par(ask = dev.interactive(orNone = TRUE)) x <- seq(-10, 10, length = 50) y <- x rotsinc <- function(x, y) { sinc <- function(x) { y <- sin(x)/x y[is.na(y)] <- 1 y } 10 * sinc(sqrt(x^2 + y^2)) } sinc.exp<-expression(z==sinc(sqrt(x^2 + y^2))) z <- outer(x, y, rotsinc) par(bg = "white") persp(x, y, z, theta = 30, phi = 30, expand = 0.5, col = "lightblue")
x
y
z
# 1.3 – O ambiente R
# 1.3.1 – A área de trabalho e seus objetos
# LISTANDO A ÁREA DE TRABALHO
ls()
ACRESCENTANDO OBJETOS NA ÁREA DE TRABALHO
x = 1 y = 1:10; z = - v = w = 3 ls()
VISUALIZANDO O CONTEÚDO DE UM OBJETO DA ÁREA DE TRABALHO
x y (t=1.5)
# REMOVENDO UM OBJETO DA ÁREA DE TRABALHO
rm(v) ls()
# REMOVENDO UMA SEQUÊNCIA DE OBJETOS DA ÁREA DE TRABALHO
rm(list=ls()[2:4]) ls()
# REMOVENDO TODOS OS OBJETOS DA ÁREA DE TRABALHO
rm(list = ls()) ls()
# REPONDO OBJETOS NA ÁREA DE TRABALHO
(nome = "maria") x = 0; y = 0 altura = NA # valor não informado ou não se aplica vazio = NULL # o objeto existe, mas está vazio (logico1=FALSE) (logico2=T) ls()
# CLASSIFICANDO ALGUNS DOS DIVERSOS TIPOS DE OBJETOS DO R
class(logico1) is.logical(logico1) class(nome) is.logical(nome) is.character(nome) class(vazio) is.null(vazio) class(x) is.numeric(x) is.character(x) class(cars) is.matrix(cars) is.data.frame(cars) class(3 + 2i) is.complex(3 + 2i)
# PROCURANDO UM TEXTO NO SISTEMA HELP
help.search("weighted mean") # o mesmo que: ??"weighted mean" # para versões atuais ??"weigted mean" # mesmo incorreto o texto é localizado help.search("histogram")
PROCURANDO UM TEXTO NO SITE http://search.r-project.org
RSiteSearch("pie 3d")
PROCURANDO POR NOMES DE OBJETOS EM PACOTES INSTALADOS
apropos("^ca") # objetos que começam com "ca" apropos("^.$") # objetos com um caracter apropos("^..?$") # objetos com dois caracteres apropos("^.{2,4}$") # objetos com 2, 3 ou 4 caracteres apropos("^.{30,}$") # objetos com 30 ou mais caracteres apropos("^.{,3}$") # objetos com até 3 caracteres
1.3.4 – Conjunto de dados pré-instalados
# ACESSANDO OS DADOS PRÉ-INSTALADOS USANDO O MOUSE
A partir do help.start(), pode-se acessar os links : Packages; datasets;
C; cars e, assim, obter informações a respeito dos dados ali contidos.
ACESSANDO OS DADOS PRÉ-INSTALADOS USANDO AS FUNÇÕES DO R
data() cars; ls() data(cars) # carrega o objeto cars para a área de trabalho ls()
# DETERMINANDO A CLASSE DE OBJETOS PRÉ-INSTALADOS
class(cars) class(HairEyeColor)
# DENOMINANDO COLUNAS DE OBJETOS PRÉ-INSTALADOS
names(cars) # visto que se trata de data frame , há denominação names(HairEyeColor) # visto que se trata de tabela, não há denominação
LISTANDO TODOS OS DADOS DISPONÍVEIS (PACOTES CARREGADOS PREVIAMENTE)
data(package = .packages(all.available = TRUE))
# 1.3.5 – Pacotes do R
A partir do help.start(), pode-se visualizar as funções contidas
em um pacote, acessando os links ( mouse ): Packages; graphics
VISUALIZANDO A LISTA DE PACOTES DISPONÍVEIS
OBS: inclui os objetos anexados com o uso do attach() – ver # 1.3.
search()
CARREGANDO UM PACOTE QUE NÃO ESTÁ DISPONÍVEL
library(stats4) # ou acessar ( mouse ): Pacotes; Carregar pacote... search()
INSTALANDO UM PACOTE (SE A INTERNET ESTIVER DISPONÍVEL)
utils:::menuInstallPkgs() # ou acessar: Pacotes; Instalar pacote...
Em seguida, instalar o pacote RODBC que será útil futuramente
# BAIXANDO PACOTES (SE A INTERNET ESTIVER DISPONÍVEL) EM ARQUIVOS .ZIP
download.packages(c("RODBC","plotrix"),"C:/Temp")
INSTALANDO UM PACOTE A PARTIR DE UM ARQUIVO .ZIP
utils:::menuInstallLocal() # ou acessar ( mouse ): Pacotes; Instalar ...
CARREGANDO O PACOTE RODBC
library(RODBC) # ou acessar ( mouse ): Pacotes; Carregar pacote... search()
VISUALIZANDO INFORMAÇÕES E FUNÇÕES DO PACOTE RODBC:
help(package="RODBC")
# EXERCÍCIO
Inslate, carregue, visualize informações e funções e use o help do
pacote "plotrix". Execute comandos da Seção Examples de uma das funções
contidas no pacote_._
# 1.3.6 – As funções attach(), detach() e with()
USANDO AS FUNÇÕES attach(), detach() e with()
class(cars); names(cars) speed # Erro: objeto "speed" não encontrado ls(); search() attach(cars) # só deve ser usado com objetos do tipo data.frame search() speed detach(cars) search() speed # Erro: objeto "speed" não encontrado with(cars, mean(speed))
# 1.4 – Comandos básicos
# 1.4.1 – Operações e expressões
# EXECUTANDO OPERAÇÕES SIMPLES
52-1,5/3 # Erro: erro de sintaxe em " 52-1," 5*2-1.5/ 3%%2 # resto da divisão de 3 por 2 3i * 2i # operação com números complexos
USANDO FUNÇÕES MATEMÁTICAS SIMPLES
exp(-1) sin(pi/2) asin(1) abs(-3) log(10) log10(10) sqrt(16)
EXERCÍCIOS DA UNIDADE I
1) Use help.search("island") para descobrir como obter o resultado
apresentado no gráfico abaixo e interprete seus resultados.
2) Descubra como calcular a integral de x^2 entre 0 e 1 e informe o
resultado no exercício 3).
3) Execute: demo(plotmath, package="graphics") e descubra como obter
o resultado apresentado na figura abaixo.
4) Calcule a idade média dos estudantes da Universidade de Adelaide
informadas no data frame denominado "survey".
5) Execute os exemplos da função "grid.polygon" e personalize
alguns deles.
6) Estude cada uma das funções listadas abaixo usando o help (estude,
especialmente, as seções: Description; Usage; Arguments; e
Examples). Para cada função:
a) Execute um dos exemplos da seção Examples, explicando cada linha
e os resultados obtidos;
b) Crie um exemplo, usando, de preferência, os dados fornecidos.
#1. choose #2. mean #3. cov #4. sd #5. var #6. cor #7. data.frame #8. dnorm #9. stem #10. plot #11. summary #12. quantile #13. median #14. factorial #15. weighted.mean
Gráfico do Exercício 1) # Figura do Exercício 3)
VancouverHainan
Prince of WalesTimor
KyushuTaiwan
New BritainSpitsbergen
Axel HeibergMelville
SouthamptonTierra del Fuego
DevonBanks
CelonTasmania
MoluccasSakhalin
HispaniolaHokkaido
Novaya ZemlyaIreland
MindanaoIceland
LuzonCuba
NewfoundlandNew Zealand (N)
JavaNew Zealand (S)
CelebesEllesmere
VictoriaBritain
HonshuSumatra
BaffinMadagascar
BorneoNew Guinea
GreenlandAustralia
EuropeAntarctica
South AmericaNorth America
AfricaAsia
1.0 1.5 2.0 2.5 3.0 3.5 4.
islands data: log10(area) (log10(sq. miles))
# UNIDADE II: IMPORTAÇÃO E EXPORTAÇÃO DE DADOS
# 2.1 – Entrada de dados via teclado
USANDO A FUNÇÃO c() PARA CRIAR UM VETOR DE DADOS
(vet1 = c(10, 12, 13, 9, 11, 8, 7)) class(vet1)
USANDO A FUNÇÃO scan() PARA CRIAR UM VETOR DE DADOS
vet2 = scan() # digitar dados (tamanho vet1) e
Caso o vetor vet2 possua tamanho diferente de vet1 ocorrerá a seguir:
Erro em data.frame(x = vet1, y = vet2 + 1) :
argumentos implicam em número de linhas conflitantes: 7, 0
USANDO A FUNÇÃO data.frame() PARA CRIAR UMA TABELA DE DADOS ( DATA FRAME )
dados1 = data.frame(x=vet1, y=vet2+1) dados
# EDITANDO UM DATA FRAME
edit(dados1) dados1 # os dados não se alteram
OBS: Para alterá-los usar atribuição
dados1 = edit(dados1) dados
# EDITANDO E ALTERANDO UM DATA FRAME
fix(dados1)
CRIANDO UM DATA FRAME VAZIO E USANDO A FUNÇÃO fix() PARA INSERIR DADOS
dados2 = data.frame() fix(dados2) dados
# 2.2 – Leitura de dados de um arquivo texto
# LENDO UM ARQUIVO TEXTO COM DADOS SEPARADOS POR UM ESPAÇO
dados3 = read.table(file="texto.txt") dados
LENDO UM ARQUIVO TEXTO COM TÍTULOS DAS VARIÁVEIS (NA 1A^ LINHA)
dados3 = read.table(file="texto.txt", header=T) dados
# LENDO UM ARQUIVO GRAVADO COMO TIPO CSV (TEXTO) A PARTIR DO EXCEL
alunos=read.table(file="DadosAlunos.csv", header=T, sep=";") alunos
# LENDO UM ARQUIVO TEXTO, USANDO COMO SEPARADOR A TABULAÇÃO
dados4=read.table(file="texto.txt", header=T, sep="\t") dados
# EXERCÍCIOS DA UNIDADE II
1) Importe para o R os dados dos alunos que cursaram Introdução ao R
nos últimos anos, a partir do arquivo .xls fornecido, usando as
as seguintes funções:
a) sqlFetch();
b) read.table(), com o arquivo texto separado por tabulações;
c) read.csv(). Dica: Use o help para descobrir como usá-la.
2) Use help.search() (ou ??) para descobrir como usar uma função que
deleta arquivos em um diretório. Use essa função para deletar o
arquivo Teste.xls criado no item 2.
3) As notas obtidas pelos alunos desta disciplina em períodos passados
foram fornecidas em um arquivo criado no Excel. Importe os dados a
partir:
a) de um arquivo do tipo texto (csv, por exemplo);
b) do arquivo do tipo xls.
4) Use a função fix() para crie um data frame e depois:
a) exporte os dados para um arquivo texto.
b) exporte os dados para um arquivo Excel.
# UNIDADE III: ELEMENTOS ESSENCIAIS DA LINGUAGEM R
# 3.1 – Vetores
# CRIANDO VÁRIOS TIPOS DE VETORES
(nomes = c("pedro", "maria", "lucas")) class(nomes) (x = c(10.3, 2, 0.2, -2, -7.9)) class(x) (misto = c(x, nomes)) class(misto) (z = c(0.1+0.9i,0.2-0.7i)) class(z) (logico = c(T,F,F,T)) # ou: logico = c(TRUE,FALSE,FALSE,TRUE)
# CRIANDO UM VETOR LÓGICO A PARTIR DE UMA EXPRESSÃO LÓGICA
x >= 2 nomes != "maria"
# USANDO FUNÇÕES ESPECIAIS PARA CRIAÇÃO DE VETORES
seq(1,10,2) # cria uma sequência de 1 a 10 com intervalo igual a 2 seq(0,6,.2) seq(1,9,3) seq(9,1,3) # Erro em seq.default(9,1,3) : sinal errado no argumento 'by' rep(0,10) # repete 0 dez vezes rep(c(1,2,3), 2) rep(c(1,2,3), c(2,3,4)) rep(c(-1,0,1), c(1,2,3)) rep(1:2, rep(4,2))
# USANDO CONSTANTES ESPECIAIS PARA CRIAÇÃO DE VETORES
LETTERS[1:4]
letters[1:5] month.abb month.name
USANDO AS FUNÇÕES format E ISOdate PARA GERAR VETORES REFERENTES A DATA
?format.POSIXct (meses=format(ISOdate(2000, 1:12, 1), "%b")) (MESES=format(ISOdate(2000, 1:12, 1), "%B")) (dias.semana=format(ISOdate(2000, 1, 2:8), "%a")) (DIAS.SEMANA=format(ISOdate(2000, 1, 2:8), "%A"))
# REALIZANDO OPERAÇÕES COM VETORES
peso = c(60,70,80) altura = c(1.60, 1.70, 1.80) peso/altura^ peso+ peso+c(2,3) # executa a expressão, mas gera a seguinte advertência
Warning message:
objeto de comprimento maior
não é múltiplo do objeto de comprimento menor in: peso + c(2, 3)
peso+c(2,3,2)
TESTANDO A FUNÇÃO mf
mf() # ou: mf(25) # ou ainda: mf(x=25) mf(16)
CRIANDO UMA FUNÇÃO COM DOIS ARGUMENTOS, EQUIVALENTE A dnorm()
dnor=function(x, media=0, dp=1) { nor=(1/(sqrt(2pi)dp))exp(-(x-media)^2/(2dp^2)) return(nor) }
TESTANDO A FUNÇÃO CRIADA
dnor(2,1,.3) dnorm(2,1,.3) # teste válido!
COMETENDO ERROS
dnor(2,mean=0,sd=1)
Erro em dnor(2, mean=0, sd=1) : unused argument(s) (mean=0, sd=1)
CORRIGINDO O ERRO
dnor(2,media=0,dp=1) class(dnor)
# USANDO FUNÇÕES DENTRO DE FUNÇÕES (FUNÇÕES ANINHADAS)
plot(seq(-4,4,.1), dnor(seq(-4,4,.1)), type="l")
# EXERCÍCIO RESOLVIDO
Crie uma função para calcular o desvio padrão. Teste sua função.
SOLUÇÃO
dp = function(x){ s=sqrt (sum((x - mean(x))^2)/(length(x) - 1)) return(s) }
TESTANDO A FUNÇÃO
dp(c(5,3,6,8)) sd(c(5,3,6,8))
# EXERCÍCIOS
1) Crie uma função para calcular a média. Teste-a, comparando com a
função mean().
2) Crie uma função com dois argumentos para calcular porcentagens.
3) Crie uma função para calcular o coeficiente de correlação. Teste-a,
comparando com a função cor().
# 3.3 – Data frames
USANDO A FUNÇÃO data.frame() PARA CRIAÇÃO DE DATA FRAMES
(dados1 = data.frame(x=1:7, y=11:17))
USANDO A FUNÇÃO data.frame(), DENOMINANDO LINHAS E COLUNAS
(dados1 = data.frame(X=1:7, Y=11:17, row.names=LETTERS[1:7])) # melhor!
ACRESCENTANDO UMA COLUNA AO DATA FRAME dados
(dados2 = data.frame(dados1, Z=21:27)) # ou (dados2 = cbind(dados1, Z=21:27))
ACRESCENTANDO LINHAS AO DATA FRAME dados
(dados2 = rbind(dados1, c(10,5))) (dados2 = rbind(dados1, dados1))
# APRESENTANDO A DENOMINAÇÃO DE LINHAS E COLUNAS
rownames(dados1) colnames(dados1) dimnames(dados1)
# EXERCÍCIO
Acrescente a variável IMC aos dados da turma ( data frame alunos),
sabendo que IMC=peso/altura^2 (altura medida em metros).
# 3.3.1 – Indexação de data frames
# USANDO "[...]" E "$" EM DATA FRAMES
dados1[2,2] dados1[,2] dados1[1,] dados1[1:3,] dados1[c(1,3,5),] dados1[c(1,3,5),2] dados1[c(1,3,3,5),2] dados1[rep(1:7,2),] # ou: rbind(dados1, dados1) dados1[-c(1,3,5),2] dados1[c(T,T,T,F,F,F,F),2] dados1[c(T,F),2] dados1$X dados1$Y dados1$X[2]
# ALTERANDO DADOS
dados dados1$X[2]=19 # ou: dados1[2,1]= dados
# USANDO VÁRIAS FORMAS DE APRESENTAÇÃO DOS DADOS DE UM DATA FRAME
names(alunos) alunos[,2] alunos$Idade alunos$"Idade" alunos$Ida alunos$"I" alunos$Pes # há outras colunas iniciando por "Pes"
# 3.3.2 – Seleção condicional de observações
dados dados1[dados1$Y==7,] # ou: dados1[dados1[,2]==7,] dados1[dados1$Y==7|dados1$Y==6,] dados1[dados1$Y==7|dados1$Y==6,1] dados1$Y[dados1$Y>6] dados1$Y> dados1$X<=
# EXERCÍCIO
Construa uma matriz igual à matriz A acima, usando o argumento dimnames
da função matrix(). Para conseguir ajuda, use o último exemplo do
help(matrix).
USANDO AS FUNÇÕES cbind() E rbind() PARA CRIAR MATRIZES
cbind(1:5,6:10,11:15) # concatenando por coluna cbind(X1=1:5,X2=6:10,X3=11:15) # denominando as colunas rbind(1:5,6:10,11:15) # concatenando por linha rbind(A=1:5,B=6:10,C=11:15) # denominando as linhas
USANDO AS FUNÇÕES dim() E t()
dim(A) t(A)
# 3.4.1 – Indexação de matrizes
# USANDO "[...]" EM MATRIZ
A
A[2,2]
A[,2]
A[1,]
A[,2]==
A[A[,2]==7,]
A[A[,2]==7,1]
A[A[,2]==7,2:3]
A[A[,2]>=7,c(2,4)] A[A[,2]>=7,rep(2,4)] A[4,]=rep(20,5) A
# TRANSFORMANDO UMA MATRIZ EM DATA FRAME
(dad=data.frame(A))
# PROVOCANDO ERRO COM USO DE $
dad$X2 # "$" pode ser usado em data frame ... A$X2 # ...mas não em matriz class(dad); class(A)
# EXERCÍCIOS
1) Crie uma matriz numérica qualquer de ordem 10x2:
a) usando a função matrix();
b) usando a função rbind();
c) usando a função cbind().
2) Atribua nomes às duas colunas da matriz.
3) Use "[]" para extrair os seguintes subconjuntos da matriz criada:
a) a primeira coluna completa;
b) a segunda linha completa;
c) o elemento situado na 10ª linha e 2ª coluna;
d) elemento(s) da coluna 1 maiores que um certo valor.
e) elemento(s) da coluna 2 entre dois valores específicos.
4) Transforme a matriz criada em um data frame , estudando a função
"as.data.frame".
5) Use "$" no data frame criado no exercício 4) para extrair os
subconjuntos apresentados em 3).
# 3.5 – Listas
# CRIANDO LISTAS
(lista1 = list(1:5, 1:8)) class(lista1) names(lista1)
nomes = c("pedro", "maria", "lucas"); y = 1: (lista2 = list(Nomes=nomes, Y=y)) names(lista2); attach(lista2); Nomes
(lista3=list(lista2, Matriz=A)) names(lista3); attach(lista3) # Erro!
# 3.5.1 – Indexação de listas
# USANDO "[...]" EM LISTAS
lista1[[1]] # ou: lista1[1] lista1[[1]][3] # é diferente de: lista1[1][3] lista2[[2]] lista2[[2]][4] lista3[[2]][2,2] lista3[[1]][[1]][3]
# USANDO "$" EM LISTAS
lista2$Y # ou: lista2[[2]] lista2$Y[4] # ou: lista2[[2]][4] lista3$Matriz # é diferente de: lista3$A lista3[[1]]$Nomes[3] # ou: lista3[[1]][[1]][3]
# 3.6 – Fatores
VERIFICANDO O TIPO DE VARIÁVEL DO DATA FRAME alunos
attach(alunos) class(Sexo) is.factor(Sexo) summary(Sexo) class(Idade) summary(Idade) is.factor(Idade)
# TRANSFORMANDO A VARIÁVEL IDADE EM FAIXAS DE IDADE
alunos$Faixa.etaria[Idade<20]= alunos$Faixa.etaria[Idade>=20&Idade<30]= alunos$Faixa.etaria[Idade>=30]= class(alunos$Faixa.etaria); is.factor(alunos$Faixa.etaria) summary(alunos$Faixa.etaria)
TRANSFORMANDO A COLUNA Faixa.etaria DE NUMÉRICA PARA FATOR
alunos$Faixa.etaria=factor(alunos$Faixa.etaria,levels=1:3) # ou: alunos$Faixa.etaria=as.factor(alunos$Faixa.etaria) class(alunos$Faixa.etaria); is.factor(alunos$Faixa.etaria) summary(alunos$Faixa.etaria)