Introdução rápida ao R-lang
Guia rápido com tudo que precisa saber ao iniciar na linguagem R
Linux power user since 2003. IT Manager, DevOps/SRE, Systems Administrator, and teacher. Bass player, Krav Maga practitioner, and sport shooter.
https://esli.blog || https://esli.cafe
Instalação
Aqui fiz um artigo sobre a instalação do R no Linux: Menos de 3 minutos e estará pronto
R console/CLI
Basta digitar R
Para sair do console do R, use o quit(), irá perguntar se deseja salvar Save workspace image? [y/n/c]:
Declarando o valor 10 para a variavel a e depois imprimindo no output:
a <- 10 #também podemos usar `a = 10`, mas depois explico!
print(a)
[1] 10
Dados
O R classifica todos os dados com base em 5 tipos diferentes:
Double
Integer
Character
Logical
Complex
Double
O Double é como o float no python, qualquer número inteiro ou decimal é um Double e ele é o modo default para qualquer número armazenado (no caso do print(a) acima, por exemplo)
Integer
O integer, inteiro. por definição matemática literal, inteiro é um número inteiro (sem frações ou pontos decimais). Todos os inteiros são indicados por "L" após o número.
No nosso primeiro exemplo (lembre-se que é um Double por default!), vamos usa-lo como inteiro:
a <- 10L
print(a)
[1] 10
Show?! Complicando um pouco:
x=17.53L
Warning message:
integer literal 17.53L contains decimal; using numeric value
print(x)
[1] 17.53
O que houve?
x é uma fração, mas estamos tentando armazená-la como um Integer adicionando um L após 17.53. R entende e converte para Double para evitar perda de dados.
Se armazenarmos um valor de fração dentro de um Integer, o R armazenará automaticamente o valor como um Double para evitar qualquer perda de dados.
Character
São nossas strings. Para usa-los, basta armazenar entre aspas. O R diferencia maiúscula e minúscula.
Logical
Logical são os famosos booleanos, True (T) ou False (F)
Complex
Complex são números que possuem uma combinação de números reais + imaginários. Ex.: 3+3i
Declarando variáveis
Usa-se os operadores ( ->, <- e = ) para declarar as variaveis.
> alias = 1753
> alias <- 1753
> 1753 -> alias
> print(alias)
[1] 1753
> teste=1
> print(teste)
[1] 1
> teste<-2
> print(teste)
[1] 2
> 3->teste
> print(teste)
[1] 3
Operadores
Os operadores na programação R são categorizados em 5 categorias diferentes:
- Operadores aritméticos
adição
+subtração
-divisão
/multiplicação
*exponencial
^
a = 20
b = 10
c = a+b
d = a/b
e = a*b
f = a-b
g = a%%b
h = a%/%b
print(c)
print(d)
print(e)
print(f)
print(g)
print(h)
- Operadores Relacionais
Este mostrará o resultado em booleano, True ou False.
Menor que
<Maior que
>Igual a
==Diferente de
!=Menor que igual a
<=Maior que igual a
>=
a<b
a>b
a==b
a!=b
a<=b
a>=b
- ** Operadores lógicos**
&- Operador AND
|(pipe)- Operador OR
!- Operador NOT
AND &: O operador AND significa verificar ambos os valores. Se algum deles for FALSE, retornará como FALSE.
OR |: O operador OR significa verificar qualquer um dos valores. Se algum deles for TRUE, ele retornará como TRUE.
NOT !: O operador NOT apenas retornaria o oposto do valor. Se o valor for TRUE, retornará FALSE e vice-versa.
> a = 20
b = 0
a&b
a|b
!a
[1] FALSE
[1] TRUE
[1] FALSE
>
No caso da operação &, tanto a como b devem ser diferentes de zero. Portanto, a saída é FALSE.
No caso da operação ‘|, apenas um deve ser Diferente de Zero. Portanto, a saída é TRUE.
No caso da operação !, a saída será o oposto do seu valor. Portanto, a saída é FALSE.
Não podemos executar o tipo AND & em data types Double ou Character.
- Operadores de Atribuição
Atribuição à esquerda:
<-,<<-e=Atribuição à Direita:
->e->>
- Operadores Especiais
Sequência
:Procurar valor no vetor
%any%
Funções
Procedures ou rotinas são chamadas de functions.
Há 2 tipos:
- ** Built-in functions **
Já armazenadas em memória, como a print() por exemplo.
Outros exemplos de functions built-in:
function sum() soma:
# sum function
sum(a,b)
# Ou
print(a+b)
# Ou
c = a+b
print(c)
function sqrt() raiz quadrada:
> sqrt(16)
[1] 4
function typeof() retorna qual o tipo de dado está na variavel:
> a = 10
> typeof(a)
[1] "double"
- ** Custom functions **
As custom functions, são criadas pelo seu código.
Estrutura da criação de uma function:
FunctionName <- Function(arguments){
Statements....
....
}
Exemplo BEM simples:
Criando uma função que multiplica ao quadrado o numero dado:
aoquadrado <- function(a){
NumeroAoQuadrado <- a * a
print(NumeroAoQuadrado)
}
aoquadrado(32)
[1] 1024
IF-ELSE Conditions
if(condition){
if statements to be executed....
}
else{
else statements to be executed....
}
Loops
while
Irá retornar a mensagem, adicionar 1 ao contador e repetir enquanto o contador for menor que 100.
count <- 1
while(count < 100) {
print(count, "print this again")
count <- count + 1
}
Irá retornar a mensagem juntamente com o valor do contador, depois, adicionar 1 ao contador e repetir enquanto o contador for menor ou igual a 100.
Neste caso, para imprimir o valor do contador junto com a mensagem, ou seja, Double + Character (inteiro e string), usaremos a function paste:
count <- 1
while(count <= 100) {
print(paste(count, "print this again"))
count <- count + 1
}
for
Retorna todos os nomes da coluna Names. a função c() retorna um vetor (um array unidimensional).
Names <- c("Manuel","Floriano","Prudente","Manoel","Francisco","Afonso","Nilo", "Hermes")
for(i in Names){
print(i)
}
Loop for com sequência: (de 1 a 10):
for(i in 1:10){
print(i)
}
Vector
Vector são como uma lista, mas armazenam apenas valores do mesmo tipo de dados!
No R, todos os valores variáveis são guardados em Vectores.
Assim, quando temos a = 1, o R armazena como um Vector com valor 1 e tamanho 1.
Agora, quando temos x = 1 2 3 4, o R armazena como um Vector x com os valores 1 2 3 4 e tamanho 4 (lembre-se: este é um tipo Double, não há aspas duplas para ser um Character e não há L no final para ser um Inteiro).
V1 <- c("Manuel","Floriano","Prudente","Manoel")
V2 <- c(1,2,3,4,5)
# Ou
V2 = 1:5
Para exibir apenas uma posição no vector:
print(V1[3])
[1] "Prudente"
Usando a function seq():
seq(1,20) # gera uma sequência de 1 a 20
[1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
seq(1,20,2) # gera uma sequencia de 1 a 20 em saltos de 2
[1] 1 3 5 7 9 11 13 15 17 19
V3 = seq(1,20,2) # Cria um vetor com o resultado da fuction seq()
> print(V3)
[1] 1 3 5 7 9 11 13 15 17 19
Usando a function rep():
rep(3,5)
[1] 3 3 3 3 3
V1 = rep(3,5)
print(V1)
[1] 3 3 3 3 3
V1 = rep("a",5)
print(V1)
[1] "a" "a" "a" "a" "a"
Podemos adicionar, subtrair, dividir ou multiplicar diretamente com os vectores.
v1 = c(8,7,5,3,6)
v2 = c(4,7,1,0,9)
add.vector = v1+v2
print(add.vector)
[1] 12 14 6 3 15
subtract.vector = v1-v2
print(subtract.vector)
[1] 4 0 4 3 -3
multiply.vector = v1*v2
print(multiply.vector)
[1] 32 49 5 0 54
divide.vector = v1/v2
print(divide.vector)
[1] 2.0000000 1.0000000 5.0000000 Inf 0.6666667
Baseados na posição do vetor:
v1 = c( 8 , 7 , 5 , 3 , 6 )
| | | | |
v2 = c( 4 , 7 , 1 , 0 , 9 )
Se o segundo vetor tiver menos dados, o R irá repetir a sequência, veja no exemplo abaixo:
v1 = c(8,7,5,3,6,7)
v2 = c(4,7)
add.vector = v1+v2
print(add.vector)
[1] 12 14 9 10 10 14
subtract.vector = v1-v2
print(subtract.vector)
[1] 4 0 1 -4 2 0
multiply.vector = v1*v2
print(multiply.vector)
[1] 32 49 20 21 24 49
divide.vector = v1/v2
print(divide.vector)
[1] 2.0000000 1.0000000 1.2500000 0.4285714 1.5000000 1.0000000
Ou seja, v1 = c(8,7,5,3,6,7) manterá, mas o v2 = c(4,7) será repetido, virando v2 = c(4,7,4,7,4,7)
Matrix
Os vetores são um grupo de elementos de um único tipo de dados e que representam os dados numa única dimensão.
Isto significa que terá "1 linha e n colunas" que podem ser escritas como (1,n)
A matriz é semelhante a um Vector mas é bidimensional , contém 'm linhas e n colunas' que podem ser escritas como (m,n).
A matriz é definida como um grupo de elementos semelhantes dispostos em duas dimensões.
INDEXAMENTO é como podemos acessar cada elemento de uma Matriz.
A matriz é feita usando uma combinação de números de linhas e números de colunas dentro de colchetes, por exemplo: [linha1,col3]
Matrix pode ser criada usando 3 functions: matrix() # matrix function rbind() # Row function cbind() # Column function
Exemplo:
vector com 20 valores:
vec = c(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20)
Matrix com 4 linhas e 5 colunas e os valores do vector vec.
vec = c(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20)
M1 = matrix(vec,4,5)
print(M1)
[,1] [,2] [,3] [,4] [,5]
[1,] 1 5 9 13 17
[2,] 2 6 10 14 18
[3,] 3 7 11 15 19
[4,] 4 8 12 16 20
Ou, de outra forma:
M2 = matrix(c(1:20),4,5)
print(M2)
Ou, criando uma Matrix com diversos vetores:
v1 = c(1,5,9,13,17)
v2 = c(2,6,10,14,18)
v3 = c(3,7,11,15,19)
v4 = c(4,8,12,16,20)
M3 = rbind(v1,v2,v3,v4)
print(M3)
[,1] [,2] [,3] [,4] [,5]
v1 1 5 9 13 17
v2 2 6 10 14 18
v3 3 7 11 15 19
v4 4 8 12 16 20
Criando um Vector usando posições diferentes de diversas Matrix, usando o rbind para a mesma quantidade de itens na linha.
Isto irá criar um Vector de 3 linhas e 4 colunas com os 12 valores presentes nos 3 Vetores.
M4 = rbind(c(1:4),c(5:8),c(9:12))
print(M4)
[,1] [,2] [,3] [,4]
[1,] 1 2 3 4
[2,] 5 6 7 8
[3,] 9 10 11 12
Criando um Vector usando posições diferentes de diversas Matrix, usando o cbind para o mesmo tamanho de coluna.
Isto irá criar um Vector de 5 linhas e 4 colunas com os 20 valores presentes nos 4 Vetores.
M5 = cbind(v1,v2,v3,v4)
print(M5)
v1 v2 v3 v4
[1,] 1 2 3 4
[2,] 5 6 7 8
[3,] 9 10 11 12
[4,] 13 14 15 16
[5,] 17 18 19 20
Data frames
Com o Data Frame, podemos armazenar qualquer tipo de valor/dados.
Estrutura:
DataFrame_Name = data.frame(
col1_name = col1_values,
tcol2_name = col2_values,
coln_name = coln_values
)
Chamando o Data frame como function:
data.frame()
Vamos criar um Data Frame com 4 colunas: ID, Nome, Idade e Departamento, com 5 valores presentes.
List = data.frame(ID = 101:105,
Nome = c("Mike","Henry","Tom","Harvey","Rachel"),
Idade = c(21,22,21,20,22),
Department = c("IT","EX","EX","CS","IT")
)
print(List)
ID Nome Idade Department
1 101 Mike 21 IT
2 102 Henry 22 EX
3 103 Tom 21 EX
4 104 Harvey 20 CS
5 105 Rachel 22 IT
List
Listas são algo em que podemos armazenar Valores, Vetores, Matrizes e Data Frame, todos juntos num único arquivo.
Dentro da função, podemos adicionar qualquer número de Vetores, Matrizes ou Data Frames, assim como podemos declarar Variáveis únicas.
Usa-se a function list()
Como:
List_Name = list(vectorName1, MatrixName1, DataFrameName1, vectorName2,...)
Um exemplo:
#Data Frame
DataFrame1 = data.frame(ID = 101:105,
Nome = c("Mike","Henry","Tom","Harvey","Rachel"),
Idade = c(21,22,21,20,22),
Department = c("IT","EX","EX","CS","IT")
)
#Vector
V<- 1:4;
#Matrix
M <- matrix(1:16,4,4)
#variable
Num <- 4
#Uma lista com todos:
List = list(V, M, Num, DataFrame1)
# exibindo a lista:
print(List)
[[1]]
[1] 1 2 3 4
[[2]]
[,1] [,2] [,3] [,4]
[1,] 1 5 9 13
[2,] 2 6 10 14
[3,] 3 7 11 15
[4,] 4 8 12 16
[[3]]
[1] 4
[[4]]
ID Nome Idade Department
1 101 Mike 21 IT
2 102 Henry 22 EX
3 103 Tom 21 EX
4 104 Harvey 20 CS
5 105 Rachel 22 IT
Packages
Os pacotes são extensões do R. Os pacotes contêm código, dados e documentação em um formato de coleção padronizado.
O CRAN é o repositório padrão onde ficam os packages, semelhante ao que é o Pip para o Python, Cpan para o Perl...
- Vamos testar o package ggplot2.
ggplot2 é um sistema para criar gráficos declarativamente, baseado na gramática dos gráficos. Você fornece os dados, informa ao ggplot2 como mapear variáveis para estética, quais primitivas gráficas usar e ele cuida dos detalhes.
Instalar o package:
install.packages("ggplot2")
Após (demora um pouco!), vamos carregar o package no nosso ambiente atual:
library(ggplot2)
Por fim, executa-lo com um exemplo simples (da própria doc):
ggplot(mpg, aes(displ, hwy, colour = class)) + geom_point()
Resultado:
Aqui a documentação completa deste package:
https://www.rdocumentation.org/packages/ggplot2/versions/3.3.6
Um Cheatsheet do ggplot2:
https://github.com/rstudio/cheatsheets/blob/main/data-visualization-2.1.pdf
Pagina oficial do ggplot2:
https://ggplot2.tidyverse.org/
- Outro package, o txtplot:
No console do R:
install.packages('txtplot')
O txtplot é uma biblioteca que gera gráficos ASCII, incluindo gráficos de dispersão, plotagem de linhas, plotagem de densidade, acf e gráficos de barras.
Depois de instalado, podemos carrega-lo e rodar a chamada abaixo para gerar um exemplo:
> library('txtplot')
> txtplot(cars[,1], cars[,2], xlab = "velocidade", ylab = "distancia")
+----+-----------+------------+-----------+-----------+--+
120 + * +
| |
d 100 + * +
i | * * |
s 80 + * * +
t | * * * * |
a 60 + * * * * * +
n | * * * * * |
c 40 + * * * * * * * +
i | * * * * * * * |
a 20 + * * * * * +
| * * * |
0 +----+-----------+------------+-----------+-----------+--+
5 10 15 20 25
velocidade
>
Rstudio, VSCode e Terminal
Todos os exemplos aqui foram feitos via RStudio, vscode (com as extensões R) e no terminal do Linux.
Links
RDocumentation (pesquisa a documentação dos packages e functions): https://www.rdocumentation.org/
