O blog do R

Descobrir o dia da semana de várias datas

2011-10-06T23:17:00.001-03:00

Não vou falar de uma data apenas, já que é a mesma ideia para quando se faz para muitas. Alguns links de ajuda neste caso estão aqui e aqui.

A situação era data em formato ddmmaaaa e como Factor com 365 níveis. Os dados eram provenientes do SINASC. Todos os tutoriais sobre o assunto assumem que a data está em chr, mas não era o meu caso. Mais um passo tinha que ser feito: converter de Factor para chr. O seguinte seria converter de chr para Date. Como segue:

data2 <- as.character(dados$data1)
data3 <- as.Date(data2,format="%d%m%Y")

No format da segunda linha eu digo como a data está escrita. Na ajuda e em vários outros lugares, como aqui, existem tabelinhas explicando o significado dos símbolos. Até este ponto falei para o R que a minha variável data3 contém datas. Se quiser posso separar o ano, o dia do mês, e entre outros, o dia da semana. Os outros dão um pouquinho mais de trabalho, já que o dia da semana tem uma função para isso.

dia.semana <- weekdays(data3)

Pronto. Tenho uma nova variável chamada dia.semana com o dia da semana que as crianças nasceram. Foi a parte do trabalho que eu estava mais temerosa em fazer, mas até que foi fácil - depois de gastar uma hora procurando o que fazer e como fazer corretamente.

Referências:

Farnswort, Grant V. 2008. Econometrics in R.

Quick-R: Dates. Acesso em 06 de Outubro de 2011.

Escrever dados em outros formatos

2011-03-09T11:05:00.003-03:00

Como disse no outro blog e com os motivos explicitados neste post, agora o blog volta de vez para seu endereço de origem. E agora com o template novo. Espero, de verdade, postar com mais frequência.

Eu particularmente não gosto muito de salvar os dados no Excel. Depois que li em algum lugar falando muito mal do Excel como armazenador de dados, passei a usar o formato .txt – infelizmente não tenho o link.

Por outro lado não acho conveniente escrever tudo no Bloco de Notas. Então primeiro escrevo tudo no Excel e salvo como texto, existe essa opção mágica. ~~Mas no Calc não existe, até a última vez que procurei não tinha. E agora?~~ (Existe uma opção, veja o primeiro comentário deste post.) É possível fazer isso no R.

Seguindo os passos do outro post, importe o banco de dados. E depois exporte no formato desejado. No exemplo vou importar um .csv e exportar um .txt. Na última linha do exemplo confirmo se é possível ler o arquivo criado no R.

dados <- read.csv2("dados.csv")
write.table(dados, file=”dados.txt”)
dados2 <- read.table(“dados.txt”)

Pronto. É bem simples mesmo. Também é possível fazer o contrário, sair de um .txt e escrever um .csv com a função write.csv. Mas cuidado, se for importar do jeito comum com read.csv ou read.csv2 um arquivo que foi criado desta maneira, pode dar errado. O ideal é seguir o que a ajuda diz, e que é a última linha do exemplo.

write.csv(dados2, "dados2.csv")
dados3 <- read.table("dados2.csv", header = TRUE, sep = ",", row.names = 1)

O Quick-R ensina a fazer isso para diversos tipos de arquivos. E também existe o R Data Import/Export. Vale a pena pelo menos olhar os dois.

O pacote xlsReadWrite sugerido pelo Quick-R parece ser muito interessante, se você conseguir instalar/usar. Tentei de tudo e nada. Dizem que o criador dele é muito bonzinho e se você mandar e-mail ele responde, mas nunca tomei coragem para fazer isso. Por enquanto, quando preciso exportar para .xls, utilizo esse código que aprendi na lista e não é muito confiável:

dados4
write.table(dados4, file="nome.xls", row.names=FALSE, col.names=FALSE, sep="\t")

Se fizer do jeito que está, apenas os dados aparecerão, sem o nome das linhas e colunas. Para que eles apareceram é só retirar os argumentos row.names e col.names. O nome das colunas aparecerá deslocado uma célula para a esquerda.

Atenção: Como não é algo oficial – leia-se, gambiarra – pode dar errado sem motivo aparente. Cuidado ao fazer isso. Comigo sempre deu certo fazendo desse jeito.

Para encerrar, um exemplo no R Commander. Baseado em fatos, e desespero, reais. Pelo menos a nota não era minha, eu só era a monitora. lol Resumindo a novela: Ninguém sabia qual era a extensão do banco de dados. Só que isso não é tão importante no R Commander. Mas inventamos de importar o banco de dados para o R “normal”. Gastei umas duas horas tentando descobrir a extensão e nada. A solução foi mandar um e-mail para o professor, que resolveu o problema.

Apesar do problema estar resolvido fiquei pensando no que poderia ser feito caso tudo desse errado. Então, o ideal seria fazer o seguinte caminho no Commander:

Dados > Carregar Conjunto de dados
Dados > Conjunto de dados ativo > Exportar conjunto de dados ativo

Na primeira linha leio o banco de dados e na segunda o escrevo em outro formato, neste caso .txt. Assim eu saberia o formato em que o arquivo está e ele poderia ser lido no R “normal” com o comando read.table por exemplo. Não tive essa ideia, que no fundo é bem boba, a tempo. Fica guardada para uma próxima oportunidade.

Os motivos que levam alguém a escrever dados em outros formatos são infinitos, e poder fazer isso seja lá qual for a razão é uma das coisas que eu mais gosto no R.

Nos mudamos

2010-11-21T20:27:00.002-02:00

Depois de muito pensar, resolvi mudar meu outro blog de endereço – um que não tem nada a ver com R. No dia da ‘inauguração’ pensei que poderia colocar este blog no mesmo novo endereço. Apesar de ficar um pouco apreensiva quanto a isso, resolvi tentar. Acredito que será mais fácil gerenciar os dois de um mesmo endereço. Todos os posts estão com o marcador R. O novo endereço é:

http://nerdcraftices.blogspot.com/search/label/R

O problema principal reside nos assuntos de cada um. Um fala de crafts e scrapbooking e o outro fala de R. É muito difícil achar uma pessoa que se interesse pelos dois. Para contornar esse problema, descobri como fazer um feed só com os posts do R. O endereço do feed é:http://nerdcraftices.blogspot.com/feeds/posts/default/-/R Já tem um post novo, que fala sobre a palestra do R no Eneste. A propósito, os gráficos da header foram feitos no R.

R e o Eneste

2010-11-19T15:59:00.002-02:00

Acho que o Eneste – Encontro Nacional dos Estudantes de Estatística - merecia um post e também precisava postar alguma coisa sobre R. Como teve uma palestra sobre R no Eneste, juntei os dois.

Também teve a palestra do SAS. Sortearam alguns brindes bem legais – eu não ganhei nada. A palestra foi boa, mas ainda não me convenceu. O meu princípio é muito longe de: Eu uso o R, portanto odeio o SAS. Não. Antes é bem mais simples. O SAS não entra na minha cabeça! Já fiz de tudo e não adiantou nada. Nem o vídeo do Sixty Minutes que mostraram falando que na sede do SAS toda Quarta-feira tem M&Ms de graça. O vídeo está aqui, para quem se interessar.

A palestra foi muito boa. O Bruno Fonseca contou a trajetória dele nos programas até chegar no R. Ele usou vários programas – Excel, SPSS e SAS – até chegar no R. Bem diferente de mim, desde sempre uso só ele. Ele falou que irá disponibilizar a palestra no página dele do Wiki do LEG.

Também, falou o que deve ser levado em consideração ao escolher um programa: necessidade, acesso a licença e incentivo ao uso. A necessidade aparece bem rápido, junto com a primeira lista de exercícios. O R é gratuito, então não existe preocupação com licença. E o incentivo ao uso é a parte mais complicada, porque se você está rodeado de pessoas que não gostam daquele programa é muito difícil continuar, mas é só fazer ouvido de mercado e bola para frente. Como a gente sempre encontra alguém que gosta do mesmo programa, esse problema é minimizado com certa facilidade.

O ponto alto da palestra, para mim, foi sobre o R Commander. Eu já tinha ouvido falar sobre ele, mas nunca prestei muita atenção e na verdade nem sabia o que era direito. Na minha cabeça era um concorrente do Tinn-R. Para instalar peça pelo pacote Rcmdr, e para usar é só carregar.

O R Commander é uma interface point and click em que é possível fazer várias coisas que o R faz, mas em uma parte da tela ele mostra como aquilo é feito na linguagem do R. Isso é excelente para aqueles que estão começando com o R e também para aquele que como eu já sabem importar um banco de dados, mas perdem muito tempo no Google procurando por algum código para fazer algo específico. Aqui tem um guia para começar com o R Commander, tem 50 páginas.

Queria ter dado atenção a ele antes, porque me falaram que existia e eu não me importei muito com isso.

O problema dos quantis

2010-06-16T21:46:00.001-03:00

Hoje estava dando monitoria e me deparei com o problema dos quantis. Toda vez alguém pergunta sobre eles e não é lá muito fácil explicar a fórmula. A ideia é simples, mas a fórmula não, ela exige um pouco mais de atenção. O outro problema é que cada pessoa usa uma fórmula, cada livro apresenta uma e isso deixa os monitores – eu – doidos.

A fim de resolver o problema dos quantis, fui pesquisar mais sobre eles. Digitei quantiles – em inglês aparecem mais resultados – e o primeiro resultado era da Wikipédia.

Wikipédia tem que ser lida com o pé atrás, mas já confirmei as informações. Eles falam que o R tem nove maneiras de calcular os quantis e o Excel uma. E mostram uma tabela com cada método.

Digitando ?quantile no R você pode ver a mesma coisa que tem na Wikipédia e o número correspondente para chamar o método. Como está escrito lá, o padrão é a sétima.

Os comandos de hoje são cinco número e quantis.

Cinco número são o mínimo, 1º quartil, 2º quartil, 3º quartil e o máximo. O comando que traz a ideia no próprio nome e é o fivenum.

> fivenum (dados)

0 1 2 3 4

Os resultados são apresentados na ordem mínimo, 1º quartil, 2º quartil, 3º quartil e máximo. Outro comando é o summary. Prefiro esse porque ele vem como o nome do que cada resultado é e ainda mostra a média.

> summary(dados)

Min. 1st Qu. Median Mean 3rd Qu. Max.
0.000 1.000 2.000 2.068 3.000 4.000

Finalmente, os quantis em si, porque nem sempre precisamos apenas dos quartis. Para isso, quantile.

> quantile(dados)

0% 25% 50% 75% 100%
0    1    2    3    4

> quantile(dados, c(0.1,0.2,0.3,0.4), type=7, na.rm=FALSE, names=TRUE)

   10% 20% 30% 40%
   1.0 1.0 1.0 1.8

O primeiro comando dá os cinco números, de novo. No segundo pedi os quatro primeiros decis. As outras especificações são o default do R, estão apenas para explicação. type especifico a maneira em que quero que sejam calculados, como dito anteriormente, o padrão é a sétima forma. na.rm quando verdadeira retira os NAs antes do cálculo, neste caso é falsa. Em names peço para colocar ou retirar o nome do quantis, isto é qual porcentagem da distribuição eles representam. Ainda existe o probs, com exemplo e explicação abaixo.

> quantile(dados, probs = seq(0, 1, 0.1))

0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
0.0 1.0 1.0 1.0 1.8 2.0 3.0 3.0 3.0 3.0 4.0

Neste especifico em qual intervalo da distribuição desejo que os quantis, aqui de 0 a 1, e que tipo de quantis quero, neste caso decis. Assim foram calculados os decis da distribuição. A forma padrão é probs = seq(0, 1, 0.25), esta é a razão porque ele dá os cinco números quando nada é especificado. O exemplo anterior dos quatro primeiros decis poderia ser facilmente expresso por quantile(dados, probs = seq(0.1, 0.4, 0.1)).

No R é fácil resolver o problema dos quantis, apenas mudar o type. Mas por enquanto vou ter que continuar pedindo para ver o caderno dos que aparecem na monitoria para descobrir qual é a fórmula que está sendo utilizada na turma, porque na hora da prova não tem R para ajudar.

Sistemas de equações lineares

2010-03-13T22:29:00.003-03:00

Como R faz tudo que a gente precisa, pelo menos quase tudo, ele resolve essa também. Vou mostrar as duas maneiras que descobri para fazer isso. Existe a maneira mágica - recomendável quando o livro não traz as respostas – , e a maneira conferência de erros – essa eu inventei, então está em desenvolvimento ainda e dá um certo trabalho, e você precisa saber a matéria para usá-la. O objetivo da segunda maneira é achar os erros, porque nem todos os exercícios do livro são resolvidos, então tem que saber um pouco da matéria para, primeiro, errar e depois achar onde o erro está.

O sistema a ser resolvido é:

Digamos que por alguma razão você fez várias contas e no final descobr que alguma coisa está errada. O problema é que você não sabe o que está errado. Para descobrir o erro, abra o R e siga os comando de acordo com o seu sistema.

Escreva a matriz completa separada por vetores, conforme abaixo. Anote em um papel a linha e seu nome correspondente para não se perder se precisar fazer uma permutação – essa é a falha dessa maneira de resolver.

a <- c(2, 3, -2, 2)

b <- c(3, -5, 4, 5)

c <- c(1, -2, -7, -24)

Faça a permutação swapR1,R3 no papel. As próximas operações a serem feitas são (-3)R1+R2 e (-2)R1+R3. No R fazemos assim, lembrando que com a permutação R1 corresponde ao objeto c e assim por diante.

b <- -3*c+b

a <- -2*c+a

Depois fazemos (-7)R2+R3 que seria escrito como a <- -7*b+a. Se quiser faça (-1)R3, mas neste caso não vai fazer muita diferença.

Para ver como a matriz final ficou e assim poder escrever o resolver o novo sistema, utilize o comando rbind.

rbind(c,b,a)

[,1] [,2] [,3] [,4]

c 1 -2 -7 -24

b 0 1 25 77

a 0 0 -163 –489

A matriz completa já foi transformada em uma matriz escalonada. Agora é só resolver o novo sistema. Se tinha alguma erro no seu sistema, conforme você foi fazendo a resolução no R deve ter o achado.

Agora a maneira “mágica” está nessa apostila de Álgebra Linear no R, em inglês, quando estava procurando no Google sobre matrizes no R, na página 12.

Os valores finais vêm na ordem em que cada variável aparece na matriz. Esse método só funciona com matrizes quadradas.

Lembrando que o R não vai fazer o seu dever de casa e você não vai aprender a matéria por usar qualquer uma das maneiras aqui mostradas. Por outro lado ele vai ajudar, e muito, ao descobrir os erros e saber se sua resolução está certa ou não.

Sobre tabelas

2010-02-05T20:54:00.001-02:00

Post simples, mas é algo que não tinha aqui. Quando aprender mais e/ou lembrar de mais coisas eu posto. Só o básico por hoje.

Para fazer tabelas a partir de um banco de dados que já está no R, uma das formas possíveis é:

nome <- table(dados$var)

nome

É bom dar um nome para a tabela para não repetir todo o comando quando precisar dela novamente, por isso em todos os exemplos vou dar nome para elas.

nome <- with (dados, table(var))

nome

Essa é outra das maneiras possíveis de fazer uma tabela com um banco de dados já inserido no R.

Para reproduzir uma tabela que está em outra fonte e você deseja fazer algum teste com ela, uma maneira é com o seguinte comando:

nome <- matrix(c(21, 22, 24, 41, 25, 56), byrow=T, nrow=3)

nome

O comando byrow indica que eu quero que os dados sejam ordenados por linhas, se quiser por colunas coloco byrow=T. No comando nrow escrito quantas linhas a tabela tem, nesse caso três.

Existem muitas outras coisas a serem postadas sobre tabelas e em breve farei isso.

Como colocar o banco de dados no R

2009-11-19T23:16:00.010-02:00

Esse é o primeiro passo de particamente qualquer coisa que se tente fazer no R.

Para começar, é bom descobrir em qual pasta o R está trabalhando. Para fazer isso, utilize o comando:

getwd()
[1] "C:/Users/Érica/Documents"

Se esta for a pasta em que está o banco de dados que você quer utilizar, o comando read.table será muito útil. Existem o read.table, read.csv, read.csv2, read.delim e read.delim2. Todos são basicamente a mesma coisa do primeiro, o que mudam são algumas configurações. A seguir seguem algumas das diferenças entre eles, para mais informações procure ?read.table.

read.csv – utilizado quando o separador das variáveis é uma vírgula e o separador dos decimais é um ponto.
read.csv2 – utilizado quando o separados das variáveis é o ponto-e-vírgula e o separador dos decimais é uma vírgula. Tanto o read.csv e o read.csv2 são muito úteis para arquivos do Excel salvos no formato .csv.
read.delim – utilizado quando o separador das variáveis é uma tabulação – tab – e o separador dos decimais é um ponto.
read.delim2 – utilizado quando o separador das variáveis é uma tabulação – tab – e o separador dos decimais é uma vírgula.

Como dito anteriormente, todos eles são a mesma coisa do read.table com algumas alterações na função que podem ser feitas por você mesmo, mas que se forem utilizados vão economizar tempo.

Digamos que o meu arquivo está na pasta em que o R está trabalhando, as variáveis estão separadas por pontos-e-vírgulas, os decimais estão separados por vírgulas e os dados que não constam estão indicados por dois pontos finais. Então vou fazer isso:

dados <- read.csv2(“Dados para o R.csv”, na.string=”..”)

Agora é só trabalhar com os dados.

Mas se por um acaso o R não está trabalhando na pasta em que os dados estão, temos várias opções para mudar a pasta. De preferência abra uma pasta só para o seu projeto. Alistaremos três das maneiras.

Maneira 1 - O endereço precisa estar entre aspas, simples ou duplas.

setwd(“C:\\Users\\Érica\\Documents\\Projeto”)

Maneira 2 – Menu > Arquivo > Mudar dir… –> Escolha a pasta.

Maneira 3 – Utilize o comando e escolha a pasta do mesmo jeito que na maneira 2.

setwd(choose.dir())

Para finalmente ler os dados, utilize um dos comandos read.table já mencionados.

Nota: Obrigada pelas correções Donald!

R 2.10.0

2009-10-26T22:34:00.001-02:00

Hoje foi lançada a versão 2.10.0 do R. No CRAN da Universidade de São Paulo, São Paulo, já está disponível. Há uma lista com as mudanças dessa versão para a outra no site.

Cores

2009-10-04T21:49:00.001-03:00

Cor não é algo que vai mudar o mundo, mas mesmo assim, ficar limitado a meia dúzia de cores não é interessante. Nem sempre ficava satisfeita com as cores dos meus gráficos. As cores simplesmente não combinavam direito.

O R oferece vários recursos para o uso de cores, mas apenas dois vão ser explorados aqui.

Semana passada fiquei sabendo que ele tem 657 cores, sendo que 102 são cinza. Para ver o nome delas use um dos comandos abaixo:

colors()

colours()

Além disso, ele permite que você use as cores RGB, que são utilizadas normalmente em editores de imagens. No lugar de colocar o nome da cor, você coloca “#rrggbb”, sendo que rrggbb é o valor da cor. No exemplo abaixo todas as cores são as oferecidas pelo R, exceto a última, que é RGB:

boxplot(abc$var1~abc$var2,col=c("gray80","red","beige","steelblue","#ccce4b"))

Como sempre, mais informações em ?colors.

Amostra aleatória simples

2009-09-21T19:18:00.001-03:00

Essa foi a primeira coisa que aprendi a fazer no R então parece ser um bom ponto de partida para o blog.

Muitas vezes precisamos escolher aleatoriamente elementos de uma população, isso acontece tanto em deveres de casa e projetos quanto em escolher qual filme ver no cinema. Acho melhor o usar o R para fazer a tarefa do que a tabela de números aleatórios que tem atrás do livro.

O comando é esse, a parte em vermelho deve ser modificada conforme a sua necessidade e a segunda linha é o resultado:

sample(1:10,5)

[1] 4 10 9 6 3

Esse comando não escolhe novamente um número que já foi escolhido. Isso é muito útil, mas nem sempre. Quando isso não é útil e é necessário resolver esse problema é só escrever replace=TRUE, conforme o exmplo:

sample(1:10,5,replace=TRUE)

[1] 1 8 10 10 4

Post bem básico mesmo. Para saber mais digite ?sample.

Começando

2009-09-18T22:14:00.001-03:00

Meu nome é Érica e sou estudante de Estatística. No momento, de R eu não sei quase nada, mas a ideia de abrir o blog veio da necessidade de fazer uma tarefa nesse programa e achar poucas informações em Português.

Conforme eu for aprendendo as coisas, e tiver tempo, vou postar aqui. O objetivo é guardar em algum lugar o que eu aprender e disponibilizar para outras pessoas em Português.

Espero que o blog ajude o leitores de alguma forma.