Comandos mostrados nas aulas do curso (2008)

Quatro formas alternativas de entrada de dados de 0 a 10.

x <- c(0, 1, 2, 3, 4, 5 ,6, 7, 8, 9, 10)
x
x <- 0:10
x
x <- seq(0,10, by=1)
x <- scan()
1: 0
2: 1
...
10: 9
11: 10
12: 

Extendendo as possibilidades

seq(0,1, by=0.1)
(0:10)/10
 
2*(0:10)
seq(0,20,by=2)
 
10:0
seq(10,0, by=-1)

Selecionando indivíduos pela sua posição (indexando valores de um vetor). Note que comandos a seguir somente mostram resultados sem alterar x

x[1]
x[4]
x[1:3]
x[5:8]
x[c(2, 5, 7])
x

Selecionando valores do vetor segundo outros critérios. Nos comandos a seguir o objeto original não é alterado.

pesos <- c(67, 83, 56, 91, 58, 47, 82, 75)
pesos[pesos > 80]
pesos[pesos < 50 | pesos > 80]
pesos[pesos > 50 & pesos < 80]

Substituindo valores de um vetor. Note que comandos alteram valores do vetor.

x[1:3] <- c(0, 10, 20)
x
 
pesos
pesos[4]
pesos[4] <- 81
pesos
pesos[pesos > 80]
pesos[pesos > 80] <- 85
pesos
pesos[pesos > 80] <- NA
pesos
pesos[is.na(pesos)] <- 90
pesos

Identificando as posições dos elementos que satisfazem certo critério.

pesos
which(pesos == 56)
which(pesos == 90)
which(pesos < 70)

Amostrando valores de um vetor. Note uso do rep para definir amostra com reposição. args() mostra os argumentos da função.

dados <- c(34, 28, 31, 32, 43, 40, 45, 39, 26, 29)
sample(dados, 3)
sample(dados, 3)
sample(dados, 3, rep=TRUE) 
args(sample)

Ordenando valores

dados
sort(dados)
rev(sort(dados))
sort(dados, decreasing=T)

Acrescentando elementos e concatenando dois ou mais vetores

x <- 0:10
x
x <- c(x, 11)
x
 
x1 <- c(51:60, 101:110)
x1
 
x2 <- c(x, c(15, 18, 21, 15, 30))
x2
 
x3 <- c(x2, x1)
x3
 
c(1:10, seq(21, 50, by=2), c(100, 110, 150))

Operadores aritméticas e funções para operações aritméticas, prioridade de operações, uso de parêntesis.

x <- 0:10
px <- choose(10, x) * (0.3)^x * (1-0.3)^(10-x)
px

Gráficos

plot(x, px)            # ver gráfico
plot(x, px, type="h")  # ver gráfico

Funções relacionadas a distribuições de probabilidades

px <- dbinom(x, 10, 0.3)
px

Gráfico da função acumulada

Fx <- pbinom(x, 10, 0.3)
Fx
cumsum(px)        # note que soma acumulada de dbinom() fornece mesmo resultado que pbinom()
plot(x, Fx, type="s")

Lei da reciclagem (recycling rule) – válida para as operações aritméticas

2 * x
(0.3)^x
x1 <- c(2, 5, 7, 8)
x1
x2 <- c(10, 20)
x2
x1 + x2
x2 + x1
x3 <- (1:3)*10
x3
x1 + x3
x3 + x1
x2 + x3
x3 + x2
x1 * x2
x1 * x2
exp(x1) + log(x2)

Argumentos de funções: ordem dos argumentos, nomes dos argumentos, casamento parcial de nomes, argumentos com default

args(dbinom)
dbinom(x, 10, 0.3)
dbinom(x=x, size=10, prob=0.3)
dbinom(prob=0.3, x=x, size=10)
dbinom(size=10, prob=0.3, x=x)
dbinom(x, s=10, p=0.3)
dbinom(x, p=0.3, s=10)
dbinom(x, p=0.3, s=10)
dbinom(x, 10, 0.3, log=F)
dbinom(x, 10, 0.3, log=T)

Verificando máximos, mínimos e suas posições em um vetor.

pesos <- c(67, 83, 56, 91, 58, 47, 82, 75)
max(pesos)
min(pesos)
which(pesos == max(pesos))
which.max(pesos)
which(pesos == min(pesos))
which.min(pesos)

Testando pela ocorrência de NA. Note o uso do caracter de negação !

dat <- c(43, 56, NA, 23, 48, 33, NA, 29, 33, 39)
is.na(dat)
!is.na(dat)
which(is.na(dat))
which(!is.na(dat))
dat1 <- dat[!is.na(dat)]

Outras funções de probabilidades

args(dchisq)
args(dt)

Algumas contantes e operadores

exp(1)
exp(3)
print(pi, dig=12)
print(pi, dig=12)
pi
options(digits=12)
pi
exp(1)

Examinar opções de options()

options()

Funções para verificar exitência de NA's NaN's e valores infinitos (Inf)

x <- c(5, 0, -2)
x/0
is.nan(x/0)
is.finite(x/0)
!is.finite(x/0)

Explicações sobre como o R armazana objetos (RAM e/ou dispositivos como por exemplo o HD)

save.image()
q()

Listando e apagando objetos

ls()
objects()
rm(x)
rm(list=ls())
args(ls)
ls()
ls(all=T)

Tipos de objetos no R: matrizes

x <- 1:24
x
m <- matrix(x, nr=6)
m
m <- matrix(x, nr=6, byrow=T)
m
x <- 1:25
m <- matrix(x, nr=6)
m
attributes(x)
attributes(m)

Tipos de objetos no R: arrays

x <- 1:24
a <- array(x, dim=c(4,3,2))
a

Digitação e conversão de uma tabela de tripla entrada (dada no quadro durante a aula) em um objeto do tipo array

Comentários sobre ordem de entrada dos dados, cliclagem das variáveis e definição das dimensões do array

freqs <- scan()
1: 45
2: 28
3: 37
4: 16
5: 22
6: 15
7: 21
8: 34
9: 56
10: 33
11: 21
12: 30
13: 40
14: 50
15: 85
16: 45
17: 37
18: 29
19:
freqs
Af <- array(freqs, dim=c(3,2,3))
Af

freqs = scan(file='http://leg.ufpr.br/~ehlers/CE223/fumo.dat')
 
array(freqs, dim=c(3,2,3))
 
nomes = list(c('PR','SC','RS'), c('M','F'), c('nao fuma','fuma pouco','fuma muito'))
 
hf = array(freqs, dim=c(3,2,3), dimnames=nomes)
 
hf
 
m1 <- matrix(1:12, ncol = 3)
m1
 
dimnames(m1)
 
dimnames(m1) <- list(c("L1", "L2", "L3", "L4"), c("C1", "C2", "C3"))
 
m1
 
m2 <- cbind(1:5, 6:10)
m2
 
m3 <- cbind(1:5, 6)
m3
 
margin.table(m1, margin = 1)
 
apply(m1, 1, sum)
 
rowSums(m1)
 
margin.table(m1, margin = 2)
 
apply(m1, 2, sum)
 
colSums(m1)
 
#operacoes com matrizes
 
m4 <- matrix(1:6, nc = 3)
m5 <- matrix(10 * (1:6), nc = 3)
m4
 
m5
 
m4 + m5
 
m4 * m5
 
m5 - m4
 
m5/m4
 
m4 %*% m5
 
t(m4)
 
m6 = t(m4)%*% m5
 
solve(m6)
 
m6[3,3]=20
 
solve(m6)
 
mat <- matrix(c(1, 5, 2, 3, -2, 1, -1, 1, -1), nc = 3)
 
vec <- c(10, 15, 7)
 
solve(mat, vec)

x <- c(0, 1, 2, 3, 4, 5 ,6, 7, 8, 9, 10)
x
x <- 0:10
x
x <- seq(0,10, by=1)
x <- scan()
1: 0
2: 1
...
10: 9
11: 10
12: 

Extendendo as possibilidades

seq(0,1, by=0.1)
(0:10)/10
 
2*(0:10)
seq(0,20,by=2)
 
10:0
seq(10,0, by=-1)

Data frames

d1 = data.frame(x=1:10,y=c(51,54,61,67,68,75,77,75,80,82))
 
d1
 
      x  y
  1   1 51
  2   2 54
  3   3 61
  4   4 67
  5   5 68
  6   6 75
  7   7 77
  8   8 75
  9   9 80
  10 10 82
 
names(d1)
 
d1$x
d1$y
 
d1[,1]
d1[,2]
 
plot(d1)
 
plot(d1$x,d1$y)
 
d2 = data.frame(Y = c(rnorm(5,mean=10,sd=2), rnorm(5,16,2), rnorm(5,14,2)))
 
gl(3, 5)
 [1] 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3
Levels: 1 2 3
 
d2$lev = gl(3, 5)
 
d2
 
is.factor(d2$lev)
 
# Aplicando uma funcao a um Data Frame separando por fatores
 
by(d2$Y, d2$lev, summary)
 
# Criando um Data Frame a partir de todas as combinacoes de 2 fatores.
 
d3 = expand.grid(1:3, 4:5)
d3
 
is.data.frame(d3)
 
# Adicionando colunas
 
d4 = data.frame(peso=rnorm(15,65,5),altura=rnorm(15,160,10))
d4
 
d4=cbind(d4,sexo=c(rep('M',10),rep('F',5)))
d4
 
# Toda coluna que não seja composta exclusivamente de números é definida como um fator.
 
is.factor(d4$sexo)
[1] TRUE
 
letters
 
LETTERS
 
d4=cbind(d4,nome=letters[1:15])
 
is.factor(d4$nome)
[1] TRUE
 
d4$nome= as.character(d4$nome)
 
d4
 
dim(d4)
 
names(d4)
 
dimnames(d4)
 
rownames(d4)
 
colnames(d4)
 
d4[d4$sexo=='M',1:2]
 
d4[d4$sexo=='F',4]
 
by(d4[,1:2],d4$sexo,function(x)x)
 
by(d4[,4],d4$sexo,function(x)as.character(x))

Listas

#Listas sao estruturas genericas e flexiveis que permitem armazenar
#diversos formatos em um unico objeto. 
 
lis1 <- list(A = 1:10, B = "CE 223", C = matrix(1:9,ncol = 3))
lis1
 
$A
[1]  1  2  3  4  5  6  7  8  9 10
 
$B
[1] "CE 223"
 
$C
     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9
 
#Varias funcoes do R retornam listas
 
d1
 
lis2 = lm (y ~ x, data=d1)
 
lis2
 
is.list(lis2)
 
class(lis2)
 
summary(lis2)
 
anova(lis2)
 
names(lis2)
 
lis2$pred
 
lis2$residuals
 
par(mfrow=c(2,2))
 
plot(lis2)
 
#Selecionando elementos de uma lista
 
lis1$A
 
lis2$coeff
 
lis1[3]
 
lis1[[3]]