Data Frame

Linguagem R

Data Frame

Em síntese, data frames são tabelas de dados. Em seu formato, são bem parecidos com as matrizes, no entanto, possuem algumas diferenças significativas. Podemos idealizar os data frames como sendo matrizes de duas dimensões em que cada coluna armazena um tipo de dado diferente. Logo, estamos lidando com um objeto bem mais versátil do que as matrizes e os vetores.

Primeiramente iremos criar um Data frame, com as seguintes variáveis (nomes das colunas): - Nome do tipo character; - idade do tipo numérico; - itens do tipo numérico; - código do tipo inteiro;

# Criando vetores vazios
nomes <- character()
idades <- numeric()
itens <- numeric()
codigos <- integer()

df <- data.frame(c(nomes, idades, itens, codigos))

class(df)

## [1] "data.frame"

Agora iremos construir alguns vetores, com as informações e colocar no data Frame.

# Criando Vetores
pais = c("Portugal", "Inglaterra", "Irlanda", "Egito", "Brasil","Brasil")
nome = c("Bruno", "Tiago", "Amanda", "Bianca", "Marta","Rodolfo")
altura = c(1.88, 1.76, 1.53, 1.69, 1.68,1.73)
codigo = c(5001, 2183, 4702, 7965, 8890, 8895)

# Criando um dataframe de diversos vetores
df = data.frame(pais, nome, altura, codigo)

df

	pais	nome	altura	codigo
1	Portugal	Bruno	1.88	5001
2	Inglaterra	Tiago	1.76	2183
3	Irlanda	Amanda	1.53	4702
4	Egito	Bianca	1.69	7965
5	Brasil	Marta	1.68	8890
6	Brasil	Luiz	1.73	8895

Agora podemos acrescentar mais uma coluna em nosso conjunto de dados, utilizando a função cbind()que chamaremos de olho.

# Adicionando um novo vetor a um dataframe existente
olhos = c("verde", "azul", "azul", "castanho", "castanho","castanho")
df = cbind(df, olhos)
df

	pais	nome	altura	codigo	olhos
1	Portugal	Bruno	1.88	5001	verde
2	Inglaterra	Tiago	1.76	2183	azul
3	Irlanda	Amanda	1.53	4702	azul
4	Egito	Bianca	1.69	7965	castanho
5	Brasil	Marta	1.68	8890	castanho
6	Brasil	Luiz	1.73	8895	castanho

Podemos também acrescentar observações, ao invés de colunas, com a funçãorbind().

pessoa_07 <- c("(Inglaterra",'Marcos','1.81', "5002",'azul')
df = rbind(df, pessoa_07)
df

	pais	nome	altura	codigo	olhos
1	Portugal	Bruno	1.88	5001	verde
2	Inglaterra	Tiago	1.76	2183	azul
3	Irlanda	Amanda	1.53	4702	azul
4	Egito	Bianca	1.69	7965	castanho
5	Brasil	Marta	1.68	8890	castanho
6	Brasil	Luiz	1.73	8895	castanho
7	Inglaterra	Marcos	1.81	5002	azul

Para obter algumas informações básica:

str(df)

< BGCOLOR=white>##    'data.frame':       7 obs. of     5 variables:
##    $ pais        : chr    "Portugal"    "Inglaterra"    "Irlanda"    "Egito"   ...
##    $ nome     : chr    "Bruno"    "Tiago"    "Amanda"    "Bianca"   ...
##    $ altura     : chr    "1.88"    "1.76"    "1.53"    "1.69"   ...
##    $ codigo    : chr    "5001"    "2183"    "4702"    "7965"   ...
##    $ olhos      : chr    "verde"    "azul"    "azul"    "castanho"   ...

# Quantidade de linhas e colunas
dim(df)

## [1] 7 5

# Comprimento
length(df)

## [1] 5

# Número de linhas
nrow(df)

## [1] 7

# Número de colunas
ncol(df)

## [1] 5

É possível observar apenas as primeiras observações, usando a função head()

head(df)

	pais	nome	altura	codigo	olhos
1	Portugal	Bruno	1.88	5001	verde
2	Inglaterra	Tiago	1.76	2183	azul
3	Irlanda	Amanda	1.53	4702	azul
4	Egito	Bianca	1.69	7965	castanho
5	Brasil	Marta	1.68	8890	castanho

Ou com a função tail() podemos observar as últimas observações:

tail(df)

	pais	nome	altura	codigo	olhos
3	Irlanda	Amanda	1.53	4702	azul
4	Egito	Bianca	1.69	7965	castanho
5	Brasil	Marta	1.68	8890	castanho
6	Brasil	Luiz	1.73	8895	castanho
7	Inglaterra	Marcos	1.81	5002	azul

Para observarmos apenas uma única coluna, utilizaremos o símbolo df$`nome da coluna`, por exemplo para saber apenas os países.

df$pais

## [1] "Portugal" "Inglaterra" "Irlanda" "Egito" "Brasil"
## [6] "Brasil" "Inglaterra"

Com a função levels() podemos observar as variáveis úncias da coluna, para isto precisamos converter a variável para o tipo factor.

levels(as.factor(df$pais))

## [1] "Brasil" "Egito" "Inglaterra" "Irlanda" "Portugal"

Podemos também observar a quantidade de cada varível, da coluna pais, com a função table()

table(df$pais)

##
## Brasil Egito Inglaterra Irlanda Portugal
## 2 1 2 1 1

Fatiamento

Se quisermos apenas uma única observação, podemos trabalhar com fatiamento do dataframe, chamando primeiramente o número da linha que queremos e o número da variável. Quero retornar o nome Amanda, que se encontra na terceira linha e na segunda coluna.

df[3,2]

## [1] "Amanda"

Vamos ver novamente o nosso conjunto e dados.

df

	pais	nome [,2]	altura	codigo	olhos
1	Portugal	Bruno	1.88	5001	verde
2	Inglaterra	Tiago	1.76	2183	azul
3 [3, ]	Irlanda	Amanda [3,2]	1.53	4702	azul
4	Egito	Bianca	1.69	7965	castanho
5	Brasil	Marta	1.68	8890	castanho
6	Brasil	Luiz	1.73	8895	castanho
7	Inglaterra	Marcos	1.81	5002	azul

É possível retornar toda a coluna altura, na forma de fatiamento, deixando o espaço das linhas em branco.

df[3,]

## [1] "1.88" "1.76" "1.53" "1.69" "1.68" "1.73" "1.81"

É possível também realizar um filtro e retornar um subset que atenda a um critério específico. Me retorne apenas as colunas: "altura", “codigo” e “olhos” de pessoas que possuem altura menor que 1.7.

df[altura < 1.7, c("altura", "codigo","olhos")]

##              altura          codigo                 olhos
##      3         1.53              4702                    azul
##      4         1.69              7965          castanho
##      5         1.68              8890          castanho

Nomenclatura

Podemos modificar os nomes das colunas do nosso conjunto de dados, para isto, iremos primeiramente visualizar os nomes das colunas:

names(df$pais)

## [1] "pais" "nome" "altura" "codigo" "olhos"

Para que eu altero os nomes das colunas e os nomes das variáveis, utilizaremos as seguintes funções:

colnames(df) <- c('Var 1', 'Var 2', 'Var 3', 'Var 4', 'Var 5')
rownames(df) <- c('Obs 1', 'Obs 2', 'Obs 3', 'Obs 4', 'Obs 5','Obs 6', 'Obs 7')
df

	Var 1	Var 2	Var 3	Var 4	Var 5
Obs 1	Portugal	Bruno	1.88	5001	verde
Obs 2	Inglaterra	Tiago	1.76	2183	azul
Obs 3	Irlanda	Amanda	1.53	4702	azul
Obs 4	Egito	Bianca	1.69	7965	castanho
Obs 5	Brasil	Marta	1.68	8890	castanho
Obs 6	Brasil	Luiz	1.73	8895	castanho
Obs 7	Inglaterra	Marcos	1.81	5002	azul

Corrigindo os nomes das colunas

colnames(df) <- c('País', 'Nome', 'Altura', 'Código', 'Cor dos Olhos')

Carregando Conjunto de Dados

Iremos utilizar a função read.csv().Abaixo demonstraremos como carregar um conjunto de dados, lembrando que é preciso determinar alguns parâmetros, file ou path, caminho do diretório do arquivo em seu computador, header indica se o conjunto de dados tem ou não o nome das variáveis e como é um arquivo csv temos que demonstrar qual é o separador, nesse dataset é a vírgula.
Abaixo temos 02 exemplo, o primeiro, baixar o arquivo, e salva em seu computador. Ou Caso preferir pode utilizar a segunda opção que pega o arquivo direto do repositório do GitHub.

# Primeira Opção
pacientes <- read.csv(file = 'C:/Users/Downloads/pacientes.csv', header = TRUE, sep = ",")
paciente

# Segunda Opção
pacientes <- read.csv(file = 'https://github.com/rodolffoterra/rodolffoterra.github.io/blob/main/dados/pacientes.csv', header = TRUE, sep = ",")
pacientes

X	Idade	Admdate	Diabete	Status
1	43	15/10/2015	Tipo 1	Ruim
2	23	16/10/2015	Tipo 2	Bom
3	56	23/10/2015	Tipo 2	Bom
4	34	24/10/2015	Tipo 1	Ruim
5	'38	31/10/2015	Tipo 1	Medio
6	37	28/10/2015	Tipo 1	Bom
7	41	27/10/2015	Tipo 1	Ruim

Podemos observar um resumo estatístico basico, das variáveis numéricas

summary(pacientes)

##               x                         Idade                          Admdate                         Diabete                           Status
##    Min.       :1.0         Min.       : 23.00        Length:7                          Length:7                          Length:7
##    1st Qu.  :2.5        1st Qu.  : 35.50        Class :character          Class :character         Class :character
##    Median :4.0        Median : 38.00        Mode :character         Mode :character        Mode :character
##    Mean     :4.0        Mean     : 38.86
##    3rd Qu. :5.5        3rd Qu. : 42.00
##    Max        :7.0        Max        : 56.00

Para concluir este pequeno arquivo em relação a Data Frame, iremos combinar os dois dataframe criados, df e pacientes.

dataset_final <- cbind(df, pacientes)
dataset_final

	País	Nome	Altura	Código	Cor dos Olhos	X	Idade	Admdate	Diabete	Status
Obs 1	Portugal	Bruno	1.88	5001	verde	1	43	15/10/2015	Tipo 1	Ruim
Obs 2	Inglaterra	Tiago	1.76	2183	azul	2	23	16/10/2015	Tipo 2	Bom
Obs 3	Irlanda	Amanbda	1.53	4702	azul	3	56	23/10/2015	Tipo 2	Bom
Obs 4	Egito	Bianca	1.69	7965	castanho	4	34	24/10/2015	Tipo 1	Ruim
Obs 5	Brasil	Marta	1.68	8890	castanho	5	38	31/10/2015	Tipo 1	Medio
Obs 6	Brasil	Rodolfo	1.73	8895	castanho	6	37	28/10/2015	Tipo 1	Bom
Obs 7	Inglaterra	Marcos	1.81	5002	azul	7	41	27/10/2015	Tipo 1	Ruim

Análise Exploratória

Abaixo começaremos a ver apenas dois gráficos, introdutório, do que veremos na prtóxima semana Análise Exploratória dos dados. Veremos um gráfico de histograma, e um boxplot. No publicação, iremos explicar estes dois gráficos e muitas outras ferramentas. Existe muito mais a se mencionar em relação a Data Frame. Aqui foi apenas uma pequena introdução sobre o tema. Dívidas ou interesses, favor enviar um e-mail para que eu possa acrescenter no material ou trazer assuntos que melhor agradem vocês.
E agora para encerrae podemos observar um gráfico histograma da Idade dos pascientes.

hist(pacientes$Idade, main= "Histograma de pasciente por idade", xlab = "Idade", ylab = "Frequência")

E podemos observar um box plot em relação a idade por cor dos olhos.

plot(dataset_final$Idade ~ as.factor(dataset_final$`Cor dos Olhos`),
      xlab = 'Cor dos Olhos', ylab = 'Idade', main = 'Idade por Cor dos Olhos')

Outros Artigos

SQLDF

Aprenda a trabalhar com duas ferramentas ao mesmo tempo, podemos trabalhar com SQL dentro do RStudio.

Vetores

Um vetor em R é uma estrutura básica dentro da linguagem, que permite armazenar uma quantidade numérica ou string (letras ou caracteres), em um único objeto. O vetor possui apenas 01 única dimensão.

Matrix

Matrizes é caracterizado como uma coleção de vetores, sendo todos do mesmo tipo (numérico ou caracteres) armazenados entre linhas e colunas.

Análise Exploratória

Em estatística, a análise exploratória de dados é uma abordagem à análise de conjuntos de dados de modo a resumir suas características principais, frequentemente com métodos visuais.

Regressão Linear

Em estatística ou econometria, regressão linear é uma equação para se estimar a condicional de uma variável y, dado os valores de algumas outras variáveis x.

Clusterização

Em Breve

Projeto Linguagem R

Por melhor negociador que você acredite ser, você já foi persuadido por pelo menos um dos 4 tipos de negociador mais conhecidos. Seja no seu trabalho, em lojas de roupas e calçados ou quando seu filho insiste em ter algo que você sabe que ele não precisa.
A negociação está presente em nossas vidas constantemente, seja na profissional, seja na pessoal. Esta aplicação desenvolvida em Shiny, linguagem R, mostrará qual dos perfil você melhor se identificarao responder um pequeno enquete.

Projeto

Data Frame

Linguagem R

Data Frame

Fatiamento

Nomenclatura

Carregando Conjunto de Dados

Análise Exploratória

Outros Artigos

SQLDF

Vetores

Matrix

Análise Exploratória

Regressão Linear

Clusterização

Projeto Linguagem R

Apoiadores: