O que é a linguagem R? O be-a-bá para iniciantes

Tipo de dados que você trabalhará no R

• integer: números inteiros
• numeric: números decimais
• complex: números complexos
• logical: FALSE, TRUE, NA
• factor: categórica ex: (“ótimo”, “bom”, “médio”, “ruim”)
• character: texto ex: (“eu amo bolo de chocolate”)

Principais atalhos no Rstudio que vão te ajudar!

• CTRL+ ENTER roda a linha selecionada do script.
• ALT+-: atribuir variável (<-) .
• ALT+ SHIFT+K : janela com todos os atalhos disponíveis.

Ex 1: scatterplot (o famoso gráfico de dispersão)

No caso, você está analisando uma base de dados de carros, comparando o tamanho do motor displ e com a eficiência do combustível hwy. Basicamente você está informando que você quer que a base de dados mpg se torne um gráfico, acionando a função ggplot e indicando em aes que a variável x será a coluna displ que está dentro da base mpg e a variável y será a coluna hwy, que também está dentro da base mpg.

mpg %>% ggplot(aes(x = displ, y = hwy, color = class)) +
  geom_point()

Antes de continuar é importante esclarecer o que é %>%, isso é algo que você vai usar muito e se chama “pipe”

O pipe “pega” o que está do lado esquerdo e roda no lado direito do código, facilita sua vida porque você não precisa mil objetos, já que há diversas etapas no processo.

Outro ponto importante para você entender antes de avançarmos é em relação a função ggplot. Basicamente quando você precisa indicar quais são os seus eixos do gráfico, dentro de aes e depois que tipo de gráfico que você que fazer. Atenção: a conexão entre o ggplot e o tipo de gráfico de você vai fazer é caracterizada com o sinal de +, NÃO o %>%

Ex 2: gráfico de barras

Aqui você está analisando a base de dados diamantes e fazendo um gráfico de barras do corte dos diamantes! Você não precisa de uma variável y aqui porque com o geom_bar o R vai identificar que cut é uma variável não númerica e vai fazer a contagem para você!

diamonds %>% ggplot(aes(cut)) +
  geom_bar()

Ex 3: mapas

Sim, o R também faz mapas 🌎. Esse código acontece em 3 etapas:

1. Criar uma variável chamada “no_axis”. Seu objetivo é basicamente deixar o mapa mais limpo, sem a trama e os eixos que normalmente ficam atrás dos gráficos. Como faremos um mapa, queremos limpar todo esse “plano de fundo”.

no_axis <- theme(axis.title=element_blank(),
                 axis.text=element_blank(),
                 axis.ticks=element_blank())

2. Organizar nossa base de dados. Vamos criar a variável “states”, que vai conter as informações dos estados brasileiros contidas no pacote “geobr”. Serão 27 observações no ano de 2014, uma para cada estado brasileiro.

states <- read_state(year=2014)

## Using year 2014

## Loading data for the whole country

3. O Mapa! Agora que já temos nossa base de dados organizada, vamos dar o play. O geom_sf é o responsável por gerar o mapa e todos os argumentos dentro dele são as informações necessárias para que ele construa o que a gente quer:

• data → base de dados (no caso, é a “states”, que acabamos de criar)
• fill → cor do preenchimento dos estados
• color → cor do perímetro (linha) de cada estado
• size → espessura da linha (perímetro de cada estado)
• show.legend → está marcada como FALSE pois não queremos que ela apareça
• O “labs” são as labels (títulos, subtítulos, etc) que você vai dar para o seu mapa. Nesse caso queremos que ele se chame States. Por fim, estamos adicionando o plano de fundo “minimal” e a nossa variável “no_axis”, garantindo que o mapa fique o menos poluído possível.

ggplot() +
  geom_sf(data = states, fill="#2D3E50", color="#FEBF57", size=.15, show.legend = FALSE) +
  labs(subtitle="States", size=8) +
  theme_minimal() +
  no_axis

Ex 4: gráfico de correlação

Aqui estamos usando a base de dados Diamonds, uma base que já vem inclusa dentro do pacote ggplot. Queremos entender se existe correlação entre os dados numéricos,ou seja:

• x = comprimento (milímetro)
• y = largura (milímetro)
• z = profundidade (milímetro)
• price = preço

Medidas complexinhas, entendedores de diamantes entenderão, rs ~ não foca nessas informações, o foco é entender o gráfico.

• depth = percentual de profundidade total
• table = largura do topo do diamante relativa ao seu ponto mais largo

Para isso, estamos selecionando só as colunas com números select(5:10). O resultado será um gráfico de correlação:

• correl positiva entre 2 variáveis: cor laranja
• correl negativa entre 2 variáveis: cor azul
• sem correlação entre 2 variáveis: cor branca

diamonds %>% select(5:10) %>%
  cor() %>%
  ggcorrplot(hc.order = TRUE, type = "lower",
             outline.col = "white",
             ggtheme = ggplot2::theme_gray,
             colors = c("#6D9EC1", "white", "#E46726"))

Ex 5: gráfico de hexágonos

Esse gráfico é uma solução para quando você tem muuuuitos dados e a visualização no gráfico de dispersão fica poluída e te dificulta tirar qualquer conclusão. Basicamente, para evitar que os dados se sobreponham esse gráfico divide a área em pequenos fragmentos, no caso hexágonos, dividindo os valores dentro desses hexágonos (bin), por isso possui a legenda ao lado indicando a contagem, quanto mais escuro maior a presença de dados dentro daquele hexágono. No caso estamos analisando a relação entre duas variáveis numéricas, preço e peso.

ggplot(diamonds, aes(carat, price)) + 
  geom_hex(bins = 50)

PARTE 2: EXPLORANDO ALGUMAS BASES DE DADOS

mpg %>% ggplot(mapping = aes(x = displ, y = hwy)) +
  geom_point()

mpg %>% ggplot(mapping = aes(x = displ, y = hwy)) +
  geom_point() +
  geom_smooth(se = FALSE) # linha posicionada no lugar mais perto de todos os pontos

## `geom_smooth()` using method = 'loess' and formula 'y ~ x'

mpg %>% ggplot(mapping = aes(x = displ, y = hwy, color = class)) +
  geom_point()

mpg %>% ggplot(mapping = aes(x = displ, y = hwy)) +
  geom_point() +
  facet_wrap(facets = vars(class))

Quer mais conteúdo para se aprofundar? Aqui vão alguns conteúdos ótimos em português:

• R para cientistas sociais
• Github R ladies SP com diversos workshops
• Github R ladies Goiânia
• Youtube Rladies BH com intro ao R
• Blog Rladies BH

Para quem se aventura no inglês, segue o livro que eu leio vira e mexe volto pra ele em momentos de dúvidas, uma fonte de aprendizado ótima: R for Data Science

Outro que tem sido meu guia principal em visualização de dados é o Data to viz

Fique ligado nos eventos das R-ladies! Há sempre tutoriais e workshops super legais e gratuitos para todos! Há diversos R-ladies no mundo, aqui vão algumas dicas de perfis que eu sigo no instagram e github, recomendo!

• @rladiesp
• @rladiesthe
• @rladiesbh

R-ladies é uma iniciativa global que promove diversidade na comunidade R, realizando diversos compartilhamento de conteúdo, workshops, mentorias, eventos e conexões! Quem fundou essa comunidade GLOBAL foi a Gabriela Queiroz, brasileira e cientista de dados, lá em 2012, que acabou tendo muito sucesso e expandido para várias regiões do mundo

Ficou com alguma dúvida ou sugestão? Manda nos comentários!

via GIPHY