• Abra o RStudio e o seu Projeto da Disciplina

• Crie a subpasta 04-relatorio dentro da pasta relatorios.

• Acesse o site da disciplina e baixe o arquivo 04-relatorio.zip

• Descompacte o arquivo, copie/recorte o arquivo 04-relatorio.qmd e cole dentro da subpasta 04-relatorio.

• Administradores precisam não apenas entender dados para tomada de decisão, mas também desenvolver, pelo menos, a capacidade de elaborar relatórios de análises descritivas e diagnósticas que fundamentem decisões estratégicas.

• Para isso, a habilidade de saber efetuar manipulação de dados com a linguagem R e o pacote dplyr são de extrema importância.

• Veremos o poder da linguagem R e do dplyr, principalmente, para a fase 3.

• A ênfase da disciplina está nas aplicações práticas, não necessariamente no desenvolvimento de modelos estatísticos complexos.

• O dplyr é um dos pacotes principais do tidyverse, criado por Hadley Wickham

• Seu nome vem de “data plier” (alicate de dados) - uma ferramenta para manipular dados

• Foi projetado seguindo a filosofia “tidy data” (dados organizados) - cada variável é uma coluna, cada observação é uma linha

• É escrito em C++ para performance otimizada

• Permite manipulação de dados de forma consistente, clara e encadeada

• O pacote dplyr é parte do tidyverse, um conjunto de pacotes desenvolvidos para análise de dados em R

• Enquanto os pacotes readr e readxl ajudam na importação de dados, o dplyr é especializado na manipulação desses dados

• O dplyr trabalha com uma estrutura de dados de R que já conhecemos: data frames/tibbles

• As funções do dplyr foram projetadas para serem usadas com o operador pipe (%>%), que já vimos brevemente no relatório Junglivet

• Muitas vezes precisamos filtrar somente certas linhas (observações ) de uma data frame.

• Muitas vezes precisamos selecionar somente certas colunas (variáveis) de uma data frame.

• Muitas vezes precisamos agrupar os dados por uma determinada(s) variável(s) categórica.

• Muitas vezes precisamos calcular estatísticas descritivas para esses subconjuntos de dados (função summarize).

# Um fluxo completo de análise com dplyr
relatorio_expectativa <- gapminder %>%
  # Filtra apenas os dados de 2007
  filter(year == 2007) %>%
  # Agrupa por continente
  group_by(continent) %>%
  # Calcula estatísticas resumidas
  summarize(
    expectativa_media = mean(lifeExp),
    expectativa_minima = min(lifeExp),
    expectativa_maxima = max(lifeExp),
    num_paises = n()
  ) %>%
  # Ordena do maior para o menor
  arrange(desc(expectativa_media))

# Visualiza o resultado final
relatorio_expectativa

Este exemplo demonstra como um conjunto de funções do dplyr pode ser combinado para transformar dados brutos em um relatório informativo com apenas algumas linhas de código.

No relatório Junglivet, já utilizamos algumas funções do dplyr:

# Trecho do relatório Junglivet
dados_destilaria_limpos <- dados_destilaria %>%
  # Remove a coluna MONTH
  select(-MONTH) %>%
  # Renomeia as colunas
  rename(
    dia = DAY,
    mestre_responsavel = MANUFACTURER,
    # ... outras colunas renomeadas
  ) %>%
  # Converte cada variável para seu tipo adequado
  mutate(
    dia = as.numeric(dia),
    # ... outras conversões
  ) %>%
  # Remove linhas com valores ausentes
  drop_na()

Agora vamos entender em detalhes cada uma dessas funções e como aplicá-las em diferentes contextos de análise de dados.

O pacote dplyr fornece uma série de funções muito úteis para manipular data frames de uma maneira que:

• reduz a probabilidade de cometer erros
• economiza digitação
• o código é mais legível e compreensível

Vamos aprender 5 das funções mais usadas do pacote dplyr,

Além disso, veremos como como usar o operador pipe (%>%) para combiná-las.

• O pacote gapminder da linguagem R contém uma data frame também chamada gapminder.

• A df gapminder fornece informações detalhadas sobre indicadores socioeconômicos reais de vários países ao longo do tempo.

• Este conjunto de dados é muito utilizado no ensino da linguagem R e de métodos estatísticos.

A data frame gapminder contém as seguintes variáveis:

• A função select() permite escolher quais variáveis (colunas) você quer manter ou remover de uma data frame

• Enquanto select() trabalha com colunas (variáveis), filter() trabalha com linhas (observações),

• É essencial para simplificar seus dados, focando apenas nas variáveis relevantes para sua análise

Imagine que você é um analista financeiro internacional e precisa preparar um relatório sobre PIB:

# Seleciona apenas as variáveis relevantes para análise financeira
dados_financeiros <- gapminder %>%
  select(country, year, gdpPercap)

# Visualiza as primeiras linhas do resultado
head(dados_financeiros)

# A tibble: 6 × 3
  country      year gdpPercap
  <fct>       <int>     <dbl>
1 Afghanistan  1952      779.
2 Afghanistan  1957      821.
3 Afghanistan  1962      853.
4 Afghanistan  1967      836.
5 Afghanistan  1972      740.
6 Afghanistan  1977      786.

Interpretação: Este código seria equivalente a extrair apenas os dados financeiros relevantes (país, ano e PIB per capita) de uma grande base de dados para uma análise específica de desempenho econômico.

• Se quisermos remover apenas a variável continent, podemos usar a sintáxe abaixo e salvar o resultado em outro objeto:

• Nos slides anteriores, usamos a sintáxe ‘normal’ da linguagem R.

• Mas o ponto forte do dplyr está na combinação de várias funções usando o operador pipe %>%.

• Vamos analisar a gramática do uso de funções do dplyr combinadas com o operador %>%.

• Atalho para inserir o operador pipe: Ctrl + shift + M

• O operador pipe pode ser lido como “então” ou “em seguida”

• Fluxo da esquerda para a direita, similar à leitura natural

• Transforma:

funcao(dados, arg1, arg2)

em

dados %>% funcao(arg1, arg2)

Uma linha de montagem onde cada função faz uma operação nos dados

gapminder %>% # Pegue os dados gapminder, então...
  filter(year == 2007) %>% # Filtre para apenas o ano 2007, então...
  group_by(continent) %>% # Agrupe por continente, então...
  summarize( # Calcule resumos:
    mean(lifeExp), # expectativa de vida média
    sum(pop) # população total 
  )

• A função filter() permite filtrar subconjuntos de observações (linhas) que atendem determinadas condições ou critérios.

• É uma das funções mais utilizadas na análise de dados para criar subconjuntos específicos dos dados

• Pense nela como um “filtro” que deixa passar apenas as observações que atendem aos critérios que você definir

• Imagine que você tem uma planilha de vendas e quer analisar apenas as vendas:

  • de um produto específico
  • acima de determinado valor
  • em uma região específica
  • em um período específico

• A função filter() permite fazer essa filtragem de forma rápida e precisa

Imagine que a data frame gapminder representa dados de filiais de uma empresa multinacional:

# Filtra apenas países das Américas
# como se fossem filiais da região Américas

filiais_americas <- gapminder %>%
  filter(continent == "Americas")

# Visualiza as primeiras 6 linhas do resultado
head(filiais_americas)

# A tibble: 6 × 6
  country   continent  year lifeExp      pop gdpPercap
  <fct>     <fct>     <int>   <dbl>    <int>     <dbl>
1 Argentina Americas   1952    62.5 17876956     5911.
2 Argentina Americas   1957    64.4 19610538     6857.
3 Argentina Americas   1962    65.1 21283783     7133.
4 Argentina Americas   1967    65.6 22934225     8053.
5 Argentina Americas   1972    67.1 24779799     9443.
6 Argentina Americas   1977    68.5 26983828    10079.

Interpretação: Este filtro seria equivalente a selecionar apenas dados de filiais localizadas nas Américas para uma análise regional de desempenho.

Dica prática: Comece sempre pensando na pergunta de negócio, depois traduza para o código

Há duas maneiras principais de combinar condições:

• A função mutate() permite criar novas variáveis ou modificar variáveis existentes

• Enquanto filter() seleciona linhas e select() seleciona colunas, mutate() adiciona ou modifica colunas

• É como ter uma “calculadora” que cria novas informações a partir dos dados existentes

• Ideal para cálculos como: percentuais, totais, médias, categorias, etc.

Imagine que a data frame gapminder contém dados de vendas globais da sua empresa:

# Criando variáveis para análise de vendas
vendas_analise <- gapminder %>%
  filter(year == 2007) %>%  # Filtra dados somente de 2007
  mutate(
    # PIB total representa a receita total da região
    receita_total = gdpPercap * pop,
    # Receita em milhões (para facilitar a leitura)
    receita_milhoes = receita_total / 1000000,
    # Indicador de destaque (regiões com alta receita por pessoa)
    destaque = gdpPercap > 20000
  ) %>%
  # Vamos visualizar apenas algumas colunas e 5 linhas
  select(country, receita_milhoes, gdpPercap, destaque) %>%
  head(5)

vendas_analise

Interpretação administrativa: Este tipo de transformação é usado diariamente nas empresas para converter dados brutos em métricas de negócios úteis para tomada de decisão.

# Operações aritméticas básicas com mutate()
gapminder %>%
  filter(country == "Brazil", year >= 2000) %>%
  mutate(
    # Adição: adiciona um valor fixo
    pop_ajustada = pop + 1000000,
    # Multiplicação: multiplica por um fator
    gdp_reais = gdpPercap * 5.2,  # Convertendo para reais
    # Divisão: divide para mudar a escala 
    pop_milhoes = pop / 1000000   # População em milhões
  ) %>%
  select(year, pop, pop_ajustada, pop_milhoes, gdpPercap, gdp_reais)

Dica: As operações mais utilizadas em análises de negócios são multiplicação (para fatores, taxas, conversões) e divisão (para mudar escalas e calcular proporções).

A função ifelse() permite criar novas variáveis categóricas baseadas em condições:

Como funciona: ifelse(condição, valor_se_verdadeiro, valor_se_falso)

# Criando categorias com ifelse
paises_categorizados <- gapminder %>%
  filter(year == 2007) %>%
  mutate(
    nivel_desenvolvimento = ifelse(gdpPercap > 10000, 
                                   "Desenvolvimento Alto", 
                                   "Desenvolvimento Baixo")
  ) %>%
  select(country, gdpPercap, nivel_desenvolvimento) %>%
  head(6)

paises_categorizados

• É como dizer: “SE o PIB per capita for maior que 10.000, então classifique como ‘Desenvolvimento Alto’, SENÃO classifique como ‘Desenvolvimento Baixo’”

gapminder %>%
 filter(year == 2007) %>%
 mutate(
   pib_total = gdpPercap * pop,  # PIB total
   pib_percentual_global = (pib_total/sum(pib_total))*100, # % do PIB global
   performance = ifelse(gdpPercap > mean(gdpPercap), 
                       "Acima da média", 
                       "Abaixo da média")
 ) %>% 
 select(country, pib_total, pib_percentual_global, performance)

Isso mostra como transformar dados brutos em informações gerenciais.

case_when() é como um “sistema de classificação” para criar categorias mais complexas:

# Exemplo de múltiplas categorias
paises_classificados <- gapminder %>%
  filter(year == 2007) %>%
  mutate(
    classe_desenvolvimento = case_when(
      gdpPercap < 2000 ~ "Baixo",
      gdpPercap < 10000 ~ "Médio",
      gdpPercap >= 10000 ~ "Alto"
    )
  ) %>%
  select(country, gdpPercap, classe_desenvolvimento) %>%
  head(6)

paises_classificados

Como funciona:

• Cada linha representa uma condição: condição ~ "valor a atribuir"
• As condições são verificadas em ordem (de cima para baixo)
• Quando uma condição é verdadeira, o valor correspondente é atribuído

• A função group_by() permite agrupar dados por uma ou mais variáveis categóricas

• A função summarize() (ou summarise()) permite calcular estatísticas resumidas para cada grupo

• Estas funções geralmente trabalham juntas como uma ferramenta poderosa para análise

• É como criar “subtotais” ou “relatórios consolidados” por categorias (ex: vendas por região, despesas por departamento)

Imagine que você é um analista financeiro e precisa preparar um relatório executivo comparando regiões:

# Cria um relatório de PIB médio por continente
relatorio_continentes <- gapminder %>%
  filter(year == 2007) %>%  # Filtra para dados mais recentes
  group_by(continent) %>%   # Agrupa por continente
  summarize(
    PIB_medio = mean(gdpPercap),         # Média do PIB per capita
    Total_populacao = sum(pop),          # População total
    Paises_analisados = n(),             # Número de países
    PIB_minimo = min(gdpPercap),         # PIB mínimo
    PIB_maximo = max(gdpPercap)          # PIB máximo
  ) %>%
  arrange(desc(PIB_medio))  # Ordena do maior para o menor PIB médio

# Visualiza o resultado
relatorio_continentes

Interpretação Este tipo de relatório consolidado por região é crítico para análises comparativas entre mercados e para apresentações executivas. Mostra claramente as estatísticas-chave para cada grupo (continente), facilitando comparações e decisões estratégicas.

# Análise de expectativa de vida por continente e ano
tendencias_por_continente <- gapminder %>%
  group_by(continent, year) %>%  # Agrupa por DUAS variáveis
  summarize(
    expectativa_vida_media = mean(lifeExp),
    paises_analisados = n()
  ) %>%
  arrange(continent, year)

# Mostra resultados parciais
tendencias_por_continente %>% 
  filter(continent == "Americas") %>%
  head(3)

# A tibble: 3 × 4
# Groups:   continent [1]
  continent  year expectativa_vida_media paises_analisados
  <fct>     <int>                  <dbl>             <int>
1 Americas   1952                   53.3                25
2 Americas   1957                   56.0                25
3 Americas   1962                   58.4                25

Contexto empresarial: Este tipo de análise é comum em:

• Relatórios de vendas por região e trimestre
• Análise de desempenho por departamento e mês
• Monitoramento de métricas por produto e canal de vendas

• A função arrange() ordena as linhas (observações) de uma data frame com base nos valores de uma ou mais colunas (variáveis)

• Por padrão, organiza em ordem crescente (do menor para o maior)

• Use desc() para ordenar em ordem decrescente (do maior para o menor)

Imagine que você é um analista de mercado e precisa identificar rapidamente os países mais promissores para expansão:

# Criando um ranking de países por PIB per capita em 2007
ranking_paises <- gapminder %>%
  filter(year == 2007) %>%                # Filtra dados apenas de 2007
  select(country, continent, gdpPercap) %>% # Seleciona colunas relevantes
  arrange(desc(gdpPercap)) %>%            # Ordena do maior para o menor PIB
  head(6)                                # Mostra os 10 primeiros resultados

# Visualiza o resultado
ranking_paises

# A tibble: 6 × 3
  country          continent gdpPercap
  <fct>            <fct>         <dbl>
1 Norway           Europe       49357.
2 Kuwait           Asia         47307.
3 Singapore        Asia         47143.
4 United States    Americas     42952.
5 Ireland          Europe       40676.
6 Hong Kong, China Asia         39725.

Interpretação Este tipo de ordenação é relevante em análises de mercado para identificar rapidamente os países mais ricos (potenciais mercados premium) ou para encontrar as regiões que precisam de mais atenção (ordenando do menor para o maior).