Introdução ao RStudio e criação do seu Projeto da Disciplina ✅
Introdução ao Sistema de Publicação Quarto ✅
Introdução ao Git e GitHub: controle de versão e criação do seu repositório no GitHub ✅
Aula 3 ✅
Breve Revisão sobre o RStudio ✅
Sistema de Publicação Quarto: (Cont.) ✅
Introdução ao Git e GitHub: (Cont.) ✅
Sessão Prática: Fluxo de trabalho integrando RStudio/Quarto/R/Git/GitHub ✅
Aula 4 ✅
Conceitos de Variáveis e Observações em Estatística ✅
Conceito de Dados Organizados (Tidy Data) ✅
Tipos atômicos e classes principais de dados da linguagem R ✅
Tipos de Dados Tradicionais em Finanças: ✅
Dados em Secção-Cruzada (ou Transversal) (Cross-Section Data) ✅
Dados em Secções-Cruzadas Combinadas (Pooled Cross-Section Data) ✅
Dados em Séries Temporais (Time Series Data) ✅
Dados em Painel (ou Longitudinais) (Panel Data) ✅
Importação e Preparação de Dados Típicos de Finanças com exemplos práticos ✅
Aula 5 ✅
Metodologia CRISP-DM: Fases 2 e 3 ✅
Revisão sobre Dados Organizados (Tidy Data) ✅
Introdução ao Pacote tidyr: função pivot_longer() ✅
Introdução ao Pacote dplyr: funções select() e filter() ✅
Exercícios ✅
Aula 6 ✅
Função mutate ✅
Funções group_by e summarize ✅
Exercícios ✅
Nesta Aula
Tópicos Planejados
Pacote dplyr: Tipos Básicos de joins
Diretrizes para Aulas Mais Produtivas
⌨️ Código com método:
95% dos erros são evitáveis com:
Atenção na digitação
Respeitar a sequência lógica de etapas
Revisão antes de pedir ajuda
🤝 Inteligência colaborativa:
Compartilhe conhecimento
Resolva questões técnicas simples com colegas próximos
Reserve ao professor as dúvidas conceituais complexas
💪 Capacidade de Resolver Problemas
Cada erro resolvido é uma evolução da sua habilidade analítica
Pacote dplyr: Tipos Básicos de joins
O Problema da Fragmentação de Dados
A Realidade dos Dados em Pesquisas
Dados financeiros raramente estão concentrados em uma única base ou sistema:
Dados de Mercado: Preços de ativos, volumes, volatilidade em sistemas como Bloomberg ou Economática
Demonstrações Financeiras: Balanços patrimoniais, DREs e fluxos de caixa em bases como CVM ou Capital IQ
Informações de Governança: Composição de conselhos, estrutura de propriedade em formulários de referência
Dados Macroeconômicos: Indicadores como juros, inflação e PIB em bases do Banco Central ou IBGE
Análises de dados muitas vezes exigem a integração dessas múltiplas fontes
Exemplo: Para estudar a relação entre governança e retorno ajustado ao risco, precisamos combinar:
Histórico de preços das ações (base de mercado)
Indicadores contábeis como ROE e alavancagem (demonstrações financeiras)
Estrutura de propriedade e composição do conselho (dados de governança)
Fatores de risco sistemático (dados macroeconômicos)
Joins (Uniões) são operações fundamentais para esta integração em pesquisas financeiras empíricas
Joins na Pesquisa Empírica em Finanças
Importância para Estudos Empíricos
Dados Multidimensionais: Pesquisas financeiras tipicamente requerem a integração de:
Dados de mercado (preços, retornos, volume)
Informações contábeis (balanços, DREs)
Indicadores macroeconômicos (PIB, taxas de juros, inflação)
Dados de governança corporativa
Estudos de Evento: Análises que combinam séries temporais de preços de ativos com datas específicas de eventos corporativos (fusões, aquisições, distribuição de dividendos)
Análises de Dados em Painel: Pesquisas que acompanham múltiplas empresas ao longo do tempo, exigindo combinação de dados transversais e longitudinais
Reprodutibilidade Científica: Joins documentados garantem que outros pesquisadores possam reproduzir exatamente o mesmo conjunto de dados da análise
Desafios Específicos de Dados em Finanças
Problemas Comuns em Bases Financeiras
Códigos de Identificação Inconsistentes:
Empresas podem ter múltiplos identificadores (ticker, CNPJ, código CVM)
Mesma empresa pode aparecer com nomes diferentes em bases distintas
Subsidiárias e controladoras podem ter tratamentos diferentes
Periodicidades Divergentes:
Dados de mercado (geralmente diários ou intradiários)
Dados contábeis (trimestrais ou anuais)
Dados macroeconômicos (mensais, trimestrais)
Sobrevivência das Empresas:
Empresas que entram/saem da bolsa (IPOs, delisting)
Processos de fusão e aquisição alterando a estrutura dos dados
Viés de sobrevivência em estudos longitudinais
Tratamento Especial para Eventos Financeiros:
Splits, bonificações e outros eventos corporativos
Reorganizações societárias
Mudanças em práticas contábeis (IFRS)
Aplicações Práticas de Joins na Pesquisa em Finanças
Exemplos de Estudos que podem Aplicar Joins
Estudos de Retornos Anormais:
# Combinar dados de mercado com anúncios de eventosestudo_evento <- dados_retornos %>%left_join(anuncios_dividendos, by =c("codigo_empresa", "data"))
Estudos sobre Governança e Valor:
# Integrar dados de governança corporativa com desempenho contábilanalise_governanca <- empresas_dados_contabeis %>%left_join(indices_governanca, by ="codigo_cvm") %>%left_join(composicao_conselhos, by =c("codigo_cvm", "ano_fiscal"))
Modelos de Precificação de Ativos:
# Combinar fatores de risco com características das empresasmodelo_multifatorial <- retornos_ativos %>%left_join(fatores_mercado, by ="data") %>%left_join(caracteristicas_empresas, by =c("codigo_empresa", "ano", "trimestre"))
Mercado de Crédito e Ratings:
# Analisar impacto de mudanças de rating no custo de capitalanalise_credito <- custos_captacao %>%inner_join(historico_ratings, by =c("codigo_empresa", "data_emissao"))
CRISP-DM e Joins
Joins na Fase 3 (Preparação dos Dados) do CRISP-DM
Joins são operações fundamentais na Fase 3 (Preparação dos Dados) de CRISP-DM, permitindo:
Integrar dados fragmentados que estão distribuídos em múltiplas tabelas relacionadas entre si
Consolidar informações de diferentes fontes ou sistemas para análise (vendas + produtos + clientes)
Enriquecer dados principais com informações contextuais adicionais (ex: adicionar categoria de produto aos dados de vendas)
Completar o ciclo de preparação iniciado com:
Importação de dados (read_csv(), read_xlsx())
Organização de dados (pivot_longer()) para análise
Limpeza de dados (rename()``,as.___()`)
Filtragem (filter()) e seleção (select()) de dados relevantes
Transformação de dados (mutate()) para criar novas variáveis
Manipulação de dados ( group_by(), summarize() e arrange())
Joins: integrando múltiplas fontes em um arquivo de dados coeso
Dados bem integrados facilitam as Fases 4 e 5 (Modelagem e Avaliação) por fornecerem uma visão completa do problema
Joins no dplyr
O que são joins?
Joins são operações que combinam duas tabelas de dados
Em termos simples, joins são como “colar” duas tabelas lado a lado, combinando linhas que têm valores em comum, como um “código de cliente” ou “código de produto”
No pacote dplyr, temos funções específicas para cada tipo de join:
left_join(): Mantém todas as linhas da tabela da esquerda
inner_join(): Mantém apenas correspondências entre as tabelas
full_join(): Mantém todas as linhas de ambas as tabelas
right_join(): Mantém todas as linhas da tabela da direita
São essenciais quando precisamos combinar informações que estão separadas
# Crian a tabela de clientes clientes <-tribble(~id_cliente, ~nome_cliente, ~cidade,"C001", "Empresa Alpha", "São Paulo","C002", "Empresa Beta", "Rio de Janeiro","C003", "João Silva", "Belo Horizonte","C005", "Maria Oliveira", "Recife")# exibe a tabelaclientes
# A tibble: 4 × 3
id_cliente nome_cliente cidade
<chr> <chr> <chr>
1 C001 Empresa Alpha São Paulo
2 C002 Empresa Beta Rio de Janeiro
3 C003 João Silva Belo Horizonte
4 C005 Maria Oliveira Recife
# A tibble: 4 × 3
id_cliente nome_cliente cidade
<chr> <chr> <chr>
1 C001 Empresa Alpha São Paulo
2 C002 Empresa Beta Rio de Janeiro
3 C003 João Silva Belo Horizonte
4 C005 Maria Oliveira Recife
Observe que há dados “imperfeitos”:
Produto “P006” está nas vendas, mas não na tabela de produtos
Cliente “C004” está nas vendas, mas não na tabela de clientes
Cliente “C005” está na tabela de clientes, mas não tem vendas
Chaves em Joins - Conceito Básico
Como tabelas se relacionam
Chaves são as colunas usadas para combinar as tabelas
Na prática:
A tabela de clientes tem um “codigo_cliente” único para cada cliente
A tabela de vendas usa esse mesmo “codigo_cliente” para indicar qual cliente fez cada compra
O “codigo_cliente” é a “chave” que permite combinar as informações das duas tabelas
Nas funções de join do dplyr, as chaves são especificadas pelo argumento by
Tipos de Chaves em Bancos de Dados Relacionais
Chaves Primárias e Estrangeiras
Chave primária: Identificador único para cada registro em uma tabela
Ex: codigo_cliente na tabela de clientes identifica unicamente cada cliente
Não pode conter valores duplicados ou nulos
Chave estrangeira: Coluna que referencia a chave primária de outra tabela
Ex: codigo_cliente na tabela de vendas é uma chave estrangeira
Estabelece relações entre tabelas e mantém a integridade referencial
Analogia: Pense em chaves como um sistema de CPF
A chave primária é como o CPF único de cada pessoa
A chave estrangeira é como mencionar o CPF de alguém em um documento
Os joins são como reunir documentos diferentes sobre a mesma pessoa usando seu CPF
Integridade referencial: Garante que relações entre tabelas permaneçam válidas
Impede a criação de vendas para clientes inexistentes
Fundamental para a confiabilidade dos dados em sistemas empresariais
Exemplos Comuns de Chaves
Chaves em sistemas empresariais
Exemplos comuns de chaves em sistemas de informação empresariais:
“codigo_produto” para relacionar produtos e vendas
“codigo_funcionario” para relacionar funcionários e departamentos
“numero_pedido” para relacionar pedidos e itens de pedido
“codigo_fiscal” para relacionar notas fiscais e itens fiscais
“matricula_aluno” em sistemas educacionais
“numero_prontuario” em sistemas de saúde
A identificação correta das chaves é fundamental para o sucesso de joins e para garantir a integridade das análises de dados.
Desafios com Chaves em Joins
Problemas comuns ao trabalhar com chaves
Chaves duplicadas:
Podem gerar múltiplas linhas no resultado (multiplicação de dados)
Exemplo: Um cliente vinculado a várias vendas resulta em múltiplas linhas
Chaves ausentes:
Resultam em valores NA quando usando left, right ou full joins
Exemplo: Vendas sem cliente cadastrado ou produtos sem vendas
Inconsistência de tipos:
Problemas quando a mesma chave tem tipos diferentes em tabelas distintas
Exemplo: código armazenado como texto em uma tabela e número em outra
Diferenças de nomenclatura:
Quando a mesma informação tem nomes diferentes em sistemas distintos
Requer especificação explícita: by = c("codigo_produto" = "codigo")
Sintaxe Básica de Joins no dplyr
Como usar joins no dplyr (simplificado)
# Formato básico (simples)resultado <- x %>%tipo_join(y, by ="coluna_comum")# Exemplo com nossas tabelasvendas_com_produtos <- vendas %>%left_join(produtos, by ="codigo_produto")
O que cada parte significa:
vendas: A primeira tabela (tabela da esquerda)
produtos: A segunda tabela (tabela da direita)
by = "codigo_produto": A coluna comum que existe em ambas as tabelas
left_join: O tipo de join que queremos usar
vendas_com_produtos: O resultado da combinação que salvaremos
Visão Geral dos Joins
Em resumo:
Tipo de Join
Função no dplyr
Quando usar
Left join
left_join()
Quando você precisa manter todos os registros da tabela principal (à esquerda)
Inner join
inner_join()
Quando você precisa apenas dos registros que existem em ambas as tabelas
Full join
full_join()
Quando você precisa de todos os dados, independentemente de correspondências
Right join
right_join()
Quando você precisa manter todos os registros da tabela secundária (à direita)
Left Join
Função left_join()
resultado <- x %>%left_join(y, by ="chave")
Características do Left Join
Mantém todos os registros da tabela da esquerda (primeira tabela)
Para registros sem correspondência na tabela da direita, preenche com NA
Quando usar:
Quando a primeira tabela é sua tabela principal
Quando você precisa preservar todos os registros da primeira tabela
Quando você quer adicionar informações extras à sua tabela principal
Exemplo: Manter todas as vendas e adicionar dados dos produtos
Exemplo: Left Join em Pesquisa
Left Join: Análise de Empresas e seus Indicadores Contábeis
# Tabela de empresas listadasempresas_listadas <-tribble(~codigo_cvm, ~empresa, ~setor, ~segmento_listagem,"11592", "Petrobras", "Petróleo e Gás", "Nível 2","19615", "Vale", "Mineração", "Novo Mercado","14311", "Itaú Unibanco", "Financeiro", "Nível 1","18112", "Natura", "Bens de Consumo", "Novo Mercado","22691", "Magazine Luiza", "Varejo", "Novo Mercado")# visualiza o resultadoempresas_listadas
# A tibble: 5 × 4
codigo_cvm empresa setor segmento_listagem
<chr> <chr> <chr> <chr>
1 11592 Petrobras Petróleo e Gás Nível 2
2 19615 Vale Mineração Novo Mercado
3 14311 Itaú Unibanco Financeiro Nível 1
4 18112 Natura Bens de Consumo Novo Mercado
5 22691 Magazine Luiza Varejo Novo Mercado
# Left join: todas as empresas, mesmo sem indicadores contábeis disponíveisanalise_empresas <- empresas_listadas %>%left_join(indicadores_contabeis, by ="codigo_cvm")# Visualizando o resultadoanalise_empresas
# A tibble: 5 × 9
codigo_cvm empresa setor segmento_listagem ano_fiscal roa roe
<chr> <chr> <chr> <chr> <dbl> <dbl> <dbl>
1 11592 Petrobras Petróleo… Nível 2 2023 0.089 0.235
2 19615 Vale Mineração Novo Mercado 2023 0.112 0.268
3 14311 Itaú Unibanco Financei… Nível 1 2023 0.064 0.195
4 18112 Natura Bens de … Novo Mercado NA NA NA
5 22691 Magazine Luiza Varejo Novo Mercado 2023 0.052 0.148
# ℹ 2 more variables: ebitda_margem <dbl>, divida_liquida <list>
Observe que:
A empresa “Natura” (código CVM “18112”) aparece no resultado
Como não há dados contábeis disponíveis para esta empresa, as colunas de indicadores aparecem com NA
O left_join é muito utilizado em pesquisas quando queremos manter todas as empresas da amostra, mesmo aquelas com dados incompletos - decisão metodológica comum em estudos com amostras pequenas
Inner Join
Função inner_join()
resultado <- x %>%inner_join(y, by ="chave")
Características do Inner Join
Mantém apenas os registros que possuem correspondência em ambas as tabelas
Descarta linhas que não têm correspondência
Quando usar:
Quando você precisa garantir que todos os registros tenham informações completas
Quando registros sem correspondência não são relevantes para sua análise
Exemplo: Relatório de vendas que precisa mostrar dados do produto
Exemplo: Inner Join em Pesquisa
Inner Join: Analisando Eventos de Rating e Performance de Bonds
# Inner join: apenas títulos de dívida que tiveram mudanças de ratinganalise_rating_impacto <- titulos_divida %>%inner_join(mudancas_rating, by ="isin")# Visualizando o resultadoanalise_rating_impacto
O título da “Cielo” (ISIN “BRCVCODB0032”) não aparece no resultado pois não teve mudança de rating no período analisado
A mudança de rating do título “BRECOPDB0016” também não aparece no resultado pois este título não está na nossa base de títulos monitorados
O inner_join é apropriado para estudos de evento onde queremos analisar apenas os casos onde ocorreu o evento específico (neste caso, mudança de rating)
Full Join
Função full_join()
resultado <- x %>%full_join(y, by ="chave")
Características do Full Join
Mantém todos os registros de ambas as tabelas
Para registros sem correspondência em qualquer tabela, preenche com NA
Quando usar:
Quando você precisa de uma visão completa de todos os dados
Quando quer identificar inconsistências entre tabelas
Quando é importante não perder nenhum registro de nenhuma tabela
Exemplo: Relatório completo de produtos e vendas
Exemplo: Full Join
Full Join entre Vendas e Produtos
# Full join: todas as vendas e todos os produtos# Passo 1: Pegamos a tabela 'vendas'# Passo 2: Combinamos com produtos mantendo TUDO de ambas as tabelascompleto_vendas_produtos <- vendas %>%full_join(produtos, by ="codigo_produto")# Visualizando o resultadocompleto_vendas_produtos
A venda do produto “P006” que não existe na tabela de produtos aparece com NAs
O produto “P005” que não tem vendas também aparece com NAs
O full_join é útil para ver “tudo junto” e identificar inconsistências
Right Join
Função right_join()
resultado <- x %>%right_join(y, by ="chave")
Características do Right Join
Mantém todos os registros da tabela da direita (segunda tabela)
Para registros sem correspondência na tabela da esquerda, preenche com NA
Quando usar:
Quando a segunda tabela é sua tabela principal
Quando você precisa garantir que todos os registros da segunda tabela estejam presentes
Na prática, muitas vezes é mais fácil usar left_join invertendo a ordem das tabelas
Exemplo: Ver todos os produtos, mesmo os que não foram vendidos
Exemplo: Right Join
Right Join entre Vendas e Produtos
# Right join: todos os produtos, mesmo sem vendas# Passo 1: Pegamos a tabela 'vendas'# Passo 2: Combinamos com TODOS os produtos, mesmo os sem vendasprodutos_vendas_right <- vendas %>%right_join(produtos, by ="codigo_produto")# Visualizando o resultadoprodutos_vendas_right
# Pipeline de análise integradaanalise_integrada <- governanca %>%# Primeiro, adicionamos dados de retorno e riscoleft_join(retornos, by ="codigo_negociacao") %>%# Depois, adicionamos indicadores contábeisleft_join(indicadores, by =c("codigo_negociacao", "ano")) %>%# Selecionamos apenas as variáveis relevantes para o estudoselect( empresa, codigo_negociacao, ano, indice_governanca, tipo_controlador, retorno_anual, volatilidade, beta, roa, alavancagem, tamanho_ativo )# Visualizando o resultadoanalise_integrada
# Combinando dados para análise de desempenho por setoranalise_setorial <- empresas %>%left_join(indicadores_financeiros, by ="codigo_cvm") %>%select(nome_empresa, setor, ano, trimestre, roa, alavancagem, margem_ebitda)# Visualizando o resultadoanalise_setorial
Este tipo de join permite analisar desempenho financeiro controlando por características específicas das empresas
Útil para estudos que investigam:
Impacto de governança corporativa nos indicadores contábeis
Diferenças de desempenho entre setores
Efeito do tamanho da empresa na performance financeira
Nota: Observem que “Natura Cosméticos” (código 18112) não aparece nos resultados porque não há dados financeiros correspondentes - situação comum em pesquisas empíricas
Exemplo: Análise de Retornos Anormais
Cenário: Estudo de Evento sobre Anúncios de Dividendos
# Tabela de anúncios de eventos corporativoseventos_corporativos <-tribble(~ticker, ~data_anuncio, ~tipo_evento, ~valor,"PETR4", "2024-04-03", "Dividendo Extra", 2.85,"VALE3", "2024-04-04", "JCP", 1.75)# visualiza o resultadoeventos_corporativos
# A tibble: 2 × 4
ticker data_anuncio tipo_evento valor
<chr> <chr> <chr> <dbl>
1 PETR4 2024-04-03 Dividendo Extra 2.85
2 VALE3 2024-04-04 JCP 1.75
# Realizando análise de retornos nos dias de eventoestudo_evento <- precos_acoes %>%inner_join(eventos_corporativos, by =c("ticker", "data"="data_anuncio")) %>%select(ticker, data, tipo_evento, valor, retorno_diario, volume)# Visualizando o resultadoestudo_evento
# A tibble: 2 × 6
ticker data tipo_evento valor retorno_diario volume
<chr> <chr> <chr> <dbl> <dbl> <dbl>
1 PETR4 2024-04-03 Dividendo Extra 2.85 -0.0067 14800000
2 VALE3 2024-04-04 JCP 1.75 0.015 28300000
Aplicação em Pesquisa:
Este tipo de join é relevante para estudos de evento que analisam o impacto de anúncios corporativos sobre o preço das ações
Aplicações em pesquisas financeiras incluem:
Reação do mercado a anúncios de distribuição de proventos
Avaliação da eficiência informacional em mercados emergentes
Impacto de divulgações contábeis e eventos não-recorrentes
O inner_join utilizado garante que apenas os dias com eventos são considerados para a análise de retornos anormais
Fontes Comuns de Dados em Pesquisa Financeira
Bases que Frequentemente Requerem Joins
Bases Estruturadas para Pesquisa Acadêmica:
Economática: Dados contábeis e de mercado de empresas brasileiras
Bloomberg: Dados financeiros globais de alta frequência
Fontes Públicas no Brasil:
B3: Dados de negociação, índices e eventos corporativos
CVM: Demonstrações financeiras padronizadas (DFPs) e formulários de referência
Banco Central: Indicadores macroeconômicos e financeiros
IBGE: Dados econômicos setoriais e regionais
Desafios na Integração:
Identificadores divergentes entre bases (códigos CVM vs. tickers vs. CNPJ)
Periodicidades diferentes (diária, mensal, trimestral, anual)
Diferenças metodológicas na compilação dos dados
Tratamento de eventos corporativos (fusões, aquisições, cisões)
Estratégias para Joins Eficientes:
Criar tabelas de correspondência entre diferentes identificadores
Padronizar datas para permitir joins temporais precisos
Documentar critérios de exclusão e tratamento de valores ausentes
Dicas para Uso Eficiente de Joins
Dicas práticas para iniciantes
Conheça seus dados antes de combinar:
Verifique se as tabelas têm as “chaves” correspondentes
Entenda o que significam valores ausentes (NAs)
Filtre antes de combinar:
Se você só precisa de alguns dados, filtre-os antes de fazer joins
Isso torna a análise mais rápida e clara
Verifique o resultado:
O número de linhas faz sentido?
Há valores NA inesperados?
Os totais parecem corretos?
Na dúvida, use left_join:
É o mais comum e seguro para iniciantes
Mantém todos os registros da tabela principal
O Desafio dos Sistemas Reais
Situação Comum em Ambientes Empresariais
No mundo ideal, todos os sistemas usariam os mesmos nomes para as mesmas informações…
Mas na prática:
O sistema de Vendas pode usar codigo_produto
O Cadastro de Produtos pode usar codigo
O ERP pode usar cod_prod
O sistema legado pode usar id_produto
Resultado: Tentar unir estas tabelas com a sintaxe básica falha:
# Esta tentativa falha:vendas %>%left_join(produtos, by ="codigo_produto") # ERRO: 'codigo_produto' não encontrado em 'produtos'
Como resolver este problema comum?
A Solução
Sintaxe para Colunas com Nomes Diferentes
O dplyr permite especificar explicitamente quais colunas devem ser correspondidas:
# Sintaxe para colunas com nomes diferentestabela1 %>%left_join(tabela2, by =c("nome_na_tabela1"="nome_na_tabela2"))
Como interpretar:
"nome_na_tabela1": Nome da coluna na primeira tabela (esquerda)
"nome_na_tabela2": Nome da coluna na segunda tabela (direita)
O operador = estabelece a correspondência entre as colunas
Analogia: Você está criando um “dicionário de tradução” entre os sistemas:
“Quando eu digo codigo_produto, você entende codigo”
Exemplo
Cenário: Relatório de Vendas Integrado
# Sistema de Cadastro de Produtos (departamento de Compras)produtos_cadastro <-tribble(~codigo, ~descricao, ~valor_unitario, ~categoria,"P001", "Notebook Pro", 4500, "Eletrônicos","P002", "Smartphone X", 2800, "Eletrônicos","P003", "Monitor 24pol", 1200, "Informática")# visualiza o resultadoprodutos_cadastro
Identifique o join mais adequado para cada cenário
Para cada situação abaixo, identifique qual tipo de join seria mais apropriado: left_join, inner_join, full_join ou right_join:
Relatório de Vendas: Você precisa criar um relatório mostrando todas as vendas realizadas com detalhes dos produtos. Algumas vendas têm códigos de produtos que não existem no cadastro, mas você precisa manter TODAS as vendas no relatório.
Análise de Estoque: O gerente de inventário solicitou uma lista de todos os produtos cadastrados, indicando quais foram vendidos no último mês. É importante que TODOS os produtos apareçam, mesmo os que não tiveram vendas.
Auditoria de Qualidade: O auditor precisa verificar se há inconsistências entre vendas e produtos. Ele solicitou uma análise que mostre TODAS as vendas e TODOS os produtos, permitindo identificar vendas sem produtos cadastrados e produtos sem vendas.
Dashboard de Performance: O diretor comercial pediu um dashboard que mostre apenas vendas confirmadas com informações completas de cliente e produto. Registros com informações incompletas devem ser excluídos.
Dica: Pense em quais tabelas são “obrigatórias” e quais são “opcionais” em cada cenário!
Exercício 2
Joins Simples - Lista de vendas com nome do produto
Você precisa criar uma lista simples que mostre, para cada venda, o nome do produto vendido:
Una as tabelas de vendas e produtos
Selecione apenas as colunas id_venda, data_venda, nome_produto e quantidade
Ordene por data_venda
# Complete o códigolista_vendas_produtos <- vendas %>%# 1. Escolha o tipo de join adequado para manter todas as vendas___(produtos, by ="codigo_produto") %>%# 2. Selecione apenas as colunas importantesselect( id_venda, data_venda, nome_produto, quantidade ) %>%# 3. Ordene por data da vendaarrange(___)
Dica: Pense em qual tipo de join deve usar. Você quer manter todas as vendas mesmo sem produto cadastrado ou apenas as vendas de produtos conhecidos?
Exercício 3
Relatório de clientes e suas compras
Crie um relatório que mostre todos os clientes, mesmo aqueles que não fizeram compras:
Una as tabelas de clientes e vendas de forma a manter todos os clientes
Selecione as colunas id_cliente, nome_cliente, cidade, id_venda e data_venda
Ordene por nome_cliente
# Complete o códigorelatorio_clientes <- clientes %>%# 1. Escolha o tipo de join adequado para manter todos os clientes___(vendas, by ="id_cliente") %>%# 2. Selecione apenas as colunas importantesselect( id_cliente, nome_cliente, cidade, id_venda, data_venda ) %>%# 3. Ordene por nome do clientearrange(___)
Dica: Como queremos manter todos os clientes, mesmo os que não fizeram compras, qual tipo de join devemos usar?
Exercício 4
Relatório de Valor Total por Venda
Qual função de join e quais operações de manipulação de dados seriam necessárias para criar um relatório financeiro que mostre todas as vendas com o valor total calculado (quantidade × preço unitário), incluindo vendas de produtos que podem não estar cadastrados?
O diretor financeiro solicitou um relatório simplificado que mostre o valor total de cada venda:
# Complete o código para calcular o valor total de cada vendarelatorio_financeiro <- vendas %>%# Combine vendas com produtos usando left_joinleft_join(produtos, by ="___") %>%# Calcule o valor total da vendamutate(valor_total = ___) %>%# Selecione apenas as colunas relevantes para o relatórioselect( id_venda, data_venda, codigo_produto, nome_produto, quantidade, preco_unitario, valor_total ) %>%# Ordene do maior valor total para o menorarrange(___)
Perguntas para reflexão:
Qual foi a venda de maior valor?
O que acontece com as vendas de produtos não cadastrados?
Como este relatório poderia ajudar na tomada de decisões comerciais?
Exercício 5 - Desafio
Cenário de Pesquisa: Relação entre Governança e Desempenho
Você é um pesquisador investigando se empresas com melhores práticas de governança apresentam desempenho financeiro superior. Você possui três conjuntos de dados:
Combine os três conjuntos de dados para criar uma base analítica completa:
Mantenha todas as empresas, mesmo que não tenham dados completos
Inclua apenas dados de governança do ano 2023
Preserve todas as informações das empresas (código, nome, setor, tamanho do ativo) e as métricas de governança (índice de governança, tipo de controle, comitê de auditoria)
Calcule os seguintes indicadores médios anuais para 2023, agrupados por empresa:
ROA médio (média dos trimestres disponíveis)
Alavancagem média
Liquidez corrente média
Identifique para cada empresa: quantos trimestres estão disponíveis na base e quantos desses possuem dados completos de ROA
Dica: Inicie com um rascunho do pipeline de joins necessários, identifique os campos para união das tabelas e decida sobre o tipo de join mais adequado em cada etapa. Lembre-se da importância do argumento by para especificar as variáveis de correspondência.
Resumo: Joins
Pontos-chave para lembrar
Joins unem tabelas que estão separadas
Combinam dados de clientes, produtos, vendas, etc.
Permitem análises mais completas e informativas
Os tipos mais importantes são:
left_join(): Mantém todos os registros da tabela principal (o mais usado)
inner_join(): Mantém apenas registros com correspondência em ambas tabelas
full_join(): Mantém todos os registros de ambas as tabelas
Na prática, left_join é o mais comum:
Mantém todos os registros da tabela principal
Adiciona informações complementares quando disponíveis
Evita a perda de registros importantes
Comece simples e avance gradualmente:
Primeiro faça joins entre duas tabelas
Depois adicione mais tabelas conforme necessário
Verifique os resultados a cada passo
Resumo dos Joins
Guia Rápido de Joins no dplyr
Tipo de Join
Função
Resultado
Quando Usar
Analogia de Negócios
Inner Join
inner_join()
Apenas registros com correspondência
Análises que exigem dados completos
Relatório com apenas vendas confirmadas
Left Join
left_join()
Todos os registros da tabela esquerda
Manter a tabela principal intacta
Relatório de todas as vendas (com ou sem produto cadastrado)
Right Join
right_join()
Todos os registros da tabela direita
Quando a 2ª tabela é a principal
Catálogo com todos os produtos (vendidos ou não)
Full Join
full_join()
Todos os registros de ambas as tabelas
Análises completas e auditorias
Verificação de inconsistências no sistema
Dica para lembrar: Pense no “lado” que você quer preservar:
Left = Tudo do lado esquerdo (1ª tabela)
Inner = Só o que está nos dois lados
Full = Tudo de ambos os lados
Right = Tudo do lado direito (2ª tabela)
Sintaxe Comparativa
Estrutura comum dos diferentes tipos de joins
# LEFT JOIN: todos os registros da tabela1tabela1 %>%left_join(tabela2, by ="coluna_comum")# INNER JOIN: apenas registros com correspondênciatabela1 %>%inner_join(tabela2, by ="coluna_comum")# FULL JOIN: todos os registros de ambas as tabelastabela1 %>%full_join(tabela2, by ="coluna_comum")# RIGHT JOIN: todos os registros da tabela2tabela1 %>%right_join(tabela2, by ="coluna_comum")
Observe que:
A estrutura básica é idêntica para todos os joins:
Comece com a primeira tabela
Use o operador pipe %>%
Aplique a função de join
Adicione a segunda tabela e a coluna comum
Só muda o nome da função, que indica qual tipo de join realizar:
inner_join, left_join, right_join ou full_join
Quando as colunas têm nomes diferentes, use esta sintaxe:
# Quando colunas têm nomes diferentes nas tabelasvendas %>%left_join(produtos, by =c("codigo_produto"="codigo"))# ^ coluna na tabela vendas ^ coluna na tabela produtos
Onde Aplicar Joins em Pesquisa Financeira
Aplicações práticas em Pesquisa e Análise Financeira
Finanças Corporativas:
Combinar dados de estrutura de capital com métricas de desempenho para análise de trade-offs
Unir séries históricas de dividendos com indicadores de estrutura de propriedade
Integrar dados de fusões e aquisições com características específicas das empresas
Analisar relações entre estrutura de governança corporativa e custo de capital
Mercado de Capitais:
Relacionar retornos anormais a eventos corporativos específicos (estudos de evento)
Combinar fatores de risco sistemático com características específicas das empresas
Unir dados de negociação de alta frequência com anúncios macroeconômicos
Integrar preços de ativos com métricas de liquidez e volatilidade implícita
Finanças Comportamentais:
Integrar dados de transações de investidores individuais com características socioeconômicas
Combinar sentiment analysis de notícias financeiras com movimentos de preços
Unir dados de pesquisas de percepção de risco com comportamento real de investimento
Relacionar características psicométricas com decisões de portfólio
Econometria Financeira:
Construir painéis de dados balanceados para estimação de modelos longitudinais
Combinar séries temporais financeiras com variáveis instrumentais para análises causais
Integrar dados de diferentes frequências (diários, mensais, trimestrais) para modelos misto-frequência
Unir dados micro e macroeconômicos para análises multiníveis
