# Exemplo: Atribuição de valores a variáveis
receita_mensal <- 850000 # Receita mensal da empresa
custos_mensais <- 500000 # Custos mensais
# Cálculo do lucro
lucro_mensal <- receita_mensal - custos_mensais
lucro_mensal[1] 350000Introdução à Linguagem R
R
Reprodutibilidade
Um tutorial básico sobre a linguagem R para Ciência de Dados.
1 Introdução
2 Objetos e Variáveis em R
Em R, os termos “variável” e “objeto” são frequentemente usados de forma intercambiável, o que pode causar confusão inicial, especialmente para quem já possui experiência com outras linguagens de programação. Esta seção esclarece essa terminologia para facilitar seu aprendizado.
Por que usarei “variável” e “objeto” de forma intercambiável?
Por questões de clareza e para facilitar seu aprendizado:
Utilizarei o termo variável principalmente quando falarmos de valores simples que “variam”, como números, textos ou valores lógicos. Este termo é mais intuitivo para iniciantes e comum em estatística e análise de dados.
Utilizarei o termo objeto quando precisarmos enfatizar a natureza mais complexa de algumas estruturas em R, como data frames, listas, funções ou quando discutirmos conceitos mais avançados.
Em muitos contextos, usarei ambos os termos de forma intercambiável, refletindo a prática comum na comunidade R.
Esta flexibilidade terminológica espelha a documentação oficial da linguagem R e a literatura sobre a linguagem, preparando você para diferentes materiais que poderá encontrar em sua jornada de aprendizado.
Este entendimento sobre variáveis e objetos em R estabelece uma base conceitual importante antes de mergulharmos nos tipos específicos de dados e em como manipulá-los para análises eficazes.
3 Variáveis e Atribuição de Valores
Em R, a atribuição de valores a variáveis é fundamental para armazenar e manipular dados. Por exemplo, podemos criar variáveis para armazenar informações financeiras, como receitas, custos e lucros, que são essenciais para análises em Administração.
Todas as instruções R com as quais criamos variáveis ou objetos têm o mesmo formato:
nome_do_objeto <- valorLemos esse código como: “valor é atribuído a nome_objeto”
Em R, podemos atribuir informações às variáveis (ou objetos) utilizando os seguintes operadores de atribuição:
# Diferentes formas de atribuição em R
# Mesmo resultado, estilos diferentes
# Operador recomendado (<-)
receita_mensal <- 850000
receita_mensal[1] 850000# Alternativa (=), funciona, mas menos
# recomendado
lucro_operacional = 320000
lucro_operacional[1] 320000Em R, como em todas as linguagens, fazemos muitas atribuições de valores a variáveis, e não é agradável digitar o operador manualmente. Assim, o RStudio oferece um atalho de teclado simples para inserir o operador <-:
Atalho do RStudio:
Alt + -(Windows/Linux) ouOption + -(Mac)Observe que o RStudio automaticamente envolve
<-com espaços, o que é uma boa prática de formatação de código.Códigos sem espaços são difíceis de ler compare:
lucro<-receita-custos versus
lucro <- receita - custos
Práticas a evitar
Evite os seguintes erros comuns:
- Nomes genéricos:
- Ruim:
dados,resultado,x - Melhor:
receita_anual,lucro_liquido
- Nomes muito longos:
- Ruim:
calculo_da_margem_de_contribuicao_ajustada - Melhor:
margem_contribuicao
- Espaços nos nomes:
- Ruim:
margem bruta <- 0.35(causa erro) - Melhor:
margem_bruta <- 0.35
- Nomes começando com números:
- Ruim:
1trimestre <- "Janeiro-Março"(inválido) - Melhor:
trimestre1 <- "Janeiro-Março"
- Sobrescrever funções existentes:
- Ruim:
mean <- 10(sobrescreve a funçãomean()) - Melhor:
media <- 10
Como Imprimir Informações sobre Objetos em R
Em R, existem algumas formas simples e eficazes de exibir informações sobre objetos ou variáveis. Esses métodos são ideais para visualizar valores, depurar código ou criar saídas personalizadas. Abaixo estão as principais formas:
1. Usando print()
A função print() é a maneira mais básica de exibir o conteúdo de um objeto:
# Exemplo: Usando print()
receita <- 850000.50
print(receita) # Exibe o valor da variável[1] 850000.52. Imprimindo diretamente no console
Em R, você pode exibir o conteúdo de um objeto simplesmente digitando seu nome no console. Isso chama automaticamente a função print() implicitamente:
# digitar o nome do objeto exibe seu valor
receita [1] 850000.53. Usando a função cat()
A função cat() permite exibir informações de forma mais personalizada, combinando texto e valores. É útil para criar mensagens ou relatórios simples.
# a funçaão cat() combina texto e valor
cat("A receita mensal é:", receita) A receita mensal é: 850000.5Resumo:
Use
print()para exibir valores de forma explícita.Digite o nome do objeto diretamente no console para exibir seu valor de forma rápida.
Use
cat()para criar saídas personalizadas, combinando texto e valores.
4 Tipos Atômicos de Dados
Em R, os dados são armazenados em diferentes tipos atômicos (básicos), cada um com características específicas. A Tabela 1 mostra os principais tipos.
| Tipo | Classe | Descrição |
|---|---|---|
double |
numeric |
um vetor contendo valores reais (números com casas decimais) |
integer |
numeric |
um vetor contendo valores inteiros (números sem casas decimais) |
character |
character |
um vetor contendo valores de texto (caracteres) |
logical |
logical |
um vetor contendo valores lógicos (TRUE/FALSE) |
A Tabela 2 exibe alguns tipos especiais que podem aparecer em análises de dados.
| Tipo | Descrição |
|---|---|
NA |
Not Available: representa dados faltantes |
NaN |
Not a Number: (ex: 0 / 0) |
Inf |
+ \infty ou - \infty: (ex: 1 / 0) |
A Importância de Conhecer Tipos e Classes de Dados
Na prática da Ciência de Dados, estima-se que analistas e cientistas dedicam entre 60% a 80% do tempo de um projeto à importação, limpeza e preparação dos dados antes de iniciar análises mais sofisticadas. Compreender profundamente os tipos e classes de dados em R é fundamental por várias razões:
Evita erros sutis de processamento: Operações matemáticas em dados textuais ou cálculos com valores ausentes podem produzir resultados inesperados.
Otimiza o desempenho: Estruturas de dados apropriadas melhoram a eficiência computacional, especialmente em conjuntos grandes.
Facilita transformações: O conhecimento dos tipos permite conversões adequadas (como texto para número) sem perda de informação.
Melhora a interpretabilidade: Identificar corretamente dados faltantes (
NA), indefinidos (NaN), ou infinitos (Inf) é crucial para conclusões válidas.Aumenta a compatibilidade: Diferentes funções e pacotes em R exigem tipos específicos de dados como entrada.
O domínio dos tipos e classes de dados não é apenas uma questão técnica, mas um requisito fundamental para análises confiáveis em contextos administrativos e financeiros. Este conhecimento permite ao analista de dados concentrar-se mais nos insights e menos na correção de problemas estruturais nos dados.
4.1 Tipos double e integer
Em R, existem dois tipos principais de dados numéricos:
double: Armazena números com casas decimais (ponto flutuante), ideal para valores monetários, índices financeiros, taxas percentuais e outras medidas que exigem precisão decimal.integer: Armazena números inteiros sem casas decimais, útil para contagens, quantidades discretas e índices em séries temporais.
Na prática de Administração e Finanças, o tipo double é frequentemente utilizado para representar valores monetários, taxas de juros ou indicadores financeiros, enquanto integer é mais comum para representar quantidades como número de funcionários, produtos vendidos ou períodos de análise.
O sufixo L após um número (como em 50L) indica explicitamente que se trata de um valor inteiro. Na maioria das operações, R utiliza automaticamente o tipo mais apropriado, o que simplifica a programação para análises financeiras e administrativas.
# double (números com casas decimais)
receita <- 850000.50
# integer (números inteiros)
total_funcionarios <- 50L
# verifica os tipos
typeof(receita)[1] "double"typeof(total_funcionarios)[1] "integer"
classe
numeric
Apesar dos tipos double e integer representarem números decimais e inteiros de forma diferente, ambos pertencem à classe numeric, assim, na maioria das situações, você não precisa se preocupar com a possível diferença.
class(receita)[1] "numeric"class(total_funcionarios)[1] "integer"Diferença entre typeof e class
Em R, as funções typeof e class fornecem informações diferentes sobre um objeto:
typeof: Retorna o tipo interno do objeto, ou seja, como R armazena o objeto na memória. Por exemplo:
typeof(receita) # Retorna "double"
typeof(total_funcionarios) # Retorna "integer"class: Retorna a classe do objeto, que define como R trata o objeto em operações e funções. Por exemplo:
class(receita) # Retorna "numeric"
class(total_funcionarios) # Retorna "numeric"Em resumo:
- Use
typeofpara entender como R armazena o objeto internamente. - Use
classpara entender como R trata o objeto em operações e funções.
4.2 Tipo character
O tipo character é essencial para armazenar e manipular informações textuais. Este tipo de dado armazena sequências de caracteres (texto) e é indicado por aspas simples (') ou duplas (").
Em contextos de Administração, o tipo character é utilizado para armazenar:
- Nomes de empresas, setores ou produtos
- Categorias em classificações de mercado
- Períodos de tempo expressos como texto (Ex: “1° Trimestre 2024”)
- Códigos de identificação alfanuméricos
- Observações qualitativas
A manipulação de dados textuais é particularmente importante em análises de mercado, pesquisas de satisfação, classificação de produtos e organização de relatórios gerenciais, onde a categorização textual precede análises quantitativas.
# character (texto)
instituicao <- "IFMG - Campus Formiga"
# verifica o tipo
typeof(instituicao)[1] "character"4.3 Tipo logical
O tipo logical representa valores booleanos (TRUE ou FALSE) e é fundamental para operações condicionais e filtragem de dados.
Em contextos práticos de gestão e finanças, o tipo logical é utilizado para:
- Verificar condições financeiras (Ex: lucro positivo, meta atingida)
- Filtrar dados que atendem a critérios específicos
- Automatizar decisões baseadas em regras de negócio
- Sinalizar eventos importantes (Ex: inadimplência, quebra de estoque)
- Implementar validações em modelos de previsão
Os valores TRUE e FALSE devem ser escritos em maiúsculas em R, e podem ser abreviados como T e F, respectivamente, embora a forma completa seja recomendada para maior clareza do código.
# logical (lógico, TRUE/FALSE)
lucro_positivo <- TRUE
lucro_negativo <- FALSE
# verifica o tipo
typeof(lucro_positivo)[1] "logical"typeof(lucro_negativo)[1] "logical"4.4 Tipo Especial NA
O tipo especial NA (Not Available) é comum em análises de dados reais, onde frequentemente nos deparamos com informações ausentes. Em contextos de Administração e Finanças, dados faltantes podem representar:
- Vendas não realizadas em determinados períodos
- Informações contábeis pendentes
- Valores não reportados em demonstrações financeiras
- Respostas omitidas em pesquisas de mercado
- Métricas não aplicáveis a certos departamentos ou produtos
Identificar e tratar corretamente os valores NA é essencial para evitar conclusões tendenciosas. R oferece funções específicas como is.na() para detectar valores ausentes e métodos estatísticos para lidar com eles de forma apropriada.
# Exemplo: Detectando valores ausentes em dados de vendas
vendas_trimestrais <- c(150000, 165000, NA, 180000)
is.na(vendas_trimestrais) [1] FALSE FALSE TRUE FALSE# calculando a média excluindo valores ausentes
mean(vendas_trimestrais, na.rm = TRUE)[1] 165000O tratamento adequado de dados falantes é uma habilidade fundamental em Ciência de Dados.
4.5 Tipo Especial NaN
O valor NaN (Not a Number) ocorre quando uma operação matemática produz um resultado indefinido. Em contextos de gestão e finanças, este tipo especial pode surgir em:
- Cálculos de indicadores financeiros com divisores zero
- Operações matemáticas inválidas em modelos preditivos
- Transformações logarítmicas de valores negativos ou zero
- Raízes quadradas de números negativos em análises estatísticas
Enquanto NA representa dados ausentes, NaN indica especificamente um resultado numérico indefinido. Diferenciá-los é importante para diagnóstico de problemas em cálculos complexos, como em modelos de precificação de ativos ou simulações financeiras.
A função is.nan() permite identificar estes valores em conjuntos de dados:
# Exemplo: Identificando resultados indefinidos em cálculos financeiros
resultados <- c(25, 0/0, 10)
is.nan(resultados) [1] FALSE TRUE FALSE4.6 Tipo Especial inf
O valor especial Inf (e -Inf para infinito negativo) ocorre principalmente em divisões por zero e representa valores que excedem os limites computacionais. Em análises administrativas e financeiras, este tipo pode aparecer em:
- Cálculos de taxas de crescimento a partir de valores base zero
- Razões financeiras com denominadores muito próximos a zero
- Projeções exponenciais sem restrições
- Análises de retorno sobre investimento com investimentos mínimos
Diferentemente de NA e NaN, valores Inf podem ser utilizados em operações aritméticas seguindo regras matemáticas de infinito:
# Exemplo: Comportamento de infinito em operações
infinito_positivo <- 1/0
infinito_positivo + 1000 # Continua sendo Inf[1] Infinfinito_positivo / 2 # Continua sendo Inf[1] InfIdentificar valores infinitos é importante, por exemplo, em modelos financeiros, pois podem indicar problemas estruturais nas fórmulas utilizadas ou divisões por zero que comprometem a validade das análises.
Sobre Conversão entre Tipos e Classes de Dados
Você pode estar se perguntando como converter um tipo ou classe de dados em outro(a) (por exemplo, transformar um texto em número ou vice-versa).
Embora R base ofereça funções como
as.numeric(),as.character()eas.logical()para essas conversões, abordaremos este tópico mais adiante no tutorial, quando estudarmos a manipulação de dados com o pacotedplyr.Especificamente, aprenderemos como usar as funções
mutate()etransmute()para realizar conversões de tipos de maneira eficiente e legível em conjuntos de dados estruturados. Esta abordagem se alinha com as práticas modernas de ciência de dados e permite transformar múltiplas variáveis simultaneamente dentro de um fluxo de trabalho analítico coerente.Por enquanto, foque em compreender as características e comportamentos dos diferentes tipos de dados apresentados nesta seção, pois este conhecimento fundamentará toda sua jornada na análise de dados com R.