Para criar uma matriz podemos usar tanto o comando array como o comando matrix que possui poucas diferenças entre sí. Teste o código abaixo:
x <- array(1:20, dim=c(4,5))
y <- matrix(1:20, nrow = 4, ncol = 5)
x == y
is.array(x)
is.array(y)
is.matrix(x)
is.matrix(y)Ué! Teste as respostas por você... todas devem dar respostas TRUE. Ué(2)!! Então por quê temos essas duas possibilidades???
Pequeno Desafio: 1) Você sabe encontrar e dizer o por quê? Se souber, por favor, guarde para você anote, e veremos durante o curso. ;)
Pensou já no desafio acima? Vamos continuar, em como podemos acessar e manusear os dados de uma matriz. Utilizaremos agora a função matrix, só por escolher mesmo e aplicaremos algumas funções nas matrizes que criarmos.
Como acessar os dados da matriz? Não muda muito em como acessávamos os vetores, só agora precisamos adicionar mais uma dimensão ao chamar o(s) elemento(s):
y <- matrix(1:20, nrow = 4, ncol = 5)
y[1,1]
> 1 # resposta esperada
y[1,2]
> 5 # resposta esperadaVemos que para chamar um elemento da matriz, separamos os índices das dimensões (linhas e colunas) por uma , (vírgula). E no chamado y[1,1] devemos obter o elemento do canto superior esquerdo da matriz. E o 2º elemento da 1ª linha, que obtivemos com a chamada, y[1,2] foi o número 5... ou seja a nossa matriz está preenchida por coluna, assim:
y
> # [,1] [,2] [,3] [,4] [,5]
> # [1,] 1 5 9 13 17
> # [2,] 2 6 10 14 18
> # [3,] 3 7 11 15 19
> # [4,] 4 8 12 16 202) como podemos criar a mesma matriz, só que preenchida por linhas?
dica: utilize a ajuda do RStudio de autocompletar com o botão Tab, para isso, digite o seguinte y <- matrix(1:20, nrow = 4, ncol = 5, sem o parêntesis no final, terminando em vírgula, e com o cursos após a vírgula aperte Tab, você deve ver algo assim:
O que você está vendo é uma lista dos possíveis argumentos da função matrix. Um desses argumentos é capaz de resolver o exercício 2).
Um sugestão, à parti de agora, teste usar o botão Tab ao escrever novos códigos. Você pode encontra muita ajuda e informações úteis com isso. :D
Agora, quem já ouviu falar do R, deve ter ouvido falar que é uma linguagem altamente especializada para Matemática, Estatística, correto? Ou, ao menos, deveria. rs
Primeiro vamos criar duas novas matrizes:
x <- matrix(c(2,4,3,1,5,7), # os elementos de dados
nrow=2, # número de linhas
ncol=3 # número de colunas
)
y <- matrix(c(1,2,3,4,5,6),
nrow=2,
ncol=3
)Bom, agora que sabemos de matrizes podemos testar algumas coisas mais matemáticas. Por exemplo, explore a diferença entre as duas linhas de comando abaixo:
x * y
t(x) %*% y3) qual é a diferença entre as duas linhas acima? Mostre o cálculo que foi feito,
4) o que faz a função t na segunda linha?
E funções estatísticas? afinal o R é uma linguagem de programação estatística! E é seu ponto forte! Bom, algo para iniciar seriam os comando abaixo, ainda com nossa matriz x criada acima:
mean(x)
sd(x)
var(x)
summary(x)5) Veja quais são os resultados e identifique que tipo de cálculo estatístico as funções mean, sd e var realizam? E a função summary?
Bom, por enquanto, temos uma boa base das possibilidades de vetores e matrizes, parabéns! Respire fundo, de um sorriso para seu amigo(a) de curso ao lado e, se ele estiver 'travado' antes desta etapa, tente ajuda-lo. Rever um pouco dos conceitos irá ajudar e tentar explicar para alguém irá ajudar, caso sinta muita dificuldade peça para um monitor ajudar.
Após este exercício diferente, siga em frente para dataframes. :D
Uma lista no R é um objeto consistindo de uma coleção ordenada de objetos, conhecidos como seus componentes.
Não há necessidade dos componentes serem do mesmo tipo, e, por exemplo, uma lista pode consister de um vetor numérico, um valor lógico booleano, uma matriz, um vetor complexo, um vetor de chars, uma função, e assim vai. Aqui está um simples exemplo de como criar uma lista:
Lst <- list(name="Fred", wife="Mary", no.children=3,
child.ages=c(4,7,9))Componentes são sempre numerados e podem ser sempre referenciados como tal. Desta forma Lst é o nome de uma lista com quatro componentes, estes podem ser individualmente referenciados como Lst[[1]], Lst[[2]], Lst[[3]] e Lst[[4]]. E como o elemento Lst[[4]]` é im vetor então Lst[[4]][1] será o primeiro elemento deste vetor. Tome seu tempo para entender este ponto.
Lst é uma lista, então a função length(Lst) irá nos dar o número de componentes de nível mais alto que ela possui.
Componentes de uma lista podem também ser nomeados, e neste caso o componente pode também ser referenciado pelo seu nome, no lugar dos duplos colchetes. O que fica mais conveniente.
1) Por exemplo, o que ocorre ao chamar o comando abaixo?
Lst$name
Lst$wife2) E, melhor ainda, o que ocorre ao apertar o Tab após escrever Lst$?
E a dúvida que não quer calar, por quê usamos colchetes duplas se quando usávamos vetores e matrizes só era necessário colchete simples???
Bom, há algumas razões para isso, mas uma das principais é que a listas podem ser extendidas ao especificar componentes adicionais. Por exemplo:
Lst[5] <- list(matrix=Mat)Caso não tenha entendido bem, não se preocupe. O primeiro passo é ver que existe, o seguinte passo é brincar um pouco, digite os códigos, tente manusear a estrutura, depois você continuar sem entender, e aos poucos irá aplicando e entendendo melhor.
3) Gostou de ajudar seu amigo(a) ao lado? Caso sim, por favor, veja novamente se ele(a) precisa de ajuda. :)
O que é um data frame no R? Tecnicamente, um data frame é uma lista com classe "data.frame". Ué! Parece que vimos algo semelhante entre array e matrix né? O interessante dos data frames são sua capacidade de ser considerado para muitas finalidades como uma matriz com colunas possivelmente de diferentes modos e atributos. Ele pode ser exibido de forma semalhante à matriz, e suas linhas e colunas extraídas utilizando as convenções vistas para matrizes.
O data frame é uma estrutura muito poderosa, e pode ser bem complicada de se entender todas sua possibilidades. Então iremos focar aqui somente como cria-las, pois isso poderá ajudar na próxima lição.
Uma das formas de criar um data frame é a seguinte:
n = c(2, 3, 5)
s = c("aa", "bb", "cc")
b = c(TRUE, FALSE, TRUE)
df = data.frame(n, s, b) # df is a data frame Veja que criamos 3 vetores distintos, e esses três vetores são dados de argumento para a função data.frame. Agora, chame os seguintes comandos e entenda as saídas:
df
df$n
df["s"]
df["b"][2,1]De momento, podemos parar por aqui com as estruturas de dados do R. Há muitas mais, e muitas características interessantes das apresentadas aqui que não vimos. O aprofundamento neste tema irá te ajudar com característicad muitíssimo importante em um programador(a), otimizar espaço de memória e processamento, manter qualidade dos dados e na facilidade de acesso e organização.
Parabéns por ter chego até aqui! O próximo capítulo irá tratar de um tema muito útil! Sobre como lidar com arquivos externos ao nosso código, como recuperar dados de fora de nosso código. Veremos um caso base, arquivos de texto, mas o R possibilita lidar com uma ampla variedade de formatos. Continue estudando. :D