“Everything that exists is an object”
“Everything that happens is a function”
— John Chambers, Creator of the S programming language
Nessa seção serão desenvolvidos os princípios básicos de uma linguagem de programação, tais como os conceitos de objetos, variáveis, operadores, funções, vetores, tipos de dados (categóricos numéricos, lógicos).
O R é uma linguagem de programação de alto nível e como tal, usa do conceito de objetos. As linguagens de programação desse tipo são chamadas de linguagens orientadas a objetos. Essa abstração simplifica muito a programação e torna muito mais fácil resolver problemas complexos. Tudo que existe no R pode ser chamado de um objeto. Todas variáveis e todos gráficos do R são objetos.
Em R, os tipos de dados e as estruturas de dados são conceitos fundamentais, mas distintos, que se complementam na manipulação de informações.
Os tipos de dados referem-se às categorias de valores que R pode manipular. Cada tipo de dado determina o tipo de operação que pode ser realizada e a forma como os dados são armazenados. Por exemplo, o tipo numeric abrange números de ponto flutuante, enquanto integer inclui apenas valores inteiros. Character se refere a dados textuais ou strings, logical trata de valores booleanos (TRUE ou FALSE), e complex abrange números complexos. Existe também o tipo raw, que representa bytes brutos. Esses tipos de dados são fundamentais para definir as características básicas dos valores individuais em R.
As estruturas de dados, por outro lado, referem-se às maneiras como esses valores individuais podem ser organizados e armazenados em coleções. Enquanto os tipos de dados tratam de valores individuais, as estruturas de dados lidam com conjuntos de valores.
Vetores (Vectors) são estruturas unidimensionais homogêneas, onde todos os elementos são do mesmo tipo. Fatores (Factors) são usados para representar dados categóricos e são uma forma especializada de vetor. Listas (Lists) são estruturas heterogêneas, onde os elementos podem ser de diferentes tipos, oferecendo uma flexibilidade significativa na manipulação de dados complexos.
Matrizes (Matrices) são bidimensionais e homogêneas, adequadas para dados tabulares. Arrays são uma extensão das matrizes para múltiplas dimensões, mantendo a homogeneidade dos dados. Data Frames são estruturas bidimensionais heterogêneas, onde cada coluna pode conter diferentes tipos de dados, sendo amplamente usados para manipulação de dados tabulares em análises estatísticas. Veremos adiantes que as Tibbles são data frames modernos.
Além disso, existem tipos especializados para trabalhar com datas e tempos, como Date para datas e POSIXct/POSIXlt para datetimes, permitindo a manipulação eficiente de informações temporais.
A principal diferença entre tipos de dados e estruturas de dados reside na granularidade e na finalidade. Os tipos de dados definem as propriedades básicas e os comportamentos dos valores individuais. Já as estruturas de dados organizam esses valores em conjuntos, permitindo a manipulação de dados em níveis mais complexos e estruturados. Enquanto tipos de dados são o alicerce para os valores básicos, as estruturas de dados são a construção que permite a organização e a manipulação de coleções desses valores em R.
| Category | Data Type | R Name | Description |
|---|---|---|---|
| Tipos Básicos de dados | Numeric | numeric |
Dados numéricos gerais (dupla precisão) |
| Integer | integer |
Números inteiros | |
| Character | character |
Texto or string | |
| Logical | logical |
Valores lógicos (TRUE or FALSE) |
|
| Complex | complex |
Números Complexos | |
| Raw | raw |
Raw bytes | |
| Tipo Especial de dados | Factor | factor |
Dados categóricos |
| Estructuras de Dados | Vector | vector |
Coleções homogêneas de tipos de dados básicos |
| List | list |
Coleções heterogêneas de tipos de dados | |
| Matrix | matrix |
Estruturas de dados bidimensionais e homogêneas | |
| Array | array |
Estruturas de dados multidimensionais e homogêneas | |
| Data Frame | data.frame |
Estruturas de dados bidimensionais e heterogêneas | |
| Tipos especiais | Date | Date |
Datas |
| POSIXct | POSIXct |
Date-time | |
| POSIXlt | POSIXlt |
Date-time | |
| Outros tipos | NULL | NULL |
Representa a ausência de um valor |
| NA | NA |
Representa um valor faltante | |
| NaN | NaN |
Representa algo que Não é um Número | |
| Inf | Inf |
Representa infinito positivo | |
| -Inf | -Inf |
Representa infinito negativo |
Entretanto, antes de estudarmos os objetos do R, será útil rever os tipos de dados existentes numa pesquisa, lembrando que cada tipo de dado será armazenado numa variável de tipo diferente.
A ciência depende de dados, que são gerados a partir de alguma forma de coleta ou transformação de outros dados. Tudo que poder ser contado ou quantificado será armazenado numa variável. Uma variável deve ser entendida como um objeto que contém os resultados dessa coleta ou transformação de dados.
Mas dados podem ser coletados de diferentes modos: algumas dados são provenientes de algo que foi contado, outros dados provém de algo que foi medido. Contar e medir fornecem diferentes tipos de dados. Podemos por exemplo, contar o número de pessoas com AIDS, o número de eleitores de um determinado político, o número de óbitos, de nascimentos etc. Por outro lado, podemos medir o perímetro cefálico de crianças recém-nascidas, o nível pressórico ou de glicemia de um grupo de pacientes, etc.
Variáveis com dados provenientes de contagem são denominadas variáveis categóricas, também chamadas de variáveis qualitativas, pois podem expressar uma qualidade.
Variáveis com dados provenientes de medidas são denominadas variáveis numéricas, também chamadas de variáveis quantitativas.
A necessidade de classificarmos as variáveis em diferentes tipos é devido ao fato de que o tipo de variável determina os tipos de operações matemáticas que podem ser realizadas e, consequentemente, as medidas estatísticas e os testes estatísticos que podem ser realizados.
Veremos também que na computação existem outros tipos de variáveis, tais como variáveis lógicas, strings, caracteres etc.
Algumas variáveis são nomes que expressão uma qualidade (que podem ter ou não uma ordenação). Em estatística essas variáveis são chamadas categóricas e podem se dividir em nominais ou ordinais. Os dados que não possuem nenhuma ordenação, são armazenados em variáveis categóricas nominais.
Variáveis categóricas nominais expressam qualidades, mas sem uma ordenação, tal como sexo, raça, local de nascimento etc.
Variáveis categóricas ordinais também expressão qualidades, mas tem uma ordenação, tais como grau de obesidade (leve, moderado, grave), estancamento do câncer (estágio I, estágio II, estágio III) etc.
No R as variáveis categóricas são chamados de factor, independente de serem nominais ou ordinais. Caso sejam variáveis categóricas ordinais, ou seja, caso exista uma ordem certa entre os elementos, existem meios de indicar isso para o R.
Frequentente precisamos indicar ao R que uma determinada variável é categórica. Em algumas situações o R pode interpretar uma variável como numérica quando na verdade é categórica. É usual em pesquisas em os sexos sejam codificados com números, por exemplo 0 = Masculino, 1 = Feminino. Nesse caso, a variável sexo iria ser interpretada no R como um vetor numérico. Entretanto, os elementos desse vetor não representam números de verdade, mas são apenas símbolos para indicar os sexo masculino ou feminino.
Vejamos um exemplo num conjunto fictício de dados de uma pesquisa com nomes, sexo e idade de alguns participantes. Esse conjunto de dados será armazenado num objeto do tipo data frame. Esse tipo de objeto será discutido mais adiante, por enquanto basta entender que um data frame é como uma planilha, com linhas e colunas. Nesse exemplo nosso data frame será denominado de df. Poderíamos escolher qualquer outro nome. Iremos discutir mais sobre esses objetos no capítulo adiante sobre Dataframes e Tibbles (Chapter 7).
No código abaixo você irá ver também um operador do R, o operador de atribuição: <- que indica que o que está à direita do operador será atribuido ao objeto à esquerda. Iremos detalhar mais sobre isso no capítulo adiante sobre operadores do R (?sec-operadores).
# criando os vetores com os dados
nome <- c("Eduardo","José","Antônio","Pedro","Maria","Gustavo")
sexo <- c(0, 0, 0, 0, 1, 0)
idade <- c(50, 45, 49, 60, 32, 39)
# criando o data frame:
df <- data.frame(nome, sexo, idade)
# mostrando o data frame
df nome sexo idade
1 Eduardo 0 50
2 José 0 45
3 Antônio 0 49
4 Pedro 0 60
5 Maria 1 32
6 Gustavo 0 39Veja que para o R, a variável tando a sexo como a idade são numéricas (dbl).
Para contornar esse problema precisamos informar ao R que sexo é uma variável categórica. Isso pode ser feito com a função as.factor().
Podemos fazer isso com o vetor sexo antes de criar o banco de dados:
# criando os vetores com os dados
nome <- c("Eduardo","José","Antônio","Pedro","Maria","Gustavo")
sexo <- c(0, 0, 0, 0, 1, 0)
idade <- c(50, 45, 49, 60, 32, 39)
# transformando sexo em factor
sexo <- as.factor(sexo)
# criando o o data frame
df <- data.frame(nome, sexo, idade)
# mostrando o data frame
df nome sexo idade
1 Eduardo 0 50
2 José 0 45
3 Antônio 0 49
4 Pedro 0 60
5 Maria 1 32
6 Gustavo 0 39Podemos fazer isso depois de criar o banco de dados:
nome <- c("Eduardo","José","Antônio","Pedro","Maria","Gustavo")
sexo <- c(0, 0, 0, 0, 1, 0)
idade <- c(50, 45, 49, 60, 32, 39)
# criando o banco de dados:
df <- data.frame(nome, sexo, idade)
# transformando a variável sexo do data frame df em factor
df$sexo <- as.factor(df$sexo)
# mostrando o data frame
df nome sexo idade
1 Eduardo 0 50
2 José 0 45
3 Antônio 0 49
4 Pedro 0 60
5 Maria 1 32
6 Gustavo 0 39Caso seja interessante renomear os elementos, transformando 0 em “Masc” e 1 em “Fem” podemos usar a função recode_factor do pacote dplyr. Iremos discutir esse pacote mais adiante, portanto, não se preocupe em entender o código abaixo por enquanto, veja apenas que podemos fazer isso facilmente com essa função.
# recodificando os elementos da variável sexo
library(dplyr)
Attaching package: 'dplyr'The following objects are masked from 'package:stats':
filter, lagThe following objects are masked from 'package:base':
intersect, setdiff, setequal, uniondf$sexo <- recode_factor(df$sexo, "0" = "Masc",
"1" = "Fem")
# mostrando novamente o data frame
df nome sexo idade
1 Eduardo Masc 50
2 José Masc 45
3 Antônio Masc 49
4 Pedro Masc 60
5 Maria Fem 32
6 Gustavo Masc 39As variáveis categóricas não podem ser usadas em operações aritméticas. Não podemos, por exemplo, calcular a média desse tipo de variável. O que podemos fazer com variáveis categóricas é construir tabelas de frequências de cada categoria.
Ou seja, podemos pedir ao R para contar o número absoluto ou a freqüência relativa dos resultados. A função para tabular os dados de variáveis categóricas é table().
table(df$sexo)
Masc Fem
5 1 Podemos calcular os percentuais facilmente com a função prop.table(), como mostrado abaixo:
prop.table(table(df$sexo))
Masc Fem
0.8333333 0.1666667 Mais adiante veremos como deixar esse código mais elegante usando um operador chamado pipe |>.
df$sexo |> # busque a variável sexo no data frame df
table() |> # calcule as quantidade de cada sexo
prop.table() |> # calcule o percentual de cada sexo
round(2) # arredondo para 2 casas decimais
Masc Fem
0.83 0.17 As variáveis quantitativas (numéricas) são resultado de alguma medida realizada. Podem ser números inteiros (discretas) ou reais (contínuas). A grande diferença dessas variáveis com as qualitativas é que com as variáveis numéricas podemos fazer todas operações matemáticas: somar, dividir, calcular a média, a variância, o desvio padrão etc.
Uma questão importante:
No R o separador decimal é o ponto final e não a vírgula, portanto o valor de metade de 1 é 0.5. Cuidado para não usar a vírgula como separador dos decimais.
No R a vírgula separa elementos.
idade <- c(45,10,12)
class(idade) [1] "numeric"No exemplo acima criamos uma variável numérica chamada idade, e atribuímos a essa variável o conjunto de valores 45, 10 e 12.
Na linha seguinte usamos a função class( ) para que o R nos informasse o tipo dessa variável, confirmando que foi criada uma variável numérica.
O R já tem um enorme conjunto de funções pré definidas para fazer operações matemáticas e estatísticas. Veremos mais adiante o funcionamento dessas funções com mais detalhes.
Veja nos códigos a seguir alguns exemplos de como usar essas funções do R em variáveis numéricas.
# calcula a média de todos os valores da variável idade
mean(idade)[1] 22.33333# calcula a mediana de todos os valores da variável idade
median(idade)[1] 12# calcula a variância
var(idade)[1] 386.3333# calcula o desvio padrão
sd(idade)[1] 19.65536# calcula a raiz quadrada de cada um dos valores da variável
sqrt(idade)[1] 6.708204 3.162278 3.464102# soma todos os valores
sum(idade)[1] 67A função summary() já foi demonstrada anteriormente.
# soma todos os valores
summary(idade) Min. 1st Qu. Median Mean 3rd Qu. Max.
10.00 11.00 12.00 22.33 28.50 45.00 Variáveis lógicas são aquelas que armazenam resultados de operações lógicas. Operações lógicas são aquelas realizadas através de relacionais: igual, maior, maior ou igual, menor, menor ou igual, etc. Como já vimos resultado dessas operação não é um número, mas sim FALSO ou VERDADEIRO, e esse resultado pode ser armazenada numa variável. No exemplo uma operação lógica é realizada e seu resultado é colocado numa variável chamada teste.
a <- 2
b <- 3
teste <- (b > a)
teste[1] TRUEPodemos confirmar que a variável é do tipo lógica com a função class( ).
class(teste)[1] "logical"Para visualizarmos o conteúdo de uma variável basta digitar o nome da variável.
teste[1] TRUEVeja que o valor da variável teste é TRUE, pois 3 é realmente maior que 2. Um ponto importante a ser memorizado é que em linguagens de programação é usual que TRUE tenha o valor de 1 e FALSE tenha o valor de 0.
Vetores são objetos fundamentais de todas linguagens computacionais. Um vetor é um conjunto de elementos da mesma natureza. Por exemplo, um conjunto de números, um conjunto de palavras, etc.
c()A função c(), abreviação de “combine” ou “concatenate” (combinar ou concatenar), é uma das funções mais frequentemente usadas no R. Ela permite que você crie conjuntos combinando elementos individuais em uma única estrutura coesa. Esta função é incrivelmente versátil, permitindo a construção de vetores, que são o tipo mais simples de conjuntos em R. Vetores são coleções ordenadas de elementos e servem como blocos de construção para estruturas de dados mais complexas, como matrizes, data frames e listas.
A forma mais comum de criar um vetor no R é através do uso do comando c() como mostrado a seguir.
idades <- c(45, 32, 24, 23, 55, 56) x <- c(1:10)No exemplo acima vimos um novo operador : (dois pontos), que cria uma sequencia de números. No capítulo sobre operadores do R iremos discutir melhor o que são operadores e quais os operadores do R @ref(operadores).
Mais adiante veremos como podemos agrupar um conjunto de vetores num objeto chamado de data frame, formado por colunas e linhas tal como uma planilha.
nomes <- c("Eduardo","José","Antônio","Pedro","Maria","Gustavo")Uma das principais vantagens do R é ser uma linguagem vetorial. Isso significa que o R realiza operações em vetores de maneira eficiente e intuitiva.
Em linguagens não vetoriais, operações em conjuntos de dados geralmente requerem loops explícitos, que podem ser lentos e complexos de escrever. No R, a maioria das operações aritméticas e lógicas pode ser aplicada diretamente a vetores, permitindo código mais conciso, legível e de melhor desempenho.
# Criando vetores numéricos
a <- c(1, 2, 3, 4 , 5)
b <- c(10, 20, 30, 40, 50)
c <- c(10, 20, 31, 41, 51)# Adição de vetores: soma os elementos nas posições equivalentes.
a + b[1] 11 22 33 44 55Veja que a soma de a + b resultou num outro vetor: 11 22 33 44 55.
No exemplo abaixo e nos seguintes iremos armazenar esse novo vetor num outro objeto (outro vetor) para futuras análises.
# criando um vetor y que será o resultado da soma dos vetores a e b
y <- a + b
# mostrando o vetor y
print(y) [1] 11 22 33 44 55# criando um vetor w que será o resultado da subtração dos vetores b e a
w <- b - a
# mostrando o vetor w
print(w)[1] 9 18 27 36 45# Comparando elementos de um vetor numérico com um determinado valor
# o resultado será armazenado num vetor chamado de z
z <- a > 3
# mostrando o vetor z
print(z)[1] FALSE FALSE FALSE TRUE TRUE# Comparando elementos de dois vetores: compara elementos em posições equivalentes
# o resultado será armazenado num vetor chamado de comparacao
comparacao <- b == c
# mostrando o vetor comparacao
print(comparacao) [1] TRUE TRUE FALSE FALSE FALSE# Calculando a média de um vetor numérico
mean(a)[1] 3# Calculando a soma de um vetor
sum(a)[1] 15Vamos imaginar a situação na qual temos um vetor com os dados de peso em libras de um conjunto de pacientes e precisamos transformar esses dados em quilos. Para isso basta multiplicar o vetor pelo valor adequado.
No exemplo a seguir, o vetor peso_lib contém valores do peso em libras e o vetor altura_metros contém valores de altura em metros de 15 pacientes.
A conversão para quilogramas é realizada multiplicando cada elemento pelo fator de conversão 0.45359237. Armazenaremos o resultado desses cálculos no vetor peso_kg.
# Vetor de pesos em libras com 15 elementos
peso_lib <- c(120, 135, 150, 165, 180,
195, 210, 225, 240, 255,
270, 285, 300, 315, 330)
altura_metros <- c(1.50, 1.55, 1.60, 1.65, 1.70,
1.75, 1.80, 1.85, 1.90, 1.95,
2.00, 2.05, 2.10, 2.15, 2.20)
# Convertendo para quilogramas todos os valores do vetor de uma só vez.
peso_kg <- peso_lib * 0.45359237
# mostrando os resultados armazenados no novo vetor pesos_kg
print(peso_kg) [1] 54.43108 61.23497 68.03886 74.84274 81.64663 88.45051 95.25440
[8] 102.05828 108.86217 115.66605 122.46994 129.27383 136.07771 142.88160
[15] 149.68548Se quisermos construir um novo vetor com o índice de massa corporal (imc) vamos precisar de um vetor com a altura elevada ao quadrado. Isso pode ser feito também de forma simples e rápida no R apenas elevando o vetor de alturas ao quadrado como mostrado abaixo.
altura2 <- altura_metros^2
altura2 [1] 2.2500 2.4025 2.5600 2.7225 2.8900 3.0625 3.2400 3.4225 3.6100 3.8025
[11] 4.0000 4.2025 4.4100 4.6225 4.8400Criar um vetor com o imc agora ficou fácil:
imc <- peso_kg/altura2
imc [1] 24.19159 25.48802 26.57768 27.49045 28.25143 28.88180 29.39951 29.81981
[9] 30.15573 30.41842 30.61748 30.76117 30.85662 30.91003 30.92675Poderiamos também ter feito tudo isso de forma mais simples numa única operação:
imc <- (peso_lib * 0.45359237)/(altura_metros^2)
imc [1] 24.19159 25.48802 26.57768 27.49045 28.25143 28.88180 29.39951 29.81981
[9] 30.15573 30.41842 30.61748 30.76117 30.85662 30.91003 30.92675# Combinando vetores
c <- c(a, b)
print(c) [1] 1 2 3 4 5 10 20 30 40 50Esses exemplos ilustram a eficácia e a simplicidade das operações vetoriais em R. Ao aproveitar essas capacidades, você pode escrever código mais eficiente e legível, facilitando a análise e manipulação de grandes conjuntos de dados comuns na prática médica e em pesquisas científicas.
As matrizes são uma das estruturas de dados fundamentais em R, amplamente utilizadas para armazenar e manipular dados numéricos. Uma matriz é uma coleção bidimensional de elementos, organizados em linhas e colunas. Cada elemento em uma matriz deve ser do mesmo tipo de dado, o que as torna ideais para operações matemáticas e estatísticas.
Para criar uma matriz em R, utilizamos a função matrix(). Por exemplo, para criar uma matriz de 2 linhas e 3 colunas contendo os números de 1 a 6, podemos usar o seguinte código:
minha_matriz <- matrix(1:6, nrow = 2, ncol = 3)
print(minha_matriz) [,1] [,2] [,3]
[1,] 1 3 5
[2,] 2 4 6Os elementos de uma matriz podem ser acessados utilizando a notação de índice [linha, coluna]. Por exemplo, para acessar o elemento na primeira linha e segunda coluna da matriz minha_matriz, usamos:
minha_matriz[1, 2][1] 3Uma das vantagens das matrizes é a facilidade de realizar operações matemáticas. Podemos realizar adição, subtração, multiplicação e divisão diretamente entre matrizes ou entre uma matriz e um escalar.
Para adicionar duas matrizes de mesmas dimensões, utilizamos o operador +:
matriz_a <- matrix(1:4, nrow = 2)
matriz_b <- matrix(5:8, nrow = 2)
matriz_c <- matriz_a + matriz_b
print(matriz_c) [,1] [,2]
[1,] 6 10
[2,] 8 12A multiplicação elementar (elemento a elemento) é feita com o operador *, enquanto a multiplicação de matrizes (produto matricial) é feita com a função %*%:
produto_elementar <- matriz_a * matriz_b
produto_matricial <- matriz_a %*% matriz_bR oferece uma série de funções úteis para trabalhar com matrizes, tais como:
t(): Transposta de uma matriz.solve(): Inversa de uma matriz quadrada.det(): Determinante de uma matriz.As matrizes são essenciais para muitos métodos estatísticos e análises de dados em R, servindo como a base para outras estruturas de dados mais complexas, como arrays e data frames. Entender e dominar o uso de matrizes é fundamental para qualquer pessoa que deseje utilizar R de forma eficaz em análises de dados na área da saúde.
Arrays são uma estrutura de dados em R que permitem armazenar dados multidimensionais. Enquanto matrizes são restritas a duas dimensões (linhas e colunas), arrays podem ter qualquer número de dimensões, tornando-os mais flexíveis para certas aplicações.
Para criar um array em R, utilizamos a função array(). A função requer um vetor de dados e um vetor de dimensões. Por exemplo, para criar um array tridimensional com dimensões 2x3x4, contendo os números de 1 a 24, podemos usar o seguinte código:
meu_array <- array(1:24, dim = c(2, 3, 4))
print(meu_array), , 1
[,1] [,2] [,3]
[1,] 1 3 5
[2,] 2 4 6
, , 2
[,1] [,2] [,3]
[1,] 7 9 11
[2,] 8 10 12
, , 3
[,1] [,2] [,3]
[1,] 13 15 17
[2,] 14 16 18
, , 4
[,1] [,2] [,3]
[1,] 19 21 23
[2,] 20 22 24Os elementos de um array podem ser acessados utilizando a notação de índice [dim1, dim2, dim3, ...]. Por exemplo, para acessar o elemento na primeira linha, segunda coluna e terceira camada do array meu_array, usamos:
elemento <- meu_array[1, 2, 3]
print(elemento)[1] 15Assim como as matrizes, arrays suportam operações matemáticas. Podemos realizar operações entre arrays de mesmas dimensões ou entre um array e um escalar.
Para adicionar dois arrays de mesmas dimensões, utilizamos o operador +:
array_a <- array(1:12, dim = c(2, 3, 2))
array_b <- array(13:24, dim = c(2, 3, 2))
array_c <- array_a + array_b
print(array_c), , 1
[,1] [,2] [,3]
[1,] 14 18 22
[2,] 16 20 24
, , 2
[,1] [,2] [,3]
[1,] 26 30 34
[2,] 28 32 36A multiplicação elementar (elemento a elemento) é feita com o operador *:
produto_elementar <- array_a * array_b
print(produto_elementar), , 1
[,1] [,2] [,3]
[1,] 13 45 85
[2,] 28 64 108
, , 2
[,1] [,2] [,3]
[1,] 133 189 253
[2,] 160 220 288R oferece uma série de funções úteis para trabalhar com arrays, tais como:
dim(): Retorna as dimensões de um array.apply(): Aplica uma função ao longo de uma margem (dimensão) de um array.arrayInd(): Converte índices lineares para índices de array.Os arrays são particularmente úteis em análises de dados que envolvem múltiplas dimensões, como análise de imagens, séries temporais multivariadas e simulações complexas. Compreender como criar e manipular arrays é uma habilidade valiosa para utilizar o poder do R em análises de dados na área da saúde.
As listas são uma estrutura de dados poderosa e flexível em R, capazes de armazenar diferentes tipos de elementos, como vetores, matrizes, arrays, data frames e até outras listas. Essa flexibilidade torna as listas ideais para agrupar dados heterogêneos em uma única estrutura.
Para criar uma lista em R, utilizamos a função list(). Podemos incluir qualquer tipo e quantidade de elementos dentro de uma lista. Alias, uma lista pode conter até mesmo outras listas. O exemplo abaixo é uma lista de pacientes, onde cada paciente é uma lista com diversos elementos.
# Carregando a biblioteca necessária
library(tibble)
# Criando a lista de pacientes
pacientes <- list(
paciente_1 = list(idade = 34,
sexo = "Feminino",
altura = 1.65,
peso = 62,
diagnostico = "Transtorno de Ansiedade Generalizada",
data_nascimento = as.Date("1990-04-15"),
escolaridade = "Ensino Superior Completo",
fumante = FALSE),
paciente_2 = list(idade = 45,
sexo = "Masculino",
altura = 1.75,
peso = 85,
diagnostico = "Depressão Major",
data_nascimento = as.Date("1979-11-23"),
escolaridade = "Ensino Médio Completo",
fumante = TRUE),
paciente_3 = list(idade = 29,
sexo = "Feminino",
altura = 1.60,
peso = 55,
diagnostico = "Asma",
data_nascimento = as.Date("1995-03-30"),
escolaridade = "Ensino Superior Incompleto",
fumante = FALSE),
paciente_4 = list(idade = 52,
sexo = "Masculino",
altura = 1.80,
peso = 90,
diagnostico = "Esquizofrenia",
data_nascimento = as.Date("1972-06-10"),
escolaridade = "Ensino Fundamental Completo",
fumante = TRUE),
paciente_5 = list(idade = 40,
sexo = "Feminino",
altura = 1.70,
peso = 70,
diagnostico = "Doença Pulmonar Obstrutiva Crônica",
data_nascimento = as.Date("1984-01-25"),
escolaridade = "Ensino Médio Incompleto",
fumante = TRUE))Os elementos de uma lista podem ser acessados de várias maneiras. A notação $ é usada para acessar elementos nomeados:
# Acessando um determinado paciente
pacientes$paciente_1$idade
[1] 34
$sexo
[1] "Feminino"
$altura
[1] 1.65
$peso
[1] 62
$diagnostico
[1] "Transtorno de Ansiedade Generalizada"
$data_nascimento
[1] "1990-04-15"
$escolaridade
[1] "Ensino Superior Completo"
$fumante
[1] FALSEPodemos usar esse mesmo operador $ em sequencia para acessar um informação de uma lista que está dentro de outro lista. Poe exemplo o sexo do paciente_1.
# Acessando uma informação de uma lista, dentro de outro lista
pacientes$paciente_1$sexo[1] "Feminino"Enquanto a notação $ é usada para acessar elementos nomeados, A notação [[ ]] é utilizada para acessar elementos individuais,
# Acessando o vetor
pacientes$paciente_1$sexo[1] "Feminino"Veremos adiante que diversos pacotes do R possuem funcionalidades para melhorar o código, como o pacote purrr do tidyverse tem a função pluck():
# Usando a função pluck do purrr
library(purrr)
pluck(pacientes, "paciente_1", "sexo")[1] "Feminino"Na seção de análises estatísticas você verá que muitos das análises tem como resultado uma lista e voê precisará acessar os elementos dessa lista para obter as informções específicas que deseja, tal como, por exemplo, o valor de p. Vamos criar uma matriz de exemplo e realizar um teste do chi quadrado.
mydata <- matrix(c(35,13,29,17,12,21),nrow=3,ncol=2)
mytest <- chisq.test(mydata,correct=FALSE)
mytest
Pearson's Chi-squared test
data: mydata
X-squared = 1.8963, df = 2, p-value = 0.3875str(mytest)List of 9
$ statistic: Named num 1.9
..- attr(*, "names")= chr "X-squared"
$ parameter: Named int 2
..- attr(*, "names")= chr "df"
$ p.value : num 0.387
$ method : chr "Pearson's Chi-squared test"
$ data.name: chr "mydata"
$ observed : num [1:3, 1:2] 35 13 29 17 12 21
$ expected : num [1:3, 1:2] 31.53 15.16 30.31 20.47 9.84 ...
$ residuals: num [1:3, 1:2] 0.618 -0.554 -0.239 -0.767 0.688 ...
$ stdres : num [1:3, 1:2] 1.283 -0.985 -0.489 -1.283 0.985 ...
- attr(*, "class")= chr "htest"Observe que o resultado do teste chi-quadrado é uma lista. Para acessarmos o valor de p vamos prescisar acessar essa lista usando o operador $. Podemos, se precisarmos, armazenar esse valor numa variável.
p <- mytest$p.value
p[1] 0.3874529Resumindo, as listas são uma ferramenta essencial em R para trabalhar com dados complexos e heterogêneos, permitindo que você agrupe diferentes tipos de informações em uma única estrutura. Essa capacidade é especialmente útil na análise de dados na área da saúde, onde os dados frequentemente variam em tipo e formato. Em suas análises você frequentemente irá lidar com listas e precisará acessar os elementos individuais dessas listas.
Uma variável é um objeto que armazena dados, tais como valores numéricos, datas, caracteres, palavras, valores lógicos etc. Uma variável é um objeto para armazenar um determinado tipo de dado de uma pesquisa. Se uma variável de minha pesquisa é a medida da pressão dos pacientes, posso no R criar um a variável chamada pa, nivel.pressorico ou pressao.arterial para armazenar esse conjunto de dados.
Como você deve ter notado, variáveis devem ter nomes fáceis de serem compreendidos, nomes que mostrem o que significam. Se uma variável serve para armazenar a glicemia é mais adequado que essa variável seja denominada glicemia do que apenas x. Por outro lado, devemos usar nomes sucintos e evitar nomes grandes, glicemia é mais apropriado do que nivel.de.glicose, que é demasiadamente extenso.
Entretanto, quando houver necessidade de usar nomes compostos, um modo dequado é usar um ponto separando as palavras, tais como: glico.fem ou idade.media.
Evite usar o underline em variáveis, a separação de palavras pelo o underline é geralmente usado para nomear arquivos tais como: research_results_fase_1.csv.
Evite usar maiúsculas para separar as palavras de uma variável, pois esse estilo geralmente é usado para nomear funções, tal como em solveEquation. Veja que as palavras são separadas pelo uso de uma maiúscula no início das palavras, exceto a primeira. Esse modo criar nomes é geralmente usado para nomearmos funções, portanto, vamos evitar fazer isso ao criarmos nomes de variáveis.
Além dessa dica, existem regras formais para criar nomes de variáveis:
1. O nome de uma variável deve SEMPRE começar com uma letra.
2. O nome de uma variável NÃO pode começar com números ou caracteres especiais.
3. O nome de uma variável NÃO pode conter espaços.
4. O nome de uma variável NÃO pode conter caracteres com acentos gramaticais.
Esse último ponto é importante: o nome de uma variável não pode conter acentos. É importante para usuários da língua portuguesa se atentarem a isso ao criarem variáveis em suas pesquisas.
Um ponto importante: o R é case sensitive, ou seja, maiúsculas e minúsculas são considerados caracteres diferentes: portanto as variáveis idade e Idade são diferentes. A dica é evitar usar maiúsculas em nomes de variáveis, para não criar confusão.
A linguatem R possui muitas funções para examinar as características de objetos, por exemplo:
Veja o funcionamento dessas funções aplicada a uma variável simples:
# criando uma variável numérica
x <- 3
# examinando a variável x
class(x)[1] "numeric"typeof(x)[1] "double"length(x)[1] 1attributes(x)NULLstr(x) num 3Ou seja, é um objeto da classe “numeric”, do tipo “double”, de tamanho “1”. Não há atributos. Finalmente, sua estrutura é apenas o valor “3”, do tipo numérico.
nome <- "José"
class(nome)[1] "character"typeof(nome)[1] "character"length(nome)[1] 1attributes(nome)NULLstr(nome) chr "José"teste <- FALSE
class(teste)[1] "logical"typeof(teste)[1] "logical"length(teste)[1] 1attributes(teste)NULLstr(teste) logi FALSEVamos aplicar agora essas funções em alguns vetores:
z <- c(1, 2, 3)
class(z)[1] "numeric"typeof(z)[1] "double"length(z)[1] 3attributes(z)NULLstr(z) num [1:3] 1 2 3frutas <- c("bananas", "maçãs", "melão")
class(frutas)[1] "character"typeof(frutas)[1] "character"length(frutas)[1] 3attributes(frutas)NULLstr(frutas) chr [1:3] "bananas" "maçãs" "melão"Veja agora como a função str() nos ajuda a compreender melhor a estrutura de conjunto de dados num dataset, usando o dataset esoph do R, que contém dados de um estudo de caso controle de câncer de esôfago na frança.
str(esoph)'data.frame': 88 obs. of 5 variables:
$ agegp : Ord.factor w/ 6 levels "25-34"<"35-44"<..: 1 1 1 1 1 1 1 1 1 1 ...
$ alcgp : Ord.factor w/ 4 levels "0-39g/day"<"40-79"<..: 1 1 1 1 2 2 2 2 3 3 ...
$ tobgp : Ord.factor w/ 4 levels "0-9g/day"<"10-19"<..: 1 2 3 4 1 2 3 4 1 2 ...
$ ncases : num 0 0 0 0 0 0 0 0 0 0 ...
$ ncontrols: num 40 10 6 5 27 7 4 7 2 1 ...Como podemos ver acima a função str() mostrou a estrutura desse data frame. Podemos ver que as variáveis agegp, alcgp e tobgp são variáveis categóricas ordinais, ou seja, tem uma ordenação.
Usando o comando ?esoph podemos descobrir o significado exato de cada variável.
# use esse comando no console e veja o significado de cada elemento do data frame na aba help no painel à direita inferior do Rstudio.
?esophagegp indica a faixa etária do participante e tem seis níveis de faixas etáriasalcgp indica a quantidade de alcool que o participante consome em gramas por dia e tem 4 níveistobgp indica a quantidade de tabaco que o participante consome em gramas por dia e tem 4 níveisncases e ncontrols são numéricas.