Olá! Neste post vou te mostrar como usar alguns verbos básicos do tidyverse:
- select()
- arrange()
- filter()
- mutate()
Todos esses verbos também são funções para lidar com dados do mundo real, mas como coletar esses dados pode ser bem complicado vamos usar um conjunto de dados (data set) do R.
Vamos dar uma olhada no data set iris que nos da medidas
em centimetros do tamanho de sepalas e petalas de tres espécies de
angiospermas (plantas com flores e frutos): Iris setosa,
Iris versicolor, e Iris virginica.
E claro, já que estamos lidando com o tidyverse, temos que carregar o
pacote, portanto escreva o seguinte (para fazer o download do pacote
basta escrever install.packages("tidyverse"):
library(tidyverse)
Vamos ver o data set: iris
ou só uma parte dele:
head(iris)
ou apenas dar uma olhadinha:
glimpse(iris)
Pipe ‘%>%’ e select()
Antes de tudo, vamos começar com a função selecionar e
já que estamos usando o tidyverse, também começaremos a usar os
pipes, também conhecido como %>% ou |>,
tudo depende do que você mais gosta de escrever.
Pipes são muito úteis para montar linhas de script conectadas, onde a saída de uma função serve de entrada para outra e assim por diante.
Então para selecionar um conjunto de colunas que você queira, você pode escrever:
iris %>% #aqui incluimos o dataframe iris no pipe para a proxima função
select(Sepal.Length, Species) #selecionando duas colunas do dataframe `Sepal.Length` e `Species`Note o pipe “%>%”, isso significa que a saída de uma função será
usada como entrada para a próxima, e o primeiro pipe apenas inclui o
data set iris dentro da função
select(Sepal.Length, Species)
Tranquilo, certo?
Agora você deve ter um data set um pouco menor, se quiser checar,
basta chamar o mesmo script de antes, mas com um pipe para a função
head() que mostra apenas as primeiras 10 linhas:
iris %>%
select(Sepal.Length, Species) %>%
head()Apenas uma dica, isso também funcionaria:
head(select(iris, Sepal.Length, Species))Você deve ter algo assim:
| Sepal.Length | Species |
|---|---|
| 5.1 | setosa |
| 4.9 | setosa |
| 4.7 | setosa |
| 4.6 | setosa |
| 5.0 | setosa |
| 5.4 | setosa |
Para melhorar nosso trabalho, devemos criar um objeto que recebe esse data set menor:
É bom nomear as coisas de acordo com o que elas são, neste caso to
usando o seguinte nome: selected_iris
selected_iris <- iris %>%
select(Sepal.Length, Species) %>%
head()arrange()
Suponha que você queira dar uma rápida olhada na distribuição de
tamanhos de sepalas ordenadas, podemos tanto chamar a função
view() no RStudio, ou usar a função
arrange():
arrange(selected_iris) %>%
head()Voce deve ver algo assim:
| Sepal.Length | Species |
|---|---|
| 4.3 | setosa |
| 4.4 | setosa |
| 4.4 | setosa |
| 4.4 | setosa |
| 4.5 | setosa |
| 4.6 | setosa |
arrange(desc())
Voce notará que o dataframe agora está em ordem, dos
menores para o maiores valores de tamanho de sepalas (sepalas são
aquelas folhas que apoiam as petalas). Mas, e se quisessemos ordenar em
ordem descendente? Para isso precisamos usar a função
desc() dentro da função arrange():
arrange(desc(selected_iris)) %>%
head()Agora temos:
| Sepal.Length | Species |
|---|---|
| 7.9 | virginica |
| 7.7 | virginica |
| 7.7 | virginica |
| 7.7 | virginica |
| 7.7 | virginica |
| 7.6 | virginica |
filter()
Agora que sabemos select() e arrange(),
vamos aprender mais dois outros verbos que também são ótimos para
manipulação e análise de dados:
Primeiro,
vamos usar o filtro ou filter() para filtrar apenas a
espécie Iris virginica do nosso dataset:
iris %>%
filter(Species == "virginica")Note que estamos usando o operador ==, que significa:
queremos filtrar tudo da coluna Species que seja igual ao
nosso texto (note as aspas) “virginica”.
Suponha que você queira filtrar apenas aqueles que NÃO são Iris virginica:
iris %>%
filter(Species != "virginica")Agora usamos o operador != que significa diferente ou
desigual, sendo assim recebemos um data set com Iris setosa e
Iris versicolor apenas, para checar a veracidade, vamos criar
objetos que recebem nossos data set filtrados:
iris_virginica <-
iris %>%
filter(Species == "virginica")
#And let's create the other one
not_iris_virginica <-
iris %>%
filter(Species != "virginica")Checar usando operadores condicionais
Ambos operadores == (igual a) e !=
(diferente de) podem ser usados em multiplas situações no R, por exemplo
para checar se nosso filtro deu certo:
#Veja que interessante essa forma da função select:
select(iris_virginica, Species) == "virginica"Isso deve retornar TRUE para todas as linhas dentro do
nosso dado. Quando testamos nossas afirmativas com condicionais, o R
pode dizer se é TRUE ou FALSE
(VERDADEIRO ou FALSO).
Vamos tentar mais uma:
#chamando o data set dentro da função de novo:
select(not_iris_virginica, Species) == "virginica"Agora devemos receber apenas FALSE para todas as linhas
do nosso conjunto de dados not_iris_virginica. O que
significa que nosso filtro deu certo, legal né?
Vou escrever sobre condicionais e todas essas paradas booleanas em
outro post, já que existem muitos outros operadores poderosos
(>=, <=, >,
<, &, |, e por ai
vai…)
Agora vamos continuar com outros tidyverbo ;)
mutate()
O último e, talvez mais importante, verbo que vamos aprender é o
mutate()
Essa é uma ótima função para manipular, transformar e criar colunas em nosso dado
mutate() funciona assim:
mutate(coluna_que_quero_criar = equação)
Suponha que queremos saber a razão entre o tamanho de pétalas e sepalas de todas as espécies:
iris %>%
mutate(ratio_petal_sepal = Petal.Length/Sepal.Length)Existem muitos outros usos para o verbo mutate, um deles é
classificar dados combinando com a função ifelse(), que
cria uma condição dentro do mutate():
Queremos classificar nossas flores como “grandes” ou “pequenas”,
baseado na razão obtida anteriormente, isso significa que “se
ratio_petal_sepal < 0.5, então a coluna”size” recebe a tag
small , caso contrário recebe a tag large:
iris %>%
mutate(ratio_petal_sepal = Petal.Length/Sepal.Length) %>%
mutate(size = ifelse(ratio_petal_sepal < 0.5, "small", "large"))Perceba que estamos usando um mutate duplo, isso não seria necessário se tivessemos criado um objeto anteriormente:
ratio_iris <- iris %>%
mutate(ratio_petal_sepal = Petal.Length/Sepal.Length)Agora temos o objeto ratio_iris e podemos compreender
como mutate() funciona combinado com
ifelse():
ratio_iris %>%
mutate(size = ifelse(ratio_petal_sepal < 0.5, "small", "large"))Explicando mutate() combinado com ifelse()
ratio_iris %>% #botando o dado no cachimbo
mutate(size = #chamando a função mutate e criando uma coluna chamada "size"
ifelse(ratio_petal_sepal < 0.5, #se essa afirmação for `TRUE` e o número dentro de ratio_petal_sepal for menor que 0.5
"small", #então a coluna "size" receberá a tag "small"
"large" #caso contrário receberá "large"))No fim, teremos um data set completamente marcado com a nossa condição, num próximo post vou mostrar como você pode usar a função count() para obter algumas estatísticas do nosso data set. Espero que você tenha gostado.
Sabendo que o conteúdo é escasso, vou tentar sempre traduzir alguns posts meus.
Tente usar essas quatro funções em outros data sets do R, como no
data set mpg!
Obrigado por ter chegado até aqui :)
Me segue no twitter: @gimbgomes