Planos para hoje.

Este código é uma curta introdução ao R. Este material foi adaptado de outros dois workshops em inglês que eu ofertei na Universidade de Maryland – ambos estão disponíveis na ementa deste workshop. A idéia deste material é cobrir questões básicas no R, e introduzir manipulacao de dados usando tidyverse.

Este tutorial foi adaptado de materiais de Eric Dunford, Natalia Bueno, e Rochelle Terman

O que é o R?

R é uma linguagem de programação de código aberto versátil, útil tanto para estatística quanto para ciência de dados. É Inspirado na linguagem de programação S..

Software de código aberto.
Superior (se não apenas comparável) às alternativas comerciais. Em janeiro de 2019, R ocupava o 12º lugar no índice TIOBE, que mede a popularidade das linguagens de programação. É amplamente utilizado na academia e na indústria, especialmente no círculo de cientistas de dados.
Disponível em todas as plataformas (Unix, Windows, Linux).
Como resultado de ser uma linguagem de dados aberta, se você fizer sua análise em R, qualquer pessoa poderá replicá-la facilmente.
Não apenas para estatística, mas também programação de uso geral.
É linguagem de objetos (= R possui objetos) e funcional (= Você pode escrever funções).
Grande e crescente comunidade de usuários.

Rstudio

O RStudio é a principal interface gráfica do usuário (GUI) e o ambiente de desenvolvimento integrado (IDE) que facilita o uso do R.

Navegando no R Studio.

Noções básicas: Navegando no RStudio

Abra o RStudio! Em seguida, abra um novo script clicando em “Arquivo -> Novo arquivo -> Script R” ou pressionando Ctrl + Shift + N (PC) oucommand + shift + N (Mac). Depois de abrir um novo script, você verá quatro “painéis”.

Painel superior esquerdo (entrada / script)

Neste painel, você escreve seu código. Digite 2 + 2 no seu script e execute uma linha de código pressionandocommand + enter (Mac) ou Ctrl + enter (PC). Ou clique no botão “Executar” na parte superior do script.

Uma hashtag # diz ao R que você não deseja que essa linha ou bloco de código seja executado - isso é chamado de comentando seu código. Isso é útil para você fazer anotações e pode até adicionar hashtags após linhas de código executável, na mesma linha.

O nome do seu arquivo de script está na guia na parte superior da janela do script - o nome padrão é Untitled1. Certifique-se de salvar seu script clicando em “Arquivo -> Salvar” ou command + s (Mac) ouCtrl + s (PC). Você também pode clicar no ícone de disquete para salvar.

Painel inferior esquerdo (saída / console)

O resultado do código é exibido no `console ’no painel inferior esquerdo. Esse espaço também é bom para procurar e experimentar o código que você não deseja salvar em seu script.

No console, o prompt > aparece um símbolo maior que. Se o seu prompt começar a parecer um símbolo + por engano, basta clicar no console e pressionar a tecla esc no teclado quantas vezes forem necessárias para retornar ao prompt.

R usa + quando o código é dividido em várias linhas e R ainda espera mais código. Uma linha de código geralmente não termina até que R encontre um parâmetro ou pontuação de parada apropriado que conclua algum código, como parêntese fechado fechado ), colchete ], colchete } ou aspas `.

Painel superior direito (ambiente global)

Os dados são salvos na memória de R como objetos. Os objetos são simplesmente espaços reservados para um valor, expressão matemática, palavra, função ou conjunto de dados! A guia “Ambiente” global no painel superior direito exibe as variáveis que você atribuiu / salvou.

Painel inferior direito (arquivos, plotagens, pacotes e ajuda)

Aqui você encontra guias úteis para navegar no sistema de arquivos, exibir gráficos, instalar pacotes e visualizar páginas de ajuda. Pressione a tecla control e um número (1 a 9) no teclado para atalho entre esses painéis e guias.

Instalando um pacote no R

Existem vários pacotes que são fornecidos com a distribuição R. Eles são conhecidos como pacotes básicos. Porém, há pacotes criados por desenvolvedores que precisamos instalar e ativar no R.

Pacotes são coleções de funções em R, dados e códigos compilados juntamente. Os passos para instalar e ativar um pacote são os seguintes.

Instalar o pacote – somente uma vez.
Ativar o pacote
Have fun!

# Instalando um pacote.

install.packages("ggplot2")
install.packages("tidyverse")

# Activando the package
library("ggplot2")
library("tidyverse")

Comandos Básicos em R

Atribuindo um objeto

Em termos simples, um “objeto” é um texto que representa um valor específico. Os nomes dos objetos podem conter apenas letras, números, ou sublinhados e pointos.

# Objeto numérico
x <- 3

# objeto de texto

my_name <- "Tiago"

# Onde estão?
ls()

[1] "my_name" "x"

# Remova um objeto
rm(x)

# Checando de novo
ls()

[1] "my_name"

# Você pode reescrevê-los.

my_name <- "Tiago Da Silva Ventura"

my_name

[1] "Tiago Da Silva Ventura"

Estrutura dos Dados.

Um objeto pode ter diferente estruturas. Vamos vê-las rapidamente.

vector
matrix
data.frame
list
array

Vector

# vetor de números
X <- c(1, 2.3, 4, 5, 6.78, 6:10)
X

 [1]  1.00  2.30  4.00  5.00  6.78  6.00  7.00  8.00  9.00 10.00

# Class
class(X)

[1] "numeric"

Data Frame

O tipo de objeto mais útil para análise de dados. É como uma planilha de excel no seu ambiente R.

# Coercing
as.data.frame(X)

# Create a data frame

data <- data.frame(name = "Tiago", last_name = "ventura", school = "UMD", age = 30)

data

   name last_name school age
1 Tiago   ventura    UMD  30

Matrix

Igual ao data frame, porém comporta somente um tipo de dado.

# Coerce to a matrix
as.matrix(X)

       [,1]
 [1,]  1.00
 [2,]  2.30
 [3,]  4.00
 [4,]  5.00
 [5,]  6.78
 [6,]  6.00
 [7,]  7.00
 [8,]  8.00
 [9,]  9.00
[10,] 10.00

List

A lista é extremamente útil para aplicações mais avançadas. Funciona como um repositório de vários objetos. É como uma grande gaveta onde você pode salvar sua bagunça.

# coerce to a list

as.list(X)

[[1]]
[1] 1

[[2]]
[1] 2.3

[[3]]
[1] 4

[[4]]
[1] 5

[[5]]
[1] 6.78

[[6]]
[1] 6

[[7]]
[1] 7

[[8]]
[1] 8

[[9]]
[1] 9

[[10]]
[1] 10

# or

list <- list(X, data)

# See the list

str(list)

List of 2
 $ : num [1:10] 1 2.3 4 5 6.78 6 7 8 9 10
 $ :'data.frame':   1 obs. of  4 variables:
  ..$ name     : Factor w/ 1 level "Tiago": 1
  ..$ last_name: Factor w/ 1 level "ventura": 1
  ..$ school   : Factor w/ 1 level "UMD": 1
  ..$ age      : num 30

Working Directory

Definir sua estação de trabalho é um passo que sempre causa muita dor de cabeça à iniciantes em R. É simples, porém, como somos treinados com o point-and-click do windows, no começo pode parecer difícil.

O R não sabe intuitivamente onde estão seus dados. Se os dados estiverem em uma pasta especial chamada “pesquisa super secreta”, temos que dizer ao R como chegar lá.

Podemos fazer isso de duas maneiras:

1. Defina o diretório de trabalho para essa pasta
1. Estabeleça o caminho para essa pasta

Toda vez que o R é inicializado, ele olha para o mesmo lugar, a menos que seja solicitado a ir para outro lugar.

getwd()  # Obter o diretório de trabalho atual

[1] "C:/Users/Tiago Ventura/Dropbox/webscraping_workshop_ufpa/html/dia_00"

Definindo um novo diretório de trabalho

# adicione onde você quer o R olhando.

setwd("C:/Users/Tiago Ventura/Dropbox/webscraping_workshop_ufpa/html/dia_00")

Manipulação de dados com o Tidyverse

O tidyverse nada mais é do que um conjunto de pacotes R construídos para nos ajudar a fazer ciência de dados. Todos os pacotes compartilham a mesma filosofia de design, gramática e estruturas de dados subjacentes. Portanto, se você aprender um, os outros pacotes ficarão mais fáceis. Os principais pacotes do tidyverse são:

dplyr: para manipulação de dados
ggplot2: para visualização de dados
tidyr: para modelagem e gerenciamento de dados
purrr: para otimizar seu código e para programação funcional
readr: para abrir e organizar os dados

Nessa curta introdução, abordaremos principalmente o belo mundo do gerenciamento de dados usando dplyr.

Por que devo usar os pacotes tidyverse?

As principais vantagens:

Mais fácil de executar análise de dados em comparação com a base R
Aument substancialmente quão legível seu código parece.
Integra bem com uma série de outros pacotes.
Programadores mais avançados usam, portanto, provavelmente você precisa aprender para ler códigos no futuro.

Instalação

# Install from CRAN
install.packages("tidyverse")

# Or the development version from GitHub install.packages('devtools')

devtools::install_github("hadley/tidyverse")

library(tidyverse)

O pipe

Todos os pacotes no tidyverse dependem do uso da função pipe %>% do pacote magritt. O pipe é seu amigo, lembre-se disso, portanto vamos aprender a usá-lo.

A idéia por trás do pipe é bastante simples: você coloca as coisas umas em seguida das outras. O objetivo é evitar como o R lê códigos de dentro para fora.

A lógica com pipe: primeiro o objeto, depois as funções e, em seguida, uma sequência de funções. O pipe torna possível encadear facilmente uma sequência de funções

# Exemplo 1

# R

round(exp(diff(log(runif(100, 0, 1)))), 1)

# Com pipe

runif(100, 0, 1) %>% log() %>% diff() %>% exp() %>% round(., 1)  # or round(1)

# OBSERVAÇÃO AQUI: se for uma função do tidyverse, os dados serão sempre o
# primeiro argumento, portanto, não é necessário adicionar o período. Se não
# for, você deve adicionar o período no argumento de dados

# data %>% function_tidyverse() %>% lm( y~x, data=. )

mtcars %>% lm(mpg ~ cyl, data = .) %>% coef()

(Intercept)         cyl 
   37.88458    -2.87579

# Exampl2 2: Graph

plot(density(rnorm(1000, 0, 1)))

# With pipe

rnorm(1000, 0, 1) %>% density() %>% plot()

Dplyr para Manipulação de Dados.

O dplyr é o pacote tidyverse mais famoso. Ele lida com gerenciamento de dados. É o meu pacote favorito em todo o mundo R. Comecei a trabalhar com o dplyr dois anos depois de aprender R, e isso realmente facilitou minha vida.

Acessando dados. Bonus: electionsBR

O primeiro passo em todas as análises é abrir seu banco de dados. Aqui, como um bonus, vamos utilizar dados eleitorais acessados via electionsBR. A documentação para este pacote está aqui. O electionsBRé um exemplo fenômenal das vantagens de utilizar R. É um pacote de R que agregar várias funções para acessar facilmente dados eleitorais disponíveis no TSE.

Um dos criadores do pacote, Fernando Meirelese, escreveu um tutorial super útil para o pacote. Vocês podem visitar.

Vamos baixar a votaçao por partidos no Pará, agregados por zonas eleitorais.

# install.packages('electionsBR')
library(electionsBR)
library(kableExtra)

# Importando dados
d <- party_mun_zone_fed(2014, uf = "PA")

# O que sao os dados?
glimpse(d)

Observations: 11,961
Variables: 22
$ DATA_GERACAO        <chr> "17/05/2018", "17/05/2018", "17/05/2018", ...
$ HORA_GERACAO        <drtn> 04:15:39, 04:15:39, 04:15:39, 04:15:39, 0...
$ ANO_ELEICAO         <dbl> 2014, 2014, 2014, 2014, 2014, 2014, 2014, ...
$ NUM_TURNO           <dbl> 1, 1, 2, 2, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1, ...
$ DESCRICAO_ELEICAO   <chr> "Eleições Gerais 2014", "Eleições Gerais 2...
$ SIGLA_UF            <chr> "PA", "PA", "PA", "PA", "PA", "PA", "PA", ...
$ SIGLA_UE            <chr> "PA", "PA", "PA", "PA", "PA", "PA", "PA", ...
$ CODIGO_MUNICIPIO    <chr> "04057", "04340", "04316", "05274", "04600...
$ NOME_MUNICIPIO      <chr> "AFUÁ", "AURORA DO PARÁ", "BONITO", "SANTA...
$ NUMERO_ZONA         <dbl> 16, 49, 11, 2, 23, 57, 57, 62, 86, 34, 74,...
$ CODIGO_CARGO        <dbl> 7, 7, 3, 3, 3, 5, 6, 6, 6, 6, 6, 6, 6, 6, ...
$ DESCRICAO_CARGO     <chr> "Deputado Estadual", "Deputado Estadual", ...
$ TIPO_LEGENDA        <chr> "C", "C", "C", "C", "C", "P", "C", "C", "C...
$ NOME_COLIGACAO      <chr> "AQUI O PARÁ TEM CHANCE", "PDT, PPL, PTN E...
$ COMPOSICAO_LEGENDA  <chr> "PTC / PT do B", "PDT / PPL / PTN / PSL", ...
$ SIGLA_PARTIDO       <chr> "PTC", "PPL", "PSDB", "PSDB", "PSDB", "PST...
$ NUMERO_PARTIDO      <dbl> 36, 54, 45, 45, 45, 16, 10, 11, 14, 16, 25...
$ NOME_PARTIDO        <chr> "Partido Trabalhista Cristão", "Partido Pá...
$ QTDE_VOTOS_NOMINAIS <dbl> 91, 179, 4612, 1113, 3092, 3, 25, 4, 736, ...
$ QTDE_VOTOS_LEGENDA  <dbl> 4, 11, 0, 0, 0, 0, 4, 29, 27, 8, 20, 6, 19...
$ TRANSITO            <chr> "N", "N", "N", "N", "N", "N", "N", "N", "N...
$ SEQUENCIAL_LEGENDA  <dbl> 1.4e+11, 1.4e+11, 1.4e+11, 1.4e+11, 1.4e+1...

Funções

As mais úteis

select(): select colunas
mutate(): cria novas variáveis e altera existentes
filter(): filtra o banco de dados
summarize(): sumariza os dados
group_by(): agrupa e faz análise de acordo com as variáveis.
slice(): seleciona linhas específicas

Some others

count(): coonta dos dados por subgroup.
arrange(): ordena o banco de dados por colunas
distinct(): elimina repetições
n(): conta quantas observações há em dados agrupados.
sample_n(): Selecion N amostras do seu banco de dadosl
glimpse(): Fornece um sumário dos seus dados. quickly preview the data
top_n(): Seleciona por linhas de acordo com o rank das variáveis.

Select

# Dplyr

d <- d %>% select(CODIGO_CARGO, NOME_COLIGACAO, SIGLA_PARTIDO, NOME_MUNICIPIO, 
    QTDE_VOTOS_NOMINAIS, QTDE_VOTOS_LEGENDA)



# Se voce nao quiser usar o pipe

select(d, CODIGO_CARGO, NOME_COLIGACAO, SIGLA_PARTIDO, NOME_MUNICIPIO, QTDE_VOTOS_NOMINAIS, 
    QTDE_VOTOS_LEGENDA)

# A tibble: 11,961 x 6
   CODIGO_CARGO NOME_COLIGACAO SIGLA_PARTIDO NOME_MUNICIPIO
          <dbl> <chr>          <chr>         <chr>         
 1            7 AQUI O PARÁ T~ PTC           AFUÁ          
 2            7 PDT, PPL, PTN~ PPL           AURORA DO PARÁ
 3            3 JUNTOS COM O ~ PSDB          BONITO        
 4            3 JUNTOS COM O ~ PSDB          SANTA CRUZ DO~
 5            3 JUNTOS COM O ~ PSDB          NOVA IPIXUNA  
 6            5 PARTIDO ISOLA~ PSTU          SÃO DOMINGOS ~
 7            6 A FORÇA DA NO~ PRB           BREJO GRANDE ~
 8            6 UNIÃO PELO PA~ PP            PIÇARRA       
 9            6 UNIÃO PELO PA~ PTB           CURRALINHO    
10            6 FRENTE DE ESQ~ PSTU          ITAITUBA      
# ... with 11,951 more rows, and 2 more variables:
#   QTDE_VOTOS_NOMINAIS <dbl>, QTDE_VOTOS_LEGENDA <dbl>

# Retirar Coluna
d %>% select(-CODIGO_CARGO)

# A tibble: 11,961 x 5
   NOME_COLIGACAO SIGLA_PARTIDO NOME_MUNICIPIO QTDE_VOTOS_NOMI~
   <chr>          <chr>         <chr>                     <dbl>
 1 AQUI O PARÁ T~ PTC           AFUÁ                         91
 2 PDT, PPL, PTN~ PPL           AURORA DO PARÁ              179
 3 JUNTOS COM O ~ PSDB          BONITO                     4612
 4 JUNTOS COM O ~ PSDB          SANTA CRUZ DO~             1113
 5 JUNTOS COM O ~ PSDB          NOVA IPIXUNA               3092
 6 PARTIDO ISOLA~ PSTU          SÃO DOMINGOS ~                3
 7 A FORÇA DA NO~ PRB           BREJO GRANDE ~               25
 8 UNIÃO PELO PA~ PP            PIÇARRA                       4
 9 UNIÃO PELO PA~ PTB           CURRALINHO                  736
10 FRENTE DE ESQ~ PSTU          ITAITUBA                      9
# ... with 11,951 more rows, and 1 more variable: QTDE_VOTOS_LEGENDA <dbl>

Filter.

# Somente o PT

d %>% filter(SIGLA_PARTIDO == "PT")

# A tibble: 474 x 6
   CODIGO_CARGO NOME_COLIGACAO SIGLA_PARTIDO NOME_MUNICIPIO
          <dbl> <chr>          <chr>         <chr>         
 1            5 TODOS PELO PA~ PT            TRAIRÃO       
 2            6 TODOS PELO PA~ PT            CONCEIÇÃO DO ~
 3            7 TODOS PELO PA~ PT            NOVA ESPERANÇ~
 4            5 TODOS PELO PA~ PT            OURILÂNDIA DO~
 5            7 TODOS PELO PA~ PT            OURÉM         
 6            5 TODOS PELO PA~ PT            BAGRE         
 7            5 TODOS PELO PA~ PT            SALINÓPOLIS   
 8            6 TODOS PELO PA~ PT            BARCARENA     
 9            6 TODOS PELO PA~ PT            BELÉM         
10            7 TODOS PELO PA~ PT            INHANGAPI     
# ... with 464 more rows, and 2 more variables: QTDE_VOTOS_NOMINAIS <dbl>,
#   QTDE_VOTOS_LEGENDA <dbl>

# Duas condicoes

d %>% filter(SIGLA_PARTIDO == "PT", NOME_MUNICIPIO == "BELÉM")

# A tibble: 33 x 6
   CODIGO_CARGO NOME_COLIGACAO SIGLA_PARTIDO NOME_MUNICIPIO
          <dbl> <chr>          <chr>         <chr>         
 1            6 TODOS PELO PA~ PT            BELÉM         
 2            6 TODOS PELO PA~ PT            BELÉM         
 3            7 TODOS PELO PA~ PT            BELÉM         
 4            7 TODOS PELO PA~ PT            BELÉM         
 5            6 TODOS PELO PA~ PT            BELÉM         
 6            6 TODOS PELO PA~ PT            BELÉM         
 7            5 TODOS PELO PA~ PT            BELÉM         
 8            7 TODOS PELO PA~ PT            BELÉM         
 9            7 TODOS PELO PA~ PT            BELÉM         
10            6 TODOS PELO PA~ PT            BELÉM         
# ... with 23 more rows, and 2 more variables: QTDE_VOTOS_NOMINAIS <dbl>,
#   QTDE_VOTOS_LEGENDA <dbl>

Mutate: Criar novas variáveis

# Razão entre a quantidade de votos de legenda e nominais para deputado
# federal

# Primeiro, limite a deputados federais.

d <- d %>% filter(CODIGO_CARGO == 6)

d %>% mutate(razaovotos = QTDE_VOTOS_LEGENDA/(QTDE_VOTOS_NOMINAIS + QTDE_VOTOS_LEGENDA)) %>% 
    select(razaovotos, SIGLA_PARTIDO, NOME_MUNICIPIO)

# A tibble: 4,740 x 3
   razaovotos SIGLA_PARTIDO NOME_MUNICIPIO          
        <dbl> <chr>         <chr>                   
 1     0.138  PRB           BREJO GRANDE DO ARAGUAIA
 2     0.879  PP            PIÇARRA                 
 3     0.0354 PTB           CURRALINHO              
 4     0.471  PSTU          ITAITUBA                
 5     0.0170 DEM           TUCUMÃ                  
 6     1      PRP           BAIÃO                   
 7     0.463  PRP           NOVO REPARTIMENTO       
 8     0.109  PRB           ALMEIRIM                
 9     0.0222 PRB           BELTERRA                
10     0.119  PDT           BELÉM                   
# ... with 4,730 more rows

Arrange: para ordernar

# What was the largest difference in gols?

d %>% mutate(razaovotos = QTDE_VOTOS_LEGENDA/(QTDE_VOTOS_NOMINAIS + QTDE_VOTOS_LEGENDA)) %>% 
    select(razaovotos, SIGLA_PARTIDO, NOME_MUNICIPIO) %>% arrange(desc(razaovotos))

# A tibble: 4,740 x 3
   razaovotos SIGLA_PARTIDO NOME_MUNICIPIO         
        <dbl> <chr>         <chr>                  
 1          1 PRP           BAIÃO                  
 2          1 PMN           SANTA LUZIA DO PARÁ    
 3          1 PTN           TUCUMÃ                 
 4          1 PTC           XINGUARA               
 5          1 PPL           DOM ELISEU             
 6          1 PRP           OURÉM                  
 7          1 PTN           PRIMAVERA              
 8          1 PT do B       PIÇARRA                
 9          1 PTN           SÃO CAETANO DE ODIVELAS
10          1 PRP           MARACANÃ               
# ... with 4,730 more rows

# Elimine 1. Sao partidos que receberam somente votos de legenda

d %>% mutate(razaovotos = QTDE_VOTOS_LEGENDA/(QTDE_VOTOS_NOMINAIS + QTDE_VOTOS_LEGENDA)) %>% 
    select(razaovotos, SIGLA_PARTIDO, NOME_MUNICIPIO) %>% arrange(desc(razaovotos)) %>% 
    filter(razaovotos != 1)

# A tibble: 3,901 x 3
   razaovotos SIGLA_PARTIDO NOME_MUNICIPIO         
        <dbl> <chr>         <chr>                  
 1      0.978 PRP           FLORESTA DO ARAGUAIA   
 2      0.974 PPL           NOVA ESPERANÇA DO PIRIÁ
 3      0.974 PHS           PARAGOMINAS            
 4      0.974 PRP           CAPITÃO POÇO           
 5      0.972 PRP           TUCUMÃ                 
 6      0.971 PRP           TUCURUÍ                
 7      0.967 PHS           MARABÁ                 
 8      0.964 PHS           DOM ELISEU             
 9      0.963 PRP           VISEU                  
10      0.961 PHS           SANTARÉM               
# ... with 3,891 more rows

Vamos agora extrair algo mais interessante desses dados, e combinar algumas operacoes. Vamos ver a distribuição para votos de legenda para os maiores partidos do Brasil.

d_new <- d %>% 
# Repetimos o que fizemos
mutate(razaovotos = QTDE_VOTOS_LEGENDA/(QTDE_VOTOS_NOMINAIS + QTDE_VOTOS_LEGENDA)) %>% 
    
select(razaovotos, SIGLA_PARTIDO, NOME_MUNICIPIO) %>% 
filter(razaovotos != 1) %>% 
# Vamos filtrar pelos 5 maiores partidos

filter(SIGLA_PARTIDO %in% c("PT", "PSDB", "PSB", "DEM", "PP"))


# Grafico
ggplot(d_new, aes(y = razaovotos, x = SIGLA_PARTIDO, fill = SIGLA_PARTIDO)) + 
    
geom_boxplot(alpha = 0.5) + 
xlab("Sigla Partido") + 
ylab("Votos de Legenda / Votos Total ")

Slice: Para Selecionar Linhas

# Mais votos do PSL

d %>% arrange(desc(QTDE_VOTOS_NOMINAIS)) %>% filter(SIGLA_PARTIDO == "PSL") %>% 
    slice(1:5)

# A tibble: 5 x 6
  CODIGO_CARGO NOME_COLIGACAO SIGLA_PARTIDO NOME_MUNICIPIO QTDE_VOTOS_NOMI~
         <dbl> <chr>          <chr>         <chr>                     <dbl>
1            6 DEFENDENDO O ~ PSL           BARCARENA                  2025
2            6 DEFENDENDO O ~ PSL           NOVO REPARTIM~             1241
3            6 DEFENDENDO O ~ PSL           BELÉM                       678
4            6 DEFENDENDO O ~ PSL           BELÉM                       563
5            6 DEFENDENDO O ~ PSL           ANANINDEUA                  437
# ... with 1 more variable: QTDE_VOTOS_LEGENDA <dbl>

View(d)

Group by + sumarize : Agregar por grupos e calcular valores

Primeiro: Use group_by para agregar
Segundo: Use summarize para calcular algo do seu interesse
Terceiro: Use ungroup para desagrupar

Summarize: Transforma várias linhas em uma.

Exemplos de operações dentro de summarize

min(x) - minimo de x.
max(x) - máximo de x.
mean(x) - média de x.
median(x) - mediana de x.
quantile(x, p) - quantile de x.
sd(x) - desvio padrão de x.
var(x) - variancia de x.

# Média e total dos votos por Partido no Estado

d %>% 
group_by(SIGLA_PARTIDO) %>% 
summarise(media_votos = mean(QTDE_VOTOS_NOMINAIS, na.rm = TRUE), total_votos = sum(QTDE_VOTOS_NOMINAIS, 
    na.rm = TRUE)) %>% ungroup()

# A tibble: 30 x 3
   SIGLA_PARTIDO media_votos total_votos
   <chr>               <dbl>       <dbl>
 1 DEM                1462.       230925
 2 PC do B             117.        18474
 3 PCB                 NaN             0
 4 PDT                 751.       118667
 5 PEN                  41.6        6575
 6 PHS                  19.1        3012
 7 PMDB               2766.       437085
 8 PMN                  46.1        7280
 9 PP                  398.        62849
10 PPL                  20.7        3270
# ... with 20 more rows

# Principal Munícipio dos 5 maiores partidos

d %>% 
group_by(SIGLA_PARTIDO, NOME_MUNICIPIO) %>% 
summarise(total_votos = sum(QTDE_VOTOS_NOMINAIS, na.rm = TRUE)) %>% 
filter(SIGLA_PARTIDO %in% c("DEM", "PT", "PSDB", "PP", "PSB")) %>% 
top_n(1)

# A tibble: 5 x 3
# Groups:   SIGLA_PARTIDO [5]
  SIGLA_PARTIDO NOME_MUNICIPIO total_votos
  <chr>         <chr>                <dbl>
1 DEM           SANTARÉM             41413
2 PP            BELÉM                11667
3 PSB           SANTARÉM             14137
4 PSDB          BELÉM                38715
5 PT            BELÉM                38431

Outras funções úteis

Glimpse: Ver seu banco

glimpse(d)

Observations: 4,740
Variables: 6
$ CODIGO_CARGO        <dbl> 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, ...
$ NOME_COLIGACAO      <chr> "A FORÇA DA NOSSA GENTE", "UNIÃO PELO PARÁ...
$ SIGLA_PARTIDO       <chr> "PRB", "PP", "PTB", "PSTU", "DEM", "PRP", ...
$ NOME_MUNICIPIO      <chr> "BREJO GRANDE DO ARAGUAIA", "PIÇARRA", "CU...
$ QTDE_VOTOS_NOMINAIS <dbl> 25, 4, 736, 9, 1155, 0, 22, 163, 44, 349, ...
$ QTDE_VOTOS_LEGENDA  <dbl> 4, 29, 27, 8, 20, 6, 19, 20, 1, 47, 6, 1, ...

Count: Contar casos agrupoados

# Número de Zonais que os partidos receberam votos

d %>% 
# exclue zero

filter(QTDE_VOTOS_NOMINAIS > 0) %>% 
# Contando

count(SIGLA_PARTIDO)

# A tibble: 28 x 2
   SIGLA_PARTIDO     n
   <chr>         <int>
 1 DEM             158
 2 PC do B         143
 3 PDT             158
 4 PEN             132
 5 PHS              84
 6 PMDB            158
 7 PMN             124
 8 PP              157
 9 PPL             100
10 PPS             154
# ... with 18 more rows

# Nice graph


d_for_the_graph <- d %>% 
# exclue zero

filter(QTDE_VOTOS_NOMINAIS > 0) %>% 
# Contando

count(SIGLA_PARTIDO, name = "VotoNominal")

d_for_the_graph2 <- d %>% 
# exclue zero

filter(QTDE_VOTOS_LEGENDA > 0) %>% 
# Contando

count(SIGLA_PARTIDO, name = "VotoLegenda")


# Ligar os dois data frames

d_for_graph <- left_join(d_for_the_graph, d_for_the_graph2)

library(ggrepel)
ggplot(d_for_graph, aes(y = VotoNominal, x = VotoLegenda, label = SIGLA_PARTIDO)) + 
    geom_point() + geom_label_repel() + geom_segment(aes(y = 80, yend = 160, 
    x = 80, xend = 160))

Finalizamos aqui nossa introdução ao R. Como disse no início, há mais material de introdução disponível no website deste workshop. A curva de aprendizado inicial do R é forte, e você pode pensar em desistir muitas vezes. Porém, com um pouco de persistências, e programando um pouquinho todo dia, é possível dominar completamente a linguagem.

Introdução Rápida ao R