Commands in R: Os principais comandos R

Commands in R, ou comandos R, são a base da análise de dados e da modelagem estatística no ambiente R. Eles fornecem a flexibilidade e as ferramentas necessárias para a leitura de dados, a identificação de padrões e a tomada de decisões bem fundamentadas.

O que são commands in R?

Commands in R são instruções da linguagem de programação R que orientam a execução de determinadas tarefas ou iniciam ações no ambiente R. Eles possibilitam: análise de dados, realização de cálculos estatísticos e criação de visualizações. Insira um command R em uma linha de comando R ou em um script R, para que ele possa ser executado. Entretanto, antes de começar, aprenda a distinguir um comando R de uma função R.

Funções R são blocos de código definidos e nomeados em R, que desempenham tarefas específicas. Elas também podem englobar operadores R e dados R para aceitar argumentos ou retornar valores. Em resumo, funções R são capazes de armazenar, processar e retornar elementos associados a diferentes tipos de dados R.

R commands list com os principais commands in R

A lista abaixo, comumente chamada de R commands list, apresenta os comandos R mais utilizados, assim como as respectivas áreas de aplicação na programação R. Escolha e faça uso dos comandos R em destaque, de acordo com as necessidades dos seus projetos.

Manipulação e processamento de dados

• read.csv(): Lê dados de um arquivo CSV
• data.frame(): Cria um framework de dados
• subset(): Filtra dados de acordo com as condições especificadas
• merge(): Mescla dados de diferentes data frames
• aggregate(): Agrega dados com base em critérios especificados
• transform(): Cria novas variáveis em um data frame
• sort(): Classifica vetores e data frames
• unique(): Identifica valores únicos em um vetor ou coluna

Visualização de dados

• plot(): Cria gráficos de dispersão e outros tipos de gráficos básicos
• hist(): Cria histogramas
• barplot(): Cria gráficos de barras
• boxplot(): Cria diagramas de caixas
• ggplot2::ggplot(): Cria visualizações mais sofisticadas e personalizáveis com o pacote ggplot2

Análise estatística

• summary(): Gera um resumo dos dados, podendo incluir métricas estatísticas
• lm(): Desempenha regressões lineares
• t.test(): Desempenha testes t para testar hipóteses
• cor(): Calcula coeficientes de correlação entre variáveis
• anova(): Desempenha análises de variância (ANOVA)
• chi-sq.test(): Desempenha testes qui-quadrado

Processamento de dados

• ifelse(): Desempenha avaliações de condição e expressões condicionais
• apply(): Aplica uma função a matrizes ou a data frames
• dplyr::filter(): Filtra dados em data frames com o pacote dplyr
• dplyr::mutate(): Cria novas variáveis em data frames com o pacote dplyr
• lapply(), sapply(), mapply(): Aplica funções em listas ou vetores

Importação e exportação de dados

• readRDS(), saveRDS(): Lê e salva objetos de dados em R
• write.csv(), read.table(): Exporta e importa dados em diferentes formatos

Gráficos e tabelas estatísticas

• qqnorm(), qqline(): Cria diagramas quantil-quantil
• plot(), acf(): Exibe diagramas de autocorrelação
• density(): Exibe funções e histogramas de densidade
• heatmap(): Cria mapas de calor

Exemplos de commands in R

Os exemplos de códigos que apresentaremos a seguir ensinam como usar comandos R em diferentes situações e para diferentes finalidades. Você pode personalizar e ampliar um command R de acordo com os requisitos dos dados da sua análise.

Ler dados de um arquivo CSV

data <- read.csv("dados.csv")

O comando read.csv() é usado para ler dados em R a partir de um arquivo CSV. Ele é útil para importar dados externos no R e disponibilizá-los para análise. No nosso exemplo, os dados importados foram armazenados na variável data.

Criar gráfico de dispersão

plot(data$X, data$Y, main="Gráfico de dispersão")

Plot() é um command R usado para criar gráficos e tabelas em R. A título de exemplo, geramos um gráfico de dispersão que mostra a relação entre as variáveis X e Y do data frame data. O argumento main define o título do gráfico a ser elaborado.

Desempenhar regressão linear

regression_model <- lm(Y ~ X, data=data)

No exemplo acima, desempenhamos uma regressão linear para modelar a relação entre as variáveis X e Y do data frame data. O comando lm() é usado para calcular uma regressão linear em R. O resultado da regressão é armazenado na variável regression_model e pode ser usado em outras análises.

Filtrar dados com o pacote dplyr

filtered_data <- dplyr::filter(data, column > 10)

O comando dplyr::filter(), derivado do pacote dplyr, é usado para manipular dados — o pacotedplyrdisponibiliza poderosos recursos de filtragem de dados. Obtemos a variável filtered_data ao selecionarmos as linhas dodata frame data cujo valor, na coluna, é superior a 10.

Criar diagramas quantil-quantil

qqnorm(data$Variable)
qqline(data$Variable)

Você pode usar o comando qqnorm() para elabora um diagrama quantil-quantil em R. No exemplo acima, instruímos o desenho do diagrama quantil-quantil para a variável Variable, a partir de data. O comando qqline() adiciona uma linha de referência que compara a distribuição em questão com uma distribuição normal.

Se você está apenas começando a aprender sobre a linguagem de programação R, em algum momento se deparará com a mensagem de erro “r command not found”. Outras vezes, você se perguntará o que fazer se um command R não funcionar. Nestes casos, outros de nossos artigos podem lhe ajudar.

Enriqueça seus conhecimentos acessando nosso tutorial sobre programação em R. Nele, você encontrará dicas e informações básicas sobre essa linguagem. Para melhor explorar as possibilidades da programação, outro artigo do nosso Digital Guide dá dicas de como programar.