Laboratório de Econometria

Lab. 1 - Comandos básicos no `R`

Lab. 1

Antonio Vinícius Barbosa

19-08-2024

IDE

`RStudio`

O ambiente de desenvolvimento integrado (IDE) RStudio:

`VSCode`

O ambiente de desenvolvimento integrado (IDE) Positron:

`Positron`

O ambiente de desenvolvimento integrado (IDE) VSCode:

Como o `R` funciona?

R Básico

A forma mais simples de se utilizar o R é através de operações básicas:

2 + 2
## [1] 4
sqrt(81)
## [1] 9
pi
## [1] 3.141593
print("Olá, mundo!")
## [1] "Olá, mundo!"

Neste caso, o R executa a operação e retorna seu valor na tela.

Operações básicas

# Adicao
23 + 4
## [1] 27

# Subtracao
13 - 5
## [1] 8

# Multiplicao
9 * 7
## [1] 63

# Divisao
64/16
## [1] 4

# Exponeciacao
2^5
## [1] 32

# Raiz quadrada
sqrt(16)
## [1] 4

# Arredondar
round(pi, 2)
## [1] 3.14

# Logaritmo (base e)
log(10)
## [1] 2.302585

# Logaritmo (outras bases)
log(10, 10)
## [1] 1

O símbolo # é utilizado para adicionar comentários ao código.

Salvando valores em objetos

Uma atribuição salva o valor em um objeto (ou variável).
É, normalmente, feito através do operador especial <-
Além do operador <-, atribuições podem ser feitas através =

# Lados do triângulo 
a <- 3
b <- 4
# Obter o tamanho da hipotenusa
h = sqrt(a^2 + b^2)
h
## [1] 5

Gerenciando objetos

Para listar todos os objetos armazenados na memória, basta utilizar a função ls()

# Criar objetos
p <- pi
e <- exp(1)
r <- sqrt(2)

# Listar objetos
ls()
## [1] "e" "p" "r"

Para excluir ou remover um objeto, utilizamos a função rm()

rm(e)
ls()
## [1] "p" "r"

Quizz #1

Crie a variável renda_dom para armazenar o valor da renda total aproximada do seu domicílio.
Agora, atribua à variável n_pessoas o número de pessoas que moram no seu domicílio.
Calcule a renda domiciliar per capita e atribua à variável renda_pc.

03:00

Pacotes

Pacotes no `R`

Um pacote é um conjunto de funções que servem para uma dada finalidade. Cada pacote possui uma documentação própria explicando sua funcionalidade e exemplos de uso.

Pacotes no `R`

Para instalar um pacote específico no R, fazemos:

# Pacotes do repositorio oficial (CRAN)
install.packages("dplyr")
install.packages("remotes")

# Pacotes externos
remotes::install_github("https://github.com/ccolonescu/PoEdata")

Uma vez instalado, não é necessário reinstalar a cada uso. No entanto, para utilizar as funcionalidades de um pacote é necessário carregá-lo sempre que a sessão for iniciada:

library(PoEdata)
library(dplyr)

Vetores

Criando vetores

A construção de vetores (conjunto de valores) é feito através do operador c():

# Características dos participantes
idade <- c(19, 21, 23, 24, 25, 31, 33)
idade
## [1] 19 21 23 24 25 31 33

sexo <- c("M", "M", "F", "F", "M", "F", "M")
sexo
## [1] "M" "M" "F" "F" "M" "F" "M"

aluno_econ <- c(TRUE, FALSE, FALSE, TRUE, TRUE, T, F)
aluno_econ
## [1]  TRUE FALSE FALSE  TRUE  TRUE  TRUE FALSE

cra <- c(8.26, 7.18, 8.02, 7.33, 6.79, 9.45, 7.65)
cra
## [1] 8.26 7.18 8.02 7.33 6.79 9.45 7.65

Classes

Para determinar a classe de um vetor, utilizamos a função class()

class(idade)
## [1] "numeric"
class(sexo)
## [1] "character"
class(aluno_econ)
## [1] "logical"
class(cra)
## [1] "numeric"

As classes definem a forma de armazenamento na memória. Por exemplo, um vetor de números inteiros requer menos espaço de armazenamento do que os vetores numéricos.

Operação com vetores

Considere o vetor cra. Podemos fazer algumas operações básicas, tais como:

# Vetor 
cra <- c(8.26, 7.18, 8.02, 7.33, 6.79, 9.45, 7.65)

# Média de cra
mean(cra)
## [1] 7.811429

# Variância 
var(cra)
## [1] 0.771581

Operação com vetores

A função summary() apresenta um conjunto de estatísticas básicas sobre um vetor:

summary(cra)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   6.790   7.255   7.650   7.811   8.140   9.450

Para obter o tamanho de um vetor, utilizamos a função length():

length(cra)
## [1] 7

Operação com vetores

Outras operações com vetores:

# Valor mínimo  
min(cra) 
## [1] 6.79

# Valor máximo
max(cra)
## [1] 9.45

# Soma dos elementos 
sum(cra)
## [1] 54.68

# Soma acumulada dos elementos 
cumsum(cra)
## [1]  8.26 15.44 23.46 30.79 37.58 47.03 54.68

# Multiplicação por um escalar
2 * cra
## [1] 16.52 14.36 16.04 14.66 13.58 18.90 15.30

Operação com vetores

Outras operações básicas com vetores:

# Operações entre vetores 
a <- c(1, 2, 3, 4)
b <- c(4, 3, 2, 1)

a + b
## [1] 5 5 5 5

a - b
## [1] -3 -1  1  3

a * b
## [1] 4 6 6 4

Operação com vetores

Algumas destas operações não funcionam quando existem elementos faltantes (representados por NA)

valores_na <- c(21, 34, NA, 17, 25)
mean(valores_na)
## [1] NA
sd(valores_na)
## [1] NA

Neste caso, devemos remover os dados faltantes da seguinte forma:

mean(valores_na, na.rm = TRUE)
## [1] 24.25
sd(valores_na, na.rm = T)
## [1] 7.274384

Selecionando elementos no vetor

Para selecionar um ou mais elementos de um vetor, utilizamos o operador [ ]

# Vetor com informacoes de receita (em mil reais)
receita <- c(43.9, 45.4, 48.2, 51.8, 56.5)

# Selecionar o primeiro elemento
receita[1]
## [1] 43.9

# Selecionar uma sequência de elementos
receita[3:5]
## [1] 48.2 51.8 56.5

No R, o indexador dos elementos começa em 1.

Sequências

O R possui algumas funcionalidades para gerar sequências numéricas:

# Sequencias
1:7
## [1] 1 2 3 4 5 6 7

seq(from = 1, to = 10, by = 2)
## [1] 1 3 5 7 9

letters[1:8] 
## [1] "a" "b" "c" "d" "e" "f" "g" "h"

rep(2, times = 5)
## [1] 2 2 2 2 2

rep(c(6, 7), each = 3)
## [1] 6 6 6 7 7 7

Operações lógicas

O R possui dois valores lógicos, TRUE e FALSE. Os operadores de comparação entre dois objetos são:

== igual
!= diferente
< menor que
> maior que
<= menor ou igual que
>= maior ou igual que

Operações lógicas

# Operacoes logicas
4 >= 3
## [1] TRUE

"a" == "A"
## [1] FALSE

c(12, 4) != c(12, 5)
## [1] FALSE  TRUE

4 < pi
## [1] FALSE

Matrizes

Uma matriz é simplesmente uma estruturação de vetores em linhas e colunas:

# Matrizes
mt_a <- matrix(data = c(2, 1, 7, 2), 
               nrow = 2, 
               ncol = 2)
mt_a
##      [,1] [,2]
## [1,]    2    7
## [2,]    1    2

mt_b <- matrix(1:6, 3, 2, byrow = TRUE)
mt_b
##      [,1] [,2]
## [1,]    1    2
## [2,]    3    4
## [3,]    5    6

Matrizes

Os elementos de uma matriz podem ser selecionado pelo operador [i,j], com i representando linhas e j representando colunas:

mt_a[1,2]
## [1] 7

mt_b[3,2]
## [1] 6

mt_a[1, ]
## [1] 2 7

mt_b[ ,2]
## [1] 2 4 6

Operações com matrizes

Podemos realizar operações básicas com matrizes

# Produto
mt_b %*%  mt_a
##      [,1] [,2]
## [1,]    4   11
## [2,]   10   29
## [3,]   16   47

# Determinante
det(mt_a)
## [1] -3

# Matriz inversa
solve(mt_a)
##            [,1]       [,2]
## [1,] -0.6666667  2.3333333
## [2,]  0.3333333 -0.6666667

Data frames

Um data frame é uma das estruturas mais importantes para armazanamento de dados. Equivale, de certa forma, às planilhas eletrônicas com linhas e colunas.

Um data frame é um conjunto de vetores de mesmo tamanho;
Cada linha representa informações para uma única unidade de observação
Cada coluna representa uma característica observada das unidades;
Elementos da mesma coluna devem ser do mesma classe.

Data frames

É possível criar, carregar (dados dos pacotes) ou ler arquivos diretamente no R. Para criar um data frame, fazemos:

alunos_ufpb <- data.frame(
  aluno = c("José", "Maria", "Pedro", "Carla", "Isabel"),
  economia = c(1, 0, 0, 1, 1),
  periodo = c(3, 4, 7, 2, 3),
  cra = c(7.34, 8.45, 8.05, 7.98, 9.03)
  )

alunos_ufpb
##    aluno economia periodo  cra
## 1   José        1       3 7.34
## 2  Maria        0       4 8.45
## 3  Pedro        0       7 8.05
## 4  Carla        1       2 7.98
## 5 Isabel        1       3 9.03

Data frames

Para carregar dados dos pacotes, fazemos:

#install.packages("dados")
head(dados::dados_gapminder)
## # A tibble: 6 × 6
##   pais        continente   ano expectativa_de_vida populacao pib_per_capita
##   <fct>       <fct>      <int>               <dbl>     <int>          <dbl>
## 1 Afeganistão Ásia        1952                28.8   8425333           779.
## 2 Afeganistão Ásia        1957                30.3   9240934           821.
## 3 Afeganistão Ásia        1962                32.0  10267083           853.
## 4 Afeganistão Ásia        1967                34.0  11537966           836.
## 5 Afeganistão Ásia        1972                36.1  13079460           740.
## 6 Afeganistão Ásia        1977                38.4  14880372           786.

Data frames

Algumas características dos dados:

# Estrutura dos dados
str(dados::dados_gapminder)
## tibble [1,704 × 6] (S3: tbl_df/tbl/data.frame)
##  $ pais               : Factor w/ 142 levels "Afeganistão",..: 1 1 1 1 1 1 1 1 1 1 ...
##  $ continente         : Factor w/ 5 levels "África","Américas",..: 3 3 3 3 3 3 3 3 3 3 ...
##  $ ano                : int [1:1704] 1952 1957 1962 1967 1972 1977 1982 1987 1992 1997 ...
##  $ expectativa_de_vida: num [1:1704] 28.8 30.3 32 34 36.1 ...
##  $ populacao          : int [1:1704] 8425333 9240934 10267083 11537966 13079460 14880372 12881816 13867957 16317921 22227415 ...
##  $ pib_per_capita     : num [1:1704] 779 821 853 836 740 ...

# Listar variaveis
names(dados::dados_gapminder)
## [1] "pais"                "continente"          "ano"                
## [4] "expectativa_de_vida" "populacao"           "pib_per_capita"

Laboratório de Econometria

Lab. 1 - Comandos básicos no R

Lab. 1

Antonio Vinícius Barbosa

19-08-2024

IDE

RStudio

VSCode

Positron

Como o R funciona?

R Básico

Operações básicas

Salvando valores em objetos

Gerenciando objetos

Quizz #1

Pacotes

Pacotes no R

Pacotes no R

Vetores

Criando vetores

Classes

Operação com vetores

Operação com vetores

Operação com vetores

Operação com vetores

Operação com vetores

Selecionando elementos no vetor

Sequências

Operações lógicas

Operações lógicas

Matrizes

Matrizes

Matrizes

Operações com matrizes

Data frames

Data frames

Data frames

Data frames

Data frames

Lab. 1 - Comandos básicos no `R`

`RStudio`

`VSCode`

`Positron`

Como o `R` funciona?

Pacotes no `R`

Pacotes no `R`