chesteR

R e Rstudio

© Gabriel de Freitas Pereira.

chesteR - reunião 08

Listas, tabelas e funções apply

Listas

As listas são um tipo de classe existente no R. O qual permite organizarmos os dados da seguinte maneira:

lista <- list(itens_limpeza = c("detergente", "amaciante", "sabão em pó"),
              itens_alimentacao =  c("alface", "soja", "pepino"),
              itens_farmacia = c("alfabisabolol", "predicim", "rivotril"))

lista

$itens_limpeza

[1] "detergente" "amaciante" "sabão em pó"

$itens_alimentacao

[1] "alface" "soja" "pepino"

$itens_farmacia

[1] "alfabisabolol" "predicim" "rivotril"

Tabelas

As tabelas são um outro tipo de classe existente no R. Essa classe é denominada de data.frame. Um exemplo foi construído abaixo:

tabela <- data.frame(itens_limpeza = c("detergente", "amaciante", "sabão em pó"),
                     itens_alimentacao =  c("alface", "soja", "pepino"),
                     itens_farmacia = c("alfabisabolol", "predicim", "rivotril"))
View(tabela)

Obs.: Esses tópicos são continuamente abordados durante os encontros, e considerações serão feitas com o surgimento de novos manejos necessários...

A partir disso, como comentado em outros encontros, o R possui tabelas nativamente disponíveis. E para visualizar quais são elas, utilizamos o seguinte comando:

data()

Sendo assim, iremos utilizar 1 dessas tabelas, que é a iris, bastante comum na comunidade R. Essa tabela (data.frame) apresenta dados referentes a 3 espécies de plantas e algumas de suas características. Portanto, visando facilitar o entendimento, atribuí um novo nome para essa tabela:

dados_plantas <- iris
class(dados_plantas)

[1] "data.frame"

Visualizando esse data.frame:

View(dados_plantas)

Família de funções apply

apply - retorna um vetor, através de um método que foge dos loops convencionais em programação, os quais serão discutidos futuramente...

Através dessa função é possível obtermos a média por colunas dos dados que estamos investigando, de forma rápida e simples:

apply(X = dados_plantas[,1:4], MARGIN = 2, FUN = mean)

Sepal.Length Sepal.Width Petal.Length Petal.Width

5.843333       3.057333       3.758000       1.199333

O primeiro argumento da função X determina quais dados serão usados, nesse caso selecionamos apenas as colunas numéricas dos dados das plantas para fazermos a média, as colunas numéricas vão de 1 até 4 como foi possível observar acima através da visualização do nosso data.frame. Por isso dados_plantas[,1:4] seleciona todas as linhas da tabela (especificação antes da vírgula) e as colunas de 1 até 4 (especificação depois da vírgula). Já o segundo argumento da função MARGIN pode ser igual a 2 quando queremos fazer a conta por colunas, ou 1 quando queremos fazer a operação por linhas. E por final o argumento FUN representa a função que será usada (nesse caso a função mean).

Exemplo da média por linhas:

apply(X = dados_plantas[,1:4], MARGIN = 1, FUN = mean)

[1] 2.550 2.375 2.350 2.350 2.550 2.850 2.425 2.525 2.225 2.400 2.700 2.500

[13] 2.325 2.125 2.800 3.000 2.750 2.575 2.875 2.675 2.675 2.675 2.350 2.650

[25] 2.575 2.450 2.600 2.600 2.550 2.425 2.425 2.675 2.725 2.825 2.425 2.400

[37] 2.625 2.500 2.225 2.550 2.525 2.100 2.275 2.675 2.800 2.375 2.675 2.350

[49] 2.675 2.475 4.075 3.900 4.100 3.275 3.850 3.575 3.975 2.900 3.850 3.300

[61] 2.875 3.650 3.300 3.775 3.350 3.900 3.650 3.400 3.600 3.275 3.925 3.550

[73] 3.800 3.700 3.725 3.850 3.950 4.100 3.725 3.200 3.200 3.150 3.400 3.850

[85] 3.600 3.875 4.000 3.575 3.500 3.325 3.425 3.775 3.400 2.900 3.450 3.525

[97] 3.525 3.675 2.925 3.475 4.525 3.875 4.525 4.150 4.375 4.825 3.400 4.575

[109] 4.200 4.850 4.200 4.075 4.350 3.800 4.025 4.300 4.200 5.100 4.875 3.675

[121] 4.525 3.825 4.800 3.925 4.450 4.550 3.900 3.950 4.225 4.400 4.550 5.025

[133] 4.250 3.925 3.925 4.775 4.425 4.200 3.900 4.375 4.450 4.350 3.875 4.550

[145] 4.550 4.300 3.925 4.175 4.325 3.950

Como a tabela possui 150 linhas, esse comando retornou um vetor com 150 resultados.

lapply - semelhante ao apply, no entanto retorna o resultado organizado em lista ao invés de vetor. Exemplo:

lapply(X = dados_plantas, FUN = class)

$Sepal.Length

[1] "numeric"

$Sepal.Width

[1] "numeric"

$Petal.Length

[1] "numeric"

$Petal.Width

[1] "numeric"

$Species

[1] "factor"

Também é possível a criação de funções personalizadas com o intuito de aplicá-las dentro das funções da família apply. Veja a seguir exemplos de funções básicas: 

somatoria <- function(x , y) {x + y}
somatoria(x = 1, y = 2)

[1] 3

Como foi observado acima, a sintaxe das funções no R seguem o seguinte padrão: function() {}. Desse modo, o que é inserido entre parênteses representa os argumentos que o usuário irá inserir, e entre chaves o escopo que a função irá executar. Logo, a função somatoria criada requere 2 números que serão somados, equivalente a forma simplificada da função sum já existente no R.

Outro exemplo de função:

oi <- function(nome) {paste0("oi ", nome)}
oi(nome = "Gabriel")

[1] "oi Gabriel"

A função oi criada acima usa a função paste0 para colar a mensagem "oi " com o nome que o usuário irá inserir.

Usando função personalizada com lapply:

lapply(X = dados_plantas, FUN = function(x) {mean(x) + 1})

$Sepal.Length

[1] 6.843333

$Sepal.Width

[1] 4.057333

$Petal.Length

[1] 4.758

$Petal.Width

[1] 2.199333

$Species

[1] NA

Warning message: In mean.default(x) : argumento não é numérico nem lógico: retornando NA

A função acima soma 1 para a média de cada coluna da nossa tabela, e como a espécie é um fator é retornado um aviso do porquê não foi realizado a operação nessa coluna.

sapply - retorna um vetor ou matriz, simplificando o resultado do lapply. Exemplos:

sapply(X = dados_plantas, FUN = class)

Sepal.Length Sepal.Width Petal.Length Petal.Width Species

"numeric"      "numeric"      "numeric"      "numeric"      "factor"

sapply(X = dados_plantas, FUN = levels)

$Sepal.Length

NULL

$Sepal.Width

NULL

$Petal.Length

NULL

$Petal.Width

NULL

$Species

[1] "setosa" "versicolor" "virginica"

Na função acima, utilizamos levels para indicar quais são as categorias de cada variável (coluna). E como foi observado, apenas a coluna de espécies apresentou resultados, por ser a única coluna categórica.

mapply - é uma versão multivariada do apply, com ela podemos usar múltiplos argumentos. Exemplos: 

mapply(FUN = somatoria, x = dados_plantas$Sepal.Length, y = dados_plantas$Sepal.Width)

[1] 8.6 7.9 7.9 7.7 8.6 9.3 8.0 8.4 7.3 8.0 9.1 8.2 7.8 7.3

[15] 9.8 10.1 9.3 8.6 9.5 8.9 8.8 8.8 8.2 8.4 8.2 8.0 8.4 8.7

[29] 8.6 7.9 7.9 8.8 9.3 9.7 8.0 8.2 9.0 8.5 7.4 8.5 8.5 6.8

[43] 7.6 8.5 8.9 7.8 8.9 7.8 9.0 8.3 10.2 9.6 10.0 7.8 9.3 8.5

[57] 9.6 7.3 9.5 7.9 7.0 8.9 8.2 9.0 8.5 9.8 8.6 8.5 8.4 8.1

[71] 9.1 8.9 8.8 8.9 9.3 9.6 9.6 9.7 8.9 8.3 7.9 7.9 8.5 8.7

[85] 8.4 9.4 9.8 8.6 8.6 8.0 8.1 9.1 8.4 7.3 8.3 8.7 8.6 9.1

[99] 7.6 8.5 9.6 8.5 10.1 9.2 9.5 10.6 7.4 10.2 9.2 10.8 9.7 9.1

[113] 9.8 8.2 8.6 9.6 9.5 11.5 10.3 8.2 10.1 8.4 10.5 9.0 10.0 10.4

[127] 9.0 9.1 9.2 10.2 10.2 11.7 9.2 9.1 8.7 10.7 9.7 9.5 9.0 10.0

[141] 9.8 10.0 8.5 10.0 10.0 9.7 8.8 9.5 9.6 8.9

Através da função acima, foi possível aplicar a função que criamos somatoria para somar 2 colunas por cada linha!

tapply - aplica uma função para um grupo nivelado, com isso é possível obter resultados por agrupamentos, os quais serão mais discutidos no próximo encontro. Exemplo:

tapply(X = dados_plantas$Sepal.Length, INDEX = dados_plantas$Species, FUN = min)

setosa versicolor virginica

4.3          4.9          4.9      

Resumindo:

CC BY-SA 4.0 Gabriel de Freitas Pereira. Last modified: June 16, 2022. Website built with Franklin.jl and the Julia programming language.