Lista de Exercícios 1

Gabriela Araújo Santos

16/04/2022

Comandos Básicos no R
Exercício 1
(A função data.frame cria data frames, isto é, dados em um formato semelhante ao de
uma matriz, porém com colunas que possuem nome e que podem conter dados de
tipos diferentes. Por sua vez, a função data.table é usada para transformar as matrizes
e os próprios data frames em tabelas, sendo possível filtrar e classificar os dados, a fim
de deixá-los visíveis de uma forma mais agradável ou dinâmica.)

Exercício 2
print( log(4), digits = 16)

## [1] 1.386294361119891

sprintf("%.15f", log(4))

## [1] "1.386294361119891"

Exercício 3
(A função intersect retorna a interseção entre dois vetores, como veremos a seguir,
uma vez que o comando retorna os valores que estão presentes simultanemaente nas
duas sequências criadas, 11 e 25.)
x3 = intersect(seq(4,28,by=7), seq(3,31,by=2))
print(x3)

## [1] 11 25

Exercício 4
(Este comando retorna os valores que são verdadeiros para as duas condições. No
caso do exemplo, o comando irá retornar TRUE quando os valores indicados nos dois
vetores forem iguais - TRUE e TRUE ou FALSE e False - e retornará FALSE caso
contrário.)
x4 = c(TRUE,TRUE,FALSE,FALSE) & c(TRUE,FALSE,FALSE,TRUE)
print(x4)

## [1] TRUE FALSE FALSE FALSE

Importando Dados
Exercício 5
setwd("C:/Users/Usuario/Desktop/Faculdade/2022_1/Tópicos R")
dados = read.table("extremedatasince1899.csv", header=T, sep=",")
head(dados)

## Yr Region Wmax nao soi sst sstmda sun split

## 1 1899 Basin 96.64138 -0.64 -0.21 0.05193367 -0.03133333 8.4 0
## 2 1899 East 90.19791 -0.64 -0.21 0.05193367 -0.03133333 8.4 0
## 3 1899 Basin 90.35300 -0.64 -0.21 0.05193367 -0.03133333 8.4 0
## 4 1899 East 37.51933 -0.64 -0.21 0.05193367 -0.03133333 8.4 0
## 5 1899 Basin 51.06743 -0.64 -0.21 0.05193367 -0.03133333 8.4 0
## 6 1899 Basin 40.00000 -0.64 -0.21 0.05193367 -0.03133333 8.4 0

library(dplyr)

## Registered S3 methods overwritten by 'tibble':

## method from
## format.tbl pillar
## print.tbl pillar

##
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':

##
## filter, lag

## The following objects are masked from 'package:base':

##
## intersect, setdiff, setequal, union

sec20 = dados %>%

filter(Yr > 1899 & Yr < 2000)
head(sec20)

## Yr Region Wmax nao soi sst sstmda sun

split
## 1 1900 US 40.39887 -0.9 -0.9966667 -0.05339967 -0.2236667 8.3
0
## 2 1900 Basin 128.12384 -0.9 -0.9966667 -0.05339967 -0.2236667 8.3
0
## 3 1900 Basin 85.42808 -0.9 -0.9966667 -0.05339967 -0.2236667 8.3
0
## 4 1900 Basin 45.53454 -0.9 -0.9966667 -0.05339967 -0.2236667 8.3
0
## 5 1900 Gulf 128.12384 -0.9 -0.9966667 -0.05339967 -0.2236667 8.3
0
## 6 1900 Basin 105.37382 -0.9 -0.9966667 -0.05339967 -0.2236667 8.3
0
Exercício 6
sec20_ord = sec20[order(sec20$Wmax), ]
head(sec20_ord)

## Yr Region Wmax nao soi sst sstmda

sun split
## 1533 1987 East 10.00000 -0.695 -1.1633333 0.30893367 0.29500000
33.9 1
## 1539 1987 US 10.00000 -0.695 -1.1633333 0.30893367 0.29500000
33.9 1
## 1521 1986 Florida 10.01247 0.435 -0.2800000 -0.13673300 0.06766667
3.8 1
## 1598 1990 East 15.00000 -0.385 -0.5533333 0.24493367 0.28233333
125.2 1
## 1058 1960 Gulf 15.00052 -0.170 0.3266667 0.33193367 0.05566667
127.2 1
## 1658 1994 East 15.00240 0.780 -1.7700000 0.01293367 0.12233333
25.7 1

Exercício 7
sec20_Basin = sec20 %>%
filter(Region == "Basin")
head(sec20_Basin)

## Yr Region Wmax nao soi sst sstmda sun

split
## 1 1900 Basin 128.12384 -0.9 -0.9966667 -0.05339967 -0.2236667 8.3
0
## 2 1900 Basin 85.42808 -0.9 -0.9966667 -0.05339967 -0.2236667 8.3
0
## 3 1900 Basin 45.53454 -0.9 -0.9966667 -0.05339967 -0.2236667 8.3
0
## 4 1900 Basin 105.37382 -0.9 -0.9966667 -0.05339967 -0.2236667 8.3
0
## 5 1900 Basin 40.55842 -0.9 -0.9966667 -0.05339967 -0.2236667 8.3
0
## 6 1900 Basin 45.56111 -0.9 -0.9966667 -0.05339967 -0.2236667 8.3
0

media = mean(sec20_Basin$Wmax)
sprintf("%.2f", media)

## [1] "74.98"

Exercício 8
(Pelo gráfico abaixo, vê-se que ao longo do século XX as velocidades aumentaram um
pouco, atingindo valores um pouco mais elevados mais perto dos anos 2000.
Todavia,não observa-se grandes mudanças de comportamento nas velocidades dos
ventos ao longo do século XX.)
library(ggplot2)

ggplot(sec20, aes(Yr, Wmax)) +

geom_point(color = "#FF6699", size = 3.5, alpha = 0.5)+
labs(x = "Anos",y = "Velocidade do Vento",
title = "Velocidade do Vento ao longo do séc. XX")