1.

CONCEITOS BÁSICOS
LINGUAGEM , “CASE SENSITIVE”,
SCRIPT Local de registro do algoritmo
i.e, DIFERENCIA MAIÚSCULAS DE
MINÚSCULAS
CONSOLE Local de execução do algoritmo (output do código)
LINGUAGEM R RSTUDIO
ENVIRONMENT Local de registro dos objetos criados no script

FILES,PLOT,... Local de acessar os arquivos de nosso

projeto facilmente, acessar pacotes, ajuda e mais.

CRIANDO UM PROJETO FILE NEW PROJECT NEW DIRECTORY NEW PROJECT

Clique: CTRL + ENTER Só executa a linha onde está o cursor

Clique: CTRL+SHIFT+ENTER executa todo o script

2. OPERAÇÕES BÁSICAS:
INSTALAR PACOTES USE: install.packages(“Nome do pacote”) CLIQUE: CTRL+ENTER

CARREGAR PACOTES USE: library(nome do pacote) CLIQUE: CTRL+ENTER

DECLARANDO OBJETOS USE: objeto <- valor

DIGITE: objeto e CLIQUE :CTRL+ENTER

VISUALIZANDO OS OBJETOS DECLARADOS
DIGITE: print(objeto)

VETOR Nome_do_objeto <- c(elementos do vetor)

CHARACTER Nome_do_objeto <- “valor”

TIPOS DE OBJETOS
NUMEROS Nome_do_objeto <- número

LÓGICO Nome_do_objeto <- TRUE (ou use: T) Nome_do_objeto <- FALSE (ou use: F)
3.FUNÇÕES BÁSICAS: PARTE I
CLASSIFICAR OBJETOS USE: class(objeto) CLIQUE: CTRL+ENTER

TAMANHO DO OBJETO USE: lenght(objeto) CLIQUE: CTRL+ENTER

VISUALIZAR OBJETOS USE: print(objeto) CLIQUE: CTRL+ENTER

GERANDO SEQUENCIAS USE: seq(valor inicial : valor final) USE: seq(from = inicial, to=final , by = espaçamento)

CRIANDO DATAFRAMES USE: tabela<- data.frame(vetor_1, vetor_2,...)

RESUMO ESTATÍSTICO USE: summary(objeto)

BANCO DE DADOS R USE: load(“arquivo.Rdata”)

LENDO ARQUIVOS EXCEL USE: library(readxl) USE: read_excel(“arquivo.xlsx”)

CSV USE: library(readxl) USE: read.csv(“arquivo.csv”, sep = “, ”)

3.FUNÇÕES BÁSICAS:PARTE II
USE: factor( c(1,1,2,3,...),
levels = (“baixo”, “médio”, “alto”),
UMA FUNÇÃO CATEGÓRICA
labels = ( “preço baixo”, preço médio”, “preço alto”))

SALVANDO ARQUIVOS BANCO DE DADOS R USE: save(dataframe, file =“arquivo.Rdata”)

EXCEL USE: install.packages(“writexl”) USE:library(writexl) USE:write(dataframe, “dados_salvos.xlsx”)

CSV USE: install.packages(“writexl”) USE:library(writexl)

USE: write(dataframe, file =“dados_salvos.csv”, row.names = F)

NÃO NOMEIA AS LINHAS

4.MANIPULANDO DATAFRAMES:PARTEI
OBSERVANDO AS PRIMEIRAS LINHAS USE: head(dataframe, n = quantidade de linhas requisitada )

OBSERVANDO AS VARIÁVEIS USE: names(dataframe)

NÚMERO DE LINHAS USE: nrow(dataframe)

NÚMERO DE COLUNAS USE: ncol(dataframe)

NÚMERO DE LINHAS E COLUNAS USE: dim(dataframe)

ESTRUTURA DO DATA.FRAME USE: str(dataframe)

ESCOLHENDO UMA VARIÁVEL USE:dataframe$(nome da variável)

REMOVENDO UMA VARIÁVEL USE: rm(dataframe$(nome da variável))

4.MANIPULANDO DATAFRAMES: PARTE II
ESCOLHENDO A LINHA E A COLUNA DA OBSERVAÇÃO USE: dataframe[número da linha, número da coluna]

ESCOLHENDO SOMENTE A LINHA USE: dataframe[número da linha, ]

ESCOLHENDO VÁRIAS LINHAS USE: dataframe[c(linha inicial: linha final) , ]

ESCOLHENDO SOMENTE A COLUNA USE: dataframe[ , número da coluna ]

NESSE CASO A SEGUNDA
USE: dataframe[ , “nome da variável”] VARIÁVEL OCUPA A
PRIMEIRA POSICÃO, E
REORGANIZANDO A ORDEM DAS VARIÁVEIS USE: dataframe[ , c(2,1,5,3,....)] ASSIM POR DIANTE

SELECIONANDO VARIÁVEIS USE: dataframe[ , c(“variável_um”, “variável_três”,..)]

REMOVER LINHAS E COLUNAS USE: dataframe[ - c(linha_inicial:linha_final) , - c(coluna_inicial:coluna_final)]

4.MANIPULANDO DATAFRAMES: PARTE III
❑ "== igual"
❑ "> maior"
❑ ">= maior ou igual"
❑ "< menor"
OPERADORES DE FILTROS
❑ "<= menor ou igual"
❑ "!= diferente"
❑ "& indica e"
❑ "| indica ou"

EXEMPLO DE FILTRO USADO NA LINHA dataframe[dataframe$variável_quantitativa >50 , ]

RENOMEANDO AS VARIÁVEIS USE: names(dataframe) <- c(“variável_um”, “variável_dois”,...)

CONVERSÃO DE VARIÁVEIS USE: dataframe$variavel_ajustada <- as.numeric(dataframe$variavel_anterior)

CONVERTENDO VARIÁVEL DO TIPO CHARACTER PARA NUMERICO