1 Operador de Associação

curso <- "Curso de Auditoria de Dados"

Data <- "23/10/2016"

hora <- "15:09"

Valor <- "R$ 1.650,00"

`Duração do curso` <- "3d"

2 Ambiente R

# Imprime seu diretório corrente 
getwd()

## [1] "C:/Users/flavi/OneDrive/Source/Repos/DataAudit"

# Lista os objetos em memória
ls()

## [1] "curso"            "Data"             "Duração do curso"
## [4] "hora"             "Valor"

#Muda de diretório
# muda para o diretório dados
#setwd("./dados/")      
# Visualiza e Grava as opções do ambiente
# Ajuda com as opções disponíveis
#help(options) 
#Lista as OpçÕes disponívies
#options() 
#Configura o número de dígitos para serem impressos na saída
#options(digits=3) 
# Lista o histórico de comandos
#history() # Apresenta os últimos 25 comandos executados
# Apresenta todos os comandos executados
#history(max.show=Inf) 
# Grava o histórico de comandos no arquivo 
#savehistory(file="meu_log.txt") # o padrão é ".Rhistory" 

# Recarrega  a lista de comandos dados
#loadhistory(file="meu_log.txt") # o padrão é ".Rhistory"
# Grava os objetos do ambiente de trabalho no arquivo.RData no diretório corrente 
#save.image()

#Grava objetos específicos em uma arquivo
#Se não for especificado o caminho, o diretório corrente será utilizado
#lista <- ls()
#save(lista,file="meu_ambiente_trabalho.RData")
# Carrega o ambinete de trabalho para a sessão atual
# load a workspace into the current session
# if you don't specify the path, the cwd is assumed 
#load("meu_ambiente_trabalho.RData")
#Sai do R. O R perguntará se deseja gravar o ambiente de trabalho
#q()

3 Dados

3.1 Associação

3.1.1 Tamanho do objeto associado a variável

# Número de caracters associados a variável quando esta é um caracter

#curso
nchar(curso)

## [1] 27

#Data
nchar(Data)

## [1] 10

#hora
nchar(hora)

## [1] 5

#Duração
nchar(`Duração do curso`)

## [1] 2

3.2 Tipos de Dados

3.2.1 Descobrindo o tipo da variável

#curso
class(curso)

## [1] "character"

#Data
class(Data)

## [1] "character"

#hora
class(hora)

## [1] "character"

#Duração
class(`Duração do curso`)

## [1] "character"

3.2.2 Tipos

3.2.3 Caracter

curso <- "Curso de Auditoria de Dados"

print(curso)

## [1] "Curso de Auditoria de Dados"

class(curso)

## [1] "character"

is.character(curso)

## [1] TRUE

3.2.4 Numérico

x <- 10.2
print(x)

## [1] 10.2

class(x)

## [1] "numeric"

3.2.5 Inteiro

y <- 8
print(y)

## [1] 8

class(y)

## [1] "numeric"

3.2.6 Complexo

Sem aplicação no contexto do curso

3.2.7 Lógico

logico <-  T

print(logico)

## [1] TRUE

l <-  FALSE
print(l)

## [1] FALSE

3.2.8 Data

#Associa
Data <- "23/10/2016"

#Testa o Tipo
class(Data)

## [1] "character"

#Será necessário converter o tipo da variável para Data
Data <- as.Date(Data,"%d/%m/%Y")

#Testa o tipo
class(Data)

## [1] "Date"

#Imprime
print(Data)

## [1] "2016-10-23"

#Formata a Saída
format(Data, "%d/%m%/%Y")

## [1] "23/10/2016"

#Formata a Saída
format(Sys.Date(), "%a %b %d")

## [1] "qui nov 24"

format(Sys.Date(), "%d%b%Y")

## [1] "24nov2016"

format(Sys.Date(), "%d/%m/%Y")

## [1] "24/11/2016"

weekdays(Sys.Date())

## [1] "quinta-feira"

months(Sys.Date())

## [1] "novembro"

as.Date(.leap.seconds)

##  [1] "1972-07-01" "1973-01-01" "1974-01-01" "1975-01-01" "1976-01-01"
##  [6] "1977-01-01" "1978-01-01" "1979-01-01" "1980-01-01" "1981-07-01"
## [11] "1982-07-01" "1983-07-01" "1985-07-01" "1988-01-01" "1990-01-01"
## [16] "1991-01-01" "1992-07-01" "1993-07-01" "1994-07-01" "1996-01-01"
## [21] "1997-07-01" "1999-01-01" "2006-01-01" "2009-01-01" "2012-07-01"
## [26] "2015-07-01"

z <- Sys.Date()
print(z)

## [1] "2016-11-24"

w<- z+10
print(w)

## [1] "2016-12-04"

#Diferença

data1 <- strptime("25/10/2016", format="%d/%m/%Y")
data2 <- strptime("04/11/2016", format="%d/%m/%Y")
difftime(data2,data1,units="days")

## Time difference of 10 days

difftime(data2,data1,units="week")

## Time difference of 1.428571 weeks

# Nota: podemos usar a função trunc() para truncar o valor do resultado da diferença em semanas que no exemplo acima ficou com decimais.

3.2.9 Vetor

c(2, 3, 5)

## [1] 2 3 5

# Vetor Lógico
c(TRUE, FALSE, TRUE, FALSE, FALSE)

## [1]  TRUE FALSE  TRUE FALSE FALSE

#Vetor de caracteres
c("aa", "bb", "cc", "dd", "ee")

## [1] "aa" "bb" "cc" "dd" "ee"

#Tamanho do Vetor
length(c("aa", "bb", "cc", "dd", "ee"))

## [1] 5

3.2.10 Combinando Vetores

n <- c(2, 3, 5) 
s <- c("aa", "bb", "cc", "dd", "ee") 

#Combinando
c(n, s)

## [1] "2"  "3"  "5"  "aa" "bb" "cc" "dd" "ee"

3.2.11 Operações com Vetores

#Criando vetores
a <- c(2, 3, 5) 
b <- c(6, 1, 3) 


#Soma
a + b

## [1] 8 4 8

#Subtração
b - a

## [1]  4 -2 -2

#Multiplicação
5*a

## [1] 10 15 25

a * b

## [1] 12  3 15

#Divisão
a/b

## [1] 0.3333333 3.0000000 1.6666667

#Regra de Reciclagem
u <- c(10, 20, 30) 
v <- c(1, 2, 3, 4, 5, 6, 7, 8, 9) 
u + v

## [1] 11 22 33 14 25 36 17 28 39

3.2.12 Índice de Vetores

n <- c(2, 3, 5) 
s <- c("aa", "bb", "cc", "dd", "ee") 

s[3]

## [1] "cc"

#Índice Negativo

s[-3] #Todos menos o elemento listado no índice

## [1] "aa" "bb" "dd" "ee"

# Fora dos Limites

s[10]

## [1] NA

#Listando mais elementos

s[c(2, 3)]

## [1] "bb" "cc"

s[c(2, 3, 3)]

## [1] "bb" "cc" "cc"

# Fora dos Limites

s[c(2, 1, 3)]

## [1] "bb" "aa" "cc"

# Índice por faixa
s[2:4]

## [1] "bb" "cc" "dd"

#Nomes nos Vetores
v <- c("Governo", "RJ") 
v

## [1] "Governo" "RJ"

# Temos agora nomear o primeiro membro como primeiro e o segundo como último

names(v) = c("Primeiro", "Último") 
v

##  Primeiro    Último 
## "Governo"      "RJ"

# Então, podemos recuperar o primeiro membro pelo seu nome.

v["Primeiro"]

##  Primeiro 
## "Governo"

# Além disso, podemos inverter a ordem com um vector caráter índice string.

v[c("Último", "Primeiro")]

##    Último  Primeiro 
##      "RJ" "Governo"

3.3 Matriz

A <- matrix(
  c(2, 4, 3, 1, 5, 7), # os dados dos elementos
  nrow=2,              # número de linhas
  ncol=3,              # número de colunas 
  byrow = TRUE)        # preenche a matriz por linhas

A

##      [,1] [,2] [,3]
## [1,]    2    4    3
## [2,]    1    5    7

A[2, 3]      # elemento da segunda linha e terceira coluna

## [1] 7

A[2, ]       # a segunda linha

## [1] 1 5 7

A[ ,3]       # a terceira coluna

## [1] 3 7

A[ ,c(1,3)] # A primeira e terceira coluna

##      [,1] [,2]
## [1,]    2    3
## [2,]    1    7

3.4 Lista

n  <-  c(2, 3, 5) 
s <-  c("aa", "bb", "cc", "dd", "ee") 
b <-  c(TRUE, FALSE, TRUE, FALSE, FALSE) 
x <-  list(n, s, b, 3)   # x contains copies of n, s, b

x[c(2, 4)]

## [[1]]
## [1] "aa" "bb" "cc" "dd" "ee"
## 
## [[2]]
## [1] 3

#Referência

x[[2]]

## [1] "aa" "bb" "cc" "dd" "ee"

x[[2]][1] <- "ta" 

#Membros de uma Lista

v <-  list(nivel=c(2, 3, 5), cargo=c("NIVEL-1", "NIVEL-2")) 

v["nivel"]

## $nivel
## [1] 2 3 5

v[["nivel"]]

## [1] 2 3 5

v$nivel

## [1] 2 3 5

3.5 Data Frame

n <- c(2, 3, 5) 
s <- c("aa", "bb", "cc") 
b <- c(TRUE, FALSE, TRUE) 
df <- data.frame(n, s, b)  

df

##   n  s     b
## 1 2 aa  TRUE
## 2 3 bb FALSE
## 3 5 cc  TRUE

#Exemplo mais avançado:

ID    <- c(1,2,3,4,5)
IDADE <- c(40,45,25,50,60)
CARGO <- c("TECNICO", "ASSISTENTE", "COORDENADOR","AUXILIAR", "GERENTE")
FORMACAO <- c("ESTATISTICA", "ECONOMIA", "SISTEMAS", "DIREITO","LETRAS")
DEPARTAMENTO = c("DEPARTAMENTO A", "DEPARTAMENTO A", "DEPARTAMENTO A","DEPARTAMENTO B","DEPARTAMENTO B")

RH1 <-data.frame(ID, IDADE, CARGO, FORMACAO, DEPARTAMENTO)

print(RH1)

##   ID IDADE       CARGO    FORMACAO   DEPARTAMENTO
## 1  1    40     TECNICO ESTATISTICA DEPARTAMENTO A
## 2  2    45  ASSISTENTE    ECONOMIA DEPARTAMENTO A
## 3  3    25 COORDENADOR    SISTEMAS DEPARTAMENTO A
## 4  4    50    AUXILIAR     DIREITO DEPARTAMENTO B
## 5  5    60     GERENTE      LETRAS DEPARTAMENTO B

#Data frame de carros - Motor Trend Car Road Tests
print(mtcars)

##                      mpg cyl  disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4           21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag       21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710          22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive      21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout   18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
## Valiant             18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
## Duster 360          14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
## Merc 240D           24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
## Merc 230            22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
## Merc 280            19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
## Merc 280C           17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
## Merc 450SE          16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
## Merc 450SL          17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
## Merc 450SLC         15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
## Cadillac Fleetwood  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
## Lincoln Continental 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
## Chrysler Imperial   14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
## Fiat 128            32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
## Honda Civic         30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
## Toyota Corolla      33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
## Toyota Corona       21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
## Dodge Challenger    15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
## AMC Javelin         15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2
## Camaro Z28          13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
## Pontiac Firebird    19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
## Fiat X1-9           27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
## Porsche 914-2       26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
## Lotus Europa        30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
## Ford Pantera L      15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
## Ferrari Dino        19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
## Maserati Bora       15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8
## Volvo 142E          21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2

#Seleciona a linha 1 e coluna 2
mtcars[1, 2]

## [1] 6

#Seleciona o carro e a coluna cyl (cilindradas)
mtcars["Mazda RX4", "cyl"]

## [1] 6

nrow(mtcars) # número de linhas

## [1] 32

ncol(mtcars) # número de colunas

## [1] 11

help(mtcars) # informações sobre este dataframe

## starting httpd help server ...

##  done

#Visualização
head(mtcars)

##                    mpg cyl disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
## Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

3.5.1 Coluna do Dataframe

#Seleciona a coluna por número de ordem
#Seleciona os carros automáticos
mtcars[[9]]

##  [1] 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 1 1 1 1 1 1 1

#Somente carros automáticos (9 coluna)
mtcars[["am"]]

##  [1] 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 1 1 1 1 1 1 1

mtcars$am

##  [1] 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 1 1 1 1 1 1 1

mtcars[,"am"]

##  [1] 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 1 1 1 1 1 1 1

#Por Índice
mtcars[1] # Seleciona a coluna 1 - mpg

##                      mpg
## Mazda RX4           21.0
## Mazda RX4 Wag       21.0
## Datsun 710          22.8
## Hornet 4 Drive      21.4
## Hornet Sportabout   18.7
## Valiant             18.1
## Duster 360          14.3
## Merc 240D           24.4
## Merc 230            22.8
## Merc 280            19.2
## Merc 280C           17.8
## Merc 450SE          16.4
## Merc 450SL          17.3
## Merc 450SLC         15.2
## Cadillac Fleetwood  10.4
## Lincoln Continental 10.4
## Chrysler Imperial   14.7
## Fiat 128            32.4
## Honda Civic         30.4
## Toyota Corolla      33.9
## Toyota Corona       21.5
## Dodge Challenger    15.5
## AMC Javelin         15.2
## Camaro Z28          13.3
## Pontiac Firebird    19.2
## Fiat X1-9           27.3
## Porsche 914-2       26.0
## Lotus Europa        30.4
## Ford Pantera L      15.8
## Ferrari Dino        19.7
## Maserati Bora       15.0
## Volvo 142E          21.4

mtcars["mpg"]

##                      mpg
## Mazda RX4           21.0
## Mazda RX4 Wag       21.0
## Datsun 710          22.8
## Hornet 4 Drive      21.4
## Hornet Sportabout   18.7
## Valiant             18.1
## Duster 360          14.3
## Merc 240D           24.4
## Merc 230            22.8
## Merc 280            19.2
## Merc 280C           17.8
## Merc 450SE          16.4
## Merc 450SL          17.3
## Merc 450SLC         15.2
## Cadillac Fleetwood  10.4
## Lincoln Continental 10.4
## Chrysler Imperial   14.7
## Fiat 128            32.4
## Honda Civic         30.4
## Toyota Corolla      33.9
## Toyota Corona       21.5
## Dodge Challenger    15.5
## AMC Javelin         15.2
## Camaro Z28          13.3
## Pontiac Firebird    19.2
## Fiat X1-9           27.3
## Porsche 914-2       26.0
## Lotus Europa        30.4
## Ford Pantera L      15.8
## Ferrari Dino        19.7
## Maserati Bora       15.0
## Volvo 142E          21.4

mtcars[c("mpg", "hp")]

##                      mpg  hp
## Mazda RX4           21.0 110
## Mazda RX4 Wag       21.0 110
## Datsun 710          22.8  93
## Hornet 4 Drive      21.4 110
## Hornet Sportabout   18.7 175
## Valiant             18.1 105
## Duster 360          14.3 245
## Merc 240D           24.4  62
## Merc 230            22.8  95
## Merc 280            19.2 123
## Merc 280C           17.8 123
## Merc 450SE          16.4 180
## Merc 450SL          17.3 180
## Merc 450SLC         15.2 180
## Cadillac Fleetwood  10.4 205
## Lincoln Continental 10.4 215
## Chrysler Imperial   14.7 230
## Fiat 128            32.4  66
## Honda Civic         30.4  52
## Toyota Corolla      33.9  65
## Toyota Corona       21.5  97
## Dodge Challenger    15.5 150
## AMC Javelin         15.2 150
## Camaro Z28          13.3 245
## Pontiac Firebird    19.2 175
## Fiat X1-9           27.3  66
## Porsche 914-2       26.0  91
## Lotus Europa        30.4 113
## Ford Pantera L      15.8 264
## Ferrari Dino        19.7 175
## Maserati Bora       15.0 335
## Volvo 142E          21.4 109

#Índice numérico

mtcars[24,] # Seleciona o registro de número 24 (linha 24 do data frame)

##             mpg cyl disp  hp drat   wt  qsec vs am gear carb
## Camaro Z28 13.3   8  350 245 3.73 3.84 15.41  0  0    3    4

mtcars[c(3, 24),] # Seleciona os registros 3 e 24

##             mpg cyl disp  hp drat   wt  qsec vs am gear carb
## Datsun 710 22.8   4  108  93 3.85 2.32 18.61  1  1    4    1
## Camaro Z28 13.3   8  350 245 3.73 3.84 15.41  0  0    3    4

# Filtrando
mtcars["Camaro Z28",] # Seleciona um carro específico

##             mpg cyl disp  hp drat   wt  qsec vs am gear carb
## Camaro Z28 13.3   8  350 245 3.73 3.84 15.41  0  0    3    4

mtcars[c("Datsun 710", "Camaro Z28"),]  #Seleciona um conjunto de carros

##             mpg cyl disp  hp drat   wt  qsec vs am gear carb
## Datsun 710 22.8   4  108  93 3.85 2.32 18.61  1  1    4    1
## Camaro Z28 13.3   8  350 245 3.73 3.84 15.41  0  0    3    4

3.5.2 Trocando o nome das variáveis de um data frame

#Lista o nome das variáveis de um data frame
names(mtcars)

##  [1] "mpg"  "cyl"  "disp" "hp"   "drat" "wt"   "qsec" "vs"   "am"   "gear"
## [11] "carb"

#Troca o nome da variável carb, posição 11 para "carburador"
names(mtcars)[11] <- "carburador"
names(mtcars)[11]

## [1] "carburador"

#Volta ao nome anterior

names(mtcars)[11] <- "carb"
names(mtcars)[11]

## [1] "carb"

#Sem utilizar o índice do vetor
names(mtcars)[11] <- "carburador"
colnames(mtcars)[colnames(mtcars)=="carburador"] <- "carb"
names(mtcars)[11]

## [1] "carb"

#Lista o nome das variáveis de um data frame
names(mtcars)

##  [1] "mpg"  "cyl"  "disp" "hp"   "drat" "wt"   "qsec" "vs"   "am"   "gear"
## [11] "carb"

3.6 Manipulação de dados

x<-c(1.6123,2.244,4.109,8.9,16 )
round(x,2)                                # Arredonda os valores de x para n casas decimais

## [1]  1.61  2.24  4.11  8.90 16.00

ceiling(x)                                # retorna o menor valor maior que x (arredonda para cima)

## [1]  2  3  5  9 16

floor(x)                                  # retorna o maior valor menor que x (arredonda para baixo)

## [1]  1  2  4  8 16

as.integer(x)                             # Truncado x real para inteiros (em comparação com rodada)

## [1]  1  2  4  8 16

x%in%y                     # Testa cada elemento x para a adesão em y

## [1] FALSE FALSE FALSE FALSE FALSE

y%in%x                     # Testa cada elemento de y para a adesão em x

## [1] FALSE

all(x%in%y)                #true se x é um subconjunto apropriado de y

## [1] FALSE

all(x)                     # Para um vetor de valores lógicos, eles são tudo verdade?

## Warning in all(x): coerção de argumento de tipo 'double' para lógico

## [1] TRUE

any(x)                     # Para um vector de valores lógicos, é, pelo menos, um verdadeiro?

## Warning in any(x): coerção de argumento de tipo 'double' para lógico

## [1] TRUE

4 Strings

\ ': Aspas simples. Você não precisa escapar aspas simples dentro de uma string entre aspas, por isso também pode usar "" "no exemplo anterior.
\ ":. Aspas Da mesma forma, aspas duplas podem ser usados dentro de um único citado corda, ou seja, '"'.
\ N: nova linha.
\ R: retorno de carro.
\ T: caractere de tabulação.

4.1 Quantificadores

4.1.1 Especificam quantas repetições de um padrão ocorrem.

*: Corresponde a pelo menos 0 vezes.
+: Corresponde a pelo menos 1 vezes.
?: Corresponde, no máximo, 1 vezes.
{N}: corresponde exatamente n vezes.
{N,}: corresponde a pelo menos n vezes.
{N, m}: corresponde entre N e m vezes.

strings <- c("a", "ab", "acb", "accb", "acccb", "accccb")
strings

## [1] "a"      "ab"     "acb"    "accb"   "acccb"  "accccb"

grep("ac*b", strings, value = TRUE)

## [1] "ab"     "acb"    "accb"   "acccb"  "accccb"

grep("ac+b", strings, value = TRUE)

## [1] "acb"    "accb"   "acccb"  "accccb"

grep("ac?b", strings, value = TRUE)

## [1] "ab"  "acb"

grep("ac{2}b", strings, value = TRUE)

## [1] "accb"

grep("ac{2,}b", strings, value = TRUE)

## [1] "accb"   "acccb"  "accccb"

grep("ac{2,3}b", strings, value = TRUE)

## [1] "accb"  "acccb"

stringr::str_extract_all(strings, "ac{2,3}b", simplify = TRUE)

##      [,1]   
## [1,] ""     
## [2,] ""     
## [3,] ""     
## [4,] "accb" 
## [5,] "acccb"
## [6,] ""

4.1.2 Posição de um padrão dentro de uma string

^: corresponde ao início da cadeia.
$: corresponde ao fim da cadeia.
: corresponde a seqüência vazia em uma ou outra extremidade de uma palavra. Não confundir com ^ $ que marca a extremidade de uma corda.
: corresponde a seqüência vazia desde que não seja em uma borda de uma palavra.

Para o último exemplo, b não é um caractere de escape reconhecido, por isso precisamos de barra dupla que \ b.

strings <- c("abcd", "cdab", "cabd", "c abd")
strings

## [1] "abcd"  "cdab"  "cabd"  "c abd"

grep("ab", strings, value = TRUE)

## [1] "abcd"  "cdab"  "cabd"  "c abd"

grep("^ab", strings, value = TRUE)

## [1] "abcd"

grep("ab$", strings, value = TRUE)

## [1] "cdab"

grep("\\bab", strings, value = TRUE)

## [1] "abcd"  "c abd"

4.2 Classes de Caracteres

* [:digit:] or \d: digits, 0 1 2 3 4 5 6 7 8 9, equivalent to [0-9]. \D: non-digits, equivalent to [^0-9]
* [:lower:]: lower-case letters, equivalent to [a-z]
* [:upper:]: upper-case letters, equivalent to [A-Z]
* [:alpha:]: alphabetic characters, equivalent to [[:lower:][:upper:]] or [A-z]
* [:alnum:]: alphanumeric characters
* [:xdigit:]: hexadecimal digits (base 16) 0 1 2 3 4 5 6 7 8 9 A B C D E F a b c d e f equivalent to [0-9A-Fa-f]
* [:blank:]: blank characters, i.e. space and tab
* [:space:]: space characters: tab, newline, vertical tab, form feed, carriage return space \s space ` ` \S not space
[:punct:]: punctuation characters, # ! " # $ % & ’ ( ) * + , - . / : ; < = > ? @ [  ] ^ _ ` { | } ~
* [:graph:]: # graphical (human readable) characters: equivalent to [[:alnum:][:punct:]]
* [:print:]: printable characters, equivalent to [[:alnum:][:punct:]\\s]
* [:cntrl:]: control characters, like \n or \r, [\x00-\x1F\x7F]

Note:

[:…:] has to be used inside square brackets, e.g. [[:digit:]]. itself is a special character that needs escape, e.g. \d. Do not confuse these regular expressions with R escape sequences such as .

strings <- c("^ab", "ab", "abc", "abd", "abe", "ab 12")
strings

## [1] "^ab"   "ab"    "abc"   "abd"   "abe"   "ab 12"

grep("ab.", strings, value = TRUE)

## [1] "abc"   "abd"   "abe"   "ab 12"

grep("ab[c-e]", strings, value = TRUE)

## [1] "abc" "abd" "abe"

grep("ab[^c]", strings, value = TRUE)

## [1] "abd"   "abe"   "ab 12"

grep("^ab", strings, value = TRUE)

## [1] "ab"    "abc"   "abd"   "abe"   "ab 12"

grep("\\^ab", strings, value = TRUE)

## [1] "^ab"

grep("abc|abd", strings, value = TRUE)

## [1] "abc" "abd"

gsub("(ab) 12", "\\1 34", strings)

## [1] "^ab"   "ab"    "abc"   "abd"   "abe"   "ab 34"

5 Funções Estatísticas e Transformações

max()
min()
mean()
median()
sum()
var()                                             # Produz a covariância variância matrix
sd()                                              # desvio padrão
mad()                                             # (Desvio absoluto mediano)
fivenum()                                         #Tukey fivenumbers min, lowerhinge, median, upper hinge, max
table()                                           contagem de frequência, de preferência as entradas são fatores (ainda que trabalha com números inteiros ou até mesmo reais)
cumsum(x)                                         #cumulative sum, etc.
cumprod(x)
cummax(x)
cummin(x)
rev(x)                                            #reverse the order of values in x
cor(x,y,use="pair")                               #correlation matrix
aov(x~y,data=datafile)                            #onde x e y podem ser matrizes
aov.ex1 = aov(DV~IV,data=data.ex1)                
aov.ex2 = aov(DV~IV1*IV21,data=data.ex2)          #Two way analysis of variance
summary(aov.ex1)                                  #Tabela resumo
boxplot(DV~IV,data=data.ex1)                      #boxplot
lm(x~y,data=dataset)                              #regressão linear
t.test(x,g)                                       #Teste t
pairwise.t.test(x,g)
power.anova.test(groups = NULL, n = NULL, between.var = NULL,
                 within.var = NULL, sig.level = 0.05, power = NULL)
power.t.test(n = NULL, delta = NULL, sd = 1, sig.level = 0.05,
             power = NULL, type = c("two.sample", "one.sample", "paired"),
             alternative = c("two.sided", "one.sided"),strict = FALSE)

Introdução e Revisão - Linguagem R

Flávio Brito

23/10/2016

1 Operador de Associação

2 Ambiente R

3 Dados

3.1 Associação

3.1.1 Tamanho do objeto associado a variável

3.2 Tipos de Dados

3.2.1 Descobrindo o tipo da variável

3.2.2 Tipos

3.2.3 Caracter

3.2.4 Numérico

3.2.5 Inteiro

3.2.6 Complexo

3.2.7 Lógico

3.2.8 Data

3.2.9 Vetor

3.2.10 Combinando Vetores

3.2.11 Operações com Vetores

3.2.12 Índice de Vetores

3.3 Matriz

3.4 Lista

3.5 Data Frame

3.5.1 Coluna do Dataframe

3.5.2 Trocando o nome das variáveis de um data frame

3.6 Manipulação de dados

4 Strings

4.1 Quantificadores

4.1.1 Especificam quantas repetições de um padrão ocorrem.

4.1.2 Posição de um padrão dentro de uma string

4.2 Classes de Caracteres

5 Funções Estatísticas e Transformações