Vamos ao [R]

R é uma linguagem cujo objetivo pincipal é analise estatística, você também pode criar redes neurais, fazer previsão, criar gráficos rapidamente baseado nesses dados e uma infinidade de coisas relacionadas a arte de analisar dados :)

Vamos colocar um pouco a mão na massa.

Instalando no MacOS:

$ brew tap homebrew/science 
$ brew install r

Legal vamos fazer uns testes, e para isso iniciaremos um terminal R:

$ R

Sintax e comandos básicos do **R**

Atribuir valor a uma variavél

x <- 5 
x <- 3+2 
x <- (3+2)*(21) 
x #Saída 105  
x <- TRUE 
x #Saída TRUE  
# mas você pode usar o '=' também :)

Funções

sum(1, 3, 5) #6
rep("oi", times = 3) #"oi" "oi" "oi"
sqrt(16) #4
bla <- function(x=1,y=2) {
  return(sqrt(sum(x,y)))
}
bla() #1.732051
bla(4,5) #9

Arquivos

list.files() #Lista todos os arquivos do diretório atual
list.files('~/Desktop')
#Carregando um arquivo com suas funções
source("minhas_funcs.R")
#Ler um arquivo qualquer ou um CSV
csv <- read.csv(file="meu.csv", header=TRUE, sep=";")
f = read.table("names.csv")

Ajuda

help([nome_da_funcao]) 
help(rep)

Exemplo

example([nome_da_funcao]) 
example(min)

Vetores

OBS: Grande maioria das linguages se não todas iniciam o índice de seus vetores na posição 0 (zero), no R iniciamos sempre em 1 (um)

#Criando um simples vetor
x <- c(11,22,100)
x[3] #Saída 100
x <- c(11,"vinte e dois", TRUE)
x[2] #Saída "vinte e dois"
x <- 3:9 # Atribui a x o vetor [3,4,5,6,7,8,9]
x <- seq(3, 9) # Faz o mesmo que o de cima, só que com o seq eu posso definir meu fator de incrementação
x <- seq(3, 9, 1.5) # Atribui a x o vetor [3.0, 4.5, 6.0, 7.5, 9.0]
#Acessando vetor com outro vetor
x <- c('A', 'B', 'C', 'D')
x[c(1,3)]  # Saída "A" "C"
#Acessando vetor deforma sequencial
x <- c('A', 'B', 'C', 'D', 'E', 'F', 'G')
x[2:6]  # Saída "B" "C" "D" "E" "F"
#Nomeando vetores
atletas <- 1:3
names(ranks) <- c("Atleta 1", "Atleta 2", "Atleta 3")
#Saída
Atleta 1 Atleta 2 Atleta 3
       1        2        3

Colocando esses dados no gráfico, mas antes disso vamos ver como a plotagem funciona.

barplot(1:100) ##Vai aparecer um gráfico na sua tela :)
#Agora vamos por aqueles dados no gráfico
barplot(atletas)
#Operações matemáticas com vetores
a <- c(1,3,5)
b <- c(2,4,6)
c <- c(2,4,6,NA)
a + 1 #2,4,6
a - 1 #1,3,5
a * b #2,12,30
a == b #FALSE FALSE FALSE
a < b  #TRUE TRUE TRUE
sum(a) # 9
sum(c) # Ops NA, nosso vetor tem um NA (not available) e para podermos fazer o calculo sem amolação basta avisar ao SUM sobre esse cara que ele irá ignorar
sum(c, na.rm = TRUE) // 12
sqrt(b) # 1.414214, 2.000000, 2.449490
#Plotando mais gráficos pra encerrar a noite
x <- seq(1, 15, 0.2)
y <- sin(x) # gera uma sequencia de 1 a 15 variando 0.2
plot(x, y) # retorna o seno de cada item de 'x'

Vamos definir um arquivo CSV para brincarmos com algo diferente:

Arquivo teste.csv

Atleta;Agilidade;Força
Pedro;105;12
Fábio;11;14
Júlio;5;8
Cristiano;6;10
Marcus;10.5;13
Bruno;7;11

Beleza criamos o arquivo, salvamos agora voltamos no nosso terminal R:

atl <- read.csv("atletas.csv",sep="|")
plot(atl)

No meu próximo post sobre R vou tentar abordar mais alguns gráficos e fazer uma análise de cada um deles.

Agora vou dormir pq já está bem tarde :)

Obs: Caso tenha explicado alguma coisa errada, ou escrito algo errado gostaria do seu comentário e sua correção.

Originally published at cristianounix.github.io on June 10, 2015.