Introdução à programação em R (tidyverse)

introR: introdução à linguagem R

Maurício Vancine

15 de outubro de 2025

tidyverse

Conteúdo

tidyverse

Contextualização
tidyverse
here
readr, readxl e writexl
tibble
magrittr (pipe - %>%)
tidyr
dplyr

stringr
forcats
lubridate
purrr

Ciência de dados ambiental (Environmental Data Science)

Ecoinformatics

Ciência de dados para ecólogos
(Data Science for Ecologists)

Environmental Data Science

Legal, mas ainda está distante…

Big Data em Ecologia

Mudança de paradigma

Big Data em Ecologia

Quantidade de dados

Data papers

iEcology

Monitoramento automatizado

Machine Learning em Ecologia

Script

Abram o script

03_script_r_introduction.R

tidyverse

Descrição

O tidyverse é um conjunto de pacotes designados para Data Science
Todos os pacotes compartilham uma filosofia de design, gramática e estruturas de dados
É um “dialeto novo” para a linguagem R

tidy: organizado, arrumado, ordenado
verse: universo

Fluxo de trabalho

Pacotes

Artigos

Wickham, Hadley. “Tidy data.” Journal of Statistical Software 59.10 (2014): 1-23.
Wickham, Hadley, et al. “Welcome to the Tidyverse.” Journal of Open Source Software 4.43 (2019): 1686.

Livro

Tradução para o português

R para Ciência de Dados (2ª edição)

Site

tidyverse

Para utilizar os pacotes é preciso instalar e carregar o pacote tidyverse

# instalar pacote
install.packages("tidyverse")

# carregar pacote
library(tidyverse)

── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
✔ dplyr     1.1.4     ✔ readr     2.1.5
✔ forcats   1.0.1     ✔ stringr   1.5.2
✔ ggplot2   4.0.0     ✔ tibble    3.3.0
✔ lubridate 1.9.4     ✔ tidyr     1.3.1
✔ purrr     1.1.0     
── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag()    masks stats::lag()
ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

Pacotes do tidyverse

Listar os pacotes

# listar todos os pacotes no tidyverse 
tidyverse::tidyverse_packages(include_self = TRUE)

 [1] "broom"         "conflicted"    "cli"           "dbplyr"       
 [5] "dplyr"         "dtplyr"        "forcats"       "ggplot2"      
 [9] "googledrive"   "googlesheets4" "haven"         "hms"          
[13] "httr"          "jsonlite"      "lubridate"     "magrittr"     
[17] "modelr"        "pillar"        "purrr"         "ragg"         
[21] "readr"         "readxl"        "reprex"        "rlang"        
[25] "rstudioapi"    "rvest"         "stringr"       "tibble"       
[29] "tidyr"         "xml2"          "tidyverse"

Sintaxe

Todas as funções dos pacotes tidyverse usam fonte minúscula e _ para separar os nomes internos das funções (snake_case)

read_csv()

read_xlsx()

as_tibble()

left_join()

group_by()

Sintaxe

Geralmente indica-se de quais pacotes as funções são utilizadas (pacote::função) para evitar erros com outros pacotes

readr::read_csv()

readxl::read_xlsx()

tibble::as_tibble()

dplyr::left_join()

dplyr::group_by()

Descrição

Carrega e salva grandes arquivos de forma rápida
As funções fornecem medidores de progresso (big data)
Classificam o modo (tipo dos dados) de cada coluna
A classe do objeto atribuído é tibble
Funções:
read_csv(): lê arquivos Comma-separated values
read_csv2(): lê arquivos Comma-separated values (separado por ;)
read_tsv(): lê arquivos Tab-separated values
read_delim(): lê arquivos delim-separated values
write_csv(): escreve arquivos Comma-separated values
write_csv2(): escreve arquivos Comma-separated values (separado por ;)
write_delim(): escreve arquivos delim-separated values

Diretório

Caminho no computador para importar e exportar dados

Definir diretório

# definir diretorio
setwd("/home/mude/data/github/course-intror/data")

Conferir diretório

# conferir diretorio
getwd()

# listar arquivos
dir()

Importar dados

ATLANTIC AMPHIBIANS: a dataset of amphibian communities from the Atlantic Forests of South America

Importar dados

Formato .csv

# ler uma planilha eletronica (.csv)
si <- readr::read_csv("ATLANTIC_AMPHIBIANS_sites.csv")
si

# A tibble: 1,163 × 25
   id      reference_number species_number record sampled_habitat active_methods
   <chr>              <dbl>          <dbl> <chr>  <chr>           <chr>         
 1 amp1001             1001             19 ab     fo,ll           as            
 2 amp1002             1002             16 co     fo,la,ll        as            
 3 amp1003             1002             14 co     fo,la,ll        as            
 4 amp1004             1002             13 co     fo,la,ll        as            
 5 amp1005             1003             30 co     fo,ll,br        as            
 6 amp1006             1004             42 co     tp,pp,la,ll,is  <NA>          
 7 amp1007             1005             23 co     sp              as            
 8 amp1008             1005             19 co     sp,la,sw        as,sb,tr      
 9 amp1009             1005             13 ab     fo              <NA>          
10 amp1010             1006              1 ab     fo              <NA>          
# ℹ 1,153 more rows
# ℹ 19 more variables: passive_methods <chr>, complementary_methods <chr>,
#   period <chr>, month_start <dbl>, year_start <dbl>, month_finish <dbl>,
#   year_finish <dbl>, effort_months <dbl>, country <chr>, state <chr>,
#   state_abbreviation <chr>, municipality <chr>, site <chr>, latitude <dbl>,
#   longitude <dbl>, coordinate_precision <chr>, altitude <dbl>,
#   temperature <dbl>, precipitation <dbl>

Importar dados

Formato .txt

# importar txt
si <- readr::read_tsv("ATLANTIC_AMPHIBIANS_sites.txt")
si

# A tibble: 1,163 × 25
   id      reference_number species_number record sampled_habitat active_methods
   <chr>              <dbl>          <dbl> <chr>  <chr>           <chr>         
 1 amp1001             1001             19 ab     fo,ll           as            
 2 amp1002             1002             16 co     fo,la,ll        as            
 3 amp1003             1002             14 co     fo,la,ll        as            
 4 amp1004             1002             13 co     fo,la,ll        as            
 5 amp1005             1003             30 co     fo,ll,br        as            
 6 amp1006             1004             42 co     tp,pp,la,ll,is  <NA>          
 7 amp1007             1005             23 co     sp              as            
 8 amp1008             1005             19 co     sp,la,sw        as,sb,tr      
 9 amp1009             1005             13 ab     fo              <NA>          
10 amp1010             1006              1 ab     fo              <NA>          
# ℹ 1,153 more rows
# ℹ 19 more variables: passive_methods <chr>, complementary_methods <chr>,
#   period <chr>, month_start <dbl>, year_start <dbl>, month_finish <dbl>,
#   year_finish <dbl>, effort_months <dbl>, country <chr>, state <chr>,
#   state_abbreviation <chr>, municipality <chr>, site <chr>, latitude <dbl>,
#   longitude <dbl>, coordinate_precision <chr>, altitude <dbl>,
#   temperature <dbl>, precipitation <dbl>

Descrição

Pacotes para importar e exportar planilhas no formato Excel®

Carrega e salva grandes arquivos de forma rápida
As funções fornecem medidores de progresso (big data)
Classificam o modo (tipo dos dados) de cada coluna
A classe do objeto atribuído é tibble
Funções:
read_excel(): lê arquivos de planilhas Excel®
read_xls(): lê arquivos de planilhas Excel® (antes de 2010)
write_xlsx(): escreve arquivos de planilhas Excel®

# importar .xlsx
install.packages("readxl")
library("readxl")

# exportar .xlsx
install.packages("writexl")
library("writexl")

Importar dados

Formato .xlsx

# importar xlsx
si <- readxl::read_excel("ATLANTIC_AMPHIBIANS_sites.xlsx")
si

# A tibble: 1,163 × 25
   id      reference_number species_number record sampled_habitat active_methods
   <chr>              <dbl>          <dbl> <chr>  <chr>           <chr>         
 1 amp1001             1001             19 ab     fo,ll           as            
 2 amp1002             1002             16 co     fo,la,ll        as            
 3 amp1003             1002             14 co     fo,la,ll        as            
 4 amp1004             1002             13 co     fo,la,ll        as            
 5 amp1005             1003             30 co     fo,ll,br        as            
 6 amp1006             1004             42 co     tp,pp,la,ll,is  NA            
 7 amp1007             1005             23 co     sp              as            
 8 amp1008             1005             19 co     sp,la,sw        as,sb,tr      
 9 amp1009             1005             13 ab     fo              NA            
10 amp1010             1006              1 ab     fo              NA            
# ℹ 1,153 more rows
# ℹ 19 more variables: passive_methods <chr>, complementary_methods <chr>,
#   period <chr>, month_start <chr>, year_start <chr>, month_finish <chr>,
#   year_finish <chr>, effort_months <chr>, country <chr>, state <chr>,
#   state_abbreviation <chr>, municipality <chr>, site <chr>, latitude <dbl>,
#   longitude <dbl>, coordinate_precision <chr>, altitude <dbl>,
#   temperature <chr>, precipitation <chr>

Exportar dados

Diversos formatos

# exportar csv
readr::write_csv(si, "ATLANTIC_AMPHIBIANS_sites_exportado.csv")

# exportar txt
readr::write_tsv(si, "ATLANTIC_AMPHIBIANS_sites_exportado.txt")

# exportar excel
writexl::write_xlsx(si, "ATLANTIC_AMPHIBIANS_sites_exportado.xlsx")

Descrição

Dados importados de planilhas eletrônicas são data frames (quadro de dados)
tibble (classe tbl_df) é um tipo especial de data frame
Classe adequada para o funcionamento das das funções do tidyverse

# tibble
tb <- tibble::tibble(a = 1:10)
tb

as.data.frame(tb)

Espiando os dados

Descrição dos dados: linhas (Rows) e colunas (Columns)
Descrição das colunas: numbers(int, dbl), character(chr), logical(lgl) ou factor(fctr)

# descricao dos dados de sites
tibble::glimpse(si)

Rows: 1,163
Columns: 25
$ id                    <chr> "amp1001", "amp1002", "amp1003", "amp1004", "amp…
$ reference_number      <dbl> 1001, 1002, 1002, 1002, 1003, 1004, 1005, 1005, …
$ species_number        <dbl> 19, 16, 14, 13, 30, 42, 23, 19, 13, 1, 1, 2, 4, …
$ record                <chr> "ab", "co", "co", "co", "co", "co", "co", "co", …
$ sampled_habitat       <chr> "fo,ll", "fo,la,ll", "fo,la,ll", "fo,la,ll", "fo…
$ active_methods        <chr> "as", "as", "as", "as", "as", "NA", "as", "as,sb…
$ passive_methods       <chr> "pt", "pt", "pt", "pt", "NA", "NA", "NA", "NA", …
$ complementary_methods <chr> "NA", "NA", "NA", "NA", "NA", "NA", "NA", "NA", …
$ period                <chr> "mo,da,tw,ni", "mo,da,tw,ni", "mo,da,tw,ni", "mo…
$ month_start           <chr> "9", "12", "12", "12", "7", "NA", "4", "4", "4",…
$ year_start            <chr> "2000", "2007", "2007", "2007", "1988", "NA", "2…
$ month_finish          <chr> "1", "5", "5", "5", "8", "NA", "4", "4", "4", "7…
$ year_finish           <chr> "2002", "2009", "2009", "2009", "2001", "NA", "2…
$ effort_months         <chr> "16", "17", "17", "17", "157", "NA", "24", "24",…
$ country               <chr> "Brazil", "Brazil", "Brazil", "Brazil", "Brazil"…
$ state                 <chr> "Piauí", "Ceará", "Ceará", "Ceará", "Ceará", "Ce…
$ state_abbreviation    <chr> "BR-PI", "BR-CE", "BR-CE", "BR-CE", "BR-CE", "BR…
$ municipality          <chr> "Canto do Buriti", "São Gonçalo do Amarante", "S…
$ site                  <chr> "Parque Nacional Serra das Confusões", "Dunas", …
$ latitude              <dbl> -8.680000, -3.545527, -3.574194, -3.515250, -4.2…
$ longitude             <dbl> -43.42194, -38.85783, -38.88869, -38.91880, -38.…
$ coordinate_precision  <chr> "gm", "dd", "dd", "dd", "gm", "NA", "gms", "gms"…
$ altitude              <dbl> 543, 15, 29, 25, 750, 745, 863, 878, 826, 93, 35…
$ temperature           <chr> "24.98", "26.53", "26.45", "26.55", "21.35", "20…
$ precipitation         <chr> "853", "1318", "1248", "1376", "1689", "1249", "…

René Magritte (1898-1967)

Artista surrealista belga
“Ceci n’est pas une pipe”
Isso não é um cachimbo

Descrição

Pipe pode ser traduzido como “cano” ou “tubo”
Permite o “encadeamento” de várias funções sem armazenar resultados intermediários
Captura o resultado de uma função e torna a entrada da próxima função
Os códigos se tornam mais simples, pois permite a leitura sequencial do mesmo
Operador pipe: %>%
Atalho: crtl + shift + M

# sem pipe
obj <- funcao2(funcao1(dados))

# pipe
obj <- dados %>% 
  funcao1() %>% 
  funcao2()

Se preparem para uma revisão de funções compostas

Função composta

Função composta no R

# sem pipe
sqrt(sum(1:100))

[1] 71.06335

pipe

Sem pipe

# sem pipe
sqrt(sum(1:100))

[1] 71.06335

Com pipe

# com pipe
1:100 %>% 
  sum() %>% 
  sqrt()

[1] 71.06335

pipe

Sem pipe

# fixar amostragem
set.seed(42)

# sem pipe
ve <- sqrt(sum(sample(0:60, 6)))
ve

[1] 12.32883

Com pipe

# fixar amostragem
set.seed(42)

# com pipe
ve <- sample(0:60, 6) %>% 
  sum() %>%
  sqrt() 
ve

[1] 12.32883

Exercício

Reescreva cada uma das operações utilizando pipes %>%

log10(cumsum(1:100))

sum(sqrt(abs(rnorm(100))))

sum(log((sample(1:10, 10000, rep = TRUE)))

05:00

Exercício

Solução

# solucao 1
log10(cumsum(1:100))

1:100 %>%
  cumsum() %>% 
  log10()

Exercício

Solução

# solucao 2
sum(sqrt(abs(rnorm(100))))

rnorm(100) %>% 
  abs() %>% 
  sqrt() %>% 
  sum()

Exercício

Solução

# solucao 3
sum(log(sample(1:10, 10000, rep = TRUE)))

sample(1:10, 10000, rep = TRUE) %>% 
  log() %>% 
  sum()

Para apresentar os próximos pacotes, vamos usar dados de pinguins!

palmerpenguins

Dados de medidas de pinguins chamados palmerpenguins
Dados coletados e disponibilizados pela Dra. Kristen Gorman e pela Palmer Station, Antarctica LTER, membro da Long Term Ecological Research Network
Dois conjuntos de dados:
penguins_raw (dados brutos)
penguins (versão simplificada)

palmerpenguins

# instalar 
install.packages("palmerpenguins")

# carregar
library(palmerpenguins)

# ajuda dos dados
?penguins
?penguins_raw

palmerpenguins

# visualizar os dados
penguins
penguins_raw

# glimpse
tibble::glimpse(penguins)
tibble::glimpse(penguins_raw)

Descrição

Funções para tornar um conjunto de dados tidy (organizados), facilitando a manipulação, modelagem e visualização
Um conjunto de dados é condiderando tidy quando:

Cada variável está em uma coluna
Cada observação está em uma linha
Cada valor está em uma célula

Funções

unite

Une dados de múltiplas colunas em apenas uma coluna

# unir colunas
penguins_raw_unir <- tidyr::unite(data = penguins_raw, 
                                  col = "region_island",
                                  Region:Island, 
                                  sep = ", ",
                                  remove = FALSE)
head(penguins_raw_unir[, c("Region", "Island", "region_island")])

# A tibble: 6 × 3
  Region Island    region_island    
  <chr>  <chr>     <chr>            
1 Anvers Torgersen Anvers, Torgersen
2 Anvers Torgersen Anvers, Torgersen
3 Anvers Torgersen Anvers, Torgersen
4 Anvers Torgersen Anvers, Torgersen
5 Anvers Torgersen Anvers, Torgersen
6 Anvers Torgersen Anvers, Torgersen

separate

Separa caracteres de uma coluna em múltiplas colunas

# separar colunas
penguins_raw_separar <- tidyr::separate(data = penguins_raw, 
                                        col = Stage,
                                        into = c("stage", "egg_stage"), 
                                        sep = ", ",
                                        remove = FALSE)
head(penguins_raw_separar[, c("Stage", "stage", "egg_stage")])

# A tibble: 6 × 3
  Stage              stage egg_stage  
  <chr>              <chr> <chr>      
1 Adult, 1 Egg Stage Adult 1 Egg Stage
2 Adult, 1 Egg Stage Adult 1 Egg Stage
3 Adult, 1 Egg Stage Adult 1 Egg Stage
4 Adult, 1 Egg Stage Adult 1 Egg Stage
5 Adult, 1 Egg Stage Adult 1 Egg Stage
6 Adult, 1 Egg Stage Adult 1 Egg Stage

drop_na

Remove linhas com NA de todas as colunas

# remover linhas com na
penguins_raw_todas_na <- tidyr::drop_na(data = penguins_raw)
head(penguins_raw_todas_na)

# A tibble: 6 × 17
  studyName `Sample Number` Species          Region Island Stage `Individual ID`
  <chr>               <dbl> <chr>            <chr>  <chr>  <chr> <chr>          
1 PAL0708                 7 Adelie Penguin … Anvers Torge… Adul… N4A1           
2 PAL0708                 8 Adelie Penguin … Anvers Torge… Adul… N4A2           
3 PAL0708                29 Adelie Penguin … Anvers Biscoe Adul… N18A1          
4 PAL0708                30 Adelie Penguin … Anvers Biscoe Adul… N18A2          
5 PAL0708                39 Adelie Penguin … Anvers Dream  Adul… N25A1          
6 PAL0809                69 Adelie Penguin … Anvers Torge… Adul… N32A1          
# ℹ 10 more variables: `Clutch Completion` <chr>, `Date Egg` <date>,
#   `Culmen Length (mm)` <dbl>, `Culmen Depth (mm)` <dbl>,
#   `Flipper Length (mm)` <dbl>, `Body Mass (g)` <dbl>, Sex <chr>,
#   `Delta 15 N (o/oo)` <dbl>, `Delta 13 C (o/oo)` <dbl>, Comments <chr>

drop_na

Remove linhas com NA de uma única coluna

# remover linhas com na de uma coluna
penguins_raw_colunas_na <- tidyr::drop_na(data = penguins_raw,
                                          any_of("Comments"))
head(penguins_raw_colunas_na[, "Comments"])

# A tibble: 6 × 1
  Comments                             
  <chr>                                
1 Not enough blood for isotopes.       
2 Adult not sampled.                   
3 Nest never observed with full clutch.
4 Nest never observed with full clutch.
5 No blood sample obtained.            
6 No blood sample obtained for sexing.

Descrição

Funções que facilitam a manipulação de dados

Funções

Gramática simples que contém funções verbais para a manipulação de dados

Verbos: mutate(), select(), filter(), arrange(), summarise(), slice(), rename(), etc.
Replicação: across(), if_any(), if_all(), where(), starts_with(), ends_with(), contains(), etc.
Agrupamento: group_by() e ungroup()
Junções: inner_join(), full_join(), left_join(), right_join(), etc.
Combinações: bind_rows() e bind_cols()
Resumos, contagem e seleção: n(), n_distinct(), first(), last(), nth(), etc.

Funções

Colunas

relocate(): muda a ordem das colunas
rename(): muda o nome das colunas
select(): seleciona colunas pelo nome ou posição
pull(): seleciona uma coluna como vetor
mutate(): adiciona novas colunas ou resultados em colunas existentes

Linhas

arrange(): reordena as linhas com base nos valores de colunas
filter(): seleciona linhas com base em valores de colunas
slice(): seleciona linhas de diferente formas
distinct(): remove linhas com valores repetidos com base nos valores de colunas

Agrupamento

count(): conta observações para uma ou mais coluna
group_by(): agrupa linhas pelos valores das colunas
summarise(): resume os dados através de funções considerando valores das colunas

Sintaxe

O tibble é sempre o primeiro argumento das funções verbais
Todas seguem a mesma sintaxe:

tibble
operador pipe
nome da função verbal com os argumentos entre parênteses

As funções verbais não modificam o tibble original

# sintaxe
tb_dplyr <- tb %>% 
  funcao_verbal1(argumento1, argumento2, ...) %>% 
  funcao_verbal2(argumento1, argumento2, ...) %>% 
  funcao_verbal3(argumento1, argumento2, ...)

relocate

Reordena colunas por nome ou posição

# reordenar colunas - nome
penguins_relocate_col <- penguins %>% 
  dplyr::relocate(sex, year, .after = island)
head(penguins_relocate_col)

# A tibble: 6 × 8
  species island    sex     year bill_length_mm bill_depth_mm flipper_length_mm
  <fct>   <fct>     <fct>  <int>          <dbl>         <dbl>             <int>
1 Adelie  Torgersen male    2007           39.1          18.7               181
2 Adelie  Torgersen female  2007           39.5          17.4               186
3 Adelie  Torgersen female  2007           40.3          18                 195
4 Adelie  Torgersen <NA>    2007           NA            NA                  NA
5 Adelie  Torgersen female  2007           36.7          19.3               193
6 Adelie  Torgersen male    2007           39.3          20.6               190
# ℹ 1 more variable: body_mass_g <int>

relocate

Reordena colunas por nome ou posição

# reordenar colunas - posicao
penguins_relocate_ncol <- penguins %>% 
  dplyr::relocate(sex, year, .after = 2)
head(penguins_relocate_ncol)

# A tibble: 6 × 8
  species island    sex     year bill_length_mm bill_depth_mm flipper_length_mm
  <fct>   <fct>     <fct>  <int>          <dbl>         <dbl>             <int>
1 Adelie  Torgersen male    2007           39.1          18.7               181
2 Adelie  Torgersen female  2007           39.5          17.4               186
3 Adelie  Torgersen female  2007           40.3          18                 195
4 Adelie  Torgersen <NA>    2007           NA            NA                  NA
5 Adelie  Torgersen female  2007           36.7          19.3               193
6 Adelie  Torgersen male    2007           39.3          20.6               190
# ℹ 1 more variable: body_mass_g <int>

rename

Renomeia colunas

# renomear colunas
penguins_rename <- penguins %>% 
  dplyr::rename(bill_length = bill_length_mm,
                bill_depth = bill_depth_mm,
                flipper_length = flipper_length_mm,
                body_mass = body_mass_g)
head(penguins_rename)

# A tibble: 6 × 8
  species island    bill_length bill_depth flipper_length body_mass sex     year
  <fct>   <fct>           <dbl>      <dbl>          <int>     <int> <fct>  <int>
1 Adelie  Torgersen        39.1       18.7            181      3750 male    2007
2 Adelie  Torgersen        39.5       17.4            186      3800 female  2007
3 Adelie  Torgersen        40.3       18              195      3250 female  2007
4 Adelie  Torgersen        NA         NA               NA        NA <NA>    2007
5 Adelie  Torgersen        36.7       19.3            193      3450 female  2007
6 Adelie  Torgersen        39.3       20.6            190      3650 male    2007

select

Seleciona colunas pela posição ou nome

# selecionar colunas por posicao
penguins_select_position <- penguins %>% 
  dplyr::select(3:6)
head(penguins_select_position)

# A tibble: 6 × 4
  bill_length_mm bill_depth_mm flipper_length_mm body_mass_g
           <dbl>         <dbl>             <int>       <int>
1           39.1          18.7               181        3750
2           39.5          17.4               186        3800
3           40.3          18                 195        3250
4           NA            NA                  NA          NA
5           36.7          19.3               193        3450
6           39.3          20.6               190        3650

select

Seleciona colunas pela posição ou nome

# selecionar colunas por nomes
penguins_select_names <- penguins %>% 
  dplyr::select(bill_length_mm:body_mass_g)
head(penguins_select_names)

# A tibble: 6 × 4
  bill_length_mm bill_depth_mm flipper_length_mm body_mass_g
           <dbl>         <dbl>             <int>       <int>
1           39.1          18.7               181        3750
2           39.5          17.4               186        3800
3           40.3          18                 195        3250
4           NA            NA                  NA          NA
5           36.7          19.3               193        3450
6           39.3          20.6               190        3650

select

Remove colunas pela posição ou nome

# remover colunas pelo nome
penguins_select_names_remove <- penguins %>% 
  dplyr::select(-(bill_length_mm:body_mass_g))
head(penguins_select_names_remove)

# A tibble: 6 × 4
  species island    sex     year
  <fct>   <fct>     <fct>  <int>
1 Adelie  Torgersen male    2007
2 Adelie  Torgersen female  2007
3 Adelie  Torgersen female  2007
4 Adelie  Torgersen <NA>    2007
5 Adelie  Torgersen female  2007
6 Adelie  Torgersen male    2007

select

Seleciona ou remove colunas por um padrão nos nomes

# selecionar colunas por padrao - starts_with(), ends_with() e contains()
penguins_select_contains <- penguins %>% 
  dplyr::select(contains("_mm"))
head(penguins_select_contains)

# A tibble: 6 × 3
  bill_length_mm bill_depth_mm flipper_length_mm
           <dbl>         <dbl>             <int>
1           39.1          18.7               181
2           39.5          17.4               186
3           40.3          18                 195
4           NA            NA                  NA
5           36.7          19.3               193
6           39.3          20.6               190

pull

Seleciona uma coluna como vetor

# coluna para vetor
penguins_select_pull <- penguins %>% 
  dplyr::pull(bill_length_mm)
head(penguins_select_pull, 15)

 [1] 39.1 39.5 40.3   NA 36.7 39.3 38.9 39.2 34.1 42.0 37.8 37.8 41.1 38.6 34.6

mutate

Adiciona colunas novas ou advindas de operações

# adicionar colunas
penguins_mutate <- penguins %>% 
  dplyr::mutate(body_mass_kg = body_mass_g/1e3, .before = sex)
head(penguins_mutate)

# A tibble: 6 × 9
  species island    bill_length_mm bill_depth_mm flipper_length_mm body_mass_g
  <fct>   <fct>              <dbl>         <dbl>             <int>       <int>
1 Adelie  Torgersen           39.1          18.7               181        3750
2 Adelie  Torgersen           39.5          17.4               186        3800
3 Adelie  Torgersen           40.3          18                 195        3250
4 Adelie  Torgersen           NA            NA                  NA          NA
5 Adelie  Torgersen           36.7          19.3               193        3450
6 Adelie  Torgersen           39.3          20.6               190        3650
# ℹ 3 more variables: body_mass_kg <dbl>, sex <fct>, year <int>

arrange

Reordena linhas de forma crescente pelos valores de uma coluna

# reordenar os valores por ordem crescente
penguins_arrange <- penguins %>% 
  dplyr::arrange(body_mass_g)
head(penguins_arrange)

# A tibble: 6 × 8
  species   island    bill_length_mm bill_depth_mm flipper_length_mm body_mass_g
  <fct>     <fct>              <dbl>         <dbl>             <int>       <int>
1 Chinstrap Dream               46.9          16.6               192        2700
2 Adelie    Biscoe              36.5          16.6               181        2850
3 Adelie    Biscoe              36.4          17.1               184        2850
4 Adelie    Biscoe              34.5          18.1               187        2900
5 Adelie    Dream               33.1          16.1               178        2900
6 Adelie    Torgersen           38.6          17                 188        2900
# ℹ 2 more variables: sex <fct>, year <int>

arrange

Reordena linhas de forma decrescente pelos valores de uma coluna

# reordenar os valores por ordem decrescente
penguins_arrange_desc <- penguins %>% 
  dplyr::arrange(desc(body_mass_g))
head(penguins_arrange_desc)

# A tibble: 6 × 8
  species island bill_length_mm bill_depth_mm flipper_length_mm body_mass_g
  <fct>   <fct>           <dbl>         <dbl>             <int>       <int>
1 Gentoo  Biscoe           49.2          15.2               221        6300
2 Gentoo  Biscoe           59.6          17                 230        6050
3 Gentoo  Biscoe           51.1          16.3               220        6000
4 Gentoo  Biscoe           48.8          16.2               222        6000
5 Gentoo  Biscoe           45.2          16.4               223        5950
6 Gentoo  Biscoe           49.8          15.9               229        5950
# ℹ 2 more variables: sex <fct>, year <int>

arrange

Reordena linhas de forma decrescente pelos valores de uma coluna

# reordenar os valores por ordem decrescente
penguins_arrange_desc_m <- penguins %>% 
  dplyr::arrange(-body_mass_g)
head(penguins_arrange_desc_m)

# A tibble: 6 × 8
  species island bill_length_mm bill_depth_mm flipper_length_mm body_mass_g
  <fct>   <fct>           <dbl>         <dbl>             <int>       <int>
1 Gentoo  Biscoe           49.2          15.2               221        6300
2 Gentoo  Biscoe           59.6          17                 230        6050
3 Gentoo  Biscoe           51.1          16.3               220        6000
4 Gentoo  Biscoe           48.8          16.2               222        6000
5 Gentoo  Biscoe           45.2          16.4               223        5950
6 Gentoo  Biscoe           49.8          15.9               229        5950
# ℹ 2 more variables: sex <fct>, year <int>

filter

Filtra linhas por valores de uma coluna

# filtrar linhas por valores de uma coluna
penguins_filter <- penguins %>% 
  dplyr::filter(species == "Adelie")
head(penguins_filter)

# A tibble: 6 × 8
  species island    bill_length_mm bill_depth_mm flipper_length_mm body_mass_g
  <fct>   <fct>              <dbl>         <dbl>             <int>       <int>
1 Adelie  Torgersen           39.1          18.7               181        3750
2 Adelie  Torgersen           39.5          17.4               186        3800
3 Adelie  Torgersen           40.3          18                 195        3250
4 Adelie  Torgersen           NA            NA                  NA          NA
5 Adelie  Torgersen           36.7          19.3               193        3450
6 Adelie  Torgersen           39.3          20.6               190        3650
# ℹ 2 more variables: sex <fct>, year <int>

filter

Filtra linhas por valores de várias colunas

# filtrar linhas por valores de duas colunas
penguins_filter_two <- penguins %>% 
  dplyr::filter(species == "Adelie" & sex == "female")
head(penguins_filter_two)

# A tibble: 6 × 8
  species island    bill_length_mm bill_depth_mm flipper_length_mm body_mass_g
  <fct>   <fct>              <dbl>         <dbl>             <int>       <int>
1 Adelie  Torgersen           39.5          17.4               186        3800
2 Adelie  Torgersen           40.3          18                 195        3250
3 Adelie  Torgersen           36.7          19.3               193        3450
4 Adelie  Torgersen           38.9          17.8               181        3625
5 Adelie  Torgersen           41.1          17.6               182        3200
6 Adelie  Torgersen           36.6          17.8               185        3700
# ℹ 2 more variables: sex <fct>, year <int>

filter

Filtra linhas por vários valores de várias colunas

# filtrar linhas por mais de um valor e mais de uma coluna
penguins_filter_in <- penguins %>% 
  dplyr::filter(species %in% c("Adelie", "Gentoo"),
                sex == "female")
head(penguins_filter_in)

# A tibble: 6 × 8
  species island    bill_length_mm bill_depth_mm flipper_length_mm body_mass_g
  <fct>   <fct>              <dbl>         <dbl>             <int>       <int>
1 Adelie  Torgersen           39.5          17.4               186        3800
2 Adelie  Torgersen           40.3          18                 195        3250
3 Adelie  Torgersen           36.7          19.3               193        3450
4 Adelie  Torgersen           38.9          17.8               181        3625
5 Adelie  Torgersen           41.1          17.6               182        3200
6 Adelie  Torgersen           36.6          17.8               185        3700
# ℹ 2 more variables: sex <fct>, year <int>

slice

Seleciona linhas por intervalos, indicando quais linhas desejamos

# selecionar linhas por intervalos
penguins_slice <- penguins %>% 
  dplyr::slice(c(1, 3, 300:n()))
head(penguins_slice)

# A tibble: 6 × 8
  species   island    bill_length_mm bill_depth_mm flipper_length_mm body_mass_g
  <fct>     <fct>              <dbl>         <dbl>             <int>       <int>
1 Adelie    Torgersen           39.1          18.7               181        3750
2 Adelie    Torgersen           40.3          18                 195        3250
3 Chinstrap Dream               50.6          19.4               193        3800
4 Chinstrap Dream               46.7          17.9               195        3300
5 Chinstrap Dream               52            19                 197        4150
6 Chinstrap Dream               50.5          18.4               200        3400
# ℹ 2 more variables: sex <fct>, year <int>

slice

Seleciona linhas iniciais

# selecionar linhas iniciais
penguins_slice_head <- penguins %>% 
  dplyr::slice_head(n = 5)
head(penguins_slice_head)

# A tibble: 5 × 8
  species island    bill_length_mm bill_depth_mm flipper_length_mm body_mass_g
  <fct>   <fct>              <dbl>         <dbl>             <int>       <int>
1 Adelie  Torgersen           39.1          18.7               181        3750
2 Adelie  Torgersen           39.5          17.4               186        3800
3 Adelie  Torgersen           40.3          18                 195        3250
4 Adelie  Torgersen           NA            NA                  NA          NA
5 Adelie  Torgersen           36.7          19.3               193        3450
# ℹ 2 more variables: sex <fct>, year <int>

slice

Seleciona linhas aleatoriamente, com e sem reposição

# selecionar linhas aleatoriamente
penguins_slice_sample <- penguins %>% 
  dplyr::slice_sample(n = 30, replace = FALSE)
head(penguins_slice_sample)

# A tibble: 6 × 8
  species   island    bill_length_mm bill_depth_mm flipper_length_mm body_mass_g
  <fct>     <fct>              <dbl>         <dbl>             <int>       <int>
1 Adelie    Dream               39            18.7               185        3650
2 Adelie    Torgersen           37.7          19.8               198        3500
3 Adelie    Dream               36            17.9               190        3450
4 Adelie    Torgersen           41.5          18.3               195        4300
5 Chinstrap Dream               50.5          18.4               200        3400
6 Adelie    Biscoe              38.2          18.1               185        3950
# ℹ 2 more variables: sex <fct>, year <int>

distinct

Retira linhas com valores duplicados com base nos valores de colunas

# retirar linhas com valores duplicados
penguins_distinct <- penguins %>% 
  dplyr::distinct(body_mass_g)
head(penguins_distinct)

# A tibble: 6 × 1
  body_mass_g
        <int>
1        3750
2        3800
3        3250
4          NA
5        3450
6        3650

distinct

Retira linhas com valores duplicados com base nos valores de colunas, mas mantendo as colunas

# retirar linhas com valores duplicados e manter colunas
penguins_distinct_keep_all <- penguins %>% 
  dplyr::distinct(body_mass_g, .keep_all = TRUE)
head(penguins_distinct_keep_all)

# A tibble: 6 × 8
  species island    bill_length_mm bill_depth_mm flipper_length_mm body_mass_g
  <fct>   <fct>              <dbl>         <dbl>             <int>       <int>
1 Adelie  Torgersen           39.1          18.7               181        3750
2 Adelie  Torgersen           39.5          17.4               186        3800
3 Adelie  Torgersen           40.3          18                 195        3250
4 Adelie  Torgersen           NA            NA                  NA          NA
5 Adelie  Torgersen           36.7          19.3               193        3450
6 Adelie  Torgersen           39.3          20.6               190        3650
# ℹ 2 more variables: sex <fct>, year <int>

count

Conta valores de uma ou mais colunas (variáveis categóricas)

# contagens de valores para uma coluna
penguins_count <- penguins %>% 
  dplyr::count(species)
penguins_count

# A tibble: 3 × 2
  species       n
  <fct>     <int>
1 Adelie      152
2 Chinstrap    68
3 Gentoo      124

count

Conta valores de uma ou mais colunas (variáveis categóricas)

# contagens de valores para mais de uma coluna
penguins_count_two <- penguins %>% 
  dplyr::count(species, island)
penguins_count_two

# A tibble: 5 × 3
  species   island        n
  <fct>     <fct>     <int>
1 Adelie    Biscoe       44
2 Adelie    Dream        56
3 Adelie    Torgersen    52
4 Chinstrap Dream        68
5 Gentoo    Biscoe      124

count

Conta valores de uma ou mais colunas (variáveis categóricas) ordenando a contagem

# contagens de valores para mais de uma coluna
penguins_count_two_sort <- penguins %>% 
  dplyr::count(species, island, sort = TRUE)
penguins_count_two_sort

# A tibble: 5 × 3
  species   island        n
  <fct>     <fct>     <int>
1 Gentoo    Biscoe      124
2 Chinstrap Dream        68
3 Adelie    Dream        56
4 Adelie    Torgersen    52
5 Adelie    Biscoe       44

group_by

Transforma um tibble em um tibble agrupado, onde as operações são realizadas “por grupo”

# agrupamento
penguins_group_by <- penguins %>% 
  dplyr::group_by(species)
head(penguins_group_by)

# A tibble: 6 × 8
# Groups:   species [1]
  species island    bill_length_mm bill_depth_mm flipper_length_mm body_mass_g
  <fct>   <fct>              <dbl>         <dbl>             <int>       <int>
1 Adelie  Torgersen           39.1          18.7               181        3750
2 Adelie  Torgersen           39.5          17.4               186        3800
3 Adelie  Torgersen           40.3          18                 195        3250
4 Adelie  Torgersen           NA            NA                  NA          NA
5 Adelie  Torgersen           36.7          19.3               193        3450
6 Adelie  Torgersen           39.3          20.6               190        3650
# ℹ 2 more variables: sex <fct>, year <int>

summarise

Agrega ou resume dados através de funções síntese

# resumo
penguins_summarise <- penguins %>% 
  dplyr::group_by(species) %>% 
  dplyr::summarize(body_mass_g_mean = mean(body_mass_g, na.rm = TRUE),
                   body_mass_g_sd = sd(body_mass_g, na.rm = TRUE))
penguins_summarise

# A tibble: 3 × 3
  species   body_mass_g_mean body_mass_g_sd
  <fct>                <dbl>          <dbl>
1 Adelie               3701.           459.
2 Chinstrap            3733.           384.
3 Gentoo               5076.           504.

`bind_rows()` e `bind_cols()`

Combina dados por linhas ou por colunas

# selecionar as linhas para dois tibbles
penguins_01 <- dplyr::slice(penguins, 1:5)
head(penguins_01)

# A tibble: 5 × 8
  species island    bill_length_mm bill_depth_mm flipper_length_mm body_mass_g
  <fct>   <fct>              <dbl>         <dbl>             <int>       <int>
1 Adelie  Torgersen           39.1          18.7               181        3750
2 Adelie  Torgersen           39.5          17.4               186        3800
3 Adelie  Torgersen           40.3          18                 195        3250
4 Adelie  Torgersen           NA            NA                  NA          NA
5 Adelie  Torgersen           36.7          19.3               193        3450
# ℹ 2 more variables: sex <fct>, year <int>

penguins_02 <- dplyr::slice(penguins, 51:55)
head(penguins_02)

# A tibble: 5 × 8
  species island bill_length_mm bill_depth_mm flipper_length_mm body_mass_g
  <fct>   <fct>           <dbl>         <dbl>             <int>       <int>
1 Adelie  Biscoe           39.6          17.7               186        3500
2 Adelie  Biscoe           40.1          18.9               188        4300
3 Adelie  Biscoe           35            17.9               190        3450
4 Adelie  Biscoe           42            19.5               200        4050
5 Adelie  Biscoe           34.5          18.1               187        2900
# ℹ 2 more variables: sex <fct>, year <int>

`bind_rows()` e `bind_cols()`

Combina dados por linhas

# combinar as linhas
penguins_bind_rows <- dplyr::bind_rows(penguins_01, penguins_02, .id = "id")
head(penguins_bind_rows)

# A tibble: 6 × 9
  id    species island    bill_length_mm bill_depth_mm flipper_length_mm
  <chr> <fct>   <fct>              <dbl>         <dbl>             <int>
1 1     Adelie  Torgersen           39.1          18.7               181
2 1     Adelie  Torgersen           39.5          17.4               186
3 1     Adelie  Torgersen           40.3          18                 195
4 1     Adelie  Torgersen           NA            NA                  NA
5 1     Adelie  Torgersen           36.7          19.3               193
6 2     Adelie  Biscoe              39.6          17.7               186
# ℹ 3 more variables: body_mass_g <int>, sex <fct>, year <int>

`bind_rows()` e `bind_cols()`

Combina dados por colunas

## combinar as colunas
penguins_bind_cols <- dplyr::bind_cols(penguins_01, penguins_02, .name_repair = "unique")
head(penguins_bind_cols)

# A tibble: 5 × 16
  species...1 island...2 bill_length_mm...3 bill_depth_mm...4
  <fct>       <fct>                   <dbl>             <dbl>
1 Adelie      Torgersen                39.1              18.7
2 Adelie      Torgersen                39.5              17.4
3 Adelie      Torgersen                40.3              18  
4 Adelie      Torgersen                NA                NA  
5 Adelie      Torgersen                36.7              19.3
# ℹ 12 more variables: flipper_length_mm...5 <int>, body_mass_g...6 <int>,
#   sex...7 <fct>, year...8 <int>, species...9 <fct>, island...10 <fct>,
#   bill_length_mm...11 <dbl>, bill_depth_mm...12 <dbl>,
#   flipper_length_mm...13 <int>, body_mass_g...14 <int>, sex...15 <fct>,
#   year...16 <int>

stringr

Pacote para a manipulação de strings ou caracteres
Exemplos: Correspondência de padrões, retirar e acrescentar espaços em branco, mudar maiúsculas e minúsculas
Pode ser utilizado em conjunto com o pacote dplyr para manejar colunas
Para funções mais específicas, recomenda-se usar o pacote stringi

stringr

Comprimento

# comprimento
stringr::str_length(string = "penguins")

[1] 8

Substituir

# substituir
stringr::str_replace(string = "penguins", pattern = "i", replacement = "y")

[1] "penguyns"

Separar

# separar
stringr::str_split(string = "p-e-n-g-u-i-n-s", pattern = "-", simplify = TRUE)

     [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]
[1,] "p"  "e"  "n"  "g"  "u"  "i"  "n"  "s"

stringr

Extrair pela posição

# extrair pela posicao
stringr::str_sub(string = "penguins", end = 3)

[1] "pen"

Extrair por padrão

# extrair por padrao
stringr::str_extract(string = "penguins", pattern = "p")

[1] "p"

stringr

Inserir espacos em branco

# inserir espaco em branco - esquerda
stringr::str_pad(string = "penguins", width = 10, side = "left")

[1] "  penguins"

# inserir espaco em branco - direita
stringr::str_pad(string = "penguins", width = 10, side = "right")

[1] "penguins  "

# inserir espaco em branco - ambos
stringr::str_pad(string = "penguins", width = 10, side = "both")

[1] " penguins "

stringr

Remover espaços em branco

# remover espacos em branco - esquerda
stringr::str_trim(string = " penguins ", side = "left")

[1] "penguins "

# remover espacos em branco - direta
stringr::str_trim(string = " penguins ", side = "right")

[1] " penguins"

# remover espacos em branco - ambos
stringr::str_trim(string = " penguins ", side = "both")

[1] "penguins"

stringr

Alterar minúsculas e maiúsculas

# minusculas
stringr::str_to_lower(string = "Penguins")

[1] "penguins"

# maiusculas
stringr::str_to_upper(string = "penguins")

[1] "PENGUINS"

# primeiro caracter maiusculo da primeira palavra
stringr::str_to_sentence(string = "palmer penGuins")

[1] "Palmer penguins"

# primeiro caracter maiusculo de cada palavra
stringr::str_to_title(string = "palmer penGuins")

[1] "Palmer Penguins"

stringr

Ordenar

# ordenar - crescente
stringr::str_sort(x = letters)

 [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q" "r" "s"
[20] "t" "u" "v" "w" "x" "y" "z"

# ordenar - decrescente
stringr::str_sort(x = letters, dec = TRUE)

 [1] "z" "y" "x" "w" "v" "u" "t" "s" "r" "q" "p" "o" "n" "m" "l" "k" "j" "i" "h"
[20] "g" "f" "e" "d" "c" "b" "a"

stringr

Alterar valores das colunas

# alterar valores das colunas
penguins_stringr_valores <- penguins %>% 
  dplyr::mutate(species = stringr::str_to_lower(species))

Alterar nome das colunas

# alterar nome das colunas
penguins_stringr_nomes <- penguins %>% 
  dplyr::rename_with(stringr::str_to_title)

Descrição

Conjunto de ferramentas úteis para facilitar a manipulação de fatores e seus níveis
Exemplos: mudar a ordem dos níveis, mudar os valores dos níveis, adicionar e remover níveis, combinar múltiplos níveis
Pode ser utilizado em conjunto com o pacote dplyr para manejar colunas

forcats

Converter dados de string para factor

# converter dados de string para factor
forcats::as_factor(penguins_raw$Species) %>% head()

[1] Adelie Penguin (Pygoscelis adeliae) Adelie Penguin (Pygoscelis adeliae)
[3] Adelie Penguin (Pygoscelis adeliae) Adelie Penguin (Pygoscelis adeliae)
[5] Adelie Penguin (Pygoscelis adeliae) Adelie Penguin (Pygoscelis adeliae)
3 Levels: Adelie Penguin (Pygoscelis adeliae) ...

Mudar o nome dos níveis

# mudar o nome dos niveis
forcats::fct_recode(penguins$species, a = "Adelie", c = "Chinstrap", g = "Gentoo") %>% head()

[1] a a a a a a
Levels: a c g

forcats

Inverter os níveis

# inverter os niveis
forcats::fct_rev(penguins$species) %>% head()

[1] Adelie Adelie Adelie Adelie Adelie Adelie
Levels: Gentoo Chinstrap Adelie

Especificar a ordem dos níveis

# especificar a ordem dos niveis
forcats::fct_relevel(penguins$species, "Chinstrap", "Gentoo", "Adelie") %>% head()

[1] Adelie Adelie Adelie Adelie Adelie Adelie
Levels: Chinstrap Gentoo Adelie

forcats

Níveis pela ordem em que aparecem

# niveis pela ordem em que aparecem
forcats::fct_inorder(penguins$species) %>% head()

[1] Adelie Adelie Adelie Adelie Adelie Adelie
Levels: Adelie Gentoo Chinstrap

Ordem (decrescente) de frequência

# ordem (decrescente) de frequecia
forcats::fct_infreq(penguins$species) %>% head()

[1] Adelie Adelie Adelie Adelie Adelie Adelie
Levels: Adelie Gentoo Chinstrap

forcats

Agregação de níveis raros em um nível

# agregacao de niveis raros em um nivel
forcats::fct_lump(penguins$species) %>% head()

[1] Adelie Adelie Adelie Adelie Adelie Adelie
Levels: Adelie Gentoo Other

Transformar várias colunas em fator

# transformar varias colunas em fator
penguins_raw_multi_factor <- penguins_raw %>% 
  dplyr::mutate(across(where(is.character), forcats::as_factor))

lubridate

Pacote à parte do tidyverse
Carregar sempre que for utilizar

# carregar
library(lubridate)

Descrição

Conjunto de funções para a manipulação de dados de data e horário
A manipulação desses dados não é intuitiva e muda dependendo do tipo de objeto de data e horário
O formato desses dados deve levar em consideração Fusos horários, anos bissextos, horários de verão, etc.
Exemplos: transformações de data/horário, componentes, arredondamentos, durações, períodos, intervalos, etc.

lubridate

Tipos de dados

Data: tempo em dias, meses e anos <date>
Horário: tempo dentro de um dia <time>
Data-horário: tempo em um instante (data mais tempo) <dttm>
Para trabalhar exclusivamente com horários, podemos utilizar o pacote

lubridate

Algumas letras possuem significados temporais, sendo abreviações de diferentes períodos em inglês:

year (ano), month (mês)
weak (semana), day (dia)
hour (hora), minute (minuto) e second (segundo)

lubridate

Data e horários atuais

# extrair a data nesse instante
lubridate::today()

[1] "2025-10-09"

# extrair a data e tempo nesse instante
lubridate::now()

[1] "2025-10-09 09:38:24 -03"

lubridate

Existem três maneiras de criar um dado de data/horário

De um string ou caracter
De componentes individuais de data e horário
De um objeto de data/horário existente

lubridate

1. String ou caracter

Os dados de data/horário geralmente estão no formato de strings
Podemos transformar os dados especificando a ordem dos seus componentes usando as letras y (ano), m (mês) e d (dia)

# strings e numeros para datas
lubridate::dmy("03-03-2021")

[1] "2021-03-03"

lubridate

1. String ou caracter

Essas funções também aceitam números sem aspas, além funcionarem em outros diversos formatos

# strings e numeros para datas
lubridate::dmy("03-Mar-2021")
lubridate::dmy(03032021)
lubridate::dmy("03032021")
lubridate::dmy("03/03/2021")
lubridate::dmy("03.03.2021")

lubridate

1. String ou caracter

Especificar horários e Fusos horários

# especificar horarios e fuso horario
lubridate::dmy_h("03-03-2021 13")
lubridate::dmy_hm("03-03-2021 13:32")
lubridate::dmy_hms("03-03-2021 13:32:01")
lubridate::dmy_hms("03-03-2021 13:32:01", tz = "America/Sao_Paulo")

lubridate

2. Componentes individuais de data e horário

# dados com componentes individuais
dados <- tibble::tibble(
  ano = c(2021, 2021, 2021),
  mes = c(1, 2, 3),
  dia = c(12, 20, 31),
  hora = c(2, 14, 18), 
  minuto = c(2, 44, 55))
dados

# A tibble: 3 × 5
    ano   mes   dia  hora minuto
  <dbl> <dbl> <dbl> <dbl>  <dbl>
1  2021     1    12     2      2
2  2021     2    20    14     44
3  2021     3    31    18     55

lubridate

2. Componentes individuais de data e horário

# dados com componentes individuais
dados %>% 
  dplyr::mutate(data = lubridate::make_datetime(ano, mes, dia, hora, minuto))

# A tibble: 3 × 6
    ano   mes   dia  hora minuto data               
  <dbl> <dbl> <dbl> <dbl>  <dbl> <dttm>             
1  2021     1    12     2      2 2021-01-12 02:02:00
2  2021     2    20    14     44 2021-02-20 14:44:00
3  2021     3    31    18     55 2021-03-31 18:55:00

lubridate

3. Objeto de data/horário existente

# data para data-horario
lubridate::as_datetime(today())

[1] "2025-10-09 UTC"

# data-horario para data
lubridate::as_date(now())

[1] "2025-10-09"

lubridate

Funções para acessar e definir componentes individuais de datas e horários

year(): acessa o ano
month(): acessa o mês
day(): acessa o dia
yday(): acessa o dia do ano
mday(): acessa o dia do mês
wday(): acessa o dia da semana
hour(): acessa as horas
minute(): acessa os minutos
second(): acessa os segundos

lubridate

Funções para acessar e definir componentes individuais de datas e horários

# extrair
lubridate::year(now())
lubridate::month(now())
lubridate::month(now(), label = TRUE)
lubridate::day(now())
lubridate::wday(now())
lubridate::wday(now(), label = TRUE)
lubridate::second(now())

lubridate

Inclusão de informações de datas e horários

# data
data <- dmy_hms("04-03-2021 01:04:56")

# incluir
lubridate::year(data) <- 2020
lubridate::month(data) <- 01
lubridate::hour(data) <- 13

# incluir varios valores
update(data, year = 2020, month = 1, mday = 1, hour = 1)

[1] "2020-01-01 01:04:56 UTC"

Descrição

Implementa a Programação Funcional no R, fornecendo um conjunto completo e consistente de ferramentas para trabalhar com funções e vetores
Permite substituir muitos loops for por um código mais curto

purrr

Loop

Um loop for é uma iteração: um bloco de código é repetido mudando um contador de uma lista

# loop for
for(i in 1:10){
  print(i)
}

[1] 1
[1] 2
[1] 3
[1] 4
[1] 5
[1] 6
[1] 7
[1] 8
[1] 9
[1] 10

purrr

Programação funcional

# loop for com map
purrr::map(.x = 1:10, .f = print)

[1] 1
[1] 2
[1] 3
[1] 4
[1] 5
[1] 6
[1] 7
[1] 8
[1] 9
[1] 10

[[1]]
[1] 1

[[2]]
[1] 2

[[3]]
[1] 3

[[4]]
[1] 4

[[5]]
[1] 5

[[6]]
[1] 6

[[7]]
[1] 7

[[8]]
[1] 8

[[9]]
[1] 9

[[10]]
[1] 10

purrr

Estrutura

map(.x, .f)
.x: uma vetor, lista ou data frame
.f: uma função

purrr

Exemplo: aplicar a função sum() para somar os valores de vários elementos de uma lista

# lista
x <- list(1:5, c(4, 5, 7), c(1, 1, 1), c(2, 2, 2, 2, 2))

# funcao map
purrr::map(x, sum)

[[1]]
[1] 15

[[2]]
[1] 16

[[3]]
[1] 3

[[4]]
[1] 10

purrr

Tipos de retorno

Diferentes funções retornam diferentes estruturas de dados

map(): retorna uma lista
map_chr(): retorna um vetor de strings
map_dbl(): retorna um vetor numérico (double)
map_int(): retorna um vetor numérico (integer)
map_lgl(): retorna um vetor lógico
map_dfr(): retorna um data frame (por linhas)
map_dfc(): retorna um data frame (por colunas)

purrr

Tipos de retorno

# variacoes da funcao map
purrr::map_dbl(x, sum)

[1] 15 16  3 10

purrr::map_chr(x, paste, collapse = " ")

[1] "1 2 3 4 5" "4 5 7"     "1 1 1"     "2 2 2 2 2"

purrr

Duas ou mais listas em paralelo

# listas
x <- list(3, 5, 0, 1)
y <- list(3, 5, 0, 1)
z <- list(3, 5, 0, 1)

# map2* duas litas
purrr::map2_dbl(x, y, prod)

[1]  9 25  0  1

# pmap muitas listas
purrr::pmap_dbl(list(x, y, z), prod)

[1]  27 125   0   1

purrr

Implementar rotinas de manipulação e análise de dados

# resumo dos dados
penguins %>% 
  dplyr::select(where(is.numeric)) %>% 
  tidyr::drop_na() %>% 
  purrr::map_dbl(mean)

   bill_length_mm     bill_depth_mm flipper_length_mm       body_mass_g 
         43.92193          17.15117         200.91520        4201.75439 
             year 
       2008.02924

purrr

Implementar rotinas de manipulação e análise de dados

# analise dos dados
penguins %>%
  dplyr::group_split(island, species) %>% 
  purrr::map(~ lm(bill_depth_mm ~ bill_length_mm, data = .x)) %>% 
  purrr::map(summary) %>% 
  purrr::map("r.squared")

[[1]]
[1] 0.2192052

[[2]]
[1] 0.4139429

[[3]]
[1] 0.2579242

[[4]]
[1] 0.4271096

[[5]]
[1] 0.06198376

purrr

Material

Webinar de purrr avançado - Curso-R
purrr tutorial - Jennifer (Jenny) Bryan

purrr

furrr: programação funcional paralelizada

Faz o mapeamento em paralelo utilizando os cores do processador

purrr

furrr: programação funcional paralelizada

Número de cores do seu computador

# carregar
library(parallel)

# numero de cores
parallel::detectCores()

[1] 12

Introdução à programação em R (tidyverse)

tidyverse

Conteúdo

tidyverse

Ciência de dados ambiental (Environmental Data Science)

Ecoinformatics

Ciência de dados para ecólogos (Data Science for Ecologists)

Environmental Data Science

Legal, mas ainda está distante…

Big Data em Ecologia

Big Data em Ecologia

Big Data em Ecologia

Data papers

iEcology

Monitoramento automatizado

Monitoramento automatizado

Machine Learning em Ecologia

Machine Learning em Ecologia

Machine Learning em Ecologia

Machine Learning em Ecologia

Script

tidyverse

Descrição

Fluxo de trabalho

Pacotes

Artigos

Livro

Livro

Site

tidyverse

Pacotes do tidyverse

Sintaxe

Sintaxe

Descrição

Diretório

Importar dados

Importar dados

Importar dados

Descrição

Importar dados

Exportar dados

Descrição

Espiando os dados

René Magritte (1898-1967)

Descrição

Se preparem para uma revisão de funções compostas

Função composta

pipe

pipe

Exercício

Exercício

Exercício

Exercício

Para apresentar os próximos pacotes, vamos usar dados de pinguins!

palmerpenguins

palmerpenguins

palmerpenguins

Descrição

Funções

unite

separate

drop_na

drop_na

Descrição

Funções

Funções

Sintaxe

relocate

relocate

rename

select

select

select

select

pull

mutate

arrange

arrange

arrange

filter

Ciência de dados para ecólogos
(Data Science for Ecologists)

`bind_rows()` e `bind_cols()`

`bind_rows()` e `bind_cols()`

`bind_rows()` e `bind_cols()`