====== Bianca Tocci======

{{:bie5782:01_curso_atual:alunos:trabalho_final:biatocci:img_20140209_110156.jpg?200|}}

Mestranda em Oceanografia Biológica, Instituto Oceanográfico, USP. Trabalho com taxonomia e ecologia do fitoplâncton marinho. 

====== Exercícios ======

Linque para a página com os meus exercícios resolvidos [[.:exec]]


===== Proposta de Trabalho Final =====



==== Plano A ====

A proposta da função consiste em automatizar uma rotina para calcular índices ecológicos (Margalef, Shannon, Pielou), a partir de arquivos contendo dados de densidade de espécies fitoplanctônicas (cel/L), e a criação de histogramas da variação das classes taxonômicas em um intervalo de tempo.

Especificamente:

1-Cada arquivo refere-se a um evento oceanográfico diferente, onde cada coluna possui a quantidade de cel/L de cada espécie identificada em um período da coleta.

2-As espécies estão listadas dentro de classes taxonômicas (diatomáceas, dinoflagelados, cianobactérias, flagelados, cocolitoforídeos). 

3-A função consistiria em calcular os índices de arquivos data.frame em um mesmo diretório, construindo tabelas com os valores resultantes. 

4-A função também calcularia a densidade total por classe taxonômica de cada coluna, plotando em um histograma a variação da comunidade nesse intervalo de tempo. 

Essa função facilitaria a análise dos meus dados de coletas mensais, ao longo de um ano em 2 pontos.
 


==== Plano B ====

Criar uma função para calcular quantas células fitoplanctônicas aproximadamente ficariam grudadas no corpo de uma pessoa depois de um mergulho no mar. 
Como cada ambiente apresenta um valor de densidade fitoplanctônica (cel/L) de acordo com as condições físicas locais, a primeira informação necessária seria saber qual a média de cel/L. 
Sabe-se que a variação da cor do oceano depende do que tem na água em suspenção, como as microalgas e outras partículas.
Sendo assim, atribuindo valores médios conhecidos de cel/L as cores de água do mar mais comuns em nosso litoral de acordo com a escala de Forel-Ule, seria possível começar a função.

Para isso, a ideia seria pedir ao usuário que respondesse algumas perguntas.

1-Qual a cor da água do mar na hora do mergulho? A resposta do usuário resultaria na média de células de fitoplâncton por litro, de acordo com a cor escolhida. 

2-Para calcular a superfície de contato (o corpo da pessoa) o usuário precisaria responder sua altura e o tamanho do quadril. 

A partir daí, realizar transformações de unidade de medida da superfície de contato, para calcular hipoteticamente a quantidade aproximada de células de fitoplâncton que ficariam grudadas no corpo. O cálculo eu preciso formular melhor.


<WRAP center round box 60%>
A proposta A está bem estruturada e constituirá um bom desafio para o trabalho final. Uma sugestão é que você deixe a proposta um pouco mais genérica, ou seja, permita que os índices sejam calculados para diferentes situações amostrais (e não só para espécies do fitoplâncton). Na verdade, é simples de generalizar a análise pra qualquer situação que tu tenha uma amostra de diferentes espécies e uma unidade de esforço ou densidade. Outra sugestão é começar com um índice mais simples e conforme você for implementando os índices mais simples, passe para os mais complexos. Enfim, não precisa implementar todos os índices caso haja muita dificuldade. Com relação à proposta B achei um pouco mais simples e menos desafiante. Também tenho dúvidas se a água do mar é um bom indicador da densidade de fitoplâncton porque é um critério altamente subjetivo.
----//[[lwedekin@yahoo.com.br| Leonardo]]//
</WRAP>


==== Plano A - Concluído ====

obs.: A proposta foi reformulada para se tornar mais genérica, foi utilizado somente um índice devido ao meu nível de dificuldade, e ao invés de um histograma a função plotará um gráfico de barras para melhor visualização da variação do período ou situação amostral.

A função consiste em automatizar uma rotina para calcular o índice de diversidade de Shannon Wiener, a partir de arquivos contendo dados de densidade de espécies, e a criação de um gráfico de barras da variação dos grupos em um período ou situação amostral.

Especificamente:

1-Cada arquivo refere-se a um período ou uma situação amostral diferente, onde cada coluna possui a densidade de cada espécie identificada.

2-As espécies estão listadas dentro grupos. 

3-O calculo dos índices a partir de arquivos data.frame em um mesmo diretório, onde os valores são salvos em tabelas no formato .txt

4-Soma da densidade total de cada grupo de cada coluna, plotando em um gráfico de barras a variação dos grupos em um determinado período ou situação amostral 



==== Código comentado ====


<code>
#Função para automatizar cálculo do índice de Shannon Wiener, a partir de planilhas em .txt, contidas
#em um mesmo diretório, criando uma tabela com os valores obtidos para cada arquivo. A função também realiza a #soma das densidades das espécies contidas em cada grupo amostrado durante um período ou situação amostral #diferente. A função termina plotando um gráfico da variação da soma dos grupos em 
#um determinado período/coleta. Pode-se inserir outros índices ecológicos.

auto.indices=function(files){
  
  dir=file.choose() #abre uma janela para a escolha do arquivo. 
  #Para MacIntosh file.choose(), para Windows choose.files()
  
  a=unlist(strsplit(dir, "")) #separa os caracteres do caminho do arquivo
  
  final=(max(which(a=="/"))) #vetor logico para selecionar os caracteres contido depois da última barra
  #Para MacIntosh (a=="/"), para Windows (a=="\\")
  
  dir=noquote(paste(a[1:final],sep="",collapse="")) #junta os caracteres do nome do arquivo
  setwd(dir) #estabelece o diretório na pasta aonde foi escolhido o arquivo para a análise
  
  # se não for dado os arquivos de entrada, a função irá rodar para todos os arquivos .txt do diretório
  if (missing(files)){files=list.files(pattern=".txt")} 
  else {files=files}
  
  for(file in files){ #loop para cada arquivo
    data=read.table(file, header=TRUE, dec=".", sep="\t", fill=TRUE)
    
    
    # matriz criada de acordo com o arquivo inicial
    # sendo o número de linhas igual a quantidade de índices e o número de colunas igual ao arquivo original
    mat=matrix(NA,1,length(data)) 
    mat[,1]="H"
    mat[,2]="Shannon-Wiener"
    
    # loop para calcular o índice de Shannon-Wiener
    
    for(i in seq(3,length(data))){  #calcula o índice da terceira coluna até o final
      # Shanon-Wiener index (H)
      data2=data  #cria um data2 para não sobrescrever o original quando substituir o 0 por NA
      data2[data2==0]=NA # substitui 0 por NA por causa do índice
      soma=sum(data2[,i], na.rm=T) #soma de cada coluna
      pi=data2[,i]/soma #calcula a proporção de cada espécie em relação ao total
      H=-(sum(pi*log(pi), na.rm=T)) #calcula o índice
      mat[,i]=H #cola os valores dos índices em cada tempo respectivo na matriz criada fora do loop
    } # loop do shannon-wiener acaba aqui
    
    df=data.frame(mat, row.names=NULL) #cria um data.frame pra poder salvar em txt
    names=c("Indice",names(data[,3:length(data)])) #puxa os nomes dos tempos do arquivo original
    write.table(df[,2:length(df)], file=paste(file,"_indice.txt",sep=""), quote=FALSE, sep="\t", col.names=names,row.names=FALSE, dec=".")
    #esse write.table foi usado da segunda coluna em diante do data.frame pra remover a primeira coluna que não será utilizada
    
    
    #######TERMINA O CÁLCULO DOS INDICES##########
    
    ####SOMA DOS GRUPOS######
    
    mat2=matrix(NA,length(levels(factor(data[,1]))),length(data))
    #mat2 tem a quantidade de linhas igual ao nÚmero de grupos
    #e a quantidade de colunas igual ao arquivo original
    mat2[,2]=levels(factor(data[,1])) # cola os nomes/levels dos grupos
    
    
    
    for(i in seq(3,length(data))){ #aqui começa o loop para fazer a somatória dos grupos 
      a=tapply(data[,i],factor(data[,1]),sum) #somatória das espécies(linhas) que pertencem ao mesmo grupo
      mat2[,i]=a #cola na matriz
    } #aqui termina o loop da soma dos grupos
    
    
    mat.plot=mat2[,2:ncol(mat2)] # exclui a primeira coluna que não será utilizada
    
    
    palette(rainbow(nrow(mat.plot))) #padroniza a palheta de cores
    jpeg(filename=paste(file,"_plot.jpg",sep=""), 3200, 2000, quality=600, type="quartz", res=300) 
    #salva o gráfico em jpeg
    #Para MacIntosh "quartz", para Windows "windows" ou "care"
    par(mar=c(4,5,1,6)) #margens
    colors=factor(c(mat.plot[,2])) #atribui uma cor pra cada grupo dentro da palheta de cores selecionada
    barplot(mat.plot[,2:ncol(mat.plot)],col=colors, ylab="Densidade celular [cel/L]", names.arg=names(data[,3:length(data)])) #criação barplot
    par(xpd=T) # permite que a legenda fique fora do gráfico
    x=ncol(mat.plot)+0.1 #posição X da legenda
    y=max(as.numeric(mat.plot[,2:ncol(mat.plot)])) #posição Y da legenda
    legend(x,y,c(mat.plot[,1]), col=colors, pch=22, pt.bg=colors) #legenda
    dev.off()
  } #aqui fecha loop de cada arquivo
} #FECHA A FUNÇÃO 
</code>

==== Código sem comentários ====

<code> 
auto.indices=function(files){

  dir=file.choose()
  a=unlist(strsplit(dir, ""))
  final=(max(which(a=="/")))
  dir=noquote(paste(a[1:final],sep="",collapse=""))
  setwd(dir)
  
  if (missing(files)){files=list.files(pattern=".txt")}
  else {files=files}
  
  for(file in files){ 
    data=read.table(file, header=TRUE, dec=".", sep="\t", fill=TRUE)
    
    
    mat=matrix(NA,1,length(data)) 
    mat[,1]="H"
    mat[,2]="Shannon-Wiener"
  
    for(i in seq(3,length(data))){ 
      data2=data  
      data2[data2==0]=NA 
      soma=sum(data2[,i], na.rm=T) 
      pi=data2[,i]/soma
      H=-(sum(pi*log(pi), na.rm=T)) 
      mat[,i]=H 
    } 
    
    df=data.frame(mat, row.names=NULL) 
    names=c("Indice",names(data[,3:length(data)])) 
    write.table(df[,2:length(df)], file=paste(file,"_indice.txt",sep=""), quote=FALSE, sep="\t", col.names=names,row.names=FALSE, dec=".")
    

    mat2=matrix(NA,length(levels(factor(data[,1]))),length(data))
    mat2[,2]=levels(factor(data[,1])) 
	
	
for(i in seq(3,length(data))){ 
      a=tapply(data[,i],factor(data[,1]),sum)
      mat2[,i]=a 
    } 
    
	mat.plot=mat2[,2:ncol(mat2)] 

	palette(rainbow(nrow(mat.plot)))
	jpeg(filename=paste(file,"_plot.jpg",sep=""), 3200, 2000, quality=600, type="quartz", res=300) 
	par(mar=c(4,5,1,6)) 
	colors=factor(c(mat.plot[,2])) 
	barplot(mat.plot[,2:ncol(mat.plot)],col=colors, ylab="Densidade celular [cel/L]", names.arg=names(data[,3:length(data)]))
	par(xpd=T) 
	x=ncol(mat.plot)+0.1 
	y=max(as.numeric(mat.plot[,2:ncol(mat.plot)])) 
	legend(x,y,c(mat.plot[,1]), col=colors, pch=22, pt.bg=colors) 
	dev.off()
  } 
}
</code>

==== Página de ajuda ====
<code>
auto.indices                package:unknown                R Documentation

                   Automatização de calculo de diversidade

Description:

     Função para automatizar cálculo de diversidade do índice de Shannon Wiener, de um conjunto de 
     arquivos .txt contidos em um mesmo diretório, criando uma tabela com os valores obtidos para cada
     arquivo. O arquivo consiste em uma planilha com dados de densidade de espécies amostrados em um
     determinado período ou a variação desejada, distribuídas em colunas. A função termina plotando 
     um gráfico de barras da variação da soma dos grupos em um determinado período ou situação amostral.

Usage:

    auto.indices=function(files)

Arguments:

 Files	lista dos arquivos dos dados a serem lidos. Cada linha da tabela consiste nas densidades das 
     espécies amostradas ao longo de um período (a partir da 3°coluna). Se <files> não for especificado, 
     <auto.indices()> irá calcular automaticamente a função para todos os arquivos presentes no diretório atual
     <getwd()> e usá-los para importar os dados.

Details:

     O arquivo de entrada de dados, DEVE conter as duas primeiras colunas com os nomes dos grupos e das
     espécies respectivamente. 
     Os arquivos não precisam ter número de colunas e linhas iguais.
     Ao menos que <files> não seja especificado, todos os arquivos dentro do diretório atual serão lidos.
	 

Value:

     df:	Tabela <data.frame> com os valores do índice de Shannon Wiener. Para cada arquivo, 
                será salvo _index.txt ao nome original.
     mat.plot:	arquivo .txt com os valores das somas de cada grupo para cada arquivo.
     jpeg:	salva o gráfico das somas de cada grupo por período. Para cada arquivo, será salvo _plot.jpg 
                ao nome original.

Warning:

     Para MacIntosh file.choose() e para Windows choose.files(). 
     which() para MacIntosh (a=="/"), para Windows (a=="\\").
     jpeg(..., type= "quartz") Para MacIntosh "quartz", para Windows "windows" ou "care"

Author(s):

     Bianca Reis Castaldi Tocci
	biatocci@gmail.com

References:

     Crawley, M. J. (2007). Data Input.  Chapter 3 of The R Book. eds M. J. Crawley. John Wiley & Sons, Ltd.

See Also:

     read.table() list.files() taply() barplot()

Examples:

     	auto.indices()
	auto.indices("arquivo.txt")
	auto.indices("C:/Users/windows/Documents")
</code>

==== Scripts e arquivos de exemplo ====

{{:bie5782:01_curso_atual:alunos:trabalho_final:biatocci:auto_indices.r|}}
{{:bie5782:01_curso_atual:alunos:trabalho_final:biatocci:especies_exemplo.txt|}}
{{:bie5782:01_curso_atual:alunos:trabalho_final:biatocci:especies_exemplo2.txt|}}
{{:bie5782:01_curso_atual:alunos:trabalho_final:biatocci:pagina_ajuda.txt|}}