O objetivo da função é ajudar pessoas que tem que fazer levantamento e análise de informações presentes em documentos que estão inseridos em grandes bases de dados, mas precisam selecionar apenas alguns documentos de forma aleatória para fazer a análise. Principalmente quando a pesquisa envolve documentação legal ou governamental, pode ser complicado sortear quais os documentos a serem analisados. A função pode ajudar, por exemplo, a estratificar e sortear Termos de Referência de empreendimentos licenciados pelo IBAMA, de forma a obter um número reduzido de documentos que seja o mais representativo possível, abrangendo documentos de anos e regiões diversas, e de tipologias de empreendimentos diferentes.
A função agiria de forma a estratificar e amostrar uma base de dados que contenha informações referentes a documentos que podem ser categorizados. A estratificação e amostragem podem variar de acordo com o desejo do usuário.
O input da função será um data frame, em que as colunas são categorias dos documentos da base de dados (eg. data, tipo, órgão emissor, etc) e cada linha é um documento.
O output da função será um data frame com os documentos amostrados de acordo com as preferências do usuário.
— Diogo Melo 2017/06/05 16:03
Todas as prostas são bacanas! Vou comentar uma de cada vez. A primeira proposta pode ser muito útil pra uma serie de coisas, principalmente se vc deixar a função bem geral. Tente fazer uma função que receba qualquer data.frame com colunas agrupadoras e que retorne uma amostra (com ou sem reposição) para qualquer conjunto de colunas que vc passe como argumento.
Pense também como levar em conta a quantidade de linhas em cada categoria (se eu tiver 100 linhas de um tipo e só 10 do outro, faz sentido que amostra respeite essa proporção).
Outro bonus legal seria pensar em como permitir que as categorias sejam aninhadas, caso eu tenha duas categorias que sejam de alguma forma hierarquicas.
No geral, ótima proposta, espaço pra fazer uma função realmente util, e com complicações possiveis que deixam a coisa interessante.
Oi Diogo,
Obrigada pelos comentários e dicas. Acho que vou fazer a proposta A, pq acredito que ela vai ser mais útil para mim. Quando você diz sobre categorias aninhadas, você quer dizer como subcategorias? Por exemplo, uma coluna com ano e uma coluna com os meses?
Raquel
Devido à alta incidência de ocorrências policiais dentro do campus da USP, alguns frequentadores do campus se sentiriam mais seguros se pudessem saber a densidade de ocorrências a cada hora do dia em cada instituto. Pensando nisso, a ideia da função é mapear as ocorrências policiais dentro do campus no último semestre de acordo com coordenadas geográficas do tipo X e Y. Os institutos terão uma área de influência e serão representados por pontos no mapa do campus. De acordo com a densidade de ocorrências na área de influência de cada ponto, o ponto aparece no mapa com uma cor. Os mapas de ocorrência também se sobrepõem por horas do dia, gerando um GIF que mostra quais os pontos mais ou menos seguros no campus de acordo com a hora. A função teria como objetivo auxiliar os frequentadores do campus que dependem do transporte público ou se deslocam a pé, e possibilitar que a guarda universitária se desloque para os pontos mais violentos de acordo com a hora. Pode ser utilizada também para outros tipos de densidade de ocorrências, como a de espécies.
A função iria gerar um mapa único ou GIF, com pontos distribuídos pelo mapa mudando de cor a cada hora. A cor dos pontos mudaria de acordo com a densidade de ocorrências na área de influência do ponto de acordo com coordenadas X e Y.
O input será um data frame com: as coordenadas geográficas, do tipo X e Y, ligadas as ocorrências; a hora de cada ocorrência; as coordenadas de cada ponto (no exemplo seriam as coordenadas dos pontos de cada instituto); e com as coordenadas da área de influência de cada ponto. Os pontos seriam plotados, e conforme o cruzamento da área de influência do ponto e das coordenadas da ocorrência, a ocorrência seria atribuída a um ponto (ex. instituto). Seria gerado um mapa por hora com o ponto de uma cor de acordo com a quantidade de ocorrências por ponto/hora. Por fim, os mapas podem ser sobrepostos gerando um GIF que muda a cor dos pontos de acordo com as ocorrências de hora em hora (24 mapas em seguida).
Adicional se possível: um argumento para o usuário inserir uma imagem (previamente carregada no R) de um mapa onde os pontos poderão ser plotados (ex. um mapa do campus).
Mapa único ou GIF com os pontos com cores diferentes de acordo com a densidade de ocorrências por hora e localidade.
— Diogo Melo 2017/06/05 16:17
Essa função é bacana tb, mas deveria ser mais geral. Ela poderia receber um mapa qualquer, um conjunto de “regiões” (os institutos, ou pontos centrais de uma area), e um conjunto de ocorrencias. Dai pra frente fica tudo fácil.
Função bacana tb, e existem pacotes que permitem vc carregar mapas do google maps, por exemplo. Ai vc só precisa receber uma coordenada central do mapa. O ideal é a função ter tanto a opção de usar o google maps quanto receber um shape-file do mapa.
Acho que seria minha opção de função pra fazer nesse momento. É divertida e útil.
Os restaurantes universitários da USP (mais conhecidos como bandeijões) recebem diariamente centenas de alunos no almoço e na janta. Para que as refeições sejam feitas deve-se fazer o cálculo das quantidades necessárias de cada alimento para preparar cada prato. A função então seria responsável por calcular as quantidades necessárias de cada alimento para 5 pratos pré-estabelecidos de cada (5 pratos de carne, 5 opções vegetarianas, 5 complementos, 5 saladas e 5 sobremesas) para os bandeijões Centra, da Física e da Química. As quantidades para cada prato variam de acordo com a refeição (almoço ou jantar), com o bandeijão, com o período letivo (férias ou não) e se o prato do dia é estrogonofe (aumento significativo de visitantes). O cálculo de pessoas por bandeijão é baseado nas informações do SAS. As informações referentes à quais ingredientes cada prato leva serão retiradas daqui.
Cálculo de quantidades de alimentos necessários para uma refeição dentre locais pré-determinados e com quantidade de visitantes pré-estabelecida. Os pratos podem ser escolhidos dentre 5 opções.
Os inputs da função serão apenas os argumentos dados pelo usuário.
O output da função será um data frame discriminando para quantos visitantes foi calculada a refeição, os ingredientes usados para cada prato e as quantidades necessárias de cada ingrediente.
— Diogo Melo 2017/06/05 16:17
Bonitinha, mas conceitualmente simples. Pode ser um plano C, mas é menos interessante que as outras.