Ferramentas do usuário
02_tutoriais:tutorial8:start
Diferenças
Aqui você vê as diferenças entre duas revisões dessa página.
| Ambos lados da revisão anterior Revisão anterior Próxima revisão | Revisão anterior | ||
|
02_tutoriais:tutorial8:start [2020/10/04 10:09] adalardo [Fazendo ciclos de operações] |
02_tutoriais:tutorial8:start [2022/06/26 13:57] (atual) adalardo [Testando a função] |
||
|---|---|---|---|
| Linha 4: | Linha 4: | ||
| * [[03_apostila:programar_ale| Apostila]] | * [[03_apostila:programar_ale| Apostila]] | ||
| </WRAP> | </WRAP> | ||
| - | ====== 9. Tutoriais de Programação ====== | + | ====== 9. Criando Funções Básicas ====== |
| ===== Nossos Personagens ===== | ===== Nossos Personagens ===== | ||
| - | {{:02_tutoriais:tutorial8:pink_brain.jpg?300 | }}//Pinky and the Brain//, no Brasil, **Pinky e o Cérebro**, são personagens de uma série animada de televisão norte-americana. São dois ratos brancos de laboratório que utilizam os Laboratórios Acme como base para seus planos mirabolantes para dominar o mundo (sob razão nunca revelada). Pink é um rato totalmente estúpido e ingênuo enquanto o Cérebro é o gênio perverso que comanda os planos de conquista do mundo. | + | <WRAP center round box 60%> |
| + | **__Pink & Cerebro__** | ||
| + | |||
| + | {{youtube>HRQtNBs8BF8}} | ||
| + | </WRAP> | ||
| + | |||
| + | |||
| + | |||
| + | //Pinky and the Brain//, no Brasil, **Pinky e o Cérebro**, são personagens de uma série animada de televisão norte-americana. São dois ratos brancos de laboratório que utilizam os Laboratórios Acme como base para seus planos mirabolantes para dominar o mundo (sob razão nunca revelada). Pink é um rato totalmente estúpido e ingênuo enquanto o Cérebro é o gênio perverso que comanda os planos de conquista do mundo. | ||
| Cada episódio é caracterizado, tanto no início quanto no final, pela famosa tirada onde Pinky pergunta: "//Cérebro, o que faremos amanhã à noite?//" e Cérebro responde: "//A mesma coisa que fazemos todas as noites, Pinky... Tentar conquistar o mundo!//" | Cada episódio é caracterizado, tanto no início quanto no final, pela famosa tirada onde Pinky pergunta: "//Cérebro, o que faremos amanhã à noite?//" e Cérebro responde: "//A mesma coisa que fazemos todas as noites, Pinky... Tentar conquistar o mundo!//" | ||
| Linha 23: | Linha 32: | ||
| {{ :02_tutoriais:pink.jpg?200 | }} | {{ :02_tutoriais:pink.jpg?200 | }} | ||
| + | |||
| + | ===== Classe Function ===== | ||
| + | |||
| + | Um objeto de função é uma classe especial de objetos no R que encapsulam algum tarefa. A função ''function()'' recebe algumas informações através dos seus argumentos e usa essas informações internamente para a realização do procedimento desejado. O procedimento ou tarefa realizada por uma função é conduzido por um algoritmo, que nada mais é que um sequência de comandos concatenados. Quando o objeto de função é chamado, ele retorna o que os outros objetos retornam no console do R, o que foi atribuído a ele, ou seja essas linhas de comando no formato de texto. Entretanto, quando o objeto da classe ''function'' é chamada com os parênteses ''( )'' ele realiza a tarefa conduzido pelo conjunto concatenados de comandos que foram atribuídos a ele. Ao final, normalmente, a função retorna um **único** objeto que contém o resultado do procedimento. Para o retorno deste objeto, normalmente usamos uma outra função chamada ''return()''. | ||
| ===== FAZENDO VERSÕES PIORADAS DE FUNÇÕES EXISTENTES!!!! ===== | ===== FAZENDO VERSÕES PIORADAS DE FUNÇÕES EXISTENTES!!!! ===== | ||
| - | Uma funções muito simples | + | Vamos construir algumas funções simples. A primeira é uma função que calcula a média de um conjunto de valores. |
| + | A primeira etapa é definir qual o tipo de objetos que a função irá manipular e designar um nome a esse objeto como um argumento. No caso da média podemos definir esse objeto como um vetor numérico ''x''. Em seguida precisamos definir o algoritmo que será executado. Uma forma de fazer isso é através de um pseudocódigo que é a descrição literal do algoritmo. | ||
| + | No nosso caso: | ||
| + | |||
| + | <WRAP center round box 60%> | ||
| + | **Pseudocodigo ''media'' ** | ||
| + | - recebe um vetor ''x'' | ||
| + | - soma os valores do vetor no objeto ''soma'' | ||
| + | - guarda o tamanho do vetor ''x'' em ''nobs'' | ||
| + | - divide ''soma'' por ''nobs'' e guarda no objeto ''media'' | ||
| + | - retorna o objeto ''med'' | ||
| + | </WRAP> | ||
| + | |||
| + | |||
| + | |||
| + | Depois de definir o que a função conterá, precisamos abrir um bloco de código para conter as linhas de comando que definem o algoritmo com as chaves ''{ }''. Em seguida colocamos as linhas de comando descritas no pseudocodigo e rodamos todo o bloco de código desde a atribuição da função a um nome para construir um objeto da classe ''function'' na nossa área de trabalho. Rodo o código abaixo e cheque se houve a construção do objeto ''media'' e qual a classe desse objeto: | ||
| <code rsplus> | <code rsplus> | ||
| Linha 34: | Linha 63: | ||
| soma <- sum(x) | soma <- sum(x) | ||
| nobs <- length(x) | nobs <- length(x) | ||
| - | media <- soma/nobs | + | med <- soma/nobs |
| - | return(media) | + | return(med) |
| } | } | ||
| </code> | </code> | ||
| <WRAP center round tip 60%> | <WRAP center round tip 60%> | ||
| - | Note que a função nada mais é do que um conjunto de linhas de comando concatenadas para executar uma tarefa. A principio quem conhece as funções básicas do R já está qualificado a fazer funções mais complexas. | + | Note que a função nada mais é do que um conjunto de linhas de comando concatenadas para executar uma tarefa. A princípio quem usa as funções básicas do R já está qualificado a fazer funções mais complexas a partir delas. |
| </WRAP> | </WRAP> | ||
| Linha 46: | Linha 75: | ||
| ===== Testando a função ===== | ===== Testando a função ===== | ||
| + | Para testar a função que acabamos de fazer, utilizamos ela da mesma maneira que as outras funções que usamos até agora. Com a diferença que esta não tem a documentação que as funções de pacotes precisam ter para poderem ser disponibilizadas no repositório do R. Rode os códigos abaixo para ver a sua função em atividade: | ||
| + | |||
| <code rsplus> | <code rsplus> | ||
| ls() | ls() | ||
| + | class(media) | ||
| media | media | ||
| media() | media() | ||
| + | help(media) | ||
| dados <- rnorm(20, 2, 1) | dados <- rnorm(20, 2, 1) | ||
| media(dados) | media(dados) | ||
| Linha 69: | Linha 102: | ||
| ===== Uma função mais elaborada ===== | ===== Uma função mais elaborada ===== | ||
| - | A funcão padrão do R (//mean()//) não calcula a média quando há //NA//'s no vetor de dados, a menos que o usuário utilize o argumento //na.rm=TRUE//. | + | A função padrão do R (''mean()'') não calcula a média quando há ''NA'' no vetor de dados, a menos que o usuário utilize o argumento ''na.rm = TRUE''. |
| - | Vamos construir uma função que diferente da função padrão, calcule a média na presença de //NA//'s, entretanto lance na tela uma mensagem sobre o número de //NA//'s removidos do cálculo. | + | Vamos construir uma função que diferente da função padrão, calcule a média na presença de ''NA'' e imprima na tela uma mensagem sobre o número de ''NA'' removidos do cálculo. |
| - | Note que é uma função com dois argumentos, que permite ao usuário tomar a decisão de remover ou não //NA//'s. Diferente da função //mean()// o padrão é invertido, nossa função remove //NA//'s se nenhum argumento for mencionado. Note que vamos sobrepor o objeto anterior da classe //função//, chamado **media**. | + | Note que é uma função com dois argumentos, que permite ao usuário tomar a decisão de remover ou não ''NA''. Diferente da função ''mean()'' o padrão é invertido, nossa função remove ''NA'' se nenhum argumento for mencionado. Note que vamos sobrepor o objeto anterior da classe ''função'', chamado **media**. |
| Linha 178: | Linha 211: | ||
| </code> | </code> | ||
| - | <box 50% red> | + | |
| + | <WRAP center round tip 80%> | ||
| Quando o valor é próximo a 1 a distribuição é considerada aleatória. Isto quer dizer que que a ocorrência de cada indivíduo na parcela é indendente da ocorrência das demais. Neste caso, o número de indivíduos por parcela é descrito por uma variável Poisson, que tem exatamente a média igual à variância. | Quando o valor é próximo a 1 a distribuição é considerada aleatória. Isto quer dizer que que a ocorrência de cada indivíduo na parcela é indendente da ocorrência das demais. Neste caso, o número de indivíduos por parcela é descrito por uma variável Poisson, que tem exatamente a média igual à variância. | ||
| - | Podemos então fazer um teste de significância simulando uma distribuição Poisson com a mesma média dos dados. | + | Podemos então fazer um teste de hipótese simulando uma distribuição Poisson com a mesma média dos dados. |
| - | </box> | + | |
| + | </WRAP> | ||
| - | ===== Função para criar o teste de signficância do ID ===== | + | ===== Função para criar o teste de hipótese do ID ===== |
| Linha 297: | Linha 332: | ||
| <code rsplus> | <code rsplus> | ||
| - | x1=rpois(20,1) | + | x1 <- rpois(20, 1) |
| - | x2=rpois(20,2) | + | x2 <- rpois(20, 2) |
| - | x3=rpois(20,3) | + | x3 <- rpois(20, 3) |
| - | x4=rpois(20,1) | + | x4 <- rpois(20, 1) |
| - | sp.oc=matrix(c(x1,x2,x3,x4), ncol=4) | + | sp.oc <- matrix(c(x1, x2, x3, x4), ncol=4) |
| - | colnames(sp.oc)<-c("plot A", "plot B", "plot C", "plot D") | + | colnames(sp.oc) <- c("plot A", "plot B", "plot C", "plot D") |
| - | rownames(sp.oc)<-paste("sp", c(1:20)) | + | rownames(sp.oc) <- paste("sp", c(1:20)) |
| str(sp.oc) | str(sp.oc) | ||
| dim(sp.oc) | dim(sp.oc) | ||
| Linha 313: | Linha 348: | ||
| <code rsplus> | <code rsplus> | ||
| - | n.spp<-function(dados) | + | n.spp <-function(dados) |
| { | { | ||
| - | nplot=dim(dados)[2] | + | nplot <- dim(dados)[2] |
| - | resultados=rep(0,nplot) | + | resultados <- rep(0,nplot) |
| - | names(resultados)<-paste("n.spp", c(1:nplot)) | + | names(resultados) <- paste("n.spp", c(1:nplot)) |
| - | dados[dados>0]=1 | + | dados[dados>0] = 1 |
| for(i in 1:(dim(dados)[2])) | for(i in 1:(dim(dados)[2])) | ||
| { | { | ||
| - | cont.sp=sum(dados[,i]) | + | cont.sp <- sum(dados[,i]) |
| - | resultados[i]=cont.sp | + | resultados[i] <- cont.sp |
| } | } | ||
| return(resultados) | return(resultados) | ||
| Linha 347: | Linha 382: | ||
| sim<-function(dados) | sim<-function(dados) | ||
| { | { | ||
| - | nplot=dim(dados)[2] | + | nplot <- dim(dados)[2] |
| - | similar=matrix(1,ncol=nplot,nrow=nplot) | + | similar <- matrix(1,ncol=nplot,nrow=nplot) |
| - | rownames(similar)<-paste("plot", c(1:nplot)) | + | rownames(similar) <- paste("plot", c(1:nplot)) |
| - | colnames(similar)<-paste("plot", c(1:nplot)) | + | colnames(similar) <- paste("plot", c(1:nplot)) |
| - | dados[dados>0]=1 | + | dados[dados>0] = 1 |
| for(i in 1:nplot-1) | for(i in 1:nplot-1) | ||
| { | { | ||
| Linha 357: | Linha 392: | ||
| for(m in m:nplot) | for(m in m:nplot) | ||
| { | { | ||
| - | co.oc=sum(dados[,i]>0 & dados[,m]>0) | + | co.oc <- sum(dados[,i]>0 & dados[,m]>0) |
| - | total.sp=sum(dados[,i])+sum(dados[,m])-co.oc | + | total.sp <- sum(dados[,i]) + sum(dados[,m]) - co.oc |
| - | similar[i,m]=co.oc/total.sp | + | similar[i,m] <- co.oc/total.sp |
| - | similar[m,i]=co.oc/total.sp | + | similar[m,i] <- co.oc/total.sp |
| } | } | ||
| Linha 388: | Linha 423: | ||
| - | No linque a seguir você pode baixar o arquivo com o Pink e Cerebro... | ||
| - | {{:02_tutoriais:pinkycerebro.mpg|}} | ||
| - | |||
| - | |||
| - | ** The End!** | ||
02_tutoriais/tutorial8/start.1601816975.txt.gz · Última modificação: 2020/10/04 10:09 por adalardo
Exceto onde for informado ao contrário, o conteúdo neste wiki está sob a seguinte licença: CC Attribution-Noncommercial-Share Alike 4.0 International
