As funções de criação de vetores já foram detalhadas na seção Funções Matemáticas e Estatísticas desta apostila. Basta lembrar aqui que todas elas são usadas para entrar diretamente dados em vetores no R:

> meu.vetor <- c(10.5,11.3,12.4,5.7)
> meu.vetor
[1] 10.5 11.3 12.4 5.7
>
> vetor.vazio <- c()
> vetor.vazio
NULL

A função matrix cria uma matriz com os valores do argumento data. O números de linhas e colunas são definidos pelos argumentos nrow e ncol:

> minha.matriz <- matrix(data=1:12,nrow=3,ncol=4)
> minha.matriz
     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8   11
[3,]    3    6    9   12

Como o default do argumento data é NA, se ele é omitido o resultado é uma matriz vazia:

> matriz.vazia <- matrix(nrow=3,ncol=4)
> matriz.vazia
     [,1] [,2] [,3] [,4]
[1,]   NA   NA   NA   NA
[2,]   NA   NA   NA   NA
[3,]   NA   NA   NA   NA

Também por default, os valores são preenchidos por coluna. Para preencher por linha basta o alterar o argumento byrow para TRUE:

> minha.matriz <- matrix(data=1:12,nrow=3,ncol=4,byrow=T)
> minha.matriz
     [,1] [,2] [,3] [,4]
[1,]    1    2    3    4
[2,]    5    6    7    8
[3,]    9   10   11   12

Se o argumento data tem menos elementos do que a matriz, eles são repetidos até preenchê-la:

> elementos <- matrix(c("ar","água","terra","fogo","Leeloo"),ncol=4,nrow=4)
Warning message:
comprimento dos dados [5] não é um submúltiplo ou múltiplo do número de linhas [4] na matrix
> elementos
     [,1]    [,2]     [,3]     [,4]
[1,] "ar"    "Leeloo" "fogo"   "terra"
[2,] "água"  "ar"     "Leeloo" "fogo"
[3,] "terra" "água"   "ar"     "Leeloo"
[4,] "fogo"  "terra"  "água"   "ar"

Com a função data.frame reunimos vetores de mesmo comprimento em um só objeto:

> nome <- c("Didi","Dedé","Mussum","Zacarias")
> ano.nasc <- c(1936,1936,1941,1934)
> vive <- c("V","V","F","F")
> trapalhoes <- data.frame(nomes,ano.nasc,vive)
> trapalhoes
     nomes ano.nasc vive
1     Didi     1936    V
2     Dedé     1936    V
3   Mussum     1941    F
4 Zacarias     1934    F
>
# O mesmo, em um só comando:
> trapalhoes <- data.frame(nomes=c("Didi","Dedé","Mussum","Zacarias"), ano.nasc=c(1936,1936,1941,1934), vive=c("V","V","F","F"))

Esta função abre uma interface simples de edição de dados em formato planilha, e é útil para pequenas modificações. Mas para salvar as modificações atribua o resultado da função edit a um objeto:

trapalhoes.2<-edit(trapalhoes)

Para conjuntos de dados grandes, é mais prático gerar um arquivo de texto (ASCII) a partir de uma planilha ou banco de dados, e usar a função read.table para ler os dados para um objeto no R.

Para criar um objeto com os dados do arquivo gbmam93.csv (apagar extensão .pdf), por exemplo, digitamos:

> gbmam93 <- read.table(file="gbmam93.csv",header=T,row.names=1,sep=",")
> gbmam93
   a b c d e f g h i j k l m n o p q r s
1  1 1 1 0 1 1 1 0 0 1 0 1 1 1 1 1 1 1 1
2  1 1 0 1 1 0 1 0 1 0 0 1 1 0 1 1 1 1 1
3  1 0 0 1 1 0 1 0 1 0 0 1 1 1 1 1 1 1 1
4  1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1
5  1 0 0 1 1 0 1 0 1 0 0 1 1 0 0 0 1 0 0
6  1 1 1 0 1 0 1 1 0 0 0 1 1 1 1 1 1 1 1
7  1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0
8  1 0 1 1 1 0 0 0 1 0 0 1 1 0 0 1 1 0 1
9  1 0 0 1 0 0 1 0 0 0 0 0 1 0 0 0 1 0 0
10 1 0 0 0 0 0 0 0 0 0 0 1 1 0 1 0 1 0 0
11 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 0 1 1
12 1 0 0 1 1 0 0 0 1 0 0 1 0 0 0 0 0 0 1
13 1 1 1 1 1 0 1 0 1 1 1 1 1 1 1 1 1 1 1
14 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0

O argumento header=T indica que a primeira linha são os nomes das variáveis, assim como row.names=1 indica que a primeira coluna deve ser usada para os nomes das linhas. O argumento sep indica qual é o sinal de separação de cada registro, no caso vírgulas.

Esses e os outros argumentos da função a tornam extremamente flexível para ler dados em arquivos texto. Consulte a ajuda para mais informações, e também para conhecer as variantes read.csv e read.delim.

Para exportar um objeto para um arquivo texto, use a função write.table, que tem a mesma lógica.

Muitos pacotes do R incluem conjuntos de dados para exemplos, treinamento e verificação de análises. Se o pacote já está carregado (funções library ou require) todos os seus objetos estão disponíveis, inclusive os objetos de dados. Incluindo as séries temporais de número de peles de linces caçados no Canadá, analisadas pelo ecólogo Charles Elton obtém-se:

> lynx
Time Series:
Start = 1821
End = 1934
Frequency = 1
  [1]  269  321  585  871 1475 2821 3928 5943 4950 2577  523   98  184  279  409
 [16] 2285 2685 3409 1824  409  151   45   68  213  546 1033 2129 2536  957  361
 [31]  377  225  360  731 1638 2725 2871 2119  684  299  236  245  552 1623 3311
 [46] 6721 4254  687  255  473  358  784 1594 1676 2251 1426  756  299  201  229
 [61]  469  736 2042 2811 4431 2511  389   73   39   49   59  188  377 1292 4031
 [76] 3495  587  105  153  387  758 1307 3465 6991 6313 3794 1836  345  382  808
 [91] 1388 2713 3800 3091 2985 3790  674   81   80  108  229  399 1132 2432 3574
[106] 2935 1537  529  485  662 1000 1590 2657 3396

Como qualquer objeto de um pacote, lynx tem um arquivo de ajuda, que é exibido com o comando help(lynx) ou ?lynx:

lynx {datasets}                                                R Documentation
 
Annual Canadian Lynx trappings 1821-1934
 
Description:
 
     Annual numbers of lynx trappings for 1821-1934 in Canada. Taken
     from Brockwell & Davis (1991), this appears to be the series
     considered by Campbell & Walker (1977).
 
Usage:
 
     lynx
 
Source:
 
     Brockwell, P. J. and Davis, R. A. (1991) Time Series and
     Forecasting Methods.  Second edition. Springer. Series G (page
     557).
 
References:
 
     Becker, R. A., Chambers, J. M. and Wilks, A. R. (1988) The New S
     Language. Wadsworth & Brooks/Cole.
 
     Campbell, M. J.and A. M.  Walker (1977).  A Survey of statistical
     work on the Mackenzie River series of annual Canadian lynx
     trappings for the years  1821-1934 and a 'new' analysis. Journal of
     the Royal Statistical Society series A, 140, 411-431.

A página de ajuda mostra que o objeto de dados lynx está no pacote datasets que contém uma grande quantidade de conjuntos de dados. Para ter mais informações, execute o comando:

help(datasets)

Esse pacote faz parte da distribuição básica do R, e é carregado automaticamente quando se executa o R:

> search()
[1] ".GlobalEnv"        "package:stats"     "package:graphics"
[4] "package:grDevices" "package:utils"     "package:datasets"
[7] "package:methods"   "Autoloads"         "package:base"

Para fazer uma cópia de um objeto de dados de um pacote em sua área de trabalho, use a função data:

> ls()
[1] "gbmam93"     "trapalhoes"  "vetor.vazio"
> data(lynx)
> ls()
[1] "gbmam93"     "lynx"        "trapalhoes"  "vetor.vazio"
> data(BCI,package="vegan")
> ls()
[1] "gbmam93"     "lynx"   "BCI"     "trapalhoes"  "vetor.vazio"

No segundo caso, o pacote vegan, que tem o conjunto de dados, não está carregado e por isso deve ser indicado no argumento package.

O pacote foreign contém funções para importar e exportar diretamente arquivos de pacotes estatísticos.

Como é um pacote recomendado pelo R Core Team, faz parte da distribuição básica do R, e provavelmente está disponível mas precisa ser carregado com o comando library(foreign).

Para mais informações, digite help(package=foreign).

Vetores, matrizes e listas são objetos com características diferentes, formalmente definidas no R como atributos. Em uma linguagem orientada a objetos, são esses atributos que definem o contexto para a execução de um comando e, portanto, seu resultado. Fazendo uma analogia com o mundo físico, uma mesma ação tem resultados diferentes de acordo com as características do objeto em que é aplicada.

O que é importante reter aqui é que os resultados que obtemos de um comando no R (incluindo as mensagens de erro!) são em boa parte definidas pelo objeto de dados, e não apenas pela função. Por isso, quando enfrentar algum problema, verifique com cuidado na documentação se o seu comando se aplica à classe de objeto de dados que você está usando e, se sim, como.¹⁾

Todo objeto no R tem dois atributos básicos, que são o tipo de dado²⁾ e o número de elementos que contêm. As funções mode e length retornam esses atributos:

> pares
[1]  2  4  6  8 10
> mode(pares)
[1] "numeric"
> length(pares)
[1] 5

Objetos também podem ter uma ou mais classes. Um vetor numérico pode ser da classe dos inteiros ou da classe dos fatores. Um objeto da classe matriz pode ter dados do tipo numérico, lógicos³⁾ ou caracteres. O comando class retorna a classe de um objeto:

> matriz.letras
     [,1] [,2] [,3] [,4]
[1,] "a"  "b"  "c"  "d"
[2,] "a"  "b"  "c"  "d"
[3,] "a"  "b"  "c"  "d"
> mode(matriz.letras)
[1] "character"
> class(matriz.letras)
[1] "matrix"
> matriz.numeros
     [,1] [,2] [,3] [,4]
[1,]    1    2    3    4
[2,]    1    2    3    4
[3,]    1    2    3    4
> mode(matriz.numeros)
[1] "numeric"
> class(matriz.numeros)
[1] "matrix"

São um conjunto de elementos do mesmo tipo, como números ou caracteres. Há várias classes de vetores. Os vetores que temos trabalhado até agora são numéricos:

> class( a )
[1] "numeric"
> class( b )
[1] "integer"
> class( c )
[1] "integer"

A classe 'numeric' designa números reais enquanto que a classe 'integer' designa números inteiros.

É possível ter no R um vetor tipo 'character' formado por palavras ou frases:

> sp = c( "Myrcia sulfiflora", "Syagrus romanzoffianus" , "Tabebuia cassinoides", "Myrcia sulfiflora" )
> mode( sp )
[1] "character"
>

Os fatores são uma classe especial de vetores, que definem variáveis categóricas de classificação, como os tratamentos em um experimento fatorial, ou categorias em uma tabela de contingência.

A função factor cria um fator, a partir de um vetor :

> sexo <- factor(rep(c("F","M"),each=9))
> sexo
 [1] M M M M M M M M M F F F F F F F F F
Levels: F M
>
> numeros <- rep(1:3,each=3)
> numeros
[1] 1 1 1 2 2 2 3 3 3
> numeros.f <- factor(numeros)
> numeros.f
[1] 1 1 1 2 2 2 3 3 3
Levels: 1 2 3

Em muitos casos, indicar que um vetor é um fator é importante para a análise, e várias funções no R exigem variáveis dessa classe, ou têm respostas específicas para ela ⁴⁾.

Note que fatores têm um atributo que especifica seus níveis ou categorias (levels) , que seguem ordem alfanumérica crescente, por default. Como essa ordem é importante para muitas análises, pode-se alterá-la com o argumento levels, por exemplo para colocar o controle antes dos tratamentos:

> tratamentos <- factor(rep(c("Controle","Adubo A","Adubo B"),each=4))
> tratamentos
 [1] Controle Controle Controle Controle Adubo A  Adubo A  Adubo A  Adubo A
 [9] Adubo B  Adubo B  Adubo B  Adubo B
Levels: Adubo A Adubo B Controle
>
> tratamentos <- factor(rep(c("Controle","Adubo A","Adubo B"),each=4),levels=c("Controle","Adubo A","Adubo B"))
> tratamentos
 [1] Controle Controle Controle Controle Adubo A  Adubo A  Adubo A  Adubo A
 [9] Adubo B  Adubo B  Adubo B  Adubo B
Levels: Controle Adubo A Adubo B

Há ainda a função levels, que retorna os níveis de um fator:

> tratamentos <- factor(rep(1:3,each=4))
> tratamentos
 [1] 1 1 1 1 2 2 2 2 3 3 3 3
Levels: 1 2 3
>
> levels(tratamentos)
[1] "1" "2" "3"

Fatores podem conter níveis não usados (vazios):

> politicos <- factor(rep("corrupto",10),levels=c("corrupto","honesto"))
> politicos
 [1] corrupto corrupto corrupto corrupto corrupto corrupto corrupto corrupto
 [9] corrupto corrupto
Levels: corrupto honesto

Para aplicar uma função aos subconjuntos de um vetor definidos por um fator use a função tapply:

> pop.2007
Feira de Santana         Salvador        São Paulo          Niterói
          544113          2714119         11104712           476669
     Nova Iguaçu           Recife      Santo André   Rio de Janeiro
          858150          1528970           676846          6178762
        Sorocaba         Campinas           Osasco        Guarulhos
          590846          1073020           724368          1289047
        Jaboatão
          661901
> regiao
 [1] NE NE SE SE SE NE SE SE SE SE SE SE NE
Levels: NE SE
 
##Soma do número de habitantes das cidades por região
> tapply(X=pop.2007,INDEX=regiao,FUN=sum)
      NE       SE
 5449103 22972420
 
#Número de habitantes da cidade mais populosa de cada região
> tapply(X=pop.2007,INDEX=regiao,FUN=max)
      NE       SE
 2714119 11104712

Os argumentos básicos são o vetor de valores (X), o fator que será usado para definir os subconjuntos (INDEX), e a função que será aplicada (FUN). É possível usar mais de um fator para definir os subconjuntos:

> sexo <- factor(rep(c("F","M"),each=9))
> dieta <- factor(rep(rep(c("normal","light","diet"),each=3),2), levels=c("normal","light","diet"))
> peso <- c(65,69,83,90,58,84,85,74,92,71,72,78,67,65,62,74,73,68)
> sexo
 [1] F F F F F F F F F M M M M M M M M M
Levels: F M
> dieta
 [1] normal normal normal light  light  light  diet   diet   diet   normal
[11] normal normal light  light  light  diet   diet   diet
Levels: normal light diet
> peso
 [1] 65 69 83 90 58 84 85 74 92 71 72 78 67 65 62 74 73 68
> ##Media de peso por sexo e dieta
> tapply(peso,list(sexo,dieta),mean)
      diet    light   normal
F 83.66667 77.33333 72.33333
M 71.66667 64.66667 73.66667

Para contar elementos em cada nível de um fator, use a função table:

> table(politicos)
politicos
corrupto  honesto
      10        0

A função pode fazer tabulações cruzadas, gerando uma tabela de contingência⁵⁾:

> table(sexo,dieta)
    dieta
sexo normal light diet
   F      3     3    3
   M      3     3    3

A função table trata cada valor de um vetor como um nível de um fator. Portanto, é útil também para contar a frequência de valores em vetores de números inteiros e de caracteres:

> x <- rep(1:5,each=10)
> class(x)
[1] "integer"
> table(x)
x
 1  2  3  4  5
10 10 10 10 10
 
> y <- rep(c("a","b","c"),20)
> class(y)
[1] "character"
> table(y)
y
 a  b  c
20 20 20

Uma lista é um objeto composto de vetores que podem ser diferentes classes e tamanhos, e podem ser criadas com o comando list

> minha.lista <- list(um.vetor=1:5, uma.matriz=matrix(1:6,2,3), um.dframe=data.frame(seculo=c("XIX","XX","XXI"),inicio=c(1801,1901,2001)))
> minha.lista
$um.vetor
[1] 1 2 3 4 5
 
$uma.matriz
     [,1] [,2] [,3]
[1,]    1    3    5
[2,]    2    4    6
 
$um.dframe
  seculo inicio
1    XIX   1801
2     XX   1901
3    XXI   2001

Nas palavras de Bill Venables, listas são como “varais” onde se pode pendurar qualquer outro objeto, inclusive outras listas, o que as torna objetos recursivos:

super.lista <- list(lista.velha=minha.lista, um.numero=1)

Alguns objetos têm como atributo o nome de seus elementos, como é o caso das listas. A função names retorna esses nomes:

> names(minha.lista)
[1] "um.vetor"   "uma.matriz" "um.dframe"
>
> names(super.lista)
[1] "lista.velha" "um.numero"

O operador $ permite selecionar rapidamente um objeto de uma lista:

> minha.lista$um.vetor
[1] 1 2 3 4 5
>
> names(super.lista)
[1] "lista.velha" "um.numero"
>
> names(super.lista$lista.velha)
[1] "um.vetor"   "uma.matriz" "um.dframe"
>
> names(super.lista$lista.velha$um.dframe)
[1] "seculo" "inicio"

A tabela de dados (data frame) é um tipo especial de lista, composta por vetores de mesmo tamanho, mas que podem ser de classes diferentes:

> names(trapalhoes)
[1] "nomes"    "ano.nasc" "vive"
>
> trapalhoes
     nomes ano.nasc  vive
1     Didi     1936  TRUE
2     Dedé     1936  TRUE
3   Mussum     1941 FALSE
4 Zacarias     1934 FALSE
>
> class(trapalhoes$nomes)
[1] "character"
> class(trapalhoes$ano.nasc)
[1] "numeric"
> class(trapalhoes$vive)
[1] "logical"

Todas as operações já descritas para listas são válidas para os data frames.

Assim como para listas, o operador $ pode ser usado selecionar um dos vetores que compõem um data frame, como no exemplo acima.

Esse operador também pode ser usado para criar novas variáveis (vetores) e acrescentá-las ao objeto. Para isso, basta acrescentar após o operador o nome da nova variável, e atribuir a ela um valor:

> trapalhoes$idade.2008 <- 2008 - trapalhoes$ano.nasc
> trapalhoes
     nomes ano.nasc  vive idade.2007
1     Didi     1936  TRUE         72
2     Dedé     1936  TRUE         72
3   Mussum     1941 FALSE         67
4 Zacarias     1934 FALSE         74

A função aggregate gera subconjuntos de cada um dos vetores de um data frame, executa uma função para cada um desses subconjuntos, e retorna um novo data frame com os resultados.

Como seu resultado é sempre um data frame, a função aggregate é mais adequada que tapply para fazer estatísticas de muitos casos por uma ou muitas combinações de critérios:

> carros.marcas
 [1] Chevrolet Chevrolet Chevrolet Chevrolet Chevrolet Chevrolet Chevrolet
 [8] Chevrolet Ford      Ford      Ford      Ford      Ford      Ford
[15] Ford      Ford      Toyota    Toyota    Toyota    Toyota
Levels: Chevrolet Ford Toyota
> carros.numeros
   Price Horsepower Weight
12  13.4        110   2490
13  11.4        110   2785
14  15.1        160   3240
15  15.9        110   3195
16  16.3        170   3715
17  16.6        165   4025
18  18.8        170   3910
19  38.0        300   3380
31   7.4         63   1845
32  10.1        127   2530
33  11.3         96   2690
34  15.9        105   2850
35  14.0        115   2710
36  19.9        145   3735
37  20.2        140   3325
38  20.9        190   3950
84   9.8         82   2055
85  18.4        135   2950
86  18.2        130   3030
87  22.7        138   3785
 
> aggregate(x=carros.numeros,by=list(carros.marcas),FUN=mean)
    Group.1   Price Horsepower   Weight
1 Chevrolet 18.1875    161.875 3342.500
2      Ford 14.9625    122.625 2954.375
3    Toyota 17.2750    121.250 2955.000

Os argumentos básicos da função são o objeto com os valores (x), o(s) fator(es) que definem os subgrupos (by, que deve ser uma lista), e a função a ser aplicada a cada vetor em x (FUN).

Matrizes são vetores cujos valores são referenciados por dois índices, o número da linha e o número da coluna.

> my.matrix
     [,1] [,2] [,3] [,4]
[1,]    1    1    1    1
[2,]    2    2    2    2
[3,]    3    3    3    3

Os índices entre colchetes são a referência do par [linha,coluna]⁶⁾. Esses índices são exibidos quando as dimensões não têm nomes, que são controlados pelas funções rownames e colnames:

> rownames(my.matrix) <- c("R1","R2","R3")
> colnames(my.matrix) <- c("C1","C2","C3","C4")
>
> my.matrix
   C1 C2 C3 C4
R1  1  1  1  1
R2  2  2  2  2
R3  3  3  3  3

A função dimnames retorna uma lista com os nomes de cada dimensão de uma matriz

> dimnames(my.matrix)
[[1]]
[1] "R1" "R2" "R3"
 
[[2]]
[1] "C1" "C2" "C3" "C4"

A função dim retorna o comprimento de cada dimensão de uma matriz, no caso três linhas e quatro colunas:

> dim(my.matrix)
[1] 3 4

Para aplicar qualquer função a uma das dimensões de uma matriz, use a função apply:

##Soma dos valores de cada linha:
> apply(X=my.matrix,MARGIN=1,FUN=sum)
R1 R2 R3
 4  8 12
>
##Máximo de cada coluna
> apply(X=my.matrix,MARGIN=2,FUN=max)
C1 C2 C3 C4
 3  3  3  3

Os argumentos básicos da função são a matriz (X), a dimensão (MARGIN, valor 1 para linhas, valor 2 para colunas) e a função a aplicar (FUN).

Todas as operações matriciais podem ser realizadas com as matrizes numéricas. O R possui funções para estas operações, como %*%, para multiplicação, entre outras:

> m
     [,1] [,2] [,3]
[1,]    1    1    1
[2,]    1    1    1
[3,]    1    1    1
[4,]    1    1    1
> n
[1] 1 2 3
##Multiplicação usual: NÃO É MULTIPLICAÇÃO MATRICIAL
> m*n
     [,1] [,2] [,3]
[1,]    1    1    1
[2,]    2    2    2
[3,]    3    3    3
##Diagonal da matriz resultante
> diag(m*n)
[1] 1 2 3
> 
##Multiplicação matricial
> m%*%n
     [,1]
[1,]    6
[2,]    6
[3,]    6

Consulte a ajuda para detalhes.

Os arrays são a generalização das matrizes para mais de duas dimensões. Um exemplo é o objeto Titanic, com as seguintes dimensões:

> dim(Titanic)
[1] 4 2 2 2

Com os seguintes nomes:

> dimnames(Titanic)
$Class
[1] "1st"  "2nd"  "3rd"  "Crew"
 
$Sex
[1] "Male"   "Female"
 
$Age
[1] "Child" "Adult"
 
$Survived
[1] "No"  "Yes"

Todas as operações aplicáveis a matrizes também o são para arrays:

> adultos.por.sexo <- apply(Titanic, c(2, 4), sum)
##Mulheres primeiro?
> adultos.por.sexo
        Survived
Sex        No Yes
  Male   1364 367
  Female  126 344
 
##Como o objeto resultante é uma matriz, pode-se aplicar apply novamente:
> adultos.por.sexo/apply(adultos.por.sexo,1,sum)
        Survived
Sex             No       Yes
  Male   0.7879838 0.2120162
  Female 0.2680851 0.7319149

Na verdade, o R é muito mais que uma simples calculadora. O R é um ambiente onde podemos realizar operações vetoriais e matriciais.

Além das regras básicas para operações com vetores numéricos (ver Vetores: Operações Matemáticas), há operações aplicáveis a outros tipos de dados, e as importantíssimas operações lógicas, aplicáveis a qualquer classe.

Para vetores do tipo 'character' operações matemáticas não fazem sentido e retornam uma mensagem de erro e o valor NA:

> mean( sp )
[1] NA
Warning message:
argument 'is' not numeric or logical: returning NA in: mean.default(sp)
>  

Mas existem muitas operações que funcionam ou são próprias desse tipo de vetores:

> sort( sp ) # ordenação de caracteres em ordem crescente
[1] "Myrcia sulfiflora"      "Myrcia sulfiflora"      "Syagrus romanzoffianus"
[4] "Tabebuia cassinoides"
>
> grep("Myrcia", sp) # busca por elementos do vetor de caracteres contendo "Myrcia"
[1] 1 4
>
> table( sp ) # contagem do numero de elementos para cada classe de elemento 
sp
     Myrcia sulfiflora Syagrus romanzoffianus   Tabebuia cassinoides
                     2                      1                      1
>                     
> sub("Myrcia", "M.", sp ) # substituição de caracteres
[1] "M. sulfiflora"          "Syagrus romanzoffianus" "Tabebuia cassinoides"   "M. sulfiflora"
>
> strsplit(sp, " ") # divisão de cada elemento do vetor por um dado caractere ou símbolo (no caso, um espaço)
[[1]]
[1] "Myrcia"     "sulfiflora"
 
[[2]]
[1] "Syagrus"        "romanzoffianus"
 
[[3]]
[1] "Tabebuia"    "cassinoides"
 
[[4]]
[1] "Myrcia"     "sulfiflora"
>

Também é possível concatenar vetores de caracteres usando a função paste:

> bicho <- c("pato","gato","boi")
> cor <- c("branco","preto","vermeio")
> paste(bicho,cor)
[1] "pato branco" "gato preto"  "boi vermeio"

Algumas operações são válidas para qualquer tipo de vetor. Essas operações envolvem comparações e são chamadas de operações lógicas:

> "Tabebuia cassinoides" == sp
[1] FALSE FALSE  TRUE FALSE
>
> a <= 7
[1]  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE
>
> b
[1] 1 2 3 4 5 6 7 8
> b >= 4
[1] FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE
>
> c
 [1] 20 21 22 23 24 25 26 27 28 29 30 31 32
> (c %% 2) != 0
 [1] FALSE  TRUE FALSE  TRUE FALSE  TRUE FALSE  TRUE FALSE  TRUE FALSE  TRUE
[13] FALSE
>  

Como o R é um ambiente vetorial o resultado de operações lógicas também podem ser guardadas em vetores. Assim, surgem os vetores de classe 'logical':

> b
[1] 1 2 3 4 5 6 7 8
> f <- b <= 5
> f
[1]  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE FALSE
> class( f )
[1] "logical"
> 

O indicador de valor faltante (“missing values) no R é NA, e o de valores não-numéricos (em geral resultantes de operações que não têm um valor definido) é NaN. A operação lógica para testar esses valores é feita com a função is.na, e não com os operadores == ou !=

> a <- seq(-100,100,50)
> a
[1] -100  -50    0   50  100
> b <- sqrt(a)
Warning message:
NaNs produzidos in: sqrt(a)
> b
[1]       NaN       NaN  0.000000  7.071068 10.000000
> b==NA
[1] NA NA NA NA NA
> b=="NA"
[1] FALSE FALSE FALSE FALSE FALSE
> is.na(b)
[1]  TRUE  TRUE FALSE FALSE FALSE
> !is.na(b)
[1] FALSE FALSE  TRUE  TRUE  TRUE

=========================================
 OPERADOR         DESCRIÇÃO                    
=========================================
 
   ==             igual
   !=             diferente
   >              maior          
   <              menor                    
   >=             maior ou igual
   <=             menor ou igual                  
   &              e (and)               
   |              ou (or)        
   !              não
   is.na()        valor faltante ou
                  não numérico
 
=========================================

Já tratamos dos sinais de atribuição no item sobre criação de objetos da seção de Introdução ao R, onde vimos que um dos sinais de atribuição é um sinal de igual (=):

> a = log(2)
> a
[1] 0.6931472
>       

Um detalhe importantíssimo é diferenciar um sinal de igualdade de um sinal de atribuição.

O sinal de igualdade faz uma comparação entre dois elementos. No R o sinal de igualdade são dois sinais de igual seguidos (==). Este operador retorna o resultado do teste lógico “a igual b?”, que só pode ter dois valores, T (verdadeiro), ou F (falso):

> a = 2 + 2
> a == 4
[1] TRUE
> a == 2+2
[1] TRUE
> a == 2
[1] FALSE
>

Os vetores lógicos (logical) podem participar de operações matemáticas. Nesse caso o valor TRUE assume o valor 1, e valor FALSE assume o valor 0:

> f
[1]  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE FALSE
> f * 7
[1] 7 7 7 7 7 0 0 0
>
> f * (1:length(f))
[1] 1 2 3 4 5 0 0 0
> 

Para ter frequência de dados que satisfaçam uma certa condição basta somar o vetor lógico resultante:

> notas.dos.alunos
 [1]  6.0  5.1  6.8  2.8  6.1  9.0  4.3 10.4  6.0  7.9  8.9  6.8  9.8  4.6 11.3
[16]  8.0  6.7  4.5
##Quantos valores iguais ou maiores que cinco?
> sum(notas.dos.alunos>=5)
[1] 14
##Qual a proporção deste valor em relação ao total?
> sum(notas.dos.alunos>=5)/length(notas.dos.alunos)
[1] 0.7777778

Frequentemente teremos que trabalhar não com um vetor inteiro, mas com um subconjunto dele. Para obter subconjuntos de um vetor temos que realizar operações de indexação, isto é, associar ao vetor um outro vetor de mesmo tamanho com os índices dos elementos selecionados.

O operador de indexação é o colchetes [], e um vetor pode ser indexado de três formas principais:

A) Vetor de números inteiros positivos: os números se referem às posições desejadas do vetor indexado.

> a
[1]  1.0000000 10.0000000  3.4000000  3.1415927  0.7853982  0.3678794  0.8020016
[8]  0.4338837
> a[ 2:4 ]                             # subconjuntos dos elementos nas posições 2 a 4
[1] 10.000000  3.400000  3.141593
> b
[1] 1 2 3 4 5 6 7 8
> b[ c(2,5,8) ]                        # subconjuntos dos elementos nas posições 2, 5 e 8
[1] 2 5 8
> 

B) Vetor de números inteiros negativos: os números se referem às posições não desejadas do vetor indexado.

 a
[1]  1.0000000 10.0000000  3.4000000  3.1415927  0.7853982  0.3678794  0.8020016
[8]  0.4338837
> a[ -(2:4) ]                                             # Exclui as posições de 2 a 4
[1] 1.0000000 0.7853982 0.3678794 0.8020016 0.4338837
> b
[1] 1 2 3 4 5 6 7 8
> b[ -c(2,5,8) ]                                          # Exclui as posições de 2, 5 e 8
[1] 1 3 4 6 7
>  

C) Vetor lógico: os elementos do vetor lógico correspondentes a TRUE são selecionados, os elementos correspondentes a FALSE são excluídos.

> b
[1] 1 2 3 4 5 6 7 8
> b[ c(TRUE, TRUE, FALSE, FALSE, FALSE, TRUE, TRUE) ]
[1] 1 2 6 7 8
> b[ b< 5 ]
[1] 1 2 3 4
> b[ b >= 7 ]
[1] 7 8
> b[ b == max(b) ]
[1] 8
> b[ b == min(b) ]
[1] 1
>

Na indexação por vetores lógicos, esses vetores devem ter o mesmo comprimento do vetor indexado. Caso contrário a operação será defeituosa:

> b
[1] 1 2 3 4 5 6 7 8
> b[ c(TRUE, TRUE) ]
[1] 1 2 3 4 5 6 7 8
> b[ c(FALSE, FALSE) ]
integer(0)
> 

As operações por vetores lógicos podem combinar vários critérios, por meio dos operadores “E”, “OU” e “NÃO”:

## Primeiras 5 linhas do data frame USArrests (crimes/1000 habitantes em cada estado dos EUA, em 1973):
> USArrests[1:5,]
           Murder Assault UrbanPop Abusos
Alabama      13.2     236       58 21.2
Alaska       10.0     263       48 44.5
Arizona       8.1     294       80 31.0
Arkansas      8.8     190       50 19.5
California    9.0     276       91 40.6
 
##População Urbana dos estados em que a razão entre assassinatos e assaltos foi maior que 20
> USArrests$UrbanPop[USArrests$Murder>USArrests$Assault/20]
 [1] 58 60 83 65 66 52 66 44 70 53 75 72 48 59 80 63 39
 
##Mesma condição acima, apenas estados com população menor do 55 milhões
> USArrests$UrbanPop[USArrests$Murder>USArrests$Assault/20 & USArrests$UrbanPop<55]
[1] 52 44 53 48 39

D) Vetor caracter: nesse caso o vetor deve ser nomeado (função names) por um vetor character:

> zoo = c(4, 10, 2, 45)
> names(zoo) = c("onça", "anta", "tatu", "guará")
> zoo[ c("anta", "guará") ]
 anta guará
   10    45
> zoo[ grep("ç", names(zoo)) ]
onça
   4
>  

A indexação de um fator pode resultar em níveis não usados. Caso você queira excluir esses níveis, use o argumento drop, do operador []:

> tratamentos
 [1] Controle Controle Controle Controle Adubo A  Adubo A  Adubo A  Adubo A
 [9] Adubo B  Adubo B  Adubo B  Adubo B
Levels: Controle Adubo A Adubo B
> resposta
 [1] 1.8 3.0 0.9 1.7 2.4 2.7 2.6 1.5 3.0 2.7 0.8 3.0
> resp.sem.controle <- resposta[tratamentos!="Controle"]
> trat.sem.controle <- tratamentos[tratamentos!="Controle"]
> tapply(resp.sem.controle,trat.sem.controle,mean)
Controle  Adubo A  Adubo B
      NA    2.300    2.375
>
> ## Para eliminar níveis vazios do fator:
> trat.sem.controle <- tratamentos[tratamentos!="Controle",drop=T]
> tapply(resp.sem.controle,trat.sem.controle,mean)
Adubo A Adubo B
  2.300   2.375

O modo de indexação de matrizes é [linhas,colunas]:

> matriz
     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8   11
[3,]    3    6    9   12
> matriz[1,1]
[1] 1
> matriz[1:2,1]
[1] 1 2
> matriz[1:2,1:2]
     [,1] [,2]
[1,]    1    4
[2,]    2    5

A mesma notação é válida para data frames:

> USArrests[1:5,c(2,4)]
           Assault abuso
Alabama        236 21.2
Alaska         263 44.5
Arizona        294 31.0
Arkansas       190 19.5
California     276 40.6
>
> USArrests[1:5,c("Assault","Abuso")]
           Assault Abuso
Alabama        236 21.2
Alaska         263 44.5
Arizona        294 31.0
Arkansas       190 19.5
California     276 40.6
>
> USArrests[USArrests$UrbanPop>80,c("Assault","Abuso")]
              Assault Abuso
California        276 40.6
Hawaii             46 20.2
Illinois          249 24.0
Massachusetts     149 16.3
Nevada            252 46.0
New Jersey        159 18.8             

Para incluir todas as linhas ou colunas, omita o valor (mas mantenha a vírgula!):

> matriz[,1]
[1] 1 2 3
> matriz[,c(1,4)]
     [,1] [,2]
[1,]    1   10
[2,]    2   11
[3,]    3   12
>
> USArrests[1:5,]
           Murder Assault UrbanPop Abuso
Alabama      13.2     236       58 21.2
Alaska       10.0     263       48 44.5
Arizona       8.1     294       80 31.0
Arkansas      8.8     190       50 19.5
California    9.0     276       91 40.6
>
> USArrests[grep("C",row.names(USArrests)),]
               Murder Assault UrbanPop Abuso
California        9.0     276       91 40.6
Colorado          7.9     204       78 38.7
Connecticut       3.3     110       77 11.1
North Carolina   13.0     337       45 16.1
South Carolina   14.4     279       48 22.5
> 

A notação é estendida para um array de qualquer dimensão, como o objeto Titanic, que tem quatro dimensões:

> dimnames(Titanic)
$Class
[1] "1st"  "2nd"  "3rd"  "Crew"
 
$Sex
[1] "Male"   "Female"
 
$Age
[1] "Child" "Adult"
 
$Survived
[1] "No"  "Yes"
 
## Adultos sobreviventes
> Titanic[,,2,2]
      Sex
Class  Male Female
  1st    57    140
  2nd    14     80
  3rd    75     76
  Crew  192     20
 
## O mesmo, usando os nomes
> Titanic[,,"Adult","Yes"]
      Sex
Class  Male Female
  1st    57    140
  2nd    14     80
  3rd    75     76
  Crew  192     20

Combinando as operações de indexação e de atribuição é possível alterar os valores de qualquer parte de um objeto:

> zoo
 onça  anta  tatu guará
    4    10     2    45
> names(zoo)[4] <- "lobo-guará"
> zoo
      onça       anta       tatu lobo-guará
         4         10          2         45
>
> matriz
     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8   11
[3,]    3    6    9   12
> matriz[,c(1,4)] <- NA
> matriz
     [,1] [,2] [,3] [,4]
[1,]   NA    4    7   NA
[2,]   NA    5    8   NA
[3,]   NA    6    9   NA
> matriz[is.na(matriz)==T] <- 0
> matriz
     [,1] [,2] [,3] [,4]
[1,]    0    4    7    0
[2,]    0    5    8    0
[3,]    0    6    9    0

Com a indexação é possível mudar a ordem de um vetor:

> zoo
      onça       anta       tatu lobo-guará
         4         10          2         45
>##Invertendo a ordem
> zoo[4:1]
lobo-guará       tatu       anta       onça
        45          2         10          4
##Uma ordem arbitrária
> zoo[c(3,4,2,1)]
      tatu lobo-guará       anta       onça
         2         45         10          4

A função order retorna os índices dos elementos de um vetor:

##Vetor de nomes do vetor zoo:
> names(zoo)
[1] "onça"       "anta"       "tatu"       "lobo-guará"
 
## O nome "anta", que tem o índice 2, é o primeiro na ordem alfabética:
> order(names(zoo))
[1] 2 4 1 3

E com isso podemos usar seu resultado para ordenar um vetor em função de quaisquer outros:

> zoo[order(names(zoo))]
      anta lobo-guará       onça       tatu
        10         45          4          2

O argumento da função comporta múltiplos vetores de critério. Em caso de empate pelo(s) primeiro(s) critério(s), os seguintes são usados:

> cidades
                 regiao estado pop.2007
Feira de Santana     NE     BA   544113
Salvador             NE     BA  2714119
São Paulo            SE     SP 11104712
Niterói              SE     RJ   476669
Nova Iguaçu          SE     RJ   858150
Recife               NE     PE  1528970
Santo André          SE     SP   676846
Rio de Janeiro       SE     RJ  6178762
Sorocaba             SE     SP   590846
Campinas             SE     SP  1073020
Osasco               SE     SP   724368
Guarulhos            SE     SP  1289047
Jaboatão             NE     PE   661901
>
> cidades[order(cidades$regiao,cidades$estado,cidades$pop.2007,decreasing=T),]
                 regiao estado pop.2007
São Paulo            SE     SP 11104712
Guarulhos            SE     SP  1289047
Campinas             SE     SP  1073020
Osasco               SE     SP   724368
Santo André          SE     SP   676846
Sorocaba             SE     SP   590846
Rio de Janeiro       SE     RJ  6178762
Nova Iguaçu          SE     RJ   858150
Niterói              SE     RJ   476669
Recife               NE     PE  1528970
Jaboatão             NE     PE   661901
Salvador             NE     BA  2714119
Feira de Santana     NE     BA   544113