Mestranda em Ecologia, LabTrop, Instituto de Biociências, USP

Exercícios Leticia Bolian Zimback

Meu projeto de mestrado consiste em avaliar a chuva de sementes em uma área de Restinga. Portanto, pensei em criar uma função que fizesse uma análise exploratória e me desse algumas informações iniciais sobre os meus dados.

Esta função teria apenas dois argumentos. O primeiro argumento seria um data.frame com as variáveis categóricas como, por exemplo, espécie, mês, ano, parcela; e a variável resposta que é a quantidade de sementes. O segundo argumento teria a função de retirar os dados faltantes do meu data.frame. Dentro da função quero calcular várias coisas como: a quantidade de sementes em cada mês, a quantidade de sementes em cada parcela, a quantidade de sementes em cada mês/parcela, o número médio de sementes no ano, número médio de sementes no mês, gráficos que testem a homogeneidade na variância dos meus dados e a normalidade dos resíduos, outros gráficos de análise exploratória como boxplot e histograma, análise da variância do meu conjunto de dados e, por fim, testar modelos para ver quais das variáveis categóricas explicam melhor a quantidade de sementes que cai nos coletores.

Além do mestrado, eu trabalho na Prefeitura Municipal de São Paulo com levantamento e monitoramento de fauna na cidade. Nós recebemos animais silvestres machucados e também de apreensão.

Pensei em fazer uma função que quantifique os animais recebidos provenientes de cada uma das regiões da cidade (zonas norte, sul, leste, oeste, centro), divididos pelo fator classe (aves, mamíferos, répteis e anfíbios). Além disto quero plotar estes pontos em um mapa da cidade, junto com o valor médio de animais recebidos por classe em cada uma das regiões. Quero fazer isto separadamente para os animais que são recebidos machucados e depois para os apreendidos.

Pensando nas dicas propostas, resolvi simplificar um pouco as análises iniciais para dar maior ênfase para o gráfico de estatística circular.

A função terá como input dois argumentos. O primeiro será um data.frame com quatro colunas, que devem ser o mês, o ano, a parcela coletada e a quantidade de sementes (variável resposta). O segundo argumento irá retirar os dados faltantes do data.frame. Através da indexação das colunas correspondentes a função irá calcular o número de sementes por mês, o número de sementes por parcela, o número médio de sementes no ano e o número médio de sementes no mês.

A partir deste número médio de sementes no mês, será utilizada uma estatística circular para plotar os dados e verificar se há variação anual na chegada de sementes nesta comunidade vegetal.

feno.sementes                package:nenhum                R Documentation


Análise da fenologia da chuva de sementes 

Description:

Através de um data.frame padronizado calcula alguns dados brutos e gera um gráfico 
circular através do uso de estatística circular.


Usage:

     feno.sementes(x,rmNA=TRUE)


Arguments:

x: Objeto da classe ‘data.frame’ padronizado. Para mais detalhes (ver ‘Details’).

rmNA: lógico. Remover dados faltantes do data.frame.



Details:

O data.frame (x) deve ser composto de quatro colunas. A primeira coluna diz respeito 
aos meses do estudo, a segunda aos anos, a terceira às parcelas amostradas e a 
quarta é a variável resposta  que corresponde a quantidade de sementes encontradas 
no estudo.

A partir do data.frame são calculados alguns dados brutos, estes são: o total de 
sementes que chegou ao longo do estudo, soma das sementes que chegaram em cada mês, 
soma das sementes que chegaram em cada parcela, soma das sementes que chegaram em 
cada ano, média das sementes que chegaram por ano e média das sementes que chegaram 
em cada um dos meses.

Através do pacote “circular” são calculados alguns parâmetros de estatística 
circular. 
O objeto calculado que contém a média das sementes que chegaram em cada um dos 
meses é utilizado e transformado em dados circulares. A partir desta transformação 
são obtidos a direção média dos dados e o comprimento deste vetor médio. Além desta 
informação, dois testes (Rayleigh.teste e Watson.teste) são feitos para verificar a 
uniformidade dos dados. 


 
Value:

Um gráfico é gerado. Neste gráfico os eixos são os meses e estão dispostos na 
circunferência, o vetor médio é plotado de acordo com o seu comprimento e direção 
média dados.

Além do gráfico a função retorna todos os cálculos brutos e os valores da média 
circular, comprimento deste vetor média e o resultado dos testes.


Author(s):

Leticia Bolian Zimback



leticia.zimback@gmail.com





References:

 
Garcia, L.C., Barros, F.V., Lemos-Filho, J.P. (2009) Fructification phenology 
as an important tool in the recovery of iron mining areas in Minas Gerais, 
Brazil. Brazilian Journal of Biology 69(3): 887-893.



Lund, U., Agostinelli, C. (2013). Package ‘circular’. Disponível online 
em http://cran.r-project.org/web/packages/circular/circular.pdf



Ribas, A. (2013). Recologia – Errando em Ecologia e Evolução – Gráficos 
circulares. Disponível online em http://recologia.com.br/2013/04/graficos-circulares/



Sfair, J.C. Estatística Circular – Principais análises utilizando o R. 
Disponível online em http://www.researchgate.net/publication/233924997_Estatstica_Circular_-_Principais_anlises_utilizando_o_R




See Also:



Para outra forma de fazer um gráfico circular, veja a função ‘radial.plot’ 
do pacote plotrix.





Examples:



#Como a função se comporta quando há dados faltantes (NAs):

mes <- c("jan","jan","jan","fev","fev","fev","mar","mar","mar","abr","abr","abr","mai","mai","mai","jun","jun","jun","jul","jul","jul","ago","ago","ago","set","set","set","out","out","out","nov","nov","nov","dez","dez","dez","jan","jan","jan","fev","fev","fev","mar","mar","mar","abr","abr","abr","mai","mai","mai","jun","jun","jun","jul","jul","jul","ago","ago","ago","set","set","set","out","out","out","nov","nov","nov","dez","dez","dez")

ano <- c("2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013")

parcela <- c("1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3")

sementes <- c(4,NA,7,4,4,9,2,10,4,7,3,8,8,2,NA,2,6,1,9,5,9,NA,2,11,3,4,9,6,3,7,1,NA,2,7,5,2,8,1,NA,3,2,7,8,9,2,4,4,7,3,8,2,4,1,5,1,8,6,NA,NA,2,8,9,10,6,2,3,5,5,6,3,7,1)

x <- data.frame(mes,ano,parcela,sementes)

feno.sementes(x,rmNA=TRUE) 
#A função irá remover os NAs, mostrar quantos foram removidos e rodará normalmente.

feno.sementes(x,rmNA=FALSE)
#A função não irá rodar corretamente e mostrará uma mensagem avisando que se houver 
NAs, o argumento rmNA deve ser verdadeiro.


#Quando a chuva de sementes se concentra mais em alguns meses:

mes <- c("jan","jan","jan","fev","fev","fev","mar","mar","mar","abr","abr","abr","mai","mai","mai","jun","jun","jun","jul","jul","jul","ago","ago","ago","set","set","set","out","out","out","nov","nov","nov","dez","dez","dez","jan","jan","jan","fev","fev","fev","mar","mar","mar","abr","abr","abr","mai","mai","mai","jun","jun","jun","jul","jul","jul","ago","ago","ago","set","set","set","out","out","out","nov","nov","nov","dez","dez","dez")

ano <- c("2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013")

parcela <- c("1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3")

sementes2 <- c(45,76,87,98,76,87,65,54,65,1,2,4,3,2,3,5,6,8,9,7,9,6,8,9,32,43,21,54,43,32,65,76,78,89,87,76,46,77,88,99,77,88,66,55,66,2,3,5,4,3,4,6,7,9,10,8,10,7,9,10,33,44,22,55,44,33,66,77,79,90,88,77)

y <- data.frame(mes,ano,parcela,sementes2)

feno.sementes(y,rmNA=TRUE)


#Quando a chuva de sementes se distribui de forma similar ao longo do ano:

mes <- c("jan","jan","jan","fev","fev","fev","mar","mar","mar","abr","abr","abr","mai","mai","mai","jun","jun","jun","jul","jul","jul","ago","ago","ago","set","set","set","out","out","out","nov","nov","nov","dez","dez","dez","jan","jan","jan","fev","fev","fev","mar","mar","mar","abr","abr","abr","mai","mai","mai","jun","jun","jun","jul","jul","jul","ago","ago","ago","set","set","set","out","out","out","nov","nov","nov","dez","dez","dez")

ano <- c("2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013")

parcela <- c("1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3")

sementes3 <- c(45,76,87,98,76,87,65,54,65,67,76,87,54,43,56,87,76,89,95,75,91,66,81,99,45,43,56,54,43,45,65,76,78,89,87,76,46,77,88,99,77,88,66,55,66,87,43,59,78,76,55,69,78,91,80,83,60,78,93,90,45,44,66,55,49,56,66,77,79,90,88,77)

z <- data.frame(mes,ano,parcela,sementes3)

feno.sementes(z,rmNA=TRUE)


#Quando a abundância em alguns meses é igual a zero:

mes <- c("jan","jan","jan","fev","fev","fev","mar","mar","mar","abr","abr","abr","mai","mai","mai","jun","jun","jun","jul","jul","jul","ago","ago","ago","set","set","set","out","out","out","nov","nov","nov","dez","dez","dez","jan","jan","jan","fev","fev","fev","mar","mar","mar","abr","abr","abr","mai","mai","mai","jun","jun","jun","jul","jul","jul","ago","ago","ago","set","set","set","out","out","out","nov","nov","nov","dez","dez","dez")

ano <- c("2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2012","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013","2013")

parcela <- c("1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3","1","2","3")

sementes4 <- c(0,0,0,0,0,0,0,0,0,10,43,32,54,21,43,12,16,29,43,49,29,48,23,43,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,12,45,34,56,23,45,14,18,31,45,51,31,50,25,45,0,0,0,0,0,0,0,0,0,0,0,0)

a <- data.frame(mes,ano,parcela,sementes4)

feno.sementes(a,rmNA=TRUE)

    

feno.sementes<-function(x,rmNA=TRUE) 

{

##Coloquei um aviso inicial para que as pessoas que utilizarem a função tenham o cuidado de importar o data.frame de forma que este se adeque a função:

warning("Para que a função rode de forma correta o data.frame deve ter quatro colunas.\nA primeira são os meses do ano. \nA segunda são os anos de estudo. \nA terceira são as parcelas. \nA quarta é quantidade de sementes que é a variável resposta.\n", call.=FALSE,immediate.=TRUE)

##Comandos para que os dados faltantes sejam excluídos da análise e isso seja explicitado no Console:	

if(rmNA==TRUE)

		{

		dados=(na.omit(x))

#Como é um data.frame calculei a diferença no número de linhas, pois o length é igual para todas, é o número de colunas:
		dim <- dim(x)-dim(dados) 

                n.NA <- dim[1]
                
		cat("Valores NA excluídos\n",n.NA,"\n","\n")

		}

		else

		{

		dados=x

            warning("Se o seu data.frame tiver valores faltantes, a função não irá rodar. O argumento rmNA deve ser verdadeiro\n", call.=FALSE,immediate.=TRUE)
            
		}

##Ordenei os níveis do fator mês:

dados[,1] <- factor(dados[,1],levels=c("jan","fev","mar","abr","mai","jun","jul","ago","set","out","nov","dez"))

##Transformei as variáveis ano e parcela em fatores:

dados[,2] <- factor(dados[,2])

dados[,3] <- factor(dados[,3])

##Criei este objeto apenas para ajudar na hora de plotar o gráfico circular: 

meses <- c("jan","fev","mar","abr","mai","jun","jul","ago","set","out","nov","dez")

##Alguns cálculos brutos:

##Cálculo do total de sementes que chegaram ao longo do estudo:

soma.total <- sum(dados[,4])

##Cálculo de quantas sementes chegaram em cada mês:

soma.mes <- tapply(dados[,4],dados[,1],sum)

##Cálculo de quantas sementes chegaram em cada parcela:

soma.parcela <- tapply(dados[,4],dados[,3],sum)

##Cálculo de quantas sementes chegaram em cada ano:

soma.ano <- tapply(dados[,4],dados[,2],sum)

##Cálculo da média das sementes que chegam por ano no estudo:

media.ano <- round(mean(soma.ano),0)

##Cálculo da média de sementes que chegaram em cada um dos meses:

feno <- round(tapply(dados[,4],dados[,1],mean),0)

##Instalação e abertura do pacote circular. Utilizei a função 'is.element' para conseguir obter um vetor com o nome dos pacotes instalados. Criei a função 'instalados' para verificar se o pacote 'circular' já está instalado ou não: 
  
  instalados <- function(pacotes)
    
  {
  
    is.element(pacotes, installed.packages()[,1])
  
  }
  
  if(instalados("circular")==FALSE)
  
    {
    
    install.packages("circular")
  
  }
  
  if(instalados("circular")==TRUE)
  
  {
    
    require("circular", quietly=TRUE)
  
  }
  
##Fiz um vetor de doze números espaçados igualmente que serão posicionados radialmente na circunferência:

angulo <- seq(0,330,by=30)

##Transformei este vetor em valores radianos:
 
angulo.rad <- rad(angulo)

##Transformei os dados referentes a média de sementes que chegaram por mês (feno) em valores circulares, relacionados com o vetor angulo.rad criado anteriormente. Coloquei no sentido anti-horário, pois não consegui mudar este padrão nas funções posteriores:
 
feno.c <- circular(rep(angulo.rad,feno),units=c("radians"),rotation="counter")

##Calculei a média para obter o vetor que indica a direção das observações. Este valor vai de 0 (início na posição 3h) até 2pi(~6.283185):

media <- mean(feno.c)

##Calculei o comprimento do vetor médio. Quanto mais perto de zero, mais abrangente o período fenológico ao longo do ano, os dados não tem um padrão muito evidente:

r <- rho.circular(feno.c)

##Testes de Uniformidade. 

##Valores significativos do p-valor indicam a existência de um padrão e menor abrangência fenológica: 

Rayleigh.teste <- rayleigh.test(feno.c)

##Valores acima do valor crítico, indicam a existência de um padrão e menor abrangência fenológica:

Watson.teste <- watson.test(feno.c,alpha=0.05)

##Plotei os dados em um gráfico circular:

plot(feno.c,axes=F,main="Fenologia da Chuva de Sementes")

##Coloquei os meses no eixo:

axis.circular(at=circular(rad(angulo)),labels=meses,units=c("radians"))

##Plotei este diagrama para visualizar como a chegada de sementes se distribui ao longo do ano:

rose.diag(feno.c,bins=12,add=T,axes=F)

##Esta função plota um vetor na direção média dos dados e em um comprimento que mostra o quanto esta direção influencia os dados como um todo(r):

arrows.circular(x=media, shrink=r, col="red",length=0.1)

##Fiz uma lista para que os resultados sejam apresentados no Console:

lista <- list(soma.total,soma.mes,soma.parcela,soma.ano,media.ano,feno,media,r,Rayleigh.teste,Watson.teste)

names(lista) <- c("Total de sementes que chegaram ao longo do estudo","Soma das sementes que chegaram em cada mês","Soma das sementes que chegaram em cada parcela","Soma das sementes que chegaram em cada ano","Média das sementes que chegaram por ano no estudo","Média de sementes que chegaram em cada um dos meses","Direção média dos dados","Comprimento médio dos dados","Teste de Uniformidade de Rayleigh","Teste de Uniformidade de Watson")

return(lista)

}

fenosementesfinal.r