Character

Variáveis character são aquelas que contém texto. Para designar uma variável como texto, precisamos colocar seus valores entre aspas. Dados do tipo texto são comuns em variáveis categóricas.

Experimente:

d <- "texto"
is.character(d)

## [1] TRUE

Numeric

Dados numeric são números. A função numeric pode ser utilizada para gerar um vetor com elementos numéricos com valor 0.

Faça:

# Criar vetor de cinco posições com valores 0
numeric(5)

## [1] 0 0 0 0 0

# Gera valor character
e <- "1980"

# Teste
is.numeric(e)

## [1] FALSE

# Conversão
f <- as.numeric("1980")

# Teste
is.numeric(f)

## [1] TRUE

Logical

A função logical gera um vetor lógico com o tamanho desejado e por padrão, cada elemento do vetor recebe o valor FALSE.

Um objeto de qualquer uma desses tipos é chamado de objeto atômico.

Mãos à obra:

logical(3)

## [1] FALSE FALSE FALSE

# Conversão
as.logical(c(7,5,0))

## [1]  TRUE  TRUE FALSE

# TRUE e FALSE podem ser convertidos em 1 ou 0
as.logical(c(7,5,0))*1

## [1] 1 1 0

Os valores no vetor que são diferentes de zero, recebem o valor TRUE.

A função c(combine) é utilizada para composição de um vetor, combinando valores identificados por índices.

Vetores

O R é construído com base no conceito de vetores e matrizes. As maior parte das operações é feita para os elementos.

# Definição de vetores
vector(mode = "numeric", length = 8)

## [1] 0 0 0 0 0 0 0 0

vector(length = 8)

## [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

tmp <- data.frame(a=10:15, b=15:20)

Fatores

Fatores são vetores de categorias específicas, definidas por meio do parâmetro levels. A ordem dos fatores pode ser especificada pela função ordered. Experimente:

# Vetor de texto
tipos.casas <- c("casa", "apartamento", "apartamento", "sobrado")

# Vetor de fatores
tipos.casas <- factor(c("casa", "apartamento", "apartamento", "sobrado"), levels=c("casa", "apartamento", "sobrado"))

Quando utilizamos dados em estrutura de fatores, é possível gerar sínteses rápidas e simples por meio da função table.

table(tipos.casas)

## tipos.casas
##        casa apartamento     sobrado 
##           1           2           1

Dados fatoriais são úteis para o tratamento de dados categóricos, ou que pertencem a um determinado número de classes predeterminadas. Existem muitas feições representadas por meio de dados espaciais que são estruturadas em variáveis discretas.

LEMBRANDO….. Dados podem ser:

Para ordenar dados fatoriais, utilizamos a função ordered.

renda_1 <- factor(c("alta", "alta", "baixa", "baixa", "media", "alta"), levels=c("baixa", "media", "alta")) 

renda_2 <- ordered(c("alta", "alta", "baixa", "baixa", "media", "alta"), levels=c("baixa", "media", "alta")) 

Listas

Os tipos de dados character, numeric e logical só podem ser associados a classes de dados nas quais TODOS os elementos são do mesmo tipo. A classe listas não tem esse requisito. As listas têm posições (índices) para diferentes topos de elementos.

Para acessar um elemento em um vetor, utilizamos [].

vector_teste <- c(5:10)
vector_teste

## [1]  5  6  7  8  9 10

vector_teste[4]

## [1] 8

Para acessar um elemento em uma lista por meio de sua posição, utilizamos [[]].

colaborador <- list(name="Renata Oliveira", ano.inicio = 2006, posicao = "Professora")
colaborador

## $name
## [1] "Renata Oliveira"
## 
## $ano.inicio
## [1] 2006
## 
## $posicao
## [1] "Professora"

Matrizes, data.frames e tibble

Matrizes são um conjunto de vetores. As linhas e colunas das matrizes podem ser nomeadas. Na análise espacial de um dado vetorial, temos uma tabela de atributos em estrutura matricial. As linhas representam as feições e as colunas são os atributos dessas feições. Na representação de dados raster, linhas e colunas representam latitudes e longitudes ou células raster.

Data frames e tibble são estruturas tabulares de dados que, diferentemente das matrizes (matrix), permitem representar diferentes atributos (e tipos de dados) em diferentes colunas. Esses tipos de classes são utilizadas para organizar dados espaciais (pontos, linhas, áreas e pixels).

Em tabelas de dados espaciais, cada informação representa um fenômeno real por meio de uma feição geográfica e os campos representam atributos associados com cada feição (população, área, altitude etc.).

A classe data.frame no R é composta por uma série de vetores de comprimento igual (número de observações) que juntos formam uma estrutura de dados bi-dimensional. Cada vetor registra valores de um atributo específico. Essa é a classe de dados mais comumente utilizada para armazenar dados no R.

df <- data.frame(dist=seq(0, 400, 100), city=c("Belo Horizonte", "São Paulo", "Rio de Janeiro", "Brasília", "Salvador"))
str(df)

## 'data.frame':    5 obs. of  2 variables:
##  $ dist: num  0 100 200 300 400
##  $ city: chr  "Belo Horizonte" "São Paulo" "Rio de Janeiro" "Brasília" ...

A função seq possibilita a criação de uma sequência de dados por meio de três parâmetros: seq(valor_inicial, valor_final, intervalo).

Tibbles e data.frames não são muito diferentes. Há alguns detalhes quanto à transformação de dados na criação dessas classes, mas, em linhas gerais, a estrutura de dados em tibble é mais eficiente e organizada.

As seguintes funções são adequadas tanto para data.frames como para tibble:
names()
colnames()
rownames()
length()
ncol()
nrow()

Explore a documentação do tibble em: vignette("tibble")

Os objetos dessas duas classes podem ser selecionados por meio da estrutura data.frame[linha, coluna], na qual os parâmetros linhas e coluna são os índices desses elementos.

Para combinar data.frame e tibble por linhas ou colunas utilizamos, respectivamente, as funções rbind() e cbind().

Até aqui, já ficou claro que a escolha ou identificação dos tipos e das classes de dados espaciais e não espaciais é muito importante para sua análise.

Algumas funções para manipulação de dataframes:

head() # - Mostra as primeiras 6 linhas.
tail() # - Mostra as últimas 6 linhas.
dim() # - Número de linhas e de colunas.
names() # - Os nomes das colunas (variáveis).
str() # - Estrutura do data.frame. Mostra, entre outras coisas, as classes de cada coluna.
cbind() # - Acopla duas tabelas lado a lado.
rbind() # - Empilha duas tabelas.