Primeiros passos no R

Pense em uma ferramenta que ajuda você a transformar dúvidas em respostas com base em dados, seja para entender o efeito de uma vacina em uma população, acompanhar o aumento de casos ao longo do tempo ou comparar quantas pessoas melhoraram após um tratamento. No começo pode parecer confuso, com telas, códigos e termos novos. Mas é assim que você começa a sair do “achismo” e passa a entender os problemas de saúde com mais clareza, precisão e base científica.

📱 Interface do RStudio

Ajuda

Caso tenha dúvida em qualquer função, basta digitar ? antes da função no console, conforme o exemplo abaixo com a função mean (utilizada para obter a média de vários números).

?mean

Na guia help, no canto inferior direito, irá aparecer as informações de como utilizar a função.

🧬 Estrutura do código no R

# quanto é dois mais dois? <--- comentário
2 + 2 # <--- código

#> [1] 4 <---resultado impresso no console

📁 Projetos e diretório de trabalho

Acessar bancos de dados em diretórios diferentes

Observe a seguinte estrutura de arquivos:

/
├── Downloads/
│   ├── dados_1.csv
│   └── Pasta/
│       └── dados_2.csv
│
└── Documentos/
    └── dados_3.csv

Para executar os 3 bancos de dados, é preciso fazer:

dados_1 <- read.csv('Downloads/dados_1.csv')
dados_2 <- read.csv('Downloads/Pasta/dados_2.csv')
dados_3 <- read.csv('Documentos/dados_3.csv')

Acessar bancos de dados em um diretório de trabalho

Mas se estiverem organizados todos no mesmo arquivo, como abaixo:

/
├── Downloads/
│   └── Pasta/
│       └── dados_1.csv
        └── dados_2.csv
        └── dados_3.csv

Pode-se usar a função setwd() para definir o diretório de trabalho, e getwd() para verificar qual é o diretório atual.

setwd('Downloads/Pasta')

dados_1 <- read.csv('dados_1.csv')
dados_2 <- read.csv('dados_2.csv')
dados_3 <- read.csv('dados_3.csv')

getwd()

#> [1] "C:/Users/Computador/Downloads/Pasta"

Criar um projeto

Uma forma simples e prática de organizar seu trabalho no R é usando projetos. Com eles, você mantém tudo do mesmo trabalho em um só lugar: dados, códigos e outros arquivos.

Além disso, o projeto “lembra” como você deixou seu trabalho. Quando você abre o projeto, no canto superior direito do RStudio, (veja a figura da Interface do RStudio), os scripts que estavam abertos na última vez aparecem de novo automaticamente. Assim, você pode continuar exatamente de onde parou, sem precisar procurar tudo de novo.

/
├── Downloads/
│   └── Projeto/
│       ├── projeto.Rproj
│       ├── script-1.R
│       ├── script-2.R
│       ├── README.md
│       ├── .gitignore
│       └── Dados/
│           ├── dados_1.csv
│           ├── dados_2.csv
│           └── dados_3.csv

dados_1 <- read.csv('Dados/dados_1.csv')
dados_2 <- read.csv('Dados/dados_2.csv')
dados_3 <- read.csv('Dados/dados_3.csv')

🏦 Estrutura de um banco de dados

Um banco de dados estruturado geralmente é organizado no formato de uma tabela. Nesse formato, existem diferentes formas de nomear suas linhas e colunas, dependendo do contexto:

Linhas → Colunas
Observações → Variáveis
Registros → Campos
Indivíduos → Características

Apesar dos nomes variarem em diferentes contextos, a ideia é sempre a mesma: as linhas representam os elementos observados, enquanto as colunas representam as informações sobre esses elementos.

Nesse curso, utilizaremos a notação de Variáveis e Observações.

📦 Pacotes

Os pacotes são novas funções prontas feitas para resolver problemas específicos. No exemplo abaixo, foi instalado o pacote readxl, utilizada principalmente para importar arquivos .xlsx. A instalação é feita somente uma vez. Enquanto a execução precisa ser feita antes de executar as funções do pacote.

# instalar o pacote
install.packages("readxl")

# executar o pacote
library(readxl)