25 Noções de programação R

Prévia do material em texto

Aula 25
 Informática p/ Polícia Federal (Agente)
Pós-Edital
Autores:
Diego Carvalho, Raphael Henrique
Lacerda, Renato da Costa, Thiago
Rodrigues Cavalcanti
Aula 25
9 de Fevereiro de 2021
.
 
 
 
 
 
 
 
 
 1 
61 
 
Linguagem R - Introdução .................................................................................................. 2 
1) Conceitos básicos..................................................................................................................... 2 
2) Nossa primeira aula de R ........................................................................................................ 9 
3) Objetos em R ......................................................................................................................... 17 
Uma viagem pelo R .......................................................................................................... 20 
1) Pacotes .................................................................................................................................. 20 
2) Funções do R-base ................................................................................................................. 22 
3) Constantes ............................................................................................................................. 32 
4) Matrizes ................................................................................................................................. 33 
5) Funções .................................................................................................................................. 38 
6) Estruturas de controle ........................................................................................................... 39 
Resumo ........................................................................................................................... 41 
Exercícios ......................................................................................................................... 46 
1) Questões e Exercício Prático – Baixe o R e R STUDIO! .......................................................... 46 
2) Exercícios ............................................................................................................................... 54 
3) Gabarito ................................................................................................................................. 57 
4) Código da videoaula .............................................................................................................. 58 
 
 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 2 
61 
LINGUAGEM R - INTRODUÇÃO 
1) CONCEITOS BÁSICOS 
Bom dia! Boa tarde!! Boa noite!!! Não sei quando você está lendo essa aula, mas quero que 
você se sinta à vontade na leitura das próximas páginas. Você é meu convidado para 
adentrar dentro do universo da programação em R. Mas ... antes de começar a explicar o 
conteúdo teórico desta aula, gostaria que você configurasse o ambiente de programação 
na sua máquina. 
Em nossa videoaula, mostramos o passo a passo para instalação do R e do R Studio. É um 
processo simples, semelhante a instalação de um programa qualquer. É muito importante 
você ter o ambiente configurado na sua máquina para fazer os exemplos que veremos ao 
longo da aula. Dito isto, vamos começar nossa aula com uma simples pergunta: o que é R? 
R é uma linguagem computacional que permite que usuário programe algoritmos e utilize 
ferramentas que foram programadas por outras pessoas. 
Calma professor!! Já tem um monte de informações nas linhas acima que eu não 
entendi! 
Ok! Vamos devagar! As unidades de processamento (CPUs) são projetadas para 
reconhecer instruções codificadas como padrões de bits. Essa coleção de instruções, 
juntamente com o sistema de codificação, é chamada de linguagem de máquina. Pense 
como seria difícil se todo programa que fosse escrito tivesse que fazer uso de linguagem de 
máquina. 
As linguagens de programação têm sido desenvolvidas buscando permitir que algoritmos 
sejam expressos em um formato palatável aos humanos e facilmente convertidos em 
instruções de linguagem de máquina. Ou seja, uma linguagem de programação é uma 
forma se comunicar com o computador. 
Agora vamos falar de algoritmos. Vejamos a definição de algoritmos na figura abaixo: 
 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Sublinhar
 
 
 
 
 
 
 
 
 3 
61 
 
O R é uma linguagem funcional/orientada a objetos criada em 1996 por Ross Ihaka e 
Robert Gentleman que aliada a um ambiente integrado permite a manipulação de dados, 
realização de cálculos e geração de gráficos. Uma curiosidade é que o nome R é a letra 
inicial do primeiro nome de cada um dos seus criadores. Mas não foi apenas por isso que a 
linguagem recebeu esse nome ... 
R é semelhante à linguagem S desenvolvida pela AT&T’s Bell Laboratories e que já era 
utilizada para análise de dados, mas com a vantagem de ser de livre distribuição (open-
source). Para a instalação do R basta conectar-se ao site http://cran.r-project.org. CRAN 
é o acrônimo para “Comprehensive R Archive Network, neste site você consegue escolher 
o local mais próximo de onde você encontra-se e fazer o download da última versão do R. 
Mas ... para que serve o R mesmo? 
R é uma linguagem de programação com foco em análise de dados. Ou seja, voltada à 
interação dinâmica com os dados e modelos. Além disso, R é gratuito e de código aberto 
e seu ambiente permite explorar dados interativamente; mas, à medida que a análise evolui, 
R é visto como uma linguagem de programação completa para desenvolver e automatizar 
soluções, desenvolver softwares e pacotes. 
Vejamos uma figura que resume as funcionalidades ou capacidades da programação em 
R. 
 
Um passo a passo para 
produzir algo. O 
computador precisa que 
você descreva TODAS as 
ações que você quer que ele 
execute! Se algum passo for 
esquecido, ele não será 
executado ... Pense em uma 
receita de bolo ... esquecer 
algum ingrediente pode 
gerar um efeito terrível 
sobre o resultado. 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Sublinhar
ANUSCA
Sublinhar
 
 
 
 
 
 
 
 
 4 
61 
 
Figura 1 - (1) Trabalhar com todos os conjuntos de dados. (2) Muitos pacotes. (3) Várias bibliotecas gráficas. (4) Cálculos rápidos. 
(5) Linguagem abrangente. (6) Código aberto. 
Além disso, R é uma linguagem interpretada e uma ferramenta poderosa para 
manipulação, processamento, visualização e análise de dados, bem como simulações e 
modelagem estatísticas. Mas o que seria uma linguagem interpretada? Relaxa ... eu explico. 
 
Linguagem compiladas x interpretadas 
 
Uma das classificações possíveis para linguagens de programação é quanto a 
execução. Nesta taxonomia podemos classificar a linguagem como compilada ou 
interpretada. 
 
O processo de converter um programa de uma linguagem para outra é chamado 
de tradução ou compilação. O programa em sua forma original é o programa 
fonte; a versão traduzida é o programa objeto. 
 
O processo de tradução consiste em três atividades – análise léxica, análise 
sintática e geração de código –, realizadas por unidades do tradutor conhecidas 
como analisador léxico, analisador sintático (ou parser) e gerador de código. 
Vejamos esse fluxo em uma figura: 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
SublinharANUSCA
Sublinhar
ANUSCA
Sublinhar
ANUSCA
Sublinhar
ANUSCA
Sublinhar
 
 
 
 
 
 
 
 
 5 
61 
 
 
 
Observem que o programa objeto será executado e sua organização depende do 
sistema operacional. Na execução do código os dados ou parâmetros são 
passados. 
 
Já a linguagem interpretada é uma linguagem de programação, onde o código 
fonte é executado por um programa de computador chamado interpretador. O 
interpretador lê um programa escrito em linguagem de alto nível e o executa, ou 
seja, faz o que o programa diz. Ele processa o programa um pouco de cada vez, 
alternadamente: ora lendo algumas linhas, ora realizando computações. 
 
 
 
Como vantagens da linguagem interpretada podemos listar: 
 
• São rápidas e práticas, permitem agregar funcionalidades sem depender de 
ferramentas e compiladores. 
• Podem ser adaptadas a diversas tecnologias 
• Não dependem de instalações e ou bibliotecas. 
• Não precisam de uma ferramenta específica de desenvolvimento. 
 
Já as desvantagens são: 
 
• Por não ser compilada, erros de sintaxe não são identificados no 
desenvolvimento. 
• Não tem acesso completo a recursos da máquina por questões de segurança. 
• Depende de um interpretador local para ser executado. 
 
Agora ... se eu pedir para você preencher a lacuna ... R é uma linguagem 
____________! O que você acha? Interpretada, certo?! Preenche a lacuna e grifa 
para você não esquecer! 
 
Vamos em frente! 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Sublinhar
ANUSCA
Destacar
ANUSCA
Retângulo
ANUSCA
Retângulo
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 6 
61 
Hora de abrir o R ... muito provavelmente você terá esse ícone na área 
de trabalho (esse do lado esquerdo!) 
A instalação padrão do R vem com uma interface gráfica para o 
usuário 
(Graphical User 
Interface – 
GUI). No 
Windows, você encontrará o R no 
menu iniciar e no Mac você verá o 
ícone do R entre seus aplicativos. No 
meu caso, consigo encontrar o 
executável RGui (64-bits) na busca 
do Windows. Ao executar o mesmo, a 
seguinte interface é aberta. 
Apesar de o R vir com uma interface 
gráfica interessante, existe um 
Ambiente de Desenvolvimento 
Integrado (Integrated Development 
Environment- IDE) chamado 
RStudio, com várias funcionalidades 
e gratuito. O RStudio possui algumas 
vantagens em relação ao R Gui: 
 
• Highlight do código; 
• Autocomplete; 
• Match automático de parênteses e chaves; 
• Interface intuitiva para objetos, gráficos e script; 
• Criação de “projetos” com interface para controle de versão; 
• Facilidade na criação de pacotes; 
• Interação com HTML, entre outras. 
Você pode abrir o RStudio em seu computador e iniciar um novo Script em “File” -> “New 
File” -> “New RScript”. Você também pode fazer isso com CTRL + SHIFT + N ou acessando 
o botão abaixo. 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 7 
61 
 
Podemos dividir a tela do RStudio em quatro grandes áreas: 
1. Script: A tela superior esquerda do RStudio é o editor de texto onde você vai 
escrever seus Scripts. Ele possui code highlighting entre outras funcionalidades. 
2. Console: No canto inferior esquerdo fica o console. O console nada mais é do que 
uma seção aberta de R, em que os comandos são executados. 
3. Área de trabalho e histórico: Ficam no canto superior direito. Os objetos criados 
e o histórico dos comandos podem ser acessados ali. 
4. Arquivos, Gráficos, Pacotes, Ajuda: Ficam no canto inferior direito. Você pode 
explorar pastas e arquivos diretamente do RStudio na aba “Files”; os gráficos que 
forem feitos apareceram na aba “Plots”. Os pacotes instalados em sua máquina 
estão listados em “Packages”. As ajudas das funções aparecem em “Help”. E o 
“Viewer” serve para visualização de páginas em HTML e JavaScript. 
Essas áreas podem ser vistas na figura a seguir: 
 
Nossa aula apresentará os conceitos básicos sobre o assunto que são suficientes para 
provas de concursos. Caso você queira se aprofundar um pouco mais no assunto e 
conhecer mais sobre a linguagem sugiro o seguinte curso gratuito e on-line: 
http://material.curso-r.com/ 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 8 
61 
 
 
Acostume-se a escrever o código no Script ao invés de ficar escrevendo diretamente no console. 
Para começarmos a nos familiarizarmos com o RStudio, escreva o código abaixo no Script: 
> 1 + 1 
E aperte CTRL+ENTER (CMD+ENTER no mac). Isso envia o comando para o console e o resultado 
é exibido logo abaixo. 
> 1+1 
[1] 2 
Agora escreva o seguinte código no Script. 
> # Gráfico dos números de 1 a 10 
> plot(1:10) 
O primeiro comando #Gráfico dos números de 1 a 10 é, na verdade, um comentário. 
Comentários nos scripts do R são precedidos do símbolo #, e tudo que estiver após # não será 
executado. É uma boa prática comentar seu código! Isso faz com que ele seja de fácil 
manutenção, tanto para você mesmo (acredite, depois de um tempo você não lembrará o que 
fez) quanto para seus colegas. 
O segundo comando diz ao R para plotar um gráfico. Aperte CTRL+ENTER nas duas linhas. O 
gráfico aparecerá no canto inferior direito do RStudio. 
 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 9 
61 
Vamos fazer alguns exercícios para ver se você compreendeu tudo que vimos até aqui: 
 
1. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
1) R é uma linguagem e um ambiente de desenvolvimento integrado, para cálculos estatísticos 
e gráficos. 
2) Foi criada originalmente por Ross Ihaka e por Robert Gentleman no departamento de 
Estatística da universidade de Auckland, Nova Zelândia, e foi desenvolvido por um esforço 
colaborativo de pessoas em vários locais do mundo. 
3) O código fonte do R está disponível sob a licença GNU GPL e as versões binárias pré-
compiladas são fornecidas para Windows, Macintosh, e muitos sistemas operacionais 
Unix/Linux. 
4) R é também altamente expansível com o uso dos pacotes, que são bibliotecas para funções 
específicas ou áreas de estudo específicas. 
5) Um conjunto de pacotes é incluído com a instalação de R, com muito outros disponíveis na 
rede de distribuição do R (em inglês CRAN). 
Comentário: A lista acima é um resumo de tudo que vimos até aqui. Todas as alternativas estão 
corretas, espero que você não tenha encontrado nenhum erro também. 
A título de curiosidade ... o nome R provêm em parte das iniciais dos criadores e de um jogo 
desenvolvido com a linguagem S (da Bell Laboratories, antiga AT&T). 
Gabarito: C C C C C 
2) NOSSA PRIMEIRA AULA DE R 
Agora que já sabemos alguns conceitos básicos sobre R e o R Studio vamos tentar 
organizar melhor as ideias apresentando alguns outros pontos importantes da linguagem. 
Se você nunca programou deixa eu conversar um pouco contigo. Vamos mudar de contexto! 
Qual a comida que você mais gosta? Pode ser a pizza caseira da sua tia, a dobradinha da 
sua mãe ou a feijoada da sua sogra ... Mas o que essas comidas tem em comum? Uma 
receita!!! Uma receita que estabelece os ingredientes, a quantidade e a sequência correta 
de ações para que seu prato predileto fique perfeito. 
Agora vamos pensar no contexto computacional. O computador é uma máquina que 
obedece às suas instruções e se você quiser fazer com que ele faça algum cálculo ou 
desenhe algum gráfico, é necessário passar oscomandos corretos. Esses comandos 
devem ser escritos em uma linguagem de computação, que pode ser compilada ou 
interpretada. Você deve se lembrar que R é uma linguagem INTERPRETADA. 
Os dados processados pelo nosso programa precisam ser armazenados em algum lugar, 
numa planilha Excel ou num banco de dados. Durante o processamento, vamos trazer os 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Retângulo
 
 
 
 
 
 
 
 
 10 
61 
dados para o nosso ambiente e armazená-los em variáveis ou símbolos. Vamos criar uma 
variável e associar a essa variável um valor. 
> olamundo <- “HelloWorld 
 
A linha acima permite a criação de uma variável denominada olamundo, o símbolo <- é 
usado para atribuição, ele faz com que o valor presente do seu lado direito seja atribuído a 
variável do lado esquerdo. Esse valor fica disponível no ambiente e pode ser acessado. A 
função print() pode ser usada para imprimir o valor da variável no console. Observamos o 
comando na listagem abaixo. 
> print(olamundo) 
[1] "HelloWorld!" 
 
Se você ainda não instalou o R e RStudio na sua máquina, gostaria de reforçar que a prática 
dos comandos vai ajudar significativamente seu aprendizado. 
Ok! Já temos uma variável no nosso ambiente, mas queremos mais!! Agora vamos definir 
um vetor. Um vetor pode ser construído a partir da concatenação de valores do mesmo tipo. 
No nosso caso vamos criar um conjunto de dados numérico simples que é formado pelos 
números 1, 2 e 4 e nomeá-lo como x: 
> x <- c (1,2,4) 
 
Mais uma vez, temos o operador de atribuição padrão em R (<-). Você também pode usar 
=, mas isso é desencorajado, pois não funciona em algumas situações especiais. Observe 
que não há tipos fixos associados a variáveis. Ou seja, não definimos que os valores 1, 2 e 
4 são números, mas o R entende que estamos criando um vetor numérico. Aqui, atribuímos 
um vetor a x. Sendo x uma variável, pode ter seu valor alterado, basta usar o símbolo de 
atribuição e passar outro valor válido. 
O c significa concatenar. No exemplo acima, estamos concatenando os números 1, 2 e 4. 
Mais precisamente, estamos concatenando três vetores de um elemento que consistem 
nesses números. Isso ocorre porque qualquer número também é considerado um vetor 
de um elemento. 
Agora também podemos escrever o seguinte: 
> q <- c (x, x, 8) 
 
que define q como um vetor com os valores (1,2,4,1,2,4,8) (sim, incluindo os duplicados). 
Perceba que estamos concatenando duas vezes o conjunto de valores de x e, em seguida 
o 8 em um novo conjunto. 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 11 
61 
Agora vamos confirmar que os dados estão realmente em x. Para imprimir o vetor na tela, 
basta digitar seu nome. Se você digitar qualquer nome de variável (ou qualquer expressão) 
enquanto estiver no modo interativo, o R imprimirá o valor dessa variável (ou expressão) no 
Console. Os programadores familiarizados com outras linguagens, como o Python, acharão 
esse recurso familiar. Para o nosso exemplo, insira isto: 
> x 
[1] 1 2 4 
 
Sim, com certeza, x consiste nos números 1, 2 e 4. Outro ponto interessante é que você 
pode acessar elementos individuais de um vetor via colchetes “[ ]” . Veja como podemos 
imprimir o terceiro elemento de x: 
> x [3] 
[1] 4 
 
Como em outras linguagens, o seletor (aqui, 3) é chamado de índice. Aqueles 
familiarizados com as linguagens da família ALGOL, como C e C++, devem observar que 
os elementos dos vetores R são indexados a partir de 1, não do 0. Outro ponto é que os 
subconjuntos podem ser extraídos de vetores. Veja um exemplo: 
> x <- c (1,2,4) 
> x [2:3] 
[1] 2 4 
 
A expressão x [2: 3] refere-se ao subvetor de x que consiste dos elementos nas posições 2 
e 3, que são 2 e 4. 
Podemos encontrar facilmente a média e o desvio padrão do nosso conjunto de dados, da 
seguinte forma: 
> mean(x) 
[1] 2,333333 
> sd (x) 
[1] 1.527525 
 
Isso demonstra, novamente, que a simples digitação de uma expressão no prompt (console) 
é suficiente para imprimir seu resultado. Na primeira linha, nossa expressão é a função 
média aritmética, em inglês mean(x). O valor de retorno da chamada é impresso 
automaticamente, sem exigir uma chamada para a função print( ) de R que apresentamos 
anteriormente. 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 12 
61 
Se quisermos salvar a média calculada em uma variável em vez de apenas imprimi-la na 
tela, poderíamos executar este código: 
> y <- mean(x) 
 
Mais uma vez, vamos confirmar que y realmente contém a média de x: 
> y 
[1] 2,333333 
 
Como observado anteriormente, usamos # para escrever comentários, assim: 
> y # imprime 
[1] 2,333333 
 
Os comentários são especialmente valiosos para documentar o código do programa, mas 
também são úteis em sessões interativas, uma vez que R registra o histórico de comandos 
executados. Se você salvar sua sessão e retomar mais tarde, os comentários podem ajudá-
lo a lembrar o que você estava fazendo. 
Por fim, vamos fazer algo com um dos conjuntos de dados internos de R. O R oferece uma 
lista de dados que podem ser usados para demonstrações e aprendizado. Por exemplo, 
a lista Orange armazena dados sobre o crescimento de algumas árvores de laranja. Você 
pode obter uma lista desses conjuntos de dados digitando o seguinte: 
> data () 
 
Um dos conjuntos de dados é chamado de Nile e contém dados sobre o fluxo de água do 
rio Nilo ao longo de 100 anos. Essa lista é uma série temporal que vai de 1870 a 1970. 
Vamos encontrar a média e o desvio padrão desse conjunto de dados: 
> mean (Nile) 
[1] 919,35 
> sd (Nile) 
[1] 169.2275 
 
Podemos também traçar um histograma dos dados: 
> hist (Nilo) 
 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 13 
61 
Se estivermos usando o RGui, uma janela aparece com o histograma, conforme mostrado 
na figura abaixo. Este gráfico é simples, mas R tem todos os tipos de gráficos para plotagem. 
Dentro de cada tipo de gráfico você pode manipular algumas das suas características, por 
exemplo, no histograma você pode alterar o número de categorias especificando o 
parâmetro. Uma chamada ao comando hist(z,breaks=12) desenharia um histograma do 
conjunto de dados z com 12 caixas ou intervalos. 
 
Você também pode criar rótulos mais agradáveis, fazer uso de cores e outras alterações 
para criar um gráfico mais informativo e atraente. Quando você se familiarizar mais com o 
R, poderá construir gráficos de cores ricas e complexas de beleza impressionante (mas isso 
será depois da sua aprovação), por enquanto seu foco é passar no concurso. Enquanto isso 
vejamos o gráfico com os dados do Nilo em uma apresentação simples. 
 
 
Figura 2 - Histograma com os dados do Nilo 
Bem, esse é o final de nossa introdução de cinco minutos ao R. Saia do R chamando a 
função q() (ou alternativamente pressionando ctrl-D no Linux ou cmd-D em um Mac): 
> q () 
Save workspace image? [y/n/c]: n 
 
Esse último prompt pergunta se você deseja salvar suas variáveis para que você possa 
retomar o trabalho mais tarde. Se você responder “y”, todos esses objetos serão carregados 
automaticamente na próxima vez que você executar R. Esse é um recurso muito importante, 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.14 
61 
especialmente ao trabalhar com conjuntos de dados grandes ou numerosos. Responder “y” 
aqui também salva o histórico de comandos da sessão. 
Para finalizar essa sessão gostaria de falar dos comandos de ajuda. A ajuda do R pode ser 
muito útil quando se deseja saber qual função utilizar ou como utilizar uma função 
determinada. Na tabela abaixo são listados alguns comandos para realizar buscas no R: 
 
 
Vejamos algumas questões sobre esses assuntos para você não avançar no conteúdo sem 
ter a certeza de que está aprendo tudo! 
 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 15 
61 
 
2. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos comandos da linguagem R. 
 
1) A figura acima representa uma imagem do RGui. 
2) Se utilizamos o console e escrevermos plot(Orange) o aplicativo em questão vai 
gerar os gráficos referentes aos dados de Orange e apresentar na área de Output, 
mas especificamente na aba Plots. 
3) O comando abaixo vai atribuir um valor textual a variável Nome: 
Nome <- "Thiago Cavalcanti tem um grupo massa no Telegram, você já conhece? Ainda 
não? Então, tá perdendo!" 
4) Para tirar a média dos valores do conjunto de dados do datasets Nile devemos usar 
o comando media(Nile) 
Comentário: Vamos comentar cada uma das alternativas acima. Desta vez, nem todas 
estavam certas. Espero que você tenha percebido! :) 
1) Alternativa errada, essa é a interface do RStudio. 
2) Certa! Se usarmos o plot(Orange) ele vai exibir o seguinte resultado na aba Plots: 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 16 
61 
 
3) Certa. Perceba que a variável Nome possui uma letra maiúscula. Logo, se você 
precisar utilizá-la novamente deve respeitar essa característica, caso contrário o R 
não vai encontrar a variável. 
4) Errada. Perceba que as funções padrão do R são em inglês, logo, para calcular a 
média você deve usar a função mean(Nile). Se tentarmos rodar o comando 
media(Nile) vamos obter a seguinte mensagem de erro: 
 Error in media(Nile) : could not find function "media" 
Gabarito: E C C E 
 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 17 
61 
3) OBJETOS EM R 
O que são os Objetos do R? Existem muitos tipos de objetos no R que só passamos a 
conhecê-los bem com o passar do tempo. Por enquanto vamos aprender os tipos básicos 
de objetos. 
 
a) vetores: uma sequência de valores numéricos ou de caracteres (letras, 
palavras) sempre do mesmo tipo. Os vetores no R podem ser, entre outros, de 
tipos: 
 
• numeric (número comum) – ex: 1,2,3; 
• integer (inteiro) – ex: 20L,10L; 
• complex (número complexo) ex.: 6 – 4i; 
• character (texto) – ex.: “O Estratégia é TOP”; 
• logical (lógicos, booleanos) ex.: TRUE, FALSE. 
 
b) matrizes: coleção de vetores em linhas e colunas, todos os vetores dever ser 
do mesmo tipo (numérico ou de caracteres). 
 
c) dataframe: O mesmo que uma matriz, mas aceita vetores de tipos diferentes 
(numérico e caracteres). Geralmente nós guardamos nossos dados em objetos 
do tipo data frame, pois sempre temos variáveis numéricas e variáveis categóricas 
(por exemplo, largura do rio e nome do rio, respectivamente). Similar a uma tabela 
do SQL, um banco de dados. 
 
d) listas: conjunto de vetores, dataframes ou de matrizes. Não precisam ter o 
mesmo comprimento, é a forma que a maioria das funções retorna os resultados. 
Muito útil para armazenar resultados de cálculos estatísticos. 
 
e) funções: as funções criadas para fazer diversos cálculos também são objetos 
do R. 
 
f) factors (fatores): fatores são formas de representar objetos categóricos no R. 
Todo objeto possui atributos intrínsecos: tipo e tamanho. Com relação ao tipo ele pode ser: 
numérico, caractere, complexo e lógico. Existem outros tipos, como por exemplo, 
funções ou expressões, porém esses não representam dados. As funções mode() e 
length() mostram o tipo e tamanho de um objeto, respectivamente. Por exemplo: 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 18 
61 
 
 
> x<-c(1,3,5,7,11) 
> mode(x) 
> length(x) #mostra o tipo e tamanho do objeto x 
[1] "numeric" 
[1] 5 
Observamos acima a atribuição de um vetor de números a variável x. Nomes de variáveis 
no R podem conter combinações arbitrárias de números, textos, bem como ponto (.) e 
underscore (_). Entretanto, os nomes não podem começar com números ou underscore. 
Outra forma de descobrir a classe de um objeto é usando a função class(). 
> x <- 1 
> class(x) 
[1] "numeric" 
 
> y <- "a" 
> class(y) 
[1] "character" 
 
> z <- TRUE 
> class(z) 
[1] "logical" 
A tabela abaixo sintetiza os objetos e seus possíveis atributos (tipos). Veja: 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 19 
61 
 
Tabela 1 - Quando um objeto suporta tipos diferentes ele é chamado de heterogêneo, quando admite apenas objetos do mesmo tipo é 
denominado homogêneo. 
 
Saber as diferenças entre os diversos tipos de objetos é importante para um uso mais 
adequado do R. Existem vários tipos de objetos que podem ser criados e manipulados. Já 
vimos que o R pode trabalhar com vetores - objetos que armazenam mais de um valor. A 
função c() é usada para criar um vetor a partir de seus argumentos. Os argumentos de c() 
podem ser escalares ou vetores. 
Há ainda outras formas de se gerar um vetor. Por exemplo, para gerar uma sequência de 
números inteiros usam-se os “dois pontos”. Veja: 
> a<-1:10 #cria uma sequência de inteiros de 1 a 10 
 
> a #exibe o conteúdo do objeto “a” 
 
[1] 1 2 3 4 5 6 7 8 9 10 
Uma maneira mais geral de produzir sequências de valores é usando a função seq() que 
tem como argumentos o início, fim e o incremento da sequência, por exemplo,. 
seq(1,10,1) é o mesmo que 1:10. 
Outra função útil para produzir vetores é a função rep() que retorna o primeiro argumento 
repetido o número de vezes indicado pelo segundo argumento, o comando rep(1,10) cria 
um vetor com 10 valores 1. 
 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 20 
61 
UMA VIAGEM PELO R 
Agora que já temos conhecimento dos objetos em R vamos conhecer um pouco mais sobre 
as funções. Funções são operações que pode ser executada sobre os objetos. Elas podem 
ser implementadas pelo próprio usuário/desenvolvedor ou serem distribuídas por meio de 
pacotes. Esses pacotes são interessantes para realizar diversas operações sobre os dados, 
desde a parte gráfica, melhorando a exibição das informações, até as funções estatísticas. 
Vamos falar um pouco mais sobre pacotes ... 
1) PACOTES 
A principal forma de distribuição de códigos no R é por meio de pacotes. Um pacote pode 
ser entendido como um conjunto de códigos autocontido que adiciona funcionalidades ao 
R. Para carregar um pacote, use a função library(). 
Ao carregarum pacote, você está adicionando suas funções ao search da seção, 
permitindo que você chame estas funções diretamente. Por exemplo, a função mvrnorm, 
que gera números aleatórios de uma normal multivariada, está no pacote MASS. 
Vamos tentar gerar um vetor x que é representado pelo conjunto de 100 observações 
geradas por uma função mvrnorm. O código abaixo gera uma matriz de variância e 
covariância, estabelece as médias e tenta chamar a função. Mas veja que recebemos uma 
mensagem de erro. 
 
> Sigma <- matrix(c(10,3,3,2),nrow=2,ncol=2) # Matriz de Var-Covar 
> mu <- c(1, 10) # Médias 
> x <- mvrnorm(n=100, mu, Sigma) # Tenta gerar 100 obs., mas dá erro! 
Error in mvrnorm(n = 100, mu, Sigma) : could not find function "mvrnorm" 
# não foi possível achar a função mvrnorm. 
 
Para que a função esteja disponível é necessário carregarmos a biblioteca. Já sabemos que 
para isso devemos usar a funçõa library(). 
> library(MASS) # Carrega pacote 
> x <- mvrnorm(n=100, mu, Sigma) # Agora funciona 
> x 
 
Para ver o que está disponível para utilização do R, utilize a função search(). Note que o 
pacote MASS agora está lá. 
> search() 
[1] ".GlobalEnv" "package:MASS" "tools:rstudio" "package:stats" 
[5] "package:graphics" "package:grDevices" "package:utils" "package:datasets" 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Destacar
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 21 
61 
[9] "package:methods" "Autoloads" "package:base" 
 
Para descarregar um pacote, utilize a função detach(). 
> detach(package:MASS) 
 
Às vezes, você pode ter o mesmo nome de funções em pacotes distintos. Neste caso, se 
ambos forem carregados, a função que prevalece é a do pacote que foi carregado por 
último. Uma outra forma de resolver isso é usar o nome do pacote e o operador “::” antes 
de chamar a função e descrever o nome do pacote que você está querendo usar.. Neste 
caso não há ambiguidade. 
> x <- MASS::mvrnorm(n=100, mu, Sigma) 
 
Grande parte dos pacotes do R estão centralizados em um repositório chamado CRAN (The 
Comprehensive R Archive Network), com diversos espelhos ao redor do mundo. Se o pacote 
não estiver na sua máquina, você vai precisar baixar e instalar o mesmo. Essas ações vão 
deixar o pacote disponível para carregamento na sua área de trabalho. Para instalar um 
pacote, use a função install. 
O legal é que qualquer pessoa pode fazer um novo pacote e disponibilizar para a 
comunidade, o que acelera bastante o desenvolvimento da ferramenta. Dificilmente você 
vai fazer uma análise apenas com as funções básicas do R e quase sempre vai existir um 
pacote com as funções que você precisa. 
Existem três principais maneiras de instalar pacotes. Em ordem de frequência, são: 
Via CRAN (Comprehensive R Archive Network): 
> install.packages("nome-do-pacote"). 
 
Via Github: 
> devtools::install_github("nome-do-repo/nome-do-pacote"). 
 
Via arquivo .zip/.tar.gz: 
> install.packages("C:/caminho/nome-do-pacote.zip", repos = 
NULL). 
 
Esses pacotes instalados via CRAN são pacotes de contribuições feitas por 
desenvolvedores da comunidade R. 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
==15c02a==
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 22 
61 
2) FUNÇÕES DO R-BASE 
Quando instalamos o R em nosso computador, programa R é composto de 3 partes básicas: 
1. O R-base, o “coração” do R que contém as funções principais disponíveis quando 
iniciamos o programa, 
2. Os pacotes recomendados (recommended packages) que são instalados junto com 
o R-base mas não são carregados quando iniciamos o programa. Por exemplo os 
pacotes MASS, lattice, nlme são pacotes recomendados – e há vários outros. 
3. Os pacotes de contribuição de usuários (contributed packages) não são instalados 
junto com o R-base. Já vimos acima como resolver esse problema! 
Agora queria apresentar para os senhores e as senhoras algumas funções que são bastante 
usadas quando estamos desenvolvendo. Vamos a elas.... 
is.xxx() 
Já vimos que a função class() é útil para identificar a classe de um objeto. Mas, muitas 
vezes, no meio do nosso código, queremos ter certeza de que uma variável armazena um 
valor de um tipo específico. Você pode testar se um vetor é de determinada classe com as 
funções is.xxx (sendo “xxx” a classe). Vejamos alguns exemplos: 
> is.numeric(numero) 
[1] TRUE 
> is.character(numero) 
[1] FALSE 
> is.character(texto) 
[1] TRUE 
> is.logical(texto) 
[1] FALSE 
as.xxx() 
Você pode forçar a conversão de um vetor de uma classe para outra com as funções 
as.xxx() (sendo “xxx” a classe). Entretanto, nem sempre essa conversão faz sentido, e pode 
resultar em erros ou NA’s. NA significa não disponível em inglês, falaremos sobre ele mais 
adiante. Vamos mostrar alguns exemplos do uso das funções as.xxx(): 
> as.character(numero) # Vira texto 
[1] "546.9" "10" "789" 
 
> as.numeric(logico) # TRUE -> 1, FALSE -> 0 
 [1] 1 0 1 
 
> as.numeric(texto) # Não faz sentido 
Warning: NAs introduzidos por coerção 
[1] NA NA NA 
> as.numeric("1012312") # Faz sentido 
[1] 1012312 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 23 
61 
lenght() 
Para obter o tamanho de um objeto, utilize a função length(). Por exemplo: 
> lenght(y) 
Aproveito para inserir aqui uma nova característica da linguagem. Comandos no R podem 
ser colocados na mesma linha se separados por ponto-e-vírgula (;), por exemplo. 
> length(ItensDoChurrascoDePosse);length(x);length(logico) 
str() 
Para ver a estrutura de um objeto no R, use a função str(). Esta é uma função simples, mas 
talvez das mais úteis do R. 
> str(aprovadoConcurso) #lembre-se que o objeto precisa 
existir no ambiente para ter sua descrição impressa no 
console. 
plot() 
O R já vem com funções básicas que fazem gráficos estatísticos de todas as naturezas. As 
funções abaixo podem ser usadas para melhorar a apresentação dos dados e facilitar o 
entendimento das relações entre eles. 
• Vantagens: são rápidas e simples. 
• Desvantagens: são feias e difíceis para gerar gráficos complexos. 
Nesta seção, mostraremos como construir alguns tipos de gráficos usando as funções base 
do R, existem outros pacotes mais robustos como o ggplot2. 
 
Gráfico de dispersão 
Para construir um gráfico de dispersão, utilizamos a função plot(). Seus principais 
parâmetros são: 
• x, y - vetores para representarem os eixos x e y. 
• type - tipo de gráfico. Pode ser pontos, linhas, escada, entre outros. 
Para mais detalhes sobre os argumentos, ver help(plot). 
Além de gerar gráficos de dispersão, tentar chamar a função plot(objeto_diferentao) para 
qualquer tipo de objeto do R geralmente gera um gráfico interessante! Sempre tente fazer 
isso, a menos que seu objeto seja um data.frame com milhares de colunas! Vejamos um 
exemplo: 
> n <- 100 
> x <- 1:n 
> y <- 5 + 2 * x + rnorm(n, sd = 30) 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 24 
61 
> plot(x, y) 
 
Figura 3 - Gráfico de dispersão gerado pelo plot. 
Se quisermos podemosinserir entre parênteses o parâmetro type = "l" indicando que 
desejamos que os pontos sejam interligados por linhas. O comando por ser visto abaixo: 
> plot(x, y, type = "l") 
 
Figura 4 - Gráfico de dispersão ligado por uma linha (l). 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 25 
61 
Histograma 
Para construir histogramas, utilizamos a função hist(). Os principais parâmetros são: 
• x - o vetor numérico para o qual o histograma será construído. 
• Breaks - o número (aproximado) de retângulos. 
> hist(rnorm(1000)) 
 
Figura 5 - Histograma de mil elementos. 
Veja que se definirmos o parâmetro breaks, o nosso histograma será dividido em n barras, 
no exemplo abaixo temos que breaks = 6. 
> hist(rnorm(1000), breaks = 6) 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 26 
61 
 
Figura 6 - Histograma com 6 breaks 
 
Boxplot 
Para construir esse tipo de gráfico, utilizamos a função boxplot(). Os principais parâmetros 
são: 
• X - O vetor numérico para o qual o boxplot será construído. 
Vejamos um exemplo, neste exemplo usamos mais um conjunto de dados do próprio R. O 
InsectSprays é um data.frame que apresenta a contagem de insetos em unidades 
experimentais agrícolas tratadas com diferentes inseticidas. Possui duas colunas ou 
variáveis count e spray. Observe que o argumento col= “purple” muda a cor da caixa do 
boxplot. 
> boxplot(InsectSprays$count, col = "purple") 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Destacar
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 27 
61 
 
Figura 7 - Boxplot de uma variável. 
Para mapear duas variáveis no gráfico, utilizamos um objeto da classe formula (~) e o 
argumento data=. Veja que o comando abaixo descreve para cada tipo de inseticida (A, B, 
C, D, E e F) a variação da quantidade de insetos contabilizados. 
> boxplot(count ~ spray, data = InsectSprays, col = "blue") 
 
Figura 8 - Gráfico de boxplot com duas variáveis. 
Gráfico de barras 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 28 
61 
Para construir gráficos de barras, precisamos combinar as funções table() e barplot(). No 
gráfico abaixo, criamos uma tabela de frequências com a função table() e, em seguida, 
construímos o gráfico com a função barplot(). Lembre-se que a função data carrega bases 
de dados de pacotes instalados. Neste caso, como vamos usar uma base do pacote ggplot2 
vamos precisar instalar o mesmo. 
> install.packages("ggplot2") 
> library(ggplot2) 
> data(diamonds, package = "ggplot2") 
> tabela <- table(diamonds$color) 
> barplot(tabela) 
 
Figura 9 - Gráfico de barplot das quantidades x cores dos diamantes da tabela 
Também podemos mapear duas variáveis a um gráfico de barras utilizando tabelas de dupla 
entrada. VADeaths representa o gráfico de mortes por 1000 mil habitantes na Virgínia em 
1940 divididos por faixa etária, sexo e local de residência (urbana ou rural). 
> VADeaths 
 Rural Male Rural Female Urban Male Urban Female 
50-54 11.7 8.7 15.4 8.4 
55-59 18.1 11.7 24.3 13.6 
60-64 26.9 20.3 37.0 19.3 
65-69 41.0 30.9 54.6 35.1 
70-74 66.0 54.3 71.1 50.0 
> barplot(VADeaths) 
 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 29 
61 
 
Figura 10 - Gráfico de barras com duas variáveis. 
names() 
Objetos podem ter elementos nomeados. Por exemplo, vamos nomear os elementos do 
vetor notas. 
 
> notas <- c(9.5, 9.9, 10) 
> notas 
[1] 9.5 9.9 10.0 
> names(notas) <- c('Ricardo', 'Aline', 'Amanda') 
> notas 
Ricardo Aline Amanda 
 9.5 9.9 10.0 
Quando colocamos nomes nos elementos de um vetor ou nas colunas e linhas de uma 
matriz, é possível acessar os dados usando esses nomes. Por exemplo: 
 
> numero <- c(546.9, 10.0, 789.0) 
> names(numero) <- c("numero1", "numero2", "numero3") 
> numero["numero1"] 
numero1 
546.9 
Outra questão interessante sobre acessar elementos de um vetor passando parâmetros 
entre colchetes é a possibilidade de usar números negativos, neste caso estamos 
recuperando o vetor sem o dado da posição especificada pelo número. Por exemplo: 
 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 30 
61 
> numero[-1] # todos menos o primeiro 
numero2 numero3 
 10 789 
sort() e order() 
A função order() retorna um vetor com as posições para que um objeto fique em ordem 
crescente. 
> order(numero) #índices 
[1] 3 2 1 
> numero[order(numero)] # ordena numero 
numero3 numero2 numero1 
 -10.0 12.3 100.0 
A função sort() retorna o vetor ordenado. 
> sort(numero) 
numero3 numero2 numero1 
 -10.0 12.3 100.0 
Perceba que o resultado das duas funções acima sempre apresenta os vetores ordenados 
de forma crescente (do menor para o maior). As duas funções têm o parâmetro decreasing 
(decrescente) que, quando TRUE, retornam o vetor de em ordem decrescente. Neste caso 
o código seria escrito da seguinte forma: 
> sort(numero, decreasing = TRUE) # Retorna o vetor ordenado 
de forma decrescente. 
ls() e objects() 
Para listar todos os objetos que estão na sua área de trabalho, você pode usar a função ls() 
ou objects(). Faça um teste e veja se todos os objetos que você criou até aqui aparecem na 
lista. 
rm() 
A função rm(objeto) remove um objeto da área de trabalho. Ele recebe um parâmetro de 
texto ou uma lista com os nomes dos objetos para remover. 
save.image() e load() 
Para salvar uma cópia da sua área de trabalho você pode utilizar a função save.image(): 
# salva a área de trabalho no arquivo "aula_linguagemR.RData" 
> save.image(file=" aula_linguagemR.RData ") 
Agora você pode recuperar todos os objetos com load() 
> load(file=" aula_linguagemR.RData ") 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 31 
61 
summary() 
A função summary() é uma função genérica usada para produzir resumos de resultados de 
várias funções. A função chama métodos específicos que dependem da classe do primeiro 
argumento. Vejamos um exemplo: 
> mediaLinear<-lm(hwy ~ displ, mpg) 
> summary(mediaLinear) 
 
Call: 
lm(formula = hwy ~ displ, data = mpg) 
 
Residuals: 
 Min 1Q Median 3Q Max 
-7.1039 -2.1646 -0.2242 2.0589 15.0105 
 
Coefficients: 
 Estimate Std. Error t value Pr(>|t|) 
(Intercept) 35.6977 0.7204 49.55 <2e-16 *** 
displ -3.5306 0.1945 -18.15 <2e-16 *** 
--- 
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 
 
Residualstandard error: 3.836 on 232 degrees of freedom 
Multiple R-squared: 0.5868, Adjusted R-squared: 0.585 
F-statistic: 329.5 on 1 and 232 DF, p-value: < 2.2e-16 
Não quero, por favor, que você se preocupe em entender os valores acima!!! Se 
preocupe apenas em perceber que a função summary descreve várias características do 
objeto mediaLinear. 
Aritimética 
O R tem uma série de operadores de aritmética básica e todos são vetorizados. Os 
operadores nada mais são do que um atalho conveniente para funções, isto é, 1+2 é a 
mesma coisa de ‘+‘(1,2). Assim, temos a lista de operadores: 
• Soma (+), 
• Subtração (-), 
• Multiplicação (*) 
• Divisão (/) 
• Exponenciação (^) 
• Resto da divisão (%%) 
Além dos operadores básicos, há uma série de funções matemáticas, tais como: 
• abs(x) # valor absoluto 
• log(x) # logaritmo 
• exp(x) #exponenciação 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 32 
61 
• sqrt (x) # raiz quadrada 
• factorial (x) #fatorial 
• choose (10,2) #combinação 
Há também diversas funções trigonométricas, como seno sin(), cosseno cos(), tangente 
tan() e outras. 
> sin(0.5);cos(0.4);tan(3) 
[1] 0.4794255 
[1] 0.921061 
[1] -0.1425465 
Há também funções que operam com todos os valores do vetor. Por exemplo, a função 
sum() retorna o somatório ou a função prod() o produtório. Essas funções também têm sua 
versão acumulada. Vamos criar um vetor x e brincar um pouco com ele: 
> x 
[1] 1.0 2.0 -3.0 4.0 -20.3 
> mean(x) # média 
[1] -3.26 
> sum(x) # somatório 
[1] -16.3 
> prod(x) # produtório 
[1] 487.2 
> cumsum(x) # somatório acumulado 
[1] 1.0 3.0 0.0 4.0 -16.3 
> cumprod(x) # produtório acumulado 
[1] 1.0 2.0 -6.0 -24.0 487.2 
3) CONSTANTES 
Algumas constantes especiais estão disponíveis. 
I. Lógicas: TRUE, FALSE (evite T e F) 
II. Valores especiais: 
Em muitos casos, o resultado de uma operação é infinito ou não determinado. Outras vezes, 
há valores ausentes em sua base de dados. O R tem objetos especiais para lidar com esses 
tipos de situação. Por exemplo, quando tiramos o log de um número negativo, obtemos 
como resultado o valor NaN (Not an Number). Outros valores de interesse são Inf (Infinito) 
e NA (Not Available). Vejam uma lista de valões especiais abaixo: 
 
 Descrição Exemplo 
– NaN “not a number” (0/0) ou log(-1) 
– NA valor faltante (desconhecido) 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 33 
61 
– NULL valor indefinido (objeto nulo) 
– Inf ou -Inf infinito (1/0, -1/0) 
– pi 3.141593... 
O NA representa valores ausentes e é bastante utilizado quando se lida com bases de 
dados. Muitas funções têm parâmetros que indicam como ela deve lidar com valores 
ausentes. 
III. Outras Constantes: 
– LETTERS “A”, “B”, ..., “Z” 
– letters “a”, “b”, ..., “z” 
– month.abb “Jan”, “Feb”, ..., “Dec” 
– month.name “January”, “February”, ..., “December” 
4) MATRIZES 
A ideia de matriz no R é similar a da matriz que conhecemos na matemática. Seus 
componentes são indexados pelo índice da linha e da coluna correspondente. Para o R, 
uma matriz é uma coleção de elementos de uma mesma classe arranjados em duas 
dimensões. 
 
 
Figura 11 - Exemplo de uma matriz m x n 
Criando matrizes 
O processo de criação de uma matriz no R é relativamente simples. No exemplo a seguir, 
vamos criar uma matriz com 100 elementos numéricos em sequência de 1 a 100. Nossa 
matriz terá 10 linhas e 10 colunas. 
 
> matriz01 <- matrix( 
 seq(1, 100), 
 ncol = 10, 
 nrow = 10) 
Percebemos que o R, por default, preenche a matriz por colunas e não por linhas. No 
entanto, podemos criar uma matriz preenchendo primeiro as linhas e depois as colunas. 
Para isso, basta definirmos o argumento byrow = TRUE. Vejamos o resultado do exemplo 
anterior com o preenchimento por linhas e depois por colunas. 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 34 
61 
> matriz01 <- matrix( 
 seq(1, 100), 
 ncol = 10, 
 nrow = 10, 
 byrow = TRUE) 
O R trabalha com o conceito de reciclagem, onde operações ou objetos criados de um 
vetor, quando necessário repete os elementos do vetor. Para que haja reciclagem um dos 
elementos envolvidos deve ser um vetor (e.g. o outro pode ser uma matriz). Veja o exemplo: 
> A <- matrix(1:10, nrow = 1); 
> B <- 4:5; 
> A + B; 
> A * B 
Operações matemáticas com matrizes 
As operações com matrizes numéricas seguem praticamente a mesma lógica dos vetores. 
Ao realizar qualquer operação com uma constante numérica, a operação é feita para todos 
os elementos da matriz. 
 
> matriz01 * 10 
 
Já funções como mean(), sum(), sd() funcionam também como ocorre com os vetores, ou 
seja, levam em consideração todos os elementos da matriz. Há uma série de funções úteis 
para trabalharmos com matrizes, seguem algumas: 
 
Função Descrição 
t() Retorna a matriz transposta 
diag(k) Cria uma matriz identidade k x k 
det() Calcula o determinante da matriz 
diag() Retorna os elementos da diagonal principal 
dim() Retorna a dimensão da matriz 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 35 
61 
ncol Retorna o número de colunas da matriz 
nrow() Retorna o número de linhas da matriz 
rowSums() Retorna a soma das linhas da matriz 
rowMeans() Retorna a média das linhas da matriz 
colSums() Retorna a soma das colunas da matriz 
colMeans() Retorna a média das colunas da matriz 
Manipulando matrizes 
Assim como nos vetores, podemos selecionar quaisquer elementos de uma matriz. A 
diferença é que, para selecionarmos um elemento em uma matriz, devemos informar em 
qual linha e coluna se encontra o dado que queremos. Digamos que o elemento que 
desejamos obter o valor se encontra na terceira linha da quarta coluna da nossa matriz01, 
criada anteriormente. A solução é a seguinte: 
> matriz01[3, 4] 
[1] 24 
Muitas vezes não desejamos extrair o dado de apenas um elemento, mas de uma linha ou 
de uma coluna inteira de uma matriz. Para selecionarmos uma linha da nossa matriz01, 
utilizamos o seguinte comando: matriz01[i, ]. Onde i é a posição da linha que desejamos 
selecionar. Vejamos como fazemos para selecionar a linha 4 da matriz01: 
> matriz01[4, ] 
[1] 31 32 33 34 35 36 37 38 39 40 
Para selecionar um intervalo de linhas, a lógica é semelhante a que utilizamos para 
intervalos de elementos em vetores. Segue exemplo: 
> matriz01[2:6, ] 
 [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] 
 [1,] 11 12 13 14 15 16 17 18 19 20 
 [2,] 21 22 23 24 25 26 27 28 29 30 
 [3,] 31 32 33 34 35 36 37 38 39 40 
 [4,] 41 42 43 44 45 46 47 48 49 50 
 [5,] 51 52 53 54 55 56 57 58 59 60 
Naseleção de colunas, o R funciona de maneira igual, bastando informar qual coluna, ou 
intervalo de colunas, que queremos fazer a seleção. Segue exemplo de seleção da coluna 
5: 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 36 
61 
> matriz01[ ,5] 
[1] 5 15 25 35 45 55 65 75 85 95 
Nomeando linhas e colunas de uma matriz 
Para facilitar a utilização e leitura dos dados de uma matriz, às vezes é interessante nomear 
suas linhas e colunas. Como exemplo, suponha que você está diante de uma matriz das 
notas de matemática de uma turma durante o ano de 2020. Cada linha representa um aluno 
e cada coluna representa um bimestre. Os dados estão estruturados conforme segue. 
> notas 
 [,1] [,2] [,3] [,4] 
 [1,] 5 7 5 6 
 [2,] 9 7 4 6 
 [3,] 6 7 4 5 
 [4,] 6 7 4 7 
 [5,] 8 10 5 5 
 [6,] 8 9 9 6 
 [7,] 4 4 8 10 
 [8,] 6 8 10 5 
 [9,] 8 10 7 8 
 [10,] 8 5 9 5 
Para deixar a leitura mais fácil, podemos nomear as linhas e colunas através das 
funções rownames() e colnames(), respectivamente. Segue exemplo: 
> colnames(notas) <- c("bim-1", "bim-2", "bim-3", "bim-4") 
> rownames(notas) <- c("João", "Pedro", "Amanda", "Fábio", 
"Fernanda", "Gustavo","Severino", "Paulo", "Laura", "Túlio") 
 
> notas 
 bim-1 bim-2 bim-3 bim-4 
 João 5 7 5 6 
 Pedro 9 7 4 6 
 Amanda 6 7 4 5 
 Fábio 6 7 4 7 
 Julia 8 10 5 5 
 Gustavo 8 9 9 6 
 Severino 4 4 8 10 
 Paulo 6 8 10 5 
 Laura 8 10 7 8 
 Túlio 8 5 9 5 
Uma vez com nomes das linhas e colunas, podemos utilizar os mesmos para realizar filtros 
em nossa matriz. Para exibir apenas as notas da aluna Fernanda, fazemos: 
> notas["Julia", ] 
 bim-1 bim-2 bim-3 bim-4 
 8 10 5 5 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 37 
61 
O procedimento para seleção das colunas segue a mesma lógica. 
Unindo matrizes 
A união de matrizes é bastante importante para formarmos um conjunto de dados maior a 
partir de dados menores. Essa união pode ocorrer de duas formas: por linhas e por 
colunas. Para unirmos duas matrizes através das colunas, utilizamos a função cbind(). Já 
para fazer a união através das linhas, usamos a função rbind(). 
Vamos continuar os exemplos com nossa matriz notas. No entanto, considere que, durante 
o ano de 2020, dois alunos foram transferidos da escola e suas notas de matemática nos 
dois primeiros bimestres estão armazenadas na matriz notas_transf. Vamos aos dados: 
> notas_transf 
 bim-1 bim-2 bim-3 bim-4 
 Dimas 6 8 NA NA 
 Alessandra 8 9 NA NA 
Para consolidar os dados, precisamos unir as matrizes notas e notas_transf por linhas. Para 
executar tal tarefa, vamos usar a função rbind(). 
> rbind(notas, notas_transf) 
 bim-1 bim-2 bim-3 bim-4 
 João 5 7 5 6 
 Pedro 9 7 4 6 
 Amanda 6 7 4 5 
 Fábio 6 7 4 7 
 Julia 8 10 5 5 
 Gustavo 8 9 9 6 
 Severino 4 4 8 10 
 Paulo 6 8 10 5 
 Laura 8 10 7 8 
 Túlio 8 5 9 5 
 Dimas 6 8 NA NA 
 Alessandra 8 9 NA NA 
Para unirmos duas matrizes por colunas, o procedimento é similar. Porém, temos que 
observar que para unir matrizes através das colunas, devemos ter o mesmo número 
de linhas em todas as matrizes que desejamos unir. A lógica se aplica também à união 
por linhas, ou seja, as matrizes envolvidas devem ter o mesmo número de colunas. 
Resumindo ... 
cbind() é a função combina vetor, matrizes ou quadro de dados por colunas. 
 
rbind() é a função combina vetor, matriz ou quadro de dados por linhas. 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 38 
61 
 
5) FUNÇÕES 
Uma das grandes vantagens de usar uma linguagem de programação é automatizar o seu 
trabalho ou análise. Você será capaz de realizar grande parte do trabalho utilizando as 
funções internas do R ou de pacotes de terceiros em um script. Entretanto, você ganha ainda 
mais flexibilidade e agilidade criando suas próprias funções. Uma função, no R, é definida 
da seguinte forma: 
 
• o comando function() diz para o R que você está definindo uma função. 
 
• os valores dentro dos parênteses de function() são os argumentos (ou 
parâmetros) da função. Argumentos podem ter valores default(padrão), que 
são definidos com o sinal de igualdade (no caso arg3 tem como default o valor 
default3). Existe um parâmetro “coringa” muito útil, o ..., que permite passar 
argumentos para outras funções. 
• dentro das chaves encontra-se o “corpo” da função, isto é, uma série de 
comandos válidos que serão realizados. 
 
• o comando return() encerra a função e retorna seu argumento. O return() é 
opcional. Caso omitido, a função retorna o último objeto calculado. 
Criemos uma função simples que retorna o quadrado de um valor passado como parâmetro: 
 
Funções criam um ambiente local e, em geral, não alteram o objeto ao qual são aplicadas. 
Isto é, se você passa um valor x para uma função que eleva x ao quadrado, o valor original 
de x não muda. Funções tomam objetos como argumentos e criam outro objeto, modificado, 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 39 
61 
como resultado. Na maior parte dos casos, a ideia é que uma função no R não tenha efeitos 
colaterais, isto é, que ela não modifique objetos fora de seu ambiente. 
6) ESTRUTURAS DE CONTROLE 
Para escrever funções mais complexas pode ser necessário utilizarmos algumas estruturas 
de controle como if, ifelse e for. Vejamos algumas informações a respeito deles. 
Há ocasiões em queremos ou precisamos executar parte do código apenas se alguma 
condição for atendida. O R fornece três opções básicas para estruturar seu código dessa 
maneira: if(), if() else e ifelse(). Vejamos cada uma delas. 
A estrutura básica do if() é a seguinte: 
 
• O início do código se dá com o comando if seguido de parênteses e chaves; 
• Dentro dos parênteses temos uma condição lógica, que deverá ter como 
resultado ou TRUE ou FALSE; 
• Dentro das chaves temos o bloco de código que será executado se – e 
somente se – a condição dos parênteses for TRUE. 
A estrutura básica do if() else é a seguinte: 
 
• O início do código se dá com o comando if seguido de parênteses e chaves; 
• Dentro dos parênteses temos uma condição lógica, que deverá ter como 
resultado ou TRUE ou FALSE; 
• Dentro das chaves do if() temos um bloco de código que será executado se 
– e somente se – a condição do parênteses for TRUE. 
• Logo em seguida temos o else seguido de chaves; 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br.
.
ANUSCA
Destacar
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 40 
61 
• Dentro das chaves do else temos um bloco de código que será executado 
se – e somente se – a condição dos parênteses for FALSE. 
Os comandos if() e if() else não são vetorizados. Uma alternativa para casos como esses é 
utilizar a função ifelse(). A função ifelse() tem a seguinte estrutura básica: 
 
• o primeiro argumento é um vetor (ou uma expressão que retorna um vetor) 
com vários TRUE e FALSE; 
• o segundo argumento é o valor que será retornado quando o elemento 
do vetor_de_condicoes for TRUE; 
• o terceiro argumento é o valor que será retornado quando o elemento 
do vetor_de_condicoes for FALSE. 
Minha experiência com programação tem demonstrado que usar funções que operam sobre 
vetores ou matrizes é muito mais performático do que usar outras funções não vetorizadas. 
 
 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 41 
61 
RESUMO 
Nesta aula, aprendemos que R é uma linguagem de programação multi-paradigma 
(funcional e orientada a objetos), dinâmica, fracamente tipada, voltada à manipulação, 
análise e visualização de dados. O código fonte do R está disponível sob a licença GNU 
GPL (software livre) e as versões binárias pré-compiladas são fornecidas para Windows, 
Macintosh, e muitos sistemas operacionais Unix/Linux. 
A linguagem R disponibiliza uma ampla variedade de técnicas estatísticas e gráficas, 
incluindo modelação linear e não linear, testes estatísticos clássicos, análise de séries 
temporais (time-series analysis), classificação, agrupamento e outras. R é facilmente 
extensível através de funções e extensões, e a comunidade R é reconhecida pelas 
contribuições feitas por meio de pacotes. 
A R é uma linguagem interpretada tipicamente utilizada através de um Interpretador de 
comandos. Como muitas outras linguagens, a R suporta matrizes aritméticas. A estrutura 
de dados da R inclui escalares, vetores, matrizes, dataframes (similares a tabelas numa 
base de dados relacional) e listas. O sistema de objetos da R é extensível e inclui objetos 
para, entre outros, modelos de regressão, séries temporais e coordenadas geoespaciais. 
Mais uma vantagem de utilizar a linguagem R está no RStudio, que é uma IDE, ou ambiente 
de desenvolvimento integrado, para o R. Com sua utilização gratuita, o RStudio é uma 
excelente ferramenta para desenvolvimento em R, extremamente visual quando comparado 
com ambientes de outras linguagens e com o console do R, e muito simples de se utilizar. 
Ao longo da aula, mostramos vários comandos e apresentamos suas respectivas descrições 
e sintaxe. Abaixo vamos fazer um resumo destes comandos separados por categoria: 
PEDINDO AJUDA e COMPREENDENDO OBJETOS 
Comando Descrição 
help(tópico) Documentação do tópico, que pode ser uma função ou um objeto. 
str(“tópico”) Mostra a estrutura do tópico no R 
summary(a) 
Mostra o resumo de ‘a’. Geralmente um resumo estatístico. Mas há 
diferentes operações para diferentes classes de ‘a’. 
ls() lista os objetos criados no console. 
dir(“diretório”) lista arquivos de determinado diretório. 
 
 
IMPORTANDO E EXPORTANDO 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 42 
61 
Comando Descrição 
load(): carrega datasets(dados) escritos com save 
data(x) carrega dados específicos 
library(x) carrega um pacote de dados. 
read.table(file) 
lê um arquivo no formato de tabela e cria a partir dele um dataframe; O 
separador padrão sep=”” é qualquer espaço em branco; use 
header=TRUE para ler a primeira linha como cabeçalho das colunas. 
save(arquivo,...) salva o objeto especificado na plataforma binária 
print(a,...) mostra a saída no console do objeto ‘a’. 
CRIANDO DADO 
Comando Descrição 
c(...) 
pode se entender c de combinar. É uma função genérica que combina os 
argumentos em um vetor. 
from:to 
gera uma sequência. Os dois pontos (:) tem a prioridade na operação. 
Exemplo: 1:4+1, a saída no console é “2,3,4,5”. 
seq(from,to) 
gera uma sequência. Possui os seguintes parâmentros, by=específica o 
incremento. length=específica o tamanho desejado da sequência. 
Perceba que by e lenght não podem ser usados como argumentos ao 
mesmo tempo. Ex: 
> seq(1,10, by= 2) 
[1] 1 3 5 7 9 
 
> seq(1,4, length = 5) 
[1] 1.00 1.75 2.50 3.25 4.00 
rep(x,times) 
repete x vezes; use each=para repetir cada elemento x vezes. 
Exemplos: 
> rep(c(1,2,3),2) 
[1] 1 2 3 1 2 3 
> rep(c(1,2,3),2, each = 2) 
 [1] 1 1 2 2 3 3 1 1 2 2 3 3 
data.frame() cria um data frame com os argumentos, nomeados ou não. 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 43 
61 
list() cria uma lista com os argumentos 
matrix(x,nrow=,ncol=) 
cria uma matrix; com nrow=número de linhas e ncol=número de colunas. 
Elementos menores serão reciclados. 
rbind(...) 
combina os argumentos por linhas em uma matriz, data frame e entre 
outros. 
cbind(...) 
combina os argumentos por colunas em uma matriz, data frame e entre 
outros. 
FRAGMENTANDO E EXTRAINDO DADOS 
Em vetores podemos ter acesso elementos específicos, vejamos algumas opções 
Comando Descrição 
x[n] Seleciona o elemento presente no n índice do vetor x 
x[-n] Seleciona todos os elementos do vetor x, exceto o elemento n 
x[1:n] Seleciona os primeiros n elementos do vetor x 
x[c(1,3,5)] 
Seleciona os elementos do vetor x nas posições especificadas, 
neste caso, 1,3 e 5. 
x[“nome”] Seleciona o elemento do vetor x, pelo nome indicado. 
x[x>3] 
Seleciona todos os elementos do vetor x maiores que 3, vejamos 
um exemplo: 
x[x>1] 
[1] 2.549633 5.888932 4.145929 1.332829 4.538
487 4.140993 4.745690 2.988220 
 
 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 44 
61 
PLOTANDO GRÁFICOS 
Comando Descrição 
plot(a) 
Cria um gráfico com os valores de a no eixo y e no eixo x a sua respectiva 
posição. 
plot(a,b) 
Cria um gráfico em que os valores de a estarão no eixo x e os valores de 
b no eixo y. 
hist(x) 
cria um histograma de frequência de x. 
 
barplot(x) 
cria um histograma com os valores de x; use horiz=TRUE para criar barras 
horizontais. 
 
pie(x) cria um gráfico de setores (o famoso gráfico de pizza). 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 45 
61boxplot(x) 
cria um gráfico do tipo box-plot. 
 
 
 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
ANUSCA
Destacar
ANUSCA
Destacar
 
 
 
 
 
 
 
 
 46 
61 
EXERCÍCIOS 
1) QUESTÕES E EXERCÍCIO PRÁTICO – BAIXE O R E R STUDIO! 
Como não temos muitas questões sobre R para alegrar nossa aula e abrilhantar nosso 
estudo, resolvemos ressuscitar uma banca histórica de concurso público conhecida como 
TRC. Criativa, inteligente, dinâmica e objetiva a banca vai focar nos principais pontos do 
assunto com questões. 
 
1. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
As funcionalidades do R são divididas em vários pacotes. 
Comentário: A funcionalidade R é dividida em vários pacotes. O sistema R possui pacotes 
básicos e recomendados. O CRAN também hospeda muitos pacotes complementares que 
podem ser usados para estender a funcionalidade do R. 
Gabarito: C 
2. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
O sistema base R contém, entre outras coisas, o pacote base necessário para executar o R e 
contém as funções mais fundamentais. 
Comentário: A funcionalidade R é dividida em vários pacotes. O pacote "base" no R contém as 
funções mais fundamentais. 
Gabarito: C 
3. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
Os pacotes utils, lang e tools são considerados pacotes básicos do R. 
Comentário: O sistema R "base" contém, entre outras coisas, o pacote base necessário para 
executar o R e contém as funções mais fundamentais. Os outros pacotes contidos no sistema 
"base" incluem utils, stats, datasets, graphics, grDevices, grid, methods, tools, parallel, 
compiler, splines, tcltk, and stats4. Veja que lang não faz parte dos pacotes básicos. 
Gabarito: E 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 47 
61 
4. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
A função abaixo pula as primeiras 20 iterações do loop. 
for(i in 1:100) 
if(i <= 20) { 
next 
} 
print(i) 
} 
Comentário: O comando next pula para a próxima iteração loop. 
Gabarito: C 
5. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
O resultado da função abaixo é 5 
x <-3 
switch(x, 2+2, mean(1:10), rnorm(5)) 
Comentário: Na função switch(valor, lista, ...), se o primeiro parâmetro for um número entre 1 
e o comprimento da lista, o elemento correspondente da lista será avaliado e o resultado 
retornado. Aqui, valor é um número (3), portanto, o terceiro valor é obtido da lista de valores, 
que é rnorm (5). A saída para rnorm (5) será impressa. 
> x <- 3 
> switch(x, 2+2, mean(1:10), rnorm(5)) 
[1] 0.2363995 0.1745040 -2.7320329 0.1886224 -0.2821843 
Se o valor numérico estiver fora do intervalo (maior que o número de itens na lista ou menor 
que 1), NULL será retornado. Vejamos alguns exemplos: 
> switch(2,"red","green","blue") 
[1] "green" 
> switch(1,"red","green","blue") 
[1] "red" 
> switch(4,"red","green","blue") 
NULL 
> switch(0,"red","green","blue") 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 48 
61 
NULL 
Gabarito: E. 
6. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
next é usado para pular uma iteração dentro do loop. 
 
Comentário: Em construções de loop como while, repeat, e podemos usar next para pular para 
a próxima iteração. Vejamos um exemplo: 
x <- 1:5 
for (val in x) { 
if (val == 3){ 
next 
} 
print(val) 
} 
[1] 1 
[1] 2 
[1] 4 
[1] 5 
Gabarito: C 
7. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
Uma instrução break é usada dentro de um loop (repaet, for, while) para interromper as 
iterações e fazer fluir o controle para fora do loop. 
Comentário: O break é usado para sair de um loop imediatamente, independentemente de 
qual iteração o loop possa estar. Vejamos um exemplo: 
x <- 1:5 
for (val in x) { 
if (val == 3){ 
break 
} 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 49 
61 
print(val) 
} 
[1] 1 
[1] 2 
Gabarito: C 
8. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
break e next são duas estruturas de controle para controlar explicitamente o loop. 
Comentário: Existem duas instruções que podem ser usadas para controlar explicitamente 
looping, break e next. 
Gabarito: C 
9. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
Escrever funções é uma atividade secundária de um programador R. 
Comentário: Escrever funções é uma atividade principal de um programador R. As funções são 
frequentemente usadas para encapsular uma sequência de expressões que precisam ser 
executadas várias vezes. 
Gabarito: E 
10. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
As funções são definidas usando a diretiva function() e são armazenadas como objetos R. 
Comentário: As funções são criadas usando a diretiva function() e são armazenadas como 
objetos R, assim como todos os outros elementos de R. Em suma, são objetos R da classe 
"function". 
Gabarito: C 
11. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
A função graph() é usada para plotagem de gráficos no R base. 
Comentário: plot () é uma função genérica para plotagem de objetos R. Para gráficos de 
dispersão simples, o plot será usado. No entanto, existem métodos de plotagem para muitos 
objetos R, incluindo funções, data.frames, objetos de densidade, etc. 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 50 
61 
Gabarito: E 
12. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
A função names() lista nomes das variáveis em um data.frame. 
 
Comentário: names é uma função assessora genérica para lista o nome das variáveis. Os 
métodos padrão obtêm e definem o atributo "names" de um vetor (incluindo uma lista) ou 
pairlist. 
Gabarito: C 
13. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
x <- c(1, 2, NA, 4, NA, 5) 
deuruim <- is.na(x) 
print(deuruim) 
O resultado do código acima é: 
FALSE FALSE TRUE FALSE TRUE FALSE 
Comentário: Uma tarefa comum na análise de dados é remover valores ausentes (NAs). is.na() 
retornará TRUE se o elemento for NA, caso contrário, retornará false. Aqui, o vetor x contém 
dois valores NAs no terceiro e quinto índice. 
Portanto, ele exibirá no console: 
FALSE FALSE TRUE FALSE TRUE FALSE 
Gabarito: C 
14. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
O pacote dplyr pode ser instalado a partir do CRAN, usandolibrary(“dplyr”). 
Comentário: Você pode instalar pacotes R disponíveis nos repositórios online usando 
install.packages e carregá-los. O código correto seria: 
install.packages ("dplyr") 
Gabarito: E 
15. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 51 
61 
Arquivos contendo scripts R terminam com a extensão .R 
Comentário: Os arquivos que contêm scripts R têm uma extensão ".R". 
Gabarito: C 
16. Ano: 2018 Banca: CESPE Assunto: Informática para Polícia Federal Cargo: 
Agente Conteúdo: Linguagem R 
Julgue os próximos itens, relativos a noções de programação Python e R. 
93 Considere o programa a seguir, escrito em R. 
x <- c (3, 5, 7) 
y <- c (1, 9, 11) 
print (x + y) 
Após a execução do programa, será obtido o seguinte resultado. 
[1] 36 
94 Considere o programa a seguir, escrito em R. 
x <- TRUE 
y <- FALSE 
print (xy) 
Após a execução do programa, será obtido o seguinte resultado. 
[1] FALSE 
Comentário: Vamos comentar as alternativas acima. 
93. Neste caso temos 2 vetores com 3 elementos cada um. A operação x + y vai fazer 
o somatório dos de cada um dos termos. Veja o código abaixo: 
> x <- c (3, 5, 7) 
> y <- c (1, 9, 11) 
> print (x + y) 
[1] 4 14 18 
Neste caso o valor retornado pela função print vai retornar como resultado o vetor 4 , 
14 e 18. Logo, a alternativa está incorreta. 
94. Nesta alternativa atribuímos valores booleanos as variáveis x e y. Em seguida, 
pedimos para imprimir o atributo xy, que não existe no sistema. Isso retornar um erro 
conforme visto abaixo. 
> x <- TRUE 
> y <- FALSE 
> print (xy) 
Error in print(xy): object 'xy' not found 
Logo, temos mais uma alternativa errada. 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 52 
61 
Gabarito: 93. E 94. E 
17. Ano: 2018 Prova: Perito – Polícia Federal Banca: CESPE Assunto: 
Conhecimentos básicos – banco de dados e teoria da informação. 
Com relação à programação Python e R, julgue os itens que se seguem. 
43 Considere os comandos a seguir, na linguagem R, os quais serão executados no 
ambiente do R, e considere, ainda, que > seja um símbolo desse ambiente. 
> helloStr <- "Hello world!" 
> print(helloStr) 
Nesse caso, após a execução dos comandos, será obtido o resultado a seguir. 
[1] "Hello world!" 
Comentário: Vamos comentar cada uma das afirmações acima. 
Neste caso os comandos vão de fato fazer o que está descrito. Primeiramente, vamos 
atribuir a uma variável helloStr um conjunto de caracteres (“Hello world!”). Em seguida 
vamos imprimir no Console esse mesmo valor. Neste caso temos [1] "Hello world!", 
exatamente como no enunciado. Logo, a alternativa está correta. 
Gabarito: C. 
Nossa sugestão é que você tente usar o R para fazer alguns exercícios que vão ajudar você 
na fixação do conteúdo. Você pode usar como referência a própria aula ou os slides da 
videoaula sobre R. 
18. Banca: TRC Ano: 2020 Concurso: Simualdo 
Abra o R Studio e tente fazer o seguinte exercício. 
1. Remova todos os objetos do ambiente de trabalho. 
2. Crie objetos com nomes dados_Agente, dados_Perito, dados_Papi, dados_Escrivao. 
Faça com que os objetos sejam do tipo numérico, character, lógico e inteiro. 
3. Verifique a classe e a estrutura dos objetos criados. 
4. Use ls() para listar apenas os dados de Perito. E depois para listar apenas os 
dados de Agente. 
5. Use rm() para remover apenas os dados de Escrivao (dica: você vai precisar de 
usar o resultado de ls()). 
6. Salve sua área de trabalho com o nome exercicio_objetos_aula_de_R.RData. 
Uma possível solução para os itens acima: 
1. rm(list=ls()) # remove todos os objetos 
2. dados_Agente <- 10.5 
dados_Perito <- "texto" 
dados_Papi <- TRUE 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 53 
61 
dados_Escrivao <- 24L 
3. class(dados_Agente) 
class(dados_Perito) 
class(dados_Papi) 
class(dados_Escrivao) 
str(dados_Agene) 
str(dados_Parito) 
str(dados_Papi) 
str(dados_Escrivao) 
4. perito <- ls(pattern="Perito") 
agente <- ls(pattern="Agente") 
5. rm(list=(ls(pattern="Escrivao")) 
6. save.image(file=" objetos_aula_de_R.RData") 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 54 
61 
2) EXERCÍCIOS 
1. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
As funcionalidades do R são divididas em vários pacotes. 
2. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
O sistema base R contém, entre outras coisas, o pacote base necessário para executar o R e 
contém as funções mais fundamentais. 
3. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
Os pacotes utils, lang e tools são considerados pacotes básicos do R. 
4. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
A função abaixo pula as primeiras 20 iterações do loop. 
for(i in 1:100) 
if(i <= 20) { 
next 
} 
print(n) 
} 
5. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
O resultado da função abaixo é 5 
x <-3 
switch(x, 2+2, mean(1:10), rnorm(5)) 
6. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
next é usado para pular uma iteração dentro do loop. 
7. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 55 
61 
Uma instrução break é usada dentro de um loop (repaet, for, while) para interromper as 
iterações e fazer fluir o controle para fora do loop. 
8. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
break e next são duas estruturas de controle para controlar explicitamente o loop. 
9. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
Escrever funções é uma atividade secundária de um programador R. 
10. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
As funções são definidas usando a diretiva function() e são armazenadas como objetos R. 
11. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
A função graph() é usada para plotagem de gráficos no R base. 
12. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
A função names() lista nomes das variáveis em um data.frame. 
13. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
x <- c(1, 2, NA, 4, NA, 5) 
deuruim <- is.na(x) 
print(deuruim) 
O resultado do código acima é : 
FALSE FALSE TRUE FALSE TRUE FALSE 
14. Ano: 2020 Prova: SimuladoBanca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
O pacote dplyr pode ser instalado a partir do CRAN, usando library(“dplyr”). 
15. Ano: 2020 Prova: Simulado Banca: TRC Assunto: Linguagem R 
Julgue os itens baixo a respeito dos conceitos básicos do R. 
Arquivos contendo scripts R terminam com a extensão .R 
16. Ano: 2018 Banca: CESPE Assunto: Informática para Polícia Federal Cargo: 
Agente Conteúdo: Linguagem R 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 56 
61 
Julgue os próximos itens, relativos a noções de programação Python e R. 
93 Considere o programa a seguir, escrito em R. 
x <- c (3, 5, 7) 
y <- c (1, 9, 11) 
print (x + y) 
Após a execução do programa, será obtido o seguinte resultado. 
[1] 36 
94 Considere o programa a seguir, escrito em R. 
x <- TRUE 
y <- FALSE 
print (xy) 
Após a execução do programa, será obtido o seguinte resultado. 
[1] FALSE 
17. Ano: 2018 Prova: Perito – Polícia Federal Banca: CESPE Assunto: 
Conhecimentos básicos – banco de dados e teoria da informação. 
Com relação à programação Python e R, julgue os itens que se seguem. 
43 Considere os comandos a seguir, na linguagem R, os quais serão executados no 
ambiente do R, e considere, ainda, que > seja um símbolo desse ambiente. 
> helloStr <- "Hello world!" 
> print(helloStr) 
Nesse caso, após a execução dos comandos, será obtido o resultado a seguir. 
[1] "Hello world!" 
 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 57 
61 
3) GABARITO 
1. C 
2. C 
3. E 
4. C 
5. E 
6. C 
7. C 
8. C 
9. E 
10. C 
11. E 
12. C 
13. C 
14. E 
15. C 
16. E E 
17. C 
 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 58 
61 
4) CÓDIGO DA VIDEOAULA 
#Criando objeto textual 
y <- "José Iris DS Junior" 
y 
#Criando objeto numérico 
z <- 10 
z 
#Criando vetores 
x <- c(1,2,4) 
q <- c(x, x, 5) 
t <- c(z,y) 
#Acessando o sexto elemento do vetor t 
t[6] 
#Acessando do segundo ao sexto elemento do vetor t 
t[2:6] 
#Calculando a média do vetor q 
mean(q) #calcula a média de q 
#Conhecendo o dataset Nile 
Nile 
#Calculando o desvio padrão 
sd(Nile) 
#Usando o help 
help(Nile) 
#criando um histograma com o serie temporal de fluxo de água no rio Nilo 
hist(Nile) 
 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 59 
61 
#Usando o for para descobrir o conjunto de números pares e ímpares de um vetor 
k <- 0 
o <- 0 
x <- c(1,2,3,4,5,6,7,8,9,10) 
for (n in x) { 
print(n) 
if ( n %% 2 == 1) { 
k <- k + 1 
} else { 
o <- o + 1 
} 
} 
k 
o 
#Questão PF 2018 
helloStr <- "Hello World!" 
print(helloStr) 
#Criando variáveis 
aprovado <- "Cachoeirense Concurseiro" 
aprovado2 <- 'Hugo' 
aprovado2 
#Variável do tipo lógico 
convocado <- T 
 
ItensDoChurrascoDePosse <- c("Picanha", "Carvão", "Maminha", 
"Pão de Alho") 
ItensDoChurrascoDePosse 
 
ConvidadosDoChurrasco <- c("Prof. Thiago", "Mainha", 
"Painho", "Hugo", "José Iris") 
 
#Usando operados aritméticos 
x1 <- 10 
x2 <- 20 
x3 <- 4 
 
x1 + x2 + x3 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 60 
61 
 
y <- x1*x2 + x3 
y 
#Questão - PF (01) 
x <- c (3, 5, 7) 
y <- c (1, 9, 11) 
print (x + y) 
#Questão - PF (02) 
x <- TRUE 
y <- TRUE 
print (xy) #gera um erro 
#antes de você rodar o código, qual seria o erro na sua 
opinião? 
#Exemplo de cbind 
x1 <- read.csv("data01.csv",header=T,sep=",") 
x2 <- read.csv("data02.csv",header=T,sep=",") 
 
x3 <- cbind(x1,x2) 
x3 
#Exemplo de rbind 
x4 <- read.csv("data01.csv",header=T,sep=",") 
x5 <- read.csv("data03.csv",header=T,sep=",") 
 
#conhecendo a estrutura de x5 
str(x5) 
 
x6 <- rbind(x4,x5) 
x6 
 
#Criando uma função 
elizabethFunction <- function(x = 5){ 
 factorial(x)+5 
} 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.
 
 
 
 
 
 
 
 
 61 
61 
#data frame 
mat <- matrix(c("a","b",1,2), ncol= 2) 
df <- data.frame(x = c("a","b"), y = c(1,2)) 
str(mat) 
 
## chr [1:2, 1:2] "a" "b" "1" "2" 
str(df) 
 
## 'data.frame': 2 obs. of 2 variables: 
## $ x: Factor w/ 2 levels "a","b": 1 2 
## $ y: num 1 2 
 
#Dando nomes as linhas e as colunas. 
rownames(df) <- c("l1","l2") 
colnames(df) <- c("letras", "numeros") 
str(df) 
df 
 
 
Diego Carvalho, Raphael Henrique Lacerda, Renato da Costa, Thiago Rodrigues Cavalcanti
Aula 25
 Informática p/ Polícia Federal (Agente) Pós-Edital
www.estrategiaconcursos.com.br
.
.