Lista de Programa R

Prévia do material em texto

Lista de Funções do R
Esta é apenas e tão somente uma lista
das funções utilizadas nesse curso introdu-
tório.
Glossário
Antes da lista de funções per se, faz-se
necessário apresentar o glossário dos termos
mais utilizados no curso.
- Pasta ou Diretório de trabalho - local
no computador onde todos os arquivos re-
ferentes a análise de dados (i.e., banco de
dados, gráficos, output, . . . ) serão salvos.
Sessão de trabalho - esta se inicia toda
vez que o programa é aberto e o usuário
define a pasta de trabalho em que a análise
de dados será salva. A sessão de traba-
lho é salva continuamente em arquivo com
extensão “.RData” na pasta de trabalho.
Este arquivo deve ser carregado ao início de
cada sessão. Para salvar a sessão de traba-
lho continuamente, deve-se utilizar a fun-
ção save.image() no Console.
Console - janela dentro do programa
que exibe a linha de comando iniciada pelo
símbolo “>”. Nessa linha de comando, as
funções do R são utilizadas por meio de es-
crita textual do código seguido do botão
“ENTER” (i.e., no jargão dos programado-
res isso é equivalente a expressão “rodar co-
mando”). Os comandos utilizados na linha
de comando ficam salvos temporariamente
(i.e., até a sessão de trabalho anterior) em
arquivo com extensão “.RHistory” na pasta
de trabalho.
Script - janela dentro do programa que
exibe os comandos a serem rodados no Con-
sole utilizando “CTRL+R”. O Script pode
ser salvo com extensão “.R”, o que permite
visualizá-lo na pasta de trabalho dentro do
programa. Este arquivo deve ser aberto no
início de cada sessão de trabalho.
Output - há dois tipos de output no
R: primeiro, aquele que aparece no Con-
sole logo depois que rodamos um comando;
segundo, a janela de gráficos a qual aparece
toda vez que rodamos comando de gráfico
(e.g., utilizando a função plot()). A janela
de gráficos pode ser salva em arquivos de
extensão de imagem (.jpg, .tif, .png, . . . )
ou em .pdf.
Função do R - código que executa ações
em determinado objeto no R. No jargão de
usuários do R, diz-se que função é ferra-
menta para manipular o objeto. Há, tam-
bém, quem invoque a metáfora do marce-
neiro para explicar o que é função. O mar-
ceneiro utiliza ferramenta para esculpir a
madeira e transformá-la em algo útil. Da
mesma forma, o analista de dados utiliza
função do R para trabalhar seus dados os
quais são objetos no R.
Objetos no R - veja melhor explica-
ção na subseção Criação de objetos no
R.
Instalar o programa
O programa R pode ser instalado do
website oficial http://www.r-project.org/:
CRAN → Mirror (e.g., Brazil-University
of Sao Paulo, Sao Paulo)→ Download and
Install R for Windows.
Como pedir ajuda?
As funções do R têm documentação
online.
help(lm) ou ?lm - ajuda da função
lm().
help.search("linear model") ou
??"linear model" - busca em todo sis-
tema de ajuda a função ou objeto que
1
possui em sua descrição a expressão linear
model.
help.start() - inicia-se a versão
HTML do sistema de ajuda. Pode-se clicar
em cima de packages para ver todos os
pacotes instalados. Depois, pode-se clicar
em cima de, por exemplo, stats para ver
todas as funções estatísticas disponíveis
nesse pacote.
Instalar e carregar pacotes
Os pacotes podem ser instalados de ser-
vidor local (i.e., local mirror) a partir do
próprio programa em “instalar pacotes” no
menu Pacotes ou utilizando a função ins-
tall.packages() no Console.
require(epicalc) - carrega pacote pre-
viamente instalado no programa. DICA:
carregar sempre o pacote no início de cada
sessão de trabalho.
Importar e exportar base de dados
É possível elaborar e armazenar bancos
de dados como objetos dentro do R. Mas,
neste curso, a recomendação é que o banco
de dados seja elaborado no EpiInfoTM
(http://wwwn.cdc.gov/epiinfo/) e de-
pois importado no R. Adicionalmente,
é possível importar no R arquivos SAS,
Stata, SPSS, Minitab, DBF e EpiInfo
utilizando as funções do pacote foreign.
A seguir estão as funções de importação e
exportação utilizadas nesses curso.
read.table(arquivo, header =
TRUE, sep =“ ”) - importa arquivo em
formato de planilha e cria data.frame com
o mesmo. O nome do arquivo tem de estar
entre aspas e conter a extensão (e.g., .txt).
Em geral, utiliza-se o argumento header =
TRUE para utilizar a primeira linha da
tabela como cabeçalho (i.e., linha com o
nome das colunas). Finalmente, utiliza-se
o argumento sep =“ ” que indica espaço
em branco como separador de colunas
para importar corretamente a estrutura da
planilha.
read.csv(arquivo, header =
TRUE, sep =“,”) - importa arquivo .csv
(i.e., arquivo com vírgula como separador
de colunas). Esta é a forma de impor-
tação mais utilizada nesse curso porque
esse tipo de arquivo pode ser elaborado
na planilha de dados mais utilizada do
planeta (i.e., ExcelTM). As mesmas regras
de read.table() podem ser aplicadas com
essa função, mas é importante enfatizar
que o tipo de separador é vírgula, sendo
então utilizado o argumento sep = “,”.
write.table(x, arquivo, row.names
= TRUE, col.names = TRUE, sep =
“”) - exporta qualquer objeto do R o qual
é primeiramente transformado em uma
planilha de dados antes da exportação.
Assim, deve-se declarar dentro dessa
função o “x” (nome do objeto no R), o
nome do arquivo (e.g., “meus.dados.txt”),
primeira linha (row.names = TRUE),
primeira coluna (col.names = TRUE) e
o tipo de separador de colunas (sep =
“”).
Criação de objetos no R
No R, tudo é objeto. A programação
orientada a objetos é um dos paradigmas
modernos das linguagens de programação,
sendo assim observada na maioria das lin-
guagens contemporâneas de alto nível, e.g.,
Python, Java, . . . . No R, as bases de dados
vão ser sempre transformadas em objetos
para a análise de dados. O nome de ob-
jeto (a gosto do freguês) é atribuído (< −)
por meio de determinada função que cria
2
objetos (e.g., meu.objeto.do.R < − c(1, 25,
74, 40)). Há, pelo menos, 6 tipos dessas
funções que criam objetos, sendo as quais
frequentemente utilizados e ensinados nesse
curso: vetor, planilha de dados, tabela, fa-
tor, lista e função.
c(...) - função genérica que combina
argumentos para formar um vetor. O vetor
é adimensional, podendo representar linha
ou coluna de uma planilha de dados.
data.frame(...) - cria-se uma plani-
lha de dados com essa função. Em epide-
miologia, este é um objeto muito utilizado,
sendo pacientes representados nas linhas e
variáveis nas colunas.
matrix(x, nrow = , ncol =, byrow
= TRUE) - tabelas de contingência são
criadas com essa função. Para criar uma
tabela 2x2, deve-se declarar o x (vetor con-
tendo os valores das 4 caselas), número de
linhas e de colunas (nrow = 2, ncol = 2 ).
factor(x, levels=) - transforma ve-
tor (x) em fator (i.e., variável categórica)
o qual possui categorias (levels =) repre-
sentadas por nomes. Ao fazer essa trans-
formação, percebe-se que as categorias da
variável ficam entre aspas (“”). É por meio
das aspas que o R reconhece que a variável
é do tipo string (i.e., texto).
list(...) - cria-se objeto lista que é o
mais recursivo de todos os objetos do R.
Assim, a lista é conhecida, popularmente,
como “o varal” em que é possível pendurar
todo e qualquer tipo de objeto. Por isso, a
mesma é utilizada para guardar o output da
análise de dados. Nesse output podem ha-
ver vários tipos de objetos do R, por exem-
plo um vetor e uma tabela, os quais estão
salvos dentro dessa lista.
function(...) - esta é a função que
cria novas funções no R. Mais explicações
sobre essa função na subseção Programa-
ção.
Objetos criados na Sessão de traba-
lho
Para o iniciante no R, pode parecer que
os objetos não foram criados utilizando os
comandos acima. Utiliza-se a função ls()
para retornar todos os objetos criados e sal-
vos na sessão de trabalho.
Visualização de objetos no R
A visualização é simples. Uma vez
queo objeto está criado, utiliza-se o nome
do objeto para a visualização. Entretanto,
existem outras formas de ver o objeto. A
mais utilizada nesse curso é:
str(x) - exibe a estrutura interna do
objeto (x), informando o tipo de objeto,
número de observações e classe de cada va-
riável. Exitem duas classes de variáveis no
R: primeira, categórica (e.g., factor, cha-
racter); segunda, numérica (e.g., integer,
numeric).
Indexação de objetos no R
A indexação é utilizada para selecio-
nar subconjuntos de valores do objeto no
R. Para objeto adimensional como o vetor,
utiliza-se:
x[n] - seleciona-se o nenésimo elemento
do vetor x.
Para objetos bi-dimensionais como a
tabela e a planilha de dados, utiliza-se:
x[i, j] - seleciona-se o elemento da li-
nha i da coluna j. Para selecionar todas
as linhas e determinada coluna j, utiliza-se
x[ , j]. Adicionalmente, podem ser seleci-
onadas as dez primeiras linhas de todas as
colunas (i.e., x[1:10, ]).
3
Coerção de objetos no R
A coerção é a transformação de um ob-
jeto em outro. Para transformar um factor
em objeto numérico, utiliza-se:
as.numeric(x) - esta função trans-
forma x que é um factor em objeto numé-
rico.
Em adição, pode-se transformar uma
tabela (matrix) em planilha de dados
(data.frame) utilizando:
as.data.frame - transforma-se tabela
em planilha de dados.
Para conhecer as demais funções
de coerção de objetos no R, utiliza-se
method(as).
Estatística descritiva
Aqui é uma orientação simples e direta
de procedimentos utilizados na análise es-
tatística descritiva. Para variáveis qualita-
tivas (categóricas) e discretas, utilizam-se
as seguintes funções:
table(x) - esta função retorna a dis-
tribuição de frequência absoluta das cate-
gorias na variável x.
prop.table(table(x)) - estas funções,
uma dentro da outra, retornam a distribui-
ção de frequência relativa das categorias na
variável x.
Para as variáveis quantitativas contí-
nuas, são utilizadas as funções a seguir:
summary(x) - a função retorna mé-
dia, mediana, mínimo e máximo da variável
x. A mesma deve ser complementada com
sd(x) para obter o desvio padrão dessa va-
riável.
Produção de gráficos
A produção de gráficos pode ter dois
objetivos: primeiro, complementar a aná-
lise estatística descritiva; segundo, apresen-
tar os resultados de forma elegante e sinté-
tica em manuscritos ou demais trabalhos
acadêmicos. Para saber se a variável x tem
Distribuição Normal, as funções de histo-
grama e de gráfico Quantil-Quantil podem
ser utilizadas:
hist(x) - faz-se histograma da variável
x.
qqnorm(x) - faz-se gráfico Quantil-
Quantil da variável x. Frequente-
mente, combina-se esta função com outra
(qqline(x)) para obter a linha de referên-
cia teórica esperada se a variável x fosse
Normal.
Para visualizar a relação entre duas va-
riáveis, são utilizadas as funções a seguir:
barplot(table(x)) - exibe grafica-
mente a relação das distribuições de
frequência de duas variáveis qualitativas em
uma tabela x.
boxplot(y ∼ x) - exibe graficamente a
distribuição de frequência da variável quan-
titativa contínua (y) segundo as categorias
da variável x.
plot(x, y) - exibe graficamente a rela-
ção entre variáveis quantitativas contínuas,
sendo x independente e y dependente.
pairs(x) - esta função pode ser utili-
zada para produzir, a partir de uma pla-
nilha de dados (data.frame x), a matriz de
dispersão. Para exibir também a matriz
de correlação, precisa-se da função interna
panel.cor que pode ser obtida no help da
função pairs() (i.e., ?pairs).
4
Customização de gráficos
A customização de gráficos é muito
particular. Entretanto, algumas regras bá-
sicas devem ser seguidas. Por exemplo,
torna-se imprescindível disponibilizar o tí-
tulo e os rótulos dos eixos X e Y dos gráfi-
cos. Ainda, gráficos coloridos são, em geral,
preferíveis. Portanto, seguem argumentos
mais utilizadas na customização de gráfi-
cos.
main = “Título do gráfico” - ar-
gumento main serve em qualquer fun-
ção de gráfico (e.g., plot(x, y, main =
“Meu Primeiro Gráfico: não ficou ba-
cana?”)). Esse argumento representa o tí-
tulo do gráfico.
xlab = “Nome do Rótulo do Eixo
X”, ylab = “Nome do Rótulo do Eixo
Y” - esses argumentos são bem gerais e ser-
vem em todas as funções de gráfico (e.g.,
plot(x, y, xlab = “Número de dias de
curso de R”, ylab = “Aprendizagem
no R”). Eles representam os rótulos dos
eixos X e Y, respectivamente.
col = “red” - esse argumento é para
colorir os símbolos internos do gráfico (e.g.,
plot(x, y, col = “red”)). Existem muitas
cores disponíveis no R (e.g., rode a função
colours() para vê-las).
Em adição, pode-se entrar no help de
cada função de gráfico (e.g., ?barplot) e
ver todos os argumentos disponíveis para
customização. Finalmente, pode-se en-
trar no help da lista de argumentos grá-
ficos disponíveis (e.g., ?par). Por exem-
plo, utiliza-se frequentemente o comando
par(mfrow(2,2)) para pedir janela com 4
espaços 2x2 de gráficos.
Testes de hipóteses
O R tem uma “família” de funções
para fazer os testes de hipóteses. Em geral,
o nome dessas funções são bem intuitivos.
Por exemplo, o teste não-paramétrico de
Shapiro-Wilk é representado pela função
shapiro.test(). Imaginem como chama a
função para fazer o teste exato de Fisher?
Só poderia ser a função fisher.test().
shapiro.test(x) - testa-se a hipótese
nula de que a variável x adere a Distribui-
ção Normal.
fisher.test(x) - testa-se a hipótese
nula de que há independência de linhas
e colunas na tabela de contingência x de
marginais fixas.
chisq.test(x) - esta função calcula o
teste de χ2 de Pearson para a tabela de
contingência x.
cor.test(x, y, alternative =
c("two.sided", "less", "greater"),
method = c("pearson", "kendall",
"spearman"), ...) - esta função testa
a correlação entre variáveis quantitativas
contínuas x e y utilizando o coeficiente de
correlação de Pearson ou de Kendall ou de
Spearman. A hipótese alternativa deve ser
bi-caudal (i.e., two-sided).
Obviamente, existem outras funções
disponíveis no pacote stats para fazer os
testes de hipóteses mais utilizados em aná-
lise estatística. Na subseção Como pedir
ajuda? está descrito como entrar nesse
pacote e ver todas as suas funções.
Modelos de regressão
Os modelos de regressão linear são
muito utilizados em análise estatística. No
R, modelos lineares são representados pela
função a seguir:
lm(y ∼ x1 + x2 + . . .+ xn) - esta
5
é a função para fazer modelo de regressão
linear, sendo que lm(y ∼ x1) é simples e
lm(y ∼ x1 + x2) é múltiplo. A variável y
é dependente e a variável x é independente.
Para ver os resultados do modelo, deve-se
utilizar a função summary() (e.g., sum-
mary(lm1), sendo lm1 um objeto da fun-
ção lm()).
Em epidemiologia, o modelo de regres-
são logística binomial é também utilizado
para, por exemplo, medir a associação entre
variáveis de desfecho e explanatória. No R,
esse modelo está incluso na família de mo-
delo lineares generalizados (i.e., generalized
linear model). Essa família é representada
pela função glm() e a regressão logística
binomial é explicitada dentro dessa função
(i.e., family = binomial()).
glm(y ∼ x1 + x2 + . . .+ xn, family
= binomial()) - esta função é utilizada
para fazer a regressão logística binomial,
sendo que glm(y ∼ x, family = bino-
mial()) é o modelo simples e glm(y ∼ x1
+ x2, family = binomial()) é o múltiplo.
A variável de desfecho é y a qual é binomial
(e.g., 0 = não-caso; 1 = caso). A variá-
vel explanatória é x que, em geral, deve ter
sido transformada em dummy (e.g., 0 = ba-
seline, 1 = presença de exposição ao risco).
Para ver os resultados do modelo, deve-se
utilizar a função logistic.display() (e.g.,
logistic.display(glm1), sendo glm1 um
objeto da função glm()). A função lo-
gistic.display() está disponível no pacote
epicalc (ver subseção PacotesEpidemio-
lógicos).
Distribuições
Além da famosa Distribuição Normal,
existem muitas outras distribuições de pro-
babilidades (e.g., Exponencial, Gamma,
Poisson, Weibull, t, F, . . . ). No R, pode-se
obter valores aleatórios dessas distribuições
teóricas. Por exemplo, pode-se ver a seguir
a função:
rnorm(x, mean = 0, sd = 1) - uti-
lizada para obter valores aleatórios de uma
Distribuição Normal em sua forma redu-
zida (i.e., µ = 0 e σ = 1). O argumento
x é o número de valores que se deseja ob-
ter. Os valores de mean e sd podem ser
alterados (e.g., rnorm(x, mean = 18, sd
= 7)).
Programação de novas funções
Uma das grandes vantagens do R em
relação aos outros programas de análise es-
tatística é a criação de novas funções. No
R, pode-se criar novas funções utilizando a
função function().
minha.função < − function(x, y,
z) - esta função (e.g., minha.função) tem
três argumentos (e.g., x, y e z).
{
. . .
return - aqui é explicitado o output
dessa função (i.e., minha.função)
} - entre essas chaves (i.e., {. . . }) são
explicitados os cálculos envolvendo os três
argumentos x, y e z.
Pacotes Epidemiológicos
O R possui muitos pacotes
(http://www.r-project.org/). Aqui, nós
utilizamos três pacotes epidemiológicos:
epicalc, epiR e epibasix.
epibasix - este pacote tem funções
básicas utilizadas em epidemiologia.
epiR - este pacote tem funções avan-
çadas utilizadas em epidemiologia.
epicalc - este pacote tem funções
utilizadas para modelos de regressão em
6
epidemiologia.
Para ver o conteúdo de cada pacote,
deve-se utilizar a funções help.start()
(ver na subseção Instalar e carregar
pacotes).
Finalmente, termina-se aqui a lista de
códigos utilizados nesse curso introdutório
sobre a aplicação do ambiente R na análise
estatística em epidemiologia.
7