Curso-de-R

Essa é a página do github do Curso de R.

Atualmente estamos com um uma turma sendo aberta para o dia (27/04), para se inscrever clique nesse link.

O objetivo do curso é levar alguém que é completamente leigo em R a ter independencia para fazer análise de dados em R, através de ferramentas de manipulação e transformação de dados, manipulação de texto, contrução e comunicação de visualização de dados e por fim tópicos de programação funcional.

O Curso está dividido em 8 aulas:

• Um overview de R;
• Saindo do 0 na Manipulação de dados;
• Manipulando quase qualquer base de dados;
• Manipulação de texto em R;
• O Básico da Gramática dos Gráficos
• Levando o ggplot além
• Purrr e Programação Funcional
• Functioning, quando se começa a agir como programador.

Introdução ao R para Análise de Dados**

I. Fundamentos do R como Calculadora - Executando operações matemáticas básicas - Soma, subtração, multiplicação, divisão - Exponenciação e expressões numéricas

II. Criando e Manipulando Objetos - Operadores de atribuição: <- e = - Nomeando objetos com convenções de nomenclatura - Trabalhando com diferentes tipos de objetos: numéricos, de sequência de caracteres, factors, dataframes e listas

III. Operadores Lógicos e Expressões Condicionais - Introdução aos operadores lógicos - Utilização de expressões condicionais para filtrar dados

IV. Apresentação dos Tipos de Objetos - Exploração de diferentes tipos de objetos: numéricos, de sequência de caracteres, factors, dataframes e listas - Demonstração de como acessar e manipular elementos dentro desses objetos

V. Revisão e Consulta de Operadores Lógicos - Revisão dos principais operadores lógicos - Aplicação prática dos operadores lógicos em um conjunto de dados simulados

VI. Exploração de Dados Simulados - Importação e análise de um conjunto de dados simulados - Exploração dos dados utilizando operadores lógicos e expressões condicionais

VII. Revisão Final e Encerramento - Recapitulação dos conceitos abordados - Discussão sobre os próximos passos na aprendizagem do R para análise de dados

Título: Manipulação de Dados em R - Do Básico ao Avançado

I. Preparação do Ambiente - Instalação de pacotes necessários (tibble, dplyr, lubridate, forcats) - Leitura da documentação dos pacotes instalados

II. Introdução ao Tibble - Comparação entre data.frame e tibble - Criação e manipulação de tibbles - Demonstração das vantagens do uso de tibbles

III. Explorando o Pacote dplyr - Funções essenciais do dplyr para manipulação de dados - Demonstração do uso de funções para seleção e manipulação de linhas e colunas - Utilização de funções para ordenação e filtragem de dados

IV. Manipulação de Dados com dplyr (Parte 1) - Demonstração do uso das funções pull, select e rename - Utilização da função mutate para criação e alteração de variáveis - Exemplos práticos de recodificação de variáveis

V. Manipulação de Dados com dplyr (Parte 2) - Exploração das funções case_when e relocate - Utilização da função summarise para análise de grupo - Aplicação prática de resumos descritivos em um conjunto de dados

VI. Revisão e Exercícios (Parte 1) - Resolução de exercícios práticos envolvendo o uso do pacote dplyr com um conjunto de dados específico - Revisão dos principais conceitos e funções aprendidas até o momento

VII. Introdução ao Pacote lubridate - Exploração do pacote lubridate para manipulação de datas em R - Demonstração de formatação de datas e extração de elementos temporais

VIII. Operações com Datas utilizando lubridate - Demonstração de operações matemáticas com datas - Cálculo de diferenças temporais e extratos temporais em datasets

IX. Introdução ao Pacote forcats - Breve introdução ao pacote forcats para manipulação de fatores em R - Apresentação de funções úteis para manipulação de fatores

X. Revisão e Exercícios (Parte 2) - Resolução de exercícios práticos envolvendo o uso dos pacotes lubridate e forcats com conjuntos de dados específicos - Revisão dos principais conceitos e funções aprendidas até o momento

XI. Aplicações Avançadas e Desafios - Utilização de datasets mais complexos para aplicação de técnicas aprendidas - Desafios práticos para consolidar o aprendizado e incentivar a resolução de problemas

XII. Encerramento e Próximos Passos - Recapitulação dos tópicos abordados durante o curso - Sugestões para a continuidade dos estudos e exploração de recursos adicionais - Agradecimentos e feedback dos participantes

Manipulando Dados em R - Da Teoria à Prática

Título: Manipulando Dados em R - Da Teoria à Prática

I. Introdução - Breve explicação sobre os conceitos de datasets Wide e Long - Carregamento do pacote tidyverse

II. Transformando Dados para o Formato Tidy - Apresentação de exemplos de datasets em formato Wide e Long - Explicação sobre a importância do formato tidy para análise de dados - Demonstração da função pivot_longer para transformar dados de Wide para Long

III. Continuação da Transformação para o Formato Tidy - Uso da função pivot_longer em outro exemplo de dataset - Apresentação da função pivot_wider para transformar dados de Long para Wide

IV. Revisão e Exercícios - Importação de um dataset externo (dados_b3_2010_2022.csv) - Remoção de coluna desnecessária e transformação do dataset para formato tidy - Resolução de exercício envolvendo transformação de um dataset em formato Long

V. Separando e Juntando Dados - Demonstração da função separate para separar valores em uma coluna - Uso da função unite para juntar valores de colunas diferentes - Apresentação de exemplos práticos com os datasets table3 e table5

VI. Revisão e Exercícios - Importação do dataset pedidos - Remoção da primeira linha e transformação do dataset em formato tidy - Exercício prático de separação e junção de dados

VII. Lidando com Dados Ausentes - Explicação das funções drop_na, fill e replace_na para lidar com dados ausentes - Demonstração prática dessas funções com o dataset pedidos_final

VIII. Transformando Vetores de Texto em Datasets - Utilização da função enframe para transformar uma lista em dataset - Explicação sobre a transformação de formato de dataset e utilização das funções unnest_wider e unnest_longer

IX. Aplicando Funções para Múltiplas Colunas - Uso das funções mutate_all e summarise_all para operações em todas as colunas - Demonstração da função across para aplicar funções em múltiplas colunas de forma seletiva

X. Eninhando Dados - Apresentação da função nest para juntar elementos dentro de uma coluna - Exemplos práticos de aplicação da função nest seguida de análises adicionais

XI. Conclusão e Próximos Passos - Recapitulação dos principais conceitos e técnicas aprendidas - Sugestões para explorar ainda mais as funcionalidades do tidyverse e realizar análises avançadas

Explorando e Manipulando Textos em R**

I. Introdução - Breve explicação sobre a importância da manipulação de textos em análise de dados - Demonstração das funcionalidades básicas do pacote stringr para manipulação de strings

II. Manipulação de Strings Simples - Exemplos de strings simples e uso de aspas literais em R - Demonstração prática de como lidar com barras em strings - Uso de funções básicas para manipulação de strings como str_length e str_c

III. Combinando e Subconjunto de Strings - Explicação sobre como combinar strings com outras expressões - Demonstração da função str_sub para extrair partes específicas de uma string - Uso da função str_count para contar ocorrências de padrões em uma string

IV. Transformações de Texto - Apresentação das funções para transformar texto em maiúsculas, minúsculas e capitalizado - Exemplos práticos de aplicação dessas funções em diferentes contextos

V. Identificando Padrões com Expressões Regulares - Introdução ao uso de expressões regulares para identificar padrões em textos - Demonstração prática do uso de expressões regulares com as funções str_view e str_detect

VI. Manipulação Avançada de Strings - Exemplos práticos de identificação e manipulação de padrões complexos em textos - Uso de âncoras e operadores especiais em expressões regulares

VII. Detectando e Extraindo Padrões - Explicação sobre as funções str_match e str_extract para detectar e extrair padrões em textos - Demonstração prática de como utilizar essas funções em diferentes contextos

VIII. Substituindo e Dividindo Strings - Uso da função str_replace para substituir padrões em textos - Apresentação da função str_split para dividir strings em múltiplos textos

IX. Aplicações Práticas e Exercícios - Exercícios práticos envolvendo manipulação de textos em datasets reais - Apresentação de exemplos práticos de aplicação das técnicas aprendidas em diferentes contextos

X. Conclusão e Próximos Passos - Recapitulação dos principais conceitos e técnicas aprendidas - Sugestões para aprofundamento e exploração adicional das funcionalidades do pacote stringr

Introdução à Visualização de Dados em R**

I. Introdução - Breve introdução sobre a importância da visualização de dados - Apresentação dos pacotes necessários para visualização de dados em R: ggplot2, nycflights13 e dplyr - Demonstração dos dados utilizados (flights dataset)

II. Explorando os Dados - Utilização de funções como glimpse(), View() e table() para explorar os dados - Exemplificação da análise de variáveis como arr_time e arr_delay

III. A Gramática dos Gráficos - Conceito de “grammar of graphics” na criação de gráficos em R - Demonstrações práticas de como mapear variáveis de dados para atributos estéticos em objetos geométricos

IV. Os Cinco Tipos de Gráficos Essenciais - Apresentação dos cinco tipos de gráficos fundamentais: histogramas, boxplots, barplots, scatterplots e lineplots - Demonstração prática de como criar cada tipo de gráfico com exemplos utilizando o dataset weather

V. Histogramas - Explicação e exemplos de criação de histogramas - Demonstração do ajuste de cor, preenchimento, número de colunas e tamanho de colunas em histogramas - Utilização do layer facets para criação de painéis em histogramas

VI. Boxplots - Introdução e exemplos de criação de boxplots para visualizar distribuições de variáveis - Demonstração prática de como criar boxplots para diferentes variáveis e agrupamentos

VII. Barplots - Explicação e exemplos de criação de barplots para dados contados e não contados - Demonstração prática do uso de geom_bar() e geom_col() para criar diferentes tipos de barplots

VIII. Scatterplots - Introdução e exemplos de criação de scatterplots para visualizar relações entre duas variáveis - Demonstrações práticas de como lidar com sobreposição de pontos e como adicionar jitter para melhorar a visualização

IX. Lineplots - Explicação e exemplos de criação de lineplots para visualizar séries temporais - Demonstração prática de como ajustar a visualização e alterar a estrutura do gráfico

X. Alterando a Estrutura dos Gráficos - Demonstrações práticas de como alterar títulos, legendas, cores de fundo e outros elementos de um gráfico - Utilização da função theme() para personalizar a aparência do gráfico - Uso de temas pré-definidos e themeset para padronizar a aparência de vários gráficos

XI. Conclusão - Recapitulação dos conceitos fundamentais apresentados na introdução à visualização de dados em R - Sugestões para exploração adicional e aprofundamento nos conceitos apresentados - Encorajamento para a prática e experimentação com diferentes tipos de gráficos e técnicas de visualização de dados

Explorando Visualizações Avançadas com ggplot2**

I. Revisão do ggplot - Breve revisão sobre a construção de gráficos utilizando ggplot2 - Exemplificação dos cinco tipos de gráficos: histogramas, boxplots, barplots, scatterplots e lineplots

II. Construindo Visualizações Complexas - Demonstração prática da construção de uma visualização complexa utilizando o dataset gapminder - Filtragem e organização dos dados - Criação de um gráfico de dispersão com atributos estéticos específicos como tamanho e cor dos pontos - Adição de título, subtítulo e rótulos nos eixos

III. Construção de Gráficos no Padrão ABNT - Criação de um gráfico de dispersão no dataset mpg entre as variáveis displ e hwy, seguindo o padrão ABNT, com título e fonte - Adição de cor pela variável class

IV. Adicionando Painéis e Modelos Lineares - Criação de um gráfico de dispersão entre displ e hwy com um painel pela variável class, dividido em 3 colunas - Construção de uma visualização com modelos lineares entre displ e hwy para cada tipo de drv

V. Visualização Espacial - Utilização do pacote geobr para executar visualizações espaciais no R - Exemplo prático de visualização da malha municipal do Rio de Janeiro e das sedes municipais - Demonstração da distribuição das escolas na malha municipal do Rio de Janeiro

VI. Comunicação de Coeficientes - Utilização do pacote sjPlot para comunicar coeficientes de modelos estatísticos - Exemplificação da plotagem de coeficientes para um modelo linear

VII. Criação de Tabelas Descritivas - Demonstração da criação de tabelas descritivas poderosas utilizando o pacote gt - Exemplo prático de construção de uma tabela descritiva da produção científica dos Jovens Doutores, incluindo medidas de resumo estatístico e distribuições visuais

Programação Funcional em R

1. O que é programação funcional: - Explicação sobre a programação funcional no contexto do R, destacando a capacidade de tratar funções como objetos de primeira classe.

2. Evitando Loops: - Discussão sobre a importância de evitar loops em favor da programação funcional, destacando a clareza, expressividade e eficiência do código resultante. - Comparação de desempenho entre uma função com loop e uma função funcional usando o pacote purrr.

3. Introdução ao purrr::map: - Apresentação da função purrr::map, que aplica uma função a cada elemento de um vetor ou lista. - Exemplo prático aplicando o teste t a múltiplos conjuntos de dados de um experimento.

4. Família map_: - Exploração das diferentes variantes da função purrr::map para lidar com diferentes tipos de saída, como double, character e dataframe. - Destaque para map_dfr como a escolha mais comum para retornar um dataframe.

5. Potencializando o uso do map: - Demonstração de como declarar funções inline ou usando o atalho ~ para simplificar ainda mais o código.

6. Revisão e Desafio: - Utilização do map para calcular média, desvio padrão, mínimo e máximo das colunas do dataset iris. - Aplicação de regressão linear entre mpg e wt para cada grupo de cilindros no dataset mtcars. - Desafio: Plotar histograma das colunas 1:4 do dataset iris usando map.

7. Multiplas Iterações e pmap: - Explicação do uso de map2 para duas iterações e pmap para múltiplas iterações. - Exemplo prático de aplicação de múltiplas iterações para gerar números aleatórios com diferentes médias, desvios padrão e tamanhos de amostra.

8. Revisão 2 e Uso de walk: - Utilização do walk para ler várias planilhas de um arquivo Excel e armazená-las em objetos separados. - Discussão sobre como o walk é útil quando queremos executar loops apenas por efeito colateral, sem armazenar os resultados.

9. Lidando com Erros: - Apresentação de funções do purrr para lidar com erros, como quietly, safely e possibly, que controlam como os erros são tratados durante a execução de map.

10. Avançando com furrr: - Introdução ao pacote furrr, que estende as funcionalidades do purrr para suportar computação paralela e distribuída. - Configuração do plano de execução e demonstração de como usar múltiplos núcleos para acelerar a execução de códigos em paralelo.