aula 1 - overview de R.Rmd

---
title: "Aula 1 - Uma Overview de R"
output: html_document
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
library(knitr)

```



## O R como calculadora

### Você pode executar somas
```{r}
25+11
```

### Assim como subtrações.
```{r}
385-298
```
### Multiplicações.
```{r}
223*9384
```
### Divisões.
```{r}
389/11
```

### Exponenciações.
```{r}
2^10
```

### Ou operações matemáticas mais complexas como expressões númericas.

Todavia dentro do ambiente do R não usamos {} ou [], já que eles tem funções específicas, mas usamos os ().

```{r}
2+(1+(4/2)-(2*1)+10)
```
## Apresentando os operadores lógicos do R.
```{r, echo = FALSE, results ='asis'}
operadores<-data.frame('Tipo de Teste'=c("igual",
                             "diferente",
                             "maior que",
                             "menor que",
                             "maior ou igual que",
                             "menor ou igual que",
                             "e",
                             "ou",
                             "não",
                             "de n até m",
                             "valor correspondente"),
'Operador Lógico'= c("==",     "!=",
                                ">",
                                "<",
                                ">=",
                                "<=",
                                "&",
                                "|",
                                "!",
                                ":",
                                "%in%"),
                    ex=c("2==2",
                         "2!=3",
                         "3>2",
                         "3<2",
                         "",
                         "",
                         "A&B",
                         "A|B",
                         "A!B",
                         "1:60",
                         'vogais %in% c("a","b","c","d","e")'))
names(operadores)<-c("Tipo de Teste", "Operador Lógico", "Exemplo")

kable(operadores)
```
## Apresentando os Tipos de Objetos

### Objetos númericos (numeric).
```{r}
a<- c(9, 4,4,1)
a;class(a)
```

### Objetos de sequência de caracteres (character).
```{r}
b<- c("flamengo", "vasco", "fluminese", "botafogo")
b;class(b)
```

### Objetos do tipo factor (factor).
```{r}
c<- factor(c("atual campeão", "em disputa série", "fora da competição", "fora da competição"))
c;class(c)
```

### Objetos do Tipo Dataframe.
```{r}
df<-data.frame(b,a,c)
df
```

### Alterando o nome das colunas de um dataframe.
```{r}
names(df)<-c("time", "número de brasileiros", "status no brasileirão")
df
```

## Acessando elementos dentro de um objeto.
```{r}
head(iris)
```

### Selecionando os itens da primeira coluna.
```{r}
iris[1]
```

### Selecionando Elementos na primeira linha.
```{r}
iris[1,]
```

### Selecionando elementos da 5° a 10° linha e das colunas 2 a 5.
```{r}
iris[5:10,2:5]
```

### Selecionando elementos das linhas 3, 5 e 6 e das colunas 1, 3 e 5.
```{r}
iris[c(3,5,6), c(1,3,5)]
```

### Selecionando uma coluna em um objeto Tabular
```{r}
iris$Sepal.Length
```

## Revisão

### Dados Simulados

```{r}
t<-data.frame(
     stringsAsFactors = FALSE,
                             estado = c("alagoas","pernambuco","sergipe",
                                        "bahia","rio grande do norte","piaui",
                                        "ceará","paraiba","maranhão"),
                            matches = c(23320L,42392L,35292L,63850L,
                                        42823L,33301L,16711L,59766L,69495L),
                     matches.brasil = c(848298L,848298L,848298L,848298L,
                                        848298L,848298L,848298L,848298L,
                                        848298L),
                   maioria_feminina = c("sim","não","sim","não","sim",
                                        "sim","sim","não","não"),
                classe_predominante = c("alta","alta","media","baixa",
                                        "baixa","alta","media","media","baixa"),
                 idade_predominante = c("<20 e >30","<31 e > 35",
                                        "<18 e > 23","<18 e > 23","<18 e > 23",
                                        "<20 e >30","<31 e > 45","<31 e > 45","<45")
              )
```

### Observando os casos onde há maioria feminina.
```{r}
t[t$maioria_feminina=="sim",]
```

### Observando Casos onde a classe predominante é alta.
```{r}
t[t$classe_predominante == "alta", ]
```


### Observando Casos onde a classa predominante é alta e a maioria é feminina.
```{r}
t[t$classe_predominante == "alta" & t$maioria_feminina=="sim", ]
```

### Observando Casos onde o número de matches é menor que 40 mil ou a classe predominante não é alta
```{r}
t[t$matches < 30000 | t$classe_predominante!="baixa", ]
```

### Observando Casos onde a idade predominante é entre 18 e 30 anos
```{r}
t[t$idade_predominante %in% c("<18 e > 23", "<20 e >30"), ]
```

### Calculando o percentual equivalente de matches no brasil do estado
```{r}
t$matches/t$matches.brasil*100
```

## Exercícios

Acesse a página do "https://pt.wikipedia.org/wiki/Lista_de_unidades_federativas_do_Brasil_por_PIB" que contém uma tabela com os resultados do pib dos estados brasileiros. A partir dela responda os itens a seguir

Crie um Vetor com o nome das UFs por ordem alfabética.
```{r}

```

Qual a classe desse vetor?
```{r}
```
Crie um vetor com os valores do pib, por ordem alfabética.
```{r}

```
Qual a classe desse vetor/variável?
```{r}

```

Acesse o link a seguir "https://pt.wikipedia.org/wiki/Lista_de_unidades_federativas_do_Brasil_por_popula%C3%A7%C3%A3o", que contem os dados da tamanho da população dos estados e crie um vetor com a população dos estados por ordem alfabética.
```{r}

```
Qual a classe desse vetor/variável?
```{r}

```

Crie e armazene em um objeto um dataframe com as variáveis, UF, PIB e População.
```{r}

```
Cheque se o objeto criado é um dataframe.

```{r}

```

Crie uma variável que meça o PIB per capita dos estados.
```{r}

```

Sabendo que a população brasileira é de 211 milhões, crie uma variável com a população brasileira

```{r}

```

Crie uma variável que meça o percentual da população do estado representa a população brasileira.
Por exemplo se o Amazonas tem 4.207.714 habitantes, ele representa 2% da população brasileira.

```{r}

```

### Apêndice

Existem uma série de materiais com guias úteis, e que podem ajudar você nesse exercício, e/ou atividades futuras que contenham inserção de dados no ambiente R, e/ou operações aritméticas com variáveis. Deixo aqui alguns itens que podem ajudá-lo. 

Um que pode auxiliar na inserção de dados é o datapasta "https://github.com/MilesMcBain/datapasta", ele é um addin que permite copiar informações de fora do r e colá-los no ambiente R em formatos tabulares, como tribble, tibble, dataframe. Segue vídeo exemplificando o uso do addin. "https://www.youtube.com/watch?v=Sz-tEVqZh5s"