Skip to content

Latest commit

 

History

History
177 lines (144 loc) · 4.71 KB

manipulacao.org

File metadata and controls

177 lines (144 loc) · 4.71 KB

Manipulação de Dados em R

1 Especificação de um Problema

Vários arquivos tabulares (CSV), um por aula, com a presença dos alunos.

Quero contar quantas faltas cada aluno tem.

Utilizaremos o universo tidy:

install.packages("tidyverse");

2 O operador Pipe %>%

Permite encadear funções, ao invés de aninhá-las.

library(magrittr)

f <- function(p) { return(p+1); }
g <- function(p) { return(p+2); }
h <- function() { return(3); }

f(g(h()));

h() %>%
    g() %>%
    f();
[1] 6
[1] 6

3 Ler um CSV com funções do pacote readr

Um arquivo CSV é uma matriz, com colunas separadas por vírgula.

library(readr);
read_csv
function (file, col_names = TRUE, col_types = NULL, locale = default_locale(), 
    na = c("", "NA"), quoted_na = TRUE, comment = "", trim_ws = TRUE, 
    skip = 0, n_max = Inf, guess_max = min(1000, n_max), progress = interactive()) 
{
    tokenizer <- tokenizer_csv(na = na, quoted_na = TRUE, comment = comment, 
        trim_ws = trim_ws)
    read_delimited(file, tokenizer, col_names = col_names, col_types = col_types, 
        locale = locale, skip = skip, comment = comment, n_max = n_max, 
        guess_max = guess_max, progress = progress)
}
<environment: namespace:readr>

4 Exemplo de uso do read_csv

df <- read_csv("/home/schnorr/ensino/chamada/mlp.dir/alunos_mlp_2017-2_2017-08-28_16:15:30.csv");
Parsed with column specification:
cols(
  X1 = col_integer(),
  N = col_integer(),
  ID = col_integer(),
  Name = col_character(),
  Entry = col_character(),
  Situation = col_character(),
  Email = col_character(),
  Course = col_character(),
  Date = col_date(format = ""),
  Present = col_logical()
)
Warning message:
Missing column names filled in: 'X1' [1]

5 Manipular dados com dplyr

Verbos

  • select() colunas
  • criar colunas com mutate()
  • filtrar com filter()
  • fatiar linhas com slice()
  • reordenar com arrange()
  • criar grupos com group_by()
df %>%
    select(-ID, -Name, -Email, -Course)
# A tibble: 40 x 6
      X1     N  Entry   Situation       Date Present
   <int> <int>  <chr>       <chr>     <date>   <lgl>
 1     1     1 2014/2 Matriculado 2017-08-28   FALSE
 2     2     2 2015/1 Matriculado 2017-08-28    TRUE
 3     3     3 2014/2 Matriculado 2017-08-28   FALSE
 4     4     4 2016/2 Matriculado 2017-08-28    TRUE
 5     5     5 2014/1 Matriculado 2017-08-28    TRUE
 6     6     6 2014/1 Matriculado 2017-08-28    TRUE
 7     7     7 2015/1 Matriculado 2017-08-28    TRUE
 8     8     8 2014/1 Matriculado 2017-08-28    TRUE
 9     9     9 2015/1 Matriculado 2017-08-28    TRUE
10    10    10 2015/1 Matriculado 2017-08-28    TRUE
# ... with 30 more rows

6 Uma solução para o problema

list.files
function (path = ".", pattern = NULL, all.files = FALSE, full.names = FALSE, 
    recursive = FALSE, ignore.case = FALSE, include.dirs = FALSE, 
    no.. = FALSE) 
.Internal(list.files(path, pattern, all.files, full.names, recursive, 
    ignore.case, include.dirs, no..))
<bytecode: 0x56127afe2ba8>
<environment: namespace:base>

library(readr);
library(magrittr);
library(dplyr);
lista_de_arquivos <- list.files("/home/schnorr/ensino/chamada/mlp.dir", full.names=TRUE)
#lista_de_arquivos;
do.call("rbind", suppressMessages(lapply(lista_de_arquivos, function(filename) {
    df <- read_csv(filename)
    if ("Duration" %in% names(df)){
        df %>% select(-Duration)
    }else{
        df;
    }
}))) -> df;

df %>% group_by(Entry) %>% summarize(N = n()/6)

df %>% group_by(Name) %>% summarize(Faltas = sum(ifelse(Present == FALSE, 1, 0)),
                                      Freq = 1 - Faltas/n(),
                                      FF = ifelse(Freq < 0.75, TRUE, FALSE)) %>%
    filter(Faltas == 1) %>%
    as.data.frame();