Entrada de dados diretamente no R

y <- scan()

1: 11
2: 24
3: 35
4: 29
5: 39
6: 47
7: 
Read 6 items

y

## [1] 11 24 35 29 39 47

y <- scan()

1: 11 24
3: 35 29
5: 39 47
7: 
Read 6 items

y

## [1] 11 24 35 29 39 47

x <- scan(what = "character")

1: a
2: b
3: c
4: 
Read 3 items

x

## [1] "a" "b" "c"

Exercícios

1. Usnado a função scan() crie objetos para armazenar os seguintes valores:

• 19, 13, 19, 23, 18, 20, 25, 14, 20, 18, 22, 18, 23, 14, 19
• joaquina, armação, praia brava, praia mole, morro das pedras
• TRUE, TRUE, FALSE, FALSE, TRUE

texto <- readLines(n = 1) 

Estou digitando no console

texto

## [1] "Estou digitando no console"

fn.ex <- function() { 
    cat("Digite o nome do time de futebol de sua preferência (em letras minúsculas)\n") 
    time <- readLines(n = 1) 
    if (time == "atletico-pr") 
        cat("BOA ESCOLHA!!!\n") 
    else cat("Ihh, tá mal de escolha...\n") 
    return(invisible()) 
}

fn.ex()

Entrada de dados em arquivos texto

Se os dados já estão disponíveis em formato eletrônico, isto é, já foram digitados em outro programa, voce pode importar os dados para o R sem a necessidade de digitá-los novamente.

A forma mais fácil de fazer isto é usar dados em formato texto (arquivo do tipo ASCII). Por exemplo, se seus dados estão disponíveis em uma planilha eletrônica como LibreOffice Calc, MS Excel ou similar, você pode escolher a opção Salvar como… e gravar os dados em um arquivo em formato texto. Os dois prncipais formatos de texto são:

• txt: arquivo de texto puro, onde as colunas são separadas geralmente por uma tabulação (Tab) ou espaço (Spc)
• csv: arquivo de texto, onde as colunas são geralmente separadas por vírgula (comma separated value), ou ponto-e-vírgula.

Lembra deste ícone?

• É um documento do Microsoft Excel? Não!
• É um arquivo de texto pleno, separado por vírgulas (CSV comma separated values)
• De fato, o nome do arquivo é final.csv e não final
• O Excel pode sim abrir este arquivo… assim como milhares de outros programas!

No R usa-se scan() mencionada anteriormente, ou então a função mais flexível read.table() para ler os dados de um arquivo texto e armazenar no formato de uma data frame.

Antes de importar para o R:

• Se houverem valores perdidos, preencha com NAs
• A matriz de dados deve formar um bloco só. Se houverem colunas de diferentes comprimentos, preencha com NAs
• Salve o arquivo como “valores separados por vírgula” (.csv), mas atenção:
  • Se o separador de decimal for ,, o separador de campos será ; automaticamente (o que é mais comum nos sistemas em português).

dados <- read.table("dados/crabs.csv", header = TRUE,
                    sep = ";", dec = ",")

dados <- read.csv2("dados/crabs.csv")

dados2 <- read.csv2("dados/crabs.csv", stringsAsFactors = FALSE)

str(dados)

## 'data.frame':    156 obs. of  7 variables:
##  $ especie: Factor w/ 2 levels "azul","laranja": 1 1 1 1 1 1 1 1 1 1 ...
##  $ sexo   : Factor w/ 2 levels "F","M": 2 2 2 2 2 2 2 2 2 2 ...
##  $ FL     : num  8.1 8.8 9.2 9.6 10.8 11.6 11.8 12.3 12.6 12.8 ...
##  $ RW     : num  6.7 7.7 7.8 7.9 9 9.1 10.5 11 10 10.9 ...
##  $ CL     : num  16.1 18.1 19 20.1 23 24.5 25.2 26.8 27.7 27.4 ...
##  $ CW     : num  19 20.8 22.4 23.1 26.5 28.4 29.3 31.5 31.7 31.5 ...
##  $ BD     : num  7 7.4 7.7 8.2 9.8 10.4 10.3 11.4 11.4 11 ...

str(dados2)

## 'data.frame':    156 obs. of  7 variables:
##  $ especie: chr  "azul" "azul" "azul" "azul" ...
##  $ sexo   : chr  "M" "M" "M" "M" ...
##  $ FL     : num  8.1 8.8 9.2 9.6 10.8 11.6 11.8 12.3 12.6 12.8 ...
##  $ RW     : num  6.7 7.7 7.8 7.9 9 9.1 10.5 11 10 10.9 ...
##  $ CL     : num  16.1 18.1 19 20.1 23 24.5 25.2 26.8 27.7 27.4 ...
##  $ CW     : num  19 20.8 22.4 23.1 26.5 28.4 29.3 31.5 31.7 31.5 ...
##  $ BD     : num  7 7.4 7.7 8.2 9.8 10.4 10.3 11.4 11.4 11 ...

head(dados)

##   especie sexo   FL  RW   CL   CW   BD
## 1    azul    M  8.1 6.7 16.1 19.0  7.0
## 2    azul    M  8.8 7.7 18.1 20.8  7.4
## 3    azul    M  9.2 7.8 19.0 22.4  7.7
## 4    azul    M  9.6 7.9 20.1 23.1  8.2
## 5    azul    M 10.8 9.0 23.0 26.5  9.8
## 6    azul    M 11.6 9.1 24.5 28.4 10.4

tail(dados)

##     especie sexo   FL   RW   CL   CW   BD
## 151 laranja    F 21.3 18.4 43.8 48.4 20.0
## 152 laranja    F 21.4 18.0 41.2 46.2 18.7
## 153 laranja    F 21.7 17.1 41.7 47.2 19.6
## 154 laranja    F 21.9 17.2 42.6 47.4 19.5
## 155 laranja    F 22.5 17.2 43.0 48.7 19.8
## 156 laranja    F 23.1 20.2 46.2 52.5 21.1

Exercícios

1. Baixe os seguintes arquivos:

• gam01.txt
• exemplo02.txt
• dadosfic.csv
• compingest.txt
• biomassa.txt

Coloque os arquivos em um local apropriado (de preferência no mesmo diretório de trabalho que voce definiu no início da sessão), faça a importação usando a função read.table(), e confira a estrutura dos dados com str().

As funções permitem ainda ler dados diretamente disponíveis na web. Por exemplo, os dados do exemplo poderiam ser lidos diretamente com o comando a seguir, sem a necessidade de copiar primeiro os dados para algum local no computador do usuário:

dados <- read.csv2("http://www.leg.ufpr.br/~fernandomayer/dados/crabs.csv")

Para maiores informações consulte a documentação desta função com read.table(). Embora read.table() seja provavelmente a função mais utilizada existem outras que podem ser úteis e determinadas situações:

• read.fwf() é conveniente para ler fixed width formats
• read.fortran() é semelhante à anterior porém usando o estilo Fortran de especificação das colunas
• read.csv(), read.csv2(), read.delim() e read.delim2(): estas funções são praticamente iguais a read.table() porém com diferentes opções padrão. Em geral (mas não sempre) dados em formato csv usado no Brasil são lidos diretamente com read.csv2().

Exercícios

1. Leia os seguintes conjuntos de dados disponíves on-line:

• http://www.leg.ufpr.br/~walmes/data/banana.txt
• http://www.leg.ufpr.br/~walmes/data/triathlon.txt

usando a função read.table(), e confira a estrutura dos dados com str().

Entrada de dados através da área de transferência

Um mecanismos comum para copiar dados de um programa psara o outro é usando a área de transferência (ou clipboard). Tipicamente isto é feito com o mecanismo de copia-e-cola, ou seja-se, marca-se os dados desejados em algum aplicativo (editor, planilha, página web, etc), usa-se o mecanismo de COPIAR (opção no menu do programa que muitas vezes corresponde o teclar Ctrl + c), o que transfere os dados para a área de transferência. Funções como scan(), read.table() e outras podem ser usades apra ler os dados diretamente da área de transferência passando-se a opção "clipboard" ao primeiro argumento. Por exemplo, os seguintes dados:

ID  Grupo  Gasto  Ano
23      A  25,4   11
12      B  12,3   09
23      A  19,8   07

podem ser marcados e copiados para área de transferência e lidos diretamente com

dados.clip <- read.table("clipboard", header = TRUE, dec = ",")

str(dados.clip)

## 'data.frame':    3 obs. of  4 variables:
##  $ ID   : int  23 12 23
##  $ Grupo: Factor w/ 2 levels "A","B": 1 2 1
##  $ Gasto: num  25.4 12.3 19.8
##  $ Ano  : int  11 9 7

Importando dados diretamente de planilhas

Existem alguns pacotes disponíveis que podem ler dados diretamente de planilhas do MS Excel. No entanto, estes pacotes geralmente possuem particularidades quanto ao sistema operacional e demais dependências para funcionar corretamente.

Um destes pacotes, é o gdata, que funciona em diversos sistemas operacionais mas depende da linguagem Perl estar instalada. Por exemplo, para ler o conjuto de dados crabs armazenado em uma planilha do Excel, podemos usar

## Carrega o pacote
library(gdata)

## gdata: read.xls support for 'XLS' (Excel 97-2004) files ENABLED.

## 

## gdata: read.xls support for 'XLSX' (Excel 2007+) files ENABLED.

## 
## Attaching package: 'gdata'

## The following object is masked from 'package:stats':
## 
##     nobs

## The following object is masked from 'package:utils':
## 
##     object.size

## Leitura diretamente do Excel
dados.xls <- read.xls("dados/crabs.xls", sheet = "Plan1",
                      header = TRUE, dec = ",")
## Estrutura
str(dados.xls)

## 'data.frame':    156 obs. of  7 variables:
##  $ especie: Factor w/ 2 levels "azul","laranja": 1 1 1 1 1 1 1 1 1 1 ...
##  $ sexo   : Factor w/ 2 levels "F","M": 2 2 2 2 2 2 2 2 2 2 ...
##  $ FL     : num  8.1 8.8 9.2 9.6 10.8 11.6 11.8 12.3 12.6 12.8 ...
##  $ RW     : num  6.7 7.7 7.8 7.9 9 9.1 10.5 11 10 10.9 ...
##  $ CL     : num  16.1 18.1 19 20.1 23 24.5 25.2 26.8 27.7 27.4 ...
##  $ CW     : num  19 20.8 22.4 23.1 26.5 28.4 29.3 31.5 31.7 31.5 ...
##  $ BD     : num  7 7.4 7.7 8.2 9.8 10.4 10.3 11.4 11.4 11 ...

Outros pacotes que possuem funções similares são: openxlsx, xlsx, e XLConnect.

Estruturas de dados mais complexas são tipicamente armazenadas nos chamados DBMS (database management system) ou RDBMS (relational database management system). Aguns exemplos são Oracle, Microsoft SQL server, MySQL, PostgreSQL, Microsoft Access, dentre outros. O R possuiu ferramentas implementadas em pacotes para acesso a estes sistemas gerenciadores.

Para mais detalhes consulte o manual R Data Import/Export e a documentação dos pacotes que implementam tal funcionalidade. Alguns destes pacotes disponíveis são: RODBC, DBI, RMySQL, RPostgreSQL, ROracle, RNetCDF, RSQLite, dentre outros.

Carregando dados já disponíveis no R

O R já possui alguns conjuntos de dados que estão disponíeis logo após a instalação. Estes dados são também objetos que precisam ser carregados para ficarem disponiveis para o usuário. Normalmente, estes conjuntos de dados são para uso de exemplo de funções.

Para carregar conjuntos de dados que são disponibilizados com o R, use o comando data(). Por exemplo, abaixo mostramos como carregar o conjunto mtcars que está no pacote datasets.

## Objetos criados até o momento nesta seção
ls()

## [1] "dados"      "dados.clip" "dados.xls"  "dados2"     "texto"     
## [6] "x"          "y"

## Carregaga a base de dados mtcars
data(mtcars)
## Note como agora o objeto mtcars fica disponível na sua área de
## trabalho
ls()

## [1] "dados"      "dados.clip" "dados.xls"  "dados2"     "mtcars"    
## [6] "texto"      "x"          "y"

## Estrutura e visualização do objeto
str(mtcars)

## 'data.frame':    32 obs. of  11 variables:
##  $ mpg : num  21 21 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 ...
##  $ cyl : num  6 6 4 6 8 6 8 4 4 6 ...
##  $ disp: num  160 160 108 258 360 ...
##  $ hp  : num  110 110 93 110 175 105 245 62 95 123 ...
##  $ drat: num  3.9 3.9 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 ...
##  $ wt  : num  2.62 2.88 2.32 3.21 3.44 ...
##  $ qsec: num  16.5 17 18.6 19.4 17 ...
##  $ vs  : num  0 0 1 1 0 1 0 1 1 1 ...
##  $ am  : num  1 1 1 0 0 0 0 0 0 0 ...
##  $ gear: num  4 4 4 3 3 3 3 4 4 4 ...
##  $ carb: num  4 4 1 1 2 1 4 2 2 4 ...

head(mtcars)

##                    mpg cyl disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
## Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

As bases de dados também possuem páginas de documentação para explicar o que são os dados e as colunas correspondentes. Para ver o que são os dados do mtcars por exemplo, veja ?mtcars.

O conjunto mtcars é disponibilizado prontamente pois faz parte do pacote datasets, que por padrão é sempre carregado na inicialização do R. No entanto, existem outros conjuntos de dados, disponibilizados por outros pacotes, que precisam ser carregados para que os dados possam ser disponibilizados. Por exemplo, os dados do objeto topo são do pacote MASS. Se tentarmos fazer

data(topo)

## Warning in data(topo): data set 'topo' not found

Portanto, precisamos primeiro carregar o pacote MASS com

library(MASS)

e agora podemos carregar o objeto topo com

data(topo)
ls()

## [1] "dados"      "dados.clip" "dados.xls"  "dados2"     "mtcars"    
## [6] "texto"      "topo"       "x"          "y"

str(topo)

## 'data.frame':    52 obs. of  3 variables:
##  $ x: num  0.3 1.4 2.4 3.6 5.7 1.6 2.9 3.4 3.4 4.8 ...
##  $ y: num  6.1 6.2 6.1 6.2 6.2 5.2 5.1 5.3 5.7 5.6 ...
##  $ z: int  870 793 755 690 800 800 730 728 710 780 ...

A função data() pode ainda ser usada para listar os conjutos de dados disponíveis.

data()

e também pode ser útil paa listar os conjuntos de dados disponíveis para um pacote específico, por exemplo

data(package = "nlme")

Importando dados de outros programas

É possível ler dados diretamente de outros formatos que não seja texto (ASCII). Isto em geral é mais eficiente e requer menos memória do que converter para formato texto. Há funções para importar dados diretamente de EpiInfo, Minitab, S-PLUS, SAS, SPSS, Stata, Systat e Octave. Além disto é comum surgir a necessidade de importar dados de planilhas eletrônicas. Muitas funções que permitem a importação de dados de outros programas são implementadas no pacote foreign.

A seguir listamos algumas (não todas!) destas funções:

• read.dbf() para arquivos DBASE
• read.epiinfo() para arquivos .REC do Epi-Info
• read.mtp() para arquivos “Minitab Portable Worksheet”
• read.S() para arquivos do S-PLUS, e restore.data() para “dumps” do S-PLUS
• read.spss() para dados do SPSS
• read.systat() para dados do SYSTAT
• read.dta() para dados do STATA
• read.octave() para dados do OCTAVE (um clone do MATLAB)
• Para dados do SAS há ao menos duas alternativas:
  • O pacote foreign disponibiliza read.xport() para ler do formato TRANSPORT do SAS e read.ssd() pode escrever dados permanentes do SAS (.ssd ou .sas7bdat) no formato TRANSPORT, se o SAS estiver disponível no seu sistema e depois usa internamente read.xport() para ler os dados no R.
  • O pacote Hmisc disponibiliza sas.get() que também requer o SAS no sistema.

Para mais detalhes consulte a documentação de cada função e/ou o manual R Data Import/Export.

Exercícios

1. Considere a tabela abaixo com o resultado de uma pesquisa que avaliou o número de fumates e não fumantes por sexo.

   	Sexo
   Condição	Masculino	Feminino
   Fumante	49	54
   	64	61
   	37	79
   	52	64
   	68	29
   Não fumante	27	40
   	58	39
   	52	44
   	41	34
   	30	44

2. Digite estes dados em uma planilha eletrônica em um formato apropriado para um data frame do R, e salve em um arquivo csv.
3. Importe esse arquivo para o R com read.table().
4. Crie uma nova coluna no objeto que contém estes dados, sendo a coluna com o número de pessoas multiplicada por 2.
5. Exporte esse novo objeto usando a função write.table().
6. Tente criar esse mesmo conjunto de dados usando comandos do R (ex.: c(), rep(), data.frame(), etc.)

Formato textual

O formato textual é muito útil para compartilhar conjuntos de dados que não são muito grandes, e onde a formatação (leia-se: classes de objetos) precisa ser mantida.

Para criar um conjunto de dados no formato textual, usamos a função dput(). Vamos criar um data frame de exemplo e ver o resultado da chamada dessa função:

da <- data.frame(A = c(1, 2), B = c("a", "b"))
dput(da)

## structure(list(A = c(1, 2), B = structure(1:2, .Label = c("a", 
## "b"), class = "factor")), .Names = c("A", "B"), row.names = c(NA, 
## -2L), class = "data.frame")

Note que o resultado de dput() é no formato do R, e preserva metadados como as classes do objeto e de cada coluna, e os nomes das linhas e colunas.

Outas classes de objetos são facilmente preservadas quando armazenadas com o resultado de dput(). Por exemplo, uma matriz:

ma <- matrix(1:9, ncol = 3)
dput(ma)

## structure(1:9, .Dim = c(3L, 3L))

E uma lista:

la <- list(da, ma)
dput(la)

## list(structure(list(A = c(1, 2), B = structure(1:2, .Label = c("a", 
## "b"), class = "factor")), .Names = c("A", "B"), row.names = c(NA, 
## -2L), class = "data.frame"), structure(1:9, .Dim = c(3L, 3L)))

A saída da função dput() pode ser copiada para um script do R, para garantir que qualquer pessoa que venha usar o código (incluindo você no futuro), usará os dados no formato correto (esperado). Isso é muito importante para a pesquisa reproduzível!

A saída de dput() também pode ser salva diretamente em um arquivo de script do R, por exemplo,

dput(da, file = "da.R")

irá criar o arquivo da.R com o resultado da função. Para importar os dados salvos dessa forma, usamos a função dget(),

da2 <- dget(file = "da.R")
da2

##   A B
## 1 1 a
## 2 2 b

Múltiplos objetos podem ser armazenados em formato textual usando a função dump().

dump(c("da", "ma", "la"), file = "dados.R")

Note que os objetos são passados como um vetor de caracteres, e um arquivo chamado dados.R é criado com todos os objetos no formato textual. Para importar estes objetos para uma sessão do R, usamos a função source(),

source("dados.R")

que já cria os objetos na sua área de trabalho com os mesmos nomes e atributos como foram armazenados.

Formato binário

Armazenar dados em formato binário é vantajoso quando não há uma forma “fácil” de armazenar os dados em formato de texto puro ou textual. Além disso, algumas vezes o formato binário possui maior eficiência em termos de velocodade de leitura/escrita, dependendo dos dados. Outra vantagem é que valores numéricos geralmente perdem precisão quando armazenados em texto ou textual, enquanto que o formato binário preserva toda a precisão (embora essa perda de precisão seja desprezível na maioria dos casos).

Para salvar um objeto contendo dados no R, usamos a função save(). Por exemplo, para armazenar o objeto da criado acima, fazemos

save(da, file = "dados.rda")

Esse comando irá criar o arquivo (binário) da.rda. Note que a extensão .rda é comumente utilizada para dados binários do R, mas não é única.

Paa salvar mais de um objeto no mesmo arquivo, basta passar os nomes na mesma função

save(da, ma, file = "dados.rda")

A função save.image() pode ser utilizada se a intenção é salvar todod os objetos criados na sua área de trabalho (isso inclui qualquer objeto, não só os conjuntos de dados). Nesse caso, podemos fazer

save.image(file = "workspace.RData")

Note que quando foi utilizada a função save(), a extensão do arquivo foi rda, e com save.image() foi RData. Isso é uma convenção comum de arquivos binários do R, mas não é obrigatório. Qualquer uma das extensões funciona em ambas as funções.

Para carregar os conjuntos de dados (ou de forma mais geral, os objetos) armazenados em formato binário, usamos a função load()

load("dados.rda")
load("workspace.RData")

Dessa forma, os objetos já estarão disponpiveis na sua área de trabalho.