-
Notifications
You must be signed in to change notification settings - Fork 1
/
index.Rmd
1262 lines (882 loc) · 27.7 KB
/
index.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
---
title: "como começar a usar R"
author: "Sara Mortara & Andrea Sánchez-Tapia <br> ¡liibre!"
date: "Instituto HUB - 14.nov.2020"
output:
xaringan::moon_reader:
lib_dir: libs
css: xaringan-themer.css
nature:
highlightStyle: github
highlightLines: true
countIncrementalSlides: false
ratio: '16:9'
---
```{r setup, include = FALSE, purl = FALSE}
options(htmltools.dir.version = FALSE, cache = TRUE)
```
```{css, echo = FALSE, purl = FALSE}
.tiny .remark-code { /*Change made here*/
font-size: 60% !important;
}
```
```{r xaringanthemer, include = FALSE, purl = FALSE}
library(knitr)
library(xaringanthemer)
library(xaringanExtra)
xaringanthemer::style_mono_accent(
base_color = "#A70000",
# primary_color = "#A70000",
#secondary_color = "#ff0000",
white_color = "white",
colors = c(
red = "#A70000",
purple = "#88398a",
orange = "#ff8811",
green = "#136f63",
blue = "#4B4FFF",
white = "#FFFFFF",
black = "#181818"
),
header_font_google = google_font("Roboto Condensed"),
text_font_google = google_font("Roboto Condensed", "300", "300i"),
code_font_google = google_font("Ubuntu Mono"),
text_font_size = "30px",
code_font_size = "30px",
)
```
```{r xaringanExtra-clipboard, echo=FALSE, purl = FALSE}
htmltools::tagList(
xaringanExtra::use_clipboard(
button_text = "<i class=\"fa fa-clipboard\"></i>",
success_text = "<i class=\"fa fa-check\" style=\"color: #90BE6D\"></i>",
error_text = "<i class=\"fa fa-times-circle\" style=\"color: #F94144\"></i>"
),
rmarkdown::html_dependency_font_awesome()
)
```
## apresentação
```{r logo-liibre, echo = FALSE, purl = FALSE}
xaringanExtra::use_logo(image_url = "https://raw.githubusercontent.com/liibre/logo/master/figures/logo_liibre.png", width = 150)
#knitr::include_graphics("https://raw.githubusercontent.com/liibre/logo/master/figures/logo_liibre.png?token=AA75IFQA34SCCZB72UL5IXK7UWDYA")
```
- __Andrea Sánchez-Tapia__ Bióloga (UNAL - Colômbia), MSc. Ecologia (UFRJ), Dra. em Botânica (ENBT-JBRJ). Usuária de R desde 2009. Ecologia quantitativa, Informática da biodiversidade, Ecologia de comunidades, Ciência de dados feminista
--
- __Sara Ribeiro Mortara__
Bióloga (ESALQ/USP), MSc. Ecologia e Conservação da Biodiversidade (UESC) e Dra. em Ecologia (USP). Usuária de R desde 2009. Modelagem estatística, Ecologia & Ciência de dados feminista
--
- __¡liibre!__ se propõe a criar um ambiente de ensino e aprendizagem de habilidades computacionais a partir de uma perspectiva de ciência de dados feminista, responsável, aberta e para todes
---
## projetos
- pacotes [coronabr](https://liibre.github.io/coronabr/about.html) , [modleR](https://model-r.github.io/modleR/]modleR), [Rocc](https://github.com/liibre/rocc), [dados](https://github.com/cienciadedatos/dados)
- curso de _Projetos de análise de dados usando R_ no Jardim Botânico do Rio de Janeiro
- [**Observatório COVID-19 BR**](https://covid19br.github.io/)
- Capítulo de RLadies+ Rio de Janeiro [**.purple[@RLadiesRio]**](https://twitter.com/RLadiesRio)
```{r logo-rladiesplus, out.width=150, fig.align ='right', echo = FALSE, purl = FALSE}
knitr::include_graphics("https://raw.githubusercontent.com/rladies/starter-kit/master/stickers/rainbow-inclusive.png")
```
---
## sobre hoje
1. conhecendo a linguagem R e fluxo de trabalho
2. introdução ao R
3. manipulação de dados
4. criando figuras básicas
---
## códigos de apoio
todos os códigos diponíveis em:
`r icon::fa("github")` https://github.com/liibre/instituto_hub_demo
`r icon::fa("r-project")` https://rstudio.cloud/project/1878325
[um bestiário de funções úteis](https://hackmd.io/@andreasancheztapia/bestiario_HUB)
---
## antes de começar
+ procure a janela de chat do zoom, e não hesite em fazer perguntas
--
+ tem um botão verde para contar se tudo está certo. Periodicamente vamos perguntar se todo mundo está acompanhando, por favor use este botão ou responda no chat
--
+ pode abrir sua câmera :) procure manter seu microfone silenciado.
---
class: inverse, middle, center
# 1. conhecendo a linguagem R e fluxo de trabalho
---
## por que R?
- linguagem de __código aberto__, __livre__ & __sem custo__: um dos pilares da ciência aberta
--
- __baseada em scripts__: essencial para reprodutibilidade, facilidade para ampliar a escala, transparência, correção/robusteza
--
- acessível (em comparação a outras linguagens de programação)
--
- muito comum na Biologia, Ciência de Dados e outras áreas. A escolha para quem precisa fazer analises estatísticas
--
+ __interdisciplinar e modular__: muitos pacotes são escritos por especialistas
--
+ uma filosofia de passar facilmente do uso à programação
---
## por que R?
+ ferramentas para __comunicar os resultados__: manuscritos, presentações, _apps_
--
+ comunicação com otras linguagens de programação (ex. python e __reticulate__)
--
+ ótima capacidade gráfica
--
+ __suporte oficial__: documentação, vignettes, listas de email
--
+ __suporte não oficial__: uma comunidade ativa: listas de email, grupos de usuáries (useR), capítulos de .purple[R-Ladies+], comunidade de [RStudio](community.rstudio.com/),
Stack Overflow, `r icon::fa("twitter")` `#rstats`
```{r rladies+, out.width=150, echo = FALSE, purl = FALSE}
knitr::include_graphics("https://raw.githubusercontent.com/rladies/starter-kit/master/stickers/rainbow-inclusive.png")
```
---
## `R` tem uma estrutura modular: __pacotes__
--
+ a instalação de base de `R` inclui pacotes mantidos pelo __`R` Core Development Team__
--
+ repositório oficial de pacotes: __CRAN__ (The Comprehensive `R` Archive Network [https://cran.r-project.org/](https://cran.r-project.org/)) or Bioconductor, GitHub, rOpenSci.org
--
+ pacotes fora da instalação de base precisam ser __instalados__ e __carregados__
--
+ os pacotes são coleções de __funções__
--
+ as funções têm __opções__: "parâmetros", "argumentos"
--
+ vamos manter a convenção `nome_da_funcao()` e `pacote::nome_da_funcao()` quando for preciso especificar o pacote ao qual a função pertence.
---
background-image:url("figs/rstudio.png")
background-size: 60%
background-position: 50% 90%
## rodando R em RStudio
+ descompacte o arquivo .zip, entre na pasta e clique em __instituto_hub_demo.Rproj__
`r icon::fa("laptop-code", size = 3)`
---
## RStudio
+ tela separada em três paineis. criar um __script__ abre o quarto painel.
+ podemos executar código no console mas vamos usar o __script__ para guardar os passos.
+ escrever no script e clicar `control + enter` para mandar o conteúdo para o console.
+ outras abas: help, environment, plots, files...
<!-- aqui NO! crear objetos, mostrar environment, mostrar ls() y mostrar el help y parar en files -->
---
class: inverse, middle, center
## configuração e organização de projetos
---
## pasta de trabalho
+ R tem que saber __em que pasta você está trabalhando__, para poder buscar os arquivos que você quer ler, e saber onde guardar os resultados de suas análises: __working directory__: pasta de trabalho
--
+ para saber onde você está: `getwd()`
--
+ você pode mudar esta localização usando `setwd()` mas não é recomendado (erros!) [Jenny Bryan](https://www.tidyverse.org/blog/2017/12/workflow-vs-script/)
--
+ melhor: em vez de abrir RStudio e trocar a pasta, abrir um script de R (extensão `.R`) ou um projeto de __RStudio project__ (extensão `.Rproj`) __já na pasta onde você vai trabalhar__. (Igual ao que você faria abrindo um arquivo `r icon::fa("file-word")`)
---
## organização de projetos e Boas Práticas
+ cada projeto de análise de dados deveria estar em __uma única pasta__
--
+ __subpastas__ para organizar o conteúdo.
--
+ em vez de usar __caminhos absolutos__ é melhor usar __caminhos relativos__
+ evite `C://usuario/seu_nome/suas_pastas/seu_projeto` -> caminho absoluto
+ `.` "aqui" (o resultado de `getwd()`)
+ `./subpastas` (ex. `/figs`)
+ o nível acima `..`
--
+ os __dados originais__ não devem ser modificados. qualquer modificação deve ser salva à parte, junto com os scripts que fizeram a modificação.
---
## o projeto atual
```
./instituto_hub_demo/
├── README.md
├── codigo
├── dados
│ ├── brutos
│ └── processados
├── figs
└── instituto_hub_demo.Rproj
```
<center>
`r icon::fa("laptop-code", size = 3)`
</center>
---
## os projetos de RStudio
+ arquivos __opcionais__, com extensão __.Rproj__ para abrir a sessão de R no local correto
--
+ um projeto de RStudio pode ser criado clicando no canto superior direito (`Project: none > New project`)
---
class: inverse, middle, center
## introdução a R
`r icon::fa("laptop-code", size = 3)`
---
## criação de objetos
+ executar no script ou no console -> não cria nada
--
+ `<-` - para atribuição a objetos
--
+ cria dentro do espaço de trabalho "__workspace__", aba __Environment__ de RStudio
--
+ pode explorar o conteúdo com `ls()` (listar)
--
+ quando você cria objetos eles ocupam memória RAM do computador
--
+ o __workspace__ pode ser salvo e carregado entre sessões mas não é recomendável fazer isto `#boaspráticas`
--
+ você pode perder controle de como foram criados os objetos
+ pode guardar objetos com erros e isto pode interferir no seu trabalho
---
## criação de objetos
+ confiar no __script__ para recriar todos os objetos (__reprodutibilidade!__)
--
+ guardar os objetos importantes como __tabelas__, __figuras__, ou objetos individuais de R (`.rda` ou `.rdata`)
--
+ um script deve ler ou criar objetos no início e salvar resultados no final
--
+ é bom criar diferentes __scripts sucessivos__ para manter a ordem
---
background-image:url("figs/0a_setup.png")
background-size: 60%
background-position: 60% 100%
.pull-left[
#### nas opções gerais
]
---
class: inverse, middle, center
# 2. introdução ao R
---
## tipos de dados em R
+ R entende dados __numéricos__ (_numeric_, e _integer_ para números inteiros), de __texto__ (_character_), valores lógicos (`TRUE/FALSE`), entre outros.
<small>
```{r vetores}
populacao <- c(1500, 2000)
estados <- c("Acre", "Alagoas", "Amapá", "Amazonas", "Tocantins")
class(populacao)
class(estados)
```
</small>
---
## tipos de dados em R
<small>
```{r vetores2}
verdadeiro_falso <- c(FALSE, TRUE)
verdadeiro_falso
class(verdadeiro_falso)
posicao <- c(1L, 2L)
posicao
class(posicao)
```
</small>
---
## vetores
+ `c()` para criar - "concatenar"
```{r str_length}
str(estados) #estrutura
length(estados)
```
---
## selecionando elementos de vetores (_subsetting_)
+ entre __colchetes__ `[]`
+ com vetores de __posição__ ou vetores __lógicos__ (`TRUE/FALSE`)
<small>
```{r subsetting, results = "hide"}
estados <- c("Acre", "Alagoas", "Amapá", "Amazonas", "Tocantins")
estados[1]
estados[c(TRUE, FALSE, TRUE, FALSE)]
estados[1:2]
estados[1:4]
#estados[ 1,3,5] #NAO! a vírgula marca dimensões
estados[c(1,3,5)] #tem que ser um vetor
```
</small>
---
## subsetting com cláusulas lógicas
```{r logical_clauses, results="hide"}
casos <- c(150, 200, 400, 500, 500, 600)
casos > 150
casos[casos > 150]
casos >= 150 # superior ou igual
casos < 300
casos == 200
casos != 200
```
---
## operadores lógicos
.pull-left[
+ igualdade: `==`
+ diferença: `!=` (`!` em geral é negação)
+ desigualdades: `<`. `>`, `<=`, `>=`
+ união (OR/OU): `|`
+ interseção (AND): `&`
+ pertenecimento: `%in%`
+ _não_ pertenecimento: `!a %in% b`
]
.pull-right[
+ `casos == 200`
+ `casos != 200`
+ `casos < 300`, `casos >= 150`
+ `casos < 200 | casos > 500`
+ `casos > 200 & casos < 500`
+ `casos %in% c(100, 200, 300)`
+ `!casos %in% c(400)`
]
O operador lógico cria um __vetor lógico__, a seleção vai entre colchetes:
```{r}
casos[casos > 150]
```
---
## criando vetores numéricos
```{r outras, results="hide"}
1:10
seq(1, 10, 2)
rep(1:4, 2)
rep(1:4, each = 2)
unique(casos)
```
---
## estruturas de dados em `R`
+ __vetor__: lineal, uma dimensão só: `length()`
--
+ __fatores__: vetores que representam __variáveis categóricas__ e portanto têm níveis (__levels()__) `factor(estados)`
--
+ __matrizes__: arranjos de duas dimensões de __dados do mesmo tipo__ (`dim()`, `nrow()`, `ncol()`).
--
+ __listas__: literalmente listas de qualquer outro objeto (inclusive listas)
--
+ __data frames__: arranjos bi-dimensionais de dados de diferentes tipos (i.e., uma coluna numérica, outra com nomes, outra com um fator etc.)
---
## instalando pacotes
```{r pacotes, eval = F}
# Para instalar pacotes desde CRAN
install.packages("remotes")
# Para instalar coronabr desde GitHub
remotes::install_github("liibre/coronabr")
# Para carregar pacotes
library(coronabr)
# Para buscar ajuda
?coronabr
```
---
## funções, argumentos e entendendo a ajuda
.pull-left[
```
help(funcao)
?funcao
??palavra_chave
args(funcao)
```
]
.pull-right[
```r
help("get_corona_br")
?get_corona_br
??corona
args(get_corona_br)
```
]
+ ou selecionar o nome da função e clicar __F1__
+ No __help__ estão os argumentos na ordem correta, e os valores padrão (por _default_) estão indicados. Se a gente não especificasse a função usaria esses valores.
---
## download dos dados para Amapá
```{r coronabr, echo = TRUE}
library(coronabr)
```
```{r get_corona_br, eval = FALSE}
caminho <- "dados/brutos"
if (!dir.exists(caminho)) {
dir.create(caminho)
}
get_corona_br(dir = caminho, filename = "01-amapa", uf = "AP")
```
```{r read_to_tranform_to_df}
amapa <- read.csv("dados/brutos/01-amapa.csv", stringsAsFactors = FALSE)
class(amapa)
```
---
## inspecionar objetos `data.frame`
```{r try, echo = TRUE, eval = FALSE}
names(amapa)
dim(amapa)
nrow(amapa)
ncol(amapa)
head(amapa) # 6 linhas por padrão
tail(amapa)
rownames(amapa)
length(amapa) # numero de colunas
summary(amapa) # quantis e a média
```
---
## selecionar colunas e filtrar linhas
+ entre colchetes também mas __as dimensões separadas por uma vírgula__
`amapa[linhas, colunas]`
```{r}
amapa[, 1:3] #três primeiras colunas
amapa[4, 13] #quarto elemento da coluna 13
```
---
class: inverse, middle, center
# 3. manipulação de dados
---
## estrutura de tabelas
- cada __variável__ uma coluna
- cada __observação__ uma linha
- estado da variável --> __valor __
- em geral em `data.frame` ou `tibble`
---
## tidy data
.pull-left[
- dados são inerentemente confusos
- dados precisam ser organizados e domados
- organizados e domados para quem?
- ideia de que os dados devem ser limpos e controlados tem raízes históricas
]
.pull-right[
```{r echo = FALSE}
include_graphics("https://www.measureevaluation.org/resources/newsroom/news-images/tidy-data/image")
```
]
---
## responsabilidade com os dados
.pull-left[
- parcialidade
- transparência
- co-liberação
- pluralismo
]
.pull-right[
```{r, echo = FALSE, out.width=300}
include_graphics("figs/data_feminism.png")
```
]
---
## dados de COVID-19: responsabilidade & contexto
- dados deveriam ser abertos e acessíveis
[Transparência COVID-19 OPEN KNOWLEDGE BRASIL](https://transparenciacovid19.ok.org.br)
- nem toda análise que **pode** ser feita **deve** ser feita
- cada dado diz respeito a uma pessoa
- para COVID-19 e SRAG: **subnotificação** & **atraso**
- inconsistência com dados reportados em diferentes escalas: município, estado, país
---
## lendo os dados
.tiny[
```{r}
amapa <- read.csv("dados/brutos/01-amapa.csv")
head(amapa[c(3, 4, 9:18)])
```
]
---
## municipios do Amapá
```{r}
unique(amapa$city)
```
---
## dados de municípios & do estado
```{r}
table(amapa$place_type)
unique(amapa$place_type[is.na(amapa$city)])
```
---
## a classe data
```{r}
class(amapa$date)
class(amapa$last_available_date)
```
---
## convertendo para a classe data
```{r}
# Conversão para data
data1 <- as.Date(amapa$date[1])
data1
# Mudando o formato com a função format()
format(data1, "%d/%m/%y")
format(data1, "%d/%m/%Y")
# Mudando a data das colunas de data
amapa$date <- as.Date(amapa$date)
amapa$last_available_date <- as.Date(amapa$last_available_date)
class(amapa$date)
range(amapa$date)
```
---
## usando a função `aggregate()`
.tiny[
```{r}
acu <- aggregate(last_available_confirmed ~ city, FUN = max, data = amapa)
acu
```
]
---
## um gráfico de barras
.tiny[
```{r fig.align='center'}
barplot(acu[, 2], names.arg = acu[, 1])
```
]
---
## ordenando o objeto
.tiny[
```{r}
acu_or <- acu[order(acu$last_available_confirmed), ]
acu_or
```
]
---
## novamente, o gráfico de barras
.tiny[
```{r fig.align='center', out.width=400}
barplot(acu_or[, 2], names.arg = acu_or[, 1], las = 2)
```
]
---
## municípios sem luz & função `merge()`
```{r fig.align='center', out.width=400}
# Lendo os dados
muni_apagao <- read.csv("dados/brutos/municipios_apagao_11-2020.csv",
stringsAsFactors = FALSE)
# Quantos municipios
table(muni_apagao$apagao)
# Juntando duas tabelas a partir de uma coluna comum
acu_or_apagao <- merge(acu_or, muni_apagao,
by = "city", sort = FALSE)
```
---
## municípios sem luz & função `merge()`
```{r fig.align='center', out.width=400}
head(acu_or)
```
---
## municípios sem luz & função `merge()`
```{r fig.align='center', out.width=400}
head(acu_or_apagao)
```
---
## municípios sem luz no gráfico de barras
.tiny[
```{r fig.align='center', out.width=400}
barplot(acu_or_apagao[, 2], names.arg = acu_or_apagao[, 1],
col = ifelse(acu_or_apagao$apagao == "sim", "grey", "orange"), las = 2)
```
]
---
## selecionando partes do dado
```{r}
estado <- amapa[amapa$place_type == "state", c(-15)]
dim(estado)
```
---
## mesma tarefa, de outra forma
```{r}
# outra forma: onde a coluna city é NA
estado2 <- amapa[is.na(amapa$city), c(-15)]
## as duas formas tem o mesmo resultado:
all.equal(estado2, estado)
```
---
## apenas o município de Macapá
```{r}
# dados apenas de Macapa por meio do geocode do IBGE
macapa <- amapa[amapa$city_ibge_code == "1600303", c(-15)]
dim(macapa)
```
---
## para exportar os dados
```{r}
if (!dir.exists("dados/processados/")) {
dir.create("dados/processados/")
}
# Escrevendo os dados
write.csv(estado,
"dados/processados/02-estado_AP.csv",
row.names = FALSE)
write.csv(macapa,
"dados/processados/02-municipio_Macapa.csv",
row.names = FALSE)
```
---
## casos novos no Macapá
```{r, eval = FALSE}
plot(last_available_confirmed ~ date, data = macapa)
lines(last_available_confirmed ~ date, data = macapa)
```
---
## casos novos no Macapá
```{r, echo = FALSE, fig.align='center'}
plot(last_available_confirmed ~ date, data = macapa)
lines(last_available_confirmed ~ date, data = macapa)
```
---
## apagão
```{r, fig.align='center', out.width=400, echo = FALSE}
include_graphics("./figs/AP_design_ativista.png")
```
`r icon::fa("instagram")` @designativista
---
## novos casos no estado do Amapá
```{r eval = FALSE}
# para o estado todo
plot(last_available_confirmed ~ date, data = estado,
xlab = "Data de notificação", ylab = "Casos acumulados")
lines(last_available_confirmed ~ date, data = estado)
```
---
## novos casos no estado do Amapá
```{r echo = FALSE, fig.align='center'}
# para o estado todo
plot(last_available_confirmed ~ date, data = estado,
xlab = "Data de notificação", ylab = "Casos acumulados")
lines(last_available_confirmed ~ date, data = estado)
```
---
## estado & município
```{r eval = FALSE}
# para o estado todo
plot(last_available_confirmed ~ date, data = estado,
xlab = "Data de notificação", ylab = "Casos acumulados")
lines(last_available_confirmed ~ date, data = estado)
# linhas e pontos do municipio Macapa
lines(last_available_confirmed ~ date, data = macapa, col = "red")
points(last_available_confirmed ~ date, data = macapa, col = "red")
# legenda
legend("topleft", c("estado AP", "município Macapá"),
pch = 1, col = c("black", "red"))
```
---
## estado & município
```{r echo = FALSE, fig.align='center'}
# para o estado todo
plot(last_available_confirmed ~ date, data = estado,
xlab = "Data de notificação", ylab = "Casos acumulados")
lines(last_available_confirmed ~ date, data = estado)
lines(last_available_confirmed ~ date, data = macapa, col = "red")
points(last_available_confirmed ~ date, data = macapa, col = "red")
legend("topleft", c("estado AP", "município Macapá"),
pch = 1, col = c("black", "red"))
```
---
## gráfico de dispersão
```{r eval = FALSE}
plot(x = amapa$estimated_population,
y = amapa$last_available_confirmed)
```
---
## gráfico de dispersão
```{r echo = FALSE, fig.align='center'}
plot(x = amapa$estimated_population,
y = amapa$last_available_confirmed)
```
---
## boxplot
```{r eval = FALSE}
boxplot(last_available_death_rate ~ city,
data = amapa)
```
---
## boxplot
```{r echo = FALSE, fig.align='center'}
boxplot(last_available_death_rate ~ city,
data = amapa)
```
---
## entendendo o boxplot
```{r, echo=FALSE, fig.show='asis', fig.align='center', fig.width=8, fig.height=7}
set.seed(2)
par(bty = "n")
bp <- rnorm(1000, 0, 0.1)
boxplot(bp, yaxt = "n", xlim = c(0, 3), ylim = c(-0.3, 0.3))
text(x = 1.82, y = min(bp), "último ponto (-1,5 x IIQ)", cex = .9)
text(x = 1.72, y = quantile(bp)[2], "primeiro quartil", cex = .9)
text(x = 1.72, y = median(bp), "mediana", cex = .9)
text(x = 1.72, y = quantile(bp)[4], "terceiro quartil", cex = .9)
text(x = 1.82, y = bp[203], "último ponto (+1,5 x IIQ)", cex = .9)
arrows(x0 = 0.68, x1 = 0.68, y0 = quantile(bp)[2],
y1 = quantile(bp)[4], code = 3, length = 0.05)
text(x = 0.54, y = median(bp), "IIQ", cex = .9)
```
---
class: inverse, middle, center
# 4. criando figuras básicas