Antes de falar das funções principais, aquelas funções que a gente sempre vai usar, vou passar a tradução de "Por que usar R?" do site
Quick-R - Stat Methods:
Se você atualmente usa outro pacote estatístico, pro que usar R?
- É gratuito! Se você é professor ou estudante, os benefícios são óbvios.
- Roda em uma variedade de plataformas incluindo Windows, Unix e MacOS.
- Provê uma plataforma sem paralelo para programação de novos métodos estatísticos de uma maneira fácil e direta... honesta.
- Contém rotinas estatísticas avançadas ainda não disponível em outros pacotes.
- Tem capacidades gráficas no estado-da-arte.
Bom... vamos ao objetivo principal do post: as funções interessantes,
funções principais de trabalho e para se usar no ambiente R. A maioria delas tem mais parâmetros possíveis e só estão aqui as que trabalham com o ambiente e com os objetos (vetores, listas, matrizes etc), do post anterior. Há muitas outras funções com finalidade matemática, geração de gráficos entre outras, mas vamos ver um pouco de cada vez...
Geral:
help(nome_da_funcao) # abre no navegador a definição/ajuda da função; no RStudio a página é aberta em uma janela lateral.
?função # idem ao help.
getwd() # mostra o diretório (caminho) configurado para o workspace atual.
setwd("caminho/para/diretorio") # configura o diretório para o workspace; qualquer referência de arquivos, por exemplo, serão feitas a partir do "work directory".
library(biblioteca) # carrega a biblioteca para uso de suas funções.
source("script.R") # carrega o script/fonte para uso das funções.
dir() # exibe os arquivos e pastas do diretório do workspace; similar ao "dir" do prompt do DOS/Windows ou o 'ls" dos Unix like.
ls() # lista os objetos existentes no ambiente; no Linux usa-se "ls" para listar o conteúdo do diretório e no R para listar o conteúdo corrente carregado no ambiente.
objects() # igual ao ls().
rm(objeto) # remove um objeto do ambiente; deleta.
julian(data_dia_juliano,origin=data_base) # retorna o dia juliano (o dia a partir da data passada ou 1/1/1970 se omitido).
Sys.getenv(variável_x) # obtém o valor da variável de ambiente "variável_x".
Sys.putenv(variável_x) # atribui o valor da variável de ambiente "variável_x".
Sys.time() # retorna a data e hora do sistema, respeitando o fuso do sistema ("t" minúsculo)
Sys.Date() # retorna a data do sistema ("D" maiúsculo; respeitando o fuso do sistema, sem exibir a hora, claro).
system("cmd") # executa o comando "cmd" do sistema operacional (Windows).
Para objetos:
length(objeto) # retorna o número de elementos ou componentes de um objeto; seu tamanho.
cat(objeto) # imprime os elementos/argumentos do objeto.
str(objeto) # imprime a estrutura de um objeto (structure).
class(objeto) # imprime a classe ou tipo de um objeto.
identical(objeto1, objeto2) # testa se 2 objetos são idênticos (TRUE/FALSE).
vector(tamanho) # retorna um vetor com determinado tamanho.
matrix(linhas,colunas) # retorna uma matriz com as dimensões passadas.
mat.or.vec(linhas,colunas) # retorna uma matriz se o segundo parâmetro for maior que 1 ou um vetor para o segundo parâmetro igual a 1.
subset(objeto, condição, select=colunas) # retorna um subconjunto do objeto com elementos/linhas que obedeçam à condição e, se informado e o objeto se tratar de um dataframe, um vetor com as colunas para esse subset.
Para strings:
toupper(objeto) # retorna o conteúdo do "objeto" passado para letras maiúsculas.
tolower(objeto) # retorna o conteúdo do "objeto" passado para letras minúsculas.
grep(padrão, objeto) # busca o padrão no objeto.
regexpr(padrão, objeto) # busca o padrão no objeto.
sub(padrão, novo_valor, objeto) # substitui o padrão encontrado pelo novo_valor no objeto.
formatC(objeto, ...) # formata números usando a especificação no estilo C.
Para vetores:
c(objeto1,objeto2,...) # combina objetos em um vetor.
sequence(valor) # retorna um vetor com a sequencia de 1 até o "valor" passado; se "valor" for um vetor de valores, cria sequencias de 1 até cada valor de forma concatenada.
seq(inicio,limite,quantidade) # cria uma sequência de valores respeitando a quantidade de itens e o limite.
rep(objeto, quantidade) # repete o objeto tantas vezes a quantidade indicar; pode ser um número ou um vetor que será repetido de forma sequencial.
rev(objeto) # retorna de "objeto" em ordem um a um de trás para frente.
range(objeto) # retorna o valor mínimo e o valor máximo do "objeto".
paste(objeto) # concatena de forma sequencial o objeto (vetor) convertendo esse resultado em caracteres; gera uma string unindo os elementos.
append(objeto1, objeto2, after=posição) # adiciona elementos "objeto2" (pode ser de um vetor) a um vetor "objeto1", podendo indicar a posição de inserção dos elementos que por padrão é no final.
sort(objeto) # retorna os elementos de "objeto" de forma ordenada.
order(objeto) # retorna os elementos de "objeto" de forma ordenada.
unique(objeto) # retorna o vetor "objeto" sem elementos repetidos, que são removidos.
rnorm(quantidade) # retorna um vetor com valores aleatórios
Para dataframe:
names(objeto) # nomes das colunas do objeto/dataframe.
cbind(objeto1, objeto2, ...) # combina objetos como colunas; anexa o objeto2 ao objeto1.
rbind(objeto1, objeto2, ...) # combina objetos como linhas; anexa o objeto2 ao objeto1.
Funções matemáticas simples:
sign(objeto) # retorna um objeto do mesmo tamanho de "objeto", porém com conteúdo representando o sinal do valor em "objeto", podendo ser "-1" se o valor daquela posição em "objeto" for negativa, 0 se for 0 e 1 se for positiva.
abs(objeto) # retorna o valor absoluto dos elementos do objeto.
floor(objeto) # retorna o arredondamento do valor ou dos elementos do objeto para baixo.
ceiling(objeto) # retorna o arredondamento do valor ou dos elementos do objeto para cima.
round(objeto, digitos) # retorna o arredondamento do valor ou dos elementos contendo a quantidade de dígitos informada.
signif(objeto, digitos) # retorna o arredondamento do valor ou dos elementos contendo a considerando a quantidade de dígitos informada e retornando um a menso.
trunc(objeto) #trunca o valor do objeto ou dos elementos.
Foi difícil, mas acho que a organização ficou coerente, não?
Lembre-se que o R foi feito para trabalhar com conjunto de dados e sua análise.
