O
R é uma linguagem de programação relativamente nova, mas já bastante utilizada. Na verdade, o
R é uma implementação livre da linguagem
S, da qual existe uma versão comercial, chamada
S-PLUS. Como o
R tem muitas funções/
bibliotecas/
pacotes para análise de dados, é bastante difundida na comunidade científica (por exemplo estatística e
bioinformática).
A cada dia, mais
desenvolvedores/
colaboradores adicionam seus pacotes ao R, o que torna a linguagem cada vez mais poderosa e fácil de ser usada em problemas bem específicos, como (esses são só alguns exemplos):
Análise financeira: pacote
RBloomberg
Análise de redes sociais: pacote
sna (de Social Network Analysis)
Avaliação da acurácia de diagnósticos: pacote
DiagnosisMed
Epidemiologia: pacote
pitools
Análise de microarray (falarei sobre isso em um post não muito distante): pacotes
anapuce,
IsoGene,
knorm,
metaMA,
samr, ...
Ferramentas para Bioinformática em geral: projeto
Bioconductor
E esses são só alguns exemplos!
Esses dias encontrei até um pacote específico para análise de dados da famosa rede social/microblog
twitter: o pacote
twitteR!
O R tem uma
comunidade grande, e existem vários
encontros/
seminários/
conferências sobre a linguagem.
Mas então se a linguagem é tão boa, vamos logo começar a programar! ;-)
Aqui você encontra mais informações sobre a instalação do R, que é bem fácil:
http://cran.r-project.org/mirrors.html
Nos links abaixo você pode encontrar alguns bons tutoriais:
An Introduction to R (em inglês):
http://cran.r-project.org/doc/manuals/R-intro.html
Tutorial de R com conceitos básicos de estatística:
http://www.cyclismo.org/tutorial/R/
Guia de referência básico, com principais comandos:
http://cran.r-project.org/doc/contrib/Short-refcard.pdf
Fiz uma lista dos comandos básicos com um pequena explicação. Enjoy!
# Comandos básicos do R
# Por Leandro Lima, para o blog "Estudar Computação"
# Atribuição a variáveis (não é necessário declará-las)
x <- 5
y = 7
# Listar objetos (variáveis) criadas
ls()
# Obtendo diretório de trabalho
getwd() # Get Working Directory
# Indicando/atribuindo diretório de trabalho
setwd('/home/users/seu_nome') # Set Working Directory
# Criando vetores a partir de valores (função 'c', combinar)
z <- c(x, y)
# Criando vetores a partir de vetores
A <- c(1, 2, 3)
B <- c(6, 7, 8)
C <- c(A, B)
D <- c(A, 7, 10)
# Acessando elementos do vetor
A[2]
D[-4]
D[2:4]
# Modificando elementos do vetor
A[2] <- 5
# Criando vetores a partir de sequências
S1 <- seq(10) # ou S1 <- 1:10
# Sequência de valores, com valor máximo
# 10 (e valor mínimo 1, por padrão)
S2 <- seq(5,20) # ou S2 <- 5:20
# Sequência de valores (com valor mínimo
# 5 e valor máximo 20)
S3 <- seq(3,6,0.2) # Sequência de valores (com valor mínimo
# 3, valor máximo 6 e incremento 0.2.
# Nesse caso, o 6 não necessariamente
# listado, pois ele é o valore máximo).
# Ex: S4 <- seq(3,6,0.9)
# Criando matrizes a partir de vetores...
# ...Combinando linhas ('rows')
M <- rbind(A, B)
# resultado
> M
[,1] [,2] [,3]
A 1 2 3
B 6 7 8
# ...Combinando colunas ('columns')
N <- cbind(A, B)
# resultado
> N
A B
[1,] 1 6
[2,] 2 7
[3,] 3 8
# Aplicando funções a vetores
# Somatório
Soma_D = sum(D)
# Média ('Mean')
Media_D = mean(D)
# Mediana ('Median')
Mediana_D = median(D)
# Desvio padrão ('Standard deviation')
DP_D = sd(D)
# Plotando gráficos comuns
boxplot(N)
boxplot(data.frame(N))
# Para carregar um script
source('nome_do_script.R')
# Dando nomes aos campos
notas <- c(7.5, 8, 5.7)
names(notas) <- c('Joao', 'Pedro')
# Mas como um valor está faltando o resultado será...
> names(notas)
[1] "Joao" "Pedro" NA
# Dando nomes a conjuntos de campos
names(A)[3] <- 'Carlos'
# Aumentando o vetor
notas <- c(notas, 10, 9.5, 6.5)
# Resultado
> notas
Joao Pedro Carlos
7.5 8.0 5.7 10.0 9.5 6.5
# Agora os nomes faltantes estarão vazios
> names(notas)
[1] "Joao" "Pedro" "Carlos" "" "" ""
# Completando nomes
names(notas) <- c(names(notas[1:3]), 'Vivi', 'Ana', 'Mario')
# Resultado
> names(notas)
[1] "Joao" "Pedro" "Carlos" "Vivi" "Ana" "Mario"
> notas
Joao Pedro Carlos Vivi Ana Mario
7.5 8.0 5.7 10.0 9.5 6.5
# Notou que no vetor names(notas) apareceu o índice [1] e no
# vetor notas não mais? É porque agora os campos tem nomes.
# Nem é necessário ficar mostrando o índice. Mesmo assim,
# você pode continuar acessando os campos pelo índice
> notas[2]
Pedro
8
# E agora também pelo nome
> notas['Ana']
Ana
9.5
# Verificando elementos por condição
> notas > 7
Joao Pedro Carlos Vivi Ana Mario
TRUE TRUE FALSE TRUE TRUE FALSE
# O resultado é um vetor Booleano
# (só valores TRUE, verdadeiro, ou FALSE, falso)
# E se eu quiser mostrar só os elementos maiores que 7?
# Pra fazer isso, você deve passar a condição como
# indicadora dentro dos colchetes,
# pois estes delimitam o vetor
# Resultado
> notas[notas > 7]
Joao Pedro Vivi Ana
7.5 8.0 10.0 9.5
# Para isso, tambem é possivel usar o comando which(),
# que por padrão retorna quais elementos são verdadeiros
# para uma dada condição
> which(notas > 7)
Joao Pedro Vivi Ana
1 2 4 5
# O comando mostrou os indices dos elementos maiores que 7,
# e em cima seus respectivos nomes
[Atualização1]
Grupo brasileiro de discussão sobre R:
[Atualização1]
Você gostaria de adquirir um livro sobre R em português? Existe o "
Linguagem R - Programação para a Análise de Dados", do professor português
Luis Torgo.