#### AULA 2 - MANEJO DE DADOS NO R

### setando o diretorio de trabalho: 
# Files / ... e escolher pasta 
# depois ir em More / 'set as working directory'

### verificando o direterio de trabalho

getwd()

# outro modo de setar o diretorio

setwd("...")

# "limpar" os objetos

rm(list=ls())

#### salvando e carregando a workspace com o objetos

# salvando a workspace -colocar este comando no final do script

# save.image("aula2.Rdata")

# carregando a workspace

load("aula2.Rdata")
ls()

#### 1. Importar dados para o R

# banco de dados 'amostra.xls' - transformar em .txt
# salvar como .txt separado por tabulacoes

LV <- read.table("./Bancos_aula2/amostra.txt",header = T)
LV
head(LV) #mostrando 6 prim linhas
head(LV,10)# mostrando 10 prim linhas
View(LV)

## Ajutar o texto do script conforme tamanho da tela
## Tools > Global Options > Code > Soft-wrap...

# mostrar a estrut do bd
str(LV) # obj do tipo dataframe

#### 2. Transformar vetores em matrizes

aa<-c(1,3,5,7,9)
bb<-c(5,6,3,8,9)
cc<-c("a","a","b","a","b")
cbind(aa,bb) # junta os vetores em colunas
rbind(aa,bb) # junta os vetores em linhas
cbind(aa,bb,cc) # como 'cc' tem letras, na juncao todos sao considerados caracter

#### 3. Transf de vetores em dataframes

data.frame1 <- data.frame(aa,bb,cc) 
data.frame1 # aceitou numeros e letras sem problemas
str(data.frame1)

#### 4. Acessar partes da tabelas de dados - uso de colchetes []

LV [,1] # extrai a 1ª col
LV[,2] # extrai a 2ª col
LV[1,] # extrai a 1ª linha
LV[3,4] # extrai o valor q esta na terceira linha e quarta col
LV[c(1:5),c(2,3)] # extrai as linhas de 1 a 5, das col 2 e 3

LV$LVH # o nome do dataframe + $ + nome da var - outra forma de acessar dados espec do bd
LV[,"LVH"] # a mesma operacao acima, mas usando colchetes

# fazendo o graf de LVH com LVC

plot(LV$LVC,LV$LVH)
plot(LV[,"LVC"],LV[,"LVH"])

#### 5. funcaoo 'attach'

# permite acessar diretamente os dados do dataframe

attach(LV)
LVH
LVC
plot(LVC,LVH)
detach(LV) # lembrar de 'desatachar' para evitar prob - por exemplo, usar um 
# banco no lugar de outro

#### 6. Operacoes usando dataframes

## 6.1 Ordenacao de tabelas - funcao 'order'

LV[order(LV$LVH),] # colocar as linhas do df na ordem crescente dos casos de LVH
LV[order(LV$LVH, decreasing=T),] # em ordem decrescente

## 6.2 Calcular a media de uma linha ou coluna

mean(LV$LVH)
attach(LV)
mean(LVH)
detach(LV)

# ou

mean(LV[,"LVH"])

# calculo das medias de casos de LVH considerando, em separado, as duas cidades

mean(LV[1:10,3]) # media de casos de LVH na cidade A
mean(LV[11:20,3]) # media de casos de LVH na cidade B

# func 'tapply' - ideal para qdo se tem varias categorias

# tapply(dados, grupos, funcao) - sera calc um 'func' nos 'dados' seg os 'grupos'

tapply(LV$LVH,LV$cidade,mean) # faz o calc das duas medias

## 6.3 Soma e media de linhas e de col

colSums(LV[,3:4]) # somas das col 3 e 4
rowSums(LV[1:5,3:4]) # soma das linhas de 1 a 5, apenas para as var LVH e LVC

colMeans(LV[,3:4]) # medias das col 3 e 4
rowMeans(LV[1:5,3:4]) # medias da linhas 1 a 5, apenas para as var LVH e LVC

colMeans(LV[1:10,3:4]) # medias de LVH e LVC apenas da cidade A

#### 7. Trabalhando com um banco de dados de simulideos (borrachudos)

simu <- read.csv("./Bancos_aula2/simu_csv.csv",sep=';') #lendo o banco
names(simu) # vendo os nomes das variav
str(simu)
head(simu)
View(simu)

# 1ªs seis variav sao ambientais e as demais referem-se as diferentes espec coletadas
# cd linha refere-se as coletas realizadas em um riacho
# vamos criar dois bancos separados

ambi <- simu[,1:7]
str(ambi)
spp <- simu[,8:27]
str(spp)

# graf mostrando relacao enter var ambientais

plot(ambi[,"temperatura"],ambi[,"altitude"])
plot(ambi[,"altitude"],ambi[,"pH"])
plot(ambi[,"condutividade"],ambi[,"pH"])

# outras possib de chegar ate as variav

plot(ambi$temperatura,ambi$altitude)

attach(ambi)
plot(temperatura, altitude)
detach(ambi)

abund <- rowSums(spp) # total de indiv encontrados em cd riacho (abundancia)
abund

# agrupando uma variavel continua e transf em uma categorica

# a) analise exploratoria

ambi[order(ambi$temperatura),] #colocando em ordem por temperatura - ter ideia da amplitude
hist(ambi$temperatura) # para ter ideia de possiveis ptos de corte
quantile(ambi$temperatura, type=4) # type - numero de quantis (de 1 a 9) default = 4

# b) construcao dos agrupamentos - vamos usar a divisao por quartis

temp.nv <- ambi$temperatura # criando um vetor com os dados de temp
temp.nv[ambi$temperatura<18] <- "13a17"
temp.nv[ambi$temperatura>=18 & ambi$temperatura<20] <- "18a19"
temp.nv[ambi$temperatura>=20 & ambi$temperatura<21] <- "20"
temp.nv[ambi$temperatura>=21] <- "21a24"

temp.nv

# c) inserindo o vetor no dataframe 'ambi'

ambi1 <- cbind(ambi,temp.nv)
str(ambi1)
head(ambi1)

# fazendo uma tabela de contingencia entre a 'temp.nv' e os municipios

tab <- table(ambi1$municipio,ambi1$temp.nv)

# calculando as porcentagens de linha, de coluna e em rela??o ao total a partir de uma tabla de conting?ncia

prop.table(tab) # porcentagens em relacao ao total
prop.table(tab,1) # porcentagens de linha
prop.table(tab,2) # porcentagens de coluna

### Calculo do numero de especies (riqueza) encontradas em cd riacho
#(cd col do df 'spp' repres 1 esp)

# fazer copia do df e depois transformar em um df de zeros e uns

head(spp)

spp_cp <- spp
spp_cp
spp_cp[spp_cp>0] <- 1 # qdo o numero for maior q 0, recebe 1
spp_cp # agora é um dataframe com zeros e uns
head(spp_cp)
pres.aus <- spp_cp # criando um nv bd com o nome 'pres.aus'

riqueza <- rowSums(pres.aus) # calc do nº de espec por riacho (riqueza)
riqueza

# calculo do nº medio de espec (riqueza media)

riq_med <- mean(rowSums(pres.aus))
riq_med

# calc do nº de esp medio por munic (riqueza por munc)

riq.munic <- tapply(riqueza,ambi[,"municipio"],mean)
riq.munic

# retornando ao arq completo 'simu'

# ordenar o banco pela altitude (cresc)

simu[order(simu[,"altitude"]),]

# fazendo quatro graf do numero de espec

par(mfrow=c(2,2))

# graf 1 - altitude x nº de esp

plot(simu[,"altitude"],rowSums(pres.aus))

# criando um df com ambi e riqueza
riq <- rowSums(pres.aus)
ambi1  <- cbind(ambi1, riq)
head(ambi1)

# graf 2 - pH x nº de esp

plot(simu[,"pH"],rowSums(pres.aus))

# graf 3 - temperatura x nº de esp 

plot(simu[,"temperatura"],rowSums(pres.aus))

# graf 4 - condutividade x nº de esp

plot(simu[,"condutividade"],rowSums(pres.aus))

# Graf: nº de esp (riqueza) nas tres areas (Lencois, Mucug e Rio de Contas)

par(mfrow=c(1,1))
par()

stripchart(riqueza~simu[,"municipio"])

# colocando o graf na vertical e separando os ptos coincidentes

stripchart(riqueza~simu[,"municipio"],vertical=T,method="stack",offset=1)

stripchart(riqueza~simu[,"municipio"],vertical=T,method="stack")

# uso das funcoes 'aggregate' e 'by'

# sao utilizadas p/ aplicar um func em td col de uma tab
# 'tapply' faz isso somente em uma col por vez
# as duas func (aggregate e by) retornam os mesmos resul - mas de formas difer

# calculo da media de cada esp de borrach em cd munic

list(simu[,1]) #apresenta uma lista com os munic de cd linha da tab

aggregate(spp,list(simu[,1]),mean)

# agora usando o comando 'by'

by(spp,simu[,1],colMeans) # retorna uma lista de valores para cd local (munic)

# se quisermos acessar os valores da lista 

med.local <- by(spp,(simu[,1]),colMeans)
# usamos como arg o "colMeans" pq 'spp' é um df
med.local
str(med.local) # é uma lista

# para acessar os valores de uma lista - usamos dois colchetes

med.local[["Lencois"]]
med.local[["Mucuge"]]

# transposicao de uma tabela - comando 't'
head(ambi)
transp <- t(ambi) # troca de linhas por colunas
head(transp)

### 8. Alguns comandos de logica

# > Maior que 
# >= maior que ou igual a
# < Menor que 
# <= menor que ou igual a
# == igualdade
# != diferenca

x<-c(1,2,9,4,5)
y<-c(1,2,6,7,8)
x>y # Retorna TRUE para os maiores e FALSE para os menores
x>=y
x<y
x==y # Retorna TRUE para os x que sao iguais a y
x!=y # Retorna TRUE para os x que sao diferentes de y

# funcao 'which' - funciona como se estive perguntado Quais?

a<-c(2,4,6,8,10,12,14,16,18,20)
a>10 # Retorna um vetor contendo TRUE se for maior e FALSE se for menor
which(a>10) # "Quais valores de a sao maiores que 10?". Note que a resposta é a posicao
# dos valores (o sexto, o s?timo...) e nao os valores que sao maiores que 10.

a[which(a>=14)]# selecionar os valores maiores ou iguais a 14 (aqui temos os valores e a pos deles)

ambi[which(ambi$temperatura>20),] # selec as linhas de 'ambi1 c/ temp > 20

# criando um nv df com os riach de Lencois
riach.lenc <- ambi[which(ambi$municipio=="Lencois"),] # selec os riachos de Lencois
head(riach.lenc)

# criando um nv df com riach de Lencois com temp > 20
riach.temp20m.lenc <- ambi[which(ambi$temperatura>20 & ambi$municipio=="Lencois"),]
head(riach.temp20m.lenc)

# funcao 'ifelse'

salarios<-c(1000, 400, 1200, 3500, 380, 3000, 855, 700, 1500, 500)
ifelse(salarios<1000,"pouco","muito")

head(spp)
spp.pres.aus <- ifelse(spp>=1,1,0) # transf os valores do banco 'spp' em zeros e uns
head(spp.pres.aus)
spp.pres.aus

### BIBLIOGRAFIA

# Landeiro VL. Introdu??o ao uso do Programa R. INPA,2011.

# Provete DB, Silva FR, Souza TG.Estat?stica aplicada ? ecologia usando o R. UNESP,
# S?o Jos? do Rio Preto, 2011.

# Kabacoff RI. R in action - Data analysis and graphics with R. Manning, Shelter Isalnd, 2015.

#####################################################################

### salvando a workspace com os objetos

save.image("aula2.Rdata")

################################################################