FIP 606
  • Introdução
  • Aulas
    • Aula 1 - Introdução ao R: Ambiente e Manipulação Básica
    • Aula 2 - Fluxo de Análise: Importação e Visualização
    • Aula 3 - Comparação de Grupos: Testes T em Experimentos
    • Aula 4 - Análise de Variância (ANOVA): Delineamentos Básicos
    • Aula 5 - Modelos Avançados: GLMs para Dados Fitopatológicos
    • Aula 6 - Modelos Preditivos: Regressão Linear
  • Visualização de dados
    • Gráficos com ggplot2
    • Temas e Customizações
  • Análise de dados
    • Análise de Variância (ANOVA)
    • Regressão
    • Correlação
  • Mapas
    • Elaborando Mapas
  • Sobre mim

O que aprendemos?

1. Operações Básicas no R

  • Como executar cálculos simples diretamente no console
  • Atribuição de valores a objetos com <- e =

2. Trabalhando com Datasets

  • Carregar datasets internos do R (ex: Orange)
  • Visualizar dados com funções básicas

3. Transformações Matemáticas

  • Aplicar funções matemáticas (log, exp) em colunas
  • Criar novas variáveis em um dataframe

4. Uso de Pacotes

  • Instalar (install.packages) e carregar (library) pacotes
  • Introdução aos pacotes tidyverse e agricolae

Código Pronto para Usar

Trabalhando com Dados

# Carregar dataset Orange
dados <- Orange
# Visualizar dados
Orange
   Tree  age circumference
1     1  118            30
2     1  484            58
3     1  664            87
4     1 1004           115
5     1 1231           120
6     1 1372           142
7     1 1582           145
8     2  118            33
9     2  484            69
10    2  664           111
11    2 1004           156
12    2 1231           172
13    2 1372           203
14    2 1582           203
15    3  118            30
16    3  484            51
17    3  664            75
18    3 1004           108
19    3 1231           115
20    3 1372           139
21    3 1582           140
22    4  118            32
23    4  484            62
24    4  664           112
25    4 1004           167
26    4 1231           179
27    4 1372           209
28    4 1582           214
29    5  118            30
30    5  484            49
31    5  664            81
32    5 1004           125
33    5 1231           142
34    5 1372           174
35    5 1582           177

Transformações Matemáticas

# Criar vetor com valores de circunferência
circ <- dados$circumference  # Extrai coluna como vetor

# Aplicar exponencial e logaritmo
circ2 <- exp(circ)           # Exponencial
circ3 <- log(circ2)          # Log do resultado anterior (volta ao original)

# Adicionar nova coluna ao dataframe
dados$logcirc <- log(dados$circumference)

# Visualizar dataframe modificado
head(dados)
  Tree  age circumference  logcirc
1    1  118            30 3.401197
2    1  484            58 4.060443
3    1  664            87 4.465908
4    1 1004           115 4.744932
5    1 1231           120 4.787492
6    1 1372           142 4.955827

Instalação de Pacotes

# Instalar pacotes (executar apenas uma vez)

# Algo que aprendi e me ajudou muito nas aulas foi instalar os pacotes usando os códigos, 
# na correria da aula faz toda a diferença!

# install.packages("tidyverse")
# install.packages("agricolae")

# Carregar pacotes
library(tidyverse)
── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
✔ dplyr     1.1.4     ✔ readr     2.1.5
✔ forcats   1.0.0     ✔ stringr   1.5.1
✔ ggplot2   3.5.2     ✔ tibble    3.2.1
✔ lubridate 1.9.4     ✔ tidyr     1.3.1
✔ purrr     1.0.4     
── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag()    masks stats::lag()
ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
#library(agricolae)

Exemplo com Gráfico Básico

# Criar dados de exemplo
dates <- c(7,14,21,28,35,42)
severity <- c(0.1,5,10,35,50,60)
data_curva <- data.frame(dates, severity)

# Gráfico de colunas e linha
library(ggplot2)
library(dplyr)

data_curva |>
  mutate(severity2 = c(1, 10, 35, 58, 70, 82)) |> 
  ggplot(aes(dates, severity2)) +
  geom_col(fill = "#F4A582") +          # barras salmão claro
  geom_line(linewidth = 2, color = "#92C5DE") +  # linha verde-azulada
  geom_point(size = 4, color = "#7570B3") +      # pontos roxo escuro
  labs(
    title = "Progresso da doença ao longo dos dias",
    x = "Dias após plantio",
    y = "Severidade (%)"
  ) +
  theme_minimal() +
  theme(
    plot.title = element_text(face = "bold", size = 14, hjust = 0.5),
    axis.title = element_text(size = 12),
    axis.text = element_text(size = 11)
  )


Dicas Finais:

  1. Atalhos úteis:
    • Ctrl + Enter: Executa linha selecionada
    • Alt + -: Insere <- automaticamente
  2. Boas práticas:
    • Use nomes descritivos para objetos (dados_plantas em vez de df1)
    • Comente seu código com # para explicar etapas importantes
  3. Para saber mais:
    • Documentação do R
    • Cheatsheet do tidyverse