6  Manipulação de dados no R

6.1 Manipulação de Dados no R com o tidyverse

A manipulação de dados refere-se ao processo de limpar, transformar e reformular dados brutos para torná-los mais adequados para análise. Esse processo é fundamental para garantir que os dados estejam organizados de maneira correta antes de qualquer tipo de modelagem estatística.

6.2 Instalando e Carregando o Pacote Necessário

Para realizar manipulação de dados no R de maneira eficiente, usaremos o pacote tidyverse, que oferece um conjunto de ferramentas poderosas para transformar dados.

Passo 1: Instalar e carregar o tidyverse

install.packages("tidyverse")  # Instalar o pacote

library(tidyverse)  # Carregar o pacote

6.3 Operadores Essenciais para Manipulação de Dados

1. Operador de Atribuição (<- ou =)

O operador de atribuição é usado para criar variáveis e armazenar valores dentro delas. Podemos usar <- ou =, mas o mais recomendado no R é o operador <-.

Exemplo genérico

## Criando um objeto e atribuindo um valor a ele

objeto_nome <- valor

Explicação

  • objeto_nome → Nome do objeto que será criado (utilize nomes descritivos para facilitar a leitura do código).

  • <- → Operador de atribuição. O valor localizado à direita será atribuído ao objeto localizado à esquerda.

  • valor → Pode ser um número, texto, vetor, lista, matriz ou qualquer outro objeto do R.

Exemplo aplicado

## Criando um novo objeto 'm.acm' e atribuindo a ele a lista 'acm' do objeto 'ma'

m.acm <- ma$acm

O que acontece aqui?

Esse código extrai a planilha acm do objeto ma e a armazena em um novo objeto chamado m.acm, permitindo que ela seja manipulada de forma independente.

Painel Environment do RStudio após a criação do objeto m.acm.

2. Operador de Subconjunto ([])

O operador [] é utilizado para selecionar elementos específicos de um vetor, matriz ou data frame.

Exemplo

ma$acm["Author"]
  Author
1  MRC-1
2    CDP
3  MRC-2
4   GASP
5  PARIS
6   AMIS
7 ISIS-2

Explicação

O comando acima seleciona a coluna Author do objeto ma$acm, retornando todos os valores dessa variável.

3. Operador de Função (())

Os parênteses () são utilizados para chamar funções e passar argumentos para elas.

Exemplo

library(tidyverse)

Nesse exemplo, a função library() recebe como argumento o pacote tidyverse, carregando-o para utilização durante a sessão do R.

4. Operador Pipe (%>%)

O operador %>% permite encadear múltiplas operações de maneira clara e intuitiva, evitando a criação de diversos objetos intermediários.

💡 Pense no %>% como “e então”.

Exemplo

metabin(
  event.e,
  n.e,
  event.c,
  n.c,
  data = ma$acm,
  method = "MH",
  method.tau = "DL",
  sm = "RR",
  studlab = Author
) %>% forest()

Explicação

O comando metabin() realiza uma metanálise para dados binários.

O operador %>% envia automaticamente o resultado da metanálise para a função forest(), responsável pela construção do Forest Plot.

Dessa forma, não há necessidade de criar um objeto intermediário contendo o resultado da metanálise antes de gerar o gráfico.

6.4 Convertendo um Conjunto de Dados para um Data Frame

Diferença entre Dataset e Data Frame

Dataset: termo genérico utilizado para qualquer estrutura de dados do R, como vetores, listas, matrizes e data frames.

Data Frame: estrutura bidimensional composta por linhas (observações) e colunas (variáveis), sendo o formato mais utilizado em análises estatísticas.

Por que converter para Data Frame?

Muitos pacotes do R exigem que os dados estejam no formato data frame para que suas funções funcionem corretamente.

Como converter para Data Frame

## Convertendo um objeto para data frame

m.acm <- as.data.frame(m.acm)

6.5 Selecionando Variáveis de um Conjunto de Dados

O R não reconhece automaticamente os nomes das variáveis. Para acessá-las, é necessário indicar o objeto ao qual pertencem. ### Erro comum

Tentar utilizar uma variável sem informar o objeto de origem.

Exemplo incorreto

Author
Error:
! objeto 'Author' não encontrado

Esse comando retornará um erro, pois o R não sabe onde procurar a variável Author.

1. Selecionando uma única variável

Existem diferentes maneiras de selecionar uma variável específica de um conjunto de dados.

Utilizando o operador $

ma$acm$Author   # Seleciona a variável "Author"
[1] "MRC-1"  "CDP"    "MRC-2"  "GASP"   "PARIS"  "AMIS"   "ISIS-2"
ma$acm$Year     # Seleciona a variável "Year"
[1] 1974 1976 1979 1979 1980 1980 1988

O operador $ permite acessar diretamente uma variável pertencente a um data frame.

Utilizando o operador []

Também é possível selecionar uma única variável utilizando colchetes.

ma$acm["Author"]
  Author
1  MRC-1
2    CDP
3  MRC-2
4   GASP
5  PARIS
6   AMIS
7 ISIS-2
ma$acm["Year"]
  Year
1 1974
2 1976
3 1979
4 1979
5 1980
6 1980
7 1988

Essa abordagem retorna a variável mantendo-a como um data frame.

2. Selecionando um intervalo de linhas

Também podemos selecionar apenas algumas linhas de uma variável.

Exemplo

ma$acm[1:5, "Author"]    # Seleciona as linhas 1 a 5 da coluna "Author"
[1] "MRC-1" "CDP"   "MRC-2" "GASP"  "PARIS"
ma$acm[3:7, "Year"]      # Seleciona as linhas 3 a 7 da coluna "Year"
[1] 1979 1979 1980 1980 1988

Nesse caso:

  • 1:5 indica as linhas que serão selecionadas;
  • "Author" indica a coluna desejada.

3. Selecionando múltiplas colunas

Também é possível selecionar várias colunas simultaneamente.

Utilizando c()

ma$acm[c("Author", "Year")]
  Author Year
1  MRC-1 1974
2    CDP 1976
3  MRC-2 1979
4   GASP 1979
5  PARIS 1980
6   AMIS 1980
7 ISIS-2 1988

A função c() cria um vetor contendo os nomes das colunas que desejamos selecionar.

Utilizando o operador Pipe (%>%)

Outra forma bastante utilizada consiste em utilizar a função select() juntamente com o operador Pipe.

ma$acm %>%
  select(Author, Year, event.e)
  Author Year event.e
1  MRC-1 1974      49
2    CDP 1976      44
3  MRC-2 1979     102
4   GASP 1979      32
5  PARIS 1980      85
6   AMIS 1980     246
7 ISIS-2 1988    1570

Esse método costuma ser mais intuitivo e é amplamente utilizado pelos pacotes do tidyverse.

Selecionando múltiplas colunas e um intervalo de linhas

Também podemos selecionar simultaneamente linhas e colunas.

ma$acm[1:5, c("Author", "Year", "event.e")]
  Author Year event.e
1  MRC-1 1974      49
2    CDP 1976      44
3  MRC-2 1979     102
4   GASP 1979      32
5  PARIS 1980      85

Nesse exemplo:

  • 1:5 seleciona as cinco primeiras linhas;
  • c("Author", "Year", "event.e") seleciona as três colunas desejadas.

6.6 Resumo do Tutorial

Ao final deste capítulo, aprendemos os principais conceitos relacionados à manipulação de dados no R.

Em resumo:

  • Instalamos e carregamos o pacote tidyverse;

  • Aprendemos a utilizar os principais operadores do R, como <-, [], $ e %>%;

  • Convertimos objetos para o formato data frame quando necessário;

  • Selecionamos variáveis, linhas e colunas de diferentes maneiras para facilitar a manipulação dos dados.

Esses conceitos serão fundamentais para os próximos capítulos, nos quais começaremos a preparar os conjuntos de dados para a realização das metanálises.