setwd("caminho_para_pasta")7 Importando
Imagine que você compre um computador produzido fora do Brasil. Nesse caso, dizemos que você importou o computador de determinado país que o produziu, não é? Inclusive, segundo a Oxford Languages, o verbo importar pode ser definido como
trazer de outro país, estado ou município.
No campo da programação, importar mantém signifcado semelhante: trazer dados externos para nosso ambiente, de forma que possamos manipulá-los com a linguagem. Aplicando à nossa realidade, queremos trazer tabelas de dados para a memória do R, na aba Environment, de forma que possamos manipulá-las posteriormente!
7.1 Definindo o diretório de trabalho
Antes de importar, é interessante definirmos nosso diretório de trabalho, que corresponde ao caminho para a pasta fixa que iremos utilizar para criar ou armazenar arquivos. Pense no diretório como a pasta do seu computador que servirá como local de armazenamento de todos os arquivos relacionados ao trabalho/projeto que você estiver executando naquele momento – sejam scripts, planilhas, etc.
Para configurar determinada pasta como diretório de trabalho, aperte Ctrl + Shift + H e, na sequência, selecione a pasta que desejar. Perceba que esse comando rodará a função setwd() no Console, cujo argumento é o caminho para a pasta. Você também pode selecionar o diretório de trabalho desta maneira direta.
Note que, no RStudio, o caminho para o diretório atual aparece na parte superior do painel de Console, ao lado do número da versão do R que você estiver utilizando no momento. Ao mesmo tempo, você pode retornar o diretório atual de trabalho apenas rodando a função getwd(), sem nenhum argumento.
7.2 Funções mais utilizadas para importação
Com o propósito de importar dados para o RStudio, iremos aprender a utilizar algumas funções específicas. Repare que estamos falando de funções, ou seja, existe mais de uma função que busca permitir com que o RStudio seja capaz de ler e armazenar dados internamente em sua memória, para posterior manipulação. Isso acontece pois não existe um único tipo de arquivo capaz de armazenar dados.
Dois pacotes serão utilizados: readr, que faz parte do tidyverse, e openxlsx. Portanto, é necessário que você os instale, caso ainda não tenha feito e, na sequência, carrege os pacotes.
install.packages("readr")
install.packages("openxlsx")
library(readr)
library(openxlsx)7.2.1 O pacote readr – lendo arquivos delimitados
O pacote readr é utilizado principalmente para ler arquivos delimitados por algum caractere específico. ‘Como assim, arquivos delimitados por caractere?’ Em muitos casos, as tabelas de dados são tão grandes – ou seja, várias observações (linhas) e variáveis (colunas) – que será necessário reduzir seu tamanho com intuito de facilitar o compartilhamento com terceiros. Uma saída é comprimir todas as variáveis em uma única coluna, em que os dados são separados por algum caractere especial, mantendo o mesmo número de observações anterior. Cada linha continua representando uma observação de determinada unidade. Passamos de n observações e m colunas para n observações e 1 coluna.
7.2.1.1 read_csv()
Para começar, vamos nos concentrar no tipo de arquivo de dados retangular mais comum: CSV, que é a abreviação de Comma Separeted Values (valores separados por vírgula, em português). Abaixo, temos a aparência de um arquivo CSV simples, contendo informações de estudantes. A primeira linha, comumente chamada de cabeçalho, fornece os nomes das colunas, e as cinco linhas seguintes fornecem os dados.
matrícula,Nome,comida.favorita,PlanoDeRefeição,IDADE,peso
1,Jorge,Acarajé,Regime,18,76
2,Laís,Macarrão,Livre,23,65
3,Matheus,Carne,Regime,22,70
4,Laura,Frango,Livre,21,68
5,Nathália,Peixe,Regime,21,66A Tabela 7.1 mostra uma representação dos mesmos dados em uma tabela.
| matrícula | Nome | comida.favorita | PlanoDeRefeição | IDADE | peso |
|---|---|---|---|---|---|
| 1 | Jorge | Acarajé | Regime | 18 | 76 |
| 2 | Laís | Macarrão | Livre | 23 | 65 |
| 3 | Matheus | Carne | Regime | 22 | 70 |
| 4 | Laura | Frango | Livre | 21 | 68 |
| 5 | Nathália | Peixe | Regime | 21 | 66 |
Quando temos um arquivo do tipo csv, podemos importá-lo para o R usando a função read_csv(). O primeiro argumento é o mais importante: o caminho para o arquivo. Você pode pensar no caminho como o endereço do arquivo, ou seja, é o local em que ele está armazenado.
Se o arquivo estiver no seu computador, é necessário escrever o caminho em termos de diretório e pastas, além do nome do arquivo e sua extensão. Lembre-se que já fixamos nosso diretório de trabalho. Basta então escrever o restante do caminho, considerando que o arquivo está na pasta dados1 e se chama estudantes.csv!
estudantes <- read_csv("dados/estudantes.csv")
## Rows: 5 Columns: 6
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (3): Nome, comida.favorita, PlanoDeRefeição
## dbl (3): matrícula, IDADE, peso
##
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.Por outro lado, você pode baixar o arquivo diretamente de algum link hospedado na internet! A vantagem dessa alternativa consiste no fato de quê você não precisará realizar novamente o download do arquivo no seu computador em caso de atualização do arquivo original – além, é claro, de tornar seu diretório de trabalho mais limpo.
estudantes <- read_csv("https://raw.githubusercontent.com/ieufrjquant/intror/master/dados/estudantes.csv")Independente da forma com que você especifique o caminho para o arquivo ao executar a função read_csv(), note que ela exibe uma mensagem informando o número de linhas e colunas de dados, o delimitador que foi usado e as especificações das colunas (nomes das colunas organizadas pelo tipo de dados que a coluna contém).
Observe também que, em ambos os casos, atribuimos a tabela de dados ao objeto estudantes, ficando disponível para visualização no painel Environment. Quando for importar alguma tabela para o R, é importante que você atribua os dados a um objeto – cujo nome, como sabemos, é de livre escolha. Caso contrário, o arquivo será apenas lido no Console, ao invés de ficar efetivamente armazenado para manipulação2. Por fim, importante observar que o objeto criado terá estrutura de data frame.
Funções para outros tipos de arquivo delimitados (Opcional)
Depois de dominar read_csv(), usar as outras funções do readr é simples; é apenas uma questão de saber qual função buscar:
read_csv2()lê arquivos separados por ponto e vírgula. Eles usam;em vez de,para separar campos e são comuns em países que usam,como marcador decimal.read_tsv()lê arquivos delimitados por tabulações.read_delim()lê arquivos com qualquer delimitador, tentando adivinhar automaticamente o delimitador se você não especificá-lo.read_fwf()lê arquivos de largura fixa. Você pode especificar campos por suas larguras comfwf_widths()ou por suas posições comfwf_positions().read_table()lê uma variação comum de arquivos de largura fixa onde as colunas são separadas por espaços em branco.
7.2.2 O pacote readxl – lendo planilhas
Nesta seção, iremos nos concentrar em importar dados de planilhas, especificamente os que foram agrupados em planilhas de Excel. Veremos como importar todos os dados de uma planilha com apenas uma única aba, assim como de uma aba específica, caso exista mais de uma.
7.2.2.1 read.xlsx()
A maioria dos arquivos escritos em Excel hoje possui uma extensão do tipo .xlsx. Portanto, vamos focar na função do pacote openxlsx que melhor lide com planilhas desse tipo: read.xlsx(). Como no caso anterior, note que o objeto criado terá estrutura de um data frame.
7.2.2.1.1 Planilha
Esse caso se aplica quando você desejar importar todos os dados que estão na primeira e única aba de uma planilha. O procedimento é muito parecido com o que fizemos no caso de arquivos delimitados: precisaremos do endereço para o arquivo que desejamos importar, que pode ser um caminho de pastas no seu computador ou um link externo.
estudantes <- read.xlsx("dados/estudantes.xlsx")
estudantes matrícula Nome comida.favorita PlanoDeRefeição IDADE peso
1 1 Jorge Acarajé Regime 18 76
2 2 Laís Macarrão Livre 23 65
3 3 Matheus Carne Regime 22 70
4 4 Laura Frango Livre 21 68
5 5 Nathália Peixe Regime 21 667.2.2.1.2 Aba específica
Para importar dados de uma aba específica de determinada planilha é necessário especificar, além do endereço do arquivo, o nome ou o índice da aba que você deseja. No exemplo abaixo, importamos os dados completos do Maddison Project Database 2020, que estão contidos na terceira aba da planilha disponibilizada pelos organizadores.
dados <- read.xlsx("https://www.rug.nl/ggdc/historicaldevelopment/maddison/data/mpd2020.xlsx",
sheet = "Full data")
dados <- read.xlsx("https://www.rug.nl/ggdc/historicaldevelopment/maddison/data/mpd2020.xlsx",
sheet = 3)
dadosA pasta
dadosfoi criada com intuito de aprimorar a organização do diretório de trabalho. Você não precisa tê-la em seu computador. Se você já fixou o diretório base, pode importar arquivos apenas comread_csv("nome_do_arquivo.csv").↩︎É exatamente a mesma lógica de armazenamento vista no capítulo sobre objetos.↩︎