5 Objetos

Na apresentação dessa parte do material, trouxemos uma citação que, em parte, dizia:

Everything that exists is an object.

Um objeto é simplesmente um nome que guarda um valor ou código. Não há como ser mais direto: tudo que existe no R é um objeto, inclusive as funções que veremos no capítulo seguinte. Nesse capítulo, veremos com detalhe os objetos que são designados à armazenar dados. Antes, no entanto, vamos dar um passo para trás e explicar o que são dados.

5.1 Dados

Segundo a Oxford Languages, dados são

fatos e estatísticas coletadas de forma conjunta para referência ou análise.

Na prática, dados nos mostram informações sobre determinado indivíduo ou situação que procuramos descrever, seja uma pessoa, instituição, comportamento, condição geográfica, etc. O número de horas que você dormiu essa noite é um dado. A lista que relata quem é ou não calvo na sua família é uma coleção de dados. A expectativa, hoje, de quanto será a inflação acumulada nos próximos 12 meses é um dado. A variação percentual do Produto Interno Bruto (PIB) real no último trimestre é um dado. A lista que mostra a sequência de variações do PIB real nos últimos dez trimestres é uma série temporal, isto é, dados em sequência ao longo do tempo.

5.1.1 Tipo & Forma

Vamos nos aprofundar um pouco mais. Ao lidar formalmente com dados, devemos ter mente que eles são compostos por uma ou mais variáveis e seus valores. Uma variável é uma dimensão ou propriedade que descreve uma unidade de observação (por exemplo, uma pessoa) e normalmente pode assumir valores diferentes. Por outro lado, os valores são as instâncias concretas que uma variável atribui a cada unidade de observação e são ainda caracterizados por seu intervalo (por exemplo, valores categóricos versus valores contínuos) e seu tipo (por exemplo, valores lógicos, numéricos ou de caracteres). Estaremos interessados no tipo dos dados. A Tabela 5.1 apresenta os que podem aparecer com maior frequência.

Tabela 5.1: Tipos mais comuns de dados

Tipo	Serve para representar…	Exemplo
Númerico	números do tipo integer (inteiro) ou double (reais)	1, 3.2, 0.89
Texto (string)	caracteres (letras, palavras ou setenças)	“Ana jogou bola”
Lógico	valores verdade do tipo lógico (valores booleanos)	TRUE, FALSE, NA lógico
Tempo	datas e horas	14/04/1999

Voltando ao primeiro exemplo, uma pessoa pode ser descrita pelas variáveis nome, número de horas dormidas e se dormiu ou não mais de oito horas. Os valores correspondentes a essas variáveis seriam do tipo texto (por exemplo, “Pedro”), numéricos (número de horas) e lógicos (TRUE ou FALSE, definido em função do tempo descansado¹). Note a diferença entre dado e valor. O número 10 é um valor, sem significado. Por outro lado, “10 horas dormidas” é um dado, caracterizado pelo valor 10 e pela variável “horas dormidas”.

Outro aspecto importante sobre os dados está em sua forma, ou seja, como os dados podem ser organizados. A Tabela 5.2 apresenta as formas mais comuns de organização.

Tabela 5.2: Formas pelas quais os dados podem ser organizados

Formato	Os dados se apresentam como…	Exemplo
Escalar	elementos individuais	“AB”, 4, TRUE
Retangular	dados organizados em \(i\) linhas e \(j\) colunas	Vetores e Tabelas de Dados
Não-retangular	junção de uma ou mais estruturas de dados	Listas

Um escalar é um elemento único, que pode ser de qualquer tipo. Ou seja, a representação elementar de um dado se dá através de um escalar! Por exemplo, o tipo sanguíneo de determinada pessoa, representado pelos caracteres “AB”, é um escalar do tipo texto. Você pode pensar no escalar como um dado organizado em 1 linha e 1 coluna.

Por sua vez, dados retangulares são àqueles cuja organização ocorre em \(i\) linhas e \(j\) colunas, tal que \(i,j \in \mathbb{N}\) e \(i > 1\) ou \(j > 1\). As formas retangulares mais comuns são vetores, matrizes e tabelas de dados. Uma matriz é uma forma de organização de dados númericos em em \(i\) linhas e \(j\) colunas. Quando uma matriz possui \(i\) linhas e \(1\) coluna ou \(1\) linha e \(j\) colunas, chamamos de vetor-coluna e vetor-linha, respectivamente; na prática, chamamos ambos apenas de vetor. Assim, o vetor é um caso especial de matriz unidimensional. As tabelas de dados, por outro lado, possuem \(i\) linhas e \(j\) colunas, tal que \(i > 1\) e \(j > 1\). Além disso, aceitam todos os tipos de dado – por exemplo, númericos, de textos ou lógicos – em qualquer que seja a combinação de linha e coluna.

Por sua vez, dados não-retangulares se referem a toda organização de dados que não seja feita em linhas e colunas relacionadas entre si. A forma mais comum é a lista. Observe um exemplo abaixo: cada característica pode ser entendida como um elemento de uma lista. Apesar de pertencerem a mesma estrutura, os elementos não se comunicam entre si.


	Jorge	Laís	Matheus	Laura	Nathália
Gênero	Masculino	Feminino	Masculino	Feminino	Feminino

	Jorge	Laís	Matheus	Laura	Nathália
Idade	18	23	22	21	21

	Jorge	Laís	Matheus	Laura	Nathália
Altura (cm)	180	170	170	175	168

	Jorge	Laís	Matheus	Laura	Nathália
Peso (kg)	76	65	70	68	66

Nesse caso em específico, conseguimos fazer a transição para uma tabela (forma retangular) pois todos os elementos são são características das mesmas pessoas. Em uma tabela de dados, automaticamente temos uma relação entre os dados: cada linha contém características de uma unidade específica.

Tabela 5.3

Nome	Gênero	Idade	Altura (cm)	Peso (kg)
Jorge	Masculino	18	180	76
Laís	Feminino	23	170	65
Matheus	Masculino	22	175	70
Laura	Feminino	21	181	68
Nathália	Feminino	21	168	66

5.2 Estruturas de Dados no R

Na seção anterior, vimos os conceitos de tipo e forma. Tenha em mente que são duas definições que existem independentemente de qualquer linguagem de programação – elas versam sobre valores e dados de forma geral.

Por outro lado, agora veremos o conceito e alguns exemplos de estrutura de dados para o R. A estrutura de dados é a forma pela qual o R classificará um objeto em relação ao tipo e a forma dos dados que contém. Existe uma estrutura de dados para cada combinação de tipo e forma? Não. Compreender as principais estruturas disponíveis no R requer vê-las como uma combinação de

Determinado formato de dados
Número de tipos de dados (se é único ou possui vários)

5.2.1 Criando e armazenando objetos na memória

Antes de conhecê-las, no entanto, vamos entender melhor os comandos para criar e armazenar qualquer objeto (seja ele para armazenar dados, como nesse capítulo, ou para criar funções, que serão vistas no próximo) na memória do R.

Para criar e armazenar um objeto, sempre escreveremos inicialmente seu nome (escolhido por você), seguido de um dos operadores de atribuição (ou assingment operators, como são conhecidos) e, por fim, o objeto propriamente dito com as informações de nosso interesse. O principal operador de atribuição para se criar objetos é <-. Outro operador que é comumente utilizado para cumprir a mesma tarefa é =. Ainda que exista uma leve diferença entre ambos, ao longo dos cursos será possível utilizar o operador de sua preferência. Por ser o ideal, utilizaremos <- no restante do material.

nome_do_objeto <- >objeto com informações<
  
nome do objeto =  >objeto com informações<

No parágrafo anterior, observe que está escrito ‘criar e armazenar’. Nós poderíamos simplesmente criar um objeto, sem armazená-lo na memória do R. Nesse caso, não teríamos o nome do objeto disponível na aba Environment (ou seja, ele não seria armazenado no nosso ambiente de trabalho) e seria bem mais complicado registrar todas as mudanças que viermos a fazer nele. Aconteceria apenas a ocorrência de uma única saída no Console com a estrutura do objeto criado (de forma semelhante ao que fizemos no capítulo anterior) – o quê não tem grande utilidade para nós, exceto caso você queira verificar a estrutura do objeto antes de realmente armazená-lo.

Ao mesmo tempo, você irá perceber que a criação e armazenamento de um objeto não implica sua visualização imediata. Isso signfinica que, ao dar o comando para criar algum objeto, não acontecerá nada no Console. Você pode acabar achando que o processo falhou ou algo do tipo, mas não é nada disso! Como dissemos, a mudança ocorrerá na aba Environment, onde deverá aparecer o nome do novo objeto. Para visualizar o objeto criado, escreva seu nome e rode a linha de código. Agora sim o objeto aparecerá no Console.

nome_do_objeto

Se você criou e armazenou um objeto na memória, ele ficará por lá até que você encerre sua sessão atual (feche o RStudio) ou, então, que o remova. Para remover qualquer objeto basta escrever rm(nome_do_objeto). Caso tenha o desejo de remover vários objetos, basta separar seus nomes com vírgula. Para remover todos os objetos que aparecem na aba Environment, use rm(list = ls()).

rm(nome_do_objeto1)

rm(nome_do_objeto1, nome_do_objeto2, ...)

rm(list = ls())

Observe no GIF abaixo como é na prática!

5.2.2 Valor único

Ao criar um objeto com valor único, estamos armazenando um escalar que pode variar quanto ao tipo (por exemplo, númerico, string ou valor lógico). Nesse caso, a estrutura do objeto será idêntica ao tipo – o que faz sentido, afinal estamos falando de um objeto de uma única linha e coluna.

5.2.2.1 Numérico

Um objeto númerico contém apenas um número (por exemplo, 1, 2, 4.13, \(\pi\), entre outros). Se quisessemos atribuir o valor numérico 5 à um objeto chamado x, como poderiamos fazer? Observe abaixo e replique no seu RStudio!

x <- 5

Note que o Console não retorna nenhuma mensagem ou valor. Como dissemos na seção anterior, a única diferença que você deve ser capaz de observar é no painel Environment, no quadrante superior direito do RStudio. O nome do novo objeto aparecerá lá. Para que você possa visualizar o conteúdo do objeto criado, terá que escrever apenas seu nome e rodar a linha de código!

[1] 5

5.2.2.2 Textual

Uma sequência de caracteres (character string, ou apenas string) é um conjunto de caracteres dentro de um par de aspas e pode ou não incluir espaços. Por exemplo, “elevada” e “pressão arterial elevada” são objetos de caracteres com um único valor de string.

y <- "pressão arterial elevada" 
y

[1] "pressão arterial elevada"

5.2.3 Vetor

Um vetor contém uma coleção ordenada de dados indexados pelos inteiros \(1, 2,..., n\), onde \(n\) é o comprimento do vetor. O vetor como estrutura de dados é a combinação da forma vetor com dados de um único tipo, não necessariamente numérico. No exemplo abaixo, um vetor númerico, isto é, que contém apenas números.

z <- c(5, 8, 12) 
z

[1]  5  8 12

Se você tentar criar um vetor contendo dois tipos de dados diferentes, ele converterá todos os dados para o tipo texto. No exemplo abaixo, o vetor z é armazenado como vetor do tipo texto, mesmo que o criemos contendo inicialmente o número 5 e o tipo lógico NA (Not Available).

z <- c(5, "texto", TRUE, NA)
z

[1] "5"     "texto" "TRUE"  NA

NA (Not Avaiable)

Em determinadas situações, não teremos dados para algumas observações. Imagine, por exemplo, uma pesquisa domiciliar: nem todas as pessoas podem responder as perguntar feitas pelo avaliador. Ao mesmo tempo, não seria adequado descartar o restante das informações coletadas. Como, então, indicar que determinado dado não existe?

No R, utilizaremos o valor NA para representar dados faltantes. O tipo padrão de NA é lógico, a menos que seja forçado a algum outro tipo, como no caso do vetor do exemplo anterior, onde se tornou do tipo texto (mesmo que na saída não esteja cercado por aspas). Existem vários tipos de valores NA!

É inegável que, a partir deste ponto, as estruturas começam a ficar mais interessantes. Lembre-se que o vetor tem uma dimensão e pode ter muitas informações armazenadas. É natural que, em determinadas situações, desejemos acessar apenas valores específicos dentre os que constam nele.

Como podemos fazer isso? Note que podemos um número associar a cada elemento de um vetor, representando a linha ou coluna em que consta. A esse número chamamos de índice. Dessa forma, fica fácil acessar qualquer um de seus valores: basta escrever, ao lado de seu nome e entre colchetes, o índice que está associado à este valor. Por exemplo, vamos acessar o segundo elemento do vetor z que acabamos de criar.

z[2] # Acessando o segundo elemento do vetor z

[1] "texto"

Você também acessar mais de um valor específico.

z[2:4] # Acessando do segundo ao quarto elemento do vetor z

[1] "texto" "TRUE"  NA

Algumas formas de criar vetores padronizados

Em determinadas situações, você pode ter o desejo de criar um vetor que tenha certo padrão. Por exemplo, se quiséssemos criar um vetor contendo todos os números inteiros de 1 a 7, como faríamos? Uma opção, de fato, é escrever c(1,2,3,4,5,6,7). No entanto, essa abordagem não é prática quando a sequência for grande: imagine ter que escrever todos os inteiros de 1 a 100, por exemplo! Nessas ocasiões, podemos gerar o vetor desejado escrevendo os limites inferior e superior separados pelo operador :!

2:10                # Criando uma sequência de números de 2 a 10

[1]  2  3  4  5  6  7  8  9 10

Mas… e se quiséssemos selecionar uma sequência com mesmo intervalo, de tal maneira que o termo seguinte fosse igual ao termo anterior mais dois? Podemos usar a função seq()! Note que, tanto neste caso quanto no anterior, estamos falando da criação de vetores numéricos.

seq(2, 10, by = 2) # Criando um sequência de 2 a 10 pulando um número.

[1]  2  4  6  8 10

Por fim, e não menos importante, você ter o desejo de criar um vetor com valores repetidos – seja número, texto ou lógico. Para essa tarefa, utilizamos a função rep()!

rep(3, 5)          # Repetindo o número 3, 5 vezes

[1] 3 3 3 3 3

rep(c(1,"ab"), 3)  # Repetindo o vetor (1,"ab"), 3 vezes

[1] "1"  "ab" "1"  "ab" "1"  "ab"

5.2.3.1 Fator

Um fator é um tipo especial de vetor que contém valores numéricos subjacentes \(1, 2,..., n\), mas cada um desses \(n\) valores possui um rótulo de texto associado (que pode ou não ser o valor numérico). Esses valores rotulados são os níveis (levels) do fator. Um uso comum de um fator é armazenar uma variável categórica. Depois de criar um vetor de fator com níveis específicos, nenhum elemento desse vetor poderá assumir um valor que não seja um de seus níveis pré-atribuídos.

Você pode criar um fator a partir de um vetor de caracteres e o R assumirá que os valores únicos são os rótulos dos níveis. Por exemplo, no exemplo abaixo os níveis serão “lento”, “normal” e “rápido”.

y <- factor(c("super rápido", "super lento", "normal", "super rápido", "normal"))
y         # Rodar o vetor de fator também irá retornar os níveis

[1] super rápido super lento  normal       super rápido normal      
Levels: normal super lento super rápido

Se quiser alterar os rótulos, você pode fazê-lo atribuindo um novo valor aos seus níveis. Por exemplo, suponha que queiramos que os rótulos sejam maiúsculos.

levels(y) <- c("Super Rápido", "Normal", "Super Lento") 
levels(y)

[1] "Super Rápido" "Normal"       "Super Lento"

Como alternativa, você pode atribuir novos rótulos de nível ao criar o fator. Isso tem a vantagem adicional de permitir que você decida em que ordem os níveis devem aparecer. Quando criamos o fator, R atribuiu automaticamente os níveis pegando os valores exclusivos de y e colocando-os em ordem alfabética. Por vários motivos (como criar um gráfico de barras posteriormente), você pode querer que os níveis estejam em uma ordem diferente. Você pode especificar a ordem dos níveis ao criar a variável, mas tome cuidado porque se você deixar de fora um valor que aparece nos dados esse valor acabará definido como ausente (NA).

No exemplo anterior, gostaríamos que a ordem fosse da velocidade menor para o maior.

# Insira os valores originais nos níveis
# Insira os novos valores nos rótulos
# Tenha certeza que a ordem dos níveis e dos rótulos correspondem 

y <- factor(c("super rápido", "super lento", "normal", "super rápido", "normal"),              
            levels = c("super lento", "normal", "super rápido"), 
            labels = c("Super Lento", "Normal", "Super Rápido")) 
levels(y)

[1] "Super Lento"  "Normal"       "Super Rápido"

[1] Super Rápido Super Lento  Normal       Super Rápido Normal      
Levels: Super Lento Normal Super Rápido

5.2.4 Matriz

Uma matriz contém uma coleção bidimensional de dados indexados por pares de inteiros \((i, j)\). A matriz como estrutura de dados é a combinação da forma matriz com dados de um único tipo, não necessariamente numérico. Abaixo, uma matriz numérica.

x <- matrix(c(1,2,3,4,5,6), nrow = 2, ncol = 3) 
x

     [,1] [,2] [,3]
[1,]    1    3    5
[2,]    2    4    6

Assim como os vetores, as matrizes não podem conter valores de diferentes tipos. Se você tentar criar uma matriz contendo valores numéricos e de caracteres, por exemplo, ela converterá os valores numéricos em caracteres. Note que você pode definir o número de linhas e colunas que uma matriz venha a possuir.

z <- matrix(c(1,2,"c","d","e","f"), nrow = 3, ncol = 2) 
z

     [,1] [,2]
[1,] "1"  "d" 
[2,] "2"  "e" 
[3,] "c"  "f"

z <- matrix(c(1,2,"c","d","e","f"), nrow = 2, ncol = 3) 
z

     [,1] [,2] [,3]
[1,] "1"  "c"  "e" 
[2,] "2"  "d"  "f"

É importante ressaltar que, no R, uma matriz criada com \(i\) linhas e \(1\) coluna (ou \(1\) linha e \(j\) colunas) continua sendo interpretada como uma matriz, ao invés de ser interpretada como vetor-coluna (ou vetor-linha).

Como a matriz é um objeto de natureza bidimensional, podemos acessar seus elementos individuais através da inserção dos seus índices de linha e coluna. Por exemplo, para acessar o elemento presente na segunda linha e terceira coluna da matriz z que aramazenamos por último, rode:

z[2,3]

[1] "f"

Outra forma de acessar algum dado específico da matriz é pensá-la como sendo um único vetor, o qual vai sendo repartido conforme termina o tamanho que você pré-selecionou paras colunas. Dessa forma, podemos retornar determinado elemento pensando em seu índice de vetor. Por exemplo, poderíamos acessar o dado f pensando que é o sexto elemento do equivalente ao vetor c("a","b","c","d","e","f").

z[6]

[1] "f"

Ao mesmo tempo, podemos acessar apenas uma coluna ou linha específica. Para tal, selecione a coluna ou linha que deseja retornar e deixe a coordenada restante como espaço vazio. No código abaixo, vamos selecionar inicialmente a primeira linha da matriz z e, na sequência, sua terceira coluna.

z[1,]

[1] "1" "c" "e"

z[,3]

[1] "e" "f"

5.2.5 Data frame

Como matrizes (e vetores) contêm dados de apenas um tipo (por exemplo, todas as células são dados numéricos, de caracteres ou lógicos), precisamos de outra estrutura de dados para dados heterogêneos.

A necessidade de armazenar dados heterogêneos não é nada exótico ou incomum. Na verdade, mesmo os conjuntos de dados mais simples exigem a mistura de vários tipos de dados. Por exemplo, imagine que queremos armazenar um conjunto de dados que contém informações básicas sobre um grupo de pessoas, assim como na Tabela 5.3. Cada uma dessas cinco variáveis pode ser armazenada como um vetor (as duas primeiras do tipo caractere, as outras do tipo numérico). Para armazenar todas as cinco variáveis em uma única estrutura de dados, podemos combinar os cinco vetores em uma tabela retangular. As tabelas são a forma mais frequente de armazenar dados!

E qual o nome da estrutura de dados que armazena tabelas de dados no R? São os data frames! O data frame como estrutura de dados é a combinação da forma tabela e da presença de qualquer tipo de dado. No chunk abaixo, vamos recriar a Tabela 5.3 como exemplo.

info_pessoas <- data.frame(Nome = c("Jorge", "Laís", "Matheus", "Laura", "Nathália"),
                           Gênero = c("Masculino", "Feminino", "Masculino", "Feminino", "Feminino"),
                           Idade = c(18, 23, 22, 21, 21),
                           Altura = c(180, 170, 175, 181, 168),
                           Peso = c(76, 65, 70, 68, 66))

info_pessoas

      Nome    Gênero Idade Altura Peso
1    Jorge Masculino    18    180   76
2     Laís  Feminino    23    170   65
3  Matheus Masculino    22    175   70
4    Laura  Feminino    21    181   68
5 Nathália  Feminino    21    168   66

Você pode acessar qualquer dado específico de um data frame a partir do mesmo procedimento utilizado com matrizes. Por exemplo, para acessar o dado contido na segunda linha da primeira coluna, basta rodar info_pessoas[2,1].

info_pessoas[2,1]

[1] "Laís"

De forma semelhante, podemos acessar uma coluna ou linha específica.

info_pessoas[,2] # Retornando dados da segundo coluna

[1] "Masculino" "Feminino"  "Masculino" "Feminino"  "Feminino"

info_pessoas[1,] # Retornando dados da primeira linha

   Nome    Gênero Idade Altura Peso
1 Jorge Masculino    18    180   76

É interessante notar que um data frame pode ser pensado como a junção de múltiplos vetores-coluna, cada um representando determinada variável! Isso nos dá outra forma de selecionar colunas específicas: basta colocar entre colchetes o índice do vetor-coluna que você deseja selecionar. Note, no entanto, uma diferença: nesta sintaxe, o objeto que retornará ainda terá estrutura de um data frame (agora com cinco linhas e uma coluna) ao invés de vetor, como no chunk anterior.

info_pessoas[2]

     Gênero
1 Masculino
2  Feminino
3 Masculino
4  Feminino
5  Feminino

5.2.6 Lista

Uma lista contém uma coleção ordenada de objetos, sendo que estes podem ser de tipos diferentes. A lista como estrutura de dados é a combinação da forma lista (representando dados não-retangulares) e da presença de qualquer tipo de dado. Na prática, uma lista pode aceitar qualquer objeto de dados como elemento – inclusive uma outra lista!

Para que fique mais claro, abaixo está uma lista que contém um objeto com cada tipo de estrutura vista até agora! Colocamos nesta lista um valor único, um vetor, uma matriz e um data frame. Eles serão armazenados em um novo objeto, que nomeamos de lista_exemplo.

lista_exemplo <- list("5", c(1,2,3), matrix(c(2,2,3,4), 2, 2), info_pessoas)

Observe que a lista, apesar de poder contar com objetos de várias estruturas (e, consequentemente, dimensões), acaba por ter uma única dimensão. Você pode acessar seus elementos de forma parecida com o caso de um vetor. A diferença é que, no caso de uma lista, teremos que utilizar duplo colchetes. Abaixo, um exemplo de como acessar o quarto elemento da lista_exemplo – no caso, o data frame info_pessoas que criamos anteriormente.

lista_exemplo[[4]]

      Nome    Gênero Idade Altura Peso
1    Jorge Masculino    18    180   76
2     Laís  Feminino    23    170   65
3  Matheus Masculino    22    175   70
4    Laura  Feminino    21    181   68
5 Nathália  Feminino    21    168   66

Listas são mais úteis do que você pode estar pensando nesse momento. Elas permitem que você agrupe objetos de um mesmo assunto, mas com diferentes estruturas, em um único objeto ‘central’. Em muitos casos, facilita a organização.

Se o número de horas que a pessoa descansou for maior do que 8, então a variável deverá apresentar valor igual a TRUE – ou seja, é verdade que a pessoa dormiu mais de 8 horas. Caso contrário, FALSE.↩︎