# meu computador (mudar de acordo)
setwd("D:/Desktop/UFSC/aulas/classes/RGV410046/data")3. Dados
Diretório
Pacotes
library(rio)
library(tidyverse)
library(metan)
library(DataExplorer)Importação
Pacote rio
O pacote rio é um pacote R utilizado para importação e exportação de dados. Ele infere o formato do arquivo a partir de sua extensão (veja os formatos suportados aqui), ou seja, “adivinha” o formato do arquivo que você está tentando importar e, consequentemente, aplica a função de importação apropriada a esse formato. Tudo isso é feito com a função import().
Do Excel
Um arquivo
# primeira planilha do excel
df_excel <- import("df_excel.xlsx")
df_excel RAD REP AF_M2 AF MST
1 50 1 5.02 5016.429 12.30785
2 50 2 3.65 3648.359 10.73315
3 50 3 3.93 3925.333 10.86140
4 50 4 4.71 4705.269 10.97850
5 70 1 6.12 6118.425 15.75180
6 70 2 5.61 5614.233 13.30495
7 70 3 5.11 5109.944 13.88435
8 70 4 4.98 4975.857 13.09225
9 100 1 5.46 5464.528 16.92240
10 100 2 5.55 5551.951 14.93085
11 100 3 5.72 5723.849 16.12900
12 100 4 5.87 5869.697 15.78145# uma planilha específica
# converter para tibble
df_excel2 <-
import("df_excel.xlsx",
sheet = "traits",
setclass = "tbl")
df_excel2# A tibble: 12 × 2
AF MST
<dbl> <dbl>
1 5016. 12.3
2 3648. 10.7
3 3925. 10.9
4 4705. 11.0
5 6118. 15.8
6 5614. 13.3
7 5110. 13.9
8 4976. 13.1
9 5465. 16.9
10 5552. 14.9
11 5724. 16.1
12 5870. 15.8Vários arquivos
(padrao <- list.files(pattern = "df_excel"))[1] "df_excel.xlsx" "df_excel2.xlsx" "df_excel3.xlsx"df_lista <- import_list(file = padrao)
str(df_lista)List of 3
$ df_excel :'data.frame': 12 obs. of 5 variables:
..$ RAD : num [1:12] 50 50 50 50 70 70 70 70 100 100 ...
..$ REP : num [1:12] 1 2 3 4 1 2 3 4 1 2 ...
..$ AF_M2: num [1:12] 5.02 3.65 3.93 4.71 6.12 5.61 5.11 4.98 5.46 5.55 ...
..$ AF : num [1:12] 5016 3648 3925 4705 6118 ...
..$ MST : num [1:12] 12.3 10.7 10.9 11 15.8 ...
..- attr(*, "filename")= chr "df_excel.xlsx"
$ df_excel2:'data.frame': 12 obs. of 5 variables:
..$ RAD : num [1:12] 50 50 50 50 70 70 70 70 100 100 ...
..$ REP : num [1:12] 1 2 3 4 1 2 3 4 1 2 ...
..$ AF_M2: num [1:12] 5.02 3.65 3.93 4.71 6.12 5.61 5.11 4.98 5.46 5.55 ...
..$ AF : num [1:12] 5016 3648 3925 4705 6118 ...
..$ MST : num [1:12] 12.3 10.7 10.9 11 15.8 ...
..- attr(*, "filename")= chr "df_excel2.xlsx"
$ df_excel3:'data.frame': 12 obs. of 5 variables:
..$ RAD : num [1:12] 50 50 50 50 70 70 70 70 100 100 ...
..$ REP : num [1:12] 1 2 3 4 1 2 3 4 1 2 ...
..$ AF_M2: chr [1:12] "5,02" "3,65" "3,93" "4,71" ...
..$ AF : chr [1:12] "5016,43" "3648,36" "3925,33" "4705,27" ...
..$ MST : chr [1:12] "12,31" "10,73" "10,86" "10,98" ...
..- attr(*, "filename")= chr "df_excel3.xlsx"df_lista_bind <- import_list(file = padrao, rbind = TRUE)
df_lista_bind RAD REP AF_M2 AF MST _file
1 50 1 5.02 5016.42875 12.30785 df_excel.xlsx
2 50 2 3.65 3648.3589 10.73315 df_excel.xlsx
3 50 3 3.93 3925.33325 10.8614 df_excel.xlsx
4 50 4 4.71 4705.2685 10.9785 df_excel.xlsx
5 70 1 6.12 6118.4251 15.7518 df_excel.xlsx
6 70 2 5.61 5614.23305 13.30495 df_excel.xlsx
7 70 3 5.11 5109.94435 13.88435 df_excel.xlsx
8 70 4 4.98 4975.85695 13.09225 df_excel.xlsx
9 100 1 5.46 5464.528 16.9224 df_excel.xlsx
10 100 2 5.55 5551.95115 14.93085 df_excel.xlsx
11 100 3 5.72 5723.84875 16.129 df_excel.xlsx
12 100 4 5.87 5869.69745 15.78145 df_excel.xlsx
13 50 1 5.02 5016.42875 12.30785 df_excel2.xlsx
14 50 2 3.65 3648.3589 10.73315 df_excel2.xlsx
15 50 3 3.93 3925.33325 10.8614 df_excel2.xlsx
16 50 4 4.71 4705.2685 10.9785 df_excel2.xlsx
17 70 1 6.12 6118.4251 15.7518 df_excel2.xlsx
18 70 2 5.61 5614.23305 13.30495 df_excel2.xlsx
19 70 3 5.11 5109.94435 13.88435 df_excel2.xlsx
20 70 4 4.98 4975.85695 13.09225 df_excel2.xlsx
21 100 1 5.46 5464.528 16.9224 df_excel2.xlsx
22 100 2 5.55 5551.95115 14.93085 df_excel2.xlsx
23 100 3 5.72 5723.84875 16.129 df_excel2.xlsx
24 100 4 5.87 5869.69745 15.78145 df_excel2.xlsx
25 50 1 5,02 5016,43 12,31 df_excel3.xlsx
26 50 2 3,65 3648,36 10,73 df_excel3.xlsx
27 50 3 3,93 3925,33 10,86 df_excel3.xlsx
28 50 4 4,71 4705,27 10,98 df_excel3.xlsx
29 70 1 6,12 6118,43 15,75 df_excel3.xlsx
30 70 2 5,61 5614,23 13,30 df_excel3.xlsx
31 70 3 5,11 5109,94 13,88 df_excel3.xlsx
32 70 4 4,98 4975,86 13,09 df_excel3.xlsx
33 100 1 5,46 5464,53 16,92 df_excel3.xlsx
34 100 2 5,55 5551,95 14,93 df_excel3.xlsx
35 100 3 5,72 5723,85 16,13 df_excel3.xlsx
36 100 4 5,87 5869,70 15,78 df_excel3.xlsxPlanilha separada por vírgulas
df_csv <- import("df_csv.csv")
df_csv RAD REP AF_M2 AF MST
1 50 1 5.02 5016.43 12.31
2 50 2 3.65 3648.36 10.73
3 50 3 3.93 3925.33 10.86
4 50 4 4.71 4705.27 10.98
5 70 1 6.12 6118.43 15.75
6 70 2 5.61 5614.23 13.30
7 70 3 5.11 5109.94 13.88
8 70 4 4.98 4975.86 13.09
9 100 1 5.46 5464.53 16.92
10 100 2 5.55 5551.95 14.93
11 100 3 5.72 5723.85 16.13
12 100 4 5.87 5869.70 15.78Arquivos de texto
df_txt <- import("df_txt.txt")
df_txt RAD REP AF_M2 AF MST
1 50 1 5.02 5016.43 12.31
2 50 2 3.65 3648.36 10.73
3 50 3 3.93 3925.33 10.86
4 50 4 4.71 4705.27 10.98
5 70 1 6.12 6118.43 15.75
6 70 2 5.61 5614.23 13.30
7 70 3 5.11 5109.94 13.88
8 70 4 4.98 4975.86 13.09
9 100 1 5.46 5464.53 16.92
10 100 2 5.55 5551.95 14.93
11 100 3 5.72 5723.85 16.13
12 100 4 5.87 5869.70 15.78Google Sheets
url <- "https://docs.google.com/spreadsheets/d/1b-Sj9l-VwJ-Oy-hFx7j8twsA5oC6-Fr9ukllywfim0E"
df_gsheet <- import(url, dec = ",")
df_gsheet RAD,REP,AF_M2,AF,MST
1 50,1,"5,02","5016,43","12,31"
2 50,2,"3,65","3648,36","10,73"
3 50,3,"3,93","3925,33","10,86"
4 50,4,"4,71","4705,27","10,98"
5 70,1,"6,12","6118,43","15,75"
6 70,2,"5,61","5614,23","13,3"
7 70,3,"5,11","5109,94","13,88"
8 70,4,"4,98","4975,86","13,09"
9 100,1,"5,46","5464,53","16,92"
10 100,2,"5,55","5551,95","14,93"
11 100,3,"5,72","5723,85","16,13"
12 100,4,"5,87","5869,7","15,78"Outros formatos (Avançado)
SPSS
O arquivo ".sav" de exemplo foi baixado deste site.
df_spss <- import("df_spss.sav", setclass = "tbl")
df_spss# A tibble: 306 × 59
IDnumber age sex workstat increg incmnth incwk housing living homepay
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 20160186 19 2 3 1 0 0 2 1 1
2 20160011 17 2 0 0 0 0 2 1 1
3 20160081 18 2 3 1 300 69.2 2 1 1
4 20160155 18 2 0 0 0 0 2 1 1
5 20160182 19 2 0 1 600 138. 2 1 4
6 20160027 17 2 0 0 0 0 2 1 4
7 20160188 19 2 0 0 0 0 2 1 99
8 20160013 17 2 0 0 0 0 2 1 1
9 20160214 20 2 0 1 1500 346. 3 2 4
10 20160216 20 2 3 1 400 92.3 3 2 1
# ℹ 296 more rows
# ℹ 49 more variables: homecost <dbl>, homecostwk <dbl>, mobile <dbl>,
# mobilepay <dbl>, mobilecost <dbl>, mobilecostwk <dbl>, transport <dbl>,
# food <dbl>, entertain <dbl>, privhlth <dbl>, fs_illness <dbl>,
# fs_accident <dbl>, fs_death <dbl>, fs_mtlillness <dbl>,
# fs_disability <dbl>, fs_divsep <dbl>, fs_nogetjob <dbl>,
# fs_lossofjob <dbl>, fs_alcdrug <dbl>, fs_witviol <dbl>, …DBF
O arquivo ".dbf" de exemplo foi baixado deste site.
df_dbf <- import("df_dbf.dbf", setclass = "tbl")
df_dbf# A tibble: 67 × 15
ID CATCOUNT AGRPCOUNT PGRPCOUNT ORDER CODE NAME THUMBNAIL IMAGE PRICE
<int> <int> <int> <int> <int> <chr> <chr> <chr> <chr> <dbl>
1 87 2 0 0 87 1 Asso… graphics… grap… 0
2 26 3 0 0 26 CPKG Chri… graphics… grap… 0
3 27 3 0 0 27 CHOC Choc… graphics… grap… 0
4 28 3 0 0 28 PASTEL Past… graphics… grap… 0
5 29 2 0 0 29 CKR-1001 Chec… graphics… grap… 15.8
6 30 3 0 0 30 C Chri… graphics… grap… 0
7 31 3 0 0 31 TBC01 Truf… graphics… grap… 19.2
8 32 2 0 0 32 BD01 Bisc… graphics… grap… 28.8
9 33 1 0 0 33 DS02 Dres… graphics… grap… 24.0
10 34 1 0 0 34 AB01 Apri… graphics… grap… 38.0
# ℹ 57 more rows
# ℹ 5 more variables: COST <dbl>, DESC <chr>, WEIGHT <dbl>, TAXABLE <lgl>,
# ACTIVE <lgl>ODS
df_ods <- import("df_ods.ods")
df_ods RAD REP AF_M2 AF MST
1 50 1 5.02 5016.429 12.30785
2 50 2 3.65 3648.359 10.73315
3 50 3 3.93 3925.333 10.86140
4 50 4 4.71 4705.269 10.97850
5 70 1 6.12 6118.425 15.75180
6 70 2 5.61 5614.233 13.30495
7 70 3 5.11 5109.944 13.88435
8 70 4 4.98 4975.857 13.09225
9 100 1 5.46 5464.528 16.92240
10 100 2 5.55 5551.951 14.93085
11 100 3 5.72 5723.849 16.12900
12 100 4 5.87 5869.697 15.78145RData
df_rdata <- readRDS("df_r.RData")
df_rdata HIBRIDO BLOCO ALT_PLANT ALT_ESP
1 H1 I 3.002 1.878
2 H1 II 2.974 1.834
3 H1 III 2.814 1.674
4 H2 I 2.104 0.910
5 H2 II 2.120 1.034
6 H2 III 1.924 1.018
7 H3 I 2.132 1.052
8 H3 II 2.126 1.012
9 H3 III 2.182 0.992Funções R base
A função read.table() lê um arquivo em formato de tabela (.txt, .csv) e cria um data frame a partir dele.
(dados <- read.table("df_txt.txt", header = TRUE))
(dados <- read.table("df_csv.csv", header = TRUE, sep = ";"))
# Argumento header = TRUE indica a existência de cabeçalhoRStudio
Uma das formas mais comuns de o pesquisador digitar seus dados é por meio de planilhas eletrônicas, como o Excel. Para carregar esses dados pelo RStudio, basta clicar em Import Dataset, no painel Environment. O passo a passo está descrito abaixo:
Exportar
Assim como import(), a função export() do pacote rio infere o formato de saída a partir da extensão informada no nome do arquivo.
# exportar para excel
export(df_excel, "exportado.xlsx")
# exportar para txt
export(df_excel, "exportado.txt")
# exportar para csv
export(df_excel, "exportado.csv")
# exportar várias planilhas para um arquivo
export(
list(
plan1 = df_excel,
plan2 = df_excel2
),
file = "minha_lista.xlsx"
)Tutorial Importação e Exportação
Dados tidy
Conjuntos de dados organizados são fáceis de manipular, modelar e visualizar, e possuem uma estrutura específica: cada variável é uma coluna, cada observação é uma linha e cada tipo de unidade observacional é uma tabela (Wickham, 2014)1
Mesmos dados, diferentes formas
Nesta seção, você aprenderá a organizar dados no R no formato tidy. Colocar seus dados nesse formato requer algum trabalho inicial, mas esse trabalho compensa a longo prazo. Aqui, um foco especial será dado às funções dos pacotes tidyr e metan. Se você quiser saber mais sobre a teoria por trás dos dados tidy, recomenda-se a leitura do artigo Tidy Data.
Você pode representar os mesmos dados de várias maneiras. O exemplo abaixo mostra os mesmos dados organizados de quatro maneiras diferentes. Cada conjunto de dados mostra os mesmos valores de duas variáveis (ALT_ESP, ALT_PLANT) mensuradas em três híbridos (HIBRIDO), considerando três repetições (BLOCOS).
df <- import_list("examples_data.xlsx")
df$df1 HIBRIDO BLOCO ALT_PLANT ALT_ESP
1 H1 I 3.002 1.878
2 H1 II 2.974 1.834
3 H1 III 2.814 1.674
4 H2 I 2.104 0.910
5 H2 II 2.120 1.034
6 H2 III 1.924 1.018
7 H3 I 2.132 1.052
8 H3 II 2.126 1.012
9 H3 III 2.182 0.992df$df2 HIBRIDO BLOCO VARIAVEL VALOR
1 H1 I ALT_PLANT 3.002
2 H1 I ALT_ESP 1.878
3 H1 II ALT_PLANT 2.974
4 H1 II ALT_ESP 1.834
5 H1 III ALT_PLANT 2.814
6 H1 III ALT_ESP 1.674
7 H2 I ALT_PLANT 2.104
8 H2 I ALT_ESP 0.910
9 H2 II ALT_PLANT 2.120
10 H2 II ALT_ESP 1.034
11 H2 III ALT_PLANT 1.924
12 H2 III ALT_ESP 1.018
13 H3 I ALT_PLANT 2.132
14 H3 I ALT_ESP 1.052
15 H3 II ALT_PLANT 2.126
16 H3 II ALT_ESP 1.012
17 H3 III ALT_PLANT 2.182
18 H3 III ALT_ESP 0.992df$df3 HIBRIDO ALT_ESP_I ALT_ESP_II ALT_ESP_III ALT_PLANT_I ALT_PLANT_II
1 H1 1.878 1.834 1.674 3.002 2.974
2 H2 0.910 1.034 1.018 2.104 2.120
3 H3 1.052 1.012 0.992 2.132 2.126
ALT_PLANT_III
1 2.814
2 1.924
3 2.182df$df4 HIBRIDO name I II III
1 H1 ALT_PLANT 3.002 2.974 2.814
2 H1 ALT_ESP 1.878 1.834 1.674
3 H2 ALT_PLANT 2.104 2.120 1.924
4 H2 ALT_ESP 0.910 1.034 1.018
5 H3 ALT_PLANT 2.132 2.126 2.182
6 H3 ALT_ESP 1.052 1.012 0.992Essas são todas representações dos mesmos dados, mas são completamente diferentes do ponto de vista de uso.
O que não fazer
Suponha que queiramos calcular a média da variável ALT_PLANT. Observe os quatro exemplos abaixo e veja qual está correto.
mean(df$df1$ALT_PLANT)[1] 2.375333mean(df$df2$value)Warning in mean.default(df$df2$value): argumento não é numérico nem lógico:
retornando NA[1] NAmean(df$df3$ALT_PLANT_I)[1] 2.412667mean(df$df4$I)[1] 1.846333Um conjunto de dados tidy é um conjunto de dados em que as três regras a seguir são respeitadas:
- Cada variável deve ter sua própria coluna.
- Cada observação deve ter sua própria linha.
- Cada valor deve ter sua própria célula.
A figura a seguir mostra as regras visualmente.
Após vermos essas regras, percebemos que, dos quatro conjuntos apresentados anteriormente, apenas df1 é tidy. Ao usarmos conjuntos de dados tidy, podemos aproveitar uma das belezas do R: a possibilidade de aplicar funções a vetores, que, neste caso, nada mais são do que os valores presentes em cada coluna.
Padrão, padrão, padrão!
Formatar strings
Um dos maiores equívocos cometidos ao trabalhar com conjuntos de dados, e que pode impactar significativamente análises posteriores, é a falta de padrão de nomenclatura, tanto em nomes de variáveis quanto em strings de caracteres. Por exemplo, suponha que tenhamos uma string de caracteres str = c("Env1", "env 1", "env.1") para representar três observações do ambiente “env 1”. Por definição, str deveria representar um nível único, mas, na verdade, tem três níveis.
str <- c("Env1", "env 1", "env.1")
str |> factor() |> levels()[1] "env 1" "env.1" "Env1" A função tidy_strings() do pacote metan pode ser usada para organizar strings de caracteres, colocando todas as palavras em maiúsculas, substituindo qualquer espaço, tabulação ou caractere de pontuação por _ e inserindo _ entre letras maiúsculas e minúsculas.
(tidy_str <- tidy_strings(str))[1] "ENV_1" "ENV_1" "ENV_1"tidy_str |> factor() |> levels()[1] "ENV_1"Excelente! Agora temos o nível único que deveríamos ter antes.
Formatar nomes de colunas
O mesmo princípio visto anteriormente se aplica aos nomes das colunas. Como exemplo motivador, vamos utilizar o conjunto de dados messy.
messy <- df$messy
names(messy)[1] "env" "Gen" "b 1" "B2" "b.3"Observe que os nomes das colunas do conjunto de dados messy não seguem nenhum padrão. São observadas letras minúsculas e maiúsculas, espaços e pontuações. Note o efeito da presença de espaços na seleção de variáveis.
messy$env
messy$b 1
# espaços requerem código adicional
messy$`b 1`Error in parse(text = input): <text>:2:9: unexpected numeric constant
1: messy$env
2: messy$b 1
^Para formatar os nomes de colunas, podemos utilizar a função tidy_colnames() do pacote metan.
messy <- tidy_colnames(messy)
names(messy)[1] "ENV" "GEN" "B_1" "B_2" "B_3"Avançado
Inspeção
Antes de qualquer análise, é recomendável inspecionar os dados para identificar o tipo de cada variável, a presença de valores faltantes (NA) e possíveis valores discrepantes. As funções do pacote DataExplorer e a função inspect() do pacote metan permitem fazer isso rapidamente.
maize <- df$maize
plot_intro(maize)
plot_histogram(maize)
plot_missing(maize)
# pacote metan
inspect(maize, plot = TRUE)# A tibble: 11 × 10
Variable Class Missing Levels Valid_n Min Median Max Outlier Text
<chr> <chr> <chr> <chr> <int> <dbl> <dbl> <dbl> <dbl> <chr>
1 AMB character No 0 780 NA NA NA NA Line…
2 HIB character No 0 780 NA NA NA NA Line…
3 REP character No 0 780 NA NA NA NA Line…
4 PLANTA character No 0 780 NA NA NA NA Line…
5 APLA_PLANT numeric Yes - 772 0 2.52 3.3 7 <NA>
6 AIES_PLANT numeric No - 780 0.5 1.38 2.39 1 <NA>
7 CESP numeric Yes - 776 0.8 15.4 20.4 16 <NA>
8 DIES numeric Yes - 779 36.4 50.0 59.7 1 <NA>
9 MGRA numeric No - 780 58.5 174. 291. 0 <NA>
10 MMG numeric No - 780 123. 344. 546. 6 <NA>
11 NGRA numeric Yes - 779 147 517 903 10 <NA> Warning in inspect(maize, plot = TRUE): Considering the levels of factors,
.data should have 1 rows, but it has 780. Use 'as_factor()' for coercing a
variable to a factor.Warning in inspect(maize, plot = TRUE): Expected three or more factor
variables. The data has only 0.Warning in inspect(maize, plot = TRUE): Missing values in variable(s)
APLA_PLANT, CESP, DIES, NGRA.Warning in inspect(maize, plot = TRUE): Possible text fragments in variable(s)
AMB, HIB, REP, PLANTA.Warning in inspect(maize, plot = TRUE): Possible outliers in variable(s)
APLA_PLANT, AIES_PLANT, CESP, DIES, MMG, NGRA. Use 'find_outliers()' for more
details.Warning in inspect(maize, plot = TRUE): Zero values observed in variable(s)
APLA_PLANT.
Preencher valores
Observe o seguinte conjunto de dados:
Na hora da coleta de dados, é muito comum observar células mescladas em conjuntos de dados. Observe o que acontece quando esses dados são importados para o software R.
(mesclado <- df$fill) AMB HIBRIDO BLOCO ALT_PLANT
1 A1 H1 I 3.002
2 A1 H1 II 2.974
3 A1 H1 III 2.814
4 A1 H2 I 2.104
5 A1 H2 II 2.120
6 A1 H2 III 1.924
7 A2 H1 I 3.002
8 A2 H1 II 2.974
9 A2 H1 III 2.814
10 A2 H2 I 2.104
11 A2 H2 II 2.120
12 A2 H2 III 1.924A função fill() do pacote tidyr pode ser utilizada para preencher valores faltantes nas colunas selecionadas, utilizando o valor anterior (ou o posterior). Isso é útil no formato comum em que os valores não são repetidos e são registrados apenas quando se alteram.
(preenchido <- fill(mesclado, AMB, HIBRIDO)) AMB HIBRIDO BLOCO ALT_PLANT
1 A1 H1 I 3.002
2 A1 H1 II 2.974
3 A1 H1 III 2.814
4 A1 H2 I 2.104
5 A1 H2 II 2.120
6 A1 H2 III 1.924
7 A2 H1 I 3.002
8 A2 H1 II 2.974
9 A2 H1 III 2.814
10 A2 H2 I 2.104
11 A2 H2 II 2.120
12 A2 H2 III 1.924
Para fechar: o que levar deste módulo
- Uma função para (quase) tudo: com o pacote
rio,import()eexport()leem e escrevem Excel, CSV, TXT, Google Sheets, SPSS, ODS e muitos outros formatos. O formato é definido pela extensão do arquivo. - Caminhos relativos: mantenha os dados dentro da pasta do projeto e use caminhos relativos (ex.,
import("data/df_excel.xlsx")). Evite caminhos absolutos comoD:/Desktop/..., que só funcionam no seu computador. - As três regras dos dados tidy: cada variável em uma coluna, cada observação em uma linha, cada valor em uma célula. Dados tidy tornam todo o restante do curso (seleção, mutação, resumo e gráficos) muito mais simples.
- Padronize nomes: nomes de colunas sem espaços, acentos ou símbolos evitam crases e erros.
metan::tidy_colnames()emetan::tidy_strings()fazem isso automaticamente. - Inspecione sempre: logo após importar, use
str(),glimpse()ouinspect()para conferir tipos de variáveis e valores faltantes. - Evite células mescladas na planilha original. Se elas existirem,
tidyr::fill()resolve o problema. - Nunca altere os dados brutos: faça todas as correções no script e exporte uma nova versão com
export().
Footnotes
Wickham, Hadley. 2014. “Tidy Data”. Journal of Statistical Software 59: 1–23.↩︎