Aula 2

Aula 2
Importação de Dados
Introdução
Data Frames são a estrutura de dados mais usual do R, porém

criar grandes bancos de dados a partir da função não é prático.
Assim, existem algumas funções no R que permitem a importação
de arquivos tabulados, ou de largura fixa.
Revisão
A função base mais genérica para importar tabelas no R é o

read.table(). Esta função possui alguns argumentos
importantes:
I file: que deve conter o endereço do arquivo que será lido.
*header: Argumento lógico que diz se o arquivo importado tem ou

não nomes de coluna. Caso header = TRUE a função irá
considerar que a primeira linha do arquivo contém os nomes das
colunas. O default é FALSE.
I sep: É o argumento que fala qual caracter está separando as

colunas. O default é um espaço.
Revisão
Dentre todos os tipos de separadores, o mais usado para a leitura

são os arquivos csv, por isso as funções mais usadas para
importação são read.csv() e read.csv2(). A única diferença
entre essas duas funções é o separador padrão, na primeira função
o separador é “,” e na segunda é “;”.
Pacotes
Infelizmente, nem todos os arquivos que se precisa ler estão em csv

e saber todos os tipos de tabuladores não é prático. Para isso, o R
possui pacotes que já foram feitos com o intuito de ler esses
arquivos com tabulação não usual.
readr
Para grandes bancos de dados, o processamento dessas funções é

muito lento. Para melhorar esse problema, foi implementado o
pacote readr que otmiza as funções de leitura base do R. As
funções read.csv() e read.csv2() têm basicamente a mesma
sintaxe, mas nesse pacote o nome das funções são read_csv() e
read_csv2().
readr
Fixed width file ou arquivo de largura fixa, é um dos tipos mais

comuns de arquivos nos banco de dados do governo brasileiro, esse
tipo de arquivo consiste em não possuir separadores e sua leitura é
feita a partir de posições informadas pelo usuário.
I Sintaxe: read_fwf(file, col_positions)

read_fwf
I file: é o endereço do arquivo.

I col_positions: esse argumento é suprido pelo uso das
funções fwf_width() e fwf_positions(), na primeira
função deve ser colocado um vetor com o comprimento de
cada coluna e na segunda existem dois argumentos de
tamanho, o primeiro indicando em que posição começa a
coluna e o segundo indicando onde termina. Em ambas as
funções existe um terceiro parâmetro para colocar um vetor
com o nome das colunas.
devtools
Alguns pacotes não estão disponíveis no CRAN e para usá-los,

deve-se instalar o pacote devtools. Neste pacote existe a função
install_github(). O argumento obrigatório deve ser o nome do
repositório que é definido por: “usuario/repositiorio”.
Exercício:
1. Instale o pacote devtools e em seguida o pacote

microdadosBrasil.(Dica: o segundo deve ser instalado através
do install_github onde o usuário é lucasmation e o repositório
microdadosBrasil)
microdadosBrasil
Pela grande complexidade em ler as bases brasileiras em formato

fwf, foi criado um pacote, para realizar a leitura desses microdados,
chamado de microdadosBrasil. Mais informações sobre o pacote
visite: microdadosBrasil
microdadosBrasil
Funções usuais do pacote:
I download_sourceDATA(): função para download dos bancos,

possui 3 argumentos, dataset que contém o nome do banco
desejado, i é o ano de referência do banco e unzip é um
argumento lógico que diz se o arquivo deveria ser dezipado ou
não.
I read_PNAD(): função para ler a PNAD, tem os argumentos
ft(diz se é base de pessoas ou família), i é o ano de
referência, root_path é o argumento que indica o endereço
do arquivo caso tenha sido baixado fora do pacotes e nrows
indica a quantidade de linhas a serem lidas.
Exercícios
1. Com o pacote readr leia o dicionário da PNAD, lembre-se de

usar o stringAsFactor = F.
2. Com esse dicionário, use a função read_fwf() para ler o
arquivo no endereço
“bancos/AMOSTRA_DF_PNAD2009p.txt”. Crie o
col_positions através da função fwf_widths, onde o
argumento widths é igual a coluna tamanho2 do dicionário
lido no exercício anterior.
3. Agora leia o mesmo arquivo através da função read_PNAD do
microdadosBrasil. Use file =
“bancos/AMOSTRA_DF_PNAD2009p.txt” e preencha os
argumentos ft e i corretamente.
readxl
Planilhas em excel não possuem tabulações simples, além disso um

arquivo excel pode estar separado em várias planilhas e no R base,
não existe nenhuma forma de lidar com esse tipo de dados. Para
isso foi criado o pacote readxl.
readxl
O pacote possui 2 funções principais, que serão explicadas aqui:
I excel_sheets(): esta função retorna o nome de cada

planilha dentro de um documento xls. Possui apenas um
argumento (path) que indica o endereço do pacote.
I read_excel(): função para ler planilhas separadas de excel.
Requer parâmetros path que indica o caminho até o arquivo e
sheet indica o nome da planilha ser lida dentro do
documento excel. Outros argumentos podem ser lidos aqui
Exercício
1. Quais os nomes das planilhas presentes no documento que

está no endereço “bancos/datasets.xls”?
2. Leia a terceira planilha desse documento.
3. (DESAFIO) Crie um loop com lapply para ler todas as
planilhas de uma só vez.
foreign
O pacote foreign foi criado com o intuito de importar arquivos

salvos de outros softwares estatísticos, tais como SAS, STATA e
SPSS. Para essa leitura, são usadas as seguintes funções:
I read.spss(): função que importa dados do SPSS, possui

apenas um argumento obrigatório, file, contém o endereço
do arquivo.
I read.dta(): função para importar dados do STATA, mesmo
argumento obrigatório que a função anterior.
I read.xport(): função para importar dados de uma library do
SAS, tem apenas um argumento que é o mesmo que o
obrigatório dos anteriores. Atenção para o retorno, pode ser
uma lista de data.frame’s
Exercício:
1. Leia o arquivo “electric.sav” presente na pasta bancos. Dado

que arquivos .sav são arquivos com extensão de SPSS, use a
função correspondente.
Conexão SQL
Como foi mostrado, o R tem diversas formas de ler arquivos. Um

dos mais importantes para usuários do dplyr é o SQL. Para esse
tipo de arquivo, o tidyverse tem um pacote específico para
interface de banco de dados, o DBI.
DBI
O DBI tem diversas funções, para os mais variados tipos de

conexões. Neste curso, irá ser abordadas algumas funções para
efetuar a conexão com um driver SQL, fazer queries e transformar
a tabela em um objeto R.
DBI
I dbConnect: Função para criar conexão com algum driver de

SQL. Para cada tipo de driver existe um pacote para criá-lo.
Aqui será usado o SQLite. Seus argumentos são, drv que é
onde o driver será criado e dbname onde fica o caminho até o
arquivo “.db” ou “.sqlite”.
Sintaxe: conn <- dbConnect(drv, dbname)

Exercício:
1. Instale o pacote RSQLite.

DBI
I dbListTables(): Lista o nome das tabelas presentes dentro
do arquivo “.db” e “.sqlite”. Possui apenas o argumento conn
com o nome da conexão criada pela função anterior.
Sintaxe: dbListTables(conn)
I dbGetQuery(): Executa os queries. Possui dois argumentos,

conn com a conexão e statement com o query a ser
executado. Esse comando devolve um objeto em R pronto
para ser trabalhado
Sintaxe: dbGetQuery(conn, statement)
I dbDisconnect(): As conexões devem sempre ser fechadas.

Possui um argumento obrigatório conn com o nome da
conexão.
Sintaxe: dbDisconnect(conn)
DBI
Exercícios:
2. Crie uma conexão com o arquivo “chinook.db” presente na

pasta bancos.
3. Liste o nome das tabelas presentes nessa conexão. Armazene
o resultado no objeto tabelas.vec
4. Crie uma Query que selecione todas as linhas da tabela que
está na última posição do vetor tabelas.vec.
5. Qual o número de músicas para cada tipo de gênero?

Aula 2

Enviado por

Direitos autorais:

Formatos disponíveis

Aula 2

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aula 2

Enviado por

Direitos autorais:

Formatos disponíveis

Aula 2

Data Frames são a estrutura de dados mais usual do R, porém

A função base mais genérica para importar tabelas no R é o

I file: que deve conter o endereço do arquivo que será lido.

*header: Argumento lógico que diz se o arquivo importado tem ou

I sep: É o argumento que fala qual caracter está separando as

Dentre todos os tipos de separadores, o mais usado para a leitura

Infelizmente, nem todos os arquivos que se precisa ler estão em csv

Para grandes bancos de dados, o processamento dessas funções é

Fixed width file ou arquivo de largura fixa, é um dos tipos mais

I Sintaxe: read_fwf(file, col_positions)

I file: é o endereço do arquivo.

Alguns pacotes não estão disponíveis no CRAN e para usá-los,

1. Instale o pacote devtools e em seguida o pacote

Pela grande complexidade em ler as bases brasileiras em formato

Funções usuais do pacote:

I download_sourceDATA(): função para download dos bancos,

1. Com o pacote readr leia o dicionário da PNAD, lembre-se de

Planilhas em excel não possuem tabulações simples, além disso um

O pacote possui 2 funções principais, que serão explicadas aqui:

I excel_sheets(): esta função retorna o nome de cada

1. Quais os nomes das planilhas presentes no documento que

O pacote foreign foi criado com o intuito de importar arquivos

I read.spss(): função que importa dados do SPSS, possui

1. Leia o arquivo “electric.sav” presente na pasta bancos. Dado

Como foi mostrado, o R tem diversas formas de ler arquivos. Um

O DBI tem diversas funções, para os mais variados tipos de

I dbConnect: Função para criar conexão com algum driver de

Sintaxe: conn <- dbConnect(drv, dbname)

1. Instale o pacote RSQLite.

I dbGetQuery(): Executa os queries. Possui dois argumentos,

Sintaxe: dbGetQuery(conn, statement)

I dbDisconnect(): As conexões devem sempre ser fechadas.

2. Crie uma conexão com o arquivo “chinook.db” presente na

Você também pode gostar