Estruturas de dados no R

Para tirar o melhor proveito da linguagem R, você precisará de um bom entendimento dos tipos e estruturas básicas de dados existentes e como manipulá-los no seu dia a dia. Portanto, antes de começar a apenas executar código e se frustrar (e perder tempo) por não entender o que são essas coisas na tela, inicie compreendendo os fundamentos básicos de estruturas de dados.

Estruturas de dados são muito importantes para entender porque é o que forma os objetos que você utilizará no dia a dia no R. Manipulação de objetos é uma das fontes mais comuns de frustração para iniciantes. E no R tudo é um objeto, portanto, vamos entendê-los.

Tipos de dados

Existem 5 tipos básicos de dados no R. Os elementos desses tipos de dados podem ser combinados para formar estruturas de dados, como vetores atômicos. Quando chamamos um vetor de atômico, queremos dizer que o vetor contém apenas dados de um único tipo de dados. Abaixo estão exemplos de vetores de atômicos e seus tipos:

  • character: "fernando", "economia"
  • numeric: 7, 22.3
  • integer: 5L (L serve para armazenar como inteiro no R)
  • logical: TRUE, FALSE
  • complex: 1+4i

Todos os elementos de um vetor atômico devem ser do mesmo tipo, portanto, quando você tentar combinar tipos diferentes, eles serão convertidos ao tipo mais flexível. Os tipos do menos ao mais flexível são: logicalintegernumeric e character.

Existem diversas funções para obter informações de vetores e outros objetos, por exemplo:

  • class() - que tipo de objeto é (alto nível)?
  • typeof() - qual é o tipo de dados do objeto (baixo nível)?
  • length() - qual é o tamanho (nº de elementos) do objeto?
  • attributes() - tem algum metadado/atributo?

Exemplos:


class("fernando")

# [1] "character"
typeof(7)

# [1] "double"
length(7L)

# [1] 1
attributes(TRUE)

# NULL

Estruturas de dados

No R existem muitas estruturas de dados. As nativas da linguagem incluem:

  • atomic vector
  • list
  • matrix
  • data frame
  • array

Vamos agora verificar com exemplos simples como criar cada uma dessas estruturas.

Vetores atômicos

Os vetores atômicos são geralmente criados com a função c(), abreviação de "combine":


c("fernando", "economia") # character

# [1] "fernando" "economia"
c(7, 22.3, 1:5) # numeric

# [1] 7.0 22.3 1.0 2.0 3.0 4.0 5.0
c(5L, 7L, 9L) # integer

# [1] 5 7 9
c(TRUE, FALSE, T, F) # logical

# [1] TRUE FALSE TRUE FALSE

Listas

Listas são diferentes de vetores atômicos porque seus elementos podem ser de qualquer tipo, incluindo listas. Ou seja, você pode pensar em listas como se fossem "contêineres" de dados. Podemos criar listas usando a função list():


list(1:5, "fernando", c(TRUE, FALSE), list("elemento de outra lista"))

# [[1]]
# [1] 1 2 3 4 5
#
# [[2]]
# [1] "fernando"
#
# [[3]]
# [1] TRUE FALSE
#
# [[4]]
# [[4]][[1]]
# [1] "elemento de outra lista"

Matrizes

Matrizes são comumente usadas como parte da maquinaria matemática da estatística, representando uma estrutura de duas dimensões: com n x m linhas e colunas. Podem ser criadas com a função matrix():


matrix(1:6, nrow = 2, ncol = 3) # matriz 2x3

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

Data frames

O data frame é a estrutura mais comum para armazenar dados no R e, se usado sistematicamente, facilita a análise de dados. Por trás das cortinas, um data frame é uma lista de vetores de igual tamanho e isso o torna uma estrutura bidimensional, de modo que compartilha propriedades de matrizes e listas.

Podemos criar um data frame usando data.frame(), que recebe vetores nomeados como entrada:


data.frame(id = c("a", "b", "c"), y = 1:3, x = 3:1)

# id y x
# 1 a 1 3
# 2 b 2 2
# 3 c 3 1

Saiba mais

Estes foram alguns exemplos básicos de estruturas e tipos de dados e funcionamento geral no R. Há muito mais a ser explorado sobre o assunto! Para se aprofundar confira o curso R e Python para Economistas.

Referências

Wickham, H. (2019). Advanced R. CRC press.

 

 

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Como Criar um Agente Analista Financeiro com LangGraph e Dados da CVM

Este post apresenta a construção de um sistema multiagente para análise financeira automatizada com LangGraph. A partir dos dados das demonstrações contábeis da CVM, mostramos como agentes especializados podem interpretar perguntas, consultar bancos de dados e gerar análises financeiras, simulando o trabalho de um analista.

O que é e como funcionam Sistemas Multi-Agentes

Sistemas multi-agentes (MAS) representam uma nova forma de estruturar aplicações de inteligência artificial, especialmente úteis para lidar com problemas complexos e distribuídos. Em vez de depender de um único agente generalista, esses sistemas são compostos por múltiplos agentes especializados que colaboram, competem ou se coordenam para executar tarefas específicas. Neste post, explicamos o que são os MAS, seus principais componentes (como LLMs, ferramentas e processos) e as arquiteturas mais comuns.

Como criar um Agente de IA coletor de dados

A tecnologia de agentes de IA está democratizando o acesso e a manipulação de dados econômicos complexos, tornando-a acessível mesmo para aqueles sem experiência em programação. Neste post discutimos a criação de agentes de IA para coletar dados econômicos brasileiros usando linguagem natural, como "Qual é a expectativa do IPCA para 2025?".

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.