Você vai aprender o que é um objeto em R e por que isso importa para suas análises e scripts.
Um objeto em R é uma estrutura que guarda dados e permite que você crie, manipule e transforme informação de forma prática e repetível. Isso te dá controle sobre vetores, listas, data.frames e muito mais, sem complicação.
Vamos ver como criar objetos simples, mexer no conteúdo deles e converter entre tipos para ajustar suas análises.
A ideia é deixar seu código mais limpo e eficiente, seja pra tarefas rápidas ou projetos maiores.
Criando, manipulando e convertendo objetos no R
Você vai aprender a criar objetos com nomes claros, usar os tipos básicos (numeric, character, logical, complex), converter entre eles com funções as.* e escolher entre vetores, data.frames e listas.
Essas práticas deixam o código mais legível e menos sujeito a erros.
Como criar objetos: atribuição e nomes
Use o operador <- para atribuir valores: x <- 1:10 cria um vetor numeric de 1 a 10.
Dá pra usar = em funções, mas sinceramente, prefira <- no console e em scripts.
Nomes de objetos devem começar com letra e evitar espaços.
Underscores ou ponto funcionam bem: minha_variavel ou minha.variavel.
Crie objetos vazios quando for preencher aos poucos, tipo v <- vector(“numeric”, 5) ou df <- data.frame().
Isso evita ficar recriando objetos toda hora.
Use is.vector(x) pra conferir se algo é mesmo um vetor.
Evite dar nomes de funções base, como c ou mean, aos seus objetos.
Principais tipos: numeric, character, logical e complex
Numeric armazena números reais e inteiros.
Se precisar converter caracteres que parecem números, use as.numeric().
Character serve pra texto; combine strings com paste() ou paste0().
Logical guarda TRUE/FALSE, super útil em filtros e condições.
Complex fica pra números complexos — raramente usados, mas às vezes aparecem em cálculos específicos.
Fatores (factor) representam categorias e aparecem muito em data.frames.
Converta pra character com as.character() se for manipular texto.
Verifique o tipo com class(x) ou typeof(x) pra não ter surpresa ao operar ou salvar dados.
Conversão entre tipos com funções as.*
Use as.numeric(), as.character(), as.logical(), as.factor() e as.data.frame() pra transformar objetos.
Por exemplo: nums <- as.numeric(chars) tenta transformar um vetor character em numeric; o que não der vira NA com aviso.
Pra matrizes ou listas, as.data.frame() cria um data.frame se os tamanhos baterem.
Cuidado ao converter fatores pra número: as.numeric(factor_var) retorna os códigos internos.
O truque é usar as.numeric(as.character(factor_var)) pra pegar os números reais.
Teste conversões com str() pra ver a estrutura e use is.na() se quiser achar falhas.
Vetores, data.frames e listas: diferenças e boas práticas
Vetores são homogêneos. Todos os elementos têm o mesmo modo, como numeric ou character.
Você pode criar vetores com c(). Só fique atento: combinar tipos diferentes faz o R transformar tudo para o tipo mais flexível, tipo numeric com character vira character rapidinho.
Data.frames são tabelas bidimensionais. Cada coluna pode ter um tipo diferente.
Dá pra criar com data.frame() ou as.data.frame(). Nomear as colunas de forma clara ajuda bastante, viu?
Listas são mais flexíveis ainda. Elas aceitam elementos de tipos variados e até estruturas bem complexas.
Quando você precisa guardar vetores de tamanhos diferentes, modelos ou até metadados, listas são uma boa escolha. Prefira data.frames para análise tabular.
Listas funcionam melhor quando o resultado é aninhado ou misturado. Use nomes tanto em listas quanto em colunas (tipo lista$nome ou df$coluna) pra acessar direto e deixar o código mais legível.
Leave a Comment