1
INTRODUÇÃO AOS MODELOS LINEARES EM ECOLOGIA
PROF. ADRIANO SANCHES MELO – asm.adrimelo no gmail.com -DEP. ECOLOGIA – UFG
PÁGINA DO CURSO: www.ecoevol.ufg.br/adrimelo/lm/
AULA 2– COMANDOS NO R
O PACOTE R
Diretório de trabalho
Menu
Pacotes
Linhas de comando: setas para voltar
Tipos de objetos: vector, matrix, array, factor, data.frame, list, function
0. Informações gerais:
--Use ponto “.” para casas decimais.
--Exceto em raras ocasiões, use sempre letras minúsculas.
--Feche o parêntese assim que abri-lo.
1. Gravar dados dentro do R (criar objetos)
Suponha você queira gravar o valor “4” e chamá-lo de “a”:
a<-4
2. Ver conteúdo de um objeto
Basta digitar o nome do objeto e pressionar a tecla Enter:
a
[1] 4
O número entre colchetes apenas indica o número da linha.
3. Operações aritméticas e sequências
Use “*” para multiplicação e “^” para exponenciação:
a^2
[1] 16
a/2
[1] 2
(a^5)/2
[1] 512
a<-a^2 #Note que aqui você substitui o valor de “a” que era “4” por “16”
1:10 #Para fazer sequência de 1 até 10.
4. Uso geral:
b<-maria(informação1, informação2)
O comando acima indica que a função chamada “maria” será aplicada sobre as informações (no R
chamadas de argumentos) “informação1” e “informação2” e gravar o resultado dentro de “b”. Caso não queira
gravar os resultados, basta excluir a parte antes do nome da função. Veja exemplos:
a<-sum(3,5)
a
log(10)
log(10,10) # a segunda informação da função log indica a base. Para saber disto, basta digitar ?log
log(10,2)
5. Visualizar arquivo de ajuda:
?log
?sum
Veja também no menu as opções de ajuda, incluindo manuais.
6. Importar tabela de dados
Exemplo: Prepare o seguinte conjunto de dados no Excel:
sp1 sp2 sp3 sp4
ua1 1 2 3 8
ua2 2 3 4 9
ua3 3 4 5 10
ua4 4 5 6 11
ua5 5 6 7 12
2
Grave o arquivo no formato .txt (texto separado por tabulações) no mesmo diretório que contém o arquivo do R
que vocês está usando. Chame o arquivo de cupim.txt
Vamos importa-lo:
dados.cupim<-read.table(“cupim.txt”, header=TRUE)
O argumento header indica que nossos dados possuem legendas nas linhas e nas colunas.
Caso os dados estejam em outro diretório:
dados.cupim<-read.table(“C:\\maria\\cupim.txt”, header=TRUE)
7. Editar dados
dados.cupim<-edit(dados.cupim)
Abre-se uma janela com nossos dados. Substitua a primeira célula por 10. Note que a nova planilha
será gravada como “dados.cupim”. Perderemos portanto nossa planilha antiga. Caso queira manter a original,
basta gravar com nome diferente.
8. Selecionando linhas e colunas de matrizes [linha, coluna]
dados.cupim[1,] # todos elementos da primeira linha
dados.cupim[,1] # todos elementos da primeira coluna
dados.cupim[1,1] # o elemento situado na primeira linha e primeira coluna
9. Fazer diagrama de dispersão:
plot(dados.cupim[,1], dados.cupim[,2])
Faz gráfico usando primeira coluna como eixo “x” e segunda coluna como eixo “y”.
10. Instalando e carregando pacotes
Uma das coisas mais interessantes no R é a enorme quantidade de “pacotes” disponíveis. Cada
pacote inclui um conjunto de funções para determinado tipo de análise. Várias análises multivariadas e de
diversidade estão no pacote vegan (vegetation analysis).
No menu, selecione “Packages” e depois “Install package from CRAN”. Selecione o pacote vegan na
lista que aparecer. Volte novamente no menu “Packages” e selecione “Load packages”. Selecione vegan na
lista que aparecer.
Vamos ver o que este pacote faz. No menu, selecione “Help” e depois “Html help”. Clique em
“Packages” e depois “vegan”.
11. Algumas demonstrações:
Obtenha uma lista dos demos disponíveis:
demo( )
Vamos ver dois deles:
demo(graphics)
Veja se a janela do console está ativa e clique “Enter” para ver as várias demonstrações.
demo(image)
12. Outros comandos úteis:
c(1,2,3,a) # concatenar (juntar) objetos
rep(2,5) #repetição
seq(1,10,2) #gerar sequência
max()
min()
range()
sum()
mean()
var() # variância
length() #comprimento (e.g. número de valores de um vetor)
sort() # ordenar
rnorm(10) # obtenção de valores aleatórios sorteados de distribuição normal centrada em “0”.
runif(10) # obtenção de valores aleatórios sorteados de distribuição uniforme entre “0” e “1”.
data.frame() #fazer conjuntos de dados
matrix() ; is.matrix() ; as.matrix()
matrix[,]
t(cupim) # transpor matriz
nrow(cupim) ; ncol() #número linhas e colunas de matriz ou data-frame
attach(cupim) #anexa conjunto de dados de modo a poder chamar colunas diretamente
3
pt() #valor de p da distribuição t
plot(x,y) #fazer diagramas de pontos, linhas etc
hist(x) #fazer histograma
image(as.matrix(cupim)) # entrada com matrix; valores dão a intensidade
image(matrix(1:100,10,10))
ifelse(cupim>0,1,0) #teste lógico;e.g. se valor maior que 0, colocar 1, se não colocar 0.
13. Como fazer uma função
Abra o bloco de anotações (notepad) e escreva o seguinte:
simpson<-function(entrada){
soma<-sum(entrada)
prop<-entrada/soma
prop2<-prop^2
D<-sum(prop2)
resu<-1-D
return(resu)
}
Copie tudo (Ctrl+c) e cole (Ctrl+v) no R. A função (seu programa de computador) esta pronta!!!. Para
calcuar o índice de diversidade de Simpson, basta você aplicá-la a uma sequência (vetor) de dados, onde cada
valor seja a abundância de uma dada espécie.
12. Exemplos de usos
1) a<-rnorm(50)
b<-rnorm(50)
plot(a,b)
h<-chull(a,b)
polygon(a[h], b[h], dens=15, angle=30)
2) a<-1:100
c<-matrix(a,10,10)
image(c)
image(t(c))
image(t(c[,10:1]))
3) c<-1:100
sample(c,10)
table(sample(c,100))
table(sample(c,100,replace=TRUE))
4) x<-1:10
y<-(1:10)^2
y<-y+0.5
plot(x,y) ## Deixe a janela do gráfico aberta.
nls(y~x^z,start=list(z=1))
curve(x^z, col=4, add=TRUE) ## substituir valor de ‘z’ obtido comando anterior
5) a<-function(x,y){x+y}
x<-seq(-10,10,length=20)
xs<-outer(x^2,x^2,a)
xm<-x%o%x
persp(1740-7*xs-3*xm,phi=25,theta=-35,shade=1,border=4)
