Atualizando conteudo Cap5

encontro_8/clubedolivro_agosto.qmd

@@ -0,0 +1,107 @@
+---
+title: "Resumo do capítulo - Organização de dados"
+subtitle: "Clube do Livro - R Para Ciência de Dados (2ª Edição)"
+author: "Angélica Custódio"
+date: 2024-08-06
+format: revealjs
+lang: pt
+---
+
+## Preparação: Pacotes
+
+Esse capítulo foca bastante no _tidyr_, que faz parte do grupo de pacotes do _tidyverse_.
+
+```{r echo=TRUE}
+#| eval: false
+# Instalando "tidyverse"
+install.packages("tidyverse")
+
+# Instalando "dados"
+remotes::install_github("cienciadedatos/dados")
+```
+
+## "Dados bagunçados são bagunçados à sua maneira"
+
+```{r echo=FALSE, out.width="100%",  fig.align='center'}
+knitr::include_graphics("https://cdn.myportfolio.com/45214904-6a61-4e23-98d6-b140f8654a40/6e297111-efb7-4555-93d2-085071d1853c.jpg?h=6495be6d4c37f1148bd0148bc7458a13")
+```
+[Ilustração - Allison Horst](https://allisonhorst.com/other-r-fun)
+
+## Dados _tidy_
+
+Existem três regras interrelacionadas que fazem com que um conjunto de dados seja considerado tidy:
+
+- Cada variável é uma coluna; cada coluna é uma variável.
+
+- Cada observação é uma linha; cada linha é uma observação.
+
+- Cada valor é uma célula; cada célula é um único valor.
+
+
+_dplyr_, _ggplot2_ e os demais pacotes do tidyverse foram pensados para trabalhar com _dados tidy_.
+
+## Dados _tidy_ 
+
+```{r echo=FALSE, out.width="100%",  fig.align='center'}
+knitr::include_graphics("https://cienciadedatos.github.io/pt-r4ds/images/tidy-1.png")
+```
+
+
+## Exercícios
+
+Abordando os exercícios [nessa seção](https://cienciadedatos.github.io/pt-r4ds/data-tidy.html#exerc%C3%ADcios).
+
+1) Para cada uma das tabelas do exemplo, descreva o que cada observação e cada coluna representa.
+
+## Exercícios
+
+2) Faça um esboço do processo que você usaria para calcular taxa para a tabela2 e tabela3. Você precisará executar quatro operações:
+
+- Extrair o número de casos de tuberculose por país por ano.
+- Extrair a população correspondente por país por ano.
+- Dividir os casos pela população e multiplicar por 10000.
+- Armazenar de volta no local apropriado.
+
+## _pivot_longer()_
+
+
+```{r echo=FALSE, out.width="100%",  fig.align='center'}
+knitr::include_graphics("https://cienciadedatos.github.io/pt-r4ds/diagrams/tidy-data/column-names.png ")
+```
+
+## _pivot_wider()_
+
+Utilizá-lo torna o conjunto de dados mais largo (wider), aumentando o número de colunas e diminuindo o número de linhas. 
+
+É muito útil quando uma informação está espalhada em múltiplas linhas.
+
+```{r echo=FALSE, out.width="100%",  fig.align='center'}
+knitr::include_graphics("pivot_wider_ex.png")
+```
+
+## Como definir a versão tidy?
+
+Pode ser impossível especificar se a versão longa (long) ou larga (wide) é a versão tidy. 
+
+O recomendado é seguir com uma tabela organizada que faça sentido para o uso necessário.
+
+```{r echo=FALSE, out.width="100%",  fig.align='center'}
+knitr::include_graphics("https://cdn.myportfolio.com/45214904-6a61-4e23-98d6-b140f8654a40/20dce8ef-f4bb-49ce-b084-81d677a0b4fc_rw_1920.jpg?h=b54b00e7e53d92de2fd8674c940321f9")
+```
+[Ilustração - Allison Horst](https://allisonhorst.com/other-r-fun)
+
+
+## Seguimos felizes com os dados organizados
+
+```{r echo=FALSE, out.width="100%",  fig.align='center'}
+knitr::include_graphics("https://cdn.myportfolio.com/45214904-6a61-4e23-98d6-b140f8654a40/40488240-4609-4dc3-8920-693e078b55ce_rw_1920.jpg?h=2e96a7e21e19c43867546498da026649")
+```
+[Ilustração - Allison Horst](https://allisonhorst.com/other-r-fun)
+
+# Referências
+
+- [Wickham, H. . (2014). Tidy Data. Journal of Statistical Software](https://www.jstatsoft.org/article/view/v059i10)
+
+- [Data tidying with tidyr::Cheatsheet](https://www.google.com/search?q=cheat+sheet+tidyr&oq=cheat+sheet+tidyr&gs_lcrp=EgZjaHJvbWUyBggAEEUYOTIKCAEQABgTGBYYHjIKCAIQABgTGBYYHjIKCAMQABgTGBYYHjIKCAQQABiABBiiBDIKCAUQABiABBiiBNIBCDUzMjBqMGo3qAIAsAIA&sourceid=chrome&ie=UTF-8#:~:text=Data%20tidying%20with,%E2%80%BA%20rstudio%20%E2%80%BA%20main)
+
+- [Illustrations from the Openscapes blog Tidy Data for reproducibility, efficiency, and collaboration - by Julia Lowndes and and Allison Horst](https://allisonhorst.com/other-r-fun)

encontro_8/script_caporganizacao.R

@@ -0,0 +1,85 @@
+library(tidyverse)
+#remotes::install_github("cienciadedatos/dados")
+library(dados)
+
+#Em cada tabela1, tabela2 e tabela3, cada observação representa um país. 
+#Na tabela 1, país é o nome do país, ano é o ano da recolha de dados, 
+#casos é o número de pessoas com a doença nesse ano e população é o número de 
+#pessoas em cada país nesse ano. 
+#Na tabela 2, país e ano são iguais aos da tabela 1, tipo é o tipo de número e 
+#contagem é o número de observações (casos ou população dependendo do tipo). 
+#Finalmente, na tabela 3, o país e o ano são novamente os mesmos que na tabela 1, 
+#e a taxa é a taxa da doença (casos divididos pela população).
+
+# Tabelas 
+tabela1
+
+tabela2
+
+tabela3
+
+# Calcular a taxa (_rate_) por 10.000
+tabela1 |>
+  mutate(taxa = casos / populacao * 10000)
+
+# Calcular a taxa - tabela 2
+tabela2 |>
+  pivot_wider(
+    names_from = tipo,
+    values_from = contagem) |> 
+  rename(populacao=população) |>
+  mutate(taxa = casos / populacao * 10000)
+
+# Calcular a taxa - tabela 3
+tabela3 |>
+  separate_wider_delim(
+    cols = taxa, 
+    delim = "/", 
+    names = c("casos", "populacao")) |>
+  mutate(
+    casos = as.numeric(casos),
+    populacao = as.numeric(populacao),
+    taxa = casos / populacao * 10000)
+
+# Dados top100musicas
+
+top100musicas |> glimpse()
+
+top100musicas|>
+  pivot_longer(
+    cols = starts_with("semana"), 
+    names_to = "semana", 
+    values_to = "posicao"
+  ) |>
+  glimpse()
+
+# melhorando o formato da tabela
+
+top100musicas|>
+  pivot_longer(
+    cols = starts_with("semana"), 
+    names_to = "semana", 
+    values_to = "posicao",
+    values_drop_na = TRUE) |> 
+  mutate(
+    semana = parse_number(semana))
+
+#5.3.3 Muitas variáveis nos nomes de colunas
+# dataset who2
+# usando o names_sep
+
+#5.3.4 Dados e nomes de variáveis nos cabeçalhos das colunas
+
+nucleo_familiar |> colnames()
+
+nucleo_familiar |>
+  pivot_longer(
+    cols = !familia,
+    names_to = c(".value", "crianca"),
+    names_sep = "_",
+   # values_drop_na = TRUE
+  )
+
+#5.4 Transformando os dados para o formato largo (Widening data)
+
+cms_paciente_experiencia