Pedro Ribeiro de Andrade DSA/CCST/INPE São José dos Campos, 2012 Tutorial de R e aRT Pedro Ribeiro de Andrade DSA/CCST/INPE São José dos Campos, 2012

O que é o aRT? SGBD

Apresentação http://wiki.dpi.inpe.br/doku.php?id=geopro:pedro:cursoart 4 aulas Aula 1: Introdução ao R Aula 2: Introdução ao Pacote sp Aula 3: Introdução ao aRT Aula 4: aRT avançado

Instalação Instalar R 2.15.1: www.r-project.org Instalar o Rstudio: http://rstudio.org/ Instalar TerraView 4.2.0: www.dpi.inpe.br/terraview Instalar e configurar MySQL 5.5: www.mysql.com Baixar e descompactar o arquivo http://www.leg.ufpr.br/~pedro/CDaRT/aula.zip Executar o Rstudio: Caso a máquina seja de 64 bits: Tools->Options->R version->change->32 bits. Fechar e abrir o Rstudio novamente. Tools->Set working directory->Change directory para o diretório da pasta descompactada. Abrir “gera-bancos.R”, dentro da pasta descompactada. Alterar a senha para a mesma da instalação do MySQL. Executar o comando: source("gera-bancos.R"). Esperar a mensagem: “BANCOS DE DADOS GERADOS COM SUCESSO”

Pedro Ribeiro de Andrade DSA/CCST/INPE São José dos Campos, 2009 Aula 1: Introdução ao R Pedro Ribeiro de Andrade DSA/CCST/INPE São José dos Campos, 2009 Apresentação baseada no curso “Introdução ao R” (http://www.leg.ufpr.br/Rtutorial/)

www.r-project.org

Sobre o R Linguagem e ambiente Software livre Similar à linguagem e ambiente S Multiplataforma ctl <- c(4.17,5.58,5.18,6.11,4.50,4.61,5.17,4.53,5.33,5.14) trt <- c(4.81,4.17,4.41,3.59,5.87,3.83,6.03,4.89,4.32,4.69) group <- gl(2,10,20, labels=c("Ctl","Trt")) weight <- c(ctl, trt) anova(lm.D9 <- lm(weight ~ group)) summary(lm.D90 <- lm(weight ~ group - 1)) opar <- par(mfrow = c(2,2), oma = c(0, 0, 1.1, 0)) plot(lm.D9, las = 1)

Interface gráfica X Linguagem de programação Curva de aprendizado mais lenta Flexibilidade R em específico: métodos refletindo o estado-da-arte Reprodutibilidade: “the ability of a test or experiment to be accurately reproduced, or replicated, by someone else working independently.”

“Como você fez isto?”

“Foi um mapa de kernel...”

“Foi um kernel quártico 100x100 com raio 2” k = kernel2d(as.points(bod), bod$poly, h0=2, nx=100, ny=100) plot(bod$poly, asp=1, type="n") image(k, add=TRUE, col=terrain.colors(20)) pointmap(as.points(bod), add=TRUE) polymap(bod$poly, add=TRUE)

Sweave: Reproducible Research Finally we will do a kernel analysis [...] <<>>= raster =kernel2d(as.points(bod), bod$poly, h0=2, nx=100, ny=200) layer.raster <- createLayer(db, l="raster") addRaster(layer.raster, raster) @ To get the layer's geometry call getGeometry [...] plot(layer.raster) plot(layer.points,add=TRUE) plot(layer.pol, add=TRUE) http://www.leg.ufpr.br/~pedro/aRT/docs/aRTintro.html

Instalação: “R U ready?” CRAN Binários: base e contrib Problemas com Windows Vista (instalar na sua própria pasta)

R como uma calculadora 1+2+3 2+3*4 3/2+1 4*3**3 sqrt(2) sin(3.14159) sin(pi) sqrt(tan(45*pi/180))

Operadores Lógicos 1 == 2 1 != 2 1 <= 2 1 < 2 1 > 2 1 >= 2 T & T T & F T | T T | F ((1 == 2) |(2 > 1)) & (4 >= sqrt(tan(45*pi/180)))

Variáveis x <- sin(pi) x x = sin(pi) sin(pi) -> x y <- sqrt(5) y+x x <- 25 x * sqrt(x) -> x1 x2.1 = sin(x1) x2.2 = cos(x1) xsq = x2.1**2 + x2.2**2

Vetores x <- c(2,3,5,7,11) y <- c(x,13,17,19) xx <- 1:10 xx <- 100:1 seq(1,10,1) seq(1,10,2) seq(10,1,-3) rep(1,10) rep(c(1,2),10) rep(4:1,1:4) rep(c(23, 32, 42), c(3, 1, 2))

Operações com Vetores x <- 1:10 x + 2 sqrt(x) y <- 21:30 x+y y <- c(1,2) length(x) rev(x) summary(x) x**x

Índices de Vetores x[2] y <- x[c(1,3,5)] x[4:7] x[12] x <- c(6,5,6,4,4,3,4,2,3,4) y <- c(5,3,4,2,6,5,4,5,4,3) xeq4 <- x == 4 y[xeq4] x[-3] x[-c(3,4,7)] x[y]

Funções seq(1,27,3) seq(from=1,to=27,by=3) seq(from=1,to=27,length=4) seq(f=1,t=27,l=4) seq(t=27,l=4, f=1) seq(1,4) seq(1) seq() sqrt() ?seq

Matrizes x <- 1:12 xmat <- matrix(x,ncol=3) matrix(x,ncol=3,byrow=T) dim(xmat) summary(xmat) summary(as.numeric(xmat)) x1 <- matrix(1:6,ncol=2) x2 <- matrix(6:1,ncol=3) x1*x2 x1 %*% x2 t(x1)*x2

cbind e rbind COLUMNbind e ROWbind x <- matrix(10:1,ncol=2) y <- cbind(x,1:5) y <- rbind(y,c(99,99,99)) z <- cbind(y,rep(88,6),y) z <- cbind(y,88,y)

Acesso a Matrizes people <- cbind(c(1,2,3,4,5,6),c(43,55,52,23,46,25)) people[1,2] people[1:2,2] people[1,] people[,2] people[-3,] people[people[,2]>50,] people <- people[,c(2,1)]

Matrizes xc = round(runif(10), 2) yc = round(runif(10), 2) xy = cbind(xc, yc) rownames(xy) colnames(xy) rownames(xy)=1:10 xy["2",] # aspas duplas ou simples xy[,"xc"] rownames(xy)=2:11 xy[2:4,] xy[paste(2:4),]

Data frame plot(iris) iris[,3] iris[2,] iris$Sepal.Length iris[1:2, "Sepal.Length"] iris[["Sepal.Width"]] rownames(iris)

Listas person<-list(age=21, name='Fred', score=c(65,78,55)) person$name person$score[2] person[[1]] tt <- t.test(rnorm(1000,mean=1), rnorm(1000,mean=1.2), var.equal=T) is.list(tt) names(tt) tt$p.value tt$estimate

Estruturas de dados Vetor: coleção unidimensional com valores do mesmo tipo Matriz: mxn com valores do mesmo tipo Data Frame: mxn com mesmo tipo em cada coluna Lista: coleção de vetores de tamanhos distintos

Plotagem x <- 1:20 y <- x**3 plot(x,y) plot(x,y,type="l") # tente também “b”,“o”,“s”,“c”,“h” points(rev(x),y) lines(x,8000-y, col="blue", lwd=5) points(rev(x),y,pch=3, col="red") points(x,8000-y,pch="$")

Plotagem plot(1:20, 1:20, pch = 1:20) plot(x,y) lines(x,y,lwd=4) lines(rev(x),y,lty=2) plot(c(0,20),c(-8000,8000),type='n') lines(x,y) lines(x,-y) plot(x,y,xlab="Eixo X aqui",ylab="Eixo Y aqui") title("Título vai aqui!") text(6,4000,"Texto em qualquer lugar")

Plotagem plot(sin, -pi, 2*pi) hist(c(2,2,2,2,2,3,3,3,4,4,5,5)) barplot(table(c(2,2,2,2,2,3,3,3,4,4,5,5))) barplot(table(c(2,2,2,2,2,3,3,3,4,4,5,5)), hor=T) par(mfrow=c(2,2)) plot(x,y) plot(x,log(y)) plot(rev(x),y) plot(rev(x), rev(y)) par(mfrow=c(1,1))

Salvando gráficos jpeg(...) ... dev.off() bmp(...) png(...)