Carregando dados e pacotes no ambiente R

# Carregamento dos pacotes utilizados nesta aula
library(tidyverse)   # Manipulação de dados, gráficos e funções do tipo pipe (%>%)
library(readxl)      # Leitura de planilhas Excel (.xlsx)
library(gsheet)      # Importação de planilhas do Google Sheets
library(janitor)     # Tabelas de contingência e limpeza de nomes de colunas
library(ggthemes)    # Temas adicionais para gráficos ggplot2
library(patchwork)   # Combinação de múltiplos gráficos ggplot em uma única visualização

Carregamento e Exploração de Dados no R

Nesta aula, revisitamos o workflow reprodutível para importar, explorar e preparar conjuntos de dados no R. Abordaremos desde a configuração do ambiente até a combinação de gráficos, com exemplos práticos em tidyverse, readxl, gsheet, janitor, ggplot2 e patchwork.

Configuração do Ambiente

Antes de iniciar qualquer análise, precisamos garantir que todos os pacotes necessários estejam instalados e carregados no R. Esse passo assegura a reprodutibilidade do projeto e evita erros de carregamento durante a renderização do documento.

1. Leitura de Arquivos Excel com `readxl`

Para trabalhar com dados provenientes de planilhas do Excel, usamos o pacote readxl. Podemos ler uma ou várias abas, seja pelo nome ou pela posição, e em seguida inspecionar a estrutura dos dados.

# Lê a primeira aba da planilha Excel
dados <- read_excel("dados-diversos.xlsx")

# Visualizar estrutura dos dados
str(dados)

tibble [405 × 13] (S3: tbl_df/tbl/data.frame)
 $ farm           : num [1:405] 1 2 3 4 5 6 7 8 9 10 ...
 $ region         : chr [1:405] "SNNPR" "SNNPR" "SNNPR" "SNNPR" ...
 $ zone           : chr [1:405] "Bench Maji" "Bench Maji" "Bench Maji" "Bench Maji" ...
 $ district       : chr [1:405] "Debub Bench" "Debub Bench" "Debub Bench" "Debub Bench" ...
 $ lon            : num [1:405] 35.4 35.4 35.4 35.4 35.4 ...
 $ lat            : num [1:405] 6.9 6.9 6.9 6.9 6.9 ...
 $ altitude       : num [1:405] 1100 1342 1434 1100 1400 ...
 $ cultivar       : chr [1:405] "Local" "Mixture" "Mixture" "Local" ...
 $ shade          : chr [1:405] "Sun" "Mid shade" "Mid shade" "Sun" ...
 $ cropping_system: chr [1:405] "Plantation" "Plantation" "Plantation" "Plantation" ...
 $ farm_management: chr [1:405] "Unmanaged" "Minimal" "Minimal" "Unmanaged" ...
 $ inc            : num [1:405] 86.7 51.3 43.2 76.7 47.2 ...
 $ sev2           : num [1:405] 55.58 17.9 8.25 46.1 12.25 ...

glimpse(dados)

Rows: 405
Columns: 13
$ farm            <dbl> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,…
$ region          <chr> "SNNPR", "SNNPR", "SNNPR", "SNNPR", "SNNPR", "SNNPR", …
$ zone            <chr> "Bench Maji", "Bench Maji", "Bench Maji", "Bench Maji"…
$ district        <chr> "Debub Bench", "Debub Bench", "Debub Bench", "Debub Be…
$ lon             <dbl> 35.44250, 35.44250, 35.42861, 35.42861, 35.42861, 35.3…
$ lat             <dbl> 6.904722, 6.904722, 6.904444, 6.904444, 6.904444, 6.90…
$ altitude        <dbl> 1100, 1342, 1434, 1100, 1400, 1342, 1432, 1100, 1400, …
$ cultivar        <chr> "Local", "Mixture", "Mixture", "Local", "Local", "Mixt…
$ shade           <chr> "Sun", "Mid shade", "Mid shade", "Sun", "Sun", "Mid sh…
$ cropping_system <chr> "Plantation", "Plantation", "Plantation", "Plantation"…
$ farm_management <chr> "Unmanaged", "Minimal", "Minimal", "Unmanaged", "Unman…
$ inc             <dbl> 86.70805, 51.34354, 43.20000, 76.70805, 47.15808, 51.3…
$ sev2            <dbl> 55.57986, 17.90349, 8.25120, 46.10154, 12.25167, 19.91…

# Lê a aba "sensibilidade_fungicidas" pelo nome
dados_sens <- read_excel(
  path = "dados-diversos.xlsx",
  sheet = "sensibilidade_fungicidas"
)

# Conferir estrutura e tipos
str(dados_sens)

tibble [240 × 9] (S3: tbl_df/tbl/data.frame)
 $ code       : chr [1:240] "FGT05" "FGT05" "FGT05" "FGT05" ...
 $ year       : num [1:240] 2007 2007 2007 2007 2007 ...
 $ trial      : num [1:240] 1 1 1 1 1 1 1 1 1 1 ...
 $ state      : chr [1:240] "RS" "RS" "RS" "RS" ...
 $ dose       : chr [1:240] "0.0" "0.0" "0.05" "0.05" ...
 $ replicate  : num [1:240] 1 2 1 2 1 2 1 2 1 2 ...
 $ germination: num [1:240] 46 44 18 24 9 11 0 0 0 0 ...
 $ ...8       : logi [1:240] NA NA NA NA NA NA ...
 $ ...9       : logi [1:240] NA NA NA NA NA NA ...

glimpse(dados_sens)

Rows: 240
Columns: 9
$ code        <chr> "FGT05", "FGT05", "FGT05", "FGT05", "FGT05", "FGT05", "FGT…
$ year        <dbl> 2007, 2007, 2007, 2007, 2007, 2007, 2007, 2007, 2007, 2007…
$ trial       <dbl> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1…
$ state       <chr> "RS", "RS", "RS", "RS", "RS", "RS", "RS", "RS", "RS", "RS"…
$ dose        <chr> "0.0", "0.0", "0.05", "0.05", "0.5", "0.5", "1.0", "1.0", …
$ replicate   <dbl> 1, 2, 1, 2, 1, 2, 1, 2, 1, 2, 1, 2, 1, 2, 1, 2, 1, 2, 1, 2…
$ germination <dbl> 46, 44, 18, 24, 9, 11, 0, 0, 0, 0, 0, 0, 50, 50, 43, 44, 2…
$ ...8        <lgl> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA…
$ ...9        <lgl> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA…

# Converter coluna dose para numérico (remove texto, converte)
dados_sens <- dados_sens %>%
  mutate(
    dose = readr::parse_number(dose)
  )

# Lê a terceira aba pelo índice (caso o nome mude)
dados3 <- read_excel(
  path = "dados-diversos.xlsx",
  sheet = 3
)

# Exploração rápida
str(dados3)

tibble [240 × 9] (S3: tbl_df/tbl/data.frame)
 $ code       : chr [1:240] "FGT05" "FGT05" "FGT05" "FGT05" ...
 $ year       : num [1:240] 2007 2007 2007 2007 2007 ...
 $ trial      : num [1:240] 1 1 1 1 1 1 1 1 1 1 ...
 $ state      : chr [1:240] "RS" "RS" "RS" "RS" ...
 $ dose       : chr [1:240] "0.0" "0.0" "0.05" "0.05" ...
 $ replicate  : num [1:240] 1 2 1 2 1 2 1 2 1 2 ...
 $ germination: num [1:240] 46 44 18 24 9 11 0 0 0 0 ...
 $ ...8       : logi [1:240] NA NA NA NA NA NA ...
 $ ...9       : logi [1:240] NA NA NA NA NA NA ...

glimpse(dados3)

Rows: 240
Columns: 9
$ code        <chr> "FGT05", "FGT05", "FGT05", "FGT05", "FGT05", "FGT05", "FGT…
$ year        <dbl> 2007, 2007, 2007, 2007, 2007, 2007, 2007, 2007, 2007, 2007…
$ trial       <dbl> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1…
$ state       <chr> "RS", "RS", "RS", "RS", "RS", "RS", "RS", "RS", "RS", "RS"…
$ dose        <chr> "0.0", "0.0", "0.05", "0.05", "0.5", "0.5", "1.0", "1.0", …
$ replicate   <dbl> 1, 2, 1, 2, 1, 2, 1, 2, 1, 2, 1, 2, 1, 2, 1, 2, 1, 2, 1, 2…
$ germination <dbl> 46, 44, 18, 24, 9, 11, 0, 0, 0, 0, 0, 0, 50, 50, 43, 44, 2…
$ ...8        <lgl> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA…
$ ...9        <lgl> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA…

2. Importação de Arquivos CSV com `readr`

Arquivos CSV são frequentemente usados para intercâmbio de dados. Com readr, podemos importar e visualizar rapidamente esses arquivos. Caso não haja CSV neste momento, mantenha o chunk comentado para referência futura.

# Caso tenha arquivos CSV, use read_csv
# curve <- read_csv("curve.csv")
# glimpse(curve)

3. Importação de Planilhas Online (Google Sheets)

Para manter dados atualizados na nuvem, importamos planilhas do Google Sheets diretamente no R. Isso facilita a colaboração e atualizações em tempo real, sem precisar baixar manualmente arquivos.

# Definir URL base da planilha
gsheet_url <- "https://docs.google.com/spreadsheets/d/1bq2N19DcZdtax2fQW9OHSGMR0X2__Z9T"

# Importa diferentes abas conforme o gid
survey   <- gsheet2tbl(paste0(gsheet_url, "/edit?gid=1118819738"))
datamg <- gsheet2tbl("https://docs.google.com/spreadsheets/d/1bq2N19DcZdtax2fQW9OHSGMR0X2__Z9T/edit?gid=983033137#gid=983033137")
micelial <- gsheet2tbl("https://docs.google.com/spreadsheets/d/1bq2N19DcZdtax2fQW9OHSGMR0X2__Z9T/edit?gid=959387827#gid=959387827")

4. Exploração de Dados com `dplyr` e `janitor`

Depois de carregar os dados, realizamos verificações iniciais: contagens, agrupamentos, filtros e tabelas de contingência. Essas etapas ajudam a compreender a distribuição e possíveis inconsistências nos conjuntos.

# Contagens simples (OBS: Diferente da aula, não rodou a aula)
tab_state   <- survey |> count(state)
tab_species <- survey  |> count(species)
tab_residue <- survey |> count(residue)

# Agrupamento múltiplo
tab_multi <- survey |> 
  group_by(state, residue, species)  |>
  count()  |>
  ungroup()

# Filtros por estado
RS <- survey |> filter(state == "RS")
PR <- survey |> filter(state == "PR")

# Combina RS e PR verticalmente
combinado <- rbind (RS, PR)

# Tabela de contingência (frequency table)
survey  |>  tabyl(state, species)

 state Fgra Fspp
    PR  150   66
    RS  402   48

5. Visualizações com `ggplot2`

Visualizar dados é fundamental para identificar padrões e outliers. Usamos ggplot2 para criar boxplots e dispersões, acrescentando temas que melhoram a comunicação visual.

5.1. Boxplot: Efeito do Magnésio

plot_mg <- datamg %>%
  ggplot(aes(x = trat, y = comp)) +
  geom_boxplot(fill = "darkorange", outlier.color = NA) +
  geom_jitter(width = 0.1, color = "gray20") +
  scale_y_continuous(limits = c(5, 20)) +
  labs(
    x = "Tratamento",
    y = "Comprimento (mm)",
    title = "Efeito do Magnésio",
    subtitle = "Tamanho da lesão de mancha parda",
    caption = "Fonte: F. A. Rodrigues et al. (2020)"
  ) +
  theme_clean()

plot_mg

5.2. Boxplot: Crescimento Micelial

plot_micelial <- micelial %>%
  ggplot(aes(x = especie, y = tcm)) +
  geom_boxplot(outlier.color = NA) +
  geom_jitter(width = 0.1) +
  coord_flip() +
  labs(
    x = NULL,
    y = "Taxa de crescimento micelial"
  ) +
  theme_classic()

plot_micelial

6. Combinação de Gráficos com `patchwork`

Por fim, combinamos múltiplas visualizações para apresentações comparativas, adicionando anotações de painel e salvando em alta resolução.

combo_plot <- plot_mg + plot_micelial +
  plot_annotation(tag_levels = "A")

# Exibe o layout combinado
combo_plot

# Salvar figura combinada em alta resolução
ggsave(
  filename = "combo_plot.png",
  plot = combo_plot,
  bg = "white",
  width = 8,
  height = 4
)

OBSERVAÇÕES:

Arquivos CSV devem estar no formato americano (ponto como separador decimal);
Pode-se definir isso ao exportar do Excel ou configurar na leitura.

Carregamento e Exploração de Dados no R

Configuração do Ambiente

1. Leitura de Arquivos Excel com readxl

2. Importação de Arquivos CSV com readr