Explorando os dados nos objetos
- Vendo o nome das variáveis com o comando names()
names(df1)
## [1] "id" "IDA_SEXO" "IDA_DT_NASCIMENTO"
## [4] "IDA_SERIE" "IDA_TURMA" "IDA_TURNO"
## [7] "ahv_1" "ahv_2" "ahv_3"
## [10] "ahv_4" "ahv_5" "ahv_6"
## [13] "ahv_7" "ahv_8" "ahv_9"
## [16] "aha_1" "aha_2" "aha_3"
## [19] "aha_4" "aha_5" "aha_6"
## [22] "aha_7" "aha_8" "aha_9"
## [25] "ahe_1" "ahe_2" "ahe_3"
## [28] "ahe_4" "ahe_5" "ahe_6"
## [31] "ahe_7" "ahe_8" "ahe_9"
## [34] "ise_1" "ise_2" "ise_3"
## [37] "ise_4" "ise_5" "ise_6"
## [40] "ise_7" "ise_8" "ise_9"
## [43] "ise_10" "ise_11" "ise_12"
## [46] "ise_13" "ise_14" "ise_15"
## [49] "ise_16" "ise_17" "ise_18"
## [52] "ise_19" "ise_20" "ise_21"
## [55] "ise_22" "ise_23" "ise_24"
## [58] "ise_25" "ise_26" "ise_27"
## [61] "ise_28" "ise_29" "ise_30"
## [64] "ise_31" "ise_32" "ise_33"
## [67] "ise_34" "ise_35" "ise_36"
## [70] "ise_37" "ise_38" "ise_39"
## [73] "ise_40" "ise_41" "ise_42"
## [76] "ise_43" "ise_44" "ise_45"
## [79] "ise_46" "ise_47" "ise_48"
## [82] "ise_49" "ise_50" "ise_51"
## [85] "ise_52" "ise_53" "ise_54"
## [88] "ise_55" "ise_56" "ise_57"
## [91] "ise_58" "ise_59" "ise_60"
## [94] "ise_61" "ise_62" "ise_63"
## [97] "ise_64" "ise_65" "ise_66"
## [100] "ise_67" "ise_68" "ise_69"
## [103] "ise_70" "ise_71" "ise_72"
## [106] "ise_73" "ise_74" "ise_75"
## [109] "ise_76" "ise_77" "ise_78"
## [112] "ise_79" "ise_80" "ise_81"
## [115] "ise_82" "ise_83" "ise_84"
## [118] "ise_85" "ise_86" "ise_87"
## [121] "ise_88" "ise_89" "ise_90"
## [124] "ise_91"
names(df2)
## [1] "ID" "grp" "aplic"
## [4] "Sexo" "Escola" "AnoEscolar"
## [7] "Turma" "DataNasc" "DataAplic"
## [10] "Idade0" "idade1" "Esc.Pai"
## [13] "Esc.Mae" "TV" "Rádio"
## [16] "Banheiro" "Automóvel" "Empregada"
## [19] "Aspirador" "Máquina" "DVD"
## [22] "Geladeira" "Freezer" "Computador"
## [25] "Curso_pai" "Curso_Mae" "RV.tot"
## [28] "RA.tot" "RN.tot" "RL.tot"
## [31] "fg_elb" "fg_emo" "fg_cog"
## [34] "qual1" "qual2" "met_quat_tri"
## [37] "met_qual_fairmavg" "met_flx_medio" "RVt1"
## [40] "RVt2" "RAt1" "RAt2"
## [43] "RNt1" "RNt2" "RLt1"
## [46] "RLt2" "Flu" "Flex"
## [49] "Elab" "Elab2" "Orig"
## [52] "Emo" "Fant" "Mov"
## [55] "prs_inc" "prs_int" "contex"
## [58] "Tit" "Tit2" "E01"
## [61] "E02" "E03" "E04"
## [64] "E05" "E06" "E07"
## [67] "E08" "E09" "E10"
## [70] "E0G" "N_BREAK" "ideias_juiz"
## [73] "Qm_pri" "Qm_Rq" "Qm_Wa"
## [76] "Qm_ts" "qm_ri" "Qm_Let"
## [79] "qm_af" "qm_dn" "qm_rq2"
## [82] "qm_is" "qm_ma" "qm_am"
## [85] "Fx_Pri" "Fx_Rq" "fx_Wa"
## [88] "Fx_Ts" "fx_ri" "Fx_Let"
## [91] "fx_af" "fx_dn" "fx_rq2"
## [94] "fx_is" "fx_ma" "fx_am"
## [97] "met_qual_medio" "met_qual_dp" "met_qual_max.min"
## [100] "met_flx_dp" "met_obs.avge" "met_t.score"
## [103] "met_t.count" "met_s.e#" "met_infitms"
## [106] "met_infitz" "met_outfitms" "met_outfitz"
## [109] "met_ptmea" "met_ptexp" "met_discrim"
## [112] "met_displace" "met_status" "met_e.number"
## [115] "misE01" "misE02" "misE03"
## [118] "misE04" "misE05" "misE06"
## [121] "misE07" "misE08" "misE09"
## [124] "misE10" "miss_r" "E01b"
## [127] "E02b" "E03b" "E04b"
## [130] "E05b" "E06b" "E07b"
## [133] "E08b" "E09b" "E10b"
## [136] "filter_$" "idade"
- Veja a estrutura dos arquivos
str(df1)
## Classes 'tbl_df', 'tbl' and 'data.frame': 3578 obs. of 124 variables:
## $ id : num 1 2 3 4 5 6 7 8 9 10 ...
## $ IDA_SEXO : num 1 2 NA 1 1 1 2 NA 1 1 ...
## $ IDA_DT_NASCIMENTO: POSIXct, format: NA NA ...
## $ IDA_SERIE : num 5 5 5 5 5 3 5 5 3 3 ...
## $ IDA_TURMA : chr "A" "B" "B" "B" ...
## $ IDA_TURNO : num NA 2 NA 1 1 1 2 1 1 1 ...
## $ ahv_1 : num NA NA 2 NA 2 2 2 NA NA NA ...
## $ ahv_2 : num NA NA 4 NA 1 5 4 NA NA NA ...
## $ ahv_3 : num NA NA 3 NA 3 1 1 NA NA NA ...
## $ ahv_4 : num NA NA 2 NA 3 3 2 NA NA NA ...
## $ ahv_5 : num NA NA 3 NA 1 4 1 NA NA NA ...
## $ ahv_6 : num NA NA 3 NA 2 1 2 NA NA NA ...
## $ ahv_7 : num NA NA 3 NA 2 2 1 NA NA NA ...
## $ ahv_8 : num NA NA 1 NA 3 5 3 NA NA NA ...
## $ ahv_9 : num NA NA 1 NA 1 2 5 NA NA NA ...
## $ aha_1 : num 1 NA 3 NA 3 3 3 NA NA NA ...
## $ aha_2 : num 2 NA 5 NA 5 5 5 NA NA NA ...
## $ aha_3 : num 1 NA 5 NA 4 4 4 NA NA NA ...
## $ aha_4 : num 2 NA 3 NA 3 4 4 NA NA NA ...
## $ aha_5 : num 3 NA 4 NA 4 4 5 NA NA NA ...
## $ aha_6 : num 2 NA 2 NA 2 4 2 NA NA NA ...
## $ aha_7 : num NA NA 3 NA 2 3 5 NA NA NA ...
## $ aha_8 : num 4 NA 4 NA 1 2 4 NA NA NA ...
## $ aha_9 : num NA NA 4 NA 3 5 2 NA NA NA ...
## $ ahe_1 : num NA NA 3 NA 5 1 3 NA NA NA ...
## $ ahe_2 : num NA NA 5 NA 1 1 2 NA NA NA ...
## $ ahe_3 : num NA NA 2 NA 2 3 5 NA NA NA ...
## $ ahe_4 : num NA NA 4 NA 4 1 3 NA NA NA ...
## $ ahe_5 : num NA NA 1 NA 3 2 2 NA NA NA ...
## $ ahe_6 : num NA NA 4 NA 4 2 5 NA NA NA ...
## $ ahe_7 : num NA NA 3 NA 3 2 4 NA NA NA ...
## $ ahe_8 : num NA NA 1 NA 1 1 4 NA NA NA ...
## $ ahe_9 : num NA NA 3 NA 5 5 4 NA NA NA ...
## $ ise_1 : num 4 NA 1 NA NA NA 1 NA NA NA ...
## $ ise_2 : num 3 NA 2 NA NA NA 2 NA NA NA ...
## $ ise_3 : num 5 NA 5 NA NA NA 4 NA NA NA ...
## $ ise_4 : num 3 NA 3 NA NA NA 2 NA NA NA ...
## $ ise_5 : num 5 NA 5 NA NA NA 3 NA NA NA ...
## $ ise_6 : num 3 NA 3 NA NA NA 4 NA NA NA ...
## $ ise_7 : num 4 NA 2 NA NA NA 2 NA NA NA ...
## $ ise_8 : num 2 NA 3 NA NA NA 2 NA NA NA ...
## $ ise_9 : num 1 NA 5 NA NA NA 2 NA NA NA ...
## $ ise_10 : num 4 NA 3 NA NA NA 5 NA NA NA ...
## $ ise_11 : num 1 NA 3 NA NA NA 2 NA NA NA ...
## $ ise_12 : num NA NA 5 NA NA NA 5 NA NA NA ...
## $ ise_13 : num 2 NA NA NA NA NA 4 NA NA NA ...
## $ ise_14 : num NA NA 1 NA NA NA 5 NA NA NA ...
## $ ise_15 : num 2 NA 5 NA NA NA 5 NA NA NA ...
## $ ise_16 : num 3 NA 4 NA NA NA 5 NA NA NA ...
## $ ise_17 : num 1 NA 3 NA NA NA 4 NA NA NA ...
## $ ise_18 : num 3 NA 3 NA NA NA 5 NA NA NA ...
## $ ise_19 : num NA NA 1 NA NA NA 1 NA NA NA ...
## $ ise_20 : num NA NA 4 NA NA NA 1 NA NA NA ...
## $ ise_21 : num 2 NA NA NA NA NA 5 NA NA NA ...
## $ ise_22 : num 3 NA 2 NA NA NA 5 NA NA NA ...
## $ ise_23 : num 2 NA 4 NA NA NA 5 NA NA NA ...
## $ ise_24 : num 2 NA 4 NA NA NA 4 NA NA NA ...
## $ ise_25 : num 1 NA 4 NA NA NA 4 NA NA NA ...
## $ ise_26 : num 2 NA 5 NA NA NA 3 NA NA NA ...
## $ ise_27 : num 4 NA 4 NA NA NA 4 NA NA NA ...
## $ ise_28 : num 3 NA 4 NA NA NA 3 NA NA NA ...
## $ ise_29 : num 1 NA 5 NA NA NA 2 NA NA NA ...
## $ ise_30 : num 2 NA 4 NA NA NA 3 NA NA NA ...
## $ ise_31 : num NA NA 1 NA NA NA 1 NA NA NA ...
## $ ise_32 : num 2 NA 4 NA NA NA 2 NA NA NA ...
## $ ise_33 : num 1 NA 4 NA NA NA 3 NA NA NA ...
## $ ise_34 : num 2 NA 4 NA NA NA 5 NA NA NA ...
## $ ise_35 : num 4 NA 1 NA NA NA 1 NA NA NA ...
## $ ise_36 : num 4 NA 1 NA NA NA 1 NA NA NA ...
## $ ise_37 : num 4 NA 5 NA NA NA 3 NA NA NA ...
## $ ise_38 : num 3 NA 4 NA NA NA 3 NA NA NA ...
## $ ise_39 : num 3 NA 4 NA NA NA 4 NA NA NA ...
## $ ise_40 : num NA NA 5 NA NA NA 1 NA NA NA ...
## $ ise_41 : num 2 NA 4 NA NA NA 5 NA NA NA ...
## $ ise_42 : num 3 NA 5 NA NA NA NA NA NA NA ...
## $ ise_43 : num 2 NA 1 NA NA NA NA NA NA NA ...
## $ ise_44 : num 4 NA 4 NA NA NA 3 NA NA NA ...
## $ ise_45 : num 3 NA 4 NA NA NA 2 NA NA NA ...
## $ ise_46 : num NA NA 1 NA NA NA 3 NA NA NA ...
## $ ise_47 : num 1 NA 5 NA NA NA 1 NA NA NA ...
## $ ise_48 : num 3 NA 5 NA NA NA 1 NA NA NA ...
## $ ise_49 : num 1 NA 5 NA NA NA 4 NA NA NA ...
## $ ise_50 : num 2 NA 5 NA NA NA 3 NA NA NA ...
## $ ise_51 : num NA NA 5 NA NA NA 2 NA NA NA ...
## $ ise_52 : num 4 NA 1 NA NA NA 4 NA NA NA ...
## $ ise_53 : num 1 NA 5 NA NA NA 3 NA NA NA ...
## $ ise_54 : num 3 NA 4 NA NA NA 3 NA NA NA ...
## $ ise_55 : num 1 NA 1 NA NA NA 3 NA NA NA ...
## $ ise_56 : num NA NA 4 NA NA NA 2 NA NA NA ...
## $ ise_57 : num NA NA 4 NA NA NA NA NA NA NA ...
## $ ise_58 : num 2 NA NA NA NA NA NA NA NA NA ...
## $ ise_59 : num 3 NA 5 NA NA NA NA NA NA NA ...
## $ ise_60 : num 3 NA 4 NA NA NA NA NA NA NA ...
## $ ise_61 : num NA NA 1 NA NA NA NA NA NA NA ...
## $ ise_62 : num 2 NA 1 NA NA NA NA NA NA NA ...
## $ ise_63 : num 3 NA 2 NA NA NA NA NA NA NA ...
## $ ise_64 : num 2 NA 5 NA NA NA NA NA NA NA ...
## $ ise_65 : num 4 NA 5 NA NA NA NA NA NA NA ...
## $ ise_66 : num 3 NA 5 NA NA NA NA NA NA NA ...
## [list output truncated]
str(df2)
## Classes 'tbl_df', 'tbl' and 'data.frame': 987 obs. of 137 variables:
## $ ID : atomic BG0001 BG0002 BG0003 BG0004 ...
## ..- attr(*, "label")= chr "Element Label"
## $ grp : num 3 3 3 3 3 3 3 3 3 3 ...
## $ aplic : chr "Walquiria" "Walquiria" "Walquiria" "Walquiria" ...
## $ Sexo : num 1 1 1 2 2 1 2 2 2 2 ...
## $ Escola : chr "Amália Malheiro Moreira" "Amália Malheiro Moreira" "Amália Malheiro Moreira" "Amália Malheiro Moreira" ...
## $ AnoEscolar : num 4 4 4 4 4 4 4 4 4 4 ...
## $ Turma : chr "A" "A" "A" "A" ...
## $ DataNasc : POSIXct, format: "2000-04-12" "2003-03-17" ...
## $ DataAplic : POSIXct, format: "2012-03-09" "2012-03-09" ...
## $ Idade0 : num 9 9 12 9 9 9 9 9 9 9 ...
## $ idade1 : num 11.91 8.98 12.04 9.93 9.04 ...
## $ Esc.Pai : chr "8" "11" "5" "10" ...
## $ Esc.Mae : chr "8" "9" "4" "11" ...
## $ TV : num 2 1 0 4 3 3 2 3 1 3 ...
## $ Rádio : num 1 1 1 2 1 2 1 2 1 3 ...
## $ Banheiro : num 1 1 2 3 1 2 1 0 1 1 ...
## $ Automóvel : num 1 1 1 2 1 1 1 0 1 0 ...
## $ Empregada : num 0 0 0 0 0 0 0 0 0 0 ...
## $ Aspirador : num 1 0 0 2 1 1 1 0 0 0 ...
## $ Máquina : num 1 1 1 3 1 1 2 1 1 1 ...
## $ DVD : num 1 1 0 3 1 1 1 1 1 2 ...
## $ Geladeira : num 1 1 1 3 1 1 1 1 1 1 ...
## $ Freezer : num 1 0 1 2 0 1 0 0 0 1 ...
## $ Computador : num 1 1 0 2 1 2 2 3 1 2 ...
## $ Curso_pai : chr "" "" "" "" ...
## $ Curso_Mae : chr "" "" "" "3" ...
## $ RV.tot : num 3 6 3 4 6 5 5 2 4 6 ...
## $ RA.tot : num 2 6 8 3 5 6 6 0 3 8 ...
## $ RN.tot : num 1 1 4 2 3 3 3 1 1 8 ...
## $ RL.tot : num 4 3 4 0 6 5 3 3 3 7 ...
## $ fg_elb : num 8 46 35 16 17 21 14 3 33 35 ...
## $ fg_emo : num 0 4 7 0 0 3 0 0 0 2 ...
## $ fg_cog : num 18 24 19 25 18 22 18 8 22 15 ...
## $ qual1 : num NA 15 14 6 NA 8 8 NA NA 13 ...
## $ qual2 : num NA 11 NA 8 7 12 NA NA NA NA ...
## $ met_quat_tri : num -4 -1.75 -4.78 -3.52 -1.52 ...
## $ met_qual_fairmavg: num 0.1823 0.8094 0.0912 0.2704 0.8936 ...
## $ met_flx_medio : num 0.2 0.7167 0.0708 0.35 0.88 ...
## $ RVt1 : num 3 3 2 1 3 4 3 2 3 4 ...
## $ RVt2 : num 0 3 1 3 3 1 2 0 1 2 ...
## $ RAt1 : num 1 3 4 1 3 3 3 0 2 5 ...
## $ RAt2 : num 1 3 4 2 2 3 3 0 1 3 ...
## $ RNt1 : num 1 1 1 1 2 2 2 1 1 4 ...
## $ RNt2 : num 0 0 3 1 1 1 1 0 0 4 ...
## $ RLt1 : num 2 3 3 0 3 2 3 2 1 4 ...
## $ RLt2 : num 2 0 1 0 3 3 0 1 2 3 ...
## $ Flu : num 7 10 8 10 7 10 8 3 8 6 ...
## $ Flex : num 6 9 6 8 6 7 5 3 7 6 ...
## $ Elab : num 8 42 30 16 16 20 13 3 28 31 ...
## $ Elab2 : num 4 10 10 7 7 8 6 2 9 10 ...
## $ Orig : num 5 5 5 7 5 5 5 2 7 3 ...
## $ Emo : num 0 0 0 0 0 0 0 0 0 0 ...
## $ Fant : num 0 0 1 0 0 0 0 0 0 0 ...
## $ Mov : num 0 2 1 0 0 2 0 0 0 1 ...
## $ prs_inc : num 0 1 0 0 0 1 1 0 3 1 ...
## $ prs_int : num 0 1 1 0 1 0 0 0 1 1 ...
## $ contex : num 0 2 3 0 0 0 0 0 1 2 ...
## $ Tit : num 0 2 6 0 0 1 0 0 0 1 ...
## $ Tit2 : num 0 2 6 0 0 1 0 0 0 1 ...
## $ E01 : num 1 3 4 1 NA 1 3 NA 4 3 ...
## $ E02 : num 1 2 2 1 2 1 2 1 3 3 ...
## $ E03 : num 3 4 1 1 NA 2 1 NA NA 3 ...
## $ E04 : num NA 4 3 1 NA 2 1 NA 1 2 ...
## $ E05 : num 2 2 4 2 1 2 1 1 3 2 ...
## $ E06 : num NA 2 NA 2 2 3 1 1 2 2 ...
## $ E07 : num 2 2 3 2 1 2 1 NA 1 NA ...
## $ E08 : num 1 3 3 1 1 2 1 NA 3 NA ...
## $ E09 : num NA 3 3 1 2 2 NA NA 3 NA ...
## $ E10 : num 1 1 NA 2 1 3 NA NA NA NA ...
## $ E0G : num 1 3 3 1 1 2 1 1 3 3 ...
## $ N_BREAK : num 5 5 5 5 5 5 5 5 4 5 ...
## $ ideias_juiz : num 12 12 12 12 12 12 12 12 12 12 ...
## $ Qm_pri : num 0.2 0.8 0 0.2 0.2 0.4 0 0.2 0 0.8 ...
## $ Qm_Rq : num 0.6 1.4 0.25 0.4 1.4 1 0.2 0 NA NA ...
## $ Qm_Wa : num 0 0.6 0 0.2 1 1 0.2 0.8 0 1.6 ...
## $ Qm_ts : num 0.4 1.2 0 0.2 1.6 0.6 0 1 NA NA ...
## $ qm_ri : num 0 0.6 0 0 NA NA NA NA NA NA ...
## $ Qm_Let : num 0.2 1 0 0.2 0.6 0.6 0 0 NA NA ...
## $ qm_af : num 0.2 1 0 1 NA NA NA NA NA NA ...
## $ qm_dn : num 0 0.4 0 0 NA NA NA NA NA NA ...
## $ qm_rq2 : num 0.2 0.4 0 0 NA NA NA NA NA NA ...
## $ qm_is : num 0.4 1.4 0.4 2 NA NA NA NA NA NA ...
## $ qm_ma : num 0.2 1 0.2 1 NA NA NA NA NA NA ...
## $ qm_am : num 0 0 0.4 0 NA NA NA NA NA NA ...
## $ Fx_Pri : num 0.2 0.6 0 0.2 0.2 0.4 0 0.2 0 0.6 ...
## $ Fx_Rq : num 0.6 1.4 0.25 0.4 1.4 1 0.2 0 NA NA ...
## $ fx_Wa : num 0 0.6 0 0.2 0.8 0.8 0.2 0.8 0 0.6 ...
## $ Fx_Ts : num 0.2 0.4 0 0.2 0.8 0.6 0 1 NA NA ...
## $ fx_ri : num 0.2 1 0 0 NA NA NA NA NA NA ...
## $ Fx_Let : num 0.2 1.6 0 0.2 1.2 0.8 0 0 NA NA ...
## $ fx_af : num 0.2 0.6 0 1 NA NA NA NA NA NA ...
## $ fx_dn : num 0 0.2 0 0 NA NA NA NA NA NA ...
## $ fx_rq2 : num 0.2 0.4 0 0 NA NA NA NA NA NA ...
## $ fx_is : num 0.2 0.2 0.2 1 NA NA NA NA NA NA ...
## $ fx_ma : num 0.4 1.6 0.4 1 NA NA NA NA NA NA ...
## $ fx_am : num 0 0 0 0 NA NA NA NA NA NA ...
## $ met_qual_medio : num 0.2 0.817 0.104 0.433 0.96 ...
## $ met_qual_dp : num 0.191 0.43 0.163 0.608 0.573 ...
## $ met_qual_max.min : num 0.6 1.4 0.4 2 1.4 0.6 0.2 1 0 0.8 ...
## [list output truncated]
- Veja o que acontece se fizer isso
vars <- names(df2)
class(df1)
## [1] "tbl_df" "tbl" "data.frame"
- Alternativamente transforme o arquivo em tbl class usando o pacote dplyr
# install.packages("dplyr")
library(dplyr)
##
## Attaching package: 'dplyr'
##
## The following objects are masked from 'package:stats':
##
## filter, lag
##
## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union
df1 <-tbl_df(df1)
df2 <-tbl_df(df2)
- Veja agora o que acontece quando você simplesmente digita e roda o nome do dataframe
df1
## Source: local data frame [3,578 x 124]
##
## id IDA_SEXO IDA_DT_NASCIMENTO IDA_SERIE IDA_TURMA IDA_TURNO ahv_1
## (dbl) (dbl) (time) (dbl) (chr) (dbl) (dbl)
## 1 1 1 <NA> 5 A NA NA
## 2 2 2 <NA> 5 B 2 NA
## 3 3 NA <NA> 5 B NA 2
## 4 4 1 <NA> 5 B 1 NA
## 5 5 1 2003-12-20 5 A 1 2
## 6 6 1 2005-08-05 3 A 1 2
## 7 7 2 2003-07-20 5 C 2 2
## 8 8 NA <NA> 5 A 1 NA
## 9 9 1 <NA> 3 C 1 NA
## 10 10 1 <NA> 3 C 1 NA
## .. ... ... ... ... ... ... ...
## Variables not shown: ahv_2 (dbl), ahv_3 (dbl), ahv_4 (dbl), ahv_5 (dbl),
## ahv_6 (dbl), ahv_7 (dbl), ahv_8 (dbl), ahv_9 (dbl), aha_1 (dbl), aha_2
## (dbl), aha_3 (dbl), aha_4 (dbl), aha_5 (dbl), aha_6 (dbl), aha_7 (dbl),
## aha_8 (dbl), aha_9 (dbl), ahe_1 (dbl), ahe_2 (dbl), ahe_3 (dbl), ahe_4
## (dbl), ahe_5 (dbl), ahe_6 (dbl), ahe_7 (dbl), ahe_8 (dbl), ahe_9 (dbl),
## ise_1 (dbl), ise_2 (dbl), ise_3 (dbl), ise_4 (dbl), ise_5 (dbl), ise_6
## (dbl), ise_7 (dbl), ise_8 (dbl), ise_9 (dbl), ise_10 (dbl), ise_11
## (dbl), ise_12 (dbl), ise_13 (dbl), ise_14 (dbl), ise_15 (dbl), ise_16
## (dbl), ise_17 (dbl), ise_18 (dbl), ise_19 (dbl), ise_20 (dbl), ise_21
## (dbl), ise_22 (dbl), ise_23 (dbl), ise_24 (dbl), ise_25 (dbl), ise_26
## (dbl), ise_27 (dbl), ise_28 (dbl), ise_29 (dbl), ise_30 (dbl), ise_31
## (dbl), ise_32 (dbl), ise_33 (dbl), ise_34 (dbl), ise_35 (dbl), ise_36
## (dbl), ise_37 (dbl), ise_38 (dbl), ise_39 (dbl), ise_40 (dbl), ise_41
## (dbl), ise_42 (dbl), ise_43 (dbl), ise_44 (dbl), ise_45 (dbl), ise_46
## (dbl), ise_47 (dbl), ise_48 (dbl), ise_49 (dbl), ise_50 (dbl), ise_51
## (dbl), ise_52 (dbl), ise_53 (dbl), ise_54 (dbl), ise_55 (dbl), ise_56
## (dbl), ise_57 (dbl), ise_58 (dbl), ise_59 (dbl), ise_60 (dbl), ise_61
## (dbl), ise_62 (dbl), ise_63 (dbl), ise_64 (dbl), ise_65 (dbl), ise_66
## (dbl), ise_67 (dbl), ise_68 (dbl), ise_69 (dbl), ise_70 (dbl), ise_71
## (dbl), ise_72 (dbl), ise_73 (dbl), ise_74 (dbl), ise_75 (dbl), ise_76
## (dbl), ise_77 (dbl), ise_78 (dbl), ise_79 (dbl), ise_80 (dbl), ise_81
## (dbl), ise_82 (dbl), ise_83 (dbl), ise_84 (dbl), ise_85 (dbl), ise_86
## (dbl), ise_87 (dbl), ise_88 (dbl), ise_89 (dbl), ise_90 (dbl), ise_91
## (dbl)
df2
## Source: local data frame [987 x 137]
##
## ID grp aplic Sexo Escola AnoEscolar Turma
## (chr) (dbl) (chr) (dbl) (chr) (dbl) (chr)
## 1 BG0001 3 Walquiria 1 Amália Malheiro Moreira 4 A
## 2 BG0002 3 Walquiria 1 Amália Malheiro Moreira 4 A
## 3 BG0003 3 Walquiria 1 Amália Malheiro Moreira 4 A
## 4 BG0004 3 Walquiria 2 Amália Malheiro Moreira 4 A
## 5 BG0005 3 Walquiria 2 Amália Malheiro Moreira 4 A
## 6 BG0006 3 Walquiria 1 Amália Malheiro Moreira 4 A
## 7 BG0007 3 Walquiria 2 Amália Malheiro Moreira 4 A
## 8 BG0008 3 Walquiria 2 Amália Malheiro Moreira 4 A
## 9 BG0009 3 Walquiria 2 Amália Malheiro Moreira 4 A
## 10 BG0010 3 Walquiria 2 Amália Malheiro Moreira 4 A
## .. ... ... ... ... ... ... ...
## Variables not shown: DataNasc (time), DataAplic (time), Idade0 (dbl),
## idade1 (dbl), Esc.Pai (chr), Esc.Mae (chr), TV (dbl), Rádio (dbl),
## Banheiro (dbl), Automóvel (dbl), Empregada (dbl), Aspirador (dbl),
## Máquina (dbl), DVD (dbl), Geladeira (dbl), Freezer (dbl), Computador
## (dbl), Curso_pai (chr), Curso_Mae (chr), RV.tot (dbl), RA.tot (dbl),
## RN.tot (dbl), RL.tot (dbl), fg_elb (dbl), fg_emo (dbl), fg_cog (dbl),
## qual1 (dbl), qual2 (dbl), met_quat_tri (dbl), met_qual_fairmavg (dbl),
## met_flx_medio (dbl), RVt1 (dbl), RVt2 (dbl), RAt1 (dbl), RAt2 (dbl),
## RNt1 (dbl), RNt2 (dbl), RLt1 (dbl), RLt2 (dbl), Flu (dbl), Flex (dbl),
## Elab (dbl), Elab2 (dbl), Orig (dbl), Emo (dbl), Fant (dbl), Mov (dbl),
## prs_inc (dbl), prs_int (dbl), contex (dbl), Tit (dbl), Tit2 (dbl), E01
## (dbl), E02 (dbl), E03 (dbl), E04 (dbl), E05 (dbl), E06 (dbl), E07 (dbl),
## E08 (dbl), E09 (dbl), E10 (dbl), E0G (dbl), N_BREAK (dbl), ideias_juiz
## (dbl), Qm_pri (dbl), Qm_Rq (dbl), Qm_Wa (dbl), Qm_ts (dbl), qm_ri (dbl),
## Qm_Let (dbl), qm_af (dbl), qm_dn (dbl), qm_rq2 (dbl), qm_is (dbl), qm_ma
## (dbl), qm_am (dbl), Fx_Pri (dbl), Fx_Rq (dbl), fx_Wa (dbl), Fx_Ts (dbl),
## fx_ri (dbl), Fx_Let (dbl), fx_af (dbl), fx_dn (dbl), fx_rq2 (dbl), fx_is
## (dbl), fx_ma (dbl), fx_am (dbl), met_qual_medio (dbl), met_qual_dp
## (dbl), met_qual_max.min (dbl), met_flx_dp (dbl), met_obs.avge (dbl),
## met_t.score (dbl), met_t.count (dbl), met_s.e# (dbl), met_infitms (dbl),
## met_infitz (dbl), met_outfitms (dbl), met_outfitz (dbl), met_ptmea
## (dbl), met_ptexp (dbl), met_discrim (dbl), met_displace (dbl),
## met_status (dbl), met_e.number (dbl), misE01 (dbl), misE02 (dbl), misE03
## (dbl), misE04 (dbl), misE05 (dbl), misE06 (dbl), misE07 (dbl), misE08
## (dbl), misE09 (dbl), misE10 (dbl), miss_r (dbl), E01b (dbl), E02b (dbl),
## E03b (dbl), E04b (dbl), E05b (dbl), E06b (dbl), E07b (dbl), E08b (dbl),
## E09b (dbl), E10b (dbl), filter_$ (lbll), idade (dbl)
- Seleção de variáveis. Use o número das variáveis entre
[linhas , colunas ] logo após o nome do objeto, nesse caso, um dataframe
1:5
## [1] 1 2 3 4 5
names(df1[ , 1:5])
## [1] "id" "IDA_SEXO" "IDA_DT_NASCIMENTO"
## [4] "IDA_SERIE" "IDA_TURMA"
c(1, 4, 35)
## [1] 1 4 35
names(df1[ , c(1, 4, 35)])
## [1] "id" "IDA_SERIE" "ise_2"
# Elimina variáveis
df2 <- df2[ , -(3:4)]
# Criando um novo dataframe com as variáveis selecionadas
temp <- df1[ , 1:5]
# removendo da área de trabalho
rm(temp)
- Seleção de observações. É possível usar os números das linhas ou operações lógicas
$ e |
# Seleção usando números
df1[1:5 , 1:5]
# Seleção usando lógica
df1b <- df1[df1$IDA_SERIE==5, ]
df1b <- df1[df1$IDA_SERIE>3, ]
df1b <- df1[df1$IDA_SERIE==5 & df1$IDA_TURMA=="A", ]
- Abrindo arquivos em novas sessões de análise
load("aula1.RData")
