library(data.table)
df_aprovacoes <-
readRDS('./data/aprovacoes_por_porte_de_empresa.RDS')17 Pacote data.table
Status 🟦🟨🟨
O pacote data.table oferece estrutura para manipulação de bases de dados de forma mais rápida que a base do R. As estruturas de dados são chamadas de data tables e funcionam de forma similar a um data frame.
17.1 Criando um Data Table
17.1.1 Função data.table
A criação de um data table se dá de forma análoga a um data frame através da função data.table.
df_exemplo <- data.table(x = 1:10)
df_exemplo |> class()[1] "data.table" "data.frame"17.1.2 Função setDT
Também podemos criar um data table a partir de um data frame com o comando setDT ou com a função as.data.table.
df_aprovacoes_as <- as.data.table(df_aprovacoes)
df_aprovacoes_as |> class()[1] "data.table" "data.frame"df_aprovacoes <- setDT(df_aprovacoes)
df_aprovacoes |> class()[1] "data.table" "data.frame"identical(df_aprovacoes_as, df_aprovacoes)[1] TRUEAs operações realizadas com data tables possuem sintaxe específica e bastante sucinta. As operações são feitas sobre a base de dados na seguinte forma:
base[ linhas, colunas, agregação ]
17.2 Filtrando Dados
De forma análogo a um data frame padrão, os filtros nas linhas ocorrem antes da vírgula e podem usar operadores lógicos e relacionais. Uma grande vantagem é que as colunas podem ser referenciadas apenas pelo seu nome, sem incluir o nome do objeto.
df_aprovacoes[ANO == 2022 & MES > 6, ] ANO MES MICRO PEQUENA MEDIA GRANDE
<int> <int> <num> <num> <num> <num>
1: 2022 7 1763.7773 3843.3850 3286.456 1873.511
2: 2022 8 2378.3861 4640.6140 3965.469 3147.633
3: 2022 9 874.7404 1198.8596 2163.194 4625.476
4: 2022 10 419.9439 932.4995 1970.361 9020.808
5: 2022 11 323.8321 828.8072 2259.412 7908.244
6: 2022 12 413.4742 1087.6930 3795.945 37107.07917.3 Selecionando Colunas
Para seleção de colunas, podemos colocar o nome da coluna diretamente após a vírgula, porém o reotrno é dado em forma de vetor e não mantém a estrutura do data table.
df_aprovacoes[, GRANDE] |>
is.vector()[1] TRUEdf_aprovacoes[, GRANDE] |>
is.data.table()[1] FALSEPara seleção mais robusta devem ser informadas as colunas dentro de uma lista, que pode ser abreviada por um ponto.
df_aprovacoes[, list(GRANDE)] |>
is.data.table()[1] TRUE# selecioanndo mais de uma coluna
df_aprovacoes[, list(GRANDE, PEQUENA)] |>
head(3) GRANDE PEQUENA
<num> <num>
1: 380.2330 0
2: 495.5282 0
3: 715.9591 0# usando ponto
df_aprovacoes[, .(GRANDE, PEQUENA)] |>
head(3) GRANDE PEQUENA
<num> <num>
1: 380.2330 0
2: 495.5282 0
3: 715.9591 017.4 Alterando Variáveis
A criação/alteração de variáveis pode ser feita basicamente de duas formas: forma funcional ou LHS := RHS. Em ambas as formas as operações são feitas diretamente no próprio objeto, não exigindo o operador de atribuição <-.
17.4.1 Forma Funcional
Na forma funcional se faz o uso do operador := (assignment by reference), que deixa o código bastante limpo e reduzido, facilitando a leitura.
df_aprovacoes[, RAZAO_GRANDE_MICRO := GRANDE / MICRO]
df_aprovacoes[, RAZAO_GRANDE_MICRO] |> head()[1] 2.959705 4.660361 3.052496 3.226267 2.278962 3.862450É possível efetuar a atualização/criação de várias variáveis simultaneamente.
df_aprovacoes[, `:=`(RAZAO_GRANDE_PEQUENA = GRANDE / PEQUENA,
RAZAO_GRANDE_MEDIA = GRANDE/MEDIA)]17.4.2 Forma LHS := RHS
Uma forma alternativa pode ser usada com dois “vetores”, um com as variáveis a serem criadas e outro com os valores a serem atribuídos.
df_aprovacoes2 <- copy(df_aprovacoes)
df_aprovacoes[, c('RAZAO_GRANDE_PEQUENA', 'RAZAO_GRANDE_MEDIA') :=
list(GRANDE / PEQUENA, GRANDE/MEDIA)]
identical(df_aprovacoes, df_aprovacoes2)[1] TRUE17.5 Agrupando
O agrupamento/agregação ocorre com o operador by. Exemplo com criação da média de valores aprovados para o porte MICRO por ano, sendo que o ano deve ser a partir de 2020.
df_aprovacoes[ANO > 2019, list(MEAN_MICRO = mean(MICRO)), by = ANO] ANO MEAN_MICRO
<int> <num>
1: 2020 536.0065
2: 2021 536.2352
3: 2022 662.1226
4: 2023 312.280017.6 Ordenando Dados
A função setorder permite ordenação da base de dados sem exigir atribuição como usado com R base (df <- df[order(df$var),]).
df_aprovacoes |> head() ANO MES MICRO PEQUENA MEDIA GRANDE RAZAO_GRANDE_MICRO
<int> <int> <num> <num> <num> <num> <num>
1: 1995 1 128.4699 0 10.18922 380.2330 2.959705
2: 1995 2 106.3283 0 16.21161 495.5282 4.660361
3: 1995 3 234.5488 0 13.69085 715.9591 3.052496
4: 1995 4 125.2196 0 16.44511 403.9919 3.226267
5: 1995 5 209.4168 0 20.88794 477.2529 2.278962
6: 1995 6 122.5179 0 23.86818 473.2194 3.862450
RAZAO_GRANDE_PEQUENA RAZAO_GRANDE_MEDIA
<num> <num>
1: Inf 37.31717
2: Inf 30.56625
3: Inf 52.29471
4: Inf 24.56609
5: Inf 22.84825
6: Inf 19.82637setorder(df_aprovacoes, -ANO, MES)
df_aprovacoes |> head(n = 8) ANO MES MICRO PEQUENA MEDIA GRANDE RAZAO_GRANDE_MICRO
<int> <int> <num> <num> <num> <num> <num>
1: 2023 1 235.2636 654.6506 1048.4110 1337.163 5.683680
2: 2023 2 528.9812 1639.7768 2111.9314 1088.138 2.057045
3: 2023 3 260.0790 647.7431 1546.9274 1843.952 7.089969
4: 2023 4 157.7072 501.0023 1190.8649 3445.090 21.844841
5: 2023 5 119.9866 519.2932 1797.9574 2222.737 18.524876
6: 2023 6 571.6626 1985.3709 3554.8101 6506.082 11.380983
7: 2022 1 293.7928 412.8598 826.2161 1182.581 4.025222
8: 2022 2 195.4029 571.3932 910.6876 1460.593 7.474776
RAZAO_GRANDE_PEQUENA RAZAO_GRANDE_MEDIA
<num> <num>
1: 2.0425595 1.2754186
2: 0.6635891 0.5152336
3: 2.8467333 1.1920093
4: 6.8763948 2.8929308
5: 4.2803128 1.2362571
6: 3.2770111 1.8302194
7: 2.8643651 1.4313220
8: 2.5561957 1.603835217.7 Encadeamento
Existe a possibilidade de operações encadeadas. Esta operações são úteis quando se deseja transforma uma variável recém criada, por exemplo.
df_aprovacoes3 <- copy(df_aprovacoes)
df_aprovacoes3[, `:=`(DATA_ATUAL = Sys.Date(),
ANO_ATUAL = format(DATA_ATUAL, '%y'))]Error in eval(jsub, SDenv, parent.frame()): objeto 'DATA_ATUAL' não encontradoSem o encadeamento não é possível extrair o ano da variável DATA_ATUAL pois ela ainda não foi criada.
df_aprovacoes4 <- copy(df_aprovacoes)
df_aprovacoes4[, DATA_ATUAL := Sys.Date()][,
ANO_ATUAL := format(DATA_ATUAL, '%y')]O encadeamento é equivalente ao uso do pipe e o placeholder indicando o data table.
df_aprovacoes5 <- copy(df_aprovacoes)
df_aprovacoes5[, DATA_ATUAL := Sys.Date()] |>
_[, ANO_ATUAL := format(DATA_ATUAL, '%y')]
identical(df_aprovacoes4, df_aprovacoes5)[1] TRUEDowle e Srinivasan (2023)
Última atualização: 11/10/2024 - 21:49:13