slide-intro-tidyverse.qmd

---
title: "Parte II - Introdução ao tidyverse"
subtitle: "Oficina de Introdução ao R"
author: "[R-Ladies São Paulo](https://www.meetup.com/rladies-sao-paulo/)"
date: "2023-06-24"
format: 
  rladies-revealjs:
    footer: "Slides feitos com [Quarto](https://quarto.org/docs/presentations/revealjs/index.html) e [Quarto R-Ladies Theme](https://github.com/beatrizmilz/quarto-rladies-theme#quarto-r-ladies-theme)."
incremental: true
---

## Tidyverse

![](https://github.com/R-Ladies-Sao-Paulo/2023-06-oficina-introducao-R/blob/main/img/img08_tidyverse.PNG?raw=true)

## O que é?

-   Um conjunto de pacotes que compartilham a mesma gramática e estrutura.

-   Quando você instala/carrega o tidyverse, todos esses pacotes vêm junto de uma vez.

-   Serve pra fazer o trabalho de análise **mais rápido e fácil**

## Pacotes dentro do Tidyverse

São vários os pacotes (<https://www.tidyverse.org/packages/>)

Conseguem imaginar a utilidade dos pacotes abaixo?

-   **readr:** abrir arquivos (bases de dados) e salvar tabelas

-   **dplyr:** manipular a base (filtrar, criar colunas, agrupar, resumir, ordenar etc.)

-   **stringr:** arrumar textos (string) identifcando padrões (regex)

-   **lubridate:** ajusta datas e horas (ex: AAAA-MM-DD)

-   **ggplot2:** visualização de dados

-   **tidyr:** para organizar/arrumar os dados

## 'Verbos mágicos' do dplyr

Saber poucos comandos já basta pra começar a analisar!

| FUNÇÃO        | O QUE FAZ                                     |
|---------------|-----------------------------------------------|
| **select**    | seleciona só algumas colunas da base          |
| **filter**    | seleciona só algumas linhas da base           |
| **mutate**    | cria colunas ou altera valores de uma coluna  |
| **group_by**  | agrupa linhas de valores iguais em uma coluna |
| **summarise** | par do group_by, cria o resumo desses grupos  |
| **arrange**   | ordena a forma de visualizar a tabela         |

## Mais 'verbos úteis'

| FUNÇÃO          | O QUE FAZ                                  |
|-----------------|--------------------------------------------|
| **read_csv**    | abre o seu arquivo separado por vírgula    |
| **read_csv2**   | arquivo separado por ponto e vírgula       |
| **write_csv**   | salva a tabela num arquivo no computador   |
| **rename**      | renomeia uma coluna                        |
| **replace\_**\* | troca um valor p/ outro quando ele aparece |
| **pivot\_**\*   | transforma linhas em colunas e vice-versa  |
| **bind_rows**\* | junta as linhas de duas tabelas diferentes |
| **str_sub**\*   | puxa só parte do valor de uma coluna       |

## O operador pipe: %\>% ou \|\>

-   pipe = cano, encanamento, fazer a informação fluir

-   o valor do lado esquerdo do pipe vira argumento para a função do lado direito e assim por diante

    ```{r}
    df <- iris |> 
      dplyr::select(Sepal.Length, Sepal.Width) |>
      dplyr::filter(Sepal.Length > 7.6) |>
      dplyr::arrange(desc(Sepal.Length))
      
    ```

-   Atalho: *CTRL + SHIFT + M*

## Exercícios

Vamos aprender a conjugar na prática com dados da nova Assembleia Legislativa de São Paulo!

Observem a tabela abaixo. Cada grupo terá uma pergunta para responder!

> [tabela alesp.csv](https://github.com/R-Ladies-Sao-Paulo/2023-06-oficina-introducao-R/raw/main/data/alesp.csv)

## Perguntas:

1.  Quais mulheres foram eleitas em 2022?

2.  Qual foi a média de votos em 2022 por raça?

3.  Qual é o ranking de votos totais por partido em 2022?

4.  Qual pessoa reeleita ganhou mais votos de 2018 para 2022?

## Código 1:

1- Quais mulheres foram eleitas em 2022?

<br>

(Dica: é com **"select"** ou com **"filter"**?)

```{r}
#| echo: true
library(tidyverse)

alesp <- read.csv2("data/alesp.csv",
                   fileEncoding = "Windows-1252")

sexo_feminino <- alesp %>% 
  filter(genero == "FEMININO")
  
```

## Resposta 1:

1- Quais mulheres foram eleitas em 2022?

```{r}
knitr::kable(sexo_feminino) %>% 
  kableExtra::kable_styling(font_size = 12)
```

## Código 2:

2- Qual foi a média de votos em 2022 por raça?

```{r}
#| echo: true

media_raca <- alesp %>% 
  group_by(cor_raca) %>% 
  summarise(media_votos = mean(votos_2022))
  
```

## Resposta 2:

2- Qual foi a média de votos em 2022 por raça?

```{r}
knitr::kable(media_raca) %>% 
  kableExtra::kable_styling(font_size = 28)
```

## Código 3:

3- Qual é o ranking de votos totais por partido em 2022?

```{r}
#| echo: true

votos_partidos <- alesp %>% 
  group_by(sigla_partido) %>% 
  summarise(total_votos = sum(votos_2022)) %>% 
  arrange(desc(total_votos))
  
```

## Resposta 3:

3- Qual é o ranking de votos totais por partido em 2022?

```{r}
knitr::kable(votos_partidos) %>% 
  kableExtra::kable_styling(font_size = 16)
```

## Código 4:

4- Qual deputado reeleito ganhou mais votos de 2018 para 2022?

```{r}
#| echo: true

deputados <- alesp %>% 
  filter(!is.na(votos_2018)) %>% 
  mutate(variacao_votos = votos_2022 - votos_2018,
         pct_variacao_votos = ( variacao_votos * 100 ) / votos_2018) %>% 
  arrange(desc(pct_variacao_votos))
  
```

## Resposta 4:

4- Qual deputado reeleito ganhou mais votos de 2018 para 2022?

```{r}
knitr::kable(deputados) %>% 
  kableExtra::kable_styling(font_size = 16)
```

## Hora de praticar!

Vamos abrir o arquivo **tidyverse-pratica.R** para analisar dados sobre a eleição de policiais e militares no Legislativo.

O objetivo vai ser atualizar [essa reportagem do G1](https://g1.globo.com/politica/eleicoes/2018/eleicao-em-numeros/noticia/2018/10/08/numero-de-policiais-e-militares-no-legislativo-e-quatro-vezes-maior-do-que-o-de-2014.ghtml) com os dados das eleições de 2022!