XV SIGM - Começando

Data Analysis Using R Software: Essential Approaches for Breeders

O minicurso Análises de dados usando o software R: Abordagens essenciais para melhoristas proporcionará uma introdução prática ao uso do R para conduzir análises estatísticas em experimentos de melhoramento genético. O conteúdo abordará desde a manipulação e limpeza de dados, análise exploratória, até a aplicação de técnicas avançadas, como a modelagem e análise de experimentos e métodos multivariados. O curso também incluirá visualizações gráficas treinando os participantes com as habilidades necessárias para otimizar o processamento e a interpretação de dados em programas de melhoramento.

Instalação do R e RSTudio

R e RStudio são dois softwares separados:

R é uma linguagem de programação e software usado para executar código escrito em R.
RStudio é um ambiente de desenvolvimento integrado (IDE) que torna o uso de R mais fácil. Neste curso, usamos RStudio para interagir com R.

Se você ainda não tiver o R e o RStudio instalados, siga as instruções para seu sistema operacional abaixo. Você precisa instalar o R antes de instalar o RStudio.

Instalação do R

Para instalar o R para o Windows, é preciso realizar o download do instalador. Acesse o site do CRAN.
Siga os seguintes passos clique em: download and install R> download R for Windows > base> install R for the first time > Download R-4.4.1 for Windows (64, bit).
Selecione a versão adequada para o seu sistema operacional (Linux, Mac ou Windows) e siga as instruções de instalação.
Realize o download em uma pasta da sua escolha no seu computador.
Execute o arquivo clicando duas vezes com o botão esquerdo. Em seguida, o assistente de instalação vai guiar vocês durante o durante o processo. As configurações padrão são suficientes, então vá clicando em “Avançar e Próximo” até concluir.

6. Pronto! Agora você já tem o R instalado no seu computador.

Instalação do RSTudio

Agora você irá instalar o RStudio, ele é uma IDE (ambiente de desenvolvimento integrado) para linguagem de programação em R. É onde você irá escrever os códigos.

Para instalar o RStudio realize o download do instalador. Acesse o site da Posit.
Em seguida role a página para baixo e procure a versão compatível com o sistema operacional de vocês. Na grande maioria o sistema operacional é (64-bit), no entanto, se for (32-bit), você usará outra versão do RStudio.
Agora realize o download do instalador e é só executar.
O assistente de instalação do RStudio vai conduzir vocês durante o processo. É só seguir as instruções para concluir a instalação.
Após a instalação é só procurar o ícone do RStudio na pasta que você escolheu para fazer o download e clicar duas vezes com botão esquerdo e pronto.

Já tem os softwares instalados?

Se você já tem o R e o RStudio instalados, primeiro verifique se sua versão do R está atualizada.

Basta digitar no seu console:

#sessionInfo()

#version

Se sua versão do R for 4.0.0 ou posterior, você não precisa atualizar o R. Se sua versão do R for mais antiga do que isso, baixe e instale a versão mais recente.

Baixando materiais.

Acesse o link do Github: https://github.com/JenniferLopes/SIGM
Baixe o projeto SIGM.
Acesse <> Code > Download ZIP.

Extraia o documento em ZIP em qualquer pasta do seu computador.
Com duplo clique abra o SIGM_scripts.

Pronto, seu projeto estará aberto no RStudio.

Instalação de pacotes

Pacote {pacman}

Um pacote bastante interessante disponível é o pacman. Ele age como um gerenciador de pacotes no ambiente R, consolidando a funcionalidade das funções relacionadas à biblioteca base em funções com nomes intuitivos.

Uma das funções mais valiosas oferecidas pelo pacote pacman é a p_load() (carregamento de pacotes). Essa função verifica se um pacote está instalado e, se estiver, o carrega da mesma maneira que a função library() faria. No caso de o pacote não estar instalado, ela procederá à instalação antes de carregá-lo.

Agora, sigamos para a etapa de instalação (para aqueles que estão usando o R pela primeira vez) ou de carregamento (para aqueles que já o têm instalado) dos pacotes necessários para este material.

No início dos seus scripts use a função pacman::p_load(), assim se caso você não tenha o pacote instalado, o pacman irá fazer isso para você. De mesmo modo, uma vez instalado, ele somente carregará o pacote.

if (!requireNamespace("pacman", quietly = TRUE)) install.packages("pacman")

pacman::p_load(
  broom,
  broom.mixed,
  desplot,
  dplyr,
  DT,
  emmeans,
  factoextra,
  ggplot2,
  ggpubr,
  ggtext,
  ggthemes,
  ggridges,
  glue,
  janitor,
  lme4,
  lmerTest,
  metan,
  multcomp,
  multcompView,
  openxlsx,
  patchwork,
  plotly,
  readr,
  readxl,
  tibble,
  tidyverse,
  viridis,
  writexl)

Funções dos pacotes

broom: Organiza os resultados de modelos estatísticos em data.frames, facilitando a interpretação e manipulação dos resultados.
broom.mixed: Extensão do broom para modelos mistos; facilita a obtenção de resultados detalhados de modelos mistos em um formato organizado.
desplot: Gera visualizações de experimentos com blocos, como grids de parcelas e blocos, facilitando a inspeção visual do delineamento experimental.
dplyr: Parte do tidyverse, fornece uma gramática intuitiva para manipulação de dados, incluindo funções para seleção, filtragem, agrupamento e mutação de variáveis.
DT: Cria tabelas interativas em HTML, tornando mais fácil a visualização de grandes tabelas de dados em relatórios ou aplicações Shiny.
emmeans: Gera médias estimadas para modelos lineares e mistos, incluindo intervalos de confiança e comparações múltiplas entre tratamentos.
factoextra: Visualiza análises multivariadas como PCA e clustering, oferecendo gráficos intuitivos para entender a estrutura dos dados.
ggplot2: Pacote principal para visualização de dados em R, permite a criação de gráficos altamente personalizáveis usando a gramática de gráficos.
ggpubr: Fornece funções para visualização de dados com ggplot2, facilitando a criação de gráficos prontos para publicação.
ggtext: Permite a formatação avançada de texto em gráficos ggplot2, incluindo suporte a HTML e Markdown.
ggthemes: Adiciona temas adicionais ao ggplot2, adequados para apresentações, publicações e customização avançada.
ggridges: Cria gráficos de densidade em forma de “ridge”, úteis para comparar distribuições em várias categorias.
glue: Manipula strings com eficiência, permitindo a inserção dinâmica de variáveis em textos, útil para criar legendas e rótulos personalizados.
janitor: Limpa dados rapidamente, incluindo a padronização de nomes de colunas e remoção de valores duplicados.
lme4: Ajusta modelos lineares e lineares generalizados mistos, amplamente usado em experimentos com efeitos aleatórios.
lmerTest: Extensão de lme4 para adicionar testes de significância em modelos mistos, fornecendo ANOVA e outras inferências estatísticas.
metan: Ferramentas para análise de experimentos agrícolas, incluindo análises de médias e estatísticas descritivas.
multcomp: Realiza comparações múltiplas entre médias em experimentos, com ajustes de p-valor para testes de hipóteses.
multcompView: Complementa o multcomp para criar visualizações das comparações múltiplas, identificando grupos significativos.
openxlsx: Cria e edita arquivos Excel diretamente do R, com controle sobre formatação e estrutura dos dados exportados.
patchwork: Combina múltiplos gráficos do ggplot2 em layouts customizados, ideal para painéis e figuras compostas.
plotly: Gera gráficos interativos, incluindo integrações com ggplot2, útil para explorar dados dinamicamente.
readr: Parte do tidyverse, otimiza a leitura de dados em formatos como .csv e .tsv, com controle sobre tipos de variáveis.
readxl: Lê arquivos Excel (.xls e .xlsx), permitindo importar dados do Excel diretamente para o R.
tibble: Estrutura de dados otimizada para manipulação no tidyverse, oferece tabelas organizadas e de fácil leitura.
tidyverse: Conjunto abrangente de pacotes para manipulação, visualização e análise de dados em R, incluindo dplyr, ggplot2, readr, tibble, entre outros.
viridis: Fornece paletas de cores perceptualmente uniformes, ideais para mapas e gráficos acessíveis a pessoas com deficiência visual.
writexl: Exporta dados do R para arquivos Excel (.xlsx), adequado para a criação de relatórios em Excel diretamente do R.

Vamos iniciar?

Confira as Ilustrações da Alisson Horst.

--- title: "Começando" subtitle: "O que vamos precisar para iniciar o nosso curso?" toc: true # Adiciona um índice no relatório format: html: css: ["custom.css"] # Customização com css toc: true embed-resources: true code-fold: false # code-fold: true para "ocultar" o bloco de códigos code-tools: true #code-tools: true para ativar ferramentas de interação # number-sections: true # Número de seções/subseções theme: light: cosmo dark: superhero # Sugestão: superhero/vapor Mudar o tema do relatório aqui title-block-banner: "#501d5c" # Pode ser 'true', uma cor ou imagem code-annotations: hover # Para anotações em códigos --- ## Data Analysis Using R Software: Essential Approaches for Breeders O minicurso Análises de dados usando o software R: Abordagens essenciais para melhoristas proporcionará uma introdução prática ao uso do R para conduzir análises estatísticas em experimentos de melhoramento genético. O conteúdo abordará desde a manipulação e limpeza de dados, análise exploratória, até a aplicação de técnicas avançadas, como a modelagem e análise de experimentos e métodos multivariados. O curso também incluirá visualizações gráficas treinando os participantes com as habilidades necessárias para otimizar o processamento e a interpretação de dados em programas de melhoramento. ## Instalação do R e RSTudio R e RStudio são dois softwares separados: - **`R`** é uma linguagem de programação e software usado para executar código escrito em R. - **`RStudio`** é um ambiente de desenvolvimento integrado (IDE) que torna o uso de R mais fácil. Neste curso, usamos RStudio para interagir com R. Se você ainda não tiver o R e o RStudio instalados, siga as instruções para seu sistema operacional abaixo. Você precisa instalar o R antes de instalar o RStudio. ## Instalação do R 1. Para instalar o R para o Windows, é preciso realizar o download do instalador. Acesse o site do [**CRAN**](https://cloud.r-project.org/). 2. Siga os seguintes passos clique em: **download and install R**\> **download R for Windows** \> **base**\> **install R for the first time** \> **Download R-4.4.1 for Windows (64, bit).** 3. Selecione a **versão adequada** para o seu sistema operacional (Linux, Mac ou Windows) e siga as instruções de instalação. 4. Realize o download em uma **pasta da sua escolha** no seu computador. 5. **Execute** o arquivo clicando duas vezes com o botão esquerdo. Em seguida, o assistente de instalação vai guiar vocês durante o durante o processo. As configurações padrão são suficientes, então **vá clicando em "Avançar e Próximo"** até concluir. 6\. Pronto! Agora você já tem o R instalado no seu computador. ## Instalação do RSTudio Agora você irá instalar o **RStudio**, ele é uma **IDE** (ambiente de desenvolvimento integrado) para linguagem de programação em R. É onde você irá escrever os códigos. 1. Para instalar o RStudio realize o download do instalador. Acesse o site da [**Posit**](https://posit.co/download/rstudio-desktop/)**.** 2. **Em seguida role a página para baixo e procure a versão compatível com o sistema operacional de vocês.** Na grande maioria o sistema operacional é (64-bit), no entanto, se for (32-bit), você usará outra versão do RStudio. 3. Agora realize o download do instalador e é só executar. 4. O assistente de instalação do RStudio vai conduzir vocês durante o processo. É só seguir as instruções para concluir a instalação. 5. Após a instalação é só procurar o **ícone do RStudio na pasta que você escolheu** para fazer o download e clicar duas vezes com botão esquerdo e pronto. ## Já tem os softwares instalados? Se você já tem o R e o RStudio instalados, primeiro verifique se sua versão do R está atualizada. **Basta digitar no seu console:** ```{r} #sessionInfo() ``` ou ```{r} #version ``` Se sua versão do R for 4.0.0 ou posterior, você não precisa atualizar o R. Se sua versão do R for mais antiga do que isso, baixe e instale a versão mais recente. ## Baixando materiais. 1. Acesse o link do Github: <https://github.com/JenniferLopes/SIGM> 2. Baixe o projeto SIGM. 3. Acesse \<\> Code \> Download ZIP. [![**Projeto com os scripts.**](img/git.png)](https://github.com/JenniferLopes/SIGM) 4. Extraia o documento em ZIP em qualquer pasta do seu computador. 5. Com duplo clique abra o SIGM_scripts. ![](img/proj.png) **`Pronto, seu projeto estará aberto no RStudio.`** ## Instalação de pacotes ## **Pacote {pacman}** Um pacote bastante interessante disponível é o **`pacman`**. Ele age como um gerenciador de pacotes no ambiente R, consolidando a funcionalidade das funções relacionadas à biblioteca base em funções com nomes intuitivos. Uma das funções mais valiosas oferecidas pelo pacote **`pacman`** é a **`p_load()`** (carregamento de pacotes). Essa função verifica se um pacote está instalado e, se estiver, o carrega da mesma maneira que a função **`library()`** faria. No caso de o pacote não estar instalado, ela procederá à instalação antes de carregá-lo. Agora, sigamos para a etapa de instalação (para aqueles que estão usando o R pela primeira vez) ou de carregamento (para aqueles que já o têm instalado) dos pacotes necessários para este material. No início dos seus scripts use a função **`pacman::p_load()`**, assim se caso você não tenha o pacote instalado, o pacman irá fazer isso para você. De mesmo modo, uma vez instalado, ele somente carregará o pacote. ```{r warning=FALSE, message=FALSE} if (!requireNamespace("pacman", quietly = TRUE)) install.packages("pacman") ``` ```{r} pacman::p_load( broom, broom.mixed, desplot, dplyr, DT, emmeans, factoextra, ggplot2, ggpubr, ggtext, ggthemes, ggridges, glue, janitor, lme4, lmerTest, metan, multcomp, multcompView, openxlsx, patchwork, plotly, readr, readxl, tibble, tidyverse, viridis, writexl) ``` ## Funções dos pacotes 1. **`broom`**: Organiza os resultados de modelos estatísticos em `data.frames`, facilitando a interpretação e manipulação dos resultados. 2. **`broom.mixed`**: Extensão do `broom` para modelos mistos; facilita a obtenção de resultados detalhados de modelos mistos em um formato organizado. 3. **`desplot`**: Gera visualizações de experimentos com blocos, como grids de parcelas e blocos, facilitando a inspeção visual do delineamento experimental. 4. **`dplyr`**: Parte do `tidyverse`, fornece uma gramática intuitiva para manipulação de dados, incluindo funções para seleção, filtragem, agrupamento e mutação de variáveis. 5. **`DT`**: Cria tabelas interativas em HTML, tornando mais fácil a visualização de grandes tabelas de dados em relatórios ou aplicações Shiny. 6. **`emmeans`**: Gera médias estimadas para modelos lineares e mistos, incluindo intervalos de confiança e comparações múltiplas entre tratamentos. 7. **`factoextra`**: Visualiza análises multivariadas como PCA e clustering, oferecendo gráficos intuitivos para entender a estrutura dos dados. 8. **`ggplot2`**: Pacote principal para visualização de dados em `R`, permite a criação de gráficos altamente personalizáveis usando a gramática de gráficos. 9. **`ggpubr`**: Fornece funções para visualização de dados com `ggplot2`, facilitando a criação de gráficos prontos para publicação. 10. **`ggtext`**: Permite a formatação avançada de texto em gráficos `ggplot2`, incluindo suporte a HTML e Markdown. 11. **`ggthemes`**: Adiciona temas adicionais ao `ggplot2`, adequados para apresentações, publicações e customização avançada. 12. **`ggridges`**: Cria gráficos de densidade em forma de "ridge", úteis para comparar distribuições em várias categorias. 13. **`glue`**: Manipula strings com eficiência, permitindo a inserção dinâmica de variáveis em textos, útil para criar legendas e rótulos personalizados. 14. **`janitor`**: Limpa dados rapidamente, incluindo a padronização de nomes de colunas e remoção de valores duplicados. 15. **`lme4`**: Ajusta modelos lineares e lineares generalizados mistos, amplamente usado em experimentos com efeitos aleatórios. 16. **`lmerTest`**: Extensão de `lme4` para adicionar testes de significância em modelos mistos, fornecendo ANOVA e outras inferências estatísticas. 17. **`metan`**: Ferramentas para análise de experimentos agrícolas, incluindo análises de médias e estatísticas descritivas. 18. **`multcomp`**: Realiza comparações múltiplas entre médias em experimentos, com ajustes de p-valor para testes de hipóteses. 19. **`multcompView`**: Complementa o `multcomp` para criar visualizações das comparações múltiplas, identificando grupos significativos. 20. **`openxlsx`**: Cria e edita arquivos Excel diretamente do R, com controle sobre formatação e estrutura dos dados exportados. 21. **`patchwork`**: Combina múltiplos gráficos do `ggplot2` em layouts customizados, ideal para painéis e figuras compostas. 22. **`plotly`**: Gera gráficos interativos, incluindo integrações com `ggplot2`, útil para explorar dados dinamicamente. 23. **`readr`**: Parte do `tidyverse`, otimiza a leitura de dados em formatos como `.csv` e `.tsv`, com controle sobre tipos de variáveis. 24. **`readxl`**: Lê arquivos Excel (`.xls` e `.xlsx`), permitindo importar dados do Excel diretamente para o R. 25. **`tibble`**: Estrutura de dados otimizada para manipulação no `tidyverse`, oferece tabelas organizadas e de fácil leitura. 26. **`tidyverse`**: Conjunto abrangente de pacotes para manipulação, visualização e análise de dados em R, incluindo `dplyr`, `ggplot2`, `readr`, `tibble`, entre outros. 27. **`viridis`**: Fornece paletas de cores perceptualmente uniformes, ideais para mapas e gráficos acessíveis a pessoas com deficiência visual. 28. **`writexl`**: Exporta dados do R para arquivos Excel (`.xlsx`), adequado para a criação de relatórios em Excel diretamente do R. ### **Vamos iniciar?** [![](figures/receita.png)](https://allisonhorst.com/allison-horst) [Confira as Ilustrações da Alisson Horst](https://allisonhorst.com/allison-horst).