# Rodando códigos (o R como calculadora) ----------------------------------
# podemos fazer anotações, e explições sobre o nosso código
# ATALHO para rodar o código: CTRL + ENTER

# adição
1 + 1

# subtração
4 - 2

# multiplicação
2 * 3

# divisão
5 / 3

# potência
4 ^ 2

# Objetos -----------------------------------------------------------------

# As bases de dados serão o nosso objeto de trabalho 
mtcars

# O objeto mtcars já vem com a instalação do R
# Ele está sempre disponível

# Outros exemplos 
pi
letters
LETTERS

# Na prática, vamos precisar trazer nossas bases
# para dentro do R. Como faremos isso?

# Funções -----------------------------------------------------------------

# Funções são nomes que guardam um código de R. Esse código é
# avaliado quando rodamos uma função.

nrow(mtcars) # mtcars é um argumento neste caso!
ncol(mtcars)

# exemplo de funcao com 2 argumentos
round(1.76432, 1) # arredondando

ceiling(1.76432) # arredonda para o numero inteiro acima
floor(1.76432) # arredonda para o numero inteiro para baixo

# Podemos usar a função help para ver
# a documentação de um objeto ou função
help(mtcars)
help(nrow)

# Uma função muito útil para data frames é a View
View(mtcars)

# Uma função pode ter mais de um argumento
# Argumentos são sempre separados por vírgulas

sum(1, 2)
sum(2, 3, 4)

# Existem funções para ler bases de dados

read.csv("dados/imdb.csv") # é melhor fazer assim!

# mas também é possível buscar em outras pastas
# e também na internet:

read.csv("~/Downloads/imdb.csv")
#https://github.com/curso-r/main-r4ds-1/raw/master/dados/imdb.csv
read.csv("https://github.com/curso-r/main-r4ds-1/raw/master/dados/imdb.csv")

# Como "salvar" a base dentro do R?

# Criando objetos ---------------------------------------------------------

# No dia-a-dia, a gente vai precisar criar os 
# nossos próprios objetos

# <-  <- <- <- <- <- <- <- <- <- <- <- <- <- <- <- <-< <- <- <- <- 

# Salvando o valor 1 no objeto "obj"
obj <- 1
obj

# Também dizemos 'guardando as saídas'
soma <- 2 + 2
soma

# ATALHO para a <- : ALT - (alt menos)

# Em geral, começaremos a nossa análise com:
nossa_base <- funcao_que_carrega_uma_base("caminho/ate/arquivo")

# O erro "could not find function" significa que 
# você pediu para o R avaliar uma função que
# não existe. O mesmo vale para objetos:

nossa_base

# Dicas:
# - sempre leia as mensagens de erro
# - verifique no Environment se um objeto existe

# No nosso caso:
imdb <- read.csv("dados/imdb.csv")

# salvar saída versus apenas executar
33 / 11
resultado <- 33 / 11

# atualizar um objeto
# resultado <- resultado * 5

resultado_vezes_5 <- resultado * 5

# A nossa base imdb só será alterada quando salvarmos
# uma operação em cima do objeto imdb

na.exclude(imdb)
imdb_sem_na <- na.exclude(imdb)
nrow(imdb_sem_na)

# Os nomes devem começar com uma letra.
# Podem conter letras, números, _ e .

# Permitido

x <- 1
x1 <- 2
objeto <- 3
meu_objeto <- 4
meu.objeto <- 5

# Não permitido

1x <- 1
_objeto <- 2
meu-objeto <- 3 # - é usado para fazer subtração.



# Estilo de nomes

eu_uso_snake_case
outrasPessoasUsamCamelCase
algumas.pessoas.usam.pontos.mas.nao.deviam
E_algumasPoucas.Pessoas_RENUNCIAMconvenções


# checkpoint --------------------------------------------------------------

# 1. Escrevam (não copiem e colem) o código que lê a base e 
# a salva num objeto imdb. Rodem o código e observem 
# na aba environment se o objeto imdb apareceu.
# tentem usar o tab entre aspas para procurar o nome do objeto!

imdb <- read.csv("dados/imdb.csv")

# Classes -----------------------------------------------------------------

imdb

# Cada coluna da base representa uma variável
# Cada variável pode ser de um tipo (classe) diferente

# Podemos somar dois números
1 + 2

# Não podemos somar duas letras (texto)
"a" + "b"

"1" + "2"

##############################
# Use aspas para criar texto #
##############################

a <- 10

# O objeto a, sem aspas
a

# A letra (texto) a, com aspas
"a"

# Numéricos (numeric)

a <- 10
class(a) #  "numeric"

# Caracteres (character, strings)

obj <- "a"
obj2 <- "masculino"

"texto"
'texto'
"blalbalba"

class(obj) # "character"
class(obj2)

# lógicos (logical, booleanos)

verdadeiro <- TRUE
falso <- FALSE

class(verdadeiro) # "logical"
class(falso)

# Data frames

class(mtcars) # "data.frame"
class(imdb)

# Como vemos a classe de uma coluna?
# Como acessar as colunas de uma base?

# Vetores -----------------------------------------------------------------

# Vetores são conjuntos de valores
# CRIADOS COM A FUNCAO c() - de combinar!

vetor1 <- c(1, 4, 3, 10)
vetor2 <- c("a", "b", "z")

vetor1
vetor2

# Uma maneira fácil de criar um vetor com uma sequência de números
# é utilizar o operador `:`

# Vetor de 1 a 10
1:10

# Vetor de 10 a 1
10:1

# Vetor de -3 a 3
-3:3

# As colunas de data.frames são vetores
mtcars$mpg
imdb$titulo

titulos_dos_filmes <- imdb$titulo

ano_dos_filmes <- imdb$ano
anos_unicos_de_filmes <- unique(ano_dos_filmes)
length(anos_unicos_de_filmes) # length permite ver o tamanho do vetor!

class(mtcars$mpg)
class(imdb$titulo)
class(imdb$ano)

head(imdb)
tail(imdb)


imdb$titulo[1:6] # busca os valores pela posicao/ordem
head(imdb$titulo)
tail(imdb$titulo)

# -------- FINAL DA AULA 1 --------------


# O operador $ pode ser utilizado para selecionar
# uma coluna da base

# Um vetor só pode guardar um tipo de objeto e ele terá sempre
# a mesma classe dos objetos que guarda

vetor1 <- c(1, 5, 3, -10)
vetor2 <- c("a", "b", "c")

class(vetor1)
class(vetor2)

vetor3 <- c(1, 2, 3, "a", "b","c", TRUE, FALSE)
vetor3 
class(vetor3)

# true recebeu 1, false recebeu 0
vetor4 <- c(1, 2, 3, TRUE, FALSE)
vetor4
class(vetor4)

# Se tentarmos misturar duas classes, o R vai apresentar o
# comportamento conhecido como coerção



vetor <- c(1, 2, "a")

vetor
class(vetor)

# character > numeric > integer > logical

# coerções forçadas por você
as.numeric(c(TRUE, FALSE, FALSE))
as.character(c(TRUE, FALSE, FALSE))
# as.____()

# Por consquência, cada coluna de uma base 
# guarda valores de apenas uma classe.

str(mtcars)
str(imdb)

# o tipo de classe sempre ficará vinculado à coluna!
# nome_da_base[ linhas, colunas]
imdb[ 1, ]
imdb[ 1, 1]

# Naturalmente, podemos fazer operações matemáticas com vetores

vetor <- c(0, 5, 20, -3)

vetor + 1
vetor - 1
vetor / 2
vetor * 10

# Você também pode fazer operações que envolvem mais de um vetor:

vetor1 <- c(1, 2, 3)
vetor2 <- c(10, 20, 30)

vetor1  + vetor2

# reciclando!!

vetor3 <- c(1, 2)

vetor4 <- c(10, 20, 30, 40, 50, 60)

vetor3 + vetor4

# reciclagem pode ser confuso!
vetor5 <- c(1, 2)

vetor6 <- c(10, 20, 30, 40, 50)

vetor5 + vetor6
# 
# Warning message:
#   In vetor5 + vetor6 :
#   longer object length is not a multiple of shorter object length
# o comprimento do objeto maior (vetor6) não é multiplo do comprimento
# do objeto menor (vetor 5)


# R BASE
# Base R



# Pacotes -----------------------------------------------------------------

# Para instalar pacotes

# install.packages("tidyverse")
library(tidyverse)
library(dplyr)

# Também é possível acessar as funções usando ::
dplyr::filter_at()
dplyr::transmute()