# erro comum ao converter fatores!

anos= c("2010","2010","2010", "2011", "2011", "2012")

anos.factor = as.factor(anos)

str(anos.factor)

anos.num= as.numeric(anos.factor)

anos.num

# o erro ocorre pois R converte os numeros associados aos fatores

# para evitar o erro

anos.char= as.character(anos.factor)

anos.num2 = as.numeric(anos.char)

anos.num2

str(anos.num2)

df0= read.csv("Dados_Limpar.csv")

# substituindo todos os valores vazios "" por NA

df= read.csv("Dados_Limpar.csv", na.strings = c(""))

str(df)

head(df, 3)

df$Tipo = factor(df$Tipo)

str(df)

df$Estado = factor(df$Estado)

str(df)

# removendo os cifroes, virgulas, pontos e fazendo conversoes

df_backup= df

df$Receitas= gsub(",00","",df$Receitas)

df$Receitas

# ATENCAO, ISSO NAO FUNCIONA, PORQUE $ EH UM CARACTER ESPECIAL

df$Receitas= gsub("$","",df$Receitas)

df$Receitas

# TEM QUE INFORMAR O R QUE "$" EH UM CARACTERE ESPECIAL USANDO \\

df$Receitas= gsub("\\$","",df$Receitas)

df$Receitas

# Vamos nos livrar das virgulas e pontos. Note "." tambem eh caractere especial

df$Receitas= gsub("\\.","",df$Receitas)

df$Receitas

# trabalhando com as despesas, removendo "reais"

df$Despesas= gsub(" reais","",df$Despesas)

df$Despesas

# trabalhando com as despesas, removendo "."

df$Despesas= gsub("\\.","",df$Despesas)

df$Despesas

str(df)

#convertendo para valores numericos

df$Receitas= as.numeric(df$Receitas)

df$Despesas= as.numeric(df$Despesas)

str(df)

# NA = Not available or missing data

# para checar se ha NA em qualquer linha

df_backup = df

complete.cases(df)

# criando um subconjunto apenas com as linhas onde tem NAs

df_novo = df[!complete.cases(df),]

# Entendendo NA

a= 1

a == 1

a == 2

a= NA

a == 1

a == 2

a == NA

# Nota: R faz a distincao entre vazio "" e NA!

# Selecionando linhas usando "witch"

# Quando nao tem NA, funciona corretamente

FG = df[df$Nome == "Faculdade G",]

FG

# Lembrando que NA eh um operador logico

despesa.150000 = df[df$Despesas == 150000,]

despesa.150000

# Apareceram varios NAs, a razao eh que

# TRUE == NA -> NA

# FALSE == NA-> NA

# por isso aparecem linhas o valor da coluna == NA

# Resolve esse problema usando "which"

despesa.150000 = df[which(df$Despesas == 150000),]

despesa.150000

# Mais exemplos de uso da funcao which

# separando as faculdades de medicina

f.medicina = df[which(df$Tipo =="Medicina"),]

f.medicina

# compare com o comando abaixo, onde aparecem as linhas com NAs

f.medicina2 = df[df$Tipo =="Medicina",]

f.medicina2

# usando com condicionais

receita.maior.300000 = df[which(df$Receitas > 300000),]

receita.maior.300000

# nunca compare nada com NA pois o resultado eh NA

despesas.na = df[df$Despesas == NA,]

despesas.na

# usar a funcao is.na

df= df_backup

tipo.na= df[is.na(df$Tipo),]

tipo.na

# Vamos remover linhas em que aparece NA

# Vamos remover as faculdades onde nao ha informacao sobre o tipo

df2 = df[!is.na(df$Tipo),]

# Corrigindo os row names do data frame ()

# removemos duas faculdades, precisamos arrumar os indices

row.names(df2)= NULL

df2

# Vamos agora substituir uma celula onde aparece NA por um valor

# no nosso exemplo, queremos inserir o ano de criacao da faculdade D

# digamos que o ano eh 2017

df.backup = df

# note que estou acessando pelo nome da coluna!

df[is.na(df$Criacao) & df$Nome == "Faculdade D", "Criacao"] = 2017

# equivale a

df= df.backup 

df[4,3]= 2017

# equivale a

df= df.backup 

df[df$Nome == "Faculdade D","Criacao"]= 2017

# substituindo um valor pela media

#vamos substituir os valores das Despesas onde tem NA pela media

# primeiro vamos calcular a media

media= mean(df$Despesas, na.rm =T)

media= round(media,0)

# em todas as linhas onde Despesas = NA, substituo pela media

df[is.na(df$Despesas),"Despesas"]= media

# substituindo um valor pela mediana

#vamos substituir os valores das Receitas onde tem NA pela mediana

# primeiro vamos calcular a mediana

mediana= median(df$Receitas, na.rm =T)

mediana

df[is.na(df$Receitas),"Receitas"]= mediana

df.backup =df

str(df)

# Recalculando tudo, substituindo os valores dos Lucros onde tem NA

df$Lucro = df$Receitas- df$Despesas

df= df.backup 

# Substituindo apenas as linhas onde Lucros tem NA

# note que eu repito as linhas onde Lucro tem NA

df[is.na(df$Lucro),"Lucro"]= df[is.na(df$Lucro),"Receitas"]- df[is.na(df$Lucro),"Despesas"]

# Funcao Apply

l1=c(2,4,6)

l2=c(4,2,6)

M= rbind(l1,l2)

is.matrix(M)

M

# Aplicando a funcao media (mean) a uma matriz

# o retorno eh um vetor

# Aplicando para as linhas

media.linhas = apply(M,1,mean)

media.linhas

# Aplicando para as colunas

media.colunas = apply(M,2,mean)

media.colunas

#  transformando os dados da primeira coluna em nomes das linhas

df= read.csv("GASTOS.csv")

df= read.csv("GASTOS.csv", row.names = 1)

ma = as.matrix(df)

is.matrix(ma)

ma

# quais a medias de gastos por tipo de despesa?

medias.tipo= apply(ma,1,mean)

medias.tipo = round(medias.tipo,0)

medias.tipo

# quais a medias de gastos mensais?

medias.mensais= apply(ma,2,mean)

medias.mensais = round(medias.mensais,0)

medias.mensais

# quais foram os maiores gastos por tipo de despesa?

max.tipo= apply(ma,1,max)

max.tipo = round(max.tipo,0)

max.tipo

# funcao lapply

# aplica-se a listas (list)

#vamos criar uma lista, com gastos de 2021 e 2022

df1= read.csv("GASTOS_2021.csv", row.names = 1)

despesas_2021= as.matrix(df1)

df2= read.csv("GASTOS_2022.csv", row.names = 1)

despesas_2022= as.matrix(df2)

despesas = list(ANO_2021= despesas_2021,ANO_2022= despesas_2022)

str(despesas)

View(despesas)

despesas

# usando a funcao lappy

despesas

lapply(despesas,rowMeans)

# checando 

mean(c(1850, 1900, 1720, 1650, 1699, 1650, 1800, 1700, 1930, 2590, 1599, 1900))

# checando

lapply(despesas,colMeans)

mean(c(1850,50,200,100,200))

# usandl lappy em conjunto com [] 

despesas

# RELEMBRANDO:acessando os valores de uma lista

despesas[[1]][1,1]

despesas$ANO_2021["SUPERMERCADO","JAN"]

despesas[["ANO_2021"]]["SUPERMERCADO","JAN"]

despesas$ANO_2021[1,1]

despesas

# ACESSANDO UMA LINHA

despesas[[2]][1,]

# ACESSANDO UMA COLUNA

despesas[[2]][,1]

despesas[["ANO_2022"]][,"JAN"]

# USANDO LAPPY PARA ACESSAR VALORES DE LISTAS 

# um elemento das 2 listas

lapply(despesas,"[",1,1)

# uma linha das 2 listas

lapply(despesas,"[",1,)

despesas

# uma coluna das 2 listas

lapply(despesas,"[",,1)

# APLICANDO UMA FUNÇÃO CRIADA POR VOCE

lapply(despesas,function(x) x[1,]/1000)

despesas

lapply(despesas,function(x) max(x[1,]))

lapply(despesas,function(x) max(x[,1]))

despesas

lapply(despesas,function(y) y[1,]+y[2,])

# sapply eh uma versao mais user friendly de lapply

# dependendo da informacao, retorna UM VETOR ou uma LISTA

# Nota: lapply sempre retorna lista

# um elemento das 2 listas

despesas

lapply(despesas,"[",1,1)

sapply(despesas,"[",1,1)

despesas

lapply(despesas,"[",1,)

sapply(despesas,"[",1,)

despesas

lapply(despesas,"[",1,1:3)

sapply(despesas,"[",1,1:3)

despesas

lapply(despesas,rowMeans)

sapply(despesas,rowMeans)

# usando lapply junto com apply

despesas_2021

str(despesas_2021)

apply(despesas_2021,1,max)

despesas

lapply(despesas, apply,1,max)

sapply(despesas, apply,1,max)

# segundo exemplo

despesas_2021

apply(despesas_2021,1,mean)

despesas

lapply(despesas, apply,1,mean)

sapply(despesas, apply,1,mean)

# terceiro exemplo

despesas_2021

apply(despesas_2021,2,mean)

despesas

lapply(despesas, apply,2,mean)

sapply(despesas, apply,2,mean)

# which.max: da´ o indice do vetor onde eh o maximo valor

despesas_2021

indice =which.max(despesas_2021[2,])

indice

nome = names(which.max(despesas_2021[2,]))

nome

# usando which.max com apply

despesas_2021

apply(despesas_2021,1,function(x) which.max(x))

apply(despesas_2021,1,function(x) names(which.max(x)))

# usando which.min com apply

despesas_2021

apply(despesas_2021,1,function(x) which.min(x))

apply(despesas_2021,1,function(x) names(which.min(x)))

# aplicando em uma lista, com lapply

lapply(despesas,function(y) apply(y,1,function(x) names(which.max(x))))

despesas

sapply(despesas,function(y) apply(y,1,function(x) names(which.max(x))))

# segundo exemplo: aplicando em uma lista, com lapply

lapply(despesas,function(y) apply(y,2,function(x) names(which.min(x))))

despesas

sapply(despesas,function(y) apply(y,2,function(x) names(which.min(x))))

despesas

# Notas: usando lapply para listas de caracteres

?lapply

# lapply returns a list of the same length as X, each element

# of which is the result of applying FUN to the corresponding element of X.

# podemos usar apply para um vetor de caracteres

nomes = c("joao","erica","gigio","cookie")

typeof(nomes)

str(nomes)

class(nomes)

nomes_maiusculo1 = lapply(nomes,toupper)

nomes_maiusculo1

nomes_maiusculo2 = lapply(nomes,function(x) toupper(x))

nomes_maiusculo2

maiuscula = function(x){

  return(toupper(x))

}

nomes_maiusculo3 = lapply(nomes,maiuscula)

nomes_maiusculo3

nomes_maiusculo4 = sapply(nomes,toupper)

nomes_maiusculo4

# usando lapply para uma lista

l1 = c("joao","erica","gigio","cookie")

l2  =c("marcelo","karina","kenzo","tutu")

lista = list(l1,l2)

nomes_maiusculo5 = lapply(lista,toupper)

nomes_maiusculo5

# usando lapply para uma matriz

l1 = c("joao","erica","gigio","cookie")

l2  =c("marcelo","karina","kenzo","tutu")

m= rbind(l1,l2)

str(m)

typeof(m)

is.matrix(m)

nomes_maiusculo6 = lapply(m,toupper)

nomes_maiusculo6

# equivale a

nomes_maiusculo7 = lapply(m,function(x) toupper(x))

nomes_maiusculo7 

# usando apply

linhas.maiusculas = apply(m,1,toupper)

# usando lapply para um daframe

l1 = c("joao","erica","gigio","cookie")

l2  =c("marcelo","karina","kenzo","tutu")

m= rbind(l1,l2)

df= data.frame(m)

str(df)

typeof(df)

is.data.frame(df)

is.list(df)

nomes_maiusculo8 = lapply(df,toupper)

nomes_maiusculo8