4

Tenho uma base de dados no Excel com 12135 dados e nem todos os campos estão preenchidos e alguns indivíduos tem idade negativo e outros tem idade maior que 17 anos e outros com idade maior que 70 anos.

Preciso saber quais funções/filtros do SOFTWARE R que solucione estas duas questões:

1° Eliminar todos os que tem algum dados não preenchido (ex: tenho tabela de idade, sexo, unidade orgânica, curso, ano de ingresso.dentro da tabela sexo, não se sabe o sexo de alguns alunos; e outros não se sabe o curso que frequenta assim por diante. Preciso eliminar todos os dados referente a esses alunos e trabalhar só com alunos que tem todos os campos preenchidos);

2° Apresente todas as informações dos alunos com idade de 17 anos a 70 anos, isto é, os outros são eliminados.

6
  • Amigo, desconheço da linguagem R, mas tenho um grande conhecimento em Python! Acredito que R, pelo que eu tenho ouvido falar em palestras, não é muito eficaz no seu caso por ter muitas linhas para processar e levaria mais tempo que em Python. Recomendo a biblioteca Panda no Python para ler e fazer seu dataset. 21/04/2016 às 17:16
  • Bem vindo ao SOpt! Leia em Como perguntar e mcve para saber como elaborar uma pergunta de facil compreensao e assim poder ser ajudado. Se você colocar o código do que você já tem (data frame, colunas, etc.) vai ser bem mais fácil para a comunidade lhe ajudar. 21/04/2016 às 18:17
  • 1
    @ViniciusMesel, o R consegue lidar facilmente com base de dados com ~12k items; eu já trabalhei com data frames de mais de 1 milhão de dados sem problemas. 21/04/2016 às 18:17
  • 1
    Evandro, mesmo que isso possa ser facilmente feito no R, você também pode fazer sem dificuldades no Excel utilizando a ferramenta de filtro. Se o seu objetivo for usar o R apenas para realizar este filtro, acho que não há necessidade.
    – Molx
    22/04/2016 às 1:47
  • Evandro uma sugestão, mesmo que de modo geral você tenha sido claro, sempre que possível forneça uma amostra representativa dos esses dados, isso que facilita o entendimento e a vida de que vai responder a questão. Além disso, se o caso é só filtrar os dados, concordo com o Molx, o Excel da conta disto.
    – Jean
    22/04/2016 às 16:36

1 Resposta 1

1

Considerando:

dados<-data.frame(idade=c(15,18,25,40,85,NA),
              sexo=c("M","F",NA,"F","M","M"),
              unidade.organica=c("EMEI CG","USP",NA,"UFSM","UFRGS","UPF"),
              curso=c("TÉCNICO","SUPERIOR",NA,"SUPERIOR","SUPERIOR",NA),
              ano.ingresso=c(2005,2011,NA,2014,1980,2015))
#exibindo o data.frame criado
dados
  idade sexo unidade.organica    curso ano.ingresso
1    15    M          EMEI CG  TÉCNICO         2005
2    18    F              USP SUPERIOR         2011
3    25 <NA>             <NA>     <NA>           NA
4    40    F             UFSM SUPERIOR         2014
5    85    M            UFRGS SUPERIOR         1980
6    NA    M              UPF     <NA>         2015

OBS: leve em conta que seus dados ausentes são representados por NA.

##Filtro dos dados ausentes (NA):
#Removendo os NA's com função na.omit()
dada.sem.NA<-na.omit(dados)

#Removendo NA's com a função indexadora which():
dados.sem.NA<-dados[-unique(which(is.na(dados),arr.ind = T)[,1]),]

Para ambas as funções:which() ou na.omit(). O resultado é:

 dados.sem.NA    
      idade sexo unidade.organica    curso ano.ingresso
    1    15    M          EMEI CG  TÉCNICO         2005
    2    18    F              USP SUPERIOR         2011
    4    40    F             UFSM SUPERIOR         2014
    5    85    M            UFRGS SUPERIOR         1980 

O filtro de idade pode ser aplicado em qualquer variável dados ou em dados.sem.NA, veja os casos:

#Filtro de idade na variável dados:
dados.por.idade<-dados[(dados.sem.NA$idade>17 & dados.sem.NA$idade<70), ]

O resultado é:

dados.por.idade
     idade sexo unidade.organica    curso ano.ingresso
   2    18    F              USP SUPERIOR         2011
   3    25 <NA>             <NA>     <NA>           NA
   6    NA    M              UPF     <NA>         2015

 #Filtro de idade na variável dados.sem.NA:
 dados.por.idade<-dados.sem.NA[(dados.sem.NA$idade>17 & dados.sem.NA$idade<70), ]

O resultado é:

dados.por.idade
    idade sexo unidade.organica    curso ano.ingresso
  2    18    F              USP SUPERIOR         2011
  4    40    F             UFSM SUPERIOR         2014

Espero ter ajudado. Boa sorte!

4
  • 1
    Jean, acho que você pode simplifcar o código um pouco. Para omitir os NA's você pode utilizar na.omit(dados). Para filtrar por idade, não há necessidade do which, basta colocar as duas condições.
    – Molx
    22/04/2016 às 22:36
  • Boa noite, Jean. Desde já obrigado, pq a sua ajuda resolveu me um parte de problema. Nesse seu exemplo: quero um is.na que elimina todos os campos NA d qq coluna ou linha. O seu codigo só elimina a linha d idade e preciso dum q elimina também os string d letra, palavra ou frase. O filtro de idade está a dar erro, pd ela imprime as variavesi ceiadas e não as idades pedidas 23/04/2016 às 0:42
  • Ela so elimina os NA d idade por ser n° e preciso dum codigo que elimina tb as letras, palavras ou frases das outras colunas. No filtro de idade esse codigo imprime as variaveis sexo, idade, unidade.organica e preciso dum codigo q apresenta todos os alunos q tem idade d 17 até 70 anos. 23/04/2016 às 0:48
  • @Molx, vou ver como melhorar. -Evandro Lopes, como em sua questão você não deixou explicito qual/se uma operação dependia da outra, supus que a segunda embasaria-se nos resultados da primeira, vou tentar flexibilizar isto.
    – Jean
    23/04/2016 às 16:20

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .