severidade2 = c(9, 7.5, 8, 8.5, 5, 7.5, NA),
severidade3 = c(8, 7.5, 7.5, 5, NA, 9, 3),
medicamentos = c(4, 4, 0, 8, 2, 0, 5))
df1 <- data.frame(
codigo = c(256, 487, 965,
125, 458, 874, 963),
paciente = c("João", "Vanessa", "Tiago",
"Luana", "Gisele", "Pedro",
"André"),
unidade_saude = c("US1", "US1", "US2", "US2",
"US2", "US1", "US2"),
severidade1 = c(8, 7.5, 9.5, 7, 4.5, 5.5, 3),
severidade2 = c(9, 7.5, 8, 8.5, 5, 7.5, NA),
severidade3 = c(8, 7.5, 7.5, 5, NA, 9, 3),
medicamentos = c(4, 4, 0, 8, 2, 0, 5))
df1 %>% arrange(codigo)
df1 %>% arrange(desc(codigo))
df1 %>% arrange(US, severidade1)
df1 <- data.frame(
codigo = c(256, 487, 965,
125, 458, 874, 963),
paciente = c("João", "Vanessa", "Tiago",
"Luana", "Gisele", "Pedro",
"André"),
US = c("US1", "US1", "US2", "US2",
"US2", "US1", "US2"),
severidade1 = c(8, 7.5, 9.5, 7, 4.5, 5.5, 3),
severidade2 = c(9, 7.5, 8, 8.5, 5, 7.5, NA),
severidade3 = c(8, 7.5, 7.5, 5, NA, 9, 3),
medicamentos = c(4, 4, 0, 8, 2, 0, 5))
df1 %>% arrange(codigo)
df1 %>% arrange(desc(codigo))
df1 %>% arrange(US, severidade1)
df1 %>% select(c("paciente", "US", "medicamentos"))
df1 %>% select(c(2,3,7))
df1 %>% filter(medicamentos > 2 )
df1 %>% slice(3:5)
# Cabeça
df1 %>% slice_head(n = 6)
# Cauda
df1 %>% slice_tail(n = 6)
df1 %>% filter(US == "US1")
df1 %>% filter(US == "US1" &  (severidade1 + severidade2 + severidade3) > 18)
df1 %>% filter(medicamentos != 0)
df1 %>% filter(paciente %in% c("Aline", "Vanessa"))
df1 <- df1 %>% rename(cod = 'codigo',
pac = 'paciente',
US = 'unidade_saude',
s1 = 'severidade1',
s2 = 'severidade2',
s3 = 'severidade3',
med = 'medicamentos')
df1 <- df1 %>% rename(cod = 'codigo',
pac = 'paciente',
US = 'US',
s1 = 'severidade1',
s2 = 'severidade2',
s3 = 'severidade3',
med = 'medicamentos')
df1[,c(4,5,6,1,2,3)]
require(bookdown)
render_book("index.Rmd")
library(dplyr)
df1 %>% arrange(codigo)
df1 <- data.frame(
codigo = c(256, 487, 965,
125, 458, 874, 963),
paciente = c("João", "Vanessa", "Tiago",
"Luana", "Gisele", "Pedro",
"André"),
US = c("US1", "US1", "US2", "US2",
"US2", "US1", "US2"),
severidade1 = c(8, 7.5, 9.5, 7, 4.5, 5.5, 3),
severidade2 = c(9, 7.5, 8, 8.5, 5, 7.5, NA),
severidade3 = c(8, 7.5, 7.5, 5, NA, 9, 3),
medicamentos = c(4, 4, 0, 8, 2, 0, 5))
df1 %>% arrange(codigo)
df1 <- data.frame(
codigo = c(256, 487, 965,
125, 458, 874, 963),
paciente = c("João", "Vanessa", "Tiago",
"Luana", "Gisele", "Pedro",
"André"),
US = c("US1", "US1", "US2", "US2",
"US2", "US1", "US2"),
severidade1 = c(8, 7.5, 9.5, 7, 4.5, 5.5, 3),
severidade2 = c(9, 7.5, 8, 8.5, 5, 7.5, NA),
severidade3 = c(8, 7.5, 7.5, 5, NA, 9, 3),
medicamentos = c(4, 4, 0, 8, 2, 0, 5))
df1 %>% arrange(codigo)
library(magrittr)
df1 %>% arrange(codigo)
library(dplyr)
library(magrittr)
df1 %>% arrange(codigo)
df1 %>% arrange(desc(codigo))
df1 %>% arrange(US, severidade1)
df1 %>% select(c("paciente", "US", "medicamentos"))
df1 %>% select(c(2,3,7))
df1 %>% filter(medicamentos > 2 )
df1 %>% slice(3:5)
# Cabeça
df1 %>% slice_head(n = 6)
# Cauda
df1 %>% slice_tail(n = 6)
# Cabeça
df1 %>% slice_head(n = 3)
# Cauda
df1 %>% slice_tail(n = 3)
df1 %>% filter(US == "US1")
df1 %>% filter(US == "US1" &  (severidade1 + severidade2 + severidade3) > 18)
df1 %>% filter(medicamentos != 0)
df1 %>% filter(paciente %in% c("Aline", "Vanessa"))
df1 <- df1 %>% rename(cod = 'codigo',
pac = 'paciente',
US = 'US',
s1 = 'severidade1',
s2 = 'severidade2',
s3 = 'severidade3',
med = 'medicamentos')
df1[,c(4,5,6,1,2,3)]
df1 %>% mutate(media = (s1 + s2 + s3)/3)
df1 <- df1 %>% replace_na(list(s1 = 0,
s2 = 0,
s3 = 0))
df1
df1 <- df1 %>% mutate(media = (s1 + s2 + s3)/3)
df1
library(tidyr)
df1 <- df1 %>% replace_na(list(s1 = 0,
s2 = 0,
s3 = 0))
df1
df1 <- df1 %>% mutate(media = (s1 + s2 + s3)/3)
df1
breaks <- c(0, 4, 7, 10)
df1$classificacao <- cut(df1$media,
breaks = breaks,
labels = c("Baixa", "Média", "Alta"))
df1
df1_temp <- df1 %>% select(-c(cod, med, media, classificacao))
df1_long <- df1_temp %>% pivot_longer(names_to = 'consulta',
values_to = 'valor',
cols = -c(pac, US))
df1_long
df1_long %>%
group_by(consulta) %>%
summarise(media = mean(valor))
df1_long %>%
group_by(US, consulta) %>%
summarise(media = mean(valor))
df1_long %>%
group_by(US, consulta) %>%
summarise(media = mean(valor),
sd = sd(valor))
df2 <- data.frame(
codigo = c(505, 658, 713),
paciente = c("Bia", "Carlos", "Cris"),
unidade_saude = c("US3", "US3", "US3"),
severidade1 = c(6.5, 7.5, 7.5),
severidade2 = c(8.5, 8.0, 9.0),
medicamentos = c(0, 0, 2))
df1 <- data.frame(
codigo = c(256, 487, 965,
125, 458, 874, 963),
paciente = c("João", "Vanessa", "Tiago",
"Luana", "Gisele", "Pedro",
"André"),
unidade_saude = c("US1", "US1", "US2", "US2",
"US2", "US1", "US2"),
severidade1 = c(8, 7.5, 9.5, 7, 4.5, 5.5, 3),
severidade2 = c(9, 7.5, 8, 8.5, 5, 7.5, NA),
severidade3 = c(8, 7.5, 7.5, 5, NA, 9, 3),
medicamentos = c(4, 4, 0, 8, 2, 0, 5))
df2$severidade3 <- NA
df <- rbind(df1, df2)
df
df_extra <- data.frame(
"codigo" = c(256, 965, 285, 125, 874, 321, 669, 963),
"paciente" = c("João", "Tiago", "Tiago", "Luana",
"Pedro", "Mia", "Luana", "André"),
"idade" = c(18, 18, 22, 21, 19, 18, 19, 20),
"assist_social" = c("S", "N", "N", "S", "N", "N", "S", "N"))
# Left join
left_join(df1, df_extra, by = "codigo")
# Right join
right_join(df1, df_extra, by = "codigo")
# inner join
inner_join(df1, df_extra, by = "codigo")
# full join
full_join(df1, df_extra, by = "codigo")
library(dplyr)
library(readr)
args(read_csv)
dados <- read_csv("data/dados.csv", col_names = TRUE)
glimpse(dados)
args(read_csv)
dados <- read_tsv("data/dados.csv", col_names = TRUE)
glimpse(dados)
dados <- read_table("data/dados.csv", col_names = TRUE)
glimpse(dados)
dados <- read_table2("data/dados.csv", col_names = TRUE)
glimpse(dados)
dados <- read.table("data/dados.csv",header = TRUE, sep = ";")
glimpse(dados)
dados <- read_delim("data/dados.csv", delim = ";")
glimpse(dados)
dados <- read_delim("data/dados.csv", delim = ";", na = "-")
glimpse(dados)
dados <- read_delim("data/dados.csv", col_names = TRUE, delim = ";", na = "-")
glimpse(dados)
require(readr)
require(tidyr)
require(dplyr)
dados <- read_delim("data/dados.csv", col_names = TRUE, delim = ";", na = "-")
glimpse(dados)
dados <- dados %>% separate(col = Municipio,
into = c('Codigo', 'Nome'),
sep = ' ')
names(dados)
dados <- dados %>% separate(col = Município,
into = c('Codigo', 'Nome'),
sep = ' ')
dados
table(dados$Nome)
dados <- read_delim("data/dados.csv", col_names = TRUE, delim = ";", na = "-")
dados$Município[1:10]
separate(dados$Município[1:10], into = c("Codigo", "Nome"), sep = " ")
separate(dados[1:10,], into = c("Codigo", "Nome"), sep = " ")
separate(dados[1:10,],  col = "Municipio", into = c("Codigo", "Nome"), sep = " ")
separate(dados[1:10,],  col = "Município", into = c("Codigo", "Nome"), sep = " ")
separate(dados[1:10,],  col = "Município", into = c("Codigo", "Nome"), sep = "  ")
separate(dados[1:10,],  col = "Município", into = c("Codigo", "Nome"), sep = "")
separate(dados[1:10,],  col = "Município", into = c("Codigo", "Nome"), sep = " ")
args(separate)
dados <- dados[1:10,] %>% separate(col = Município,
into = c('Codigo', 'Nome'),
sep = "\\d+|\\D+")
dados
?separate
dados <- dados[1:10,] %>% separate(col = Município,
into = c('Codigo', 'Nome'),
sep = 1)
dados <- read_delim("data/dados.csv", col_names = TRUE, delim = ";", na = "-")
dados1 <- dados[1:10,] %>% separate(col = Município,
into = c('Codigo', 'Nome'),
sep = 1)
dados
strsplit(dados[1,]$Município)
strsplit(dados[1,]$Município, sep = " ")
strsplit(dados[1,]$Município, " ")
dados <- dados %>% separate(col = Município,
into = c('Codigo', 'Nome'),
sep = 1)
dados %>% slice_head(n = 6)
library(stringr)
dados <- read_delim("data/dados.csv", col_names = TRUE, delim = ";", na = "-")
str_split(dados[1,]$Município)
str_split(dados[1,]$Município, pattern = " ")
temp
temp <- str_split(dados[1,]$Município, pattern = " ")
temp
temp[[1]][1]
codigo
codigo <- temp[[1]][1]
codigo
tamanho <- length(temp[[1]])
Nome <- temp[[1]][2:tamanho]
Nome
Nome <- str_c(temp[[1]][2:tamanho])
Nome
Nome <- str_c(temp[[1]][2:tamanho], collapse = " ")
Nome
extract_numeric(dados[1:10,]$Município)
dados$Município %>% str_match_all("[0-9]+") %>% unlist %>% as.numeric
dados$Município %>% str_match_all("[:alpha:]+") %>% unlist %>% as.numeric
dados$Município %>% str_match_all("[:alpha:]+") %>% unlist %>% as.character
dados$Codigo <- dados$Município %>% str_match_all("[0-9]+") %>% unlist %>% as.numeric
dim(dados)
tt <- dados$Município %>% str_match_all("[0-9]+") %>% unlist %>% as.numeric
length(tt)
tt
dados <- read_delim("data/dados.csv", col_names = TRUE, delim = ";", na = "-")
library(readr)
library(tidyr)
library(dplyr)
dados <- read_delim("data/dados.csv", col_names = TRUE, delim = ";", na = "-")
strsplit(dados$Município[1])
strsplit(dados$Município[1], " ", 1)
require(stringr)
str_split(dados$Município[1], " ")
str_split(dados$Município[1], " ", 1)
str_split(dados$Município[1], " ", 2)
str_split(dados$Município[1], " ", 2, simplify = TRUE)
str_split(dados$Município[1:2], " ", 2, simplify = TRUE)
str_split(dados$Município, " ", 2, simplify = TRUE)
tbl(str_split(dados$Município, " ", 2, simplify = TRUE))
tibble(str_split(dados$Município, " ", 2, simplify = TRUE))
dados_temp <- data.frame(str_split(dados$Município, " ", 2, simplify = TRUE))
names(dados_temp)
dados_temp %>% rename("Codigo" = X1,
"Nome" = X2)
dados_temp <- dados_temp %>% rename("Codigo" = X1,
"Nome" = X2)
dados <- dplyr:bind_cols(dados, dados_temp)
dados <- bind_cols(dados, dados_temp)
head(dados)
dados <- read_delim("data/dados.csv", col_names = TRUE, delim = ";", na = "-")
?str_split
dados_temp <- data.frame(str_split(dados$Município, " ", 2, simplify = TRUE))
dados_temp <- dados_temp %>% rename("Codigo" = X1,
"Nome" = X2)
dados <- bind_cols(dados_temp, dados)
dados %>% slice_head(n = 5)
names(dados)
dados_long <- dados %>% pivot_longer(names_to = 'faixa_etaria',
values_to = 'contagem',
cols = -c(Codigo, Nome, Municipio))
dados_long <- dados %>% pivot_longer(names_to = 'faixa_etaria',
values_to = 'contagem',
cols = -c(Codigo, Nome, Município))
dados_long %>% slice_head(n = 5)
names(dados_long)
dados_long <- dados_long %>%
replace_na(contagem = 0)
dados_long <- dados_long %>%
replace_na(list(contagem = 0))
dados_long %>% slice_head(n = 5)
dados_long %>%
group_by(faixa_etaria) %>%
summarise("Total" = sum(faixa_etaria))
dados_long %>%
group_by(faixa_etaria) %>%
summarise("Total" = sum(contagem))
dados_long %>%
group_by(faixa_etaria) %>%
summarise("Total" = sum(contagem))
table(dados_long$faixa_etaria)
dados_long_faixa <- dados_long %>%
filter(faixa_etaria %in% c("Menor 1 ano", "1 a 4 anos" , "5 a 9 anos",
"10 a 14 anos", "15 a 19 anos" , " 20 a 29 anos" ,
"30 a 39 anos" , "40 a 49 anos", "50 a 59 anos" ,
"60 a 69 anos" , "70 a 79 anos" , "80 anos e mais"))
class(dados_long_faixa$faixa_etaria)
faixa <-  c("Menor 1 ano", "1 a 4 anos" , "5 a 9 anos",
"10 a 14 anos", "15 a 19 anos" , " 20 a 29 anos" ,
"30 a 39 anos" , "40 a 49 anos", "50 a 59 anos" ,
"60 a 69 anos" , "70 a 79 anos" , "80 anos e mais")
dados_long_faixa$faixa_etaria <- factor(dados_long_faixa$faixa_etaria,
levels = faixa)
dados_long_faixa %>%
group_by(faixa_etaria) %>%
summarise("Total" = sum(contagem))
dados_long_faixa %>%
filter(Nome == "Curitiba") %>%
summarize("Total" = sum(contagem))
dados_long_faixa %>%
filter(Nome == "Curitiba"
)
dados_long_faixa %>%
filter(Nome == "Curitiba") %>%
summarize("Total" = sum(contagem))
pop2019 <- read_delim("data/Pop_2019.csv")
head(pop2019)
pop_2019 %>%
slice_head(n = 5)
pop2019 %>%
slice_head(n = 5)
head(dados_long_faixa)
dados <- read_delim("data/dados.csv", col_names = TRUE, delim = ";", na = "-")
library(readr)
library(dplyr)
library(tidyr)
dados <- read_delim("data/dados.csv", col_names = TRUE, delim = ";", na = "-")
glimpse(dados)
dados_temp <- data.frame(str_split(dados$Município, " ", 2, simplify = TRUE))
library(stringr)
dados_temp <- data.frame(str_split(dados$Município, " ", 2, simplify = TRUE))
dados_temp <- dados_temp %>% rename("Codigo" = X1,
"Nome" = X2)
dados <- bind_cols(dados_temp, dados)
dados %>% slice_head(n = 5)
dados_long <- dados %>% pivot_longer(names_to = 'faixa_etaria',
values_to = 'contagem',
cols = -c(Codigo, Nome, Município))
dados_long %>% slice_head(n = 5)
dados_long <- dados_long %>%
replace_na(list(contagem = 0))
dados_long %>% slice_head(n = 5)
dados_long %>%
group_by(faixa_etaria) %>%
summarise("Total" = sum(contagem))
dados_long_faixa <- dados_long %>%
filter(faixa_etaria %in% c("Menor 1 ano", "1 a 4 anos" , "5 a 9 anos",
"10 a 14 anos", "15 a 19 anos" , " 20 a 29 anos" ,
"30 a 39 anos" , "40 a 49 anos", "50 a 59 anos" ,
"60 a 69 anos" , "70 a 79 anos" , "80 anos e mais"))
class(dados_long_faixa$faixa_etaria)
faixa <-  c("Menor 1 ano", "1 a 4 anos" , "5 a 9 anos",
"10 a 14 anos", "15 a 19 anos" , " 20 a 29 anos" ,
"30 a 39 anos" , "40 a 49 anos", "50 a 59 anos" ,
"60 a 69 anos" , "70 a 79 anos" , "80 anos e mais")
dados_long_faixa$faixa_etaria <- factor(dados_long_faixa$faixa_etaria,
levels = faixa)
dados_long_faixa %>%
group_by(faixa_etaria) %>%
summarise("Total" = sum(contagem))
dados_long_faixa %>%
filter(Nome == "Curitiba") %>%
summarize("Total" = sum(contagem))
pop2019 <- read_delim("data/Pop_2019.csv")
pop2019 %>%
slice_head(n = 5)
dados_long_faixa %>% str_c(COD, COD_MUNI, collapse = "")
pop2019 %>% str_c(COD, COD_MUNI, collapse = "")
names(pop2019)
pop2019 <- pop_2019 %>%
mutate(`Código` = str_c(COD, COD_MUNI, collapse = ""))
pop2019 <- pop2019 %>%
mutate(`Código` = str_c(COD, COD_MUNI, collapse = ""))
pop2019
str_c(COD, COD_MUNI)
pop2019 %>% str_c(COD, COD_MUNI)
str_c(pop2019$COD, pop2019$COD_MUNI)
str_split(str_c(pop2019$COD, pop2019$COD_MUNI), 6)
str_sub(str_c(pop2019$COD, pop2019$COD_MUNI), 1, 6)
pop2019 <- pop2019 %>%
mutate("Código" = str_sub(str_c(COD, COD_MUNI), 1, 6))
head(pop2019)
pop2019 %>%
slice_head(n = 5)
length(unique(dados_long_faixa$Codigo))
dim(pop2019)
anti_join(pop2019, dados_long_faixa, by = "Código")
names(pop2019)
names(dados_long_faixa)
pop2019 <- pop2019 %>%
mutate("Codigo" = str_sub(str_c(COD, COD_MUNI), 1, 6))
pop2019 %>%
slice_head(n = 5)
anti_join(pop2019, dados_long_faixa, by = "Código")
anti_join(pop2019, dados_long_faixa, by = "Codigo")
anti_join(pop2019, dados_long_faixa, by = "Codigo")
anti_join(dados_long_faixa, pop2019 by = "Codigo")
anti_join(dados_long_faixa, pop2019, by = "Codigo")
View(anti_join(dados_long_faixa, pop2019, by = "Codigo"))
dados <- read_delim("data/dados.csv", col_names = TRUE, delim = ";", na = "-")
dados <- read_delim("data/dados.csv", col_names = TRUE, delim = ";", na = "-")
library(stringr)
dados_temp <- data.frame(str_split(dados$Município, " ", 2, simplify = TRUE))
dados_temp <- dados_temp %>% rename("Codigo" = X1,
"Nome" = X2)
dados <- bind_cols(dados_temp, dados)
dados %>% slice_head(n = 5)
dados_long <- dados %>% pivot_longer(names_to = 'faixa_etaria',
values_to = 'contagem',
cols = -c(Codigo, Nome, Município))
dados_long %>% slice_head(n = 5)
table(dados_long$Codigo)
range(table(dados_long$Codigo))
unique(dados_long$Codigo))
unique(dados_long$Codigo)
length(unique(dados_long$Codigo))
table(dados_long$Nome)
range(table(dados_long$Nome))
table(dados_long$Nome) > 70
dados_long$Nome[table(dados_long$Nome) > 70]
dados_long$Nome[table(dados_long$Nome) > 70,]
dados_long$Nome[,table(dados_long$Nome) > 70]
table(dados_long$Nome) > 70
table(dados_long$Nome)[table(dados_long$Nome) > 70]
dados_long %>%
group_by(Codigo) %>%
count()
tt <- dados_long %>%
group_by(Codigo) %>%
count()
tt %>% filter(n > 14)
tt %>% filter(n != 14)
tt
dados_long %>%
group_by(Codigo) %>%
summarize("N_obs" = n())
tt <- dados_long %>%
group_by(Codigo) %>%
summarize("N_obs" = n())
dados_long %>%
group_by(Codigo) %>%
summarize("N_obs" = n()) %>%
filter(N_obs != 14)
dados_long %>%
group_by(Codigo) %>%
summarize("N_obs" = n())
tt <- dados_long %>%
group_by(Codigo) %>%
summarize("N_obs" = n())
unique(dados_long$Nome)
View(unique(dados_long$Nome))
data.frame(unique(dados_long$Nome))
View(data.frame(unique(dados_long$Nome)))
dados_long %>% filter(Nome == "Total")
dados_long %>% filter(Nome == "total")
completo <- left_join(pop2019, dados_long_faixa, by = "Codigo")
dim(completo)
dim(pop2019)
5570*14
length(unique(completo$Nome))
anti_join(pop2019, dados_long_faixa, by = "Codigo")
anti_join(dados_long_faixa, pop2019, by = "Codigo")
View(anti_join(dados_long_faixa, pop2019, by = "Codigo"))
filter(dados_long, Nome == "Total")
filter(dados_long, Município == "Total")
