Objetivo
Verificar se as populações de Botucatu e Curitiba diferem para para um conjunto de variáveis relacionado aos hábitos e histórico das pacientes. As variáveis a serem analisadas são:
- Nugent
- Candida
- Ducha e a sua frequência
- Sabonete e a sua frequência
- História de VB
- Número de episódios
- História de DST
- Número de relações sexuais por semana
- Número de parceiros ao ano
- Se possui parceiro recente
- ATC/4 meses
- Tipo
- Uso de camisinha e sua frequencia
- Ocorrência de sangramento na relação sexual
- Ocorrência de dor na relação sexual
- Ocorrência de corrimento
- Ocorrência de odor
- Prurido
- pH vaginal
- Teste de Whiff
Leitura e asseio dos dados
library(gdata)
# Lê as tabelas de dados da planilha eletrônica.
# rm(list = objects())
da <- read.xls("estatistica.xlsx",
sheet = 1,
header = TRUE,
encoding = "latin1",
stringsAsFactors = FALSE,
check.names = TRUE)
db <- read.xls("estatistica.xlsx",
sheet = 2,
header = TRUE,
encoding = "latin1",
stringsAsFactors = FALSE,
check.names = TRUE)
# Cria coluna com o nome das localidades.
da$loc <- "Curitiba"
db$loc <- "Botucatu"
# Obtém as colunas comuns às duas localidades.
cm <- intersect(names(da), names(db))
# Junta as duas localidades em uma tabela só.
dx <- rbind(da[, cm], db[, cm])
# Corrige os nomes.
names(dx) <- gsub("[^[:alnum:]]", "", tolower(names(dx)))
# Remove colunas vazias.
i <- sapply(dx, class)
dx[, i == "logical"] <- NULL
# Remove variáveis de sigilo.
dx$nome <- NULL
dx$matricula <- NULL
# Estrutura da tabela de dados.
# str(dx)
# names(dx)[grep("frequencia", names(dx)) - 1]
# dput(names(dx))
simnao <- c("não" = 0, "sim" = 1)
freqsem <- list(q = "Freq. semanal de consumo (dias)",
l = c("<3" = 0, "3-6" = 1, "7" = 2))
form <-
list("noid",
"datacoleta",
"nugent" = list("q" = "Nugent"),
"candida" = list(q = "Candida",
l = simnao),
"resideem" = list(q = "Reside em",
l = c("urbana" = "u",
"rural" = "r")),
"idade" = list(q = "Idade (anos)"),
"peso" = list(q = "Peso (kg)"),
"altura" = list(q = "Altura (m)"),
"estadocivil" = list(q = "Estado civil",
l = c("ue/casada" = "u",
"solteira" = "s")),
"cor" = list(q = "Cor (auto-reportada)",
l = c("negra" = "n",
"branca" = "b",
"amarela" = "a",
"indigena" = "i")),
"escolaridade" = list(q = "Escolaridade (anos de aprovação escolar)"),
"atividaderemunerada" = list(q = "Exerce atividade remuneara",
l = simnao),
"leitequeijo" = list(q = "Consumo de leite integral/queijos",
l = simnao),
"frequencia" = freqsem,
"mamaooutros" = list(q = "Consumo de mamão/cenoura/ovo/fígado bovino",
l = simnao),
"frequencia1" = freqsem,
"fumante" = list(q = "Fumante",
l = simnao),
"nrcigarrosdia" = list(q = "Número de cigarros ao dia"),
"alcool" = list(q = "Consumo de bebida alcoólica",
l = simnao),
"frequenciasem" = freqsem,
"drogas" = list(q = "Uso de drogas",
l = simnao),
"qual" = list(q = "Qual a droga"),
"ducha" = list(q = "Realiza ducha vaginal",
l = simnao),
"frequencia2" = freqsem,
"sabonete" = list(q = "Usa sabonete intimo",
l = simnao),
"frequencia3" = freqsem,
"outroshabitos" = list(q = "Outros hábitos relacionados à higiene vaginal"),
"dataum" = list(q = "Data da última menstruação",
e = "as.Date"),
"historiavb" = list(q = "História de VB",
l = simnao),
"nrepisodiostto" = list(q = "Número de epsódios de VB tratados"),
"historiadst" = list(q = "História de DST",
l = simnao),
"qual1" = list(q = "Quais DSTs"),
"nrrssem" = list(q = "Frequência de relações sexuais (rel/semana)"),
"parceirosano" = list(q = "Número de parceiros sexuais (último ano)",
l = c("0" = "0",
"1" = "1",
"2" = "2",
">2" = ">2")),
"parceirorecente" = list(q = "Novo parceiro recente (últimos 2 meses)",
l = simnao),
"atc4meses" = list(q = "Uso de métodos contraceptivos (4 meses anteriores)",
l = simnao),
"tipo" = list(q = "Tipo de método contraceptivo"),
"camisinha" = list(q = "Uso de camisinha feminina ou masculina",
l = simnao),
"frequencia4" = list(q = "Qual frequência de uso",
l = c("sempre" = 2,
"às vezes" = 1)),
"paridade" = list(q = "Paridade",
l = c("Nulípara" = 0,
"Multipara" = 1)),
"complanteriores" = list(q = "Complicações anteriores",
l = simnao),
"qual2" = list(q = "Quais complicações"),
"sangrato" = list(q = "Sangramento intermenstrual (entre ciclos)",
l = simnao),
"dorrs" = list(q = "Dor durante relação sexual",
l = simnao),
"frequencia5" = list(q = "Dor ocorre",
l = c("Durante" = 0,
"Após" = 1,
"Ambos" = 2)),
"corrimento" = list(q = "Corrimento",
l = simnao),
"odor" = list(q = "Odor",
l = simnao),
"prurido" = list(q = "Prurido",
l = simnao),
"ph" = list(q = "pH",
l = c("<4.5", ">=4.5"),
b = c(0, 4.5, 14)),
"whiff" = list(q = "Teste de Whiff",
l = c("Positivo" = 2,
"Negativo" = 0,
"Duvidoso" = 1)),
"jec" = list(q = "JEC",
l = c(0, -1, -2, -3)),
"vulvite" = list(q = "Vulvite",
l = simnao),
"outrosachados" = NULL,
"pcrchlamydia" = NULL,
"pcrneisseria" = NULL,
"loc")
# Remove variáveis que não serão usadas.
i <- sapply(form, is.null)
dx <- dx[, !i]
# names(dx)
# Converte categorias numéricas para fator.
i <- 51
rm(i)
for (i in names(dx)) {
f <- form[[i]]
if (!is.null(f$l)) {
if (!is.null(f$b)) {
dx[, i] <- factor(cut(dx[, i],
breaks = f$b,
labels = f$l))
} else {
dx[, i] <- factor(dx[, i],
levels = f$l,
labels = if (is.null(names(f$l))) {f$l}
else {names(f$l)})
}
}
}
# Estrutura da tabela de dados.
# str(dx)
# Visão resumida da tabela de dados.
summary(dx)
## noid datacoleta nugent candida
## Length:228 Length:228 Min. : 0.000 não :205
## Class :character Class :character 1st Qu.: 0.000 sim : 20
## Mode :character Mode :character Median : 2.000 NA's: 3
## Mean : 3.173
## 3rd Qu.: 6.000
## Max. :10.000
## NA's :3
## resideem idade peso altura
## urbana:222 Min. :17.00 Min. : 43.00 Min. :1.400
## rural : 4 1st Qu.:24.25 1st Qu.: 57.00 1st Qu.:1.560
## NA's : 2 Median :34.00 Median : 64.00 Median :1.610
## Mean :32.76 Mean : 67.54 Mean :1.614
## 3rd Qu.:40.00 3rd Qu.: 74.00 3rd Qu.:1.650
## Max. :51.00 Max. :144.00 Max. :1.780
## NA's :2 NA's :3 NA's :3
## estadocivil cor escolaridade
## ue/casada:136 negra : 77 Min. : 0.000
## solteira : 90 branca :146 1st Qu.: 7.000
## NA's : 2 amarela : 2 Median :11.000
## indigena: 1 Mean : 9.509
## NA's : 2 3rd Qu.:11.000
## Max. :20.000
## NA's :2
## atividaderemunerada leitequeijo frequencia mamaooutros frequencia1
## não : 80 não : 21 <3 : 34 não : 16 <3 :95
## sim :146 sim :205 3-6 : 41 sim :210 3-6 :54
## NA's: 2 NA's: 2 7 :130 NA's: 2 7 :61
## NA's: 23 NA's:18
##
##
##
## fumante nrcigarrosdia alcool frequenciasem drogas
## não :185 Min. : 1.00 não :162 <3 : 53 não :223
## sim : 41 1st Qu.: 7.75 sim : 64 3-6 : 4 sim : 3
## NA's: 2 Median :10.00 NA's: 2 7 : 0 NA's: 2
## Mean :14.30 NA's:171
## 3rd Qu.:20.00
## Max. :40.00
## NA's :188
## qual ducha frequencia2 sabonete frequencia3
## Length:228 não :188 <3 : 20 não :132 <3 : 20
## Class :character sim : 38 3-6 : 7 sim : 94 3-6 : 16
## Mode :character NA's: 2 7 : 11 NA's: 2 7 : 54
## NA's:190 NA's:138
##
##
##
## outroshabitos dataum historiavb
## Length:228 Length:228 não :111
## Class :character Class :character sim :115
## Mode :character Mode :character NA's: 2
##
##
##
##
## nrepisodiostto historiadst qual1
## Length:228 não :165 Length:228
## Class :character sim : 61 Class :character
## Mode :character NA's: 2 Mode :character
##
##
##
##
## nrrssem parceirosano parceirorecente atc4meses
## Length:228 0 : 10 não :190 não :107
## Class :character 1 :198 sim : 36 sim :119
## Mode :character 2 : 13 NA's: 2 NA's: 2
## >2 : 2
## NA's: 5
##
##
## tipo camisinha frequencia4 paridade
## Length:228 não :151 sempre : 43 Nulípara : 75
## Class :character sim : 75 às vezes: 29 Multipara:151
## Mode :character NA's: 2 NA's :156 NA's : 2
##
##
##
##
## complanteriores qual2 sangrato dorrs
## não :112 Length:228 não :183 não :133
## sim : 43 Class :character sim : 43 sim : 93
## NA's: 73 Mode :character NA's: 2 NA's: 2
##
##
##
##
## frequencia5 corrimento odor prurido ph
## Durante: 35 não :138 não :174 não :187 <4.5 : 90
## Após : 36 sim : 88 sim : 52 sim : 39 >=4.5:136
## Ambos : 22 NA's: 2 NA's: 2 NA's: 2 NA's : 2
## NA's :135
##
##
##
## whiff jec vulvite loc
## Positivo:99 0 :119 não :212 Length:228
## Negativo:94 -1 : 63 sim : 12 Class :character
## Duvidoso:33 -2 : 37 NA's: 4 Mode :character
## NA's : 2 -3 : 7
## NA's: 2
##
##
#--------------------------------------------
# Pacotes.
library(plyr)
library(reshape2)
library(knitr)
Variáveis categóricas
Para a avaliação da igualdade entre as populações de Curitiba e Botucatu com relação as variáveis categóricas, foram obtidas as tabelas de frequência absoluta. O teste \(\chi\)-quadrado foi aplicado para testar a hipótese nula de que as populações não diferem nas proporções das classes em cada variável categórica. As tabelas contém a frequência de cada classe por localidade. O p-valor do teste de \(\chi\)-quadrado foi corrigido para multiplicidade utilizando o método de Bonferroni considerando o número de variáveis categóricas sob avaliação.
#--------------------------------------------
# Variáveis categóricas.
x <- "ph"
cat_resume <- function(x) {
dd <- ddply(.data = dx,
.variables = c("loc", x),
nrow,
.drop = FALSE)
names(dd)[2] <- "cat"
# aggregate(V1 ~ loc, data = dd, FUN = sum, na.rm = TRUE)
dd <- dcast(dd,
formula = cat ~ loc,
value.var = "V1")
# Remove missings e linhas inteiras com zeros.
dd <- dd[!is.na(dd$cat) & rowSums(dd[, -1]) > 0, ]
# Corrige os p-valores usando Bonferroni.
pval <- min(ntests * suppressWarnings(chisq.test(dd[, -1])$p.value),
1)
if (pval < 0.0001) pval <- "<0.0001"
dd <- rbind(dd, data.frame(cat = "Total",
as.data.frame(t(colSums(dd[, -1])))))
dd <- cbind(dd, Total = rowSums(dd[, -1]))
dd$"$\\chi^2$ p-valor" <- c(pval, rep(NA, nrow(dd) - 1))
return(dd)
}
i <- sapply(dx, is.factor)
ntests <- sum(i)
res <- sapply(names(dx)[i],
simplify = FALSE,
FUN = cat_resume)
for (i in names(res)) {
cap <- tbn_(name = i,
caption = paste0(form[[i]]$q, "."))
tb <- res[[i]]
rownames(tb) <- tb$cat
tb$cat <- NULL
x <- kable(x = tb,
align = "c",
digits = c(0, 0, 0, 5),
caption = cap)
cat("\n\n\n")
cat(gsub("\\bNA\\b", "", x), sep = "\n")
}
Tabela 1: Candida.
| não |
97 |
108 |
205 |
0.3811 |
| sim |
16 |
4 |
20 |
|
| Total |
113 |
112 |
225 |
|
Tabela 2: Reside em.
| urbana |
109 |
113 |
222 |
1 |
| rural |
4 |
0 |
4 |
|
| Total |
113 |
113 |
226 |
|
Tabela 3: Estado civil.
| ue/casada |
75 |
61 |
136 |
1 |
| solteira |
38 |
52 |
90 |
|
| Total |
113 |
113 |
226 |
|
Tabela 4: Cor (auto-reportada).
| negra |
48 |
29 |
77 |
0.42147 |
| branca |
62 |
84 |
146 |
|
| amarela |
2 |
0 |
2 |
|
| indigena |
1 |
0 |
1 |
|
| Total |
113 |
113 |
226 |
|
Tabela 5: Exerce atividade remuneara.
| não |
52 |
28 |
80 |
0.04959 |
| sim |
61 |
85 |
146 |
|
| Total |
113 |
113 |
226 |
|
Tabela 6: Consumo de leite integral/queijos.
| não |
16 |
5 |
21 |
0.79022 |
| sim |
97 |
108 |
205 |
|
| Total |
113 |
113 |
226 |
|
Tabela 7: Freq. semanal de consumo (dias).
| <3 |
18 |
16 |
34 |
1 |
| 3-6 |
19 |
22 |
41 |
|
| 7 |
60 |
70 |
130 |
|
| Total |
97 |
108 |
205 |
|
Tabela 8: Consumo de mamão/cenoura/ovo/fígado bovino.
| não |
11 |
5 |
16 |
1 |
| sim |
102 |
108 |
210 |
|
| Total |
113 |
113 |
226 |
|
Tabela 9: Freq. semanal de consumo (dias).
| <3 |
57 |
38 |
95 |
0.00509 |
| 3-6 |
29 |
25 |
54 |
|
| 7 |
16 |
45 |
61 |
|
| Total |
102 |
108 |
210 |
|
Tabela 10: Fumante.
| não |
85 |
100 |
185 |
0.56399 |
| sim |
28 |
13 |
41 |
|
| Total |
113 |
113 |
226 |
|
Tabela 11: Consumo de bebida alcoólica.
| não |
91 |
71 |
162 |
0.18104 |
| sim |
22 |
42 |
64 |
|
| Total |
113 |
113 |
226 |
|
Tabela 12: Freq. semanal de consumo (dias).
| <3 |
18 |
35 |
53 |
1 |
| 3-6 |
4 |
0 |
4 |
|
| Total |
22 |
35 |
57 |
|
Tabela 13: Uso de drogas.
| não |
112 |
111 |
223 |
1 |
| sim |
1 |
2 |
3 |
|
| Total |
113 |
113 |
226 |
|
Tabela 14: Realiza ducha vaginal.
| não |
96 |
92 |
188 |
1 |
| sim |
17 |
21 |
38 |
|
| Total |
113 |
113 |
226 |
|
Tabela 15: Freq. semanal de consumo (dias).
| <3 |
11 |
9 |
20 |
1 |
| 3-6 |
4 |
3 |
7 |
|
| 7 |
2 |
9 |
11 |
|
| Total |
17 |
21 |
38 |
|
Tabela 16: Usa sabonete intimo.
| não |
80 |
52 |
132 |
0.00967 |
| sim |
33 |
61 |
94 |
|
| Total |
113 |
113 |
226 |
|
Tabela 17: Freq. semanal de consumo (dias).
| <3 |
6 |
14 |
20 |
1 |
| 3-6 |
4 |
12 |
16 |
|
| 7 |
20 |
34 |
54 |
|
| Total |
30 |
60 |
90 |
|
Tabela 18: História de VB.
| não |
62 |
49 |
111 |
1 |
| sim |
51 |
64 |
115 |
|
| Total |
113 |
113 |
226 |
|
Tabela 19: História de DST.
| não |
103 |
62 |
165 |
<0.0001 |
| sim |
10 |
51 |
61 |
|
| Total |
113 |
113 |
226 |
|
Tabela 20: Número de parceiros sexuais (último ano).
| 0 |
2 |
8 |
10 |
1 |
| 1 |
101 |
97 |
198 |
|
| 2 |
8 |
5 |
13 |
|
| >2 |
0 |
2 |
2 |
|
| Total |
111 |
112 |
223 |
|
Tabela 21: Novo parceiro recente (últimos 2 meses).
| não |
92 |
98 |
190 |
1 |
| sim |
21 |
15 |
36 |
|
| Total |
113 |
113 |
226 |
|
Tabela 22: Uso de métodos contraceptivos (4 meses anteriores).
| não |
62 |
45 |
107 |
1 |
| sim |
51 |
68 |
119 |
|
| Total |
113 |
113 |
226 |
|
Tabela 23: Uso de camisinha feminina ou masculina.
| não |
79 |
72 |
151 |
1 |
| sim |
34 |
41 |
75 |
|
| Total |
113 |
113 |
226 |
|
Tabela 24: Qual frequência de uso.
| sempre |
20 |
23 |
43 |
1 |
| às vezes |
14 |
15 |
29 |
|
| Total |
34 |
38 |
72 |
|
Tabela 25: Paridade.
| Nulípara |
28 |
47 |
75 |
0.39592 |
| Multipara |
85 |
66 |
151 |
|
| Total |
113 |
113 |
226 |
|
Tabela 26: Complicações anteriores.
| não |
63 |
49 |
112 |
1 |
| sim |
24 |
19 |
43 |
|
| Total |
87 |
68 |
155 |
|
Tabela 27: Sangramento intermenstrual (entre ciclos).
| não |
98 |
85 |
183 |
1 |
| sim |
15 |
28 |
43 |
|
| Total |
113 |
113 |
226 |
|
Tabela 28: Dor durante relação sexual.
| não |
61 |
72 |
133 |
1 |
| sim |
52 |
41 |
93 |
|
| Total |
113 |
113 |
226 |
|
Tabela 29: Dor ocorre.
| Durante |
24 |
11 |
35 |
0.52628 |
| Após |
13 |
23 |
36 |
|
| Ambos |
14 |
8 |
22 |
|
| Total |
51 |
42 |
93 |
|
Tabela 30: Corrimento.
| não |
61 |
77 |
138 |
1 |
| sim |
52 |
36 |
88 |
|
| Total |
113 |
113 |
226 |
|
Tabela 31: Odor.
| não |
81 |
93 |
174 |
1 |
| sim |
32 |
20 |
52 |
|
| Total |
113 |
113 |
226 |
|
Tabela 32: Prurido.
| não |
91 |
96 |
187 |
1 |
| sim |
22 |
17 |
39 |
|
| Total |
113 |
113 |
226 |
|
Tabela 33: pH.
| <4.5 |
27 |
63 |
90 |
<0.0001 |
| >=4.5 |
86 |
50 |
136 |
|
| Total |
113 |
113 |
226 |
|
Tabela 34: Teste de Whiff.
| Positivo |
39 |
60 |
99 |
<0.0001 |
| Negativo |
42 |
52 |
94 |
|
| Duvidoso |
32 |
1 |
33 |
|
| Total |
113 |
113 |
226 |
|
Tabela 35: JEC.
| 0 |
74 |
45 |
119 |
0.00186 |
| -1 |
16 |
47 |
63 |
|
| -2 |
19 |
18 |
37 |
|
| -3 |
4 |
3 |
7 |
|
| Total |
113 |
113 |
226 |
|
Tabela 36: Vulvite.
| não |
110 |
102 |
212 |
1 |
| sim |
2 |
10 |
12 |
|
| Total |
112 |
112 |
224 |
|
Variáveis contínuas
Para a avaliação da igualdade entre as populações de Curitiba e Botucatu com relação as variáveis numéricas, foram obtidas medidas descritivas para cada localidade. Obteve-se a média, o desvio-padrão e o número de observações. O teste \(t\) foi aplicado para testar a hipótese nula de que médias das populações não difere em cada variável numérica. Também foi aplicado o teste de Kolmogorov-Smirnov para testar a igualdade da distribuição das populações. Cada teste teve o p-valor corrigido para multiplicidade utilizando o método de Bonferroni considerando o número de variáveis numéricas sob avaliação.
#--------------------------------------------
# Variáveis contínuas.
num_resume <- function(x) {
dx$x <- dx[, x]
# Teste t para diferença entre médias das populações.
pval_t <- min(ntests *
t.test(x ~ loc,
data = dx,
var.equal = FALSE)$p.value,
1)
if (pval_t < 0.0001) pval_t <- "<0.0001"
# Teste de Kolmogorov-Smirnov.
s <- split(x = dx$x, f = dx$loc)
pval_ks <- min(ntests *
suppressWarnings(ks.test(x = s[[1]],
y = s[[2]])$p.value),
1)
if (pval_ks < 0.0001) pval_ks <- "<0.0001"
dd <- ddply(.data = dx,
.variables = c("loc"),
.fun = summarise,
n = sum(!is.na(x)),
média = mean(x, na.rm = TRUE),
despad = sd(x, na.rm = TRUE))
dd$"t p-valor" <- c(pval_t, NA)
dd$"KS p-valor" <- c(pval_ks, NA)
return(dd)
}
dx$x <- NULL
i <- sapply(dx, is.numeric)
ntests <- sum(i)
res <- sapply(names(dx)[i],
simplify = FALSE,
FUN = num_resume)
for (i in names(res)) {
cap <- tbn_(name = i,
caption = paste0(form[[i]]$q, "."))
tb <- res[[i]]
rownames(tb) <- tb$loc
tb$loc <- NULL
x <- kable(x = tb,
align = "c",
digits = c(0, 2, 2, 5, 5),
caption = cap)
cat("\n\n\n")
cat(gsub("\\bNA\\b", "", x), sep = "\n")
}
Tabela 37: Nugent.
| Botucatu |
113 |
4.39 |
3.38 |
<0.0001 |
<0.0001 |
| Curitiba |
112 |
1.95 |
2.82 |
|
|
Tabela 38: Idade (anos).
| Botucatu |
113 |
32.24 |
9.36 |
1 |
1 |
| Curitiba |
113 |
33.28 |
9.19 |
|
|
Tabela 39: Peso (kg).
| Botucatu |
113 |
68.97 |
17.37 |
0.96833 |
1 |
| Curitiba |
112 |
66.08 |
13.20 |
|
|
Tabela 40: Altura (m).
| Botucatu |
113 |
1.60 |
0.07 |
0.01738 |
0.20235 |
| Curitiba |
112 |
1.63 |
0.06 |
|
|
Tabela 41: Escolaridade (anos de aprovação escolar).
| Botucatu |
113 |
8.04 |
3.37 |
<0.0001 |
<0.0001 |
| Curitiba |
113 |
10.98 |
3.64 |
|
|
Tabela 42: Número de cigarros ao dia.
| Botucatu |
28 |
15.57 |
10.44 |
0.77342 |
1 |
| Curitiba |
12 |
11.33 |
6.49 |
|
|
Gráficos
library(ggplot2)
library(gridExtra)
n <- names(which(sapply(dx, is.numeric)))
vnum <- lapply(n,
FUN = function(i) {
ggplot(data = dx,
mapping = aes(x = loc,
y = dx[, i])) +
geom_boxplot(aes(fill = loc)) +
scale_fill_discrete(guide = FALSE) +
labs(x = "Localidade",
y = form[[i]]$q)
})
vnum$ncol <- 3
# length(vnum) - 1
do.call(grid.arrange, args = vnum)
n <- names(which(sapply(dx, is.factor)))
z <- 0
vcat <- lapply(n,
FUN = function(i) {
j <- !is.na(dx[, i])
gg <- ggplot(data = dx[j, ],
mapping = aes(x = dx[j, i])) +
geom_bar(aes(fill = loc, color = I("black")),
position = "dodge") +
labs(y = "Frequência absoluta",
x = form[[i]]$q)
if (z == 0) {
z <<- 1
return(gg +
scale_fill_discrete(name = "Localidade") +
theme(legend.justification = c(1, 1),
legend.position = c(1, 1)))
} else {
return(gg + scale_fill_discrete(guide = FALSE))
}
})
vcat$ncol <- 2
do.call(grid.arrange, args = vcat)
Definições da sessão
sessionInfo()
## R version 3.4.1 (2017-06-30)
## Platform: x86_64-pc-linux-gnu (64-bit)
## Running under: Ubuntu 16.04.2 LTS
##
## Matrix products: default
## BLAS: /usr/lib/libblas/libblas.so.3.6.0
## LAPACK: /usr/lib/lapack/liblapack.so.3.6.0
##
## locale:
## [1] LC_CTYPE=pt_BR.UTF-8 LC_NUMERIC=C
## [3] LC_TIME=pt_BR.UTF-8 LC_COLLATE=en_US.UTF-8
## [5] LC_MONETARY=pt_BR.UTF-8 LC_MESSAGES=en_US.UTF-8
## [7] LC_PAPER=pt_BR.UTF-8 LC_NAME=C
## [9] LC_ADDRESS=C LC_TELEPHONE=C
## [11] LC_MEASUREMENT=pt_BR.UTF-8 LC_IDENTIFICATION=C
##
## attached base packages:
## [1] stats graphics grDevices utils datasets base
##
## other attached packages:
## [1] gridExtra_2.2.1 ggplot2_2.2.1 reshape2_1.4.2
## [4] plyr_1.8.4 gdata_2.17.0 captioner_2.2.3
## [7] latticeExtra_0.6-28 RColorBrewer_1.1-2 lattice_0.20-35
## [10] rmarkdown_1.5 knitr_1.16
##
## loaded via a namespace (and not attached):
## [1] Rcpp_0.12.10 magrittr_1.5 munsell_0.4.3
## [4] colorspace_1.3-2 rlang_0.1.1 stringr_1.2.0
## [7] highr_0.6 tools_3.4.1 grid_3.4.1
## [10] gtable_0.2.0 htmltools_0.3.6 gtools_3.5.0
## [13] lazyeval_0.2.0 yaml_2.1.14 rprojroot_1.2
## [16] digest_0.6.12 tibble_1.3.1 evaluate_0.10
## [19] labeling_0.3 stringi_1.1.5 compiler_3.4.1
## [22] methods_3.4.1 scales_0.4.1 backports_1.0.5