13.2 Fatores e contagens

Já vimos a função table() para contar valores em fatores e vetores em casos de univariados. Podemos usar a mesma função para gerar tabelas de contingência entre dois ou mais fatores.

## Numero de fustes de cada especie por local
tb <- table(caixeta$especie, caixeta$local)
class(tb)

## [1] "table"

tb

	chauas	jureia	retiro
Alchornea triplinervia	0	3	12
Andira fraxinifolia	0	4	0
bombacaceae	0	1	0
Cabralea canjerana	0	4	0
Callophyllum brasiliensis	7	0	0
Calophyllum brasiliensis	0	4	0
Cecropia sp	0	0	1
Coussapoa macrocarpa	0	3	0
Coussapoa micropoda	2	0	7
Cryptocaria moschata	0	2	0
Cyathea sp	0	0	2
Eugenia oblongata	0	0	2
eugenia3	0	1	0
fabaceae1	0	1	0
Ficus sp	0	2	0
Gomidesia sp	0	1	0
Ilex durosa	0	8	0
Ilex sp	0	0	2
indet.1	1	0	0
indet.2	1	0	0
indet.3	1	0	0
Inga sp	0	4	0
Jacaranda puberula	0	2	0
jussara	0	37	0
Matayba sp	0	1	0
Mela 1	0	0	63
Mela 2	0	0	2
Myrcia sulfiflora	96	0	0
Myrtaceae 3	0	0	3
myrtaceae1	4	0	0
myrtaceae2	1	0	0
myrtaceae4	1	0	0
Pera glabrata	0	1	0
Persea sp	0	3	0
Pisonia sp	0	2	0
Psidium sp	3	17	0
Simplocos sp	0	2	0
Solanum sp1	0	0	1
Solanum sp2	0	0	1
Syagrus romanzoffianus	1	0	0
Tabebuia 1	0	0	10
Tabebuia cassinoides	306	138	254
Tibouchina nutticeps	2	0	0

# convertemos num data.frame
tb <- as.data.frame.matrix(tb)
class(tb)

## [1] "data.frame"

# calculo o total de individuos por especie
total <- apply(tb, 1, sum)
total

##    Alchornea triplinervia       Andira fraxinifolia               bombacaceae 
##                        15                         4                         1 
##        Cabralea canjerana Callophyllum brasiliensis  Calophyllum brasiliensis 
##                         4                         7                         4 
##               Cecropia sp      Coussapoa macrocarpa       Coussapoa micropoda 
##                         1                         3                         9 
##      Cryptocaria moschata                Cyathea sp         Eugenia oblongata 
##                         2                         2                         2 
##                  eugenia3                 fabaceae1                  Ficus sp 
##                         1                         1                         2 
##              Gomidesia sp               Ilex durosa                   Ilex sp 
##                         1                         8                         2 
##                   indet.1                   indet.2                   indet.3 
##                         1                         1                         1 
##                   Inga sp        Jacaranda puberula                   jussara 
##                         4                         2                        37 
##                Matayba sp                    Mela 1                    Mela 2 
##                         1                        63                         2 
##         Myrcia sulfiflora               Myrtaceae 3                myrtaceae1 
##                        96                         3                         4 
##                myrtaceae2                myrtaceae4             Pera glabrata 
##                         1                         1                         1 
##                 Persea sp                Pisonia sp                Psidium sp 
##                         3                         2                        20 
##              Simplocos sp               Solanum sp1               Solanum sp2 
##                         2                         1                         1 
##    Syagrus romanzoffianus                Tabebuia 1      Tabebuia cassinoides 
##                         1                        10                       698 
##      Tibouchina nutticeps 
##                         2

# ordeno minha tabela orginal pelo total em ordem decrescente de abundância
tb <- tb[order(total, decreasing = T), ]

head(tb)

	chauas	jureia	retiro
Tabebuia cassinoides	306	138	254
Myrcia sulfiflora	96	0	0
Mela 1	0	0	63
jussara	0	37	0
Psidium sp	3	17	0
Alchornea triplinervia	0	3	12

# se eu quiser uma tabela de presença e ausência
# bastaria substituir os valores>0 por 1
tb[tb > 0] <- 1

head(tb)

	chauas	jureia	retiro
Tabebuia cassinoides	1	1	1
Myrcia sulfiflora	1	0	0
Mela 1	0	0	1
jussara	0	1	0
Psidium sp	1	1	0
Alchornea triplinervia	0	1	1

# assim, agora eu posso saber quantas especie por localidade
apply(tb, 2, sum)

## chauas jureia retiro 
##     13     22     13

A função xtabs() tabula dados de frequência.

## xtabs: tabulacao de dados de frequencia
## Vamos usar  Dataframe dos sobreviventes dos sobreviventes e mortos do Titanic
?Titanic # veja o que são esses dados

data("Titanic") # puxamos esse dado
class(Titanic)

## [1] "table"

tit <- as.data.frame(Titanic) # converte em data.frame
head(tit)

Class	Sex	Age	Survived	Freq
1st	Male	Child	No	0
2nd	Male	Child	No	0
3rd	Male	Child	No	35
Crew	Male	Child	No	0
1st	Female	Child	No	0
2nd	Female	Child	No	0

# classe de passageiros
names(tit)

## [1] "Class"    "Sex"      "Age"      "Survived" "Freq"

str(tit)

## 'data.frame':    32 obs. of  5 variables:
##  $ Class   : Factor w/ 4 levels "1st","2nd","3rd",..: 1 2 3 4 1 2 3 4 1 2 ...
##  $ Sex     : Factor w/ 2 levels "Male","Female": 1 1 1 1 2 2 2 2 1 1 ...
##  $ Age     : Factor w/ 2 levels "Child","Adult": 1 1 1 1 1 1 1 1 2 2 ...
##  $ Survived: Factor w/ 2 levels "No","Yes": 1 1 1 1 1 1 1 1 1 1 ...
##  $ Freq    : num  0 0 35 0 0 0 17 0 118 154 ...

## Quanto sobreviventes por sexo?

## Precisamos da funcao xtabs
?xtabs # veja o help dessa funcão:

xtabs(Freq ~ Sex + Survived, data = tit)

	No	Yes
Male	1364	367
Female	126	344

# em porcentagem
tb <- xtabs(Freq ~ Sex + Survived, data = tit)

prop.table(tb, margin = 1)

	No	Yes
Male	0.7879838	0.2120162
Female	0.2680851	0.7319149

# ou, se preferir
round(prop.table(tb, margin = 1) * 100)

	No	Yes
Male	79	21
Female	27	73

# Quanto sobreviventes por classe de viagem?
xtabs(Freq ~ Class + Survived, data = tit)

	No	Yes
1st	122	203
2nd	167	118
3rd	528	178
Crew	673	212

# note que na primeira classe 203 sobreviveram
# eu poderia ter perguntado isso assim:
sum(tit[tit$Class == "1st" & tit$Survived == "Yes", "Freq"])

## [1] 203

# ou seja, a funcao xtabs calculou a soma da frequencia
# porcentagem
prop.table(xtabs(Freq ~ Class + Survived, data = tit), margin = 1)

	No	Yes
1st	0.3753846	0.6246154
2nd	0.5859649	0.4140351
3rd	0.7478754	0.2521246
Crew	0.7604520	0.2395480

## E para combinacoes de mais de duas variaveis
tb2 <- xtabs(Freq ~ Class + Survived + Sex, data = tit)

tb2 # veja o resultado e observe duas virgulas

Class	Survived	Sex	Freq
1st	No	Male	118
2nd	No	Male	154
3rd	No	Male	422
Crew	No	Male	670
1st	Yes	Male	62
2nd	Yes	Male	25
3rd	Yes	Male	88
Crew	Yes	Male	192
1st	No	Female	4
2nd	No	Female	13
3rd	No	Female	106
Crew	No	Female	3
1st	Yes	Female	141
2nd	Yes	Female	93
3rd	Yes	Female	90
Crew	Yes	Female	20

tb2[, , 1] # para Female

	No	Yes
1st	118	62
2nd	154	25
3rd	422	88
Crew	670	192

tb2[, , 2] # note que não vimos isso antes, tb2, neste caso é um array, que um objeto que pode ter múltiplas dimensões, por isso as duas vírgulas, porque tem 3 dimensoes

	No	Yes
1st	4	141
2nd	13	93
3rd	106	90
Crew	3	20