12.2 Tabelas de variáveis categóricas

A função table() permite contar valores em fatores e vetores e você pode relembrar como usar a função barplot() para gerar gráficos de barra simples:

# continuando com os dados de caixeta.csv
head(caixeta)

local	parcela	arvore	fuste	cap	h	especie	dap
chauas	1	1	1	210	80	Myrcia sulfiflora	66.84508
chauas	1	3	1	170	80	Myrcia sulfiflora	54.11268
chauas	1	4	1	720	70	Syagrus romanzoffianus	229.18312
chauas	1	5	1	200	80	Tabebuia cassinoides	63.66198
chauas	1	6	1	750	170	indet.1	238.73241
chauas	1	7	1	320	80	Myrcia sulfiflora	101.85916

# tem a coluna especie

# podemos resumir quantos individuos tem de cada espécie (considerando que cada linha é um individuo)
table(caixeta$especie)

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

sort(table(caixeta$especie), decreasing = T)[1:3] # quais são as tres especies mais abundantes

Tabebuia cassinoides	Myrcia sulfiflora	Mela 1
698	96	63

table(caixeta$local) # quantas localidades?

chauas	jureia	retiro
426	241	360

## Graficos de barra para representar uma tabela
op <- par(no.readonly = TRUE) # pega parametros gráficos atual
par(mar = c(10, 3, 0, 0)) # mudando as margens
vv <- sort(table(caixeta$especie), decreasing = T)
vv[1:5] # cinco especies mais abundantes

Tabebuia cassinoides	Myrcia sulfiflora	Mela 1	jussara	Psidium sp
698	96	63	37	20

# gráfico de barras disso
barplot(vv, cex.names = 0.5)

par(las = 2, mar = c(10, 5, 5, 1)) # mudando margens e orientacao dos eixos
barplot(sort(table(caixeta$especie), decreasing = T), cex.names = 0.8)

# muita coisa, pegando apenas as especies mais abundantes
barplot(sort(table(caixeta$especie), decreasing = T)[1:10], cex.names = 0.8)

# note como Tabebuia cassonoides é muito mais abundante que qualquer outra espécie nessas comunidades

par(op) # volta aos parametros
# numero de individuos por localidade
barplot(table(caixeta$local), ylab = "Número de indivíduos")

12.2.1 Resumo de gráficos univariados

Além das funções gráficas apresentadas acima, vamos ver aqui as funções dotchart() e stripchart(), úteis para visualizar dados brutos.

# para visualizar dados brutos
head(caixeta)

local	parcela	arvore	fuste	cap	h	especie	dap
chauas	1	1	1	210	80	Myrcia sulfiflora	66.84508
chauas	1	3	1	170	80	Myrcia sulfiflora	54.11268
chauas	1	4	1	720	70	Syagrus romanzoffianus	229.18312
chauas	1	5	1	200	80	Tabebuia cassinoides	63.66198
chauas	1	6	1	750	170	indet.1	238.73241
chauas	1	7	1	320	80	Myrcia sulfiflora	101.85916

# plotar a coluna altura (h)
plot(caixeta$h, xlab = "Observações", ylab = "Altura (m)")

# note que o único valor extremos fica super evidente

# poderíamos usar a função dotchart para isso
dotchart(caixeta$h, ylab = "Observações", xlab = "Altura (m)")

# inversão dos eixos..
# vamos corrigir o valor extremo
caixeta[which(caixeta$h > 300), "h"] <- 48

# faz um boxplot disso
boxplot(caixeta$h) # já vimos isso, mas note os pontos isolados dos boxes (caixas), esses são valores isolados, meio fora da distribuicao
summary(caixeta$h) # ve os quartis e média

Min.	1st Qu.	Median	Mean	3rd Qu.	Max.
5	60	90	89.86173	110	230

# plota a mediana
abline(h = median(caixeta$h), col = "red", lwd = 3)
# plota todos os quartis
abline(h = quantile(caixeta$h), col = "blue", lwd = 2)

# ve em forma de histograma
hist(caixeta$h, breaks = 20)
# plota os quartis
abline(v = quantile(caixeta$h), col = "blue", lwd = 2)

dim(caixeta)

## [1] 1027    8

# ve o histograma na forma de pontos:
?stripchart

stripchart(caixeta$h, method = "stack", jitter = 0, offset = 1, ylim = c(0, nrow(caixeta)), xlab = "altura (cm)")

## Numa tela só boxplot, histograma, densidade e stripchart
olp <- par(no.readonly = TRUE)
par(mfrow = c(2, 2), mar = c(3, 3, 3, 0))
boxplot(caixeta$h)
hist(caixeta$h)
plot(stats::density(caixeta$h))
stripchart(caixeta$h, method = "stack")

par(olp) # resgata parametros graficos originais

## Histograma com diferentes larguras de barras
par(mar = c(5, 4, 3, 1), mfrow = c(3, 2))
hist(caixeta$h, main = "Default")
hist(caixeta$h, breaks = 5, main = "Cinco break-points")
hist(caixeta$h, breaks = 10, main = "Dez break-points")
hist(caixeta$h, breaks = 15, main = "Quinze break-points")
hist(caixeta$h, breaks = 20, main = "Vinte break-points", col = "lightblue")
par(olp)