✅ Importar

Nesta parte do livro, você aprenderá como importar uma vasta variedade de dados para o R, assim como deixá-los em uma forma útil para suas análises. Algumas vezes, isto é apenas uma questão de chamar uma função de um pacote de importação de dados apropriado. Mas em casos mais complexos, será necessário tanto a organização e transformação dos dados para se obter o formato retangular (tidy) que você gostaria de trabalhar.

Figura 1: Importação dos dados é o início do processo da ciência de dados; sem dados você não pode praticar ciência de dados!

Nesta parte do livro você aprenderá como acessar dados armazenados das seguintes maneiras:

• No 20  ✅ Planilhas, você aprenderá como importar dados de planilhas do Excel e do Planilhas Google (Google Sheets).

• No 21  ✅ Bancos de dados, você aprenderá sobre obter dados de um banco de dados (databases) e importar para o R (e você também aprenderá um pouco sobre como exportar dados do R para um banco de dados).

• No 22  Arrow, você aprenderá sobre o Arrow, uma poderosa ferramenta para trabalhar com volume de dados que não cabem na memória do seu computador, particularmente quando são armazenados em formato parquet.

• No 23  Hierarchical data, você aprenderá como trabalhar com dados hierárquicos, incluindo as listas profundamente aninhadas produzidas por dados em formato JSON.

• No 24  ✅ Raspagem de dados (Web scraping), você aprenderá sobre raspagem de dados (web scraping), a arte e a ciência de extrair dados de páginas web.

Existem dois pacotes tidyverse importantes que não são apresentados aqui: haven e xml2. Se você está trabalhando com dados de arquivos do SPSS, Stata ou SAS, veja o pacote haven , https://haven.tidyverse.org. Se você está trabalhando com dados XML, veja o pacote xml2 , https://xml2.r-lib.org. Caso contrário, você precisará pesquisar qual pacote você deverá utilizar; o Google será seu amigo neste caso 😃.