Introdução a Métodos Computacionais para Ciência Sociais

class: center, middle, inverse, title-slide

# Introdução a Métodos Computacionais para Ciência Sociais
## Introdução ao R: Funções, Loops, e Controle de Fluxo
### Tiago Ventura
### CPDOC-FGV

---

class: center, middle

# Introdução ao R: Parte II

---
.pull-left[
# Aula Passada

1. Workflow: RStudio e Scripts.

2. Como Interagir com R.

3. Pacotes em R.

4. Ajuda em R.

5. Objetos e Classes

6. Operadores Booleanos

7. Estrutura de Dados

8. Manipulação Básica de Dados.

9. Exportar e Importar Bancos de Dados. 
]

.pull-right[

# Hoje

- Linguagem Condicionais. 
- Loops.
- Funções.

]

---
---
class: center, middle, inverse

# Funções

---

# O que são funcões?

- Tudo que gera um output em R.

```r
# Crie um objeto
x <- sample(1:100, 10)

# Aplique a função para extrair a média
mean(x)
```

```
## [1] 42.8
```

---

## Argumentos

Diferente de objetos, que usamos para guardar valores, funções funcionam numa lógica de input e output.

Chamamos os **inputs** de uma função de **Argumentos**, e são os argumentos que vão dentro dos parentesis de cada função.

```r
function(arg1, arg2, arg3, arg4, ....)
```

--
Pacotes: Funções Temáticas

- `dplyr`: pacote com funções para manipulação de dados.

- `ggplot2`: pacote com funções de visualização.

- `wesanderson`: funções para gerar paleta de cores dos filmes do Wes Anderson em R.

---

## Desafio 1.

Com base no que discutimos, expliquem-me como a função c() funciona. Qual seu output? Quais os argumentos?

```r
?c
```

---

## Criando nossas próprias funções.

```r
some_me <- function( argument1, argument2 ){
  value <- argument1 + argument2
  return(value) # "return" define qual o output da sua função. 
}

some_me(2,3)
```

```
## [1] 5
```

```r
some_me(100,123)
```

```
## [1] 223
```

```r
some_me(60,3^4)
```

```
## [1] 141
```

---

## Estrutura Básica

- **o nome**: some_me;
- **os argumentos**: argument1 e argument2;
- **o corpo**: todo o código entre os {}; 
- **o retorno**

#### Examplo Geral

```r
nome_da_funcao <- function(x,y,z){ ## Argumentos
  ### Corpo: o que a função faz
   	
    out <- what the function does.
  
  ### Conclui Corpo.
    
  	return(out) ## output
}
  ## fecha a função
```

---

## Quando você deve escrever uma função?

$$
\texttt{"You should consider writing a function whenever} \\
$$

$$
\texttt{you’ve copied and pasted a block of code more than twice"}
$$
---

class:center, middle inverse

# Iteração.

---

# O que são loops?

--
### Uma forma de repetir a **mesma** tarefa **múltiplas** vezes.

```r
cidades_onde_morei <- c("belem", "sao paulo", "rio de janeiro",
                        "berlim", "brasilia", "dc", "rio de janeiro")

# for loop

for(cidades in cidades_onde_morei){ #iterador
  # o que repetir
  print(cidades)
  
}
```

```
## [1] "belem"
## [1] "sao paulo"
## [1] "rio de janeiro"
## [1] "berlim"
## [1] "brasilia"
## [1] "dc"
## [1] "rio de janeiro"
```

---

## Componentes dos Loops

**`for(item in conjunto_de_items)`: as sequências**

- iterador: ítem que iremos indexar nossas operações.
    
  - conjunto_de_items: objeto de onde tiramos nosso iterador.

**Os parentesis {}**

- Tudo feito pelos loops vai aqui dentro. 
    
  - Incluindo como você salvará os outputs.

---

## Tornando o loop mais geral.

```r
# Loop usando as posições.

for(i in 1:length(cidades_onde_morei)){ #iterador
  # o que repetir
  print(i)
  print(cidades_onde_morei[i])
  
}
```

```
## [1] 1
## [1] "belem"
## [1] 2
## [1] "sao paulo"
## [1] 3
## [1] "rio de janeiro"
## [1] 4
## [1] "berlim"
## [1] 5
## [1] "brasilia"
## [1] 6
## [1] "dc"
## [1] 7
## [1] "rio de janeiro"
```

## Desafio 2: Que diabos está acontecendo nesse loop?

---

## Exemplo 3: Abstraindo do concreto.

```r
library(bakeoff)
data("ratings_seasons")
```

Audiência por temporada.

```r
# Quantas temporadas?
temporadas <- unique(ratings_seasons$series)
temporadas
```

```
## [1] 1 2 3 4 5 6 7 8
```

```r
# Média de visualizacao

#Temporada 1
temporada_1 <- ratings_seasons[ratings_seasons$series==temporadas[1],]

#Temporada 2
temporada_2 <- ratings_seasons[ratings_seasons$series==temporadas[2], ]

#Temporada 3
temporada_3 <- ratings_seasons[ratings_seasons$series==temporadas[3],]

# Mean
mean(temporada_1$viewers_7day)
```

```
## [1] 2.77
```

---
## Pensando de Forma Computacional

#### 1. Especifíque a duração de algo que deseja percorrer. No nosso caso, é o número de temporadas.

#### 2. Configure o código de forma que cada iteração execute apenas uma manipulação em um único subconjunto por vez.

#### 3. Salve o conteúdo de cada iteração em um novo objeto que não será sobrescrito. Aqui, queremos pensar em termos de "empilhamento" dos resultados ou concatená-los.

Na prática, leia seu código, e veja o que se repete e o que se mantêm. E o torne mais geral.

---

```r
# Crie um container para salvar seus outputs
container <- list()

for(i in 1:length(temporadas)){ # Passo 1
  
 # Passo 2  
 temp=ratings_seasons[ratings_seasons$series==temporadas[i], ] 
 
 # Passo 3
 container[[i]] <- mean(temp$viewers_7day)  
  
}
container
```

```
## [[1]]
## [1] 2.77
## 
## [[2]]
## [1] 3.95125
## 
## [[3]]
## [1] 5.001
## 
## [[4]]
## [1] 7.354
## 
## [[5]]
## [1] 10.0393
## 
## [[6]]
## [1] 12.311
## 
## [[7]]
## [1] 13.563
## 
## [[8]]
## [1] 9.017
```

---

## Desafio 3: O que acontece se eu alterar o loop dessa forma?

```r
# Crie um container para salvar seus outputs
container <- list()

for(i in 1:length(temporadas)){
 temp=ratings_seasons[ratings_seasons$series==temporadas[i], ]
*container <- mean(temp$viewers_7day)
  
}

container
```

```
## [1] 9.017
```

---

## E desta forma?

```r
container <- list()

*for(i in temporadas){
*temp=ratings_seasons[ratings_seasons$series==i, ]
*container[[i]] <- mean(temp$viewers_7day)
  
}

container
```

---
class:center, middle, inverse

# Controle de Fluxo

---

## O que são?

Controles de Fluxo determinam sob quais condições uma função será executada. Obviamente, este controles são fundamentais para execução de funções em R. São com estas funções que o R descobre, por exemplo, qual a classe de um objeto, se um vetor possui valores de missing, ou produz mensagens de error.

Os operadores `if`,  `else` e `else if` são os principais controladores de fluxo em R.

```r
*if (condition) {
  # Código executa quando a condição é igual a  TRUE
*} else {
  # Executa quando condição é FALSE
}
```

---

Em prática...

```r
ano=2021

if(ano>=2018) {
  print("Que saudade de 2013!!")
} else {
  print("2013 foi o pior ano da história do Brasil!")
  }
```

```
## [1] "Que saudade de 2013!!"
```

---

## Condições Múltiplas

```r
idade= 30

if(idade>=65) {
  print("Vacina em Fevereiro")
} else if(idade > 60 & idade <65) {
  print("Vacina até junho")
} else {
    print("Espere 2022")
  }
```

```
## [1] "Espere 2022"
```

---
class: center, middle, inverse

## [Exercício 2](https://fgvintrocss.netlify.app/assignment/exercicio-2)