Dezembro 2020 - R-br

[OFF -Tópic] Cotas em concursos para negros e índios!
by Andre Oliveira 12 Jun '49

12 Jun '49

Pessoal, tem um colegar meu que vou fazer um concurso ele é descendente de negro ele é pardo. Ele veio com a pergunta como provar que sou negro, pois, tem vagas reservada para negros e índios? Eu sinceramente não sei e não tenho ideia pois nunca tive esta curiosidade. O que de fato comprova sua raça? Algum documento? O que são usados em concursos para provar? obrigado André Oliveira Souza

5 6

Legenda eixo X
by Luciano F. Sgarbi 10 Jun '49

10 Jun '49

Prezados, Estou tentando centralizar a legenda do eixo X em uma figura com vários gráficos. Estou conseguindo centralizar a legenda da linha inferior como no exemplo, mas as linhas do meio não. par(mfrow=c(2,2)) plot(rnorm(100),xlab="",ylab="y1") plot(rnorm(100),xlab="",ylab="y2") mtext(side=1,cex=2,line=-1.8,text="Variável Explanatória 1",outer=TRUE) ### o problema está aqui, pois a legenda desce para a parte inferior da figura. plot(rnorm(100),xlab="",ylab="y1") plot(rnorm(100),xlab="",ylab="y2") mtext(side=1,cex=2,line=-1.8,text="Variável Explanatória 2",outer=TRUE)## Esse dá certo Alguém podia dar uma luz de como eu posso fazer isso? Abraços -- *Luciano F. Sgarbi* Mestrando em Ecologia e Evolução Laboratório de Ecologia de Insetos (sl. 222) Departamento de Ecologia Instituto de Ciências Biológicas - ICB 1 Universidade Federal de Goiás, campus II Goiânia-GO 74001-970 Brazil

2 2

Iniciar no Pyton
by sznelwar＠uol.com.br 27 Jan '21

27 Jan '21

4 3

Duvidas Análise de Componentes Principais
by Fernando Souza 09 Dez '20

09 Dez '20

Olá pessoal tudo bem Estou realizando uma análise de componentes principais, com o objetivo de selecionar as melhores variáveis para uma análise multivariada. Gostaria de uma orientação sobre a interpretação. Eu interpretei de forma correta? Variáveis que possuem alta correlação com um CP também estão correlacionadas entre si. Isso significa que posso utilizar somente uma das principais variáveis do CP1 (por exemplo) para incluir no modelo multivariado? No caso a variável que apresentar significado para o trabalho. Os círculos de correlação, screem plot e corrplot geradas pelo Pca estão disponíveis no link https://drive.google.com/open?id=1jS5tCX-2-qHo2Gbej00DkFQBpLztwXks A interpretação que fiz foi a seguinte: Considerei as variáveis PC,IC e Prod leite (Azul no gráfico) como variável suplementar quantitativa. Baseado no ScreenPlot selecionei somente 5 CP para avaliação que explicaram 67,80% da variancia total. Pela minha interpretação cheguei as seguintes conclusões Principais variáveis para cada componente: Consumos (CP1): CMS,CMO,CPB,CEE,CCNF,CFDNcp,CFDA,CNDT,CEB,CED,CEM,CEL Energia (CP2) : EB,ED,EM,EL Peso (CP3): PV,PCJ,PCVZ,PCVZ075 Composição do Leite(CP4) : Solido e DCNF Variaveis sanguíneas (CP5): PT e ALBUMINA Segue uma descrição do trabalho para compreensão. Aceito sugestões sobre a melhor forma trabalhar esses dados O banco de dados é oriundo dois estudos realizados pelo mesmo grupo de pesquisa nas mesmas condições experimentais (animais,instalação,dieta,manejo) e avaliaram 48 variáveis. Os fatores experimentais foram: *Raça*: Estudo 1 avaliou 12 animais (6 raça1 e 6 da raça 2). O estudo 2 avaliou 13 animais (6 raça 1 e 7 raça 2) *Plano nutricional:* O estudo 1 avaliou os níveis (0,15,30) o estudo 2 avaliou os níveis (0,5,10,20) *Dias em lactação-DEL* (medidas repetidas no tempo): Estudo 1, dias dispersos entre os períodos de 30 a 120 dias. No estudo 2 os DEL foram avaliados em dias entre 150 a 250 dias. Eu realizei uma análise gráfica e não há indicações de haver diferenças entre estudos, o que era de certo modo esperado. Raça e DEL parecem ser os fatores que afetam as variáveis respostas. -- ========================================= Fernando Souza Zootecnista, DSc. Produção e Alimentação Animal Celular: (31)99796-8781 (Vivo) E-mail:nandodesouza@gmail.com <e-mail%3Anandodesouza(a)gmail.com> Lattes: http://lattes.cnpq.br/6519538815038307 Blog: https://producaoanimalcomr.wordpress.com/ ==========================================

6 14

Re: [R-br] Problema na conversão de datum: SIRGAS2000 para WGS84
by José Lucas Safanelli 07 Dez '20

07 Dez '20

Bia, Acredito que não seja um problema do R ou pacote 'sf'. Digo isso porque fazendo as mesmas operações que você, percebi que não houve nenhuma alteração do CRS. Você pode verificar isso utilizando a função st_crs(). Além disso, você pode exportar teus dados espaciais usando o próprio pacote sf com o comando st_write. library(sf) dadosibge <- st_transform(municipios, 4326) st_crs(municipios) st_crs(dadosibge) df <- inner_join(dadosibge, df, by= c("geocodigo"="cod_municipio")) %>% st_as_sf(coords=c("lon","lat"), crs = 4326) st_crs(df) st_write(df, dsn = getwd(), layer = "teste", driver = 'ESRI Shapefile') teste <- st_read(dsn = getwd(), layer = "teste") st_crs(teste) Gostaria de saber como você verificou essa inconsistência do CRS, foi utilizando um SIG externo? Penso que talvez tenha acontecido isso porque a nomenclatura descreve o termo visualization, então pode ser que teu SIG tenha trocado automático para talvez otimizar a visualização, não!? Acho que não somente o nome, mas seria bom conferir se os parâmetros elipsoidais se alteram com essa pequena mudança. Enfim, precisa investigar melhor. José Lucas Safanelli https://zecojls.netlify.app/

2 1

Problema na conversão de datum: SIRGAS2000 para WGS84
by Bia Rebelatto 03 Dez '20

03 Dez '20

Olá pessoal! Após a produção de shapefiles no R, eles apresentaram o seguinte datum: Geographic Coordinate System: GCS_WGS_84_with_axis_order_normalized_for_visualization Datum: D_WGS_1984 Sendo que o que preciso seria: Geographic Coordinate System: GCS_WGS_1984 Datum: D_WGS_1984 Ou seja, preciso fazer a transformação sem gerar essa extensão de "with_axis_order_normalized_for_visualization", mas não consigo encontrar uma solução. Resumindo o que fiz: 1. Download de dados municipais do IBGE (o datum deles é o SIRGAS2000) 2. Transformação dos dados do IBGE para o datum que preciso (WGS84) com a função 'st_transform': dadosibge <- st_transform(dadosibge, 4326) 3. União destes dados do IBGE com minha planilha de dados, mais a transformação de objeto st em sf: df <- inner_join(dadosibge, df, by="id") %>% st_as_sf(coords=c("lon","lat"), crs=4326) 4. Transformação do data frame em objeto espacial: df <- as(df, "Spatial") 5. Exportação do shapefile: writeOGR(df, dsn = "diretorio", layer = i, driver = 'ESRI Shapefile') Obs.: fiz com múltiplas planilhas, então o código está em um loop. Segue o meu código: ###Pacotes x<-c("geobr","ggplot2","dplyr","RColorBrewer","ggspatial","maps","mapdata","rworldmap","maptools","mapproj","ggmap","sf","raster","spData","spDataLarge", "rgdal") lapply(x, require, character.only=T) ###Carregar dados IBGE ##All municipalities limits of all states spatial <- read_municipality(code_muni = 'all', year = 2019) ##Check CRS - If this fuction return "NA", the CRS is unknown st_is_longlat(spatial) ##Verify the DATUM. In this case, shows SIRGAS 2000 st_crs(spatial) ##Transform SGC SIRGAS 2000 to WGS84 ###WGS84 EPSG code: 4326 spatial <- st_transform(spatial, 4326) st_crs(spatial) class(spatial) ###Carregar diretorio dos meus dados setwd('diretorio') list.files() alldata = list.files() ###Loop para exportar varios shapefiles for (i in alldata) { df = read.csv(i, sep = ";", stringsAsFactors = FALSE) %>% #Unindo meus dados com o df do IBGE df <- inner_join(spatial_f, df, by="id") %>% st_as_sf(coords=c("lon","lat"), crs=4326) #Transformando df em dados espaciais df <- as(df, "Spatial") #Exportando shapefile writeOGR(df, dsn = "C:/Users/Bianca/Desktop/ipam_consult/shapes_test", layer = i, driver = 'ESRI Shapefile') } Agradeço desde já!

1 0