Atividade Modulo 3- Duvidas e comentários
5 participantes
Página 1 de 1
Atividade Modulo 3- Duvidas e comentários
Olá!
Antes de compartilhar os scripts que montei para a atividade 3, gostaria de tirar uma dúvida que surgiu com o segundo gráfico. Tem algum argumento para que a legenda se posicione fora da caixa do gráfico? Em um gráfico de dispersão, se os dados tiverem muito espalhados, acho que o quadradinho da legenda dentro da caixa do gráfico pode acabar tampando algum ponto.
Sobre o gráfico 1 (de barras), assumo que fiquei bem confusa com as variáveis sendo sim x não e sim x não. Deu um tilt mental na hora de montar...rs, então acabei tirando a barra do eixo y, pois achei que ficaria mais visual, e coloquei como eixo x a variável Melastomatacea. Mas não sei se foi a melhor opção. Dicas e sugestões são bem vindas!
Não sei como inserir o script aqui, então vou colá-lo abaixo. Também aceito dicas sobre isso!
Segue o script. Bom curso a tod@s!
########
### Exercício 1 -> Gráfico de Barras
#####################################
P3a<-read.table("sanhacos.txt", h=T, sep = "\t", dec=".")
summary(P3a)
##Criando tabela de contingência
tab.san<- table(P3a$Sanhaco, P3a$Melastomatacea)
tab.san #aqui com numeros brutos
tab.sanprop<- prop.table (tab.san, margin = 1)
tab.sanprop #aqui a versão porcentagem
##Criando o gráfico
barplot(tab.san, beside = T)
## x = árvore
## y = sanhaço
##Agora para ficar minimamente compreensível:
levels(P3a$Sanhaco)
cores<-c("purple3", "green3")
barplot(tab.san, beside = T, xlab = "Melastomatacea", axes = F, col= cores)
legend("topright", legend= c("Sanhaço", "outras aves"), col=cores, pch=15)
###################################################################
#######################
### Exercício 2 -> Gráfico de dispersão
#######################################
p3b<-read.table("dados_atividade3.txt", header = T, dec=".", sep="\t")
summary(p3b)
##Fazendo os gráficos lado a lado
par(mfrow=(c(1,2)))
plot(p3b$Produtividade[p3b$Cultivo=="Agroflorestal"]~p3b$Adubo[p3b$Cultivo=="Agroflorestal"], xlab= "adubo", ylab= "produtividade", ylim=c(12,22))
plot(p3b$Produtividade[p3b$Cultivo=="Comum"]~p3b$Adubo[p3b$Cultivo=="Comum"], xlab= "adubo", ylab= "produtividade", ylim=c(12,22))
dev.off()
##Agora com as duas camadas sobrepostas
cores2<-c("yellow4", "blue2")
levels(p3b$Cultivo)
plot(p3b$Produtividade~p3b$Adubo, xlab= "adubo", ylab= "produtividade", ylim=c(12,22), col=cores2, pch=19)
legend("bottomright", legend= levels(p3b$Cultivo), col=cores2, pch=19)
Antes de compartilhar os scripts que montei para a atividade 3, gostaria de tirar uma dúvida que surgiu com o segundo gráfico. Tem algum argumento para que a legenda se posicione fora da caixa do gráfico? Em um gráfico de dispersão, se os dados tiverem muito espalhados, acho que o quadradinho da legenda dentro da caixa do gráfico pode acabar tampando algum ponto.
Sobre o gráfico 1 (de barras), assumo que fiquei bem confusa com as variáveis sendo sim x não e sim x não. Deu um tilt mental na hora de montar...rs, então acabei tirando a barra do eixo y, pois achei que ficaria mais visual, e coloquei como eixo x a variável Melastomatacea. Mas não sei se foi a melhor opção. Dicas e sugestões são bem vindas!
Não sei como inserir o script aqui, então vou colá-lo abaixo. Também aceito dicas sobre isso!
Segue o script. Bom curso a tod@s!
########
### Exercício 1 -> Gráfico de Barras
#####################################
P3a<-read.table("sanhacos.txt", h=T, sep = "\t", dec=".")
summary(P3a)
##Criando tabela de contingência
tab.san<- table(P3a$Sanhaco, P3a$Melastomatacea)
tab.san #aqui com numeros brutos
tab.sanprop<- prop.table (tab.san, margin = 1)
tab.sanprop #aqui a versão porcentagem
##Criando o gráfico
barplot(tab.san, beside = T)
## x = árvore
## y = sanhaço
##Agora para ficar minimamente compreensível:
levels(P3a$Sanhaco)
cores<-c("purple3", "green3")
barplot(tab.san, beside = T, xlab = "Melastomatacea", axes = F, col= cores)
legend("topright", legend= c("Sanhaço", "outras aves"), col=cores, pch=15)
###################################################################
#######################
### Exercício 2 -> Gráfico de dispersão
#######################################
p3b<-read.table("dados_atividade3.txt", header = T, dec=".", sep="\t")
summary(p3b)
##Fazendo os gráficos lado a lado
par(mfrow=(c(1,2)))
plot(p3b$Produtividade[p3b$Cultivo=="Agroflorestal"]~p3b$Adubo[p3b$Cultivo=="Agroflorestal"], xlab= "adubo", ylab= "produtividade", ylim=c(12,22))
plot(p3b$Produtividade[p3b$Cultivo=="Comum"]~p3b$Adubo[p3b$Cultivo=="Comum"], xlab= "adubo", ylab= "produtividade", ylim=c(12,22))
dev.off()
##Agora com as duas camadas sobrepostas
cores2<-c("yellow4", "blue2")
levels(p3b$Cultivo)
plot(p3b$Produtividade~p3b$Adubo, xlab= "adubo", ylab= "produtividade", ylim=c(12,22), col=cores2, pch=19)
legend("bottomright", legend= levels(p3b$Cultivo), col=cores2, pch=19)
Bia N.- Mensagens : 31
Data de inscrição : 31/03/2020
Prática - Módulo 3
Bia, eu também tive esse tilt mental na prática dos Sanhaços. Só consegui fazer quando utilizei as funções rownames() e colnames() para as tabelas de contingências. E aparentemente, os nomes determinados por essas funções foram utilizados automaticamente na função barplot(), o que facilitou muito a minha vida. Devem haver outras formas de fazer, mas foi a que eu consegui encontrar.
Segue o meu script:
##########################
#Prática Módulo 3 #
#Fabíola Turiel C. Silva #
##########################
###### Tarefa 1 ########
#Importando e conferindo os dados
setwd("C:/R/Curso R/Módulo 3/Scripts e dados M3/atividade")
dir()
#Lendo o arquivo e atribuindo a um objeto
sanhacos<-read.table("sanhacos.txt", header=T)
#Conferindo se o objeto foi criado corretamente e sumário de dados
summary(sanhacos)
#Criando tabelas de contingência e comparar a ordem
as.factor(sanhacos$Sanhaco)
as.factor(sanhacos$Melastomatacea)
table1<-table(sanhacos$Sanhaco,sanhacos$Melastomatacea)
rownames(table1)<-c("Outros pássaros", "Sanhaço")
colnames(table1)<-c("Outras árvores", "Melastomatacea")
table1
table2<-table(sanhacos$Melastomatacea, sanhacos$Sanhaco)
rownames(table2)<-c("Outras árvores", "Melastomatacea")
colnames(table2)<-c("Outros pássaros", "Sanhaço")
table2
#Tabelas de frequência relativa
table1.prop<-prop.table(table1, margin=1)
table1.prop
table2.prop<-prop.table(table2, margin=1)
table2.prop
#Faça um gráfico de barras mostrando a relação entre as variáveis
barplot(table1, beside=T)
barplot(table2, beside = T)
#No caso, o gráfico da tabela 1 (tipo de árvore no eixo x) ficou mais adequado
#Melhorando o gráfico
cores<-c("dark green", "dark red")
barplot(table1, beside=T, ylim=c(0, 80), las=1, xlab="Tipo de árvore", ylab="Número de pássaros", col=cores, main="Sanhaços têm preferência por Melastomataceas?")
legend("topleft", legend=colnames(table2)<-c("Outros pássaros", "Sanhaço"), col=cores, pch=15, title="Tipo de pássaro")
box()
####### Tarefa 2 #######
#Importando e conferindo os dados
setwd("C:/R/Curso R/Módulo 3/Scripts e dados M3/atividade")
dir()
#Lendo o arquivo e atribuindo a um objeto
cultivos<-read.table("dados_atividade3.txt", header=T)
#Conferindo se o objeto foi criado corretamente e sumário de dados
summary(cultivos)
#Crie um gráfico de dispersão entre as variáveis quantitativas
plot(cultivos$Produtividade ~ cultivos$Adubo, ylim=c(10, 25), las=1, ylab="Produtividade", xlab="Adubo", main="Produtividade por quantidade de adubo")
#Agora crie o gráfico novamente, diferenciando os pontos de acordo com a variável “Cultivo”
levels(cultivos$Cultivo)
cores<-c("dark green", "dark red")
plot(cultivos$Produtividade ~ cultivos$Adubo, ylim=c(10, 30), las=1, ylab="Produtividade", xlab="Adubo", col=cores[cultivos$Cultivo], pch=16, main="Produtividade em diferentes cultivos")
legend("topleft", pch=16, col=cores, legend=c("Comum", "Agroflorestal"), title="Tipos de cultivos")
#Em gráficos separados, lado a lado:
par(mfrow=c(1,2))
plot(cultivos$Produtividade[cultivos$Cultivo=="Comum"] ~ cultivos$Adubo[cultivos$Cultivo=="Comum"], xlab="Adubo", ylab="Produtividade", las=1, pch=16, main="Produtividade em cultivo comum", ylim=c(10, 25), col="dark green")
plot(cultivos$Produtividade[cultivos$Cultivo=="Agroflorestal"] ~ cultivos$Adubo[cultivos$Cultivo=="Agroflorestal"], xlab="Adubo", ylab="Produtividade", las=1, pch=16, main="Produtividade em cultivo agroflorestal", ylim=c(10, 25), col="dark red")
#Em gráficos separados, empilhados
par(mfrow=c(2,1))
plot(cultivos$Produtividade[cultivos$Cultivo=="Comum"] ~ cultivos$Adubo[cultivos$Cultivo=="Comum"], xlab="Adubo", ylab="Produtividade", las=1, pch=16, main="Produtividade em cultivo comum", ylim=c(10, 25), col="dark green")
plot(cultivos$Produtividade[cultivos$Cultivo=="Agroflorestal"] ~ cultivos$Adubo[cultivos$Cultivo=="Agroflorestal"], xlab="Adubo", ylab="Produtividade", las=1, pch=16, main="Produtividade em cultivo agroflorestal", ylim=c(10, 25), col="dark red")
dev.off()
Segue o meu script:
##########################
#Prática Módulo 3 #
#Fabíola Turiel C. Silva #
##########################
###### Tarefa 1 ########
#Importando e conferindo os dados
setwd("C:/R/Curso R/Módulo 3/Scripts e dados M3/atividade")
dir()
#Lendo o arquivo e atribuindo a um objeto
sanhacos<-read.table("sanhacos.txt", header=T)
#Conferindo se o objeto foi criado corretamente e sumário de dados
summary(sanhacos)
#Criando tabelas de contingência e comparar a ordem
as.factor(sanhacos$Sanhaco)
as.factor(sanhacos$Melastomatacea)
table1<-table(sanhacos$Sanhaco,sanhacos$Melastomatacea)
rownames(table1)<-c("Outros pássaros", "Sanhaço")
colnames(table1)<-c("Outras árvores", "Melastomatacea")
table1
table2<-table(sanhacos$Melastomatacea, sanhacos$Sanhaco)
rownames(table2)<-c("Outras árvores", "Melastomatacea")
colnames(table2)<-c("Outros pássaros", "Sanhaço")
table2
#Tabelas de frequência relativa
table1.prop<-prop.table(table1, margin=1)
table1.prop
table2.prop<-prop.table(table2, margin=1)
table2.prop
#Faça um gráfico de barras mostrando a relação entre as variáveis
barplot(table1, beside=T)
barplot(table2, beside = T)
#No caso, o gráfico da tabela 1 (tipo de árvore no eixo x) ficou mais adequado
#Melhorando o gráfico
cores<-c("dark green", "dark red")
barplot(table1, beside=T, ylim=c(0, 80), las=1, xlab="Tipo de árvore", ylab="Número de pássaros", col=cores, main="Sanhaços têm preferência por Melastomataceas?")
legend("topleft", legend=colnames(table2)<-c("Outros pássaros", "Sanhaço"), col=cores, pch=15, title="Tipo de pássaro")
box()
####### Tarefa 2 #######
#Importando e conferindo os dados
setwd("C:/R/Curso R/Módulo 3/Scripts e dados M3/atividade")
dir()
#Lendo o arquivo e atribuindo a um objeto
cultivos<-read.table("dados_atividade3.txt", header=T)
#Conferindo se o objeto foi criado corretamente e sumário de dados
summary(cultivos)
#Crie um gráfico de dispersão entre as variáveis quantitativas
plot(cultivos$Produtividade ~ cultivos$Adubo, ylim=c(10, 25), las=1, ylab="Produtividade", xlab="Adubo", main="Produtividade por quantidade de adubo")
#Agora crie o gráfico novamente, diferenciando os pontos de acordo com a variável “Cultivo”
levels(cultivos$Cultivo)
cores<-c("dark green", "dark red")
plot(cultivos$Produtividade ~ cultivos$Adubo, ylim=c(10, 30), las=1, ylab="Produtividade", xlab="Adubo", col=cores[cultivos$Cultivo], pch=16, main="Produtividade em diferentes cultivos")
legend("topleft", pch=16, col=cores, legend=c("Comum", "Agroflorestal"), title="Tipos de cultivos")
#Em gráficos separados, lado a lado:
par(mfrow=c(1,2))
plot(cultivos$Produtividade[cultivos$Cultivo=="Comum"] ~ cultivos$Adubo[cultivos$Cultivo=="Comum"], xlab="Adubo", ylab="Produtividade", las=1, pch=16, main="Produtividade em cultivo comum", ylim=c(10, 25), col="dark green")
plot(cultivos$Produtividade[cultivos$Cultivo=="Agroflorestal"] ~ cultivos$Adubo[cultivos$Cultivo=="Agroflorestal"], xlab="Adubo", ylab="Produtividade", las=1, pch=16, main="Produtividade em cultivo agroflorestal", ylim=c(10, 25), col="dark red")
#Em gráficos separados, empilhados
par(mfrow=c(2,1))
plot(cultivos$Produtividade[cultivos$Cultivo=="Comum"] ~ cultivos$Adubo[cultivos$Cultivo=="Comum"], xlab="Adubo", ylab="Produtividade", las=1, pch=16, main="Produtividade em cultivo comum", ylim=c(10, 25), col="dark green")
plot(cultivos$Produtividade[cultivos$Cultivo=="Agroflorestal"] ~ cultivos$Adubo[cultivos$Cultivo=="Agroflorestal"], xlab="Adubo", ylab="Produtividade", las=1, pch=16, main="Produtividade em cultivo agroflorestal", ylim=c(10, 25), col="dark red")
dev.off()
Fabíola Turiel- Mensagens : 4
Data de inscrição : 31/03/2020
Idade : 30
Localização : Brasília
Re: Atividade Modulo 3- Duvidas e comentários
Oi Fabíola!
Huuuum...boa ideia também, gostei!
Você definiu quem era linha e quem era coluna pela ordem que você criou o objeto "table1"?
Se for isso, acho que acabei de encontrar um erro no meu script. rs
Huuuum...boa ideia também, gostei!
Você definiu quem era linha e quem era coluna pela ordem que você criou o objeto "table1"?
Se for isso, acho que acabei de encontrar um erro no meu script. rs
Bia N.- Mensagens : 31
Data de inscrição : 31/03/2020
Re: Atividade Modulo 3- Duvidas e comentários
Olá meninas,
Compartilho do mesmo tilt mental, hahahaha. Ao contrário da Fabiola, fui pelo caminho mais difícil de todos, fiquei comparando as linhas e colunas com os valores do gráfico de barras da aula virtual. Mas o jeito da Fabiola é BEMMMM melhor e acabei modificando meu script, com os comandos rownames() e colnames()
Acrescentando informações sobre a tarefa encaminho minhas interpretações dos dois dados:
###Interpretação gráfico de barras: a presença ou ausência do sanhaço independe da espécie da árvore, ou seja a hipótese que há mais sanhaço na árvore Melastomatacea não parece ser real.
###Interpretação gráfico de dispersão: O tipo do adubo utilizado não parece diferir na produtividade dos dois tipos de cultivo, entretanto a produtividade no cultivo de Agrofloresta tende a ser maior do que em cultivo Comum.
Por acaso fizeram alguma outra interpretação ou conclusão?? Tenho receio em descrever alguns dizeres nessas interpretações gráficas por enquanto.
Segue também meus scripts....
#####################
# Lição de casa módulo 3 #
# utilizando dados sanhaços #
#Aula Bioestatistica conservação #
# Prof Marcos Vital em 03/05 #
##################################
#Importar e conferir dados
setwd("/Users/carol/Documents/MESTRADO/Estatistica/CURSO ESTATISTICA DA CONSERVAÇÃO/MÓDULO 3/Scripts e dados M3/atividade")
dir()
dados<-read.table("sanhacos.txt", h=T)
summary(dados)
View(dados)
#Criando tabelas de contingência e comparar a ordem
as.factor(dados$Sanhaco)
as.factor(dados$Melastomatacea)
tabela<-table(dados$Sanhaco, dados$Melastomatacea)
rownames(tabela)<-c("Outros pássaros", "Sanhaço")
colnames(tabela)<-c("Outras árvores", "Melastomatacea")
tabela
tabela2<-table(dados$Melastomatacea, dados$Sanhaco)
rownames(tabela2)<-c("Outras árvores", "Melastomatacea")
colnames(tabela2)<-c("Outros pássaros", "Sanhaço")
#Criando tabela de contingência
levels(dados$Sanhaco)
levels(dados$Melastomatacea)
#Frequencia relativa :
prop.table(tabela, margin=1)
tabela.prop<-prop.table(tabela, margin=1)
prop.table(tabela2, margin=1)
tabela.prop<-prop.table(tabela2, margin=1)
#Gráfico de barras da relação espécie da árvore pela ausência ou presença do sanhaço
barplot(tabela, beside = T, ylim = c(0, 60), las=1, xlab = "A espécie de árvore", ylab = "Observação de sanhaço",col=cores)
cores<-c("brown", "green4")
legend("topleft", legend = c("Ausência", "Presença"), col=cores, pch = 15)
box()
#############
#Fazendo ao contrário: relação da presença do sanhaço pelo tipo de árvore
table2
barplot(tabela2, beside = T, ylim = c(0, 60), las=1, xlab = "Presença do sanhaço", ylab="quantidade de árvore", col=cores2)
cores2<-c("black", "green2")
legend("topleft", legend = c("àrvore inespecífica", "Melastomatacea"), col=cores2, pch = 15)
##################################
# Lição de casa módulo 3 #
# utilizando dados ativiadde_3 #
#Aula Bioestatistica conservação #
# Prof Marcos Vital em 03/05 #
##################################
#Importar e conferir dados
setwd("/Users/carol/Documents/MESTRADO/Estatistica/CURSO ESTATISTICA DA CONSERVAÇÃO/MÓDULO 3/Scripts e dados M3/atividade")
dir()
dados<-read.table("dados_atividade3.txt", h=T)
summary(dados)
View(dados)
#####Nossa pergunta é como o adubo afeta a produtividade
plot(dados$Produtividade ~ dados$Adubo, xlab="Adubo utilizado", ylab="Produtividade do solo", las=1, pch=16)
#Fazendo dois gráficos para interpretação dos dados com a diferenciação do tipo do cultivo
par(mfrow=c(1,2))
#aqui eu pedi para o R fazer dois graficos no mesmo quadrante com a função par() e com o elemento mfrow dividir a janela em quadrantes, 1 linha e 2 colunas
plot(dados$Produtividade[dados$Cultivo=="Agroflorestal"] ~ dados$Adubo[dados$Cultivo=="Agroflorestal"], ylim=c(0, 30), xlab="Adubo utilizado", ylab="Produtividade do solo", las=1, pch=16, main="Cultivo na Agrofloresta")
plot(dados$Produtividade[dados$Cultivo=="Comum"] ~ dados$Adubo[dados$Cultivo=="Comum"], ylim=c(0, 30), xlab="Adubo utilizado", ylab="Produtividade do solo", las=1, pch=16, main="Cultivo Comum")
dev.off()
##################
#Fazendo apenas um gráfico para interpretação dos dados com a diferenciação do tipo do cultivo:
levels(dados$Cultivo)
cores<-c("green4", "pink4")
plot(dados$Produtividade ~ dados$Adubo, xlab="Adubo utilizado", ylab="Produtividade do solo", las=1, pch=16, col=cores[dados$Cultivo])
legend("topleft", pch = 16, col=cores, legend =levels(dados$Cultivo))
Compartilho do mesmo tilt mental, hahahaha. Ao contrário da Fabiola, fui pelo caminho mais difícil de todos, fiquei comparando as linhas e colunas com os valores do gráfico de barras da aula virtual. Mas o jeito da Fabiola é BEMMMM melhor e acabei modificando meu script, com os comandos rownames() e colnames()
Acrescentando informações sobre a tarefa encaminho minhas interpretações dos dois dados:
###Interpretação gráfico de barras: a presença ou ausência do sanhaço independe da espécie da árvore, ou seja a hipótese que há mais sanhaço na árvore Melastomatacea não parece ser real.
###Interpretação gráfico de dispersão: O tipo do adubo utilizado não parece diferir na produtividade dos dois tipos de cultivo, entretanto a produtividade no cultivo de Agrofloresta tende a ser maior do que em cultivo Comum.
Por acaso fizeram alguma outra interpretação ou conclusão?? Tenho receio em descrever alguns dizeres nessas interpretações gráficas por enquanto.
Segue também meus scripts....
#####################
# Lição de casa módulo 3 #
# utilizando dados sanhaços #
#Aula Bioestatistica conservação #
# Prof Marcos Vital em 03/05 #
##################################
#Importar e conferir dados
setwd("/Users/carol/Documents/MESTRADO/Estatistica/CURSO ESTATISTICA DA CONSERVAÇÃO/MÓDULO 3/Scripts e dados M3/atividade")
dir()
dados<-read.table("sanhacos.txt", h=T)
summary(dados)
View(dados)
#Criando tabelas de contingência e comparar a ordem
as.factor(dados$Sanhaco)
as.factor(dados$Melastomatacea)
tabela<-table(dados$Sanhaco, dados$Melastomatacea)
rownames(tabela)<-c("Outros pássaros", "Sanhaço")
colnames(tabela)<-c("Outras árvores", "Melastomatacea")
tabela
tabela2<-table(dados$Melastomatacea, dados$Sanhaco)
rownames(tabela2)<-c("Outras árvores", "Melastomatacea")
colnames(tabela2)<-c("Outros pássaros", "Sanhaço")
#Criando tabela de contingência
levels(dados$Sanhaco)
levels(dados$Melastomatacea)
#Frequencia relativa :
prop.table(tabela, margin=1)
tabela.prop<-prop.table(tabela, margin=1)
prop.table(tabela2, margin=1)
tabela.prop<-prop.table(tabela2, margin=1)
#Gráfico de barras da relação espécie da árvore pela ausência ou presença do sanhaço
barplot(tabela, beside = T, ylim = c(0, 60), las=1, xlab = "A espécie de árvore", ylab = "Observação de sanhaço",col=cores)
cores<-c("brown", "green4")
legend("topleft", legend = c("Ausência", "Presença"), col=cores, pch = 15)
box()
#############
#Fazendo ao contrário: relação da presença do sanhaço pelo tipo de árvore
table2
barplot(tabela2, beside = T, ylim = c(0, 60), las=1, xlab = "Presença do sanhaço", ylab="quantidade de árvore", col=cores2)
cores2<-c("black", "green2")
legend("topleft", legend = c("àrvore inespecífica", "Melastomatacea"), col=cores2, pch = 15)
##################################
# Lição de casa módulo 3 #
# utilizando dados ativiadde_3 #
#Aula Bioestatistica conservação #
# Prof Marcos Vital em 03/05 #
##################################
#Importar e conferir dados
setwd("/Users/carol/Documents/MESTRADO/Estatistica/CURSO ESTATISTICA DA CONSERVAÇÃO/MÓDULO 3/Scripts e dados M3/atividade")
dir()
dados<-read.table("dados_atividade3.txt", h=T)
summary(dados)
View(dados)
#####Nossa pergunta é como o adubo afeta a produtividade
plot(dados$Produtividade ~ dados$Adubo, xlab="Adubo utilizado", ylab="Produtividade do solo", las=1, pch=16)
#Fazendo dois gráficos para interpretação dos dados com a diferenciação do tipo do cultivo
par(mfrow=c(1,2))
#aqui eu pedi para o R fazer dois graficos no mesmo quadrante com a função par() e com o elemento mfrow dividir a janela em quadrantes, 1 linha e 2 colunas
plot(dados$Produtividade[dados$Cultivo=="Agroflorestal"] ~ dados$Adubo[dados$Cultivo=="Agroflorestal"], ylim=c(0, 30), xlab="Adubo utilizado", ylab="Produtividade do solo", las=1, pch=16, main="Cultivo na Agrofloresta")
plot(dados$Produtividade[dados$Cultivo=="Comum"] ~ dados$Adubo[dados$Cultivo=="Comum"], ylim=c(0, 30), xlab="Adubo utilizado", ylab="Produtividade do solo", las=1, pch=16, main="Cultivo Comum")
dev.off()
##################
#Fazendo apenas um gráfico para interpretação dos dados com a diferenciação do tipo do cultivo:
levels(dados$Cultivo)
cores<-c("green4", "pink4")
plot(dados$Produtividade ~ dados$Adubo, xlab="Adubo utilizado", ylab="Produtividade do solo", las=1, pch=16, col=cores[dados$Cultivo])
legend("topleft", pch = 16, col=cores, legend =levels(dados$Cultivo))
Carolina Lorieri- Mensagens : 35
Data de inscrição : 01/04/2020
Re: Atividade Modulo 3- Duvidas e comentários
Olá pessoal. Eu também penei com a questão de sim e não x sim e não. Eu não tinha pensado na sugestão da Fabíola mas, ainda assim, depois de muito quebrar a cabeça consegui os mesmos resultados. Com certeza do jeito que ela sugeriu facilita muito, e passarei a utilizar desse jeito agora. Show de bola. Valeu pela troca de ideias.
pebarbosa- Mensagens : 13
Data de inscrição : 08/04/2020
Re: Atividade Modulo 3- Duvidas e comentários
Bia N. escreveu:Oi Fabíola!
Huuuum...boa ideia também, gostei!
Você definiu quem era linha e quem era coluna pela ordem que você criou o objeto "table1"?
Se for isso, acho que acabei de encontrar um erro no meu script. rs
Oi Bia, respondendo a sua pergunta: defini quem era linha ou coluna de acordo com a ordem dos argumentos na função table(). No caso, ela usa a ordem y~x, onde y são as linhas (rownames) e x colunas (colnames). Então você deve obedecer essa ordem ao estabelecer os nomes e ter cuidado para não trocar .
abs
Fabíola Turiel- Mensagens : 4
Data de inscrição : 31/03/2020
Idade : 30
Localização : Brasília
Atividade módulo III
Boa noite pessoal, segue meu script do exercício do módulo III. Acabei empacando um pouco nesse módulo, e também tive problemas no "sim" e "não" e usei a sugestão da colega acima. Quando tentei plotar os gráficos um em cima do outro deu o seguinte erro como consta no final do script, alguém sabe o que significa?
###################################
#Atividade do módulo II #
#Alan Lacerda #
#R para biologia da conservação #
###################################
#Carregando os dados e visualizando os dados
dir()
dados<-read.table("sanhacos.txt", header= T)
dados
summary(dados)
View(dados)
# Predição - os sanhaços estarão mais presentes nas melastomataceas
########################################
#Criando uma tabela de contigência
as.factor(dados$Sanhaco)
as.factor(dados$Melastomatacea)
tabela<-table(dados$Sanhaco, dados$Melastomatacea)
rownames(tabela)<-c("Outros pássaros", "Sanhaço")
colnames(tabela)<-c("Outras árvores", "Melastomatacea")
tabela
#Criando a tabela em outra ordem
tabela.2<-table(dados$Melastomatacea, dados$Sanhaco)
rownames(tabela.2)<-c("Outras árvores", "Melastomatacea")
colnames(tabela.2)<-c("Outros pássaros", "Sanhaço")
tabela.2
#Tabela de frequências relativas (tabela e tabela.2)
tabela.prop<-prop.table(tabela, 1)
tabela.prop
tabela.prop2<-prop.table(tabela.2, margin=1)
tabela.prop2
#######
#O gráfico
barplot(tabela.2, beside=TRUE)
# Gráfico com o nome das árvores no eixo x
cores<-c("green4", "red4")
barplot(tabela, beside=TRUE, ylim=c(0,60), las=1, xlab= "Tipo de árvores avistadas", ylab= "Passaros observados", main = "Observação de Sanhaços em tipos de árvores", col=cores)
legend("topleft", legend=levels(dados$Melastomatacea), col=cores,pch=15)
box()
levels(dados$Melastomatacea)
################################
# Tarefa 2 - gráfico de dispersão
dir()
dados<-read.table("dados_atividade3.txt", header= T)
dados
summary(dados)
View(dados)
#Como o adubo afeta a produtividade (adubo explicativa e produtividade resposta). Diferenciar os pontos de acordo com a variável "Cultivo"
#Plotando o gráfico
plot(dados$Produtividade ~ dados$Adubo, xlab="Adubos analisados", ylab="Produtividade do solo", las=1, pch=16)
# Gráficos para comparar
par(mfrow=c(1,2))
plot(plot(dados$Produtividade[dados$Cultivo=="Comum"] ~ dados$Adubo[dados$Cultivo=="Comum"], xlab="Adubos analisados", ylab="Produtividade do solo", las=1, pch=16, main="Ambiente Comum"))
plot(plot(dados$Produtividade[dados$Cultivo=="Agroflorestal"] ~ dados$Adubo[dados$Cultivo=="Agroflorestal"], xlab="Adubos analisados", ylab="Produtividade do solo", las=1, pch=16, main = "Ambiente Agroflorestal"))
#Separando por cores
levels(dados$Cultivo)
cores<-c("green4", "red4")
plot(dados$Produtividade ~ dados$Adubo, xlab="Adubos analisados", ylab="Produtividade do solo", las=1, pch=16, col=cores)
legend("topleft", pch=16, col=cores, legend=c("Cultivo comum", "Cultivo Agroflorestal"))
box()
######################################
erro ao plotar os gráficos no mfrow()
Error in plot.window(...) : valores finitos são necessários para 'xlim'
Além disso: Warning messages:
1: In min(x) : nenhum argumento não faltante para min; retornando Inf
2: In max(x) : nenhum argumento não faltante para max; retornando -Inf
3: In min(x) : nenhum argumento não faltante para min; retornando Inf
4: In max(x) : nenhum argumento não faltante para max; retornando -Inf
###################################
#Atividade do módulo II #
#Alan Lacerda #
#R para biologia da conservação #
###################################
#Carregando os dados e visualizando os dados
dir()
dados<-read.table("sanhacos.txt", header= T)
dados
summary(dados)
View(dados)
# Predição - os sanhaços estarão mais presentes nas melastomataceas
########################################
#Criando uma tabela de contigência
as.factor(dados$Sanhaco)
as.factor(dados$Melastomatacea)
tabela<-table(dados$Sanhaco, dados$Melastomatacea)
rownames(tabela)<-c("Outros pássaros", "Sanhaço")
colnames(tabela)<-c("Outras árvores", "Melastomatacea")
tabela
#Criando a tabela em outra ordem
tabela.2<-table(dados$Melastomatacea, dados$Sanhaco)
rownames(tabela.2)<-c("Outras árvores", "Melastomatacea")
colnames(tabela.2)<-c("Outros pássaros", "Sanhaço")
tabela.2
#Tabela de frequências relativas (tabela e tabela.2)
tabela.prop<-prop.table(tabela, 1)
tabela.prop
tabela.prop2<-prop.table(tabela.2, margin=1)
tabela.prop2
#######
#O gráfico
barplot(tabela.2, beside=TRUE)
# Gráfico com o nome das árvores no eixo x
cores<-c("green4", "red4")
barplot(tabela, beside=TRUE, ylim=c(0,60), las=1, xlab= "Tipo de árvores avistadas", ylab= "Passaros observados", main = "Observação de Sanhaços em tipos de árvores", col=cores)
legend("topleft", legend=levels(dados$Melastomatacea), col=cores,pch=15)
box()
levels(dados$Melastomatacea)
################################
# Tarefa 2 - gráfico de dispersão
dir()
dados<-read.table("dados_atividade3.txt", header= T)
dados
summary(dados)
View(dados)
#Como o adubo afeta a produtividade (adubo explicativa e produtividade resposta). Diferenciar os pontos de acordo com a variável "Cultivo"
#Plotando o gráfico
plot(dados$Produtividade ~ dados$Adubo, xlab="Adubos analisados", ylab="Produtividade do solo", las=1, pch=16)
# Gráficos para comparar
par(mfrow=c(1,2))
plot(plot(dados$Produtividade[dados$Cultivo=="Comum"] ~ dados$Adubo[dados$Cultivo=="Comum"], xlab="Adubos analisados", ylab="Produtividade do solo", las=1, pch=16, main="Ambiente Comum"))
plot(plot(dados$Produtividade[dados$Cultivo=="Agroflorestal"] ~ dados$Adubo[dados$Cultivo=="Agroflorestal"], xlab="Adubos analisados", ylab="Produtividade do solo", las=1, pch=16, main = "Ambiente Agroflorestal"))
#Separando por cores
levels(dados$Cultivo)
cores<-c("green4", "red4")
plot(dados$Produtividade ~ dados$Adubo, xlab="Adubos analisados", ylab="Produtividade do solo", las=1, pch=16, col=cores)
legend("topleft", pch=16, col=cores, legend=c("Cultivo comum", "Cultivo Agroflorestal"))
box()
######################################
erro ao plotar os gráficos no mfrow()
Error in plot.window(...) : valores finitos são necessários para 'xlim'
Além disso: Warning messages:
1: In min(x) : nenhum argumento não faltante para min; retornando Inf
2: In max(x) : nenhum argumento não faltante para max; retornando -Inf
3: In min(x) : nenhum argumento não faltante para min; retornando Inf
4: In max(x) : nenhum argumento não faltante para max; retornando -Inf
Alan_blefor- Mensagens : 11
Data de inscrição : 30/03/2020
Tópicos semelhantes
» [R7.0] Webinário 1 (20/04/2020) - Dúvidas e comentários
» Atividade do módulo 2
» Atividade Módulo-3
» Atividade Módulo 3
» Atividade do Modulo 3
» Atividade do módulo 2
» Atividade Módulo-3
» Atividade Módulo 3
» Atividade do Modulo 3
Página 1 de 1
Permissões neste sub-fórum
Não podes responder a tópicos
|
|