Abrir o RStudio e carregar os pacotes
Comecemos por abrir uma nova sessão de trabalho do RStudio. Uma vez
aberta a sessão, crie um novo script R (File -> New File -> R
script) e carregue os principais pacotes R necessários para arrumar as
exportações .csv do SISMA. O tidyverse é uma coleção de
pacotes de código aberto concebidos para utilização geral em ciência de
dados. O sismar é um pacote desenvolvido com o objetivo
específico de efectuar a limpeza e a engenharia de caraterísticas das
exportações do SISMA. Por último, os pacotes glue fornecem
funções que nos permitem combinar e utilizar valores de cadeia de
caracteres no código.
Definir variáveis globais
Começaremos a nossa aventura codificando três valores no nosso ambiente global para utilização posterior - 1) o ano civil para o qual os dados foram descarregados do SISMA; 2) o caminho para a exportação .csv do SISMA guardada na nossa máquina local; e 3) o caminho e o nome do ficheiro onde o nosso conjunto de dados processados será guardado. Note que a melhor prática é armazenar dados e scripts em estruturas de pastas específicas de projectos R pré-criados. Isto facilita a reprodutibilidade e a colaboração entre utilizadores.
Arrumar dados do SISMA
Tendo definido o caminho local para o nosso conjunto de dados SISMA, podemos agora chamar funções do pacote sismar para gerar um quadro de dados analítico arrumado. Isto pode ser feito utilizando uma combinação de funções sismar chamadas em sequência ou chamando uma função “wrapper” singular especificando os argumentos apropriados, ou finalmente usando uma função individual que automaticamente reconhece o tipo de ficheiro insumo sendo introduzido pelo utilizador (abordagem recomendada). Comecemos por uma descrição da primeira abordagem.
Abordagem 1: Using Sequential Functions
Começaremos chamando clean_sisma_csv e fornecendo o
argumento da função que especifica onde nossa exportação SISMA .csv
baixada é salva em nossa máquina local. Observe que essa função não
depende do tipo de dados do programa contidos no arquivo .csv. Isso
significa que clean_sisma_csv pode ser usado com qualquer
download tabular do SISMA. No resultado, repare que os indicadores do
quadro de dados foram “pivotados” para um formato longo, que alguns
variáveis foram removidos, e que os nomes dos indicadores foram
ligerament alterados para serem mais legíveis.
df <- clean_sisma_csv(path_hiv_tarv)Em seguida, chamaremos uma função sismar para criar caraterísticas de
dados que são codificadas nos nomes de indicadores criados por
clean_sisma_csv. Neste caso de uso, chamamos
parse_sisma_hiv_tarv. É importante notar que existem vários
tipos de conjuntos de dados programáticos padrão que podem ser gerados
através de relatórios SISMA guardados. Isto significa que a função
específica de análise do sismar chamada para a engenharia de
caraterísticas varia consoante o tipo de conjunto de dados programáticos
fornecido pelo utilizador. A lista completa e a descrição de cada função
de análise do sismar são fornecidas na secção sismar package
documentation.
df <- parse_sisma_hiv_tarv(df)No resultado da função de análise, repare que foram adicionadas novas variáveis ao quadro de dados e que os nomes dos indicadores foram codificados para serem mais sucintos. Este formato organizado é perfeito para análise!
Abordagem 2: Utilização da função “wrapper”
Como alternativa à abordagem 1, o sismar também fornece uma função
wrapper que utiliza tanto clean_sisma_csv assim como
parse_sisma_hiv_tarv (ou uma função de análise semelhante
especificada pelo utilizador). Isso reduz a quantidade de digitação e
código necessário para produzir nosso producto final. Nesta abordagem,
nós simplesmente chamamos process_sisma_csv e fornecemos
dois argumentos necessários: 1) O argumento “file” (ficheiro) que
especifica a localização da exportação .csv do SISMA e; 2) O argumento
“type” (tipo) que especifica o tipo de dados programático para a
arrumação. Uma lista completa de valores que podem ser passados para o
argumento “type” pode ser encontrada no process_sisma_csv
documentation.
df <- process_sisma_csv(file = path_hiv_tarv,
type = "HIV TARV")Repare-se que o resultado desta função singular é idêntico ao quadro
de dados gerado na abordagem 1! O process_sisma_csv inclui
mais um argumento opcional que define a lingua dos nomes das variáveis
no ficheiro producto. Actualmente as únicas opções de idioma são
“portuguese” e “english” sendo a primeira definida como argumento por
defeito. Ao definir o valor do argumento como “english” observe a
mudança nos nomes das variáveis no quadro de dados resultante.
df <- process_sisma_csv(file = path_hiv_tarv,
type = "HIV TARV",
language = "english")Abordagem 3: Utilização a nova função “wrapper” automatizado (recommendado)
Já tendo visto como funciona a abordagem 2, pensem como seria
maravilhoso não ter de memorizar ou procurar o argumento “type” para
informar ao sismar que tipo de relatorio está a ser
introduzido. Uma função recém-criada no sismar chamada
process_sisma_export faz exatamente isso, eliminando a
necessidade de definir este argumento. process_sisma_export
detecta automaticamente as colunas presentes na tabela de entrada e, em
seguida, chama o código correcto para criar magicamente a tabela de
dados arrumada. Um exemplo de como isto funciona está abaixo!
df <- process_sisma_export(file = path_hiv_tarv)Boa análise do seu novo conjunto de dados organizado!
Disclaimer: The findings, interpretation, and conclusions expressed herein are those of the authors and do not necessarily reflect the views of United States Agency for International Development. All errors remain our own.