Cadernos R para comunicar pesquisas

Nesta postagem de blog, veremos como comunicar a pesquisa e apresentar esses resultados usando notebooks R. Esperamos que você obtenha deste tutorial uma estrutura para relatar e comunicar qualquer tipo de descoberta de pesquisa usando notebooks R.

Existem algumas grandes vantagens em fazer isso, principalmente quando se trata da ideia de pesquisa reproduzível . Discutiremos o que isso significa e como fazer isso em notebooks R.

Índice

• O que é reprodutibilidade?
• Iniciando um Notebook R
• Apresentando os pacotes em R Notebooks
• Adicionando uma referência dinâmica em R Notebooks
• Conclusão

O que é reprodutibilidade?

A ideia de reprodutibilidade é que qualquer um pode auditar suas descobertas e, com base nas entradas e nos processos que você usou, eles devem ser capazes de percorrer todo o processo. Existem algumas maneiras pelas quais isso entra em jogo para nossas necessidades de análise de dados: um ambiente que torna as coisas reproduzíveis, garantindo que as pessoas possam ver o que foi contribuído, sendo capaz de auditar facilmente um arquivo e ter um editor reproduzível.

Idealmente, alguém pode ver exatamente como você chegou ao relatório e como o gráfico ou tabela que você usou foi gerado para que tudo esteja em um ambiente totalmente reproduzível.

Agora você pode estar se perguntando como algo como LuckyTemplates ou Excel se encaixa nisso. Eu diria que está no meio do caminho neste fluxo de trabalho reproduzível. Quando pensamos em consulta de energia em particular, é muito bom em reprodutibilidade. Pense nas Etapas Aplicadas onde é muito óbvio ver os processos envolvidos.

Quando se trata de visualizações e relatórios, é aqui que as coisas ficam um pouco complicadas. Os notebooks R fazem parte do RStudio. Temos um curso no portal LuckyTemplates para você começar a trabalhar. Este em particular fala sobre R Markdown e R Notebooks em particular.

Portanto, se você estiver familiarizado com um notebook Jupyter , a ideia é que possamos intercalar texto e código para criar um documento narrativo para nossa pesquisa.

Seremos capazes de renderizar esses resultados em várias saídas diferentes. Se você precisa criar um PDF ou renderizá-lo em HTML, o R Notebooks pode ser usado para diferentes formatos de arquivo.

Para começar, abra seu notebook R e vá para Arquivo, Novo arquivo e, em seguida, R Notebook no RStudio. Estaremos trabalhando com um conjunto de dados mais antigo nos recursos, com esta pergunta de pesquisa realmente simples:

O preço de um computador depende de ter ou não um CD-ROM?

Esta questão está desatualizada, mas todos nós temos que começar de algum lugar. Também colocaremos o esqueleto de um relatório de pesquisa e apresentaremos os resultados da pesquisa usando essa estrutura básica.

Veremos algo assim no RStudio, e isso é chamado de arquivo .rmd, que é uma extensão de arquivo R markdown. Isso pode ser um pouco chocante, especialmente se você não estiver acostumado, mas existe uma maneira de visualizar o produto final polido.

Essa parte do notebook são os metadados chamados de arquivo YAML.

Depois dessa seção, estão esses textos anteriores para onde seus códigos irão. Depois, há a parte de texto do documento usando R Markdown . Se você já usou Markdown antes, R markdown é bem parecido. Podemos usar coisas como asteriscos e sinais de hash para marcar e renderizar nossos textos.

Vamos para R Studio e R Notebooks e, em seguida, percorrer esta análise juntos. Clique na roda dentada e certifique-se de que está escrito Visualizar no painel do visualizador .

Iniciando um Notebook R

Clicaremos no botão Visualizar e ele nos pedirá para salvá-lo. Novamente, este é um arquivo RMD, então precisamos salvá-lo primeiro. No painel esquerdo, veremos a saída renderizada. Agora, se mudarmos alguma coisa aqui e dissermos algo como Análise de computadores e adicionarmos um nome de autor como George Mount , ele precisará entrar entre aspas.

Depois de clicar em Salvar , ele será atualizado automaticamente para isso.

Então, vamos brincar com isso. Já existem alguns espaços reservados aqui, o que é bom. A primeira coisa que faremos é digitar “Um CD-ROM afeta o preço de venda?” Quando salvarmos isso, será Header1. Mas se quisermos transformar isso em duas marcas de hash, ele se transformará em Header2 e será menor.

O próximo passo é fazer uma Introdução , onde podemos inserir por que essas coisas são importantes. Por exemplo, podemos dizer que o CD-ROM é a próxima melhor coisa ou algo assim. Se você está trabalhando em relatórios de consumidores ou em um departamento de marketing, está tentando entender quais recursos são realmente importantes ou o que os consumidores estão procurando.

Chamaremos os pacotes R e começaremos. A única coisa boa que eu amo aqui é que podemos realmente usar HTML no R Notebook. Por exemplo, se quisermos deixar um comentário para nós mesmos, podemos fazer algo assim.

Quando salvamos isso, ele não está aparecendo. Então, estamos apenas deixando isso como um comentário para nós mesmos no texto. Isso é algo que eu gostaria que pudéssemos fazer em lugares como o MS Word.

Apresentando os pacotes em R Notebooks

A próxima etapa é usar este gráfico de código aqui e adicionar algumas configurações. Podemos usar Python e SQL, mas estamos usando R para este exemplo.

Vamos ler todos os pacotes de que precisamos. Se você não os tiver em seu computador, talvez seja necessário instalá-los.

Novamente, este não é um relatório completo. Percorreremos um esqueleto para mostrar algumas coisas que você deve saber sobre o R Markdown.

Agora vamos apresentar onde obtemos nossos dados e o que os torna importantes. Neste caso, poderíamos dizer que nossa fonte é o Journal of Applied Econometrics. Quando fizermos esse asterisco, ele o transformará em itálico.

Em seguida, leremos um arquivo no Excel e usaremos R para trazê-lo. Como você pode ver, os dados já parecem muito bons, o que é outra coisa interessante sobre R Notebooks.

Dependendo do formato de saída, isso pode até aparecer. Se você estiver usando HTML, seu usuário pode realmente folhear os dados e fazer alguma interação básica. É ótimo podermos fazer isso em documentos ativos.

Adicionando uma referência dinâmica em R Notebooks

Agora digamos que queremos incluir uma referência dinâmica no texto dos dados. Queremos que isso seja atualizado regularmente porque pode não ser o mesmo sempre que estivermos no relatório, certo? Então vamos fazer uma referência dinâmica aqui na linha, bem no texto.

Há uma folha de dicas e um guia de referência para todos esses códigos. Vá para Ajuda e selecione aquele para R Markdown para que você possa procurar todas as configurações diferentes. Provavelmente não vale a pena tentar memorizá-los porque há muitos e você pode simplesmente usar isso.

Vamos inserir o trecho R novamente e incluir FALSE , nrows e ncols .

Depois de executado e executado, podemos até ir ao ambiente R para ver se ele foi transformado em objetos.

Outra coisa legal é que, se você está apenas lançando ideias e deseja saber como será realmente, basta usar o console na parte inferior. Podemos executá-lo no console e ver como é a saída.

Voltaremos ao nosso painel de visualização. Agora, esta seção aqui não está aparecendo no relatório. Isso é bom se você quiser usar algum objeto, mas não quer mostrar nenhum código.

Usamos esses back texts em nrows e ncols para manter as coisas dinâmicas. Se você tiver um relatório em PDF e precisar alterar esses números automaticamente, em vez de codificá-los semana após semana, poderá usar essas referências em linha.

Estamos explorando os dados novamente e verificando o preço dos computadores.

Depois de executar esse código, podemos ver as estatísticas descritivas, todas bem formatadas. Dependendo do tamanho dos dados, é bastante responsivo e reativo ao tamanho do arquivo.

Conclusão

Para este tutorial, discutimos a importância de desenvolver pesquisas reproduzíveis e simplificar o processo de comunicação dos resultados da pesquisa por meio do uso de R Notebooks. Dessa forma, podemos reproduzir rápida e facilmente os resultados originais e rastrear para determinar como eles foram derivados. 

Fique atento à continuação deste tutorial na parte 2 desta série.

Jorge Monte