PPRIMEIROS PASSOS NO JORNALISMO DE DADOS: INTRODUÇÃO AO R E AO TIDYVERSE

Texto por Renan Cavalcante

 

Ao começar a trabalhar com dados, o jornalista descobre que nem todas as planilhas podem ser abertas utilizando o Excel. O editor de planilhas da Microsoft tem um limite de pouco mais de 1 milhão de linhas. Para efeito de comparação, a base de dados do Enem de 2018 possui mais de 5 milhões de linhas, uma para cada inscrito no exame. Para contornar o problema, são utilizadas linguagens de programação que auxiliam no trabalho jornalístico baseado em dados, como o R.

Neste workshop, os instrutores Ana Carolina Moreno e Jean Prado mostraram como é possível utilizar o R para analisar bases de dados em formato de tabela, nas quais cada linha é um registro e cada coluna traz detalhes sobre ela. Essas tabelas são conhecidas como data frame ou tibble e são comumente salvas no formato .csv.

Aqui, é fundamental aprender o ciclo do trabalho com dados: importar, limpar, transformar e visualizar. O primeiro passo é importar a base de dados para o R Studio. Depois, é hora da limpeza: formatar os dados para que cada linha seja uma variável e cada coluna uma observação. A próxima etapa é a transformação, em que são criadas novas observações importantes para o trabalho. E para concluir, cria-se a visualização dos dados em formato de gráficos ou mapas que facilitam a comunicação e entendimento das informações ali contidas.

É importante entender que não existe uma base de dados ideal. É necessário a adaptação através de transformações e cruzamentos com outras bases para que as análises sirvam para o trabalho. Também vale lembrar que as bases não são a realidade, mas sim uma representação dela. 

Introduzindo o Tidyverse

Durante a atividade, os palestrantes apresentaram o Tidyverse, um conjunto de pacotes que compartilha a mesma gramática e estrutura. Dentre eles, destacaram os mais relevantes para um trabalho jornalístico baseado em dados:

• readr: para abrir bases de dados e salvar tabelas;
• dplyr:  para manipular os dados (filtrar, criar colunas, agrupar, resumir, ordenar etc.);
• stringr:  para organizar textos identificando padrões;
• lubridate: para ajustar formatos de data e hora;
• ggplot2:  para criar visualização de dados;
• magrittr: para estruturar o código e deixá-lo mais legível.

 

Referências

Primeiros passos no jornalismo de dados: Introdução ao R e ao Tidyverse (1/3)

Como baixar e instalar o R

Tutorial em vídeo de como baixar e instalar o R

R para Ciência de Dados

Tidyverse

R e RStudio instalado ou uma conta no Posit Cloud.