Questão de Estatística · FGV TJDFT 2022 (nº 42)

Para importar dados para o R, é crucial usar a função correta e especificar os parâmetros que descrevem como o arquivo está formatado. As funções read.csv, read.csv2 e read.table são as mais comuns, e seus parâmetros principais são sep (separador de colunas), dec (separador decimal), header (se a primeira linha contém nomes de colunas) e na.strings (quais caracteres representam valores ausentes).

• read.csv: Assume sep="," (vírgula) e dec="." (ponto) e header=TRUE.
• read.csv2: Assume sep=";" (ponto e vírgula) e dec="," (vírgula) e header=TRUE. É comum em países que usam vírgula como decimal.
• read.table: É mais genérica, assume sep="" (qualquer espaço em branco) e dec="." (ponto) e header=FALSE por padrão.

Analisando o arquivo "arq.csv":

1. Separador de colunas: É o | (pipe).
2. Separador decimal: É a , (vírgula), como em "1200,00".
3. Cabeçalho: A primeira linha ("1200,00"|"F"|"28") parece ser dados, não nomes de colunas. Portanto, header=FALSE.
4. Valores ausentes: O símbolo - (espaço, hífen, espaço) indica um valor perdido.

• (A) Incorreta: read.csv("arq.csv") usaria sep="," e dec="." e header=TRUE por padrão. Isso está incorreto para o separador de colunas (|), o separador decimal (,) e a ausência de cabeçalho.
• (B) Incorreta: read.csv2("arq.csv", sep="|", na.strings=" - ") corrige o separador de colunas (sep="|"), e o na.strings está correto. read.csv2 também lida corretamente com o separador decimal dec="," por padrão. A armadilha da banca: O problema é que read.csv2 assume header=TRUE por padrão. Como a primeira linha do arquivo é um dado e não um cabeçalho, ela seria interpretada incorretamente como nomes de colunas, causando problemas na leitura dos dados.
• (C) Correta: read.csv2("arq.csv", sep="|", header=FALSE, na.strings=" - ") é o comando mais adequado.
  • read.csv2 é a escolha certa porque lida com dec="," por padrão.
  • sep="|" corrige o separador de colunas para o pipe.
  • header=FALSE informa ao R que a primeira linha não é um cabeçalho, mas sim dados.
  • na.strings=" - " identifica corretamente o símbolo de valor ausente.
    Todos os parâmetros estão alinhados com a estrutura do arquivo.
• (D) Incorreta: read.table("arq.csv", dec=",", sep="|", na.strings = "-") tem dois problemas. Embora dec="," e sep="|" estejam corretos, o na.strings = "-" está incorreto, pois o valor ausente é " - " (com espaços), não apenas "-". Além disso, read.table pode ter um comportamento ligeiramente diferente com aspas em strings se não for especificado quote="", mas o na.strings é o erro mais evidente.
• (E) Incorreta: read.table("arq.csv", sep="|", na.strings = " - ") corrige o separador de colunas (sep="|"), e o na.strings está correto. No entanto, read.table assume dec="." por padrão. Como o arquivo usa dec=",", os números seriam lidos incorretamente, provavelmente como texto ou com valores errados.