Coleção dados
Um caminho pelos dados
Leia, inspecione, transforme e grave tabelas em uma ordem que preserve as decisões da análise.
Da fonte à saída
A coleção trama.data fornece tabelas ao fluxo, descreve sua estrutura, prepara valores, transforma linhas e colunas, combina fontes e grava resultados. A sequência depende da pergunta, mas uma inspeção após a leitura ajuda a escolher conversões e tratamentos de faltantes com base no conteúdo observado.
| Etapa | Nós | Decisão |
|---|---|---|
| Ler ou criar | data/read, data/example, data/public, data/generate | Leia arquivo ou link em qualquer formato, carregue uma base de pacote ou produza dados simulados. |
| Inspecionar | data/summary, data/get_dupes | Verifique tipos, faltantes, extremos e chaves repetidas. |
| Preparar | data/clean_names, data/remove_empty, data/distinct, data/rename, data/drop_na, data/replace_na, data/convert | Ajuste nomes, duplicidades, ausências e tipos segundo o significado dos dados. |
| Transformar | data/filter, data/mutate, data/select, data/arrange, data/slice_head, data/sample, data/separate, data/unite, data/recode, data/pivot_longer, data/pivot_wider | Selecione registros, calcule colunas e ajuste a forma da tabela. |
| Resumir e combinar | data/group_summarise, data/join, data/bind_rows | Calcule medidas por grupo ou relacione/empilhe tabelas. |
| Processar por etapas | data/to_stream, data/from_stream | Delimite uma região que processa lotes em sequência. |
| Gravar | data/write_csv, data/write_rds, data/write_parquet | Escolha formato de intercâmbio, persistência R ou armazenamento colunar. |
Inspeção orienta a preparação
data/summary apresenta uma linha por coluna, com tipo, faltantes, valores distintos, extremos e exemplo. No CSV, células vazias são faltantes; Marcas de faltante acrescenta códigos como - ou n/d. data/convert ajusta uma coluna que chegou como texto, enquanto data/drop_na e data/replace_na representam decisões diferentes sobre ausências.
library(trama)
reg <- tr_registry()
tr_use("trama.data", registry = reg)
tr_flow(reg) |>
tr_add("ler", "data/read", path = "dados/vendas.csv",
delim = ";", na = "NA, -, n/d") |>
tr_add("perfil", "data/summary", from = "ler") |>
tr_add("faltantes", "data/arrange", cols = "faltantes", desc = TRUE,
from = "perfil")Linhas, medidas e forma
data/filter mantém registros conforme uma condição; data/mutate calcula valores para cada linha. data/group_summarise produz uma linha por combinação de grupos. data/pivot_longer empilha colunas em linhas e data/pivot_wider transforma categorias em colunas. Antes de espalhar dados, confira se as chaves identificam um único valor.
data/join relaciona duas tabelas por chave e pode multiplicar linhas quando há chaves repetidas em ambos os lados. data/bind_rows acrescenta registros de tabelas, alinhando colunas pelos nomes. Essas operações respondem a formatos de entrada distintos.
Saída e lotes
Os nós data/write_* gravam a tabela e a repassam ao fluxo. CSV favorece intercâmbio, RDS preserva classes do R e Parquet usa formato colunar. data/to_stream e data/from_stream delimitam uma região de processamento por lotes; os nós intermediários operam sobre cada lote.