Note que, ao usar a função as_tibble( ), do pacote {tibble}, são apresentadas informações importantes como as dimensões (linhas x colunas), o nome das colunas (ou das variáveis) com suas respectivas classes e as 10 primeiras linhas (ou das 10 primeiras observações) da base de dados data_2020. Tudo de maneira limpa e organizada. Note, ainda, que é possível ter um panorama da base de uma forma bem compacta, mesmo ela tendo mais de 1 milhão de linhas. Para se ter uma ideia, se visualizarmos essa mesma base como um objeto data frame no console do R, devido ao seu grande volume de dados, não teríamos algo organizado e interpretável como num tibble, por exemplo.

Como já mencionei, é de nosso interesse ter um conjunto de dados que seja fácil de trabalhar, no sentido de realizar as análises, quaisquer que sejam elas, sem grandes dificuldades. Com esse objetivo, é recomendável ter uma base de dados na qual cada variável seja uma coluna e cada observação seja uma linha. Uma base que respeita essa estrutura é chamada de base de dados tidy.

Um tibble, por exemplo, não estará necessariamente na forma tidy. Nesse caso, podemos recorrer ao pacote {tidyr}, que possui recursos para deixar uma base de dados no formato tidy (processo conhecido como data tidying). Uma das principais utilidades desse pacote é que podemos “pivotar” a base, ou seja, colocá-la em formato longo (long format), onde cada indivíduo terá dados em mais de uma linha, ou formato amplo (wide format), onde cada linha representa um indivíduo – o que vai de acordo com os princípios de uma base tidy. Outra de suas funcionalidades é poder separar variáveis que estão concatenadas em uma única coluna utilizando a função separate() ou concatenar várias variáveis em uma única coluna com a função unite(). Para aprender mais sobre os pacotes {tibble} e o {tidyr} e como utilizar suas funções, recomendo a leitura do post Como organizar seu banco de dados com tibble e tidyr.

dplyr

Agora que sabemos estruturar devidamente uma base de dados, podemos começar a manipulá-la de maneira que os resultados sejam satisfatoriamente obtidos. Podemos utilizar nessa etapa o pacote {dplyr}, com o qual é possível, por exemplo, fazer seleções de colunas específicas com a função select(), reordenar a base com a função arrange(), filtrar informações segundo alguma característica de interesse com a função filter(), criar ou modificar colunas com a função mutate(), agrupar a base com a função group_by() ou sumarizar a base com a função summarise(). De fato, tudo isso pode ser feito com as funções base do próprio R. A vantagem de usar o {dplyr} é que os scripts ficam mais organizados e, consequentemente, mais simples de entender o que está sendo feito. Mais ainda se combinar as funções do {dplyr} com o operador pipe (%>%), o qual pertence ao pacote {magrittr} e é carregado automaticamente de forma implícita pelo {dplyr}. Ainda por cima, o dplyr utiliza as linguagens de programação C e C++ na maioria de suas funções, fazendo com que os códigos sejam mais rápidos e, portanto, que a análise dos dados seja mais eficiente. Para entender como funciona cada uma dessas funções do {dplyr} com mais detalhes, recomendo a leitura do post Utilizando o pacote dplyr, lá, elas são aplicadas a um conjunto de dados real.