Passo 3. Carregando pacotes

Se você quer trabalhar com dados em R, precisa dos pacotes. Muitos pacotes. Eles são como acessórios e funcionalidades extras que você adiciona a um carro básico.

Imagine que o R “puro”, recém-instalado, é como um carro popular saindo da fábrica: tem motor, volante, quatro rodas e leva você de um lugar ao outro. Funciona, mas vem apenas com o essencial. Agora, se você quiser direção hidráulica, ar-condicionado, câmera de ré, GPS, computador de bordo — você precisa de acessórios. No R, esses acessórios são os pacotes.

Os pacotes são kits de ferramentas criados por uma comunidade generosa, que os disponibiliza gratuitamente. Eles adicionam funções para limpar dados, gerar gráficos, analisar séries temporais, acessar APIs, processar imagens, geocodificar mapas — tudo o que você puder imaginar.

Você até poderia programar todas essas funções do zero… mas por que fazer isso, se já existe uma solução confiável, testada e documentada?

Mais adiante, você pode até desenvolver seus próprios pacotes — como quem monta seus próprios acessórios no carro. Mas neste momento, o mais importante é saber instalar, carregar e explorar pacotes prontos, especialmente úceis para trabalhar com dados em saúde pública, como os das bases do DataSUS, SIM, SINAN, SIH e outras fontes abertas.

🌟 Objetivos da aula

Ao final desta aula, você será capaz de:

✅ Explicar o que é um pacote em R
🔧 Instalar pacotes a partir do console (painel inferior direito – quadrante 4)
🚀 Carregar pacotes no início do seu script com library(), entendendo por que isso deve ser feito no script e não apenas no console
🔍 Encontrar documentação e exemplos de uso para os pacotes que você acabou de instalar

❓ O que é um pacote?

Um pacote é um conjunto de códigos, funções, dados e documentação que resolve um problema específico. Existem pacotes para limpeza de dados, construção de gráficos, análise espacial, manipulação de textos, séries temporais e muito mais.

A principal fonte para iniciantes é o CRAN – Comprehensive R Archive Network –, que reúne milhares de pacotes validados e estáveis. Você pode acessar a lista completa em: 🔗 https://cran.r-project.org/web/packages/available_packages_by_name.html

🌐 Exemplo: o pacote `tidyverse` e outros pacotes úceis

O tidyverse é um superpacote que reúne diversos pacotes populares para trabalhar com dados organizados segundo a lógica do “tidy data”. Ao instalar tidyverse, você instala automaticamente um conjunto de pacotes fundamentais para a análise moderna em R.

📦 Pacotes incluídos no `tidyverse`

Pacote	Finalidade principal
`ggplot2`	Visualização de dados com gráficos elegantes
`dplyr`	Manipulação de dados (filtro, seleção, agregação)
`readr`	Leitura de arquivos `.csv`, `.tsv` e outros
`tidyr`	Organização e transformação de dados
`tibble`	Versão moderna dos `data.frame`
`stringr`	Manipulação de textos e expressões regulares
`forcats`	Manipulação de variáveis fator
`purrr`	Programação funcional aplicada a listas e vetores
`lubridate`	Manipulação de datas e tempos (incluso desde a versão 2.0)

🧰 Pacotes adicionais recomendados no HealthieR Scripts

📆 Datas, tempo e semanas

chron, aweek, lubridate

📁 Leitura e escrita de arquivos

readxl, openxlsx, read.dbc, foreign, arrow, writexl

🧼 Organização e utilitários

skimr, here, magrittr, glue, xfun

📊 Visualização e gráficos

ggthemes, plotrix, lattice, scales, tidyplots

📋 Tabelas e estatísticas

gtsummary, gt, DescTools, epiR, epitools, stats

⚙️ Como instalar e carregar pacotes

Você pode instalar vários pacotes de uma vez:

install.packages(c("tidyverse", "skimr", "readxl", "writexl", "gtsummary", "epiR", "epitools", "plotrix", "here"))

Para carregar os pacotes em um script:

library(tidyverse)
library(epitools)

📚 Fontes para aprender sobre pacotes

README no CRAN
Vignettes dos pacotes
Buscas no Google ou redes sociais (#rstats)
Exemplos no RStudio com example(nome_funcao)

♻️ Script completo para automação

pkgs <- c(
  "aweek", "arrow", "chron", "DescTools", "epiR", "epitools", "foreign", "ggthemes",
  "glue", "gt", "gtsummary", "here", "lattice", "lubridate",
  "magrittr", "openxlsx", "plotrix", "read.dbc", "readxl", "scales",
  "skimr", "stats", "tidyplots", "tidyverse", "writexl", "xfun"
)

# Instalar 'read.dbc' do GitHub se necessário
if (!"read.dbc" %in% installed.packages()[,"Package"]) {
  if (!"devtools" %in% installed.packages()[,"Package"]) {
    install.packages("devtools")
  }
  devtools::install_github("danicat/read.dbc")
}

# Instalar pacotes ausentes
missing_pkgs <- pkgs[!(pkgs %in% installed.packages()[,"Package"])]
if (length(missing_pkgs) > 0) {
  install.packages(missing_pkgs, dependencies = TRUE)
}

# Carregar todos
invisible(lapply(pkgs, library, character.only = TRUE))
cat("✔︎ Todos os pacotes carregados.\n")

# Limpeza opcional do ambiente
#rm(list = ls())
#cat("\014")

Figura 1: Videoaula “Instalar e Carregar Pacotes no R” – Como adicionar funcionalidades e organizar seu ambiente no HealthieR Scripts

✅ Preparado?

Agora que você já tem os pacotes essenciais instalados, vamos aprender a importar e explorar dados na Aula 4!

HealthieR Scripts: Automatizando análises em Epidemiologia e Saúde Pública com R