Stats-In-Codespace

Ambiente de laboratório para aulas de estatística e ciência de dados via Jupyter Notebook

📊 Sobre

Este repositório fornece um ambiente de desenvolvimento para estatística e ciência de dados usando Jupyter Notebook com suporte ao R, ao Python e SGBD ClickHouse no VS Code através do GitHub Codespaces.

🚀 Como Usar

Opção 1: GitHub Codespaces (Recomendado)

1. Clique no botão Code (verde) no topo deste repositório
2. Selecione a aba Codespaces
3. Clique em Create codespace on main (ou no branch desejado)
4. Aguarde a criação do ambiente (pode levar alguns minutos na primeira vez)
5. O ambiente será configurado automaticamente com:
   • Python e Jupyter Notebook
   • R e IRkernel (kernel R para Jupyter)
   • Pacotes R comuns para estatística (ggplot2, dplyr, tidyr, etc.)
   • Extensões do VS Code para Jupyter e R

Opção 2: Desenvolvimento Local

Se preferir trabalhar localmente, você precisará ter o Docker instalado:

1. Clone este repositório:

   git clone https://github.com/FGV-Fundacao-Getulio-Vargas/Stats-In-Codespace.git
   cd Stats-In-Codespace

2. Abra no VS Code:

   code .

3. O VS Code detectará o arquivo .devcontainer e perguntará se deseja reabrir no container

4. Clique em Reopen in Container

📝 Usando Jupyter Notebooks

No VS Code

1. Abra ou crie um arquivo .ipynb
2. Clique em Select Kernel no canto superior direito
3. Escolha o kernel conectando-se ao ambiente codespace (se estiver no codespace)
4. Abra os exemplos indicados pelo professor, compreenda e atualize conforme a sua evolução

Via Terminal

Você também pode iniciar o Jupyter Notebook ou JupyterLab via terminal:

# Jupyter Notebook
jupyter notebook

# JupyterLab (interface moderna)
jupyter lab

📚 Exemplo

Um notebook de exemplo está incluído: exemplo_estatistica.ipynb

Este exemplo demonstra:

• Carregamento de bibliotecas R
• Criação de dados
• Estatísticas descritivas
• Visualização de dados com ggplot2
• Análise por grupos com dplyr

🔧 Pacotes R Instalados

Os seguintes pacotes R estão pré-instalados:

• IRkernel: Kernel R para Jupyter
• ggplot2: Visualização de dados
• dplyr: Manipulação de dados
• tidyr: Organização de dados
• readr: Leitura de dados
• tibble: Data frames modernos
• stringr: Manipulação de strings
• forcats: Trabalho com fatores
• purrr: Programação funcional

📦 Instalando Pacotes Adicionais

Para instalar pacotes R adicionais, use o terminal:

R -e "install.packages('nome_do_pacote', repos='https://cloud.r-project.org/')"

Ou dentro de um notebook:

install.packages("nome_do_pacote")

🛠️ Extensões VS Code Incluídas

• Jupyter: Suporte completo para notebooks Jupyter
• Python: Suporte para Python
• R: Suporte para linguagem R
• R LSP: Language Server Protocol para R (autocompletar, linting)

📖 Recursos Adicionais

• Documentação Jupyter
• Documentação R
• IRkernel
• GitHub Codespaces

Referências

• Fávero, L. P.; Belfiore, P. Manual de Análise de Dados. 1ª Edição. Rio de Janeiro: Elsevier, 2017.
• Book, Velleman, De Veaux; Stats: Modeling the World. Pearson, 2016.
• Statistics: the art and science of learning from data; Agresti, Franklin, Klingenberg; 2007.
• The Art of Statistics: How to Learn from Data; David Spiegelhalter.
• Inteligência Computacional: Fundamentos e Aplicações; Alexandre Evsukoff; 2020.

🤝 Contribuindo

Contribuições são bem-vindas! Sinta-se à vontade para abrir issues ou pull requests.

📄 Licença

Este projeto é de código aberto e está disponível para uso educacional.