• Análise Textual
  • Objetivos deste manual
    • Plano do livro
  • Introdução
    • O termo “humanidade digitais”
    • Fluxo de trabalho
  • 1 História da Análise Textual
    • 1.1 Linha do tempo da história da Análise Textual
  • 2 Exemplos de Pesquisas em Humanidades Digitais
    • 2.1 Bibliometria / cientometria / cienciometria
      • 2.1.1 Exemplo: Filósofos da ciência na Sociologia
      • 2.1.2 Exemplo: A teoria dos sistemas sociais de Niklas Luhmann
      • 2.1.3 Exemplo: Tendência de termos chave da Sociologia
      • 2.1.4 Exemplo: Tendências das correntes na filosofia
    • 2.2 Exemplo: Google Trends como Proxy para epidemias
    • 2.3 Exemplo: Como as fake news sobre a pandemia de Covid-19 se assemelham/divergem entre os países?
    • 2.4 Exemplo: Mudança de significado de palavras
    • 2.5 Exemplo: Análise de complexidade musical
    • 2.6 Exemplo: Polarização
    • 2.7 Exemplo de integração quali-quanti: Complementando dados qualitativos
    • 2.8 Exemplo de integração quali-quanti: Depurando dados quantitativos
    • 2.9 Exemplo: Processo Civilizador
    • 2.10 Ex.: Determinantes sociais do florescimento da cultura Incel
  • 3 Estrutura de dados e tipos de formatos
    • 3.1 Dados estruturados
      • 3.1.1 Os formatos csv (comma separeted values) e tsv.
      • 3.1.2 O formato Json
    • 3.2 Dados não estruturados
    • 3.3 Dados semi-estruturados
      • 3.3.1 Exemplos de dados semi-estruturados
      • 3.3.2 O formato Markdown
      • 3.3.3 O formato YAML
      • 3.3.4 O Formato LaTex
      • 3.3.5 O formato BibTex
      • 3.3.6 Os formatos xml e html
      • 3.3.7 Formatos mais raros
    • 3.4 Observações finais
  • 4 Noções básicas de programação em R
    • 4.1 Sequências de scaping
      • 4.1.1 Comentando o código
    • 4.2 Variável e atribuição
    • 4.3 Funções no R
    • 4.4 Condicionais: se/então, If/else
      • 4.4.1 Else
      • 4.4.2 else if
    • 4.5 Operadores
      • 4.5.1 Operadores de atribuição (assignment)
      • 4.5.2 Operadores Aritiméticos
      • 4.5.3 Operadores relacionais
      • 4.5.4 Operadores booleanos
      • 4.5.5 Outros operadores
    • 4.6 Loops, repetições
      • 4.6.1 For Loops
      • 4.6.2 While loop
      • 4.6.3 apply (lapply, sapply, tapply e mapply)
  • 5 Introdução ao R
    • 5.1 Obtendo Ajuda no R
    • 5.2 R em modo gráfico: RKWard e RCommander
      • 5.2.1 NVIM-R
    • 5.3 Tipos de Dados no R (data types)
    • 5.4 Estrutura de dados no R (Data Structures)
      • 5.4.1 Vetor (vector)
      • 5.4.2 Fator (Factor)
      • 5.4.3 Matriz (Matrix)
      • 5.4.4 Listas (list)
      • 5.4.5 Data Frames
      • 5.4.6 Busca difusa (fuzzy search)
      • 5.4.7 Considerações finais sobre estrutura de dados
    • 5.5 Instalando pacotes no R
      • 5.5.1 Modo 1: instalando via linha de comando
      • 5.5.2 Modo 2: Instalando pacotes no modo gráfico
    • 5.6 A suíte de pacotes tidyverse
      • 5.6.1 Pipes
      • 5.6.2 Tibbles
      • 5.6.3 Dplyr: Verbos (ou comandos)
      • 5.6.4 Tidyr: criando objetos no formato tidy
    • 5.7 Manipulando data e hora
      • 5.7.1 Gerando uma sequência de datas no R
      • 5.7.2 Lubridate: facilitando manipulação de datas
      • 5.7.3 Converter data em nome por extenso do mês
      • 5.7.4 Links e Dicas
  • 6 Normalização de texto e Expressões Regulares
    • 6.1 Expressões regulares (RegEx)
      • 6.1.1 Parâmetros das Regex
    • 6.2 RegEx no R
      • 6.2.1 Grep
      • 6.2.2 gsub()
      • 6.2.3 Exercício: Qual o Qualis de certas revistas? Quais revistas possuem certo Qualis?
      • 6.2.4 Transformando strings em vetores com strsplit()
      • 6.2.5 Exemplo regex
      • 6.2.6 Lookaround lookadead e lookbehind
    • 6.3 Pacote stringr
      • 6.3.1 Normalização com stringr
    • 6.4 Dicas/Sugestões: Regex no R
  • 7 Visualização de dados (dataviz)
    • 7.1 Base plots
      • 7.1.1 Histograma (histogram) no pacote base
      • 7.1.2 Gráfico de barras (barplot)
      • 7.1.3 Gráfico de Pizza ou setograma (pie chart)
      • 7.1.4 Gráfico de dispersão (scatterplot)
      • 7.1.5 Gráfico de linha (line plot)
    • 7.2 Cores
    • 7.3 O pacote Lattice
    • 7.4 O pacote ggplot2
      • 7.4.1 ggplot: nível aes
      • 7.4.2 ggplot: Nível geom
      • 7.4.3 ggplot: nível facet_
      • 7.4.4 ggplot: nível stat
      • 7.4.5 ggplot: nível sistema de coordenadas
      • 7.4.6 Cores no ggplot
      • 7.4.7 Anotações no ggplot: annotate()
      • 7.4.8 Dicas ggplot
      • 7.4.9 Dicas de extensões e outros pacotes gráficos
    • 7.5 Gráficos de visualização textual
  • 8 Análise Textual (text mining)
    • 8.1 Introdução
    • 8.2 Abordagens: saco de palavras (bag of words) e análise semântica (semantic parsing)
    • 8.3 Abordagem Bag of words
      • 8.3.1 Frequência de palavras/termos e Ngrams
    • 8.4 Remoção de palavra vazia (stopwords)
      • 8.4.1 Criando lista com stopwords
    • 8.5 Estemização (stemming) e lematização
      • 8.5.1 Estemização
      • 8.5.2 Lematização
    • 8.6 Nuvem de palavras
    • 8.7 Palavras em contexto (keyword-in-context KWIC)
  • 9 Text mining: Semantic Parsing
    • 9.1 POS - Part-of-speech tagging
    • 9.2 Pacote UDPipe
      • 9.2.1 Coocorrência de palavras
      • 9.2.2 Rede de palavras (wordnet)
      • 9.2.3 Análise de semelhanças
  • 10 Classificação: Dicionários e Análise de Sentimentos
    • 10.1 Classificação
    • 10.2 Análise de sentimentos (Sentiment Analysis) por meio de dicionário/léxico
      • 10.2.1 Datasets de sentimentos/emoções
      • 10.2.2 Pacote SentimentAnalysis
      • 10.2.3 Pacote Tidytext
      • 10.2.4 Pacote Quanteda
      • 10.2.5 Pacote syuzhet
    • 10.3 Dicas finais: Bibliografia indicada
  • 11 Análise de Redes Sociais
    • 11.1 O pacote Igraph
      • 11.1.1 Clusterização
    • 11.2 Os pacotes ggraph e tidygraph . Construindo grafos com o tidyverse.
    • 11.3 Redes de palavras
    • 11.4 Redes de citação
    • 11.5 Medidas e Gráfico de centralidade
    • 11.6 Comunidades
    • 11.7 Sugestões de links
  • 12 Extração de palavras-chave - Key term ou keyword extraction
    • 12.1 Atribuição de palavra chave Keyword assignment
    • 12.2 Key term ou keyword extraction
      • 12.2.1 TF-IDF: Term-Frequency Inverse Document Frequency
    • 12.3 Colocação e Coocorrência
      • 12.3.1 Colocação com o Quanteda
      • 12.3.2 Colocação com Udpipe
  • 13 Links úteis
    • 13.1 Humanidades digitais
    • 13.2 Análise de redes sociais
    • 13.3 Textos sobre análise textual
      • 13.3.1 Sociologia Digital / Ciências Sociais Computacionais
    • 13.4 Processamento Linguagem Natural (PLN ou NLP)
    • 13.5 Revistas / Journals acadêmicos
    • 13.6 Dados Abertos
    • 13.7 Vídeos
    • 13.8 Sites / Blogs
    • 13.9 Organizações
    • 13.10 Estatística
    • 13.11 Podcasts
    • 13.12 Links Programação
      • 13.12.1 R introdução
      • 13.12.2 R e estatística
      • 13.12.3 R - tópicos específicos
      • 13.12.4 R - avançado
      • 13.12.5 Links Python
      • 13.12.6 Python - tópicos específicos
    • 13.13 Links de Cursos Online
    • 13.14 Grupos de discussão/Forum
      • 13.14.1 Telegram
    • 13.15 Links de folhas de dicas (Cheat-sheets)
  • 14 Exemplo Análise - Dados da CPI da Pandemia
    • 14.1 Introdução
    • 14.2 Pré-processamento
      • 14.2.1 Pré-processamento: substituição de abreviaturas
      • 14.2.2 Primeiras observações
    • 14.3 Entes
    • 14.4 Palavras chave em contexto - KWIC
      • 14.4.1 Opção 1: pegando apenas os senadores
      • 14.4.2 Opção 2: Somente senadores, a partir do site do Senado
    • 14.5 wordcloud - Nuvem de palavras
    • 14.6 TF-IDF dos Senadores
    • 14.7 Dicionário
    • 14.8 Modelagem de tópicos
    • 14.9 Clusterização
  • 15 Apêndice: Datasets
    • 15.1 Pacotes R com datasets
    • 15.2 Datasets em sites diversosi:
    • 15.3 Datasets no Kaggle:
  • Published with bookdown

Introdução à Análise Textual aplicada à Sociologia

13 Links úteis

Segue aqui uma lista com links para livros, artigos, sites, manutais, tutoriais, vídeos e canais de vídeos. A maioria e a prioridade é de material gratuito, sobre temas gerais relacionados a humanidades digitais e em especial, à sociologia. Há também sugestões mais focadas nos assuntos específicos nos capítulos. O critério de seleção aqui foi o de contribuição para esclarecer o potencial das humanidades digitais para quem inicia na área de humanidades digitais/sociologia digital. Os itens não foram selecionados tanto pela contribuição científica, mas com base no critério de exemplos que podem ajudar a esclarecer o potencial das humanidades digitais para quem inicia.

13.1 Humanidades digitais

  • Introduction to Digital Humanities Textbook A digital textbook designed for UCLA’s Introduction to Digital Humanities course website. (ebook disponível gratuito online)
  • EDMOND, Jennifer Digital Technology and the Practices of Humanities Research. (Livro gratuito)
  • The Data Journalism Handbook. Towards a Critical Data Practice. 415p. 2021. ISBN 9789048542079. (Livro GRATUITO).
  • BAUER, Paul C. Computational Social Science: Theory & Application. (livro online grátis).

13.2 Análise de redes sociais

ver - Ver sugestões

  • Ver sugestões no capítulo “Análise de Redes Sociais”.

13.3 Textos sobre análise textual

  • GRIMMER, Justin.STEWART, Brandom. Text as Data: The Promise and Pitfalls of Automatic ContentAnalysis Methods for Political Texts. Political Analysis(2013) pp. 1–31. doi:10.1093/pan/mps028.
  • CASTELFRANCHI, Yurij. A análise de textos auxiliada pelo computador: um laboratório a céu aberto para as ciências sociais. Journal of Science Communication 16(02)(2017)C04
  • TREADWELL, Donald. Content Analysis: Understanding Text and Image in Numbers. Understanding Text and Image in Numbers. In __ Introducing Communication Research: paths of Inquiry. Sage. 2014. (Capítulo sobre análise de conteúdo)

13.3.1 Sociologia Digital / Ciências Sociais Computacionais

  • KATEMBERA, Serge. “Sociologia digital ou sociologia do digital?” V. 2 N. 1 (2020): Dossiê Ambiente e Sociedade. (Artigo)

  • NASCIMENTO, Leonardo F. Sociologia digital : uma breve introdução. EDUFBA. 2020. (Livro gratuito em PDF e epub)

  • Podcast “New Work in Digital Humanities”. Episódio: Neil Selwyn, “What is Digital Sociology?” (Polity, 2019)

  • BERNAU, John A. Text Analysis with JSTOR Archives. November 12, 2018 https://doi.org/10.1177/2378023118809264. (Aplicação de métodos de humanidades digitais, usando a base do Jstor, para uma rápida análise de variação temática em revistas sociológicas).

  • FUSSEY, Pete e ROTH, Silke (ed.) Digitizing Sociology. edição da revista “Sociology” da British Sociological Association.

  • Evans J, Foster JG. Computation and the Sociological Imagination. Contexts. 2019;18(4):10-15. doi:10.1177/1536504219883850

  • Text Mining For Historians do International Standing Working Group in Medialization and Empowerment at the German Historical Institute London.

13.3.1.1 Netnografia, etnografia digital

  • MARKHAM, Annette N. 2013. Fieldwork in Social Media. Qualitative Communication Research 2, 4 (Dec. 2013), 434–446. https://doi.org/10.1525/qcr.2013.2.4.434
  • SHAFFER, David Williamson. Quantitative Etnography. Boswell Press. 2017.
    • “This is a book about understanding why, in the digital age, the old distinctions between qualitative and quantitative research methods, between the sciences and humanities, and between numbers and understanding, limit the kinds of questions we can ask, in some cases, and lead us accept superficial answers in others. Quantitative Ethnography is a research method that goes beyond those distinctions to help us understand how to make sense of our increasingly data-rich world…”. (PDF da Introdução disponível gratuitamente)

13.4 Processamento Linguagem Natural (PLN ou NLP)

  • JURAFSKY, D.; MARTIN, J. Speech and language processing: An introduction to speech recognition, computational linguistics and natural language processing. Upper Saddle River, NJ: Prentice Hall, 2020. link pdf dos capítulos individuais, link livro completo. (Um manual bastante extenso e mais teórico sobre PLN)
  • BIRD, S.; KLEIN, E.; LOPER., E. Natural language processing with Python – analyzing text with the natural language toolkit. (Livro online gratuito, baseado em Python 3.)
  • Playlist no Youtube das aulas da Stanford University sobre PLN

13.5 Revistas / Journals acadêmicos

  • SIGCAS Computers and Society da Association for Computing Machinery
  • Digital Scholarship in the Humanities. Revista da Universidade de Oxford. Sessão com artigos gratuitos
  • Journal: Digital humanities Quartely
  • International Journal of Digital Humanities
  • Socius: Sociological Research for a Dynamic World. Special Collection: Data Visualization. Jornal de acesso livre
  • International Journal of Humanities and Arts Computing (Universidade de Edimburgo)
  • magazén International Journal for Digital and Public Humanities. (open access). Revista do Dipartimento di Studi Umanistici da Università Ca’ Foscari de Veneza
  • Journal of Digital Social Research. Open Access
  • Reviews in Digital Humanities. (O Review já não publica desde 2014)
  • Journal of Digital Humanities. (O Journal of DH tem uma sessão de resenha de novas ferramentas disponíveis).
  • Journal of Cultural Analytics. Department of Languages, Literatures, and Cultures at McGill University, Canada. open-access journal dedicated to the computational study of culture

13.6 Dados Abertos

  • Episódio 005 do Podcast “História FM Acesso à informação: como fazer uso da Lei de Acesso? com Maria Vitória Ramos e Luiz Fernando Toledo, do projeto Fiquem Sabendo. Ou ainda no Spotify.
  • 5 estrelas dos dados abertos (Tim Berners-Lee, criador do termo “dados abertos”. Site explica o que são dados abertos e seus 5 níveis. Em português)
  • Busca do Google por base de dados Abertos
  • Dados abertos. (Se não sabe onde encontrar algum dado específico que você procura, veja aqui)
  • SHIKIDA, Claudio D., MONASTERIO, Leonardo, NER, Pedro Fernando. Guia Brasileiro de Análise de Dados: Armadilhas e Soluções. Brasília. 2021. ( Tópicos: Causalidade, Pobreza e Desigualdade, Análise de dados em Saúde, Educação, Crimes e Violência, Macroeconomia, Mercado e Trabalho e Opinião Pública.)
  • Dados Abertos: Fórum de discussão.
  • Workshop do Henrique Xavier, no canal “Base dos Dados” sobre como explorar os dados do Diário Oficial da União.
  • Como usar a biblioteca basedosdados no R. Pacote basedosdados do R para baixar diversas bases de dados.
  • Data sets do Brasil.io, um “repositório de dados públicos disponibilizados em formato acessível” como “Eleições Brasil”, “Cursos e notas de corte do Prouni 2018”, gastos de deputados e do governo federal, salários de magistrados, etc.

13.7 Vídeos

  • Vídeos do 1º Summerschool of Digital Humanities da Universidade de Heidelberg, Alemanha, ocorrido em 2017. link. (Em inglês)

13.8 Sites / Blogs

  • Text analysis info
  • Textual Analysis - University of Notre Dame
  • Site Digital Humanities Now. (Agrega oportunidade de emprego, notícias, bolsas de pesquisa).
  • site Go Digital Humanities. (Novidades sobre humanidades digitais, como eventos).
  • Blog Digital Society Blog. (Blog do Institut für Internet und Gesellschaft da Alexander von Humboldt).
  • Site The Programming Historian, com diverso conteúdos em português.

13.9 Organizações

  • Alliance of Digital Humanities Organizations (ADHO).
  • Global Network of Internet and Society Research Centers (NoC) i. (Catálogo com grupos de pesquisa sobre internet e sociedade ao redor do mundo).
  • SICSS - The Summer Institutes in Computational Social Science. “The purpose of the Summer Institutes is to bring together graduate students, postdoctoral researchers, and beginning faculty interested in computational social science. The Summer Institutes are for both social scientists (broadly conceived) and data scientists (broadly conceived).”
  • The Computational Social Science Society of the Americas. “(CSSSA) is a professional society that aims to advance the field of computational social science in all its areas, including basic and applied orientations, by holding conferences and workshops, promoting standards of scientific excellence in research, teaching, and publishing research findings and results.”

13.10 Estatística

  • Statistics For Historians do International Standing Working Group in Medialization and Empowerment at the German Historical Institute London.

13.11 Podcasts

  • Podcasts em português:
    • Pizza de Dados. Podcast em portugês sobre ciência de dados.
    • Let’s data. Podcast em português sobre ciência de dados e inteligência artificial. Links: Youtube, google podcast.
    • Data hackers podcast de datascience.
    • CTRL Enter Podcast dedicado a dados abertos, com alguns episódios focados em papers de análise empírica.
    • Cidades Abertas Podcast sobre dados abertos e transparência.
  • Podcasts em inglês:
    • Digital Sociology Podcast.
    • Diaries of Social Data Research
    • New Work in Digital Humanities. New Books Network. Entrevistas com humanistas digitais acerca de seus trabalhos recentes.
    • Episódio de Complexity: Peter Dodds on Text-Based Timeline Analysis & New Instruments for The Science of Stories
    • Lista com mais podcasts dedicados às digital humanities
    • Podcast r-podcast

13.12 Links Programação

13.12.1 R introdução

  • LENTE, Caio. Zen do R.
    • “O objetivo deste livro é ensinar ao leitor que não costuma programar algumas formas simples de melhorar a organização de seus projetos de análise de dados em R”. (Livro online gratuito).
  • AQUINO, Jackson A.. R para cientistas sociais. Ilhéus, BA: EDITUS, 2014. 157 p. ISBN: 978-85-7455-369-6. (PDF gratuito)
  • Livro Curso-R (em construção)
  • Blog: Curso-R
  • KUBRUSLY, Jessica. Uma Introdução à Programação com o R. (ebook online em português)
  • FREIRE, Sergio Miranda. Introdução ao R. (Livro online, no formato bookdown)
  • WICKHAM, Hadley. Advanced R. 2nd edition. (Livro online gratuito, no formato bookdown, em inglês, para entender melhor os conceitos do R).

13.12.2 R e estatística

  • FERREIRA, E.B.;. de OLIVEIRA, M.S. Introdução à Estatística com R. Unifal. 2020. (PDF gratuito).
  • Gareth James; Daniela Witten; Trevor Hastie; Robert Tibshirani. An Introduction to Statistical Learning with Applications in R. Segunda edição. 2021. Possui conteúdo sobre regressões, métodos de classificação, deep learning, aprendizado não supervisionado, K-means, Naives Bayes. PDF gratuito

13.12.3 R - tópicos específicos

  • WICKHAM, H. GROLEMUND, Garret. R for Data Science. O’Reilly. 2017. (Livro Online, em inglês).
  • IRIZARRY, Rafael A. Introduction to Data Science. Livro Online, em inglês, feito como notas de aulas da HarvardX Data Science Series
  • CLARK, Michael. R & Social Science. Getting Started with applied use of R in the Social Sciences. (pequeno manual em PDF da Universidade de Notre Dame)
  • ggplot2 on-line version of work-in-progress 3rd edition of “ggplot2: elegant graphics for data analysis”
  • SILGE, Julia, ROBINSON, David Text Mining with R. (ebook online)
  • RYDBERG-COX, Jeff. Statistical Methods for Studying Literature Using R da Universidade Missouri-Kansas City.
  • R-tutor- An R Introduction to Statistics. Site com tutoriais diversos sobre R. Em Inglês.
  • Diversos links para livros gratuitos de R no bookdown.

13.12.4 R - avançado

WICHKAM, Hadley (2014). Advanced R. Ed: Chapman and Hall/CRC. Livro gratuito.

13.12.5 Links Python

  • Aprenda Computação com Python. Livro online em português de introdução ao Python.
  • A Whirlwind Tour of Python. PDF disponível gratuitamente.
  • HEINOLD, Brian. A Practical Introduction to Python Programming. 2012. 263 p. (PDF de introdução ao Python)
  • Jake VanderPlas. Python Data Science Handbook: Essential Tools for Working with data. (livro online).

13.12.6 Python - tópicos específicos

  • KARSDORP, Folgert. Python Programming for the Humanities. Livro online.
  • Pyhton Humanities. Site com introdução às DH em Python, com alguns tutoriais.
  • Constellate What do you want to learn today?.
    • (Projeto Constellate da JStor junto a diversas universidades. Conta com sessão com tutoriais sobre análise textual, a maioria em Python.

13.13 Links de Cursos Online

  • EdX, Cursos online de Universidades como Harvard, MIT, etc. gratuitos como ouvinte. Paga-se pelo certificado. Há cursos grautuitos, como “Introducing Text Analytics and Natural Language Processing with Python”, “Introduction to Digital Humanities”, “Data Science: Visualization”, “Using Python for Research”.
  • DataCamp. Cursos mais práticos, em R, Python, SQL, com exercícios, totalmente online (não é necessário instalar nada em seu computador). As partes iniciais dos cursos costumam ser gratuitas, mas há parte paga com anuidades.
  • Udemy Possui cursos gratuitos e cursos pagos. É possível encontrar cursos pagos por volta de R$20,00.
  • Coursera. Possui parceria com mais de 200 universidades e empresas como o Google e IBM.
  • Cognitive Class Da IBM, Cursos gratuitos em data science, alguns gratuitos com certificado. Cursos em inglês e espanhol. Possui cursos como “Data Visualization with R”.
  • Big Data University. Cursos em Portugues.
  • Curso gratuito de Estatística e probabilidade da Khan Academy, em português. Inclui teste de hipótese, regressão.
  • Curso-R em português, com cursos sobre Visualização, Machine learning, Web Scraping, Programação para Ciência de Dados, Dashbord com Shiny, etc.

13.14 Grupos de discussão/Forum

13.14.1 Telegram

  • Processamento de Linguagem Natural em Português
  • PT-Br Data Science - Python
  • R Brasil
  • R e Rstudio Humanidades
  • Análise Textual-Humanidades Digitais

13.15 Links de folhas de dicas (Cheat-sheets)

“Cheat sheets” seriam a tradução para “cola”, aquela feita para consulta em exames na escola. Em programação, refere-se a uma tabela muito bem resumida, com o que há de essencial em determinado assunto.

  • Text Analysis Glossary Um glossário de termos usados na análise textual, em inglês, do projeto Constellate (JStor e diversas universidades)
  • Lista com mais de 100 cheat-sheets em R e Python, sobre Machine Learning: link
  • Git-GitHub, Git-Gitlab,
  • Cheatsheets do R como: Base R, Base R em portguês, Data-table em português, Data Import, Data e horários com Lubridate, trabalhe com mais facilidade com listas e funções com o purr, stringr, dplyr, R Reference Card, Usar Python no R com reticulate, ggplot, R Markdown com o R Markdown Cheatsheet ou o Reference Guide, Regular Expressions, R Programming por Arianne Colton e Sean Chen,
  • Uma lista com estes e outros cheatsheets aqui do Rstudio aqui.