clase 7 - 3 de abril

Mi primer informe con Rmarkdown

Generando informes

Pasos para la pre-entrega y Entrega de proyecto final.

R Markdown documents are fully reproducible. Use a productive notebook interface to weave together narrative text and code to produce elegantly formatted output. Use multiple languages including R, Python, and SQL.

Más información sobre armado de columnas en rmarkdown-cookbook

Pasos previos

• Preparo librerias con las que voy a trabajar

• Revision del dataset

• Descargar base en Kaggle

• Para crear un nuevo chunk de ejecución de código utilizo \(CTRL + ALT + I\)

• \(\text{porcentaje Youtube} = \frac{\text{(Promedio Youtube)}}{\text{(Promedio Total)}}*100\)

• \(\text{porcentaje Spotify} = \frac{\text{(Promedio Spotify)}}{\text{(Promedio Total)}}*100\)

Spotify_youtube_reducido <- Spotify_youtube %>% 
  select(Artist, Track, Album_type, Stream, Channel, Views) %>% 
  group_by(Artist) %>%
  summarise(
    promedio_youtube = mean(Views),
    promedio_spotify = mean(Stream),
    promedio_total = mean(Views+Stream),
    porcent_Y = round(promedio_youtube/promedio_total*100,2),
    porcent_S = round(promedio_spotify/promedio_total*100,2)) %>%
  arrange(desc(promedio_total)) %>% 
  head(10)

Spotify_youtube_reducido$promedio_youtube <- format(Spotify_youtube_reducido$promedio_youtube, 
                                                    big.mark= ".", justify= "right")

## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' and 'decimal.mark' are both '.', which could be confusing

Tabla simple

Un ejemplo de tabla simple con las fechas de entrega de proyecto final

Entregas	Fecha inicio	Fecha Límite
Pre-entrega	03 de abril	10 de abril
Entrega	19 de abril	9 de mayo

Artistas más escuchados en Spotify y Youtube
Artist	promedio_youtube	promedio_spotify	promedio_total	porcent_Y	porcent_S
Ed Sheeran	1.546.020.777	1439488156	2985508933	51.78	48.22
Justin Bieber	1.099.106.024	1209776742	2308882766	47.60	52.40
Coldplay	999.727.788	1177847824	2177575612	45.91	54.09
Post Malone	639.442.021	1525126385	2164568406	29.54	70.46
Dua Lipa	821.633.931	1340807627	2162441558	38.00	62.00
Bruno Mars	1.024.091.923	1089786295	2113878218	48.45	51.55
Imagine Dragons	909.378.524	1185831093	2095209617	43.40	56.60
The Weeknd	704.603.315	1303197338	2007800653	35.09	64.91
Katy Perry	1.312.063.208	660732870	1972796077	66.51	33.49
Calvin Harris	975.847.614	954854185	1930701799	50.54	49.46
Fuente: kaggle.com

datatable(Spotify_youtube_reducido)

Visualización de datos

Gráficos con ggplot2

ggplot(Spotify_youtube_reducido, aes(x = Artist, y = reorder(porcent_Y, desc(Artist)))) +
  geom_col(fill = "pink", alpha = 1) +
  theme_bw() + 
  coord_flip() + 
  labs(
    title = "Porcentaje de views promedio en youtube ",
    subtitle = "Primeros 10 artistas",
    caption = "fuente: kaggle",
    x = "Artista",
    y = "Porcentaje") +
  geom_text(aes(x = Artist, label = porcent_Y),
            hjust = 1)

x <- c('Product A', 'Product B', 'Product C')
y <- c(20, 14, 23)
y2 <- c(16,12,27)
text <- c('27% market share', '24% market share', '19% market share')
data <- data.frame(x, y, y2, text)

fig <- data %>% plot_ly()
fig <- fig %>% add_trace(x = ~x, y = ~y, type = 'bar',
             text = y, textposition = 'auto',
             marker = list(color = 'rgb(158,202,225)',
                           line = list(color = 'rgb(8,48,107)', width = 1.5)))
fig <- fig %>% add_trace(x = ~x, y = ~y2, type = 'bar',
            text = y2, textposition = 'auto',
            marker = list(color = 'rgb(58,200,225)',
                          line = list(color = 'rgb(8,48,107)', width = 1.5)))
fig <- fig %>% layout(title = "January 2013 Sales Report",
         barmode = 'group',
         xaxis = list(title = ""),
         yaxis = list(title = ""))

fig