── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
✔ dplyr 1.1.2 ✔ readr 2.1.4
✔ forcats 1.0.0 ✔ stringr 1.5.0
✔ lubridate 1.9.2 ✔ tibble 3.2.1
✔ purrr 1.0.1 ✔ tidyr 1.3.0
── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag() masks stats::lag()
ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
Opção 2
Utilizando os dados de produção de ovos nos EUA faça um gráfico comparando a produtividade dos diferentes tipos de processos e dos diferentes tipos de produtos.
X mês.observado tipo_do_produto processo n.de.galinhas n.de.ovos
1 1 2016-07-31 ovos de incubação todos 57975000 1147000000
2 2 2016-08-31 ovos de incubação todos 57595000 1142700000
3 3 2016-09-30 ovos de incubação todos 57161000 1093300000
4 4 2016-10-31 ovos de incubação todos 56857000 1126700000
5 5 2016-11-30 ovos de incubação todos 57116000 1096600000
6 6 2016-12-31 ovos de incubação todos 57750000 1132900000
produtividade
1 19.78439
2 19.84026
3 19.12668
4 19.81638
5 19.19952
6 19.61732
ovos_prod<-ggplot(produtividade,aes(x=produtividade, y=processo, fill=tipo_do_produto))+geom_density_ridges(alpha=0.5)+scale_fill_manual(values=c("firebrick", "chocolate1"), labels=c("Ovos de Mesa", "ovos de incubação")) +labs(title="Produtividade (ovos/galinhas)", subtitle ="Comparação entre produção orgânica e não orgânica")+theme_ridges()+theme(axis.title =element_blank(),legend.title =element_blank(),legend.position =c(0.9),panel.background =element_rect(),legend.background =element_blank())ovos_prod
Picking joint bandwidth of 0.242
Opção 8
Use qualquer dataset do tidytuesday para fazer algum gráfico! Pense no que você quer visualizar com os dados e como fazer para plotar com as variáveis disponíveis (as possibilidades são inúmeras).
Base de dados
Escolhi o dataset sobre tornados no EUA.
Abri o dataset.
Fiz a limpeza da planilha: removi algumas variávei e selecionei apenas as que queria trabalhar. Usei slice pra selecionar os fatores (as linhas) a partir de 40508 até 68698, selecinando observações do 2000 a 2022.
Montei um painel com os gráficos que demonstram o número de tornados dos EUA
Rows: 68693 Columns: 27
── Column specification ────────────────────────────────────────────────────────
Delimiter: ","
chr (2): tz, st
dbl (21): om, yr, mo, dy, stf, mag, inj, fat, loss, slat, slon, elat, elon,...
lgl (1): fc
dttm (1): datetime_utc
date (1): date
time (1): time
ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
torn<- tornados %>%slice(40508:68693) %>%select(yr, inj, fat, mag) %>%filter(mag >0& inj >1)tornbar<-ggplot(torn, aes(x=(mag))) +geom_bar()+facet_wrap(~yr, scales ="free_y")+guides(fill="none")+labs(title ="Número de tornados nos EUA de acordo com a maginitude", x="Magnitude", y="Número de tornados")+theme_minimal()+theme(plot.background=element_rect(fill="tan2", color=NA), panel.background=element_rect(fill="white", color="white"))+xlim(0, 5) +ylim(0,30) tornbar
Qual o ano que apresentou o maior número de fatalidades?
Pra saber o ano com o maior número de fatalidades, foram feitos quatro gráficos de barra de acordo com o ano (x) e número de fatalidades (y).
tornfat<- torn %>%mutate_if(is.numeric, as.factor) %>%arrange(desc(fat)) %>%slice(1:100)fatal_bar<-ggplot(tornfat, aes(x=yr, y=as.numeric(fat))) +geom_bar(aes(fill=mag), stat="identity")+guides(fill="none")+facet_wrap(~mag)+labs(title ="Número de fatalidades causadas por tornados", subtitle ="De acordo com a magnitude (2 a 5) e o ano (2000 a 2022)", x="Ano", y="Número de fatalidades")+theme_minimal()+theme(axis.text.x =element_text(family ="serif", face ="italic", color ="black", size =10, angle =90, hjust=1))+theme(axis.title.x =element_blank(),plot.background=element_rect(fill="peachpuff3", color=NA), panel.background=element_rect(fill="white", color="black"))fatal_bar
Ver se o número de injúrias e fatalidades tem correlação:
