VADeaths

# Carregando os pacotes necessários
library(ggplot2)
library(reshape2)

# Transformando o conjunto de dados em um data frame
VADeaths_df <- as.data.frame(VADeaths)
VADeaths_df$AgeGroup <- rownames(VADeaths_df)

# Derretendo o data frame para o formato longo
VADeaths_melted <- melt(VADeaths_df, id.vars = "AgeGroup")

# Renomeando as colunas
colnames(VADeaths_melted) <- c("AgeGroup", "PopulationGroup", "DeathRate")

# Criando o gráfico de barras empilhadas
ggplot(VADeaths_melted, aes(x = AgeGroup, y = DeathRate, fill = PopulationGroup)) +
  geom_bar(stat = "identity", position = "dodge") +
  scale_fill_brewer(palette = "Set1") +
  ggtitle("Taxas de mortalidade na Virgínia em 1940") +
  xlab("Grupo etário") +
  ylab("Taxa de mortalidade por 1000") +
  theme(plot.title = element_text(hjust = 0.5))

ClassificaçãoDoença

# Dados fornecidos
dados <- c("moderado", "leve", "leve", "severo", "leve", "moderado", "moderado", "moderado", "leve", "leve", "severo","leve", "moderado", "moderado", "leve", "severo", "moderado", "moderado", "moderado","leve")

# Criando uma tabela de frequência
freq <- table(dados)

# Calculando as porcentagens
porcentagem <- round(prop.table(freq) * 100, 2)

# Criando o gráfico de pizza
pie(porcentagem, labels = paste0(names(porcentagem), "\n", porcentagem, "%"), col = c("lightblue", "pink", "lightgreen"), main = "Estágios da doença")

# Adicionando a legenda
legend("topright", legend = names(porcentagem), fill = c("lightblue", "pink", "lightgreen"))

Twitter

NUVEM DE PALAVRAS

# Carregando os pacotes necessários
library(tidytext)
library(tm)
library(wordcloud)
library(dplyr)

# Carregando os dados
dados <- read.csv("chatGPT.csv")

# Criando um corpus
corpus <- Corpus(VectorSource(dados$text))

# Pré-processamento do texto
corpus <- tm_map(corpus, content_transformer(tolower))
corpus <- tm_map(corpus, removePunctuation)
corpus <- tm_map(corpus, removeNumbers)
corpus <- tm_map(corpus, removeWords, stopwords("portuguese"))

# Removendo o termo mais frequente (supondo que seja 'chatgpt')

corpus <- tm_map(corpus, removeWords,"chatgpt")

# Criando a nuvem de palavras
wordcloud(corpus, max.words = 100, random.order = FALSE)

ANALISE DE SENTIMENTOS

# Carregando o pacote necessário
library(syuzhet)

# Obtendo os sentimentos
sentimentos <- get_nrc_sentiment(dados$text)

# Traduzindo os nomes dos sentimentos para o português
colnames(sentimentos) <- c("Raiva", "Antecipação", "Nojo", "Medo", "Alegria", "Negativo", "Positivo", "Tristeza", "Surpresa", "Confiança")

# Exibindo a contagem de sentimentos
print(colSums(sentimentos))

##       Raiva Antecipação        Nojo        Medo     Alegria    Negativo 
##          53          27          45          61          19          61 
##    Positivo    Tristeza    Surpresa   Confiança 
##          41          48          90          97