Trabalho 4

R Markdown

Introdução

Hoje vou fazer —

Passo 1 -

Primeiramente, vou carregar a base de dados para que eu possa tratá-la e analisá-la.

load("C:/Users/noeli/Base_de_dados-master/Game of Thrones.RData")

Passo 2 -

Após trazer a base de dados, irei analisar o seu conteúdo

summary(personagens_livro)

##      nome             lealdade             sexo               nobre       
##  Length:917         Length:917         Length:917         Min.   :0.0000  
##  Class :character   Class :character   Class :character   1st Qu.:0.0000  
##  Mode  :character   Mode  :character   Mode  :character   Median :0.0000  
##                                                           Mean   :0.4689  
##                                                           3rd Qu.:1.0000  
##                                                           Max.   :1.0000  
##                                                                           
##  Guerra_dos_Tronos Furia_dos_Reis   Tormenta_de_Espadas Festim_dos_Corvos
##  Min.   :0.0000    Min.   :0.0000   Min.   :0.0000      Min.   :0.0000   
##  1st Qu.:0.0000    1st Qu.:0.0000   1st Qu.:0.0000      1st Qu.:0.0000   
##  Median :0.0000    Median :0.0000   Median :0.0000      Median :0.0000   
##  Mean   :0.2726    Mean   :0.3533   Mean   :0.4242      Mean   :0.2726   
##  3rd Qu.:1.0000    3rd Qu.:1.0000   3rd Qu.:1.0000      3rd Qu.:1.0000   
##  Max.   :1.0000    Max.   :1.0000   Max.   :1.0000      Max.   :1.0000   
##                                                                          
##  Danca_dos_Dragoes capitulo_apresentacao   ano_morte     livro inteiro da morte
##  Min.   :0.0000    Min.   : 0.00         Min.   :297.0   Min.   :1.000         
##  1st Qu.:0.0000    1st Qu.:11.00         1st Qu.:299.0   1st Qu.:2.000         
##  Median :0.0000    Median :27.00         Median :299.0   Median :3.000         
##  Mean   :0.2846    Mean   :28.86         Mean   :299.2   Mean   :2.928         
##  3rd Qu.:1.0000    3rd Qu.:43.00         3rd Qu.:300.0   3rd Qu.:4.000         
##  Max.   :1.0000    Max.   :80.00         Max.   :300.0   Max.   :5.000         
##                    NA's   :12            NA's   :612     NA's   :610           
##  capitulo_morte 
##  Min.   : 0.00  
##  1st Qu.:25.50  
##  Median :39.00  
##  Mean   :40.07  
##  3rd Qu.:57.00  
##  Max.   :80.00  
##  NA's   :618

Passo 3 -

Com o conteúdo analisado, escolhi dois dados para me aprofundar no estudo e visualização de seus dados e irei adicionar nesse fluxo

personagens_livro$nobre= ifelse(personagens_livro$nobre==1, "sim", "não")

Passo 4 -

Com o conteúdo da base de dados analisado, eu vou fazer uma tabela com as informações relevantes que eu encontrei

tabela1= table(personagens_livro$sexo,personagens_livro$nobre)

Passo 5 -

Com a tabela criada, irei adicionar as informações que formarão essa análise

library(flextable)
library(janitor)

## 
## Attaching package: 'janitor'

## The following objects are masked from 'package:stats':
## 
##     chisq.test, fisher.test

library(dplyr)

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

tabyl(personagens_livro,nobre,sexo)%>%adorn_percentages()%>%adorn_pct_formatting(digits = 2)%>%flextable()%>%theme_vader()

nobre	femenino	masculino
não	14.99%	85.01%
sim	19.53%	80.47%

#Passo 6 - Com as informações adicionadas, irei transformá-las em formato de gráfico de barras

barplot(tabela1, col = c("yellow", "pink"), beside = TRUE, legend.text = rownames(tabela1), args.legend = list(x = "topleft"))

#Considerações Finais Com os gráficos prontos, percebi que existem muito mais homens nobres do que mulheres nobres, e, num geral, na série em questão, tinham muito mais personagens masculinos do que femininos.