Atividade:

Conforme solicitado. Abaixo estão todas as questões dividas por Abas:

Questão 1

Primeiro vamos carregar os seguintes dados:

# Carregando os valores de MRT_1F:
MRT_1F <-c(517.1468515630205, 85.13094142168089, 30.333207896694553, 12.694776264558937, 3.3041601673945418, 1.1823111717498882, 1.1892293502386786)
# Carregando os valores de MRT_3F:
MRT_3F <-c(156.68929936163462, 11.540837783562276, 0.4512835621696538, 0.4509797929766453, 0.4502068233039181, 0.4496185276300172, 0.4543157082191288)
# Carregando os valores de MRT_5F:
MRT_5F <-c(83.90319666471157, 0.3068151086494968, 0.30522314133037304, 0.3072588968084928, 0.30655265997285697, 0.3055812715727718, 0.3053297166713006)
# Carregando os valores de MRT_10F:
MRT_10F <-c(29.55430642951759, 0.19832832665772515, 0.1971923924717474, 0.19796648905716516, 0.19615594370806338, 0.2034569237883263, 0.19617420889447737)
# Carregando os valores de MRT_15F:
MRT_15F <-c(11.317736530583566, 0.167364215666193, 0.16172168266811013, 0.16701085329580515, 0.1598052657153692, 0.1645934043532696, 0.16216563797118075)
# Carregando os valores de MRT_sem_F:
MRT_sem_F <-c(11.93430909937736, 0.6095414637034009, 0.6060645101029295, 0.612167181646899, 0.6146761002685637, 0.6096747087200697, 0.6125810476877268)
# Carregando os valores do clock:
clock <- c(0.1, 0.5, 1, 1.5, 2, 2.5, 3)

Feito isso vamos começar plotando o Gráfico que mostra a comparação de todos esses dados:

# Gráfico de Linha comparando todos:
plot(x=clock,y = MRT_1F,type = "o", pch=4, cex=2, col = "black", 
     xlab = "Time between Things requests (seconds)", ylab = "Response Time (sec.)",
     cex.lab = 1, cex.main=2, cex.axis = 1,ylim = c(0,600))
lines(x=clock, y = MRT_3F, type = "o", pch = 11, col="yellow")
lines(x=clock, y = MRT_5F, type = "o",pch = 1, col="red")
lines(x=clock, y = MRT_10F, type = "o",pch = 2, col="blue")
lines(x=clock, y = MRT_15F, type = "o",pch = 5, col="purple")
lines(x=clock, y = MRT_sem_F, type = "o",pch = 4, col="green")
# Definindo a Legenda: 
legend("topright", pch = c(4,11,1,2,5,4),col= c("black","yellow","red","blue","purple","green"),
       legend = c("1 Fog","3 Fogs","5 Fogs","10 Fogs","15 Fogs","w/o Fog"))

Plotando demais gráficos:

# Modificando o layout de plotagem dos gráficos: 

layout(matrix(1:6, nrow = 3, byrow = TRUE))

# Carregando os dados de MRT_sem_F e MRT_1F em values:
values <- matrix(c(MRT_sem_F,MRT_1F), nrow = 2, ncol = 7, byrow = TRUE)
# Plotando o Gráfico MRT_sem_F x MRT_1F:
barplot(values,names.arg = clock,
        col = c("#E6E6E6", "#666666"),
        log = "y", beside = T,
        xlab = "Time between Things requests", 
        ylab = "Response Time (s)")
# Definindo a Legenda: 
legend("topright",legend = c("w/o Fog","1 Fog"),pch=c(15,15),col = c("#E6E6E6", "#666666"),
       cex = 0.8)

# Carregando os dados de MRT_sem_F e MRT_3F em values:
values <- matrix(c(MRT_sem_F,MRT_3F), nrow = 2, ncol = 7, byrow = TRUE)
# Plotando o Gráfico MRT_sem_F x MRT_3F:
barplot(values,names.arg = clock,
        col = c("#E6E6E6", "#666666"),
        log = "y", beside = T,
        xlab = "Time between Things requests", 
        ylab = "Response Time (s)")
# Definindo a Legenda: 
legend("topright",legend = c("w/o Fog","3 Fogs"),pch=c(15,15),col = c("#E6E6E6", "#666666"),
       cex = 0.8)

# Carregando os dados de MRT_sem_F e MRT_5F em values:
values <- matrix(c(MRT_sem_F,MRT_5F), nrow = 2, ncol = 7, byrow = TRUE)
# Plotando o Gráfico MRT_sem_F x MRT_5F:
barplot(values,names.arg = clock,
        col = c("#E6E6E6", "#666666"),
        log = "y", beside = T,        
        xlab = "Time between Things requests", 
        ylab = "Response Time (s)")
# Definindo a Legenda: 
legend("topright",legend = c("w/o Fog","5 Fogs"),pch=c(15,15),col = c("#E6E6E6", "#666666"),
       cex = 0.8)

# Carregando os dados de MRT_sem_F e MRT_10F em values:
values <- matrix(c(MRT_sem_F,MRT_10F), nrow = 2, ncol = 7, byrow = TRUE)
# Plotando o Gráfico MRT_sem_F x MRT_10F:
barplot(values,names.arg = clock,
        col = c("#E6E6E6", "#666666"),
         log = "y", beside = T,        
        xlab = "Time between Things requests", 
        ylab = "Response Time (s)")
# Definindo a Legenda: 
legend("topright",legend = c("w/o Fog","10 Fogs"),pch=c(15,15),col = c("#E6E6E6", "#666666"),
       cex = 0.8)

# Carregando os dados de MRT_sem_F e MRT_15F em values:
values <- matrix(c(MRT_sem_F,MRT_15F), nrow = 2, ncol = 7, byrow = TRUE)
# Plotando o Gráfico MRT_sem_F x MRT_15F:
barplot(values,names.arg = clock,
        col = c("#E6E6E6", "#666666"),
        log = "y", beside = T,
        xlab = "Time between Things requests", 
        ylab = "Response Time (s)")
# Definindo a Legenda: 
legend("topright",legend = c("w/o Fog","15 Fogs"),pch=c(15,15),col = c("#E6E6E6", "#666666"),
       cex = 0.8)

Questão 2

Primeiro vamos carregar os seguintes dados:

# Carregando as classificações de qualidade:
quality_rating<-c("Good","Very Good","Excellent")
# Carregando as médias de valores:
mean_price<-c("10-19","20-29","30-39","40-49")
# Definindo as cores do nosso gráfico
colors <- c("green","orange","blue")
# Carregando as nossas avaliações:
vetor<-matrix(c(53.8,33.9,2.6,0.0,
                43.6,54.2,60.5,21.4,
                2.6,11.9,36.8,78.6), nrow = 3, ncol = 4, byrow = TRUE)

Feito isso iremos plotar o gráfico de barras empilhadas:

# Plotando o Gráfico de Barras Empilhadas:
barplot(vetor, main = "Gráfico da qualidade da refeição pela média do preço", names.arg = mean_price,
        xlab = "Média de Preços", ylab = "Classificação de Qualidade", 
        col = colors
        )
# Definindo a Legenda do Gráfico anterior:
legend("topright",pch=c(15,15,15), cex = 0.8,col = colors, legend=quality_rating)

Questão 3

# Convertendo as Temperaturas de Maio do DataSet Airquality para Celsius:
Temp_in_Cel <- (airquality$Temp[airquality$Month==5]-32) / 1.8

# Plotando o Gráfico de Histograma:
hist(Temp_in_Cel, main = "Histograma de Temperatura do mês de Maio",
     xlab = "Temperaturas em Celsius",
     ylab = "Frequências",
     xlim = c(10.5,30.5),
     col = "blue")
# Plotando a curva de densidade:
lines(density(Temp_in_Cel),col="red")

Questão 4

# Carregando os dados na variavel Sales:
Sales<-read.table("https://training-course-material.com/images/8/8f/Sales.txt",header=TRUE)

# Configurando as proporções das fátias das pizzas:
lbls<-paste(round(Sales$SALES/sum(Sales$SALES)*100),"%",sep="")

# Plotando o Gráfico de Pizza:
pie(Sales$SALES, main="Gráfico de Vendas por Pais",
    labels=lbls,col = rainbow(6))
# Definindo a Legenda: 
legend("topleft", legend = Sales$COUNTRY,
       fill = rainbow(length(Sales$COUNTRY)),cex = 0.7)

Questão 5

# Pltando o Gráfico de Box-Plot:
boxplot(count~spray,InsectSprays,
        main = "Grafico do Combate de Insetos por Inseticidas",
        xlab = "Inseticidas",
        ylab = "Insetos mortos",
        col = "yellow")

Questão 6

# Carregando as Bibliotecas que usaremos:
library("stringr")
library("dplyr")

# Modificando o layout de plotagem dos gráficos: 
layout(matrix(1:4, nrow = 2, byrow = TRUE))

# Carregando os dados da planilha monitoringCloudData_NONE.csv na variavel monitoringCloudData_NONE:
monitoringCloudData_NONE <- read.csv("monitoringCloudData_NONE.csV")

# Ajustando a coluna currentTime para ficar com o tempo continuo:
monitoringCloudData_NONE$currentTime <- difftime(monitoringCloudData_NONE$currentTime, 
                                                 monitoringCloudData_NONE$currentTime[1], units = "hour")

# Usando str_replace para remover "MB" e convertendo para número:
monitoringCloudData_NONE$usedMemory <- monitoringCloudData_NONE$usedMemory %>%
  str_replace("MB", "") %>%
  as.numeric()
# Plotando o Gráfico de linha: 
plot(x = monitoringCloudData_NONE$currentTime,
     y = monitoringCloudData_NONE$usedMemory,
     type = "l",
     main = "Memory Analysis (None Workload)",
     xlab = "Time (hour)",
     ylab = "Used Memory (MB)") 

######################################################################################################

# Carregando os dados da planilha monitoringCloudData_0.1.csv na variavel monitoringCloudData_0.1:
monitoringCloudData_0.1 <- read.csv("monitoringCloudData_0.1.csV")

# Ajustando a coluna currentTime para ficar com o tempo continuo:
monitoringCloudData_0.1$currentTime <- difftime(monitoringCloudData_0.1$currentTime, 
                                                monitoringCloudData_0.1$currentTime[1], units = "hour")

monitoringCloudData_0.1 <- monitoringCloudData_0.1 %>%
  mutate(
    usedMemory = ifelse(str_ends(usedMemory, "MB"), 
                        as.numeric(str_replace(usedMemory, "MB", "")),
                        ifelse(str_ends(usedMemory, "GB"),
                               as.numeric(gsub("GB", "", usedMemory)) * 1024,
                               as.numeric(usedMemory)
                        )
    )
  )

# Plotando o Gráfico de linha: 
plot(x = monitoringCloudData_0.1$currentTime,
     y = monitoringCloudData_0.1$usedMemory,
     type = "l",
     main = "Memory Analysis (Workload of 0.1)",
     xlab = "Time (hour)",
     ylab = "Used Memory (MB)")

######################################################################################################

# Carregando os dados da planilha monitoringCloudData_0.5.csv na variavel monitoringCloudData_0.5:
monitoringCloudData_0.5 <- read.csv("monitoringCloudData_0.5.csV")

# Ajustando a coluna currentTime para ficar com o tempo continuo:
monitoringCloudData_0.5$currentTime <- difftime(monitoringCloudData_0.5$currentTime, 
                                                monitoringCloudData_0.5$currentTime[1], units = "hour")

monitoringCloudData_0.5 <- monitoringCloudData_0.5 %>%
  mutate(
    usedMemory = ifelse(str_ends(usedMemory, "MB"), 
                        as.numeric(str_replace(usedMemory, "MB", "")),
                        ifelse(str_ends(usedMemory, "GB"),
                               as.numeric(gsub("GB", "", usedMemory)) * 1024,
                               as.numeric(usedMemory)
                        )
    )
  )

# Plotando o Gráfico de linha: 
plot(x = monitoringCloudData_0.5$currentTime,
     y = monitoringCloudData_0.5$usedMemory,
     type = "l",
     main = "Memory Analysis (Workload of 0.5)",
     xlab = "Time (hour)",
     ylab = "Used Memory (MB)")

######################################################################################################

# Carregando os dados da planilha monitoringCloudData_1.csv na variavel monitoringCloudData_1:
monitoringCloudData_1 <- read.csv("monitoringCloudData_1.csV")

# Ajustando a coluna currentTime para ficar com o tempo continuo:
monitoringCloudData_1$currentTime <- difftime(monitoringCloudData_1$currentTime, 
                                              monitoringCloudData_1$currentTime[1], units = "hour")

monitoringCloudData_1 <- monitoringCloudData_1 %>%
  mutate(
    usedMemory = ifelse(str_ends(usedMemory, "MB"), 
                        as.numeric(str_replace(usedMemory, "MB", "")),
                        ifelse(str_ends(usedMemory, "GB"),
                               as.numeric(gsub("GB", "", usedMemory)) * 1024,
                               as.numeric(usedMemory)
                        )
    )
  )

# Plotando o Gráfico de linha: 
plot(x = monitoringCloudData_1$currentTime,
     y = monitoringCloudData_1$usedMemory,
     type = "l",
     main = "Memory Analysis (Workload of 1.0)",
     xlab = "Time (hour)",
     ylab = "Used Memory (MB)")

Questão 7

library(plotly)
# Carregando os dados da planilha netflix_titles.csv para a variavel netflix_titles:
netflix_titles<-read.csv("netflix_titles.csv")

#Removendo os filmes que tem mais de 1 pais:
netflix_titles <- netflix_titles %>%
  filter(!grepl(",", country, fixed = TRUE))

# Separando os 10 paises com mais filmes:
contagem_paises <- count(netflix_titles, country)
contagem_paises <-contagem_paises %>%
  top_n(10, wt = n)

# Plotando o Gráfico de Pizza:
plot_ly(
  labels = contagem_paises$country,
  values = contagem_paises$n,
  type = 'pie'
)