Dataset 1:

Dataset 2:

1 Unificando o conjunto de dados

1.1 Seleção de colunas

Colunas do dataset1

print(colnames(dataset1))
##  [1] "App"            "Category"       "Rating"         "Reviews"       
##  [5] "Size"           "Installs"       "Type"           "Price"         
##  [9] "Content.Rating" "Genres"         "Last.Updated"   "Current.Ver"   
## [13] "Android.Ver"

Colunas do dataset2

print(colnames(dataset2))
##  [1] "App.Name"          "App.Id"            "Category"         
##  [4] "Rating"            "Rating.Count"      "Installs"         
##  [7] "Minimum.Installs"  "Maximum.Installs"  "Free"             
## [10] "Price"             "Currency"          "Size"             
## [13] "Minimum.Android"   "Developer.Id"      "Developer.Website"
## [16] "Developer.Email"   "Released"          "Last.Updated"     
## [19] "Content.Rating"    "Privacy.Policy"    "Ad.Supported"     
## [22] "In.App.Purchases"  "Editors.Choice"    "Scraped.Time"

Considerando que o dataset1 possui um número inferior de colunas em comparação com o dataset2, optou-se por selecionar um conjunto de colunas que representasse a interseção entre ambos conjuntos de dados(os nomes exibidos são pertinentes ao dataset1):

  • App: O nome do aplicativo.
  • Category: A categoria à qual o aplicativo pertence.
  • Rating: A classificação do aplicativo na Play Store.
  • Reviews: O número de avaliações recebidas na Play Store.
  • Size: O tamanho do aplicativo quando instalado.
  • Installs: O número de instalações do aplicativo.
  • Type: O tipo de aplicativo, que pode ser gratuito ou pago.
  • Price: O preço do aplicativo, caso seja pago.
  • Genre: O gênero ou tema do aplicativo.
  • Last Updated: A data do último update do aplicativo.
  • Android Ver: A versão mínima do Android suportada pelo aplicativo.

1.2 Ajustando o nome das colunas

Tendo em vista que as colunas selecionadas não apresentam os mesmo nome em ambos datasets, todos os nomes no dataset1 serão atualizados para o padrão do dataset2.

Conjunto de colunas renomeadas:

  • App -> App Name
  • Reviews -> Rating Count
  • Type -> Free
  • Genres -> Category
  • Android.Ver -> Minimum Android

Foi necessário remover a coluna “Category” já existente no dataset antes de aplicar os novos nomes.

# Removendo coluna "Category"
dataset1 <- dataset1 %>%
  select(-Category)

# Renomeando colunas
dataset1 <- dataset1 %>% 
  rename(App.Name = App, Rating.Count = Reviews, Free = Type, Category = Genres, Minimum.Android = Android.Ver)

#Dataset1 renomeado
print(colnames(dataset1))
##  [1] "App.Name"        "Rating"          "Rating.Count"    "Size"           
##  [5] "Installs"        "Free"            "Price"           "Content.Rating" 
##  [9] "Category"        "Last.Updated"    "Current.Ver"     "Minimum.Android"

1.3 Ajustando tipo da coluna “Free”

A coluna “Free” no dataset2 contém valores booleanos, assumindo o valor True se o aplicativo for gratuito e False se for pago. Em contrapartida, a coluna “Free” (renomada) no dataset1 utiliza os rótulos “Free” e “Paid” para expressar a mesma informação. Para harmonizar a representação, ajustaremos os valores da coluna no dataset1, substituindo “Free” por True.

#Ajustando coluna Free para Booleano
dataset1$Free <- dataset1$Free == "Free"

#Exibindo valores únicos
valores_unicos <- unique(dataset1$Free)
print(valores_unicos)
## [1]  TRUE FALSE

1.4 Removendo colunas que não serão utilizadas

Nesta etapa, serão eliminadas todas as colunas que não serão utilizadas no dataset1.

#Removendo colunas não utilizada no dataset1
dataset1 <- dataset1 %>%
  select(-Content.Rating, -Current.Ver)

1.5 Unificando o conjunto de dados

Nesta fase, procederemos à fusão dos dois datasets, utilizando a coluna ‘App.Name’ como chave única. Apenas as colunas do dataset1 serão preservadas durante esse processo de união.

#Unificando conjunto de dados
dataset_final <- merge(dataset1, dataset2[, colnames(dataset1)], by = "App.Name", all.x = TRUE)