R - Task 3

  1. Caricare le librerie che verranno utilizzate l’esercizio
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
library("ggplot2")
library("esquisse")
library("stringr")
library("tidyverse")
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ forcats   1.0.0     ✔ readr     2.1.5
## ✔ lubridate 1.9.3     ✔ tibble    3.2.1
## ✔ purrr     1.0.2     ✔ 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

library(“dplyr”) library(“ggplot2”) library(“esquisse”) library(“stringr”) library(“tidyverse”)

  1. Data import

Importare i dati disponibili dal file csv (netflix_titles) e mostrare le variabili contenute:

{r} #Tramite Environment è stato inserito in input il file csv precedente sistemato in excel netflix_titles <- read.csv(“Downloads/netflix_titles.csv”) read.table(netflix_titles) net=netflix_titles net glimpse(net) view(net)

#si inizializza una variabile per salvare la tabella e renderla manipolabile più volte nel corso del task e si mostra sia la tabella sia colonne, tipo di variabile e una serie di osservazioni

  1. Preparazione dei dati

2.1 Selezionare e preparare solamente le variabili release_year, type, rating, listed_in:

Creare una colonna Dramas andando a vedere se la stringa Dramas è presente nella colonna listed_in (che poi verrà eliminata):

Trasformare le variabili chr in fattori:

{r} #confronto esistenza “Dramas” se presente in altra colonna #restituzione valore logico e conseguente somma per contarne le net\(Dramas = grepl("Dramas", net\)listed_in) net\(Dramas sum(grepl("Dramas", net\)listed_in))

#downsizing della tabella fino a 4 colonne n=subset(net, select=c(“release_year”, “type”, “rating”, “listed_in”)) n

#downsizind della tabella n=select(n, -listed_in) n

#trasformozione in fattori e verifica n\(type=factor(n\)type) n\(rating=factor(n\)rating) glimpse(n)

  1. Analisi dei dati: statistiche descrittive

Calcolare la mediana di release_year:

Calcolare la distribuzione di frequenza del rating e ordinare per le frequenze:

{r} #calcolo mediana anni di rilascio n %>% summarise(median(release_year))

#Calcolare la distribuzione di frequenza del rating e ordinare per le frequenze: n %>% count(rating) ord = count(n, rating) %>% arrange(desc(n)) ord

ord %>% count(n, rating) %>% mutate(prop = n/8807, perc = prop*100)

  1. Analisi dei dati: grafici

Grafico di release_year:

Grafico variabile categoriale type con frequenze assolute:

Grafico variabile categoriale type con frequenze percentuali:

Grafico a due variabili categoriali (type e Dramas) con le barre in versione cumulate e poi parallele data la seconda variabile categorica:

Un grafico di due variabili a scelta che potrebbero essere di interesse:

Utilizzare il data set originale (in caso si può importare nuovamente con un nome differente) per rimuovere dalla variabile duration la componente chr creando una nuova variabile all’interno del data set denominata durnum solo con la componente numerica (raccomando le funzioni str_detect e str_extract).