Resolução da lista 12

Resolução das questões da lista de exercícios 12 da disciplina CPAD - Computação Para Análise de Dados.

Questão 1

Dados da Questão: Use os dados abaixo para gerar os gráficos. Para o segundo gráfico (barras), use a escala logarítmica (log = “y”) e as seguintes cores: “#E6E6E6”, “#666666”. Além disso, os gráficos podem ser organizados com a função layout().

Definindo as variáveis

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

Criando os gráficos de Linhas

plot(MRT_1F, type = "l", col="red", xlab= "Eixo X", ylab="Eixo Y",
     main= "Gráfico de linhas", cex.axis= 0.5)
lines(MRT_3F,type = "l", col= "blue")
lines(MRT_5F,type = "l", col="green")
lines(MRT_10F,type = "l", col="#EFA9D3")
lines(MRT_15F,type = "l", col="#F9F99F")
lines(MRT_sem_F,type = "l", col="#B629C9")
lines(clock,type = "l", col="#2BC73A")

legend("topright",pch = c(15,15,15,15,15,15),
col = c("blue", "green", "#EFA9D3", "#F9F99F", "#B629C9", "#2BC73A"), 
  legend = c("1 Fog", "3 Fogs", "5 Fogs", "10 Fogs", "15 Fogs", "Sem Fog")
)

Definindo os Gráficos de Barra

clock <- c(0.1, 0.5, 1, 1.5, 2, 2.5, 3)
Nome<-c("1 Fog","3 Fog","5 Fog","10 Fog","15 Fog","w/o Fog")

MRT=matrix(ncol=7,nrow=6)
MRT[1,]=MRT_1F
MRT[2,]=MRT_3F
MRT[3,]=MRT_5F
MRT[4,]=MRT_10F
MRT[5,]=MRT_15F
MRT[6,]=MRT_sem_F
rownames(MRT)<-Nome

cores=c("#E6E6E6", "#666666")

layout(matrix(c(1,2,3,4,5,6),nrow=3,byrow=T))
for (i in 1:5){
barplot(MRT[c(6,i),],col=cores,xlab="Times between Things requests",ylab="Response time (s)",names.arg=clock,log="y",beside=T)
legend("topright",pch=c(15,15),col=cores,legend=rownames(MRT[c(6,i),]))
}

Questão 2

Dados da Questão:Para a tabela abaixo que classifica a qualidade de refeição de acordo com categorias de preços crie um gráfico de barras empilhadas. Também adicione título, nomes e eixos e legenda.

Tabela_questão 2

Resolução

colors=c("red","blue","green")
meal_price<-c("$10-19","$20-29","$30-39","$40-49")
quality_rating<-c("Good","Very Good","Excellent")

Values<-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)
barplot(Values, main="Meal´s Quality Rating by Price", names.arg=meal_price, xlab="Quality Rating", ylab="Meal Price", col=colors)
legend("topright",pch = c(15,15,15),col = colors, legend = quality_rating)

Questão 3

Faça o histograma das temperaturas do mês de maio do dataset airquality. No entanto, primeiro converta as temperaturas para graus Celsius através da expressão °C = (°F − 32) / 1.8. Após isso, gere o histograma. Também adicione título, nomes de eixos, cor e curva de densidade.

Resolução

#selecionando a coluna
temperature<-airquality$Temp
#converter a temperatura para Celsius
temperature2<-(temperature-32)/1.8
#fazendo o histograma
hist(temperature2,col="#2B32C7",main= "Histograma da Temperatura", probability = T, density = 25, xlab="temperatura",ylab="densidade")
#adicionar a curva da densidade
densityTemp<-density(temperature2)
lines(densityTemp, col= "red")

Questão 4

Crie um gráfico de pizza com a porcentagem da tabela total de vendas por país. Use o dataset abaixo. Inclua a porcentagem de cada fatia, as cores das fatias e o nome do gráfico. Adicionalmente, use o comando legend() para incluir a legenda do gráfico. sales <- read.table(“https://training-course-material.com/images/8/8f/Sales.txt”,header=TRUE)

Resolução

sales <- read.table("https://training-course-material.com/images/8/8f/Sales.txt",header=TRUE)
pct<-round(sales$SALES/sum(sales$SALES)*100)
lbls<-paste(sales$COUNTRY,pct)
lbls<-paste(lbls,"%",sep="")
pie(sales$SALES, lbls, col = rainbow(6), main = "Vendas por País")
legend("topright",legend = sales$COUNTRY,cex = 0.7, fill = rainbow(6))

Questão 5

Utilize os dados de contagens de insetos em unidades experimentais agrícolas tratados com inseticidas diferentes disponíveis no R em InsectSprays e construa um boxplot sem a presença dos outliers para os 6 tipos de inseticidas. Coloque título e nomes de eixos adequados. Além disso, as caixas devem ser preenchidas com a cor “yellow”.

Resolução

boxplot(count~spray,data = InsectSprays, xlab = "Tipos de Sprays", ylab = "Insetos", col="yellow", main="Contagem",outline = FALSE)

Questão 6

Gere os gráficos abaixo a partir dos seguintes dados: monitoringCloudData_0.1.csv, monitoringCloudData_0.5.csv, monitoringCloudData_1.csv e monitoringCloudData_NONE.csv. Esses dados consistem de informações de monitoramento dos recursos de uma máquina virtual. Basicamente, é necessário gerar gráficos de linha do tempo de coleta dos recursos (currentTime) em relação a memória usada (usedMemory). Porém, é necessário ajustar a coluna “currentTime” para que o tempo fique contínuo e a coluna “usedMemory” para que todas as informações fiquem megabytes. Por fim, use a função layout() para organizar os gráficos. Dica 1: use a função difftime() para calcular a diferença do tempo em horas. Dica 2: use os conceitos vistos na aula de string/regex para converter os dados na coluna “usedMemory” para apenas megabytes. Além disso, considere que um terabyte equivale a 1000000 megabytes e 1 gigabyte equivale a 1024 megabytes.

Resolução

#Carregando Arquivos
x1<-read.csv('monitoringCloudData_0.1.csv')
x2<-read.csv('monitoringCloudData_0.5.csv')
x3<-read.csv('monitoringCloudData_1.csv')
x4<-read.csv('monitoringCloudData_NONE.csv')

#Função para Tornar o "Tempo" Contínuo
Tempo<-function(Datas){
  #Entrar com Coluna do dataset
  TT<-length(Datas)
  v<-vector(length=TT)
  v[1]<-0
  for (i in 1:(TT-1)){
    v[i+1]<-difftime(Datas[i+1],Datas[i])+v[i]
  }
  return(v)
}

#Aplicando Função de Tempo Contínuo
x1$Tempo<-Tempo(x1$currentTime)
x2$Tempo<-Tempo(x2$currentTime)
x3$Tempo<-Tempo(x3$currentTime)
x4$Tempo<-Tempo(x4$currentTime)


#Função Separar a unidade de medida dos dados (Ex: MB, TB, GB)
Separar<-function(Datas){
  TT<-tidyr::separate(Datas,col="usedMemory",into=c("usedMemory_P1","usedMemory_P2"),sep=-2)
  TT$usedMemory_P1<-as.numeric(TT$usedMemory_P1)
  return(TT)
}

#Aplicando Função separar unidade de medida  
x1<-Separar(x1)  
x2<-Separar(x2)  
x3<-Separar(x3) 
x4<-Separar(x4) 

#Função atribuição do valor à ordem de grandeza da unidade de medida
Contabilizar<-function(Datas){
  #Entrar com Coluna do dataset
  TT<-length(Datas)
  v<-vector(length=TT)
  for (i in 1:TT){
    if (stringr::str_trim(Datas[i])=="MB"){
      v[i]=1}
    else if (stringr::str_trim(Datas[i])=="GB"){
      v[i]=1024}
    else if (stringr::str_trim(Datas[i])=="TB"){
      v[i]=1000000}
  }
  return(v)
}

#Aplicando função atribuição à ordem de grandeza
x1$Fator<-Contabilizar(x1$usedMemory_P2)
x2$Fator<-Contabilizar(x2$usedMemory_P2)
x3$Fator<-Contabilizar(x3$usedMemory_P2)
x4$Fator<-Contabilizar(x4$usedMemory_P2)


#Calculado a Quantidade Total de Dados (Ex: 21 GB = 21 x 1024 = 21.540MB)
x1$Fator<-x1$Fator*x1$usedMemory_P1
x2$Fator<-x2$Fator*x2$usedMemory_P1
x3$Fator<-x3$Fator*x3$usedMemory_P1
x4$Fator<-x4$Fator*x4$usedMemory_P1


#função para gerar gráficos
Graf<-function(Tempo,Fator,numero){
  if (numero==0){
    m<-"Memory Analisys (None Workload)"}
  else{
    m<-paste("Memory Analisys (Workload of",numero,")")}
  
  plot(Tempo,Fator,type="l",ylab="Used Memory (MB)", xlab="Time (hour)",main=m)
}

#Geração de Gráficos
layout(matrix(c(1,1,2,2,3,3,4,4),nrow=2,byrow=T))
Graf(x4$Tempo,x4$Fator,0)
Graf(x1$Tempo,x1$Fator,0.1)
Graf(x2$Tempo,x2$Fator,0.5)
Graf(x3$Tempo,x3$Fator,1)

Questão 7

Para os exercícios a seguir utilizaremos o dataset Netflix Movies and TV Shows. Essa base de dados reúne os filmes e séries disponíveis na Netflix em 2019, e se divide em algumas colunas que descrevem o tipo do conteúdo (série ou filme), o país de origem, o ano de lançamento, o gênero, entre outros. Filtrando os conteúdos com apenas UM país de origem (coluna “country”), utilize o Plotly para obter um gráfico de pizza dos 10 países com mais conteúdo na plataforma.

Resolução

filme<-read.csv("D:/ArquivoR/netflix_titles.csv",na.strings = "")
country<-filme$country

TT<-length(country)
v<-vector()
ct<-1
for (i in 1:TT){
  if (length(grep(",",country[i],value=T))==0 & is.na(country[i])==F){
    v[ct]<-country[i]
    ct<-ct+1}
}

S<-data.frame(country=v)

S1<-dplyr::group_by(S,country)
S1<-dplyr::summarise(S1,Quantidade=length(country))
S2<-dplyr::arrange(S1,desc(Quantidade))[1:10,]            
plotly::plot_ly(data=S2,labels=~country,values=~Quantidade, type='pie')

Questão 8

Considerando os 10 países descritos na questão anterior, utilize o Plotly para obter uma tabela com as colunas “País” e “Total de conteúdos”. Para tal tabela, é necessário que o cabeçalho esteja com o fundo da célula cinza e a letra em branco, e que todos os textos das células estejam @centralizados.

Resolução

plotly::plot_ly(
type = 'table',
columnwidth = c(50, 50),
columnorder = c(0, 1),
header = list(
values = c("País","Total"),
align = c("center", "center"),
fill = list(color='grey'),
line = list(width = 1.5, color = 'black'),
font = list(family = "Arial", size = 12, color = c("white"))
),
cells = list(
values = rbind(S2$country, S2$Quantidade),
align = c("center", "center"),
line = list(width = 1.5, color = 'black'),
font = list(family = "Arial", size = 12, color = c("black"))
)
)

Questão 9

Utilizando o Plotly, obtenha um gráfico de linha com pontos (como na imagem abaixo) contendo a quantidade de conteúdo por década do Netflix, onde o eixo X representa as décadas e o eixo Y a quantidade de conteúdo disponível na plataforma (coluna “release_year”). Use uma linha azul para representar as séries e uma linha amarela representando os filmes. (Obs: considerar como década o período que compreende os anos de XXX0 à XXX9, por exemplo, 2000 à 2009. Imagem

Resolução

filme<-read.csv("D:/ArquivoR/netflix_titles.csv",na.strings = "")

#Função Separar Década
Decada<-function(Ano){
  v=vector()
  TT<-length(Ano)
  Ano<-as.character(Ano)
  for (i in 1:TT){
    v[i]<-paste(substr(Ano[i],1,3),"0",sep="")
  }
  return(v)
}

filme$Decada<-Decada(filme$release_year)
filme$Decada<-as.numeric(filme$Decada)

#Criando um Data Frame de Filmes
Movies<-dplyr::group_by(filme,Decada)
Movies<-dplyr::filter(Movies,type=="Movie")
Movies<-dplyr::summarise(Movies,Movies=length(Decada))

#Criando um Data Frame de Séries
TVShow<-dplyr::group_by(filme,Decada)
TVShow<-dplyr::filter(TVShow,type=="TV Show")
TVShow<-dplyr::summarise(TVShow,TVShow=length(Decada))

#Combinando Filme e Séries em Novo Data Frame
Combinado<-merge(x=Movies,y=TVShow,by.x="Decada",by.y="Decada",all=T)

#Trocando NA por zeros
Combinado$Movies[which(is.na(Combinado$Movies))]<-0
Combinado$TVShow[which(is.na(Combinado$TVShow))]<-0  

#Gerando Gráficos
FIG<-plotly::plot_ly(Combinado, x = ~Decada,y = ~TVShow,name="TV Series", type = 'scatter',mode ='lines+markers',line = list(color = 'blue',width = 2),marker=list(color="blue"))

FIG<- plotly::add_trace(FIG, y = ~Movies,name="Movies",type = 'scatter',mode = 'lines+markers',line = list(color = 'orange', width = 2), marker=list(color="orange"))

FIG<-plotly::layout(FIG,title = 'Netflix',xaxis = list(title = 'Década'),yaxis = list (title = 'Qnd. Conteúdo'))
FIG

Questão 10

Utilizando o Plotly, obtenha um gráfico que representa a quantidade de filmes lançados de um determinado gênero entre os anos de 2000 e 2010. Este gráfico deve ser de barras lado-a-lado (como na imagem abaixo), com cada barra representando a quantidade de filmes dos gêneros “Dramas”, “Action & Adventure” e “Comedies” lançados naquele determinado ano. (Obs: Para filmes com múltiplos gêneros, considerar apenas o primeiro descrito na coluna “listed_in”).

Resolução

filme<-read.csv("D:/ArquivoR/netflix_titles.csv",na.strings = "")


Sel<-dplyr::filter(filme,release_year>2000 & release_year<2010)

#Função separar categorias
Categoria<-function(Data){
  TT<-length(Data)
  v<-vector()
  for (i in 1:TT){
    if (substr(stringr::str_trim(Data[i]),1,6)=="Dramas"){
      v[i]<-"Dramas"}
    else if (substr(stringr::str_trim(Data[i]),1,18)=="Action & Adventure"){
      v[i]<-"Action_Adventure"}
    else if (substr(stringr::str_trim(Data[i]),1,8)=="Comedies"){
      v[i]<-"Comedies"}
    else {v[i]<-"Outro"}
    }
    return(v)
}

Sel$release_year<-as.character(Sel$release_year)

#Aplicando função para categorizar
Sel$Categoria<-Categoria(Sel$listed_in)

#separando as categorias desejadas
Cat<-dplyr::filter(Sel,Categoria=="Comedies" | Categoria=="Action_Adventure" | Categoria=="Dramas")
Cat<-dplyr::select(Cat,release_year,Categoria)

#Quatificando por categoria
Cat<-dplyr::group_by(Cat,Categoria,release_year)
Cat<-unique(dplyr::mutate(Cat,Quantidade=length(Categoria)))

#Separando data frame em colunas de categorias desejadas
Cat<-tidyr::spread(Cat, key="Categoria",value="Quantidade")

#Trocando NA por zeros
Cat$Comedies[which(is.na(Cat$Comedies))]<-0
Cat$Action_Adventure[which(is.na(Cat$Action_Adventure))]<-0
Cat$Dramas[which(is.na(Cat$Dramas))]<-0

#Gráficos
FIG <- plotly::plot_ly(Cat, x = ~release_year, y = ~Dramas, type = 'bar', name = 'Drama',marker = list(color = 'blue'))
FIG <- plotly::add_trace(FIG,y = ~Action_Adventure, name = 'Ação e Aventura', marker = list(color = 'orange'))
FIG <- plotly::add_trace(FIG,y = ~Comedies, name = 'Comédia', marker = list(color = 'green'))


FIG<-plotly::layout(FIG,title = 'Netflix',
         xaxis = list(title = 'Ano de Lançamento'),
         yaxis = list (title = 'Qnt. de Lançamentos'))

FIG