Relatório com Imagens
Alison Ferreira
2025-01-27
Relatório de análise de dados
Relatório criado para demonstrar a manipulação de um conjunto de dados utilizando linguagem R. 1) carregando dataset 2) manipulando esses dados 3) obtendo resultados
Inserindo os dados
data("mtcars")
head(mtcars)## mpg cyl disp hp drat wt qsec vs am gear carb
## Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4
## Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1
## Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1
## Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2
## Valiant 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1Ordenando dados pelo consumo de combustível mpg de forma crescente
mtcars_sorted <- mtcars[order(mtcars$mpg), ]
head(mtcars_sorted)## mpg cyl disp hp drat wt qsec vs am gear carb
## Cadillac Fleetwood 10.4 8 472 205 2.93 5.250 17.98 0 0 3 4
## Lincoln Continental 10.4 8 460 215 3.00 5.424 17.82 0 0 3 4
## Camaro Z28 13.3 8 350 245 3.73 3.840 15.41 0 0 3 4
## Duster 360 14.3 8 360 245 3.21 3.570 15.84 0 0 3 4
## Chrysler Imperial 14.7 8 440 230 3.23 5.345 17.42 0 0 3 4
## Maserati Bora 15.0 8 301 335 3.54 3.570 14.60 0 1 5 8Filtro de carros com mais de 10 milhas por tanque
mtcars_filtered <- subset(mtcars, mpg > 10)
head(mtcars_filtered)## mpg cyl disp hp drat wt qsec vs am gear carb
## Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4
## Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1
## Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1
## Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2
## Valiant 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1Classificando carros por peso
mtcars$weight_class <- ifelse(mtcars$wt > 3, "Pesado", "Leve")
head(mtcars)## mpg cyl disp hp drat wt qsec vs am gear carb
## Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4
## Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1
## Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1
## Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2
## Valiant 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1
## weight_class
## Mazda RX4 Leve
## Mazda RX4 Wag Leve
## Datsun 710 Leve
## Hornet 4 Drive Pesado
## Hornet Sportabout Pesado
## Valiant PesadoResumo
summary(mtcars)## mpg cyl disp hp
## Min. :10.40 Min. :4.000 Min. : 71.1 Min. : 52.0
## 1st Qu.:15.43 1st Qu.:4.000 1st Qu.:120.8 1st Qu.: 96.5
## Median :19.20 Median :6.000 Median :196.3 Median :123.0
## Mean :20.09 Mean :6.188 Mean :230.7 Mean :146.7
## 3rd Qu.:22.80 3rd Qu.:8.000 3rd Qu.:326.0 3rd Qu.:180.0
## Max. :33.90 Max. :8.000 Max. :472.0 Max. :335.0
## drat wt qsec vs
## Min. :2.760 Min. :1.513 Min. :14.50 Min. :0.0000
## 1st Qu.:3.080 1st Qu.:2.581 1st Qu.:16.89 1st Qu.:0.0000
## Median :3.695 Median :3.325 Median :17.71 Median :0.0000
## Mean :3.597 Mean :3.217 Mean :17.85 Mean :0.4375
## 3rd Qu.:3.920 3rd Qu.:3.610 3rd Qu.:18.90 3rd Qu.:1.0000
## Max. :4.930 Max. :5.424 Max. :22.90 Max. :1.0000
## am gear carb weight_class
## Min. :0.0000 Min. :3.000 Min. :1.000 Length:32
## 1st Qu.:0.0000 1st Qu.:3.000 1st Qu.:2.000 Class :character
## Median :0.0000 Median :4.000 Median :2.000 Mode :character
## Mean :0.4062 Mean :3.688 Mean :2.812
## 3rd Qu.:1.0000 3rd Qu.:4.000 3rd Qu.:4.000
## Max. :1.0000 Max. :5.000 Max. :8.000Gráfico de dispersão entre peso e mpg
library(ggplot2)
ggplot(mtcars, aes(x = wt, y = mpg, color = weight_class)) +
geom_point(size = 3) +
labs(
title = "Diferença entre o peso e consumo",
x = "Peso (em milhares de libras)",
y = "Milhas por tanque (mpg)",
color = "Classe de peso"
) +
theme_minimal()
Tabela interativa criada com o pacote DT
Dados Filtrados por Milhas por tanque
Tabela Interativa
if (!requireNamespace("DT", quietly = TRUE)) {
install.packages("DT")
}
library(DT)
mtcars_filtered <- subset(mtcars, mpg > 10)
#tabela interativa
datatable(
mtcars_filtered,
options = list(
pageLength = 5,
autoWidth = TRUE,
searchHighlight = TRUE
),
caption = "Tabela interativa com os carros que têm mais de 10 milhas por tanque"
)Introdução
Neste documento, apresentamos cinco equações complexas com suas explicações, organizadas em abas interativas.
Equações Complexas
1. Fórmula de Euler
\[ e^{i\pi} + 1 = 0 \]
Esta é a famosa identidade de Euler, que conecta os cinco números mais importantes da matemática: e e, ii, π π, 1 e 0. Ela representa uma das relações mais elegantes da matemática
2. Fourier
\[ \mathcal{F}(f(t)) = \int_{-\infty}^{\infty} f(t) e^{-i \omega t} \, dt \]
a transformada de Fourier, que permite decompôr uma função no domínio do tempo em componentes sinusoidais no domínio da frequência, sendo essencial em diversas áreas da engenharia e física.
3.Equação de Schrödinger
\[ -\frac{\hbar^2}{2m} \nabla^2 \psi(\mathbf{r}) + V(\mathbf{r}) \psi(\mathbf{r}) = E \psi(\mathbf{r}) \] Esta equação descreve o comportamento das partículas em um potencial V(r)V(r) dentro da mecânica quântica, governando as funções de onda ψ(r)ψ(r) e a energia EE
4.Binômio de Newton
\[ (x + y)^n = \sum_{k=0}^n \binom{n}{k} x^{n-k} y^k \]
A fórmula do binômio de Newton expande a expressão (x+y)n(x+y) n em uma soma de termos com coeficientes binomiais, sendo um conceito central na álgebra
4.Equação do Campo de Einstein
\[ R_{\mu\nu} - \frac{1}{2} R g_{\mu\nu} + \Lambda g_{\mu\nu} = \frac{8 \pi G}{c^4} T_{\mu\nu} \]
Esta equação descreve como a distribuição de matéria e energia afeta a curvatura do espaço-tempo, sendo a base da teoria da relatividade geral de Einstein.
Imagens relavantes para Ciencia de dados
Seção 1:
Seção 2:
