Resultados
Questão 1
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)
par(mfrow=c(4,2), mar=c(4,4,2,1))
layout(matrix(c(1,2,3,4,5,6), ncol=2, byrow=TRUE), heights = c(2,1,1,1,1,1))
plot(clock, MRT_1F, type="o", col="gold", pch=8, ylim=c(0,520),
xlab="Time between Things requests (seconds)", ylab="Response Time (sec.)",
main="")
lines(clock, MRT_3F, type="o", col="orange", pch=6)
lines(clock, MRT_5F, type="o", col="magenta", pch=17)
lines(clock, MRT_10F, type="o", col="blue", pch=15)
lines(clock, MRT_15F, type="o", col="green", pch=4)
lines(clock, MRT_sem_F, type="o", col="black", pch=1)
legend("topright", legend=c("1 Fog","3 Fogs","5 Fogs","10 Fogs","15 Fogs","w/o Fog"),
col=c("gold","orange","magenta","blue","green","black"),
pch=c(8,6,17,15,4,1), bty="n")
barplot(rbind(MRT_sem_F, MRT_1F), beside=TRUE, names.arg=clock,
col=c("#E6E6E6","#666666"), log="y",
main="",
xlab="Time between requests (s)", ylab="Response Time (s)")
legend("topright", legend=c("w/o Fog","1 Fog"), fill=c("#E6E6E6","#666666"), bty="n")
barplot(rbind(MRT_sem_F, MRT_3F), beside=TRUE, names.arg=clock,
col=c("#E6E6E6","#666666"), log="y",
main="",
xlab="Time between requests (s)", ylab="Response Time (s)")
legend("topright", legend=c("w/o Fog","3 Fogs"), fill=c("#E6E6E6","#666666"), bty="n")
barplot(rbind(MRT_sem_F, MRT_5F), beside=TRUE, names.arg=clock,
col=c("#E6E6E6","#666666"), log="y",
main="",
xlab="Time between requests (s)", ylab="Response Time (s)")
legend("topright", legend=c("w/o Fog","5 Fogs"), fill=c("#E6E6E6","#666666"), bty="n")
barplot(rbind(MRT_sem_F, MRT_10F), beside=TRUE, names.arg=clock,
col=c("#E6E6E6","#666666"), log="y",
main="",
xlab="Time between requests (s)", ylab="Response Time (s)")
legend("topright", legend=c("w/o Fog","10 Fogs"), fill=c("#E6E6E6","#666666"), bty="n")
barplot(rbind(MRT_sem_F, MRT_15F), beside=TRUE, names.arg=clock,
col=c("#E6E6E6","#666666"), log="y",
main="",
xlab="Time between requests (s)", ylab="Response Time (s)")
legend("topright", legend=c("w/o Fog","15 Fogs"), fill=c("#E6E6E6","#666666"), bty="n")
Questão 2
dados <- 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, byrow = TRUE
)
colnames(dados) <- c("$10–19", "$20–29", "$30–39", "$40–49")
rownames(dados) <- c("Good", "Very Good", "Excellent")
barplot(dados,
col = c("#B3CDE3", "#6497B1", "#005B96"),
main = "Meal Quality Rating by Price Category",
xlab = "Meal Price Range (USD)",
ylab = "Percentage (%)",
legend.text = rownames(dados),
args.legend = list(x = "topright", bty = "n"),
ylim = c(0, 120))
abline(h = seq(0, 100, 20), col = "gray90", lty = 2)
Questão 3
data("airquality")
maio <- subset(airquality, Month == 5)
temp_celsius <- (maio$Temp - 32) / 1.8
hist(temp_celsius,
main = "Distribuição das Temperaturas em Maio (°C)",
xlab = "Temperatura (°C)",
ylab = "Frequência",
col = "#69b3a2",
border = "white",
freq = FALSE)
lines(density(temp_celsius, na.rm = TRUE),
col = "darkblue", lwd = 2)
abline(v = mean(temp_celsius, na.rm = TRUE),
col = "red", lwd = 2, lty = 2)
Questão 4
sales <- read.table("https://training-course-material.com/images/8/8f/Sales.txt", header = TRUE)
# Converter a coluna SALES para numérica (caso não seja)
sales$SALES <- as.numeric(sales$SALES)
# Criar tabela com total de vendas por país
vendas_pais <- tapply(sales$SALES, sales$COUNTRY, sum)
# Calcular porcentagens
porcentagens <- round(100 * vendas_pais / sum(vendas_pais), 1)
rotulos <- paste(names(vendas_pais), "-", porcentagens, "%")
cores <- rainbow(length(vendas_pais))
pie(vendas_pais,
labels = rotulos,
col = cores,
main = "Porcentagem total de vendas por país")
legend("topright", legend = names(vendas_pais), fill = cores)
Questão 5
data(InsectSprays)
boxplot(count ~ spray,
data = InsectSprays,
main = "Contagem de insetos por yipo de inseticida",
xlab = "Tipo de inseticida",
ylab = "Número de insetos",
col = "yellow",
outline = FALSE)
Questão 6
data_none <- read.csv("monitoringCloudData_NONE.csv", header = TRUE)
data_01 <- read.csv("monitoringCloudData_0.1.csv", header = TRUE)
data_05 <- read.csv("monitoringCloudData_0.5.csv", header = TRUE)
data_1 <- read.csv("monitoringCloudData_1.csv", header = TRUE)
prepare_data <- function(df) {
df$currentTime <- as.POSIXct(df$currentTime, format = "%Y-%m-%d %H:%M:%S")
df$elapsedHours <- as.numeric(difftime(df$currentTime, df$currentTime[1], units = "hours"))
df$usedMemory <- gsub(",", "", as.character(df$usedMemory))
df$memoryMB <- ifelse(grepl("TB", df$usedMemory),
as.numeric(gsub("TB", "", df$usedMemory)) * 1000000,
ifelse(grepl("GB", df$usedMemory),
as.numeric(gsub("GB", "", df$usedMemory)) * 1024,
ifelse(grepl("MB", df$usedMemory),
as.numeric(gsub("MB", "", df$usedMemory)),
as.numeric(df$usedMemory))))
return(df)
}
data_none <- prepare_data(data_none)
data_01 <- prepare_data(data_01)
## Warning in ifelse(grepl("GB", df$usedMemory), as.numeric(gsub("GB", "", : NAs
## introduzidos por coerção
## Warning in ifelse(grepl("MB", df$usedMemory), as.numeric(gsub("MB", "", : NAs
## introduzidos por coerção
## Warning in ifelse(grepl("MB", df$usedMemory), as.numeric(gsub("MB", "", : NAs
## introduzidos por coerção
data_05 <- prepare_data(data_05)
## Warning in ifelse(grepl("GB", df$usedMemory), as.numeric(gsub("GB", "", : NAs
## introduzidos por coerção
## Warning in ifelse(grepl("GB", df$usedMemory), as.numeric(gsub("GB", "", : NAs
## introduzidos por coerção
## Warning in ifelse(grepl("GB", df$usedMemory), as.numeric(gsub("GB", "", : NAs
## introduzidos por coerção
data_1 <- prepare_data(data_1)
layout(matrix(1:4, nrow = 2, byrow = TRUE))
plot(data_none$elapsedHours, data_none$memoryMB, type = "l",
xlab = "Time (hours)", ylab = "Used Memory (MB)",
main = "Memory Usage - No Workload")
plot(data_01$elapsedHours, data_01$memoryMB, type = "l",
xlab = "Time (hours)", ylab = "Used Memory (MB)",
main = "Memory Usage - Workload 0.1")
plot(data_05$elapsedHours, data_05$memoryMB, type = "l",
xlab = "Time (hours)", ylab = "Used Memory (MB)",
main = "Memory Usage - Workload 0.5")
plot(data_1$elapsedHours, data_1$memoryMB, type = "l",
xlab = "Time (hours)", ylab = "Used Memory (MB)",
main = "Memory Usage - Workload 1.0")
Questão 7
library(plotly)
## Warning: pacote 'plotly' foi compilado no R versão 4.5.2
## Carregando pacotes exigidos: ggplot2
##
## Anexando pacote: 'plotly'
## O seguinte objeto é mascarado por 'package:ggplot2':
##
## last_plot
## O seguinte objeto é mascarado por 'package:stats':
##
## filter
## O seguinte objeto é mascarado por 'package:graphics':
##
## layout
library(dplyr)
##
## Anexando pacote: 'dplyr'
## Os seguintes objetos são mascarados por 'package:stats':
##
## filter, lag
## Os seguintes objetos são mascarados por 'package:base':
##
## intersect, setdiff, setequal, union
library(readr)
## Warning: pacote 'readr' foi compilado no R versão 4.5.2
netflix <- read_csv("netflix_titles.csv")
## Rows: 7787 Columns: 12
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (11): show_id, type, title, director, cast, country, date_added, rating,...
## dbl (1): release_year
##
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
netflix_filtrado <- netflix %>%
filter(!is.na(country)) %>% # remover NAs
filter(!grepl(",", country)) # apenas um país
contagem <- netflix_filtrado %>%
group_by(country) %>%
summarise(total = n()) %>%
arrange(desc(total))
top10 <- head(contagem, 10)
fig_pizza <- plot_ly(top10,
labels = ~country,
values = ~total,
type = 'pie',
textinfo = 'label+percent',
insidetextorientation = 'radial') %>%
layout(title = 'Top 10 países com mais conteúdos na Netflix (um país por título)')
fig_pizza
Questão 8
fig_tabela <- plot_ly(
type = 'table',
header = list(
values = c('<b>País</b>', '<b>Total de conteúdos</b>'),
fill = list(color = 'gray'),
font = list(color = 'white', size = 14),
align = 'center'
),
cells = list(
values = list(top10$country, top10$total),
align = 'center'
)
) %>%
layout(title = 'Tabela - Top 10 países com mais conteúdos na Netflix')
fig_tabela
Questão 9
netflix <- read_csv("netflix_titles.csv")
## Rows: 7787 Columns: 12
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (11): show_id, type, title, director, cast, country, date_added, rating,...
## dbl (1): release_year
##
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
netflix_decada <- netflix %>%
filter(!is.na(release_year)) %>%
mutate(decada = floor(release_year / 10) * 10) %>% # transforma ano em década
group_by(decada, type) %>%
summarise(qtd_conteudo = n(), .groups = 'drop') %>%
arrange(decada)
fig <- plot_ly(netflix_decada,
x = ~decada,
y = ~qtd_conteudo,
color = ~type,
colors = c("blue", "orange"),
type = 'scatter',
mode = 'lines+markers') %>%
layout(title = "Quantidade de conteúdo por década na Netflix",
xaxis = list(title = "Década"),
yaxis = list(title = "Qtd. Conteúdo"),
legend = list(title = list(text = '')))
fig
Questão 10
library(stringr)
netflix <- read_csv("netflix_titles.csv")
## Rows: 7787 Columns: 12
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (11): show_id, type, title, director, cast, country, date_added, rating,...
## dbl (1): release_year
##
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
filmes <- netflix %>%
filter(type == "Movie",
release_year >= 2000,
release_year <= 2010)
filmes <- filmes %>%
mutate(primeiro_genero = str_trim(str_split_fixed(listed_in, ",", 2)[,1]))
filmes_filtrados <- filmes %>%
filter(primeiro_genero %in% c("Dramas", "Action & Adventure", "Comedies"))
contagem <- filmes_filtrados %>%
group_by(release_year, primeiro_genero) %>%
summarise(qtd = n(), .groups = 'drop')
fig <- plot_ly(
contagem,
x = ~release_year,
y = ~qtd,
color = ~primeiro_genero,
colors = c("blue", "orange", "green"),
type = "bar"
) %>%
layout(
barmode = "group",
title = "Quantidade de lançamentos por gênero (2000–2010)",
xaxis = list(title = "Ano de Lançamento"),
yaxis = list(title = "Qtd. de Lançamentos"),
legend = list(title = list(text = "Gênero"))
)
fig