Aula 1

Prof. Edneide Ramalho

03/02/2026

Mostrar/ocultar código 
# format: 
#   html:
#     theme: cerulean
# execute:
#   echo: false
#   warning: false
#   message: false
# editor: visual

Carregando os pacotes

Mostrar/ocultar código 
library(tidyverse)
library(skimr)
library(readr)
library(gt)

Dados

Mostrar/ocultar código 
df <- read_csv("churn_clean.csv")
View(df)

Inspeção inicial

Mostrar/ocultar código 
glimpse(df)
Rows: 7,043
Columns: 21
$ customer_id       <chr> "7590-VHVEG", "5575-GNVDE", "3668-QPYBK", "7795-CFOC…
$ gender            <chr> "Female", "Male", "Male", "Male", "Female", "Female"…
$ senior_citizen    <chr> "No", "No", "No", "No", "No", "No", "No", "No", "No"…
$ partner           <chr> "Yes", "No", "No", "No", "No", "No", "No", "No", "Ye…
$ dependents        <chr> "No", "No", "No", "No", "No", "No", "Yes", "No", "No…
$ tenure            <dbl> 1, 34, 2, 45, 2, 8, 22, 10, 28, 62, 13, 16, 58, 49, …
$ phone_service     <chr> "No", "Yes", "Yes", "No", "Yes", "Yes", "Yes", "No",…
$ multiple_lines    <chr> "No", "No", "No", "No", "No", "Yes", "Yes", "No", "Y…
$ internet_service  <chr> "DSL", "DSL", "DSL", "DSL", "Fiber optic", "Fiber op…
$ online_security   <chr> "No", "Yes", "Yes", "Yes", "No", "No", "No", "Yes", …
$ online_backup     <chr> "Yes", "No", "Yes", "No", "No", "No", "Yes", "No", "…
$ device_protection <chr> "No", "Yes", "No", "Yes", "No", "Yes", "No", "No", "…
$ tech_support      <chr> "No", "No", "No", "Yes", "No", "No", "No", "No", "Ye…
$ streaming_tv      <chr> "No", "No", "No", "No", "No", "Yes", "Yes", "No", "Y…
$ streaming_movies  <chr> "No", "No", "No", "No", "No", "Yes", "No", "No", "Ye…
$ contract          <chr> "Month-to-month", "One year", "Month-to-month", "One…
$ paperless_billing <chr> "Yes", "No", "Yes", "No", "Yes", "Yes", "Yes", "No",…
$ payment_method    <chr> "Electronic check", "Mailed check", "Mailed check", …
$ monthly_charges   <dbl> 29.85, 56.95, 53.85, 42.30, 70.70, 99.65, 89.10, 29.…
$ total_charges     <dbl> 29.85, 1889.50, 108.15, 1840.75, 151.65, 820.50, 194…
$ churn             <chr> "No", "No", "Yes", "No", "Yes", "Yes", "No", "No", "…
Mostrar/ocultar código 
skim(df)
Data summary
Name df
Number of rows 7043
Number of columns 21
_______________________
Column type frequency:
character 18
numeric 3
________________________
Group variables None

Variable type: character

skim_variable n_missing complete_rate min max empty n_unique whitespace
customer_id 0 1 10 10 0 7043 0
gender 0 1 4 6 0 2 0
senior_citizen 0 1 2 3 0 2 0
partner 0 1 2 3 0 2 0
dependents 0 1 2 3 0 2 0
phone_service 0 1 2 3 0 2 0
multiple_lines 0 1 2 3 0 2 0
internet_service 0 1 2 11 0 3 0
online_security 0 1 2 3 0 2 0
online_backup 0 1 2 3 0 2 0
device_protection 0 1 2 3 0 2 0
tech_support 0 1 2 3 0 2 0
streaming_tv 0 1 2 3 0 2 0
streaming_movies 0 1 2 3 0 2 0
contract 0 1 8 14 0 3 0
paperless_billing 0 1 2 3 0 2 0
payment_method 0 1 12 25 0 4 0
churn 0 1 2 3 0 2 0

Variable type: numeric

skim_variable n_missing complete_rate mean sd p0 p25 p50 p75 p100 hist
tenure 0 1 32.37 24.56 0.00 9.00 29.00 55.00 72.00 ▇▃▃▃▆
monthly_charges 0 1 64.76 30.09 18.25 35.50 70.35 89.85 118.75 ▇▅▆▇▅
total_charges 0 1 2281.92 2265.27 18.80 402.22 1397.47 3786.60 8684.80 ▇▂▂▂▁

Garantindo o tipo correto de dados

Mostrar/ocultar código 
df1 <- df %>%
  mutate(
    churn = factor(churn, levels = c("No", "Yes")),
    senior_citizen = factor(senior_citizen, levels = c("No", "Yes")),
    partner = factor(partner),
    dependents = factor(dependents),
    contract = factor(contract),
    payment_method = factor(payment_method),
    internet_service = factor(internet_service)
  )

Explorando algumas colunas

1. Qual o percentual de churn na nossa tabela?

Mostrar/ocultar código 
df1 %>%
  count(churn) %>%
  mutate(prop = 100 * n / sum(n)) %>% 
  gt()
churn n prop
No 5174 73.46301
Yes 1869 26.53699

2. Qual e média e a mediana de tempo de uso do serviço e do que é cobrado mensalmente e no total?

Mostrar/ocultar código 
df1 %>%
  summarise(
    tenure_media = mean(tenure, na.rm = TRUE),
    tenure_mediana = median(tenure, na.rm = TRUE),
    monthly_charges_media = mean(monthly_charges, na.rm = TRUE),
    total_charges_media = mean(total_charges, na.rm = TRUE)
  ) %>%  gt()
tenure_media tenure_mediana monthly_charges_media total_charges_media
32.37115 29 64.76169 2281.917

Primeiras visualizações

Variável Numérica

Mostrar/ocultar código 
df1 %>% 
  summarise(
    min_tenure = min(tenure),
    max_tenure = max(tenure)
    )
# A tibble: 1 × 2
  min_tenure max_tenure
       <dbl>      <dbl>
1          0         72
Mostrar/ocultar código 
ggplot(df1, aes(x = tenure)) +
  geom_histogram(bins = 30,
                 fill = "lightblue", 
                 color = "black", 
                 alpha = 0.75) +
  theme_minimal() +
  labs(
    x = "Meses de permanência",
    y = "Frequência",
    title = "Distribuição dos meses de permanência"
  )

Variável Categórica

Mostrar/ocultar código 
df1 %>% 
  count(gender) %>% 
  mutate(prop = round(100 * n/sum(n), 2)) %>% 
  gt()
gender n prop
Female 3488 49.52
Male 3555 50.48
Mostrar/ocultar código 
df1 %>% 
  count(gender) %>% 
  mutate(prop = round(100 * n/sum(n), 2)) %>% 
  ggplot(aes(x = gender, y = prop, fill = gender)) +
  geom_col() +
  theme_minimal() +
  labs(title = "Porporção de clientes por gênero",
       y = "% de clientes", x = "Gênero")

  • Mudando o título da legenda e colocando os valores percentuais encima das barras.
Mostrar/ocultar código 
df1 %>% 
  count(gender) %>% 
  mutate(prop = round(100 * n / sum(n), 2)) %>% 
  ggplot(aes(x = gender, y = prop, fill = gender)) +
  geom_col() +
  geom_text(aes(label = paste0(prop, "%")),
            vjust = -0.3,
            size = 4) +
  theme_minimal() +
  labs(
    title = "Proporção de clientes por gênero",
    y = "% de clientes",
    x = "Gênero", 
    fill = "Gênero do cliente"
  )

  • Se quiser tirar a legenda:
Mostrar/ocultar código 
df1 %>% 
  count(gender) %>% 
  mutate(prop = round(100 * n / sum(n), 2)) %>% 
  ggplot(aes(x = gender, y = prop, fill = gender)) +
  geom_col() +
  geom_text(aes(label = paste0(prop, "%")),
            vjust = -0.3,
            size = 4) +
  theme_minimal() +
  labs(
    title = "Proporção de clientes por gênero",
    y = "% de clientes",
    x = "Gênero", 
    fill = element_blank()
  )

  • Mesmo gráfico só que de pizza ou rosca: (ideal para poucas categorias)
Mostrar/ocultar código 
df1 %>% 
  count(gender) %>% 
  mutate(prop = round(100 * n / sum(n), 2),
         label = paste0(prop, "%")) %>% 
  ggplot(aes(x = "", y = prop, fill = gender)) +
  geom_col(width = 1, color = "white") +
  coord_polar(theta = "y") +
  geom_text(aes(label = label),
            position = position_stack(vjust = 0.5),
            size = 4) +
  theme_void() +
  labs(
    title = "Proporção de clientes por gênero",
    fill = "Gênero do cliente"
  )

Mostrar/ocultar código 
df1 %>% 
  count(gender) %>% 
  mutate(prop = round(100 * n / sum(n), 2),
         label = paste0(prop, "%")) %>% 
  ggplot(aes(x = 2, y = prop, fill = gender)) +
  geom_col(width = 1, color = "white") +
  coord_polar(theta = "y") +
  xlim(0.5, 2.5) +  # cria o "buraco" da rosca
  geom_text(aes(label = label),
            position = position_stack(vjust = 0.5),
            size = 4) +
  theme_void() +
  labs(
    title = "Proporção de clientes por gênero",
    fill = "Gênero do cliente"
  )

Exercício

  1. Criar tabelas com n e proporção para as variáveis categóricas, e suas visualizações.
  2. Calcular média e mediana para as variáveis numéricas e seus respectivos histogramas.