Exercício 12
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)
series <- list(
"1 Fog" = MRT_1F,
"3 Fogs" = MRT_3F,
"5 Fogs" = MRT_5F,
"10 Fogs" = MRT_10F,
"15 Fogs" = MRT_15F,
"w/o Fog" = MRT_sem_F
)
cores_linha <- c("black", "red", "gold", "blue", "purple", "green")
pontos <- c(4, 1, 2, 0, 3, 5)
op <- par(no.readonly = TRUE)
layout(
matrix(c(1, 1,
2, 3,
4, 5,
6, 0), nrow = 4, byrow = TRUE),
heights = c(2.1, 1.2, 1.2, 1.2)
)
par(mar = c(4.2, 4.4, 3.2, 1.2))
matplot(
clock,
do.call(cbind, series),
type = "b",
pch = pontos,
lty = 1,
col = cores_linha,
xlab = "Time between Things requests (seconds)",
ylab = "Response Time (sec)",
main = "Response Time by Fog Configuration"
)
legend(
"topright",
legend = names(series),
col = cores_linha,
pch = pontos,
lty = 1,
cex = 0.8,
bty = "n"
)
grafico_barras <- function(valores_fog, rotulo_fog) {
dados <- rbind("w/o Fog" = MRT_sem_F, rotulo_fog = valores_fog)
rownames(dados) <- c("w/o Fog", rotulo_fog)
ylim <- c(min(dados[dados > 0]) * 0.8, max(dados) * 1.4)
par(mar = c(4.2, 4.4, 2.2, 1.2))
barplot(
dados,
beside = TRUE,
log = "y",
col = c("#E6E6E6", "#666666"),
names.arg = clock,
ylim = ylim,
xlab = "Time between Things requests",
ylab = "Response Time (s)",
main = paste("w/o Fog vs", rotulo_fog),
cex.names = 0.8
)
legend(
"topright",
legend = c("w/o Fog", rotulo_fog),
fill = c("#E6E6E6", "#666666"),
cex = 0.75,
bty = "n"
)
}
grafico_barras(MRT_1F, "1 Fog")
grafico_barras(MRT_3F, "3 Fogs")
grafico_barras(MRT_5F, "5 Fogs")
grafico_barras(MRT_10F, "10 Fogs")
grafico_barras(MRT_15F, "15 Fogs")
layout(1)
par(op)
Questão 2
qualidade_refeicao <- 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
)
rownames(qualidade_refeicao) <- c("Good", "Very Good", "Excellent")
colnames(qualidade_refeicao) <- c("$10-19", "$20-29", "$30-39", "$40-49")
barplot(
qualidade_refeicao,
beside = FALSE,
col = c("lightblue", "gold", "tomato"),
ylim = c(0, 100),
main = "Qualidade da Refeição por Categoria de Preço",
xlab = "Categoria de preço da refeição",
ylab = "Percentual (%)",
legend.text = TRUE,
args.legend = list(
title = "Qualidade",
x = "topright",
bty = "n",
cex = 0.85
)
)
Questão 3
temp_maio_f <- airquality$Temp[airquality$Month == 5]
temp_maio_c <- (temp_maio_f - 32) / 1.8
hist(
temp_maio_c,
probability = TRUE,
col = "lightblue",
border = "white",
main = "Histograma das Temperaturas de Maio",
xlab = "Temperatura (°C)",
ylab = "Densidade"
)
lines(
density(temp_maio_c, na.rm = TRUE),
col = "red",
lwd = 2
)
Questão 4
url_sales <- "https://training-course-material.com/images/8/8f/Sales.txt"
sales <- tryCatch(
read.table(url_sales, header = TRUE),
error = function(e) {
data.frame(
COUNTRY = c("US", "UK", "France", "Poland", "Japan", "China"),
SALES = c(340, 290, 510, 820, 120, 780)
)
}
)
porcentagem <- round((sales$SALES / sum(sales$SALES)) * 100, 1)
rotulos <- paste0(sales$COUNTRY, " - ", porcentagem, "%")
cores <- rainbow(nrow(sales))
pie(
sales$SALES,
labels = rotulos,
col = cores,
main = "Percentual de Vendas por País"
)
legend(
"topright",
legend = sales$COUNTRY,
fill = cores,
title = "País",
cex = 0.85,
bty = "n"
)
Questão 5
boxplot(
count ~ spray,
data = InsectSprays,
outline = FALSE,
col = "yellow",
main = "Contagem de Insetos por Tipo de Inseticida",
xlab = "Tipo de inseticida",
ylab = "Contagem de insetos"
)
Questão 6
converter_para_mb <- function(x) {
x <- trimws(as.character(x))
valor <- as.numeric(gsub("[^0-9.]", "", x))
unidade <- toupper(gsub("[0-9.[:space:]]", "", x))
ifelse(
unidade == "TB", valor * 1000000,
ifelse(
unidade == "GB", valor * 1024,
ifelse(
unidade == "MB", valor,
ifelse(
unidade == "KB", valor / 1024,
ifelse(unidade == "B", valor / (1024 * 1024), valor)
)
)
)
)
}
preparar_monitoramento <- function(arquivo) {
dados <- read.csv(arquivo, stringsAsFactors = FALSE)
dados$currentTime <- as.POSIXct(
dados$currentTime,
format = "%Y-%m-%d %H:%M:%OS",
tz = "UTC"
)
dados <- dados[order(dados$currentTime), ]
dados$tempo_horas <- as.numeric(
difftime(dados$currentTime, min(dados$currentTime, na.rm = TRUE), units = "hours")
)
dados$usedMemoryMB <- converter_para_mb(dados$usedMemory)
dados
}
monitor_none <- preparar_monitoramento("monitoringCloudData_NONE.csv")
monitor_01 <- preparar_monitoramento("monitoringCloudData_0.1.csv")
monitor_05 <- preparar_monitoramento("monitoringCloudData_0.5.csv")
monitor_10 <- preparar_monitoramento("monitoringCloudData_1.csv")
op <- par(no.readonly = TRUE)
layout(matrix(1:4, nrow = 2, byrow = TRUE))
par(mar = c(4.2, 4.4, 3.2, 1.2))
plot(
monitor_none$tempo_horas,
monitor_none$usedMemoryMB,
type = "l",
main = "Memory Analysis (None Workload)",
xlab = "Time (hour)",
ylab = "Used Memory (MB)"
)
plot(
monitor_01$tempo_horas,
monitor_01$usedMemoryMB,
type = "l",
main = "Memory Analysis (Workload of 0.1)",
xlab = "Time (hour)",
ylab = "Used Memory (MB)"
)
plot(
monitor_05$tempo_horas,
monitor_05$usedMemoryMB,
type = "l",
main = "Memory Analysis (Workload of 0.5)",
xlab = "Time (hour)",
ylab = "Used Memory (MB)"
)
plot(
monitor_10$tempo_horas,
monitor_10$usedMemoryMB,
type = "l",
main = "Memory Analysis (Workload of 1.0)",
xlab = "Time (hour)",
ylab = "Used Memory (MB)"
)
layout(1)
par(op)
Questão 7
library(plotly)
netflix <- read.csv("netflix_titles.csv", stringsAsFactors = FALSE, na.strings = c("", "NA"))
conteudos_um_pais <- netflix[
!is.na(netflix$country) &
trimws(netflix$country) != "" &
!grepl(",", netflix$country),
]
paises_contagem <- sort(table(trimws(conteudos_um_pais$country)), decreasing = TRUE)
top10_paises <- head(paises_contagem, 10)
top10_df <- data.frame(
Pais = names(top10_paises),
Total_de_conteudos = as.integer(top10_paises),
row.names = NULL
)
plot_ly(
top10_df,
labels = ~Pais,
values = ~Total_de_conteudos,
type = "pie",
textinfo = "label+percent",
hoverinfo = "label+value+percent"
) %>%
layout(title = "Top 10 países com mais conteúdos na Netflix")
Questão 8
library(plotly)
netflix <- read.csv("netflix_titles.csv", stringsAsFactors = FALSE, na.strings = c("", "NA"))
conteudos_um_pais <- netflix[
!is.na(netflix$country) &
trimws(netflix$country) != "" &
!grepl(",", netflix$country),
]
paises_contagem <- sort(table(trimws(conteudos_um_pais$country)), decreasing = TRUE)
top10_paises <- head(paises_contagem, 10)
top10_df <- data.frame(
Pais = names(top10_paises),
Total_de_conteudos = as.integer(top10_paises),
row.names = NULL
)
plot_ly(
type = "table",
header = list(
values = c("País", "Total de conteúdos"),
align = "center",
fill = list(color = "gray"),
font = list(color = "white")
),
cells = list(
values = list(top10_df$Pais, top10_df$Total_de_conteudos),
align = "center"
)
)
Questão 9
library(plotly)
netflix <- read.csv("netflix_titles.csv", stringsAsFactors = FALSE, na.strings = c("", "NA"))
netflix$decada <- floor(netflix$release_year / 10) * 10
contagem_decada <- as.data.frame(table(netflix$decada, netflix$type), stringsAsFactors = FALSE)
names(contagem_decada) <- c("Decada", "Tipo", "Total")
contagem_decada$Decada <- as.numeric(as.character(contagem_decada$Decada))
dados_series <- contagem_decada[contagem_decada$Tipo == "TV Show", ]
dados_filmes <- contagem_decada[contagem_decada$Tipo == "Movie", ]
plot_ly() %>%
add_lines(
data = dados_series,
x = ~Decada,
y = ~Total,
name = "TV Series",
mode = "lines+markers",
line = list(color = "blue"),
marker = list(color = "blue")
) %>%
add_lines(
data = dados_filmes,
x = ~Decada,
y = ~Total,
name = "Movies",
mode = "lines+markers",
line = list(color = "yellow"),
marker = list(color = "yellow")
) %>%
layout(
title = "Quantidade de conteúdos da Netflix por década",
xaxis = list(title = "Década"),
yaxis = list(title = "Qtd. de Conteúdo")
)
Questão 10
library(plotly)
netflix <- read.csv("netflix_titles.csv", stringsAsFactors = FALSE, na.strings = c("", "NA"))
generos <- c("Dramas", "Action & Adventure", "Comedies")
anos <- 2000:2010
filmes <- netflix[
netflix$type == "Movie" &
netflix$release_year %in% anos &
!is.na(netflix$listed_in),
]
filmes$genero_principal <- trimws(sub(",.*", "", filmes$listed_in))
filmes <- filmes[filmes$genero_principal %in% generos, ]
tabela_generos <- as.data.frame(
table(filmes$release_year, filmes$genero_principal),
stringsAsFactors = FALSE
)
names(tabela_generos) <- c("Ano", "Genero", "Total")
tabela_generos$Ano <- as.integer(as.character(tabela_generos$Ano))
grade <- expand.grid(Ano = anos, Genero = generos, stringsAsFactors = FALSE)
dados_barras <- merge(grade, tabela_generos, by = c("Ano", "Genero"), all.x = TRUE)
dados_barras$Total[is.na(dados_barras$Total)] <- 0
cores_generos <- c(
"Dramas" = "blue",
"Action & Adventure" = "orange",
"Comedies" = "green"
)
fig <- plot_ly()
for (genero in generos) {
dados_genero <- dados_barras[dados_barras$Genero == genero, ]
fig <- fig %>%
add_bars(
data = dados_genero,
x = ~Ano,
y = ~Total,
name = genero,
marker = list(color = cores_generos[genero])
)
}
fig %>%
layout(
title = "Filmes por gênero principal entre 2000 e 2010",
barmode = "group",
xaxis = list(title = "Ano de Lançamento"),
yaxis = list(title = "Qtd. de Lançamentos")
)