VADeaths

# Carregar o dataset nativo VADeaths
data("VADeaths")

# Definir uma cor diferente para cada grupo de faixas etárias (linhas da matriz)
cores <- c("#5470C6", "#EE6666", "#91CC75", "#FAC858", "#73C0DE")

# Criar gráfico de barras tradicional do R
# beside = TRUE agrupa as barras lado a lado para cada categoria demográfica
barplot(height = VADeaths, 
        beside = TRUE, 
        col = cores, 
        legend.text = TRUE, 
        args.legend = list(x = "topright", bty = "n"),
        main = "Taxas de Mortalidade na Virgínia (1940)",
        xlab = "Categorias (Grupo Demográfico)", 
        ylab = "Taxa de Mortalidade (por 1000 habitantes)",
        ylim = c(0, 100))

ClassificacaoDoenca

# 1. Vetor com os dados fornecidos na questão
dados_doenca <- c("moderado", "leve", "leve", "severo", "leve", "moderado", 
                  "moderado", "moderado", "leve", "leve", "severo", "leve", 
                  "moderado", "moderado", "leve", "severo", "moderado", 
                  "moderado", "moderado", "leve")

# 2. Criar a tabela de frequências absoluta e converter os nomes para fatores (opcional para ordenar)
frequencia <- table(factor(dados_doenca, levels = c("leve", "moderado", "severo")))

# 3. Calcular as porcentagens de cada fatia
porcentagens <- round(100 * frequencia / sum(frequencia), 1)

# 4. Criar rótulos contendo o valor numérico da porcentagem (ex: "45%")
rotulos <- paste0(porcentagens, "%")

# 5. Definir paleta de cores para os estágios (Leve, Moderado, Severo)
cores_doenca <- c("#91CC75", "#FAC858", "#EE6666")

# 6. Gerar o gráfico de pizza tradicional do R
# Deixamos os rótulos internos apenas com a porcentagem
pie(frequencia, 
    labels = rotulos, 
    col = cores_doenca, 
    main = "Distribuição dos Estágios da Doença nos Pacientes")

# 7. Adicionar a legenda externa relacionando as cores aos nomes das categorias
legend("topright", 
       legend = names(frequencia), 
       fill = cores_doenca, 
       bty = "n")

USArrests

library(plotly)
library(dplyr)
library(tidyr)

# Carregar dados e adicionar coluna com nomes dos estados
data("USArrests")
USArrests$City <- rownames(USArrests)

# Ordenar por Murder (decrescente) e selecionar os 5 mais violentos
top5 <- USArrests %>%
  arrange(desc(Murder)) %>%
  head(5)

# Definir ordem dos estados no eixo X
top5$City <- factor(top5$City, levels = top5$City)

# Criar gráfico de barras agrupadas com Plotly
fig <- plot_ly(top5, x = ~City, y = ~Murder, type = 'bar', 
               name = 'Murder', marker = list(color = '#5470C6')) %>%
  add_trace(y = ~Rape, name = 'Rape', marker = list(color = '#EE6666')) %>%
  add_trace(y = ~Assault, name = 'Assault', marker = list(color = '#91CC75')) %>%
  layout(
    title = "5 estados mais violentos (EUA, 1973)",
    xaxis = list(title = "Estado"),
    yaxis = list(title = "Ocorrências"),
    barmode = 'group',
    legend = list(x = 1, y = 0.5)
  )

fig

Orange

library(plotly)

# Carregar o dataset nativo
data("Orange")

# Criar o gráfico de linhas com Tooltip customizado
fig <- plot_ly(data = Orange, 
               x = ~age, 
               y = ~circumference, 
               color = ~Tree, 
               colors = "Set1", # Garante cores distintas
               type = 'scatter', 
               mode = 'lines+markers',
               text = ~paste("Árvore", Tree, "— idade:", age, "dias — circ.:", circumference, "mm"),
               hoverinfo = 'text') %>%
  layout(
    title = "Crescimento das Laranjeiras (Trunk Circumference)",
    xaxis = list(title = "Idade (dias)"),
    yaxis = list(title = "Circunferência (mm)"),
    hovermode = "closest"
  )

fig