Resultados

VADeaths

# Visualizando o dataset
data(VADeaths)
VADeaths
##       Rural Male Rural Female Urban Male Urban Female
## 50-54       11.7          8.7       15.4          8.4
## 55-59       18.1         11.7       24.3         13.6
## 60-64       26.9         20.3       37.0         19.3
## 65-69       41.0         30.9       54.6         35.1
## 70-74       66.0         54.3       71.1         50.0
# Definindo cores diferentes para cada grupo (faixa etária)
cores <- c("steelblue", "darkorange", "forestgreen", "firebrick")

# Gráfico de barras agrupadas (lado a lado)
barplot(VADeaths,
        beside = TRUE,
        col = cores,
        main = "Taxas de Mortalidade na Virgínia (1940)",
        xlab = "Categoria (Sexo e Localização)",
        ylab = "Taxa de Mortalidade",
        legend.text = rownames(VADeaths),
        args.legend = list(title = "Faixa Etária", x = "topright"))

ClassificaçãoDoença

# Dados
estagios <- c("Leve", "Moderado", "Severo")
frequencias <- c(8, 9, 3)

# Calculando porcentagens
porcentagens <- round(100 * frequencias / sum(frequencias), 1)

# Cores para cada fatia
cores <- c("gold", "orange", "red")

# Criando os rótulos com porcentagem
rotulos <- paste(estagios, " - ", porcentagens, "%", sep = "")

# Gráfico de pizza
pie(frequencias,
    labels = rotulos,
    col = cores,
    main = "Classificação da Doença em 20 Pacientes")

# Legenda
legend("topright",
       legend = estagios,
       fill = cores,
       title = "Estágio")

USArrests

library(plotly)
## 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
# Carregando o dataset e criando a coluna City
USArrests$City <- rownames(USArrests)

# Ordenando de forma decrescente por Murder e selecionando os 5 maiores
top5 <- USArrests %>%
  arrange(desc(Murder)) %>%
  head(5)

# Garantindo a ordem das categorias no eixo X (mesma ordem do ranking)
top5$City <- factor(top5$City, levels = top5$City)

# Gráfico de barras agrupadas com Plotly
fig <- plot_ly(top5,
                x = ~City,
                y = ~Murder,
                type = "bar",
                name = "Murder",
                marker = list(color = "#1f77b4")) %>%
  add_trace(y = ~Rape,
            name = "Rape",
            marker = list(color = "#ff7f0e")) %>%
  add_trace(y = ~Assault,
            name = "Assault",
            marker = list(color = "#2ca02c")) %>%
  layout(title = "5 estados mais violentes (EUA, 1973)",
         xaxis = list(title = "Estado"),
         yaxis = list(title = "Ocorrências"),
         barmode = "group")

fig

Orange

library(plotly)

# Carregando o dataset
data(Orange)

# Criando o texto customizado para o tooltip
Orange$tooltip <- paste0("Árvore ", Orange$Tree,
                          " — idade: ", Orange$age, " dias",
                          " — circ.: ", Orange$circumference, " mm")

# Gráfico de linha com Plotly
fig <- plot_ly(Orange,
                x = ~age,
                y = ~circumference,
                color = ~Tree,
                colors = c("steelblue", "darkorange", "forestgreen", "firebrick", "purple"),
                type = "scatter",
                mode = "lines+markers",
                text = ~tooltip,
                hoverinfo = "text") %>%
  layout(title = "Crescimento das Laranjeiras",
         xaxis = list(title = "Idade (dias)"),
         yaxis = list(title = "Circunferência (mm)"),
         legend = list(title = list(text = "Árvore")))

fig