Lista de Exercícios
Questão 1
clock <- c(0.1, 0.5, 1, 1.5, 2, 2.5, 3)
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)
matriz_layout <- matrix(c(1, 1,
2, 3,
4, 5,
6, 0), nrow = 4, byrow = TRUE)
layout(matriz_layout)
par(mar = c(4, 4, 2, 1))
plot(clock, MRT_1F, type = "o", pch = 4, col = "black", ylim = c(0, 550),
xlab = "Time between Things requests (seconds)", ylab = "Response Time (sec.)")
lines(clock, MRT_3F, type = "o", pch = 7, col = "gold")
lines(clock, MRT_5F, type = "o", pch = 1, col = "red")
lines(clock, MRT_10F, type = "o", pch = 2, col = "blue")
lines(clock, MRT_15F, type = "o", pch = 5, col = "purple")
lines(clock, MRT_sem_F, type = "o", pch = 8, col = "green")
legend("topright", legend = c("1 Fog", "3 Fogs", "5 Fogs", "10 Fogs", "15 Fogs", "w/o Fog"),
col = c("black", "gold", "red", "blue", "purple", "green"),
pch = c(4, 7, 1, 2, 5, 8), bty = "o", cex = 0.8)
cores_barras <- c("#E6E6E6", "#666666")
barplot(rbind(MRT_sem_F, MRT_1F), beside = TRUE, names.arg = clock, col = cores_barras,
log = "y", xlab = "Time between Things requests", ylab = "Response time (s)")
legend("topright", legend = c("w/o Fog", "1 Fog"), fill = cores_barras, cex = 0.8)
barplot(rbind(MRT_sem_F, MRT_3F), beside = TRUE, names.arg = clock, col = cores_barras,
log = "y", xlab = "Time between Things requests", ylab = "Response time (s)")
legend("topright", legend = c("w/o Fog", "3 Fogs"), fill = cores_barras, cex = 0.8)
barplot(rbind(MRT_sem_F, MRT_5F), beside = TRUE, names.arg = clock, col = cores_barras,
log = "y", xlab = "Time between Things requests", ylab = "Response time (s)")
legend("topright", legend = c("w/o Fog", "5 Fogs"), fill = cores_barras, cex = 0.8)
barplot(rbind(MRT_sem_F, MRT_10F), beside = TRUE, names.arg = clock, col = cores_barras,
log = "y", xlab = "Time between Thin requests", ylab = "Response time (s)")
legend("topright", legend = c("w/o Fog", "10 Fogs"), fill = cores_barras, cex = 0.8)
barplot(rbind(MRT_sem_F, MRT_15F), beside = TRUE, names.arg = clock, col = cores_barras,
log = "y", xlab = "Time between Things requests", ylab = "Response time (s)")
legend("topright", legend = c("w/o Fog", "15 Fogs"), fill = cores_barras, cex = 0.8)
Questão 2
dados_refeicao <- matrix(c(53.8, 43.6, 2.6,
33.9, 54.2, 11.9,
2.6, 60.5, 36.8,
0.0, 21.4, 78.6),
nrow = 3, byrow = FALSE)
colnames(dados_refeicao) <- c("$10-19", "$20-29", "$30-39", "$40-49")
rownames(dados_refeicao) <- c("Good", "Very Good", "Excellent")
cores <- c("lightblue", "steelblue", "darkblue")
barplot(dados_refeicao,
main = "Qualidade da Refeição por Categoria de Preço",
xlab = "Preço da Refeição (Meal Price)",
ylab = "Porcentagem (%)",
col = cores)
legend("topleft", legend = rownames(dados_refeicao), fill = cores, cex = 0.8)
Questão 3
data("airquality")
temp_maio_f <- airquality$Temp[airquality$Month == 5]
temp_maio_c <- (temp_maio_f - 32) / 1.8
hist(temp_maio_c,
probability = TRUE,
main = "Histograma de Temperaturas - Maio",
xlab = "Temperatura (°C)",
ylab = "Densidade",
col = "lightgreen")
lines(density(temp_maio_c), col = "red", lwd = 2)
Questão 4
url_sales <- "https://www.dropbox.com/scl/fi/mpjt4uuqb5vtmfiw38phk/Sales.txt?rlkey=93jlz79xwrrt7ah66d5k403d7&dl=1"
sales <- read.table(url_sales, header = TRUE)
vendas_por_pais <- aggregate(SALES ~ COUNTRY, data = sales, sum)
porcentagens <- round((vendas_por_pais$Sales / sum(vendas_por_pais$Sales)) * 100, 1)
rotulos_fatias <- paste(porcentagens, "%", sep = "")
cores_pizza <- rainbow(nrow(vendas_por_pais))
pie(vendas_por_pais$SALES,
labels = rotulos_fatias,
col = cores_pizza,
main = "Porcentagem de Vendas por País")
legend("topright",
legend = vendas_por_pais$COUNTRY,
fill = cores_pizza,
cex = 0.8,
title = "Países")
Questão 5
data("InsectSprays")
boxplot(count ~ spray, data = InsectSprays,
outline = FALSE,
col = "yellow",
main = "Efetividade de Diferentes Inseticidas",
xlab = "Tipo de Inseticida",
ylab = "Contagem de Insetos")
Questão 6
preparar_dados <- function(nome_arquivo) {
df <- read.csv(nome_arquivo, stringsAsFactors = FALSE)
df$currentTime <- as.POSIXct(df$currentTime)
tempo_inicial <- df$currentTime[1]
df$Time_hour <- as.numeric(difftime(df$currentTime, tempo_inicial, units = "hours"))
converter_para_mb <- function(memoria_str) {
valor <- as.numeric(gsub("[^0-9\\.]", "", memoria_str))
if (grepl("TB|tb|Tb", memoria_str)) {
valor <- valor * 1000000
} else if (grepl("GB|gb|Gb", memoria_str)) {
valor <- valor * 1024
}
return(valor)
}
df$usedMemory_MB <- sapply(df$usedMemory, converter_para_mb)
return(df)
}
df_none <- preparar_dados("monitoringCloudData_NONE.csv")
df_01 <- preparar_dados("monitoringCloudData_0.1.csv")
df_05 <- preparar_dados("monitoringCloudData_0.5.csv")
df_10 <- preparar_dados("monitoringCloudData_1.csv")
matriz_layout <- matrix(c(1, 2,
3, 4), nrow = 2, byrow = TRUE)
layout(matriz_layout)
plot(df_none$Time_hour, df_none$usedMemory_MB, type = "l",
main = "Memory Analysis (None Workload)",
xlab = "Time (hour)", ylab = "Used Memory (MB)")
plot(df_01$Time_hour, df_01$usedMemory_MB, type = "l",
main = "Memory Analysis (Workload of 0.1)",
xlab = "Time (hour)", ylab = "Used Memory (MB)")
plot(df_05$Time_hour, df_05$usedMemory_MB, type = "l",
main = "Memory Analysis (Workload of 0.5)",
xlab = "Time (hour)", ylab = "Used Memory (MB)")
plot(df_10$Time_hour, df_10$usedMemory_MB, type = "l",
main = "Memory Analysis (Workload of 1.0)",
xlab = "Time (hour)", ylab = "Used Memory (MB)")
Questão 7
library(plotly)
netflix <- read.csv("netflix_titles.csv", stringsAsFactors = FALSE)
df_q7 <- subset(netflix, !is.na(country) & country != "" & !grepl(",", country))
contagem_paises <- as.data.frame(table(df_q7$country))
colnames(contagem_paises) <- c("country", "count")
top10_paises <- contagem_paises[order(-contagem_paises$count), ][1:10, ]
fig7 <- plot_ly(data = top10_paises,
labels = ~country,
values = ~count,
type = 'pie',
textinfo = 'label+percent') %>%
layout(title = "Top 10 Países com Mais Conteúdo na Netflix")
fig7
Questão 8
fig8 <- plot_ly(
type = 'table',
header = list(
values = c('<b>País</b>', '<b>Total de conteúdos</b>'),
align = c('center', 'center'),
line = list(width = 1, color = 'black'),
fill = list(color = 'grey'),
font = list(family = "Arial", size = 14, color = "white")
),
cells = list(
values = rbind(top10_paises$country, top10_paises$count),
align = c('center', 'center'),
line = list(color = "black", width = 1),
font = list(family = "Arial", size = 12, color = "black")
)
)
fig8
Questão 9
netflix$decada <- floor(netflix$release_year / 10) * 10
contagem_decada <- as.data.frame(table(netflix$decada, netflix$type))
colnames(contagem_decada) <- c("Decada", "Tipo", "Quantidade")
contagem_decada$Decada <- as.numeric(as.character(contagem_decada$Decada))
df_series <- subset(contagem_decada, Tipo == "TV Show")
df_movies <- subset(contagem_decada, Tipo == "Movie")
fig9 <- plot_ly() %>%
add_trace(data = df_series, x = ~Decada, y = ~Quantidade,
type = 'scatter', mode = 'lines+markers',
name = 'TV Series',
line = list(color = 'blue'), marker = list(color = 'blue')) %>%
add_trace(data = df_movies, x = ~Decada, y = ~Quantidade,
type = 'scatter', mode = 'lines+markers',
name = 'Movies',
line = list(color = 'yellow'), marker = list(color = 'yellow')) %>%
layout(title = "Quantidade de Conteúdo por Década",
xaxis = list(title = "Década"),
yaxis = list(title = "Qtd. Conteúdo"))
fig9
Questão 10
filmes_2000_2010 <- subset(netflix, type == "Movie" & release_year >= 2000 & release_year <= 2010)
filmes_2000_2010$primeiro_genero <- trimws(gsub(",.*", "", filmes_2000_2010$listed_in))
generos_desejados <- c("Dramas", "Action & Adventure", "Comedies")
df_filtrado <- subset(filmes_2000_2010, primeiro_genero %in% generos_desejados)
contagem <- as.data.frame(table(df_filtrado$release_year, df_filtrado$primeiro_genero))
colnames(contagem) <- c("Ano", "Genero", "Quantidade")
contagem$Ano <- as.numeric(as.character(contagem$Ano))
df_dramas <- subset(contagem, Genero == "Dramas")
df_action <- subset(contagem, Genero == "Action & Adventure")
df_comedies <- subset(contagem, Genero == "Comedies")
fig10 <- plot_ly() %>%
add_trace(data = df_dramas, x = ~Ano, y = ~Quantidade, type = 'bar', name = 'Drama') %>%
add_trace(data = df_action, x = ~Ano, y = ~Quantidade, type = 'bar', name = 'Ação e Aventura') %>%
add_trace(data = df_comedies, x = ~Ano, y = ~Quantidade, type = 'bar', name = 'Comédia') %>%
layout(
title = "Quantidade de Filmes Lançados por Gênero (2000 - 2010)",
xaxis = list(title = "Ano de Lançamento", tickmode = "linear"),
yaxis = list(title = "Qnt. de Lançamentos"),
barmode = 'group'
)
fig10