Este documento apresenta o gráfico do tipo “Stepped Area”, que são normalmente utilizados para a comparação de quantidades pertencentes a duas ou mais classes. Neste exemplo, foi utilizada a base de dados “Questionario_Estresse” para dividir os alunos em quatro classes: os que estudam até 20 horas por semana, os que estudam até 30 horas por semana, os que estudam até 40 horas por semana, e aqueles que estudam mais 40 horas semanalmente. Em seguida, a quantidade de alunos pertencente a cada classe foi disposta em um gráfico “Stepped Area” conforme apresentado a seguir:
library(googleVis)## Creating a generic function for 'toJSON' from package 'jsonlite' in package 'googleVis'##
## Welcome to googleVis version 0.6.3
##
## Please read Google's Terms of Use
## before you start using the package:
## https://developers.google.com/terms/
##
## Note, the plot method of googleVis will by default use
## the standard browser to display its output.
##
## See the googleVis package vignettes for more details,
## or visit https://github.com/mages/googleVis.
##
## To suppress this message use:
## suppressPackageStartupMessages(library(googleVis))# Conta o numero de alunos por classe de horas de estudo
horas_estudo <- function(df) {
count20 <- 0
count30 <- 0
count40 <- 0
count_mais40 <- 0
for (aluno in 1:nrow(df)) {
if (df$Horas_estudo[aluno] <= 20) {
count20 <- count20 + 1
} else if (df$Horas_estudo[aluno] <= 30) {
count30 <- count30 + 1
} else if (df$Horas_estudo[aluno] <= 40) {
count40 <- count40 + 1
} else {
count_mais40 <- count_mais40 + 1
}
}
return(c(count20, count30, count40, count_mais40))
}
#Carrega a base de dados
df_estresse <- readxl::read_xls("C:/Users/rianm/Documents/Rian/Mestrado_UFF/Estatistica/Base_de_dados-master/Questionario_Estresse.xls")
#Separa as turmas e remove df_estresse
df_turma1 <- subset(df_estresse, Turma == 1)
df_turma2 <- subset(df_estresse, Turma == 2)
df_turma3 <- subset(df_estresse, Turma == 3)
remove(df_estresse)
# Gera o vetor horas de estudo das turmas
horas_t1 <- horas_estudo(df_turma1)
horas_t2 <- horas_estudo(df_turma2)
horas_t3 <- horas_estudo(df_turma3)
#Gera a base de dados df_horas_estudo
df_horas_estudo <- data.frame(Turma = c("Turma 1", "Turma 2", "Turma 3"),
Ate_20_horas = c(horas_t1[1], horas_t2[1], horas_t3[1]),
Ate_30_horas = c(horas_t1[2], horas_t2[2], horas_t3[2]),
Ate_40_horas = c(horas_t1[3], horas_t2[3], horas_t3[3]),
Mais_de_40_horas = c(horas_t1[4], horas_t2[4], horas_t3[4])
)
graph <- gvisSteppedAreaChart(df_horas_estudo,
options = list(isStacked = TRUE,
height = 600,
title = "Quantidade de Alunos por Tempo de Estudo Semanal"),
)
graphObservando o gráfico é possível notar que as turmas 1, 2 e 3 possuem respectivamente 28, 32 e 35 alunos. Verifica-se que a turma 1 apresenta o maior número de estudantes que dedica mais de 40 horas semanais de estudos (4 no total), enquanto nenhum estudante com este perfil foi identificado na turma 3. Entre aqueles que estudam até 40 horas semanais, a turma 2 se destaca das demais com 17 alunos pertencentes a esta classe. Outra constatação importante a respeito da turma 2, é que nenhum de seus estudantes despendem de menos de 20 horas de estudos semanais. Este comportamento pode ter sido influenciado pelo fato da turma 2 apresentar o menor número de estudantes que trabalham (6 estudantes), o que permite grande parte da turma a ter um maior tempo disponível para os estudos. Por fim, a turma 3 possui 21 alunos que estudam até 30 horas semanais, seguida pela turma 1 com 16 alunos, e pela turma 2 com 14 alunos.