P1

Cargue la base de datos Act3.csv y los paquetes que son necesarios para trabajar un data.table.

library(data.table)
Act3<-fread("Act3.csv", fill = T)

P2

Revise la base de datos y elimine las aplicaciones que se encuentran duplicadas.

duplicated(Act3)
Act3<-Act3[!duplicated(App)]

P3

Cree un nuevo objeto que contenga las siguientes variables de interés: App,Category,Rating,Reviews,Installs,Type,Price y Content Rating.

Nuevo<-Act3[, .N, by=c("App","Category","Rating","Reviews","Installs","Type","Price","Content Rating")]

P4

Para el objeto anterior, elimine la categoría 1.9 de la variable Category

Cantidad de categorías 1.9 de la variable Category del objeto anterior
Category N
1.9 1 
Nuevo<-Nuevo[!Nuevo$Category==1.9,]
Cantidad de categorías 1.9 de la variable Category, luego de eliminar la categoría 1.9
Category N

Vemos que ya se eliminó.

P5

Cree un objeto que este compuesto por el número de observaciones de cada categoría.

Numobs<-Nuevo[,.N,by=Category]
Category N
ART_AND_DESIGN 64
AUTO_AND_VEHICLES 85
BEAUTY 53
BOOKS_AND_REFERENCE 222
BUSINESS 420
COMICS 56
COMMUNICATION 315
DATING 171
EDUCATION 119
ENTERTAINMENT 102
EVENTS 64
FINANCE 345
FOOD_AND_DRINK 112
HEALTH_AND_FITNESS 288
HOUSE_AND_HOME 74
LIBRARIES_AND_DEMO 84
LIFESTYLE 369
GAME 959
FAMILY 1832
MEDICAL 395
SOCIAL 239
SHOPPING 202
PHOTOGRAPHY 281
SPORTS 325
TRAVEL_AND_LOCAL 219
TOOLS 827
PERSONALIZATION 376
PRODUCTIVITY 374
PARENTING 60
WEATHER 79
VIDEO_PLAYERS 163
NEWS_AND_MAGAZINES 254
MAPS_AND_NAVIGATION 131

P6

Reemplace el objeto anterior para que ahora contenga el número de observaciones, el promedio de comentarios (Reviews) y el promedio del Rating por categoría.

Promreviews<-Nuevo[,mean(as.numeric(Reviews)), by=Category]
Promrating<-Nuevo[,mean(as.numeric(Rating),na.rm=T), by=Category]
Numobs<-merge(x=Numobs, y=Promreviews, by="Category")
Numobs<-merge(x=Numobs, y=Promrating, by="Category")
Category N V1.x V1.y
ART_AND_DESIGN 64 22175.047 4.357377
AUTO_AND_VEHICLES 85 13690.188 4.190411
BEAUTY 53 7476.226 4.278571
BOOKS_AND_REFERENCE 222 75321.234 4.344970
BUSINESS 420 23548.202 4.098479
COMICS 56 41822.696 4.181482
COMMUNICATION 315 907337.676 4.121484
DATING 171 21190.316 3.970149
EDUCATION 119 112303.765 4.364407
ENTERTAINMENT 102 340810.294 4.135294
EVENTS 64 2515.906 4.435556
FAMILY 1832 78507.362 4.179664
FINANCE 345 36701.757 4.115563
FOOD_AND_DRINK 112 56473.464 4.172340
GAME 959 648903.763 4.247368
HEALTH_AND_FITNESS 288 74171.372 4.243033
HOUSE_AND_HOME 74 26079.014 4.150000
LIBRARIES_AND_DEMO 84 10795.607 4.178125
LIFESTYLE 369 32066.859 4.093356
MAPS_AND_NAVIGATION 131 135337.008 4.036441
MEDICAL 395 2994.863 4.166552
NEWS_AND_MAGAZINES 254 91063.890 4.121569
PARENTING 60 15972.183 4.300000
PERSONALIZATION 376 142401.809 4.332215
PHOTOGRAPHY 281 374915.552 4.157414
PRODUCTIVITY 374 148638.099 4.183389
SHOPPING 202 220553.119 4.230000
SOCIAL 239 953672.808 4.247291
SPORTS 325 108765.578 4.216154
TOOLS 827 277335.644 4.039554
TRAVEL_AND_LOCAL 219 122464.571 4.069519
VIDEO_PLAYERS 163 414015.755 4.044595
WEATHER 79 155634.987 4.243056

P7

Renombre las columnas del objeto de la pregunta 6. La primera columna debe ser Categoria, la segunda columna Numero_Observaciones, la tercera columa Promedio_Comentarios y la cuarta columna Promedio_Rating.

names(Numobs)=c("Categoria", "Numero_Observaciones", "Promedio_Comentarios", "Promedio_Rating")
Categoria Numero_Observaciones Promedio_Comentarios Promedio_Rating
ART_AND_DESIGN 64 22175.047 4.357377
AUTO_AND_VEHICLES 85 13690.188 4.190411
BEAUTY 53 7476.226 4.278571
BOOKS_AND_REFERENCE 222 75321.234 4.344970
BUSINESS 420 23548.202 4.098479
COMICS 56 41822.696 4.181482
COMMUNICATION 315 907337.676 4.121484
DATING 171 21190.316 3.970149
EDUCATION 119 112303.765 4.364407
ENTERTAINMENT 102 340810.294 4.135294
EVENTS 64 2515.906 4.435556
FAMILY 1832 78507.362 4.179664
FINANCE 345 36701.757 4.115563
FOOD_AND_DRINK 112 56473.464 4.172340
GAME 959 648903.763 4.247368
HEALTH_AND_FITNESS 288 74171.372 4.243033
HOUSE_AND_HOME 74 26079.014 4.150000
LIBRARIES_AND_DEMO 84 10795.607 4.178125
LIFESTYLE 369 32066.859 4.093356
MAPS_AND_NAVIGATION 131 135337.008 4.036441
MEDICAL 395 2994.863 4.166552
NEWS_AND_MAGAZINES 254 91063.890 4.121569
PARENTING 60 15972.183 4.300000
PERSONALIZATION 376 142401.809 4.332215
PHOTOGRAPHY 281 374915.552 4.157414
PRODUCTIVITY 374 148638.099 4.183389
SHOPPING 202 220553.119 4.230000
SOCIAL 239 953672.808 4.247291
SPORTS 325 108765.578 4.216154
TOOLS 827 277335.644 4.039554
TRAVEL_AND_LOCAL 219 122464.571 4.069519
VIDEO_PLAYERS 163 414015.755 4.044595
WEATHER 79 155634.987 4.243056

P8

Ahora queremos analizar el nivel de competencia que existe por categoría para identificar cómo se encuentra valorada cada categoría de aplicaciones. Para realizar esto, debe crear un objeto con el identificador de competencia para cada categoría.

El indicador esta definido como \(Icompetencia=(reviews*rating)/1000\)

Este identificador debe calcularse con el objeto de la Pregunta 4.

Icompet<-Nuevo[, mean((as.numeric(Reviews)*Rating/1000), na.rm=T), by=Category]
Category V1
ART_AND_DESIGN 104.11229
AUTO_AND_VEHICLES 71.53203
BEAUTY 40.79644
BOOKS_AND_REFERENCE 445.11041
BUSINESS 162.33082
COMICS 190.48859
COMMUNICATION 4782.78510
DATING 112.84285
EDUCATION 521.48102
ENTERTAINMENT 1460.01230
EVENTS 14.94825
FINANCE 183.75453
FOOD_AND_DRINK 294.91254
HEALTH_AND_FITNESS 400.01601
HOUSE_AND_HOME 137.40528
LIBRARIES_AND_DEMO 57.78913
LIFESTYLE 169.66879
GAME 3039.76130
FAMILY 391.18366
MEDICAL 18.74200
SOCIAL 4789.05880
SHOPPING 1102.56610
PHOTOGRAPHY 1772.95729
SPORTS 589.64451
TRAVEL_AND_LOCAL 624.60582
TOOLS 1449.45133
PERSONALIZATION 810.04649
PRODUCTIVITY 817.55453
PARENTING 88.10854
WEATHER 753.09723
VIDEO_PLAYERS 2008.25232
NEWS_AND_MAGAZINES 487.97032
MAPS_AND_NAVIGATION 660.85370

P9

Renombrar las columnas del objeto de la Pregunta 8. La primera columna debe ser Categoria y la segunda columna Identificador.

names(Icompet)=c("Categoria", "Identificador")
Categoria Identificador
ART_AND_DESIGN 104.11229
AUTO_AND_VEHICLES 71.53203
BEAUTY 40.79644
BOOKS_AND_REFERENCE 445.11041
BUSINESS 162.33082
COMICS 190.48859
COMMUNICATION 4782.78510
DATING 112.84285
EDUCATION 521.48102
ENTERTAINMENT 1460.01230
EVENTS 14.94825
FINANCE 183.75453
FOOD_AND_DRINK 294.91254
HEALTH_AND_FITNESS 400.01601
HOUSE_AND_HOME 137.40528
LIBRARIES_AND_DEMO 57.78913
LIFESTYLE 169.66879
GAME 3039.76130
FAMILY 391.18366
MEDICAL 18.74200
SOCIAL 4789.05880
SHOPPING 1102.56610
PHOTOGRAPHY 1772.95729
SPORTS 589.64451
TRAVEL_AND_LOCAL 624.60582
TOOLS 1449.45133
PERSONALIZATION 810.04649
PRODUCTIVITY 817.55453
PARENTING 88.10854
WEATHER 753.09723
VIDEO_PLAYERS 2008.25232
NEWS_AND_MAGAZINES 487.97032
MAPS_AND_NAVIGATION 660.85370

P10

Reemplace el objeto de la Pregunta 7 realizando un merge entre el objeto de la Pregunta 7 y el objeto de la Pregunta 9.

Numobs<-merge(x=Numobs, y=Icompet, by="Categoria")
Categoria Numero_Observaciones Promedio_Comentarios Promedio_Rating Identificador
ART_AND_DESIGN 64 22175.047 4.357377 104.11229
AUTO_AND_VEHICLES 85 13690.188 4.190411 71.53203
BEAUTY 53 7476.226 4.278571 40.79644
BOOKS_AND_REFERENCE 222 75321.234 4.344970 445.11041
BUSINESS 420 23548.202 4.098479 162.33082
COMICS 56 41822.696 4.181482 190.48859
COMMUNICATION 315 907337.676 4.121484 4782.78510
DATING 171 21190.316 3.970149 112.84285
EDUCATION 119 112303.765 4.364407 521.48102
ENTERTAINMENT 102 340810.294 4.135294 1460.01230
EVENTS 64 2515.906 4.435556 14.94825
FAMILY 1832 78507.362 4.179664 391.18366
FINANCE 345 36701.757 4.115563 183.75453
FOOD_AND_DRINK 112 56473.464 4.172340 294.91254
GAME 959 648903.763 4.247368 3039.76130
HEALTH_AND_FITNESS 288 74171.372 4.243033 400.01601
HOUSE_AND_HOME 74 26079.014 4.150000 137.40528
LIBRARIES_AND_DEMO 84 10795.607 4.178125 57.78913
LIFESTYLE 369 32066.859 4.093356 169.66879
MAPS_AND_NAVIGATION 131 135337.008 4.036441 660.85370
MEDICAL 395 2994.863 4.166552 18.74200
NEWS_AND_MAGAZINES 254 91063.890 4.121569 487.97032
PARENTING 60 15972.183 4.300000 88.10854
PERSONALIZATION 376 142401.809 4.332215 810.04649
PHOTOGRAPHY 281 374915.552 4.157414 1772.95729
PRODUCTIVITY 374 148638.099 4.183389 817.55453
SHOPPING 202 220553.119 4.230000 1102.56610
SOCIAL 239 953672.808 4.247291 4789.05880
SPORTS 325 108765.578 4.216154 589.64451
TOOLS 827 277335.644 4.039554 1449.45133
TRAVEL_AND_LOCAL 219 122464.571 4.069519 624.60582
VIDEO_PLAYERS 163 414015.755 4.044595 2008.25232
WEATHER 79 155634.987 4.243056 753.09723

P11

Cree un objeto, a partir del objeto de la pregunta anterior, que contenga información solo de las categrías que más se relacionan con el rubro de la empresa (SOCIAL y PHOTOGRAPHY).

SyP<-Numobs[Categoria=="SOCIAL" | Categoria=="PHOTOGRAPHY"]
Categoria Numero_Observaciones Promedio_Comentarios Promedio_Rating Identificador
PHOTOGRAPHY 281 374915.6 4.157414 1772.957
SOCIAL 239 953672.8 4.247291 4789.059

Bonus

Realizar un gráfico que relacione dos variables que para usted sean relevantes relacionar. Para esto utilice el objeto de la Pregunta 3. Explique su gráfico.

Grafico<-Nuevo[Category=="SOCIAL" & Price==0 | Category=="PHOTOGRAPHY" & Price==0]
CR<-Grafico[,.N, by="Content Rating"]
RT<-Grafico[,mean(Rating, na.rm=T) , by= "Content Rating"]
plot(x=RT$V1, y=CR$N, type="p", main="Relación: rating y número de apps según segmento de clientes", ylab = "Número de apps", xlab = "Rating promedio")

Vemos la relación entre el número de aplicaciones y el rating promedio, según el segmento de clientes. Cabe destacar que filtramos entre las aplicaciones con relación a PHOTOGRAPHY y SOCIAL además de, PRICE=0, ya que la empresa quiere hacer una app de fotografía gratuita, entonces estas son comparables.

De izquierda a derecha, vemos que los puntos representan, según segmento de clientes:

  1. Mature 17+: Hay 48 aplicaciones en este segmento, con un rating promedio de app. 4,096.

  2. Everyone 10+: Hay 2 aplicaciones en este segmento, con un rating promedio de 4,100.

  3. Everyone: Hay 334 aplicaciones en este segmento, con un rating promedio de app. 4,197.

  4. Teen: Hay 114 aplicaciones en este segmento, con un rating promedio de app. 4,286.

Dada la intepretación del gráfico, vemos que competir en el segmento de clientes “Everyone” no es muy conveniente dada la gran rivalidad (número alto de apps) y rating alto. Creemos que la mejor opción para la empresa es hacer una app de fotografía gratuita para el segmento de clientes “Mature+17” que tiene rivalidad media y un rating bajo en comparación a otros segmentos.