Passo 1 - carregar base de dados
load("C:/Users/welington/Desktop/POSCIVIL/Base_de_dados-master/Game of Thrones.RData")
load("C:/Users/welington/Desktop/POSCIVIL/Base_de_dados-master/CARROS_cat.RData")
str(CARROS_cat)
## Classes 'tbl_df', 'tbl' and 'data.frame': 234 obs. of 11 variables:
## $ fabricante : chr "audi" "audi" "audi" "audi" ...
## $ modelo : chr "a4" "a4" "a4" "a4" ...
## $ cilindrada : num 1.8 1.8 2 2 2.8 2.8 3.1 1.8 1.8 2 ...
## $ ano : int 1999 1999 2008 2008 1999 1999 2008 1999 1999 2008 ...
## $ cilindros : int 4 4 4 4 6 6 6 4 4 4 ...
## $ transmissao: chr "auto(l5)" "manual(m5)" "manual(m6)" "auto(av)" ...
## $ tracao : chr "d" "d" "d" "d" ...
## $ cidade : int 18 21 20 21 16 18 18 18 16 20 ...
## $ rodovia : int 29 29 31 30 26 26 27 26 25 28 ...
## $ combustivel: chr "p" "p" "p" "p" ...
## $ classe : chr "compacto" "compacto" "compacto" "compacto" ...
head(CARROS_cat)
## fabricante modelo cilindrada ano cilindros transmissao tracao cidade rodovia
## 1 audi a4 1.8 1999 4 auto(l5) d 18 29
## 2 audi a4 1.8 1999 4 manual(m5) d 21 29
## 3 audi a4 2.0 2008 4 manual(m6) d 20 31
## 4 audi a4 2.0 2008 4 auto(av) d 21 30
## 5 audi a4 2.8 1999 6 auto(l5) d 16 26
## 6 audi a4 2.8 1999 6 manual(m5) d 18 26
## combustivel classe
## 1 p compacto
## 2 p compacto
## 3 p compacto
## 4 p compacto
## 5 p compacto
## 6 p compacto
tail(CARROS_cat)
## fabricante modelo cilindrada ano cilindros transmissao tracao cidade
## 229 volkswagen passat 1.8 1999 4 auto(l5) d 18
## 230 volkswagen passat 2.0 2008 4 auto(s6) d 19
## 231 volkswagen passat 2.0 2008 4 manual(m6) d 21
## 232 volkswagen passat 2.8 1999 6 auto(l5) d 16
## 233 volkswagen passat 2.8 1999 6 manual(m5) d 18
## 234 volkswagen passat 3.6 2008 6 auto(s6) d 17
## rodovia combustivel classe
## 229 29 p médio
## 230 28 p médio
## 231 29 p médio
## 232 26 p médio
## 233 26 p médio
## 234 26 p médio
library (dplyr)
##
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
##
## filter, lag
## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union
glimpse(CARROS_cat)
## Rows: 234
## Columns: 11
## $ fabricante <chr> "audi", "audi", "audi", "audi", "audi", "audi", "audi",...
## $ modelo <chr> "a4", "a4", "a4", "a4", "a4", "a4", "a4", "a4 quattro",...
## $ cilindrada <dbl> 1.8, 1.8, 2.0, 2.0, 2.8, 2.8, 3.1, 1.8, 1.8, 2.0, 2.0, ...
## $ ano <int> 1999, 1999, 2008, 2008, 1999, 1999, 2008, 1999, 1999, 2...
## $ cilindros <int> 4, 4, 4, 4, 6, 6, 6, 4, 4, 4, 4, 6, 6, 6, 6, 6, 6, 8, 8...
## $ transmissao <chr> "auto(l5)", "manual(m5)", "manual(m6)", "auto(av)", "au...
## $ tracao <chr> "d", "d", "d", "d", "d", "d", "d", "4", "4", "4", "4", ...
## $ cidade <int> 18, 21, 20, 21, 16, 18, 18, 18, 16, 20, 19, 15, 17, 17,...
## $ rodovia <int> 29, 29, 31, 30, 26, 26, 27, 26, 25, 28, 27, 25, 25, 25,...
## $ combustivel <chr> "p", "p", "p", "p", "p", "p", "p", "p", "p", "p", "p", ...
## $ classe <chr> "compacto", "compacto", "compacto", "compacto", "compac...
passo 1,5-manipular banco de dados
personagens_livro$sexo1<-ifelse(personagens_livro$sexo=="masculino","masculino","feminino")
personagens_livro$nobre1<-ifelse(personagens_livro$nobre== 0,"não nobre","nobre")
passo 2-número absoluto
tabela1<-table(CARROS_cat$fabricante,CARROS_cat$classe)
tabela2<-table(CARROS_cat$fabricante,CARROS_cat$combustivel)
tabela3<-table(CARROS_cat$fabricante,CARROS_cat$transmissao)
tabela_GOT<-table(personagens_livro$sexo,personagens_livro$nobre)
tabela_GOT<-table(personagens_livro$sexo1,personagens_livro$nobre1)
library(DT)
datatable(tabela1)
datatable(tabela2)
datatable(tabela3)
datatable(tabela_GOT)
passo 3-percentual da linha
prop.table(tabela1,1)*100
##
## 2 assentos compacto médio minivan pickup subcompacto
## audi 0.00000 83.33333 16.66667 0.00000 0.00000 0.00000
## chevrolet 26.31579 0.00000 26.31579 0.00000 0.00000 0.00000
## dodge 0.00000 0.00000 0.00000 29.72973 51.35135 0.00000
## ford 0.00000 0.00000 0.00000 0.00000 28.00000 36.00000
## honda 0.00000 0.00000 0.00000 0.00000 0.00000 100.00000
## hyundai 0.00000 0.00000 50.00000 0.00000 0.00000 50.00000
## jeep 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
## land rover 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
## lincoln 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
## mercury 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
## nissan 0.00000 15.38462 53.84615 0.00000 0.00000 0.00000
## pontiac 0.00000 0.00000 100.00000 0.00000 0.00000 0.00000
## subaru 0.00000 28.57143 0.00000 0.00000 0.00000 28.57143
## toyota 0.00000 35.29412 20.58824 0.00000 20.58824 0.00000
## volkswagen 0.00000 51.85185 25.92593 0.00000 0.00000 22.22222
##
## suv
## audi 0.00000
## chevrolet 47.36842
## dodge 18.91892
## ford 36.00000
## honda 0.00000
## hyundai 0.00000
## jeep 100.00000
## land rover 100.00000
## lincoln 100.00000
## mercury 100.00000
## nissan 30.76923
## pontiac 0.00000
## subaru 42.85714
## toyota 23.52941
## volkswagen 0.00000
passo 4 - percentual da coluna
prop.table(tabela1,1)*100
##
## 2 assentos compacto médio minivan pickup subcompacto
## audi 0.00000 83.33333 16.66667 0.00000 0.00000 0.00000
## chevrolet 26.31579 0.00000 26.31579 0.00000 0.00000 0.00000
## dodge 0.00000 0.00000 0.00000 29.72973 51.35135 0.00000
## ford 0.00000 0.00000 0.00000 0.00000 28.00000 36.00000
## honda 0.00000 0.00000 0.00000 0.00000 0.00000 100.00000
## hyundai 0.00000 0.00000 50.00000 0.00000 0.00000 50.00000
## jeep 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
## land rover 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
## lincoln 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
## mercury 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000
## nissan 0.00000 15.38462 53.84615 0.00000 0.00000 0.00000
## pontiac 0.00000 0.00000 100.00000 0.00000 0.00000 0.00000
## subaru 0.00000 28.57143 0.00000 0.00000 0.00000 28.57143
## toyota 0.00000 35.29412 20.58824 0.00000 20.58824 0.00000
## volkswagen 0.00000 51.85185 25.92593 0.00000 0.00000 22.22222
##
## suv
## audi 0.00000
## chevrolet 47.36842
## dodge 18.91892
## ford 36.00000
## honda 0.00000
## hyundai 0.00000
## jeep 100.00000
## land rover 100.00000
## lincoln 100.00000
## mercury 100.00000
## nissan 30.76923
## pontiac 0.00000
## subaru 42.85714
## toyota 23.52941
## volkswagen 0.00000
prop.table(tabela1,2)*100
##
## 2 assentos compacto médio minivan pickup subcompacto
## audi 0.000000 31.914894 7.317073 0.000000 0.000000 0.000000
## chevrolet 100.000000 0.000000 12.195122 0.000000 0.000000 0.000000
## dodge 0.000000 0.000000 0.000000 100.000000 57.575758 0.000000
## ford 0.000000 0.000000 0.000000 0.000000 21.212121 25.714286
## honda 0.000000 0.000000 0.000000 0.000000 0.000000 25.714286
## hyundai 0.000000 0.000000 17.073171 0.000000 0.000000 20.000000
## jeep 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
## land rover 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
## lincoln 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
## mercury 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
## nissan 0.000000 4.255319 17.073171 0.000000 0.000000 0.000000
## pontiac 0.000000 0.000000 12.195122 0.000000 0.000000 0.000000
## subaru 0.000000 8.510638 0.000000 0.000000 0.000000 11.428571
## toyota 0.000000 25.531915 17.073171 0.000000 21.212121 0.000000
## volkswagen 0.000000 29.787234 17.073171 0.000000 0.000000 17.142857
##
## suv
## audi 0.000000
## chevrolet 14.516129
## dodge 11.290323
## ford 14.516129
## honda 0.000000
## hyundai 0.000000
## jeep 12.903226
## land rover 6.451613
## lincoln 4.838710
## mercury 6.451613
## nissan 6.451613
## pontiac 0.000000
## subaru 9.677419
## toyota 12.903226
## volkswagen 0.000000
prop.table(tabela_GOT,1)*100
##
## não nobre nobre
## feminino 46.49682 53.50318
## masculino 54.47368 45.52632
prop.table(tabela_GOT,2)*100
##
## não nobre nobre
## feminino 14.98973 19.53488
## masculino 85.01027 80.46512
round(prop.table(tabela_GOT,1)*100,1)
##
## não nobre nobre
## feminino 46.5 53.5
## masculino 54.5 45.5
round(prop.table(tabela_GOT,2)*100,2)
##
## não nobre nobre
## feminino 14.99 19.53
## masculino 85.01 80.47
passo 5 -Gráfico
barplot(tabela_GOT,
beside=TRUE,
col = c("pink","blue")
,main="grafico 1- análise bi-variada do GOT",
ylim = c(0,500),
ylab = "personagens de GOT",
xlab = "nobreza",
legend=TRUE)
tabela1<-table(CARROS_cat$fabricante,CARROS_cat$classe)
tabela1<-table(CARROS_cat$classe,CARROS_cat$fabricante)
tabela1
##
## audi chevrolet dodge ford honda hyundai jeep land rover lincoln
## 2 assentos 0 5 0 0 0 0 0 0 0
## compacto 15 0 0 0 0 0 0 0 0
## médio 3 5 0 0 0 7 0 0 0
## minivan 0 0 11 0 0 0 0 0 0
## pickup 0 0 19 7 0 0 0 0 0
## subcompacto 0 0 0 9 9 7 0 0 0
## suv 0 9 7 9 0 0 8 4 3
##
## mercury nissan pontiac subaru toyota volkswagen
## 2 assentos 0 0 0 0 0 0
## compacto 0 2 0 4 12 14
## médio 0 7 5 0 7 7
## minivan 0 0 0 0 0 0
## pickup 0 0 0 0 7 0
## subcompacto 0 0 0 4 0 6
## suv 4 4 0 6 8 0
library(RColorBrewer)
AZUL<-brewer.pal(7,"Blues")
Vermelho<-brewer.pal(7,"Reds")
barplot(tabela1,beside = T,col = AZUL)
barplot(tabela1,beside = T,col = Vermelho)
display.brewer.all()
ALV<-brewer.pal(7,"Spectral")
ALV
## [1] "#D53E4F" "#FC8D59" "#FEE08B" "#FFFFBF" "#E6F598" "#99D594" "#3288BD"
cores_got<-brewer.pal(3,"RdPu")
cores_got
## [1] "#FDE0DD" "#FA9FB5" "#C51B8A"
barplot(tabela_GOT)
