Avaliação do nível de ataque de pokemon
Pablo Soares
23/07/2021
Base de dados
Aqui vou importar os dados da minha base de dados.
# Passo 1 - Carregando os dados da base de dados
load("H:/Faculdade/ESTATISTICA/Base_de_dados-master/df_pokemon.RData")
head(df)## id pokemon species_id height weight base_experience type_1 type_2 attack
## 1 1 bulbasaur 1 7 69 64 grass poison 49
## 2 2 ivysaur 2 10 130 142 grass poison 62
## 3 3 venusaur 3 20 1000 236 grass poison 82
## 4 4 charmander 4 6 85 62 fire <NA> 52
## 5 5 charmeleon 5 11 190 142 fire <NA> 64
## 6 6 charizard 6 17 905 240 fire flying 84
## defense hp special_attack special_defense speed color_1 color_2 color_f
## 1 49 45 65 65 45 #78C850 #A040A0 #81A763
## 2 63 60 80 80 60 #78C850 #A040A0 #81A763
## 3 83 80 100 100 80 #78C850 #A040A0 #81A763
## 4 43 39 60 50 65 #F08030 <NA> #F08030
## 5 58 58 80 65 80 #F08030 <NA> #F08030
## 6 78 78 109 85 100 #F08030 #A890F0 #DE835E
## egg_group_1 egg_group_2 url_image x y
## 1 monster plant 1.png 32.82239 17.21614
## 2 monster plant 2.png 33.32643 16.71226
## 3 monster plant 3.png 33.93778 16.17232
## 4 monster dragon 4.png -24.36338 30.78973
## 5 monster dragon 5.png -24.57820 30.60161
## 6 monster dragon 6.png -25.50657 29.77037Leitura dos dados e personalização
Aqui decidi fazer o meu trabalho me baseando nos ataques de cada pokemon, obtidos através da base de dados. Por ser um número elevado, decidi personalizar com cores, para tornar a diferença mais notória.
# Passo 2 - Criando o gráfico e personalizando-o
table(df$attack)##
## 5 10 15 20 22 23 24 25 27 29 30 33 35 36 38 40 41 42 43 44
## 2 3 1 8 1 1 1 7 1 1 19 1 13 1 3 21 2 1 1 1
## 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64
## 27 1 3 8 3 36 2 7 5 1 30 3 2 4 3 32 2 4 6 5
## 65 66 67 68 69 70 71 72 73 74 75 76 77 78 80 81 82 83 84 85
## 33 4 2 3 3 30 1 6 5 1 30 4 4 4 36 3 6 4 5 30
## 86 87 88 89 90 91 92 93 94 95 97 98 100 102 103 104 105 106 107 108
## 2 2 1 3 29 1 7 2 2 23 1 3 34 1 1 2 15 1 1 1
## 109 110 112 115 117 120 121 123 124 125 129 130 131 134 135 140 147 150 160 165
## 2 14 2 9 3 17 1 3 2 12 1 12 2 2 5 4 1 4 2 1pie(table(df$attack))
barplot(table(df$attack),
col=c("red","blue","orange","black","yellow","green"),
main = "Gráfico de barras relacionado ao Ataque")
Resumo
Já nessa parte, foi criado um resumo das informações contidas na base de dados, para uma rápida conferência das informações.
# Passo 3 - Criando um resumo das informções
summary(df$attack)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 5.00 53.00 73.00 74.85 95.00 165.00Finalização
Para finalizar, rodei novamente o recurso “table”.
table(df$attack)##
## 5 10 15 20 22 23 24 25 27 29 30 33 35 36 38 40 41 42 43 44
## 2 3 1 8 1 1 1 7 1 1 19 1 13 1 3 21 2 1 1 1
## 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64
## 27 1 3 8 3 36 2 7 5 1 30 3 2 4 3 32 2 4 6 5
## 65 66 67 68 69 70 71 72 73 74 75 76 77 78 80 81 82 83 84 85
## 33 4 2 3 3 30 1 6 5 1 30 4 4 4 36 3 6 4 5 30
## 86 87 88 89 90 91 92 93 94 95 97 98 100 102 103 104 105 106 107 108
## 2 2 1 3 29 1 7 2 2 23 1 3 34 1 1 2 15 1 1 1
## 109 110 112 115 117 120 121 123 124 125 129 130 131 134 135 140 147 150 160 165
## 2 14 2 9 3 17 1 3 2 12 1 12 2 2 5 4 1 4 2 1