Tipos de filme de Adam Sandler
Primeiramente carregamos as bibliotecas importantes como tidyverse, here, cluster e plotly, além de um código que carregará os dados do nosso Ator Adam Sandler no qua faremos nossa analise de agrupamentos
Importamos os dados e lemos para a variavel filmes que contem 36 filmes e algumas colunas como, avaliação, nota_audiencia, filme, papel, bilheteria e ano.
import_data("adam_sandler")## Loading required package: rvest##
## Attaching package: 'rvest'## The following object is masked from 'package:readr':
##
## guess_encoding## Loading required package: janitor##
## Attaching package: 'janitor'## The following objects are masked from 'package:stats':
##
## chisq.test, fisher.testfilmes = read_imported_data("adam_sandler")
filmes## # A tibble: 36 x 6
## avaliacao nota_audiencia filme papel bilheteria ano
## <int> <dbl> <chr> <chr> <dbl> <int>
## 1 91 52 Uncut Gems Howard Ratner (Ch… 50 2019
## 2 62 48 Hotel Transylva… Dracula (Voice),E… 168. 2018
## 3 17 46 Pixels Sam Brenner (Char… 78.7 2015
## 4 15 64 Blended Jim (Character),P… 46.3 2014
## 5 8 53 Grown Ups 2 Lenny Feder (Char… 134. 2013
## 6 45 72 Hotel Transylva… Dracula (Voice),E… 168. 2012
## 7 20 51 That's My Boy Donny (Character)… 36.9 2012
## 8 3 36 Jack and Jill Jack/Jill (Charac… 74.2 2011
## 9 19 59 Just Go With It Danny (Character)… 103 2011
## 10 14 41 Zookeeper Donald the Monkey… 80.4 2011
## # … with 26 more rowsAqui podemos ver informações sobre as colunas como minimos e maximos da colunas numericas como avaliacao, nota_audiencia, bilheteria e ano
summary(filmes)## avaliacao nota_audiencia filme papel
## Min. : 3.00 Min. :25.00 Length:36 Length:36
## 1st Qu.:15.00 1st Qu.:48.75 Class :character Class :character
## Median :25.00 Median :59.00 Mode :character Mode :character
## Mean :32.89 Mean :58.72
## 3rd Qu.:45.00 3rd Qu.:66.75
## Max. :91.00 Max. :85.00
## bilheteria ano
## Min. : 2.30 Min. :1994
## 1st Qu.: 32.65 1st Qu.:2000
## Median : 76.45 Median :2006
## Mean : 79.17 Mean :2005
## 3rd Qu.:128.07 3rd Qu.:2011
## Max. :167.90 Max. :2019Em uma rápida visualização sobre os dados de bilheteria do ator, vemos que há varios filmes com pouca e alguns com muita bilheteria, será que isso se reflete na avaliação dos mesmos?
filmes %>%
ggplot(aes(x = bilheteria)) +
geom_density(fill = "green", color = "black") +
geom_rug(size = .5) 
Podemos ver que muitos deles estão com baixa avaliação (abaixo de 50) e poucos acima de nota 50, veremos a relação das duas variaveis em um gráfico.
filmes %>%
ggplot(aes(x = avaliacao)) +
geom_density(fill = "coral", color = "black") +
geom_rug(size = .5) 
Ao observar os dados abaixo não é possivel definir agrupamentos de maneira facil, então faremos uso do kmeans para identificar esses grupos:
p = filmes %>%
ggplot(aes(x = bilheteria, y = avaliacao, label = filme)) +
geom_point(size = 4, color = paleta[1]) +
scale_y_log10()
ggplotly(p)Podemos ver abaixo o resultado para o agrupamento realizado pelo kmeans em 4 grupos, no qual foi feito uma transformação nos dados e aplicado o algoritmo.
dados <- filmes %>%
select(bilheteria, avaliacao) %>%
filter(!is.na(bilheteria + avaliacao))
row.names(dados) <- filmes$filme
dados <- scale(dados)
res <- kmeans(dados, 4)
fviz_cluster(res, data = dados)
Podemos ver que o algoritmo agrupou os filmes e podemos classifica-los da seguinte maneira
- O cluster na parte inferior esquerda representa os filmes com baixa bilheteria e uma avaliação baixa
- O cluster na parte central direita representa os filmes com alta bilheteria e uma avaliação media
- O cluster na parte superior esquerda representa os filmes com pouca bilheteria e uma avaliação media/alta
- O cluster na parte inferior direita representa os filmes com media/alta bilheteria e uma avaliação baixa
Abaixo podemos ver que os clusters possuem quantidades de 7 a 11 filmes cada
res## K-means clustering with 4 clusters of sizes 9, 7, 9, 11
##
## Cluster means:
## bilheteria avaliacao
## 1 0.5489896 -0.7737296
## 2 -0.6509811 1.5902908
## 3 1.1920446 0.3530142
## 4 -1.0102218 -0.6677814
##
## Clustering vector:
## Uncut Gems Hotel Transylvania 3: Summer Vacation
## 2 3
## Pixels Blended
## 1 4
## Grown Ups 2 Hotel Transylvania
## 1 3
## That's My Boy Jack and Jill
## 4 1
## Just Go With It Zookeeper
## 1 1
## Bucky Larson: Born to Be a Star Grown Ups
## 4 1
## Funny People You Don't Mess With the Zohan
## 2 3
## Bedtime Stories I Now Pronounce You Chuck and Larry
## 1 1
## Reign Over Me Click
## 2 3
## The Longest Yard 50 First Dates
## 3 3
## Spanglish Anger Management
## 2 3
## Adam Sandler's Eight Crazy Nights Mr. Deeds
## 4 1
## The Hot Chick Punch-Drunk Love
## 4 2
## Little Nicky Big Daddy
## 4 3
## Dirty Work The Wedding Singer
## 4 2
## The Waterboy Bulletproof
## 3 4
## Happy Gilmore Billy Madison
## 2 4
## Mixed Nuts Airheads
## 4 4
##
## Within cluster sum of squares by cluster:
## [1] 2.993612 2.628983 2.795071 2.770716
## (between_SS / total_SS = 84.0 %)
##
## Available components:
##
## [1] "cluster" "centers" "totss" "withinss" "tot.withinss"
## [6] "betweenss" "size" "iter" "ifault"