Aula 3 Análise de Variável Qualitativa
Giovanna Pimentel
20/11/2021
R Markdown
Introdução
Aqui vamos trabalhar com variáveis qualitativas. Devemos fazer: 1. Importar arquivos do excel e csv,
2. Olhar e tratar os dados,
3. Construir tabelas,
4. Fazer Gráficos,
5. Escrever um parecer.
Importação de Dados
Aqui vamos colocar os dados do excel,csv e RData.
Vamos Adicionar um Bloco de Codigos
#------------------------------------------
# Passo 1 - Importacao de dados
#------------------------------------------
# importar do excel
library(readxl)
Familias <- read_excel("C:/Users/pimen/OneDrive/Documentos/Base_de_dados-master/Familias.xls")
# importar do csv
library(readr)
Estados <- read_csv("C:/Users/pimen/OneDrive/Documentos/Base_de_dados-master/Estados.csv")## Warning: One or more parsing issues, see `problems()` for details## Rows: 27 Columns: 1## -- Column specification --------------------------------------------------------
## Delimiter: ","
## chr (1): S;Sigla;Codigo;Estado;Regiao_Geografica;CodigoReg;PIB;Gini;Agua;Ban...##
## i Use `spec()` to retrieve the full column specification for this data.
## i Specify the column types or set `show_col_types = FALSE` to quiet this message.# carregar do RDATA
load("~/Base_de_dados-master/CARROS.RData")Inspecionar dados
Aqui vamos ver se o R classificou as veriáveis corretamente
#----------------------------------
# Passo 2 - inspecionar os dados
#----------------------------------
str(Familias)## tibble [120 x 6] (S3: tbl_df/tbl/data.frame)
## $ familia: num [1:120] 1 2 3 4 5 6 7 8 9 10 ...
## $ local : chr [1:120] "Monte Verde" "Monte Verde" "Monte Verde" "Monte Verde" ...
## $ p.a.p : chr [1:120] "Não usa" "Não usa" "Usa" "Não usa" ...
## $ instr : chr [1:120] "Ensino médio" "Ensino médio" "Ensino fundamental" "Ensino fundamental" ...
## $ tam : num [1:120] 4 4 4 5 4 1 2 3 6 4 ...
## $ renda : num [1:120] 10.3 15.4 9.6 5.5 9 2.4 4.1 8.4 10.3 4.6 ...str(CARROS)## 'data.frame': 32 obs. of 11 variables:
## $ Kmporlitro : num 21 21 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 ...
## $ Cilindros : num 6 6 4 6 8 6 8 4 4 6 ...
## $ Preco : num 160 160 108 258 360 ...
## $ HP : num 110 110 93 110 175 105 245 62 95 123 ...
## $ Amperagem_circ_eletrico: num 3.9 3.9 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 ...
## $ Peso : num 2.62 2.88 2.32 3.21 3.44 ...
## $ RPM : num 16.5 17 18.6 19.4 17 ...
## $ Tipodecombustivel : num 0 0 1 1 0 1 0 1 1 1 ...
## $ TipodeMarcha : num 1 1 1 0 0 0 0 0 0 0 ...
## $ NumdeMarchas : num 4 4 4 3 3 3 3 4 4 4 ...
## $ NumdeValvulas : num 4 4 1 1 2 1 4 2 2 4 ...
## - attr(*, "variable.labels")= chr [1:11] "Km por litro" "Número de Cilindros" "Preço" "HP = Horse Power (potência do motor)" ...summary(Familias)## familia local p.a.p instr
## Min. : 1.00 Length:120 Length:120 Length:120
## 1st Qu.: 30.75 Class :character Class :character Class :character
## Median : 60.50 Mode :character Mode :character Mode :character
## Mean : 60.50
## 3rd Qu.: 90.25
## Max. :120.00
##
## tam renda
## Min. :1.000 Min. : 0.10
## 1st Qu.:3.750 1st Qu.: 3.90
## Median :4.000 Median : 5.40
## Mean :4.492 Mean : 6.34
## 3rd Qu.:5.000 3rd Qu.: 8.15
## Max. :9.000 Max. :25.70
## NA's :1summary(CARROS)## Kmporlitro Cilindros Preco HP
## Min. :10.40 Min. :4.000 Min. : 71.1 Min. : 52.0
## 1st Qu.:15.43 1st Qu.:4.000 1st Qu.:120.8 1st Qu.: 96.5
## Median :19.20 Median :6.000 Median :196.3 Median :123.0
## Mean :20.09 Mean :6.188 Mean :230.7 Mean :146.7
## 3rd Qu.:22.80 3rd Qu.:8.000 3rd Qu.:326.0 3rd Qu.:180.0
## Max. :33.90 Max. :8.000 Max. :472.0 Max. :335.0
## Amperagem_circ_eletrico Peso RPM Tipodecombustivel
## Min. :2.760 Min. :1.513 Min. :14.50 Min. :0.0000
## 1st Qu.:3.080 1st Qu.:2.581 1st Qu.:16.89 1st Qu.:0.0000
## Median :3.695 Median :3.325 Median :17.71 Median :0.0000
## Mean :3.597 Mean :3.217 Mean :17.85 Mean :0.4375
## 3rd Qu.:3.920 3rd Qu.:3.610 3rd Qu.:18.90 3rd Qu.:1.0000
## Max. :4.930 Max. :5.424 Max. :22.90 Max. :1.0000
## TipodeMarcha NumdeMarchas NumdeValvulas
## Min. :0.0000 Min. :3.000 Min. :1.000
## 1st Qu.:0.0000 1st Qu.:3.000 1st Qu.:2.000
## Median :0.0000 Median :4.000 Median :2.000
## Mean :0.4062 Mean :3.688 Mean :2.812
## 3rd Qu.:1.0000 3rd Qu.:4.000 3rd Qu.:4.000
## Max. :1.0000 Max. :5.000 Max. :8.000tratamento dos dados
vamos corrigir o problema
#----------------------------------
# Passo 3 - transformação de dados
#----------------------------------
CARROS$Tipodecombustivel <- ifelse(CARROS$Tipodecombustivel==0,"Gas","Alc")
CARROS$TipodeMarcha <- ifelse(CARROS$TipodeMarcha==0,"auto","manual")
CARROS$TipodeMarcha <- ifelse(CARROS$TipodeMarcha==0,"auto",
ifelse(CARROS$TipodeMarcha==1,"manual","Não se aplica"))
# case_whenolhar novamente os dados
#----------------------------------
# Passo 4 - olhar os dados novamente
#----------------------------------
summary(CARROS)## Kmporlitro Cilindros Preco HP
## Min. :10.40 Min. :4.000 Min. : 71.1 Min. : 52.0
## 1st Qu.:15.43 1st Qu.:4.000 1st Qu.:120.8 1st Qu.: 96.5
## Median :19.20 Median :6.000 Median :196.3 Median :123.0
## Mean :20.09 Mean :6.188 Mean :230.7 Mean :146.7
## 3rd Qu.:22.80 3rd Qu.:8.000 3rd Qu.:326.0 3rd Qu.:180.0
## Max. :33.90 Max. :8.000 Max. :472.0 Max. :335.0
## Amperagem_circ_eletrico Peso RPM Tipodecombustivel
## Min. :2.760 Min. :1.513 Min. :14.50 Length:32
## 1st Qu.:3.080 1st Qu.:2.581 1st Qu.:16.89 Class :character
## Median :3.695 Median :3.325 Median :17.71 Mode :character
## Mean :3.597 Mean :3.217 Mean :17.85
## 3rd Qu.:3.920 3rd Qu.:3.610 3rd Qu.:18.90
## Max. :4.930 Max. :5.424 Max. :22.90
## TipodeMarcha NumdeMarchas NumdeValvulas
## Length:32 Min. :3.000 Min. :1.000
## Class :character 1st Qu.:3.000 1st Qu.:2.000
## Mode :character Median :4.000 Median :2.000
## Mean :3.688 Mean :2.812
## 3rd Qu.:4.000 3rd Qu.:4.000
## Max. :5.000 Max. :8.000tabelas
#----------------------------------
# Passo 5 - tabela para variável qualitativa
#----------------------------------
tabela_comb <- table(CARROS$Tipodecombustivel)
tabela_comb##
## Alc Gas
## 14 18tabela_bairro <- table(Familias$local)
tabela_bairro##
## Encosta do Morro Monte Verde Parque da Figueira
## 37 40 43#----------------------------------
# Passo 6 - tabela com a proporção
#----------------------------------
prop.table(tabela_comb)*100##
## Alc Gas
## 43.75 56.25prop.table(tabela_bairro)*100##
## Encosta do Morro Monte Verde Parque da Figueira
## 30.83333 33.33333 35.83333Grafico de Pizza
#----------------------------------
# Passo 7 - gráfico de pizza
#----------------------------------
pie(tabela_comb)
pie(tabela_comb,main = "Meu primeiro gráfico no R")
pie(tabela_comb,col = c("pink","green"),
main = "Meu primeiro gráfico no R")
pie(tabela_comb,col = c("green","pink"),
main = "Meu gráfico no R")
pie(tabela_comb,col = c("black","red"),
main = "Meu primeiro gráfico no R")
pie(tabela_bairro,col = c("red","blue","black"),
main = "Gráfico 2 - Bairros")
pie(tabela_bairro,col = c("skyblue","tomato3","lightgreen"),
main = "Gráfico 2 - Bairros")
pie(tabela_bairro,col = c("skyblue","royalblue","darkblue"),
main = "Gráfico 2 - Bairros")
pie(tabela_bairro,col = c("turquoise","violetred2","snow3"),
main = "Gráfico 2 - Bairros")
pie(tabela_bairro,col = c("#24bd9c","#bd5724","#322ea3"),
main = "Gráfico 2 - Bairros")