Para a tabela abaixo que classifica a qualidade de refeição de acordo com categorias de preços crie um gráfico de barras empilhadas.

#como é a tabela
tab <- matrix(c(53.8, 33.9, 2.6, 0.0, 43.6, 54.2, 60.5, 21.4, 2.6,11.9,36.8,78.6), ncol=4, byrow=TRUE)
colnames(tab) <- c('$10-19','$20-29','$30-39','$40-49')
rownames(tab) <- c('Good','Very Good','Excellent')


#Gráfico barras
colors = c("red","blue","yellow")
barplot(main="Quality rating",tab, col= colors, names.arg = colnames(tab) ,beside= F)


legend("bottom",pch = 15,title = "Quality", col=colors,cex = 0.5, legend=rownames(tab), horiz = T, xpd = T, inset = c(0,-0.32))

Faça o histograma das temperaturas do mês de maio do dataset airquality. No entanto, primeiro converta as temperaturas para graus Celsius através da expressão °C = (°F − 32) / 1.8. Após isso, gere o histograma. Também adicione título, nomes de eixos, cor e curva de densidade.

maio <- airquality[airquality$Month==5,]
maio$Temp <- (maio$Temp - 32) /1.8
hist(maio$Temp, freq = F, main = "Temperatura em Maio",
     xlab = "Temperatura Celsius",
     ylab = "Densidade",
     col = c('#ffffff','#ffff99','#ffe48e','#ffcc33','#8db57d','#6d945d','#ee6600','#990000'))

densityTemp <- density(maio$Temp)
lines(densityTemp)

Crie um gráfico de pizza com a porcentagem da tabela total de vendas por país. Use o dataset abaixo. Inclua a porcentagem de cada fatia, as cores das fatias e o nome do gráfico. Adicionalmente, use o comando legend() para incluir a legenda do gráfico.

sales <- read.table("https://training-course-material.com/images/8/8f/Sales.txt",header=TRUE)


pct <- round(sales$SALES/sum(sales$SALES)*100)
lbls <- paste(pct,"%", sep="")

pie(sales$SALES,lbls, main = "Sales by country",
    col=rainbow(6))

legend("topright", legend = sales$COUNTRY, cex =0.8, fill=rainbow(length(sales$COUNTRY)))

Utilize os dados de contagens de insetos em unidades experimentais agrícolas tratados com inseticidas diferentes disponível no R em InsectSprays e construa um boxplot sem a presença dos outliers para os 6 tipos de inseticidas. Coloque título e nomes de eixos adequados. Além disso, as caixas devem ser preenchidas com a cor “yellow”.

boxplot(count ~ spray, data=InsectSprays,
        xlab = "Tipo de spray",
        ylab = "Contagem de insetos",
        main="Dados por tipo de spray",
        outline = F,
        col="yellow")

Gere os gráficos abaixo a partir dos seguintes dados: monitoringCloudData_0.1.csv, monitoringCloudData_0.5.csv, monitoringCloudData_1.csv e monitoringCloudData_NONE.csv. Esses dados consistem de informações de monitoramento dos recursos de uma máquina virtual. Basicamente, é necessário gerar gráficos de linha do tempo de coleta dos recursos (currentTime) em relação a memória usada (usedMemory). Porém, é necessário ajustar a coluna “currentTime” para que o tempo fique contínuo e a coluna “usedMemory” para que todas as informações fiquem megabytes. Por fim, use a função layout() para organizar os gráficos. Dica 1: use a função difftime() para calcular a diferença do tempo em horas. Dica 2: use os conceitos vistos na aula de string/regex para converter os dados na coluna “usedMemory” para apenas megabytes. Além disso, considere que um terabyte equivale a 1000000 megabytes e 1 gigabyte equivale a 1024 megabytes.

library(stringr)
library(tidyr)

mcd01 <- read.csv("monitoringCloudData/monitoringCloudData_0.1.csv")
mcd05 <- read.csv("monitoringCloudData/monitoringCloudData_0.5.csv")
mcd1 <- read.csv("monitoringCloudData/monitoringCloudData_1.csv")
mcdNone <- read.csv("monitoringCloudData/monitoringCloudData_NONE.csv")


#mcdNone
mcdNone$usedMemoryGBMB  <- as.double(gsub("GB", "", mcdNone$usedMemory))*1024 
mcdNone$usedMemoryKBMB  <- as.double(gsub("KB", "", mcdNone$usedMemory))/1024  
mcdNone$usedMemoryMBMB  <-as.double(gsub("MB", "", mcdNone$usedMemory))

mcdNone$usedMemoryMB <- paste(mcdNone$usedMemoryGBMB, mcdNone$usedMemoryKBMB,mcdNone$usedMemoryMBMB)
mcdNone$usedMemoryMB <- as.double(gsub("NA", "", mcdNone$usedMemoryMB))
mcdNone$usedMemoryGBMB <- NULL
mcdNone$usedMemoryKBMB <- NULL
mcdNone$usedMemoryMBMB <- NULL


mcdNone <- mcdNone %>%
     separate(currentTime, c("dia", "hora"), " ")

mcdNone$dia <- as.integer(gsub("[0-9]{4}-[0-9]{2}-", "", mcdNone$dia))
mcdNone$hora <- as.integer((gsub(":[0-9]{2}:[0-9]{2}.[0-9]{6}", "", mcdNone$hora)))

for (i in 1:length(row(mcdNone))) {
   if (is.na(mcdNone$dia[i])) {
    
   }else{
       if (mcdNone$dia[i] == 29){
    mcdNone$hora[i] <- mcdNone$hora[i] +24
    }
    if (mcdNone$dia[i] == 30){
    mcdNone$hora[i] <- mcdNone$hora[i] +48
    }
    if (mcdNone$dia[i] == 31){
    mcdNone$hora[i] <- mcdNone$hora[i] +48
     }
    }
   
}



plot(mcdNone$hora,mcdNone$usedMemoryMB, type = "l", main = "Memory Analysis (None Workload)",
     ylab = "Used Memory (MB)",
     xlab = "Time (hour)")

#mcd 0.1
mcd01$usedMemoryGBMB  <- as.double(gsub("GB", "", mcd01$usedMemory))*1024 
mcd01$usedMemoryKBMB  <- as.double(gsub("KB", "", mcd01$usedMemory))/1024  
mcd01$usedMemoryMBMB  <-as.double(gsub("MB", "", mcd01$usedMemory))

mcd01$usedMemoryMB <- paste(mcd01$usedMemoryGBMB, mcd01$usedMemoryKBMB,mcd01$usedMemoryMBMB)
mcd01$usedMemoryMB <- as.double(gsub("NA", "", mcd01$usedMemoryMB))
mcd01$usedMemoryGBMB <- NULL
mcd01$usedMemoryKBMB <- NULL
mcd01$usedMemoryMBMB <- NULL


mcd01 <- mcd01 %>%
     separate(currentTime, c("dia", "hora"), " ")

mcd01$dia <- as.integer(gsub("[0-9]{4}-[0-9]{2}-", "", mcd01$dia))
mcd01$hora <- as.integer((gsub(":[0-9]{2}:[0-9]{2}.[0-9]{6}", "", mcd01$hora)))

for (i in 1:length(row(mcd01))) {
   if (is.na(mcd01$dia[i])) {
    
   }else{
       if (mcd01$dia[i] == 29){
    mcd01$hora[i] <- mcd01$hora[i] +24
    }
    if (mcd01$dia[i] == 30){
    mcd01$hora[i] <- mcd01$hora[i] +48
    }
    if (mcd01$dia[i] == 31){
    mcd01$hora[i] <- mcd01$hora[i] +48
     }
    }
   
}



plot(mcd01$hora,mcd01$usedMemoryMB, type = "l", main = "Memory Analysis (Workload of 0.1)",
     ylab = "Used Memory (MB)",
     xlab = "Time (hour)")

#mcd0.5
#mcd 0.1
mcd05$usedMemoryGBMB  <- as.double(gsub("GB", "", mcd05$usedMemory))*1024 
mcd05$usedMemoryKBMB  <- as.double(gsub("KB", "", mcd05$usedMemory))/1024  
mcd05$usedMemoryMBMB  <-as.double(gsub("MB", "", mcd05$usedMemory))

mcd05$usedMemoryMB <- paste(mcd05$usedMemoryGBMB, mcd05$usedMemoryKBMB,mcd05$usedMemoryMBMB)
mcd05$usedMemoryMB <- as.double(gsub("NA", "", mcd05$usedMemoryMB))
mcd05$usedMemoryGBMB <- NULL
mcd05$usedMemoryKBMB <- NULL
mcd05$usedMemoryMBMB <- NULL


mcd05 <- mcd05 %>%
     separate(currentTime, c("dia", "hora"), " ")

mcd05$dia <- as.integer(gsub("[0-9]{4}-[0-9]{2}-", "", mcd05$dia))
mcd05$hora <- as.integer((gsub(":[0-9]{2}:[0-9]{2}.[0-9]{6}", "", mcd05$hora)))

for (i in 1:length(row(mcd05))) {
   if (is.na(mcd05$dia[i])) {
    
   }else{
       if (mcd05$dia[i] == 29){
    mcd05$hora[i] <- mcd05$hora[i] +24
    }
    if (mcd05$dia[i] == 30){
    mcd05$hora[i] <- mcd05$hora[i] +48
    }
    if (mcd05$dia[i] == 31){
    mcd05$hora[i] <- mcd05$hora[i] +48
     }
    }
   
}



plot(mcd05$hora,mcd05$usedMemoryMB, type = "l", main = "Memory Analysis (Workload of 0.5)",
     ylab = "Used Memory (MB)",
     xlab = "Time (hour)")

#mcd1
#mcd 0.1
mcd1$usedMemoryGBMB  <- as.double(gsub("GB", "", mcd1$usedMemory))*1024 
mcd1$usedMemoryKBMB  <- as.double(gsub("KB", "", mcd1$usedMemory))/1024  
mcd1$usedMemoryMBMB  <-as.double(gsub("MB", "", mcd1$usedMemory))

mcd1$usedMemoryMB <- paste(mcd1$usedMemoryGBMB, mcd1$usedMemoryKBMB,mcd1$usedMemoryMBMB)
mcd1$usedMemoryMB <- as.double(gsub("NA", "", mcd1$usedMemoryMB))
mcd1$usedMemoryGBMB <- NULL
mcd1$usedMemoryKBMB <- NULL
mcd1$usedMemoryMBMB <- NULL


mcd1 <- mcd1 %>%
     separate(currentTime, c("dia", "hora"), " ")

mcd1$dia <- as.integer(gsub("[0-9]{4}-[0-9]{2}-", "", mcd1$dia))
mcd1$hora <- as.integer((gsub(":[0-9]{2}:[0-9]{2}.[0-9]{6}", "", mcd1$hora)))

for (i in 1:length(row(mcd1))) {
   if (is.na(mcd1$dia[i])) {
    
   }else{
       if (mcd1$dia[i] == 29){
    mcd1$hora[i] <- mcd1$hora[i] +24
    }
    if (mcd1$dia[i] == 30){
    mcd1$hora[i] <- mcd1$hora[i] +48
    }
    if (mcd1$dia[i] == 31){
    mcd1$hora[i] <- mcd1$hora[i] +48
     }
    }
   
}



plot(mcd1$hora,mcd1$usedMemoryMB, type = "l", main = "Memory Analysis (Workload of 1.0)",
     ylab = "Used Memory (MB)",
     xlab = "Time (hour)")

#install.packages('plyr')
library(plotly)
library(plyr)

## 
## Attaching package: 'plyr'

## The following objects are masked from 'package:plotly':
## 
##     arrange, mutate, rename, summarise

netdata <- read.csv("netflix_titles.csv")


netdata$country[netdata$country==""] <- NA

netdataPaisesFreq <- count(netdata,'country')
 
netdataPaisesFreq<- netdataPaisesFreq[complete.cases(netdataPaisesFreq$country),]   

#netdataPaisesFreq$country[netdataPaisesFreq$country==""] <- NA

netdataPaisesFreqLimpo <- subset(netdataPaisesFreq, !grepl(',', country))


netdataPaisesFreqLimpo <- netdataPaisesFreqLimpo[order(netdataPaisesFreqLimpo$freq, decreasing = T),]

newdata <- na.omit(netdataPaisesFreqLimpo) 

plot_ly(netdataPaisesFreqLimpo[1:10,], labels=~country,
        values=~freq,
        type='pie')

Considerando os 10 países descritos na questão anterior, utilize o Plotly para obter uma tabela com as colunas “País” e “Total de conteúdos”. Para tal tabela, é necessário que o cabeçalho esteja com o fundo da célula cinza e a letra em branco, e que todos os textos das células estejam @centralizados.

top10 <- netdataPaisesFreqLimpo[1:10,]
plot_ly( type='table',
        collumnwidth= c(50,50),
        collumnorder= c(0,1),
        header = list(
          values =c("País", "Total de conteúdos"),
          align= c("center","center"),
          fill = list(color = c("grey", "grey")),
          line= list(width= 1.5, color = 'black'),font= list(family= "Arial", size= 12, color = c("white"))
        ),
        cells =list(
          values = rbind(top10$country, top10$freq),
          align= c("center","center"),
          line= list(width= 1.5, color = 'black'),font= list(family= "Arial", size= 12, color = c("black"))
        )
        )

Utilizando o Plotly, obtenha um gráfico de linha com pontos (como na imagem abaixo) contendo a quantidade de conteúdo por década do Netflix, onde o eixo X representa as décadas e o eixo Y a quantidade de conteúdo disponível na plataforma (coluna “release_year”). Use uma linha azul para representar as séries e uma linha amarela representando os filmes. (Obs: considerar como década o período que compreende os anos de XXX0 à XXX9, por exemplo, 2000 à 2009)

seriesnetdata <- subset(netdata, grepl('TV Show', type))
moviesnetdata <- subset(netdata, grepl('Movie', type))

moviesnetdataAno <- count(moviesnetdata,'release_year')
colnames(moviesnetdataAno)<- c("relase_m","freq_m")

seriesnetdataAno <- count(seriesnetdata,'release_year')
colnames(seriesnetdataAno)<- c("relase_s","freq_s")


fig <- plot_ly(moviesnetdataAno, x=~relase_m, y=~freq_m, mode='lines', name = "Filmes", type = "scatter", line=list(color = "yellow", width = 2))

fig <- fig %>% add_trace(seriesnetdataAno, x=~seriesnetdataAno$relase_s, y=~seriesnetdataAno$freq_s, mode='lines', name = "Séries", line=list(color = "blue", width = 2) )

fig <- fig %>% layout(title="Lançamentos por ano", xaxis = list(title = 'Ano'), yaxis = list(title = 'Número lançamentos'))

fig

Utilizando o Plotly, obtenha um gráfico que representa a quantidade de filmes lançados de um determinado gênero entre os anos de 2000 e 2010. Este gráfico deve ser de barras lado-a-lado (como na imagem abaixo), com cada barra representando a quantidade de filmes dos gêneros “Dramas”, “Action & Adventure” e “Comedies” lançados naquele determinado

#moviesnetdata$release_year
moviesnetdata2000 <- subset(moviesnetdata, release_year>2000 & release_year <2010, select = c(listed_in, release_year))

moviesnetdata2000Drama <- subset(moviesnetdata2000, grepl("Dramas", listed_in))
moviesnetdata2000Acao <- subset(moviesnetdata2000, grepl("Action & Adventure", listed_in))
moviesnetdata2000Comedia <- subset(moviesnetdata2000, grepl("Comedies", listed_in))

moviesnetdata2000DramaAno <- count(moviesnetdata2000Drama,'release_year')
colnames(moviesnetdata2000DramaAno)<- c("relase_d","freq_d")


moviesnetdata2000AcaoAno <- count(moviesnetdata2000Acao,'release_year')
colnames(moviesnetdata2000AcaoAno)<- c("relase_a","freq_a")

moviesnetdata2000ComediaAno <- count(moviesnetdata2000Comedia,'release_year')
colnames(moviesnetdata2000ComediaAno)<- c("relase_c","freq_c")

fig <- plot_ly(
  moviesnetdata2000DramaAno,
  x =~relase_d,
  y =~freq_d,
  type = 'bar',
  name = "Drama"
)

fig <- fig %>% add_trace(moviesnetdata2000AcaoAno,
                         x =~moviesnetdata2000AcaoAno$relase_a,
        y =~moviesnetdata2000AcaoAno$freq_a,
        type = 'bar',
        name = "Ação e Aventura"
  
)
fig <- fig %>% add_trace(moviesnetdata2000ComediaAno,
                         x =~moviesnetdata2000ComediaAno$relase_c,
        y =~moviesnetdata2000ComediaAno$freq_c,
        type = 'bar',
        name = "Comédia"
  
)

fig <- fig %>% layout(title="Lançamentos por ano", xaxis = list(title = 'Ano'), yaxis = list(title = 'Número lançamentos'))

fig