Análise de Magic the gathering com R - Prof. Thiago Marques
Carregando bibliotecas
Dados de cards brancos, pretos, artefatos e terrenos
dados_cartas = scry_cards("c:w or c:b or t:artifact or t:land")filtrando as cartas desejadas
dados_cartas_filtradas = dados_cartas %>% filter(name %in% c(#brancas
"Orah, Skyclave Hierophant",
"Bishop of Binding",
"Soul Warden",
"Speaker of the Heavens",
"High Priest of Penance",
"Ayli, Eternal Pilgrim",
"Cruel Celebrant",
"Cleric of Life's Bond",
"Battlefield Medic",
"Suture Priest",
"Bygone Bishop",
"Edgewalker",
"Sin Collector",
"Hammers of Moradin",
"Priest of the Blessed Graf",
"Righteous Valkyrie",
"Soulbinders",
"Heliod, God of the Sun",
"Minthara, Merciless Soul",
"Doubtless One",
"Glorious Protector",
"Firja, Judge of Valor",
"Shieldmage Elder",
"Astarion, the Decadent",
"Sun Titan",
"Fight as One",
"Pride of Conquerors",
"Dire Tactics",
"Akroma's Blessing",
"Mortify",
"Closing Statement",
"Austere Command",
"Akroma's Vengeance",
"Cleric Class",
"Rally the Ranks",
"Etchings of the Chosen",
"Ghostly Prison",
"Soul Link",
"Sigil of the New Dawn",
"Custodi Soulbinders",
#pretas
"Doomed Necromancer",
"Boneknitter",
"Rotlung Reanimator",
"Marauding Blight-Priest",
"Taborax, Hope's Demise",
"Vengeful Reaper",
"Vile Deacon",
"Jarl of the Forsaken",
"Shadowheart, Dark Justiciar",
"Gangrenous Goliath",
"Pontiff of Blight",
"Misery Charm",
"Cut of the Profits",
"Profane Prayers",
"Patriarch's Bidding",
"Gruesome Menagerie",
"Greed",
"Cabal Archon",
#artefatos
"Zuran Orb",
"Charcoal Diamond",
"Marble Diamond",
"Pyre of Heroes",
"Talisman of Hierarchy",
"Neurok Stealthsuit",
"Herald's Horn",
"Relic Vial",
"Bontu's Monument",
"Gangrenous Goliath",
"Orzhov Signet",
"Angel's Feather",
#terrenos
"Base Camp",
"Vault of the Archangel",
"Path of Ancestry",
"Silverquill Campus",
"Desert of the True",
"Radiant Fountain",
"Secluded Courtyard",
"Swamp",
"Plains",
"Great Hall of Starnheim",
"Starlit Sanctum",
"Temple of Silence",
"Evolving Wilds",
"Command Tower")|
str_detect(name,"Chaplain of Alms") |
str_detect(name,"Selfless Glyphweaver")|
str_detect(name,"Arguel's")|
str_detect(name,"Revival // Revenge")
)Filtrando as variáveis desejadas
dados_cartas_filtradas_var_selec = dados_cartas_filtradas %>% select( id, name, color_identity,
mana_cost,
oracle_text,
power,
toughness,
type_line,keywords,scryfall_uri,
collector_number, prices, rarity,cmc)Totalizando quantidade de cartas
dim(dados_cartas_filtradas)[1]## [1] 86Populando os swamps e plains para formar 100 cartas
dados_consolidado_deck_clerigo = dados_cartas_filtradas %>% add_row(dados_cartas_filtradas[79,]) %>%
add_row(dados_cartas_filtradas[79,]) %>%
add_row(dados_cartas_filtradas[79,]) %>%
add_row(dados_cartas_filtradas[79,]) %>%
add_row(dados_cartas_filtradas[79,]) %>%
add_row(dados_cartas_filtradas[54,]) %>%
add_row(dados_cartas_filtradas[54,]) %>%
add_row(dados_cartas_filtradas[54,]) %>%
add_row(dados_cartas_filtradas[54,]) %>%
add_row(dados_cartas_filtradas[54,]) %>%
add_row(dados_cartas_filtradas[54,]) %>%
add_row(dados_cartas_filtradas[54,]) %>%
add_row(dados_cartas_filtradas[54,]) %>%
add_row(dados_cartas_filtradas[54,]) Contabilizando os tipos de mana usados por cada carta
table(dados_consolidado_deck_clerigo$mana_cost)##
## {0} {1}{B}
## 28 1 1
## {1}{W} {1}{W}{B} {2}
## 4 5 7
## {2}{B} {2}{B}{B} {2}{W}
## 5 2 6
## {2}{W}{B} {2}{W}{B}{B} {2}{W}{W}
## 2 1 1
## {3} {3}{B} {3}{B}{B}
## 3 4 3
## {3}{W} {3}{W}{B} {4}{B}{B}
## 5 1 1
## {4}{W}{B} {4}{W}{W} {5}{W}
## 1 3 1
## {B} {W/B}{W/B} // {4}{W}{B} {W}
## 1 1 4
## {W}{B} {X}{B}{B}
## 5 1Contabilizando o total de manas das cartas
table(dados_consolidado_deck_clerigo$cmc)##
## 0 1 2 3 4 5 6 8
## 29 6 19 20 14 5 6 1Filtrando só as cartas de uma mana branca
dados_consolidado_deck_clerigo_brancos = dados_consolidado_deck_clerigo %>% filter(mana_cost=="{W}")Filtrando as cartas de 3 manas
dados_consolidado_deck_clerigo %>% filter(cmc == 3)## # A tibble: 20 x 74
## id name set lang colors color_identity mana_cost cmc oracle_text
## <chr> <chr> <chr> <chr> <list> <list> <chr> <dbl> <chr>
## 1 be43f~ Akrom~ vma en <chr ~ <chr [1]> {2}{W} 3 "Choose a co~
## 2 171a9~ Bontu~ dmc en <NULL> <NULL> {3} 3 "Black creat~
## 3 cf879~ Bygon~ clb en <chr ~ <chr [1]> {2}{W} 3 "Flying\nWhe~
## 4 4bdf6~ Cabal~ ons en <chr ~ <chr [1]> {2}{B} 3 "{B}, Sacrif~
## 5 2d322~ Doome~ afc en <chr ~ <chr [1]> {2}{B} 3 "{B}, {T}, S~
## 6 c8b47~ Edgew~ scg en <chr ~ <chr [2]> {1}{W}{B} 3 "Cleric spel~
## 7 7036a~ Etchi~ mh1 en <chr ~ <chr [2]> {1}{W}{B} 3 "As Etchings~
## 8 8169d~ Ghost~ voc en <chr ~ <chr [1]> {2}{W} 3 "Creatures c~
## 9 e7429~ Hamme~ clb en <chr ~ <chr [1]> {2}{W} 3 "Myriad (Whe~
## 10 e7ac5~ Heral~ 40k en <NULL> <NULL> {3} 3 "As Herald's~
## 11 730dd~ Marau~ znr en <chr ~ <chr [1]> {2}{B} 3 "Whenever yo~
## 12 02040~ Morti~ 40k en <chr ~ <chr [2]> {1}{W}{B} 3 "Destroy tar~
## 13 5b394~ Pries~ voc en <chr ~ <chr [1]> {2}{W} 3 "At the begi~
## 14 4b9ae~ Relic~ znr en <NULL> <NULL> {3} 3 "{2}, {T}, S~
## 15 02fb5~ Right~ khm en <chr ~ <chr [1]> {2}{W} 3 "Flying\nWhe~
## 16 87b29~ Rotlu~ ons en <chr ~ <chr [1]> {2}{B} 3 "Whenever Ro~
## 17 8982f~ Selfl~ stx en <NULL> <chr [2]> <NA> 3 <NA>
## 18 8cad9~ Sin C~ mm3 en <chr ~ <chr [2]> {1}{W}{B} 3 "When Sin Co~
## 19 425e0~ Soul ~ apc en <chr ~ <chr [2]> {1}{W}{B} 3 "Enchant cre~
## 20 331bf~ Tabor~ znr en <chr ~ <chr [1]> {2}{B} 3 "Flying\nTab~
## # ... with 65 more variables: type_line <chr>, edhrec_rank <int>,
## # keywords <list>, layout <chr>, legalities <list>, oversized <lgl>,
## # reserved <lgl>, oracle_id <chr>, arena_id <int>, mtgo_id <int>,
## # multiverse_ids <list>, tcgplayer_id <int>, cardmarket_id <int>, uri <chr>,
## # scryfall_uri <chr>, rulings_uri <chr>, prints_search_uri <chr>,
## # artist <chr>, artist_ids <list>, booster <lgl>, border_color <chr>,
## # card_back_id <chr>, collector_number <chr>, digital <lgl>, foil <lgl>, ...Consertando as manas dos que estão sem mana
dados_consolidado_deck_clerigo_NA = dados_consolidado_deck_clerigo %>% filter(is.na(mana_cost)==T)Imputando o correto nas cartas: Arguel’s Blood Fast, Selfless Glyphweaver e Chaplain of Alms
dados_consolidado_deck_clerigo$mana_cost[dados_consolidado_deck_clerigo$id=="c4ac7570-e74e-4081-ac53-cf41e695b7eb"] = "{1}{B}"
dados_consolidado_deck_clerigo$mana_cost[dados_consolidado_deck_clerigo$id=="8982ff88-8595-4363-8cde-6e87fb57a2d8"] = "{2}{W}"
dados_consolidado_deck_clerigo$mana_cost[dados_consolidado_deck_clerigo$id=="20e94e17-2e4c-41cd-8cc5-39ab41037287"] = "{W}"Transformando a var colors para contar
dados_consolidado_deck_clerigo = dados_consolidado_deck_clerigo %>% mutate(
colors_novo = case_when(
colors == "W" ~ "Branca",
colors == "B" ~ "Preta",
colors == c("B","W") ~ "Branca e Preta",
colors == "NULL" & type_line == "Artifact" | type_line == "Artifact — Equipment" | type_line == "Legendary Artifact" ~ "Incolor/Artefatos",
colors == "NULL" & type_line == "Basic Land — Plains" | type_line == "Basic Land — Swamp" | type_line == "Land" | type_line == "Land — Desert" ~ "Terrenos"
)
)
dados_consolidado_deck_clerigo = dados_consolidado_deck_clerigo %>% mutate(colors_novo = replace_na(colors_novo,"Branca e Preta"))Gráfico de pizza da quantidade de cores do deck
df_pizza_tab=table(dados_consolidado_deck_clerigo$colors_novo)
df_pizza <<- data.frame(df_pizza_tab)
df_pizza %>% kbl %>% kable_material_dark(full_width = F)| Var1 | Freq |
|---|---|
| Branca | 24 |
| Branca e Preta | 19 |
| Incolor/Artefatos | 11 |
| Preta | 18 |
| Terrenos | 28 |
colors <- c("#FFFFFF", "#ffd700", "#c0c0c0","#000000","#f5f5dc")
grafico_pizza_iterativo = plot_ly(df_pizza,
labels = ~Var1,
values = ~Freq,
type = 'pie',
marker = list(colors = colors,
line = list(color = '#FFFFFF', width = 1))
)%>%
layout(title = 'Frequência relativa das cores do deck (%) '
)
grafico_pizza_iterativoFiltrando as cartas Brancas
dados_consolidado_deck_clerigo %>% filter(colors_novo == "Branca")## # A tibble: 24 x 75
## id name set lang colors color_identity mana_cost cmc oracle_text
## <chr> <chr> <chr> <chr> <list> <list> <chr> <dbl> <chr>
## 1 be43fd~ Akro~ vma en <chr ~ <chr [1]> {2}{W} 3 "Choose a co~
## 2 e45b4c~ Akro~ c20 en <chr ~ <chr [1]> {4}{W}{W} 6 "Destroy all~
## 3 3d2403~ Aust~ clb en <chr ~ <chr [1]> {4}{W}{W} 6 "Choose two ~
## 4 9c4445~ Batt~ ons en <chr ~ <chr [1]> {1}{W} 2 "{T}: Preven~
## 5 aaadce~ Bish~ rix en <chr ~ <chr [1]> {3}{W} 4 "When Bishop~
## 6 cf879f~ Bygo~ clb en <chr ~ <chr [1]> {2}{W} 3 "Flying\nWhe~
## 7 47ce8b~ Cler~ afr en <chr ~ <chr [1]> {W} 1 "(Gain the n~
## 8 6a0dd7~ Cust~ voc en <chr ~ <chr [1]> {3}{W} 4 "Custodi Sou~
## 9 0dedef~ Doub~ ons en <chr ~ <chr [1]> {3}{W} 4 "Doubtless O~
## 10 5c62ea~ Figh~ iko en <chr ~ <chr [1]> {W} 1 "Choose one ~
## # ... with 14 more rows, and 66 more variables: type_line <chr>,
## # edhrec_rank <int>, keywords <list>, layout <chr>, legalities <list>,
## # oversized <lgl>, reserved <lgl>, oracle_id <chr>, arena_id <int>,
## # mtgo_id <int>, multiverse_ids <list>, tcgplayer_id <int>,
## # cardmarket_id <int>, uri <chr>, scryfall_uri <chr>, rulings_uri <chr>,
## # prints_search_uri <chr>, artist <chr>, artist_ids <list>, booster <lgl>,
## # border_color <chr>, card_back_id <chr>, collector_number <chr>, ...Imputando as cores corretas nas cartas Selfless Glyphweaver , Arguel’s Blood Fast e Chaplain of Alms
dados_consolidado_deck_clerigo$colors_novo[dados_consolidado_deck_clerigo$id=="8982ff88-8595-4363-8cde-6e87fb57a2d8"] = "Branca"
dados_consolidado_deck_clerigo$colors_novo[dados_consolidado_deck_clerigo$id=="c4ac7570-e74e-4081-ac53-cf41e695b7eb"] = "Preta"
dados_consolidado_deck_clerigo$colors_novo[dados_consolidado_deck_clerigo$id=="20e94e17-2e4c-41cd-8cc5-39ab41037287"] = "Branca"Análise gráfica das cores do deck
df_pizza_tab=table(dados_consolidado_deck_clerigo$colors_novo)
df_pizza <<- data.frame(df_pizza_tab)
df_pizza %>% kbl %>% kable_material_dark(full_width = F)| Var1 | Freq |
|---|---|
| Branca | 26 |
| Branca e Preta | 16 |
| Incolor/Artefatos | 11 |
| Preta | 19 |
| Terrenos | 28 |
colors <- c("#FFFFFF", "#ffd700", "#c0c0c0","#000000","#f5f5dc")
grafico_pizza_iterativo = plot_ly(df_pizza,
labels = ~Var1,
values = ~Freq,
type = 'pie',
marker = list(colors = colors,
line = list(color = '#FFFFFF', width = 1))
)%>%
layout(title = 'Frequência relativa das cores do deck (%) '
)
grafico_pizza_iterativoGráfico de barras empilhado
grafico_coluna_empilhada=ggplot(dados_consolidado_deck_clerigo,aes(x=cmc,fill=colors_novo)) +
geom_bar(position = 'fill',show.legend = FALSE) +
ggtitle("Número de carta por cor e quantidade de mana")+
scale_y_continuous(labels=percent) +
scale_x_continuous(breaks=seq(0,8,by=1))+
xlab("Quantidade de mana") +
ylab("Proporção de cartas % (Frequência Relativa)")+
scale_fill_manual(values = c("#FFFFFF", "#ffd700", "#c0c0c0","#000000","#f5f5dc"))
ggplotly(grafico_coluna_empilhada)Gráfico de barras empilhado absoluto
grafico_coluna_empilhada=ggplot(dados_consolidado_deck_clerigo,aes(x=cmc,fill=colors_novo)) +
geom_bar(position = 'stack',show.legend = FALSE) +
ggtitle("Número de carta por cor e quantidade de mana")+
#scale_y_continuous(labels=percent) +
scale_x_continuous(breaks=seq(0,8,by=1))+
xlab("Quantidade de mana") +
ylab("Proporção de cartas % (Frequência Relativa)")+
scale_fill_manual(values = c("#FFFFFF", "#ffd700", "#c0c0c0","#000000","#f5f5dc"))
ggplotly(grafico_coluna_empilhada)Transformando a var tipo para contar
dados_consolidado_deck_clerigo = dados_consolidado_deck_clerigo %>% mutate(
type_line_novo = case_when(
type_line == "Sorcery" | type_line == "Sorcery // Sorcery" | type_line == "Instant" ~ "Magia",
type_line == "Basic Land — Plains" | type_line == "Basic Land — Swamp" | type_line == "Land" | type_line == "Land — Desert" ~ "Terrenos",
type_line == "Artifact" | type_line == "Artifact — Equipment" | type_line == "Legendary Artifact" ~ "Incolor/Artefatos",
type_line == "Enchantment" | type_line == "Enchantment — Aura" | type_line == "Enchantment — Class" | type_line == "Legendary Enchantment // Legendary Land" ~ "Encantamentos",
str_detect(type_line, pattern = "Creature") ~ "Criatura")
)Análise gráfica do deck por tipo
df_pizza_tab=table(dados_consolidado_deck_clerigo$type_line_novo)
df_pizza <<- data.frame(df_pizza_tab)
df_pizza %>% kbl %>% kable_material_dark(full_width = F)| Var1 | Freq |
|---|---|
| Criatura | 39 |
| Encantamentos | 8 |
| Incolor/Artefatos | 11 |
| Magia | 14 |
| Terrenos | 28 |
colors <- c("#FFFFFF", "#ffd700", "#c0c0c0","#000000","#f5f5dc")
grafico_pizza_iterativo = plot_ly(df_pizza,
labels = ~Var1,
values = ~Freq,
type = 'pie',
marker = list(colors = colors,
line = list(color = '#FFFFFF', width = 1))
)%>%
layout(title = 'Frequência relativa das cores do deck (%) '
)
grafico_pizza_iterativoGráfico de barras empilhado absoluto por tipo
grafico_coluna_empilhada=ggplot(dados_consolidado_deck_clerigo,aes(x=cmc,fill=type_line_novo)) +
geom_bar(position = 'stack',show.legend = FALSE) +
ggtitle("Número de carta por cor e quantidade de mana")+
#scale_y_continuous(labels=percent) +
scale_x_continuous(breaks=seq(0,8,by=1))+
xlab("Quantidade de mana") +
ylab("Proporção de cartas % (Frequência Relativa)")+
scale_fill_manual(values = c("#FFFFFF", "#ffd700", "#c0c0c0","#000000","#f5f5dc"))
ggplotly(grafico_coluna_empilhada)Imputando o correto nas cartas doubtlessone
dados_consolidado_deck_clerigo$keywords_teste[dados_consolidado_deck_clerigo$id=="0dedef8a-5527-40dc-9ad9-bcee4cf30a76"] = "Lifelink"## Warning: Unknown or uninitialised column: `keywords_teste`.Tratando
dados_consolidado_deck_clerigo = dados_consolidado_deck_clerigo %>% mutate(
keywords_teste = case_when(
keywords == "NULL" ~ "Sem habilidade especial",
TRUE ~ as.character(keywords)
)
)Grafo das cartas por tipo de habilidade
colors <- c(rep("#FFFFFF",50), rep("#ffd700",50), rep("#c0c0c0",50),rep("#000000",40),rep("#f5f5dc",6))
adj_autor_temas=table(dados_consolidado_deck_clerigo$name,dados_consolidado_deck_clerigo$keywords_teste)
net_autores_temas <- graph_from_incidence_matrix(adj_autor_temas)
net2=asNetwork(net_autores_temas)
df2=data.frame(table(dados_consolidado_deck_clerigo$keywords_teste))
df3=data.frame(dados_consolidado_deck_clerigo$name)
net2 %v% "Series" = dados_consolidado_deck_clerigo$name
n<-ggnetwork(net2)
df3=data.frame(table(cbind(dados_consolidado_deck_clerigo$keywords_teste,dados_consolidado_deck_clerigo$name)))
n_merge=merge(n,df3, by.x=names(n)[5],by.y=names(df3)[1])
ggplotly(
ggplot(n_merge, aes(x = x, y = y, xend = xend, yend = yend)) +
geom_edges(color = "grey50") +
geom_nodes(aes(color = vertex.names, size=Freq)) +
geom_nodetext(aes(color =colors, label = vertex.names),
fontface = "bold",size=3) +
theme_blank()
)