Lab 3.1

A Unidade 3 é estruturada considerando os seguintes tópicos:

• Manipulação e transformação de dados no R: funções para manipulação e tratamento de dados.
• Estatística descritiva e mineração de dados

Diretrizes gerais:

1. Baixe o arquivo .Rmd e abra no RStudio.

Arquivo

2. Siga as diretrizes da atividade.

3. Rode o arquivo .Rmd por meio do ícone knitr

4. Salve o .Rmd e submeta-o por meio da tarefa no Sigaa.

Manipulação de dados

Exercício 1.

Carregue os dados no seu ambiente.

# From TidyTuesday: https://github.com/rfordatascience/tidytuesday/blob/master/data/2020/2020-02-11/readme.md
hotels <- read_csv("https://raw.githubusercontent.com/rfordatascience/tidytuesday/master/data/2020/2020-02-11/hotels.csv")

Exercício 2.

As pessoas estão viajando por um capricho? Vamos ver…

Preencha os espaços em branco para filtragem de reservas de hotel onde o hóspede é não dos EUA (código do país USA) e o lead_time é menos de 1 dia.

Nota: Você precisará definir eval=TRUE quando tiver uma resposta que queira experimentar.

# on the fly
hotels %>%
  filter(
    country != "USA", 
    lead_time < 1
    )

# Com registro de objeto

hotel <- hotels %>% 
  filter(country != "USA", lead_time < 1) %>% 
  select(country, lead_time) 

# Sem pipe

hotels_sem_pipe <- filter(hotels, country != "USA", lead_time < 1)
hotels_sem_pipe <- select(hotels_sem_pipe, country, lead_time)

Exercício 3.

Quantas marcações envolvem pelo menos 1 criança ou bebê?

No seguinte chunk, substitua

• [AT LEAST] com o operador lógico para “pelo menos” (em dois lugares)
• [OR] com o operador lógico para “ou”

Nota: Você precisará definir eval=TRUE quando tiver uma resposta que queira experimentar.

hotels %>%
  filter(children >= 1 | babies >= 1)

# Com registro de objeto
hotel_bebe_chil <- hotels %>%
  filter(children >= 1 | babies >= 1)

# Sem pipe

hotel_bebe_chil_sem_pipe <- filter(hotels, children >= 1 | babies >= 1)

Exercício 4.

Você acha que é mais provável encontrar reservas com crianças ou bebês em hotéis urbanos ou resorts hoteleiros? Teste sua intuição.

Usando filter() determine o número de reservas em hotéis resort que têm mais de 1 criança ou bebê no quarto?

Então, faça o mesmo para hotéis urbanos, e compare o número de linhas no dataframe filtrado resultantes.

# Com registro de objeto
hotel_bebe_chil_resort <- hotels %>%
  filter(children >= 1 | babies >= 1) %>% 
  filter(hotel == "Resort Hotel")

# Sem pipe

hotel_bebe_chil_sem_pipe <- filter(hotels, children >= 1 | babies >= 1)
hotel_bebe_chil_resort_sem_pipe <- filter(hotel_bebe_chil_resort, hotel == "Resort Hotel")

# Com registro de objeto
hotel_bebe_chil_city <- hotels %>%
  filter(children >= 1 | babies >= 1) %>% 
  mutate(hotel = tolower(hotel)) %>% 
  filter(hotel == "city hotel")

# Sem pipe

hotel_bebe_chil_sem_pipe <- filter(hotels, children >= 1 | babies >= 1)
hotel_bebe_chil_city_sem_pipe <- filter(hotel_bebe_chil_sem_pipe, hotel == "City Hotel")

hotel_bebe_chil_class <- hotels %>% 
  filter(children >= 1 | babies >= 1) %>% 
  group_by(hotel) %>% 
  summarise(n = max(stays_in_weekend_nights))

Exercício 5.

Criar uma tabela de freqüência do número de adults em uma reserva.

Mostre os resultados em ordem decrescente para que a observação mais comum esteja no topo.

Qual é o número mais comum de adultos em reservas neste conjunto de dados?

Há algum resultado surpreendente?

Nota: Não esqueça de rotular também seu chunk R (onde diz lable-me-1). Seu rótulo deve ser curto, informativo, e não deve incluir espaços. Também não deve repetir uma etiqueta anterior, caso contrário o R Markdown lhe dará um erro sobre a repetição de etiquetas R em pedaços.

Exercício 6.

Repita o exercício 5, uma vez para reservas canceladas (is_canceled codificado como 1) e uma vez para reservas não canceladas (is_canceled codificado como 0).

O que isto revela sobre os resultados surpreendentes que você observou no exercício anterior?

Note: Não se esqueça de rotular também seu chunk de R (onde diz label-me-2).

# add code here
# pay attention to correctness and code style

Exercício 7.

Calcular a tarifa mínima, média, mediana e máxima média diária (adr) agrupados por tipo de hotel para que você possa obter estas estatísticas separadamente para hotéis de resorts e cidades.

Que tipo de hotel é mais caro, em média?

# add code here
# pay attention to correctness and code style

Exercício 8.

Observamos dois valores incomuns nas estatísticas resumidas acima – um mínimo negativo, e um máximo muito alto). Que tipos de hotéis são estes?

Localize estas observações no conjunto de dados e descubra a data de chegada (ano e mês), assim como quantas pessoas (adultos, crianças e bebês) permaneceram no quarto.

Você pode investigar os dados no espectador para localizar estes valores, mas de preferência você deve identificá-los de forma reprodutível com algum código.

Dica: Por exemplo, você pode filter para o dado quantidade adr e select as colunas relevantes.

# add code here
# pay attention to correctness and code style

Dicionário de dados

Abaixo está o dicionário de dados completo. Note que é longo (há muitas variáveis nos dados), mas utilizamos um conjunto limitado de variáveis para nossa análise.

Junção de dataframes

Exercício 1.

Carregar arquivos

1. Façam o download do arquivo .zip.
2. Removam os arquivos de dados do arquivo .zip.
3. Carregue os arquivos de dados usando a função read_csv e atribuindo cada conjunto de dados a um objeto

professions <- read_csv("D:/Dropbox/Public/dados/professions.csv")
dates <- read_csv("D:/Dropbox/Public/dados/dates.csv")
works <- read_csv("D:/Dropbox/Public/dados/works.csv")
enrolment <- read_csv("D:/Dropbox/Public/dados/enrolment.csv")
survey <- read_csv("D:/Dropbox/Public/dados/survey.csv")
purchases <- read_csv("D:/Dropbox/Public/dados/purchases.csv")
prices <- read_csv("D:/Dropbox/Public/dados/prices.csv")

Exercício 2.

Manipulação de dados - mulheres cientistas

1. Faça a junção dos dataframes

2. Ordene por ano de nascimento

3. Filtre apenas as linhas que têm informações sobre ano de nascimento e ano de morte

4. Encontre as pesquisadoras que estão vivas

5. Gere um dataframe considerando apenas a coluna com o nome das cientistas.

Exercício 3.

Manipulação de dados - matrículas

1. Gere um dataframe com os alunos matriculados e que responderam estar frequentando as aulas.

2. Gere um dataframe com os alunos matriculados e que responderam não estar frequentando as aulas.

3. Gere um dataframe com os alunos que estão frequentando as aulas e que não estão matriculados.

Exercício 4.

Manipulação de dados - compras

1. Gere um dataframe com a síntese da soma da receita da loja por consumidor