---
title: "Estatística descritiva com R e Python"
output: html_document
date: "2022-10-26"
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```

## Leitura de uma base de dados

### Código R

```{r}
# Carregando pacotes adicionais
library(readr)
library(dplyr)

# Caso esteja conectado na internet
url = "http://www.leg.ufpr.br/~wagner/DataSet/AppleStore.csv" 

# Lendo a base de dados
dados <- read_csv(file = url)
View(dados)

```

### Código Python

```{python}
import pandas as pd
import io
import requests
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
url = "http://www.leg.ufpr.br/~wagner/DataSet/AppleStore.csv" 
dados = pd.read_csv(url, sep = ",", index_col = 0, header = 0)

dados = pd.read_csv("AppleStore.csv", sep = ",", index_col = 0, header = 0)
dados.dtypes
```

## Descrevendo variáveis qualitativas

### Código R

```{r}
# Tabela de frequencias (absoluta e relativa)
dados %>%
  count(prime_genre) %>%
  mutate(prop = prop.table(n)*100) %>%
  arrange(desc(n))


# Tabela de dupla entrada
dados$prime_genre <- as.factor(dados$prime_genre)
dados$cont_rating <- as.factor(dados$cont_rating)
dados$cont_rating <- factor(dados$cont_rating, levels = levels(dados$cont_rating)[c(3,4,1,2)])
table(dados$prime_genre, dados$cont_rating)

# Gráfico de pizza
library(ggplot2)
tabela <- dados %>%
    count(cont_rating)
ggplot(tabela, aes(x = "", y = n, fill = cont_rating)) +
    geom_bar(stat = "identity", width = 1) + 
    coord_polar("y", start = 0)

# Gráfico de barras
ggplot(dados) +
    geom_bar(aes(x = cont_rating))
```

### Código Python

```{python}
# Tabela de frequências
dados["prime_genre"].value_counts()

# Frequencias relativas
pd.crosstab(index = dados["prime_genre"], columns = "count", normalize = 'all')*100

# Tabela de dupla entrada
dados["cont_rating"] = pd.Categorical(dados["cont_rating"], 
                                      categories = ["4+","9+","12+","17+"], 
                                      ordered = True)
tabela2 = pd.crosstab(index = dados["prime_genre"], columns = dados["cont_rating"])
tabela2.sort_values(["4+"], ascending = False)


# Gráfico de pizza
contagem = pd.value_counts(values = dados["cont_rating"], sort = False)
labels = contagem.index
plt.pie(contagem, labels = labels, autopct='%1.1f%%', shadow=True)
plt.show()

# Gráfico de barras
dados_plot = pd.DataFrame({"y": contagem, "x": labels})
pp2 = dados_plot.plot.bar(rot = 0, y = 'y')
plt.title('Classificação indicativa')
plt.show()
```

## Descrevendo variáveis quantitativas

```{r}
## Estatísticas descritivas
summary(dados[,c("price", "user_rating", "rating_count_tot")])

# Histograma
ggplot(dados) +
    geom_histogram(aes(price))

ggplot(dados) +
    geom_histogram(aes(log(price)))

```


```{python}
# Estatísticas descrtivas
dados[['price', 'user_rating', 'rating_count_tot']].describe()

# Histograma
dados.hist(column='price')
plt.show()

dados.hist(column='price', log = True)
plt.show()
```


## Descrevendo associação


```{r}
ggplot(dados) +
    geom_point(aes(x = user_rating, y = rating_count_tot))
```


```{python}
plt.scatter(x = dados["user_rating"], y = dados["rating_count_tot"])
plt.show()

```