Explorando Dados

Carregando bibliotecas

library(tidyverse)
data(iris)

O que temos aqui?

head(iris)

#>   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#> 1          5.1         3.5          1.4         0.2  setosa
#> 2          4.9         3.0          1.4         0.2  setosa
#> 3          4.7         3.2          1.3         0.2  setosa
#> 4          4.6         3.1          1.5         0.2  setosa
#> 5          5.0         3.6          1.4         0.2  setosa
#> 6          5.4         3.9          1.7         0.4  setosa

iris %>% count(Species)

#>      Species  n
#> 1     setosa 50
#> 2 versicolor 50
#> 3  virginica 50

Quais são as médias?

iris %>% 
  group_by(Species) %>% 
  summarize(across(where(is.numeric), ~ mean(.x, na.rm = TRUE)))

#> # A tibble: 3 × 5
#>   Species    Sepal.Length Sepal.Width Petal.Length Petal.Width
#>   <fct>             <dbl>       <dbl>        <dbl>       <dbl>
#> 1 setosa             5.01        3.43         1.46       0.246
#> 2 versicolor         5.94        2.77         4.26       1.33 
#> 3 virginica          6.59        2.97         5.55       2.03

Vamos ver se temos alguma relação entre as variáveis

iris %>% 
  group_by(Species) %>% ggplot(aes(x=Sepal.Width, y=Sepal.Length, 
                                   color=Species)) + geom_point()

Vamos ver se temos alguma relação entre as variáveis 2

iris %>% 
  group_by(Species) %>% 
  ggplot(aes(x=Sepal.Width, y=Sepal.Length, color=Species)) +
  geom_point() + geom_smooth(method = "lm", se=FALSE)

#> `geom_smooth()` using formula = 'y ~ x'

Vamos ver se temos alguma relação entre as variáveis 3

iris %>% 
  group_by(Species) %>% ggplot(aes(x=Petal.Width, y=Petal.Length, 
                                   color=Species)) + geom_point()

Vamos ver se temos alguma relação entre as variáveis 4

iris %>% 
  group_by(Species) %>% 
  ggplot(aes(x=Petal.Width, y=Petal.Length, color=Species)) +
  geom_point() + geom_smooth(method = "lm")

#> `geom_smooth()` using formula = 'y ~ x'

Vamos ver como se distribui o Petal.Width

iris %>% 
  group_by(Species) %>% ggplot(aes(x=Petal.Width, 
                                   fill=Species)) + 
                                   geom_histogram()

#> `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Vamos ver como se distribui o Petal.Length

iris %>% 
  group_by(Species) %>% 
  ggplot(aes(x=Petal.Length, fill=Species)) + 
  geom_histogram()

#> `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.