9841-respostas-dplyr.Rmd

## O pacote dplyr

```{r, include=FALSE}
imdb <- readr::read_csv("assets/data/imdb.csv")
```

```{r, message=FALSE, warning=FALSE}
library(dplyr)
```


### Selecionando colunas {-}

Utilize a base `imdb` nos exercícios a seguir.

**1.** Teste aplicar a função `glimpse()` do pacote `{dplyr}` à base `imdb`. O que ela faz?

```{r}
glimpse(imdb)
```

*A função `glimpse()` traz um resumo da base, contendo o número de linhas, colunas, o nome e tipo das colunas e as primeiras observações de cada coluna.*

---

**2.** Crie uma tabela com apenas as colunas `titulo`, `direcao`, e `orcamento.` Salve em um objeto chamado `imdb_simples`.

```{r}
imdb_simples <- select(imdb, titulo, direcao, orcamento)
imdb_simples
```

---

**3.** Selecione apenas as colunas `duracao`, `direcao`, `descricao` e `producao` usando a função auxiliar `contains()`.

```{r}
select(imdb, contains("cao"))
```

---

**4.** Usando a função `select()` (e suas funções auxiliares), escreva códigos que retornem a base IMDB sem as colunas `num_avaliacoes`, `num_criticas_publico` e `num_criticas_critica`. Escreva todas as soluções diferentes que você conseguir pensar. 

```{r, eval = FALSE}
select(imdb, -starts_with("num"))

select(imdb, -num_avaliacoes, -num_criticas_publico, -num_criticas_critica)

select(imdb, id_filme:nota_imdb, direcao)

select(imdb, -contains("num"))
```

### Ordenando a base {-}

**1.** Ordene os filmes em ordem crescente de `ano` e decrescente de `receita` e salve em um objeto chamado `filmes_ordenados`.

```{r}
filmes_ordenados <- arrange(imdb, ano, desc(receita))
filmes_ordenados
```

---

**2.** Selecione apenas as colunas `titulo` e `orcamento` e então ordene de forma decrescente pelo `orcamento`.

```{r, eval = FALSE}
# Aninhando as funções
arrange(select(imdb, titulo, orcamento), desc(orcamento))

# Criando objeto intermediário
imdb_aux <- select(imdb, titulo, orcamento)
arrange(imdb_aux, desc(orcamento))

# Pipe s2
imdb %>% 
  select(titulo, orcamento) %>% 
  arrange(desc(orcamento))
```

### Filtrando linhas {-}

Utilize a base `imdb` nos exercícios a seguir.

**1.** Crie um objeto chamado `filmes_ingles` apenas com filmes que sejam apenas no idioma inglês (`English`).

```{r}
# Vendo categorias da variável cor
unique(imdb$idioma)

# Filtrando
filmes_ingles <- imdb %>% filter(idioma == "English")
```

---

**2.** Crie um objeto chamado `curtos_legais` com filmes de 90 minutos ou menos de duração e nota no imdb maior do que 8.5.

```{r}
curtos_legais <- imdb %>% 
  filter(duracao <= 90, nota_imdb > 8.5)
```

---

**3.** Retorne tabelas (`tibbles`) apenas com:

**a.** filmes de ação anteriores a 1950;

```{r}
library(stringr)

imdb %>% 
  filter(str_detect(generos, "Action"), ano < 1950)
```


**b.** filmes dirigidos por "Woody Allen" ou "Wes Anderson";

```{r}
imdb %>% 
  filter(direcao == "Woody Allen" | direcao == "Wes Anderson")
```


**c.** filmes do "Steven Spielberg" ordenados de forma decrescente por ano, mostrando apenas as colunas `titulo` e `ano`;

```{r}
imdb %>% 
  filter(direcao == "Steven Spielberg") %>% 
  arrange(desc(ano)) %>% 
  select(titulo, ano)
```


**d.**  filmes que tenham "Action" **ou** "Comedy" entre os seus gêneros;

```{r}
library(stringr)

# Solução 1
imdb %>% 
  filter(str_detect(generos, "Action") | str_detect(generos, "Comedy"))
```

**e.** filmes que tenham "Action" **e** "Comedy" entre os seus gêneros e tenha `nota_imdb` maior que 8;

```{r}
imdb %>% 
  filter(str_detect(generos, "Action"), str_detect(generos, "Comedy"), nota_imdb > 8)
```


**f.** filmes que não possuem informação tanto de receita quanto de orçamento (isto é, possuem `NA` em ambas as colunas).

```{r}
imdb %>% 
  filter(is.na(orcamento), is.na(receita))
```

### Modificando e criando novas colunas {-}

**1.** Crie uma coluna chamada `prejuizo` (`orcamento - receita`) e salve a nova tabela em um objeto chamado `imdb_prejuizo`. Em seguida, filtre apenas os filmes que deram prejuízo e ordene a tabela por ordem crescente de prejuízo.

```{r}
imdb_prejuizo <- imdb %>% 
  mutate(prejuizo = orcamento - receita)

imdb_prejuizo %>% 
  filter(prejuizo > 0) %>% 
  arrange(prejuizo)
```

---

**2.** Fazendo apenas uma chamada da função mutate(), crie as seguintes colunas novas na base `imdb`:

**a.** `lucro = receita - orcamento`

**b.** `lucro_medio`

**c.** `lucro_relativo = (lucro - lucro_medio)/lucro_medio`

**d.** `houve_lucro = ifelse(lucro > 0, "sim", "não")`

```{r}
imdb %>% 
  mutate(
    lucro = receita - orcamento,
    lucro_medio = mean(lucro, na.rm = TRUE),
    lucro_relativo = (lucro - lucro_medio) / lucro_medio,
    houve_lucro = ifelse(lucro > 0, "sim", "não")
  )
```

---

**3.** Crie uma nova coluna que classifique o filme em `"recente"` (posterior a 2000) e `"antigo"` (de 2000 para trás).

```{r}
imdb %>% 
  mutate(antigo_ou_recente = ifelse(ano > 2000, "recente", "antigo"))
```

### Sumarizando a base {-}

Utilize a base `imdb` nos exercícios a seguir.

**1.** Calcule a duração média e mediana dos filmes
da base.

```{r}
imdb %>% 
  summarise(
    duracao_media = mean(duracao, na.rm = TRUE),
    duracao_mediana = median(duracao, na.rm = TRUE)
  )
```

---

**2.** Calcule o lucro médio dos filmes com duração maior que 2 horas (ou seja, 120 minutos).

```{r}
imdb %>% 
  filter(duracao > 120) %>% 
  mutate(lucro = receita - orcamento) %>% 
  summarise(lucro_medio = mean(lucro, na.rm = TRUE))
```

---

**3.** Apresente na mesma tabela o lucro médio dos filmes com duracao menor que 120 minutos e o lucro médio dos filmes com duracao maior ou igual a 120 minutos.

```{r}
imdb %>% 
  mutate(
    lucro = receita - orcamento,
    duracao_cat = ifelse(duracao < 120, "menor 2h", "2h ou mais")
  ) %>% 
  filter(!is.na(lucro)) %>% 
  group_by(duracao_cat) %>% 
  summarise(
    lucro_medio = mean(lucro, na.rm = TRUE)
  )
```

---

**4.** Retorne tabelas (`tibbles`) apenas com:

**a.** a nota IMDB média dos filmes por ano de lançamento;

```{r}
imdb %>% 
  group_by(ano) %>% 
  summarise(nota_media = mean(nota_imdb, na.rm = TRUE))
```

**b.** a receita média e mediana dos filmes por ano;

```{r}
imdb %>% 
  filter(!is.na(receita)) %>% 
  group_by(ano) %>% 
  summarise(
    receita_media = mean(receita, na.rm = TRUE),
    receita_mediana = median(receita, na.rm = TRUE)
  )
```

**c.** apenas o nome das pessoas que dirigiram mais de 10 filmes.

```{r}
imdb %>% 
  filter(!is.na(direcao)) %>% 
  group_by(direcao) %>% 
  summarise(num_filmes = n()) %>% 
  filter(num_filmes > 10) %>% 
  select(direcao)
```

*Também podemos usar a função `count()`.*

```{r}
imdb %>% 
  filter(!is.na(direcao)) %>% 
  count(direcao, name = "num_filmes") %>% 
  filter(num_filmes > 10) %>% 
  select(direcao)
```


### Juntando duas bases {-}

**1.** Utilize a base `imdb` para resolver os itens a seguir.

**a.** Salve em um novo objeto uma tabela com a
nota média dos filmes de cada pessoa que dirigiu filmes. Essa tabela
deve conter duas colunas (`direcao` e `nota_imdb_media`)
e cada linha deve ser um pessoa diferente.

```{r}
nota_direcao <- imdb %>% 
  group_by(direcao) %>% 
  summarise(nota_imdb_media = mean(nota_imdb))

nota_direcao
```


**b.** Use o `left_join()` para trazer a coluna
`nota_imdb_media` da tabela do item anterior
para a tabela `imdb` original.

```{r}
imdb %>% 
  left_join(nota_direcao, by = "direcao") %>% 
  select(nota_imdb_media, everything())
```