# TUTORIAL DE COMO UTILIZAR O RSTUDIO PARA ANÁLISE BÁSICA DE DADOS
# PROF. THIAGO HOLANDA - CORECON-CE
# PARA DÚVIDAS: thiago.holanda@ifce.edu.br
# ACESSE MEU SITE: www.holanda.blog
# INSCREVA-SE NO MEU CANAL: https://www.youtube.com/ProfThiagoHolanda

#LIÇÃO 0: APRENDAR A DEFINIR O SEU LOCAL DE TRABALHO

setwd("C:/Users/thiag/OneDrive/Documentos/DADOS DO R/TREINO/CORECON")
getwd()


# LIÇÃO 1: No R, qualquer coisa que você cria é um objeto (um espaço na memória com um nome).

x <- 10
y <- 20
soma <- x + y

z <- soma^2

#Dicas: Sempre usar <- para atribuição. //  R é case sensitive (x ≠ X).

#LIÇÃO 2: Estrutura de dados

#vetores

notas <- c(8.5,9,7,6.5,10)
mean(notas)
sd(notas)

#data frame

alunos <- data.frame(Nome = c("Ana","Bruno","Carlos"),
                     Nota = c(8.5, 7.0, 9.2),
                     Idade = c(20, 22, 19))
View(alunos)
print(alunos)

alunos
alunos$Nome
alunos[ , "Nota"]

#CORRELAÇÃO ENTRE DADOS:

cor(alunos$Nota, alunos$Idade)    # correlação de Pearson
cov(alunos$Nota, alunos$Idade)    # covariância

#LIÇÃO 3: APRENDENDO SOBRE PACOTES

installed.packages()   # lista todos os pctes
library()              # mostra pacotes carregados

install.packages(tidyverse) #basta executar apenas 1 vez na vida
library(tidyverse) # significa que você está CHAMANDO o pacote, tem que fazer toda vez que começar

#dica: PEDIR AJUDA
help("tidyverse")
?tidyverse

#LIÇÃO 4: MERGULHANDO NO TIDYVERSE

library(tibble)   # para criar data frames no estilo tidy

funcionarios <- tibble(
  nome = c("Ana", "Bruno", "Carlos", "Daniela", "Eduardo", "Fernanda", "Gabriel", 
           "Helena", "Igor", "Joana", "Kleber", "Larissa", "Marcos", "Natália", 
           "Otávio", "Patrícia", "Rafael", "Sofia", "Tiago", "Vitória"),
  
  sexo = c("F", "M", "M", "F", "M", "F", "M", "F", "M", "F",
           "M", "F", "M", "F", "M", "F", "M", "F", "M", "F"),
  
  idade = c(25, 32, 29, 41, 37, 26, 30, 28, 45, 34,
            39, 27, 50, 31, 36, 40, 29, 24, 33, 38),
  
  salario = c(3500, 4200, 5000, 6200, 4800, 3100, 4500, 3900, 7200, 4100,
              5300, 3400, 8000, 3600, 4700, 6000, 3800, 3000, 4400, 5100),
  
  raca = c("Branca", "Parda", "Preta", "Branca", "Parda", "Indígena", "Branca", "Preta", "Branca", "Parda",
           "Preta", "Branca", "Branca", "Parda", "Preta", "Indígena", "Branca", "Parda", "Preta", "Branca"),
  
  tempo_empresa = c(2, 5, 3, 10, 7, 1, 4, 6, 15, 8,
                    12, 2, 20, 3, 9, 11, 4, 1, 7, 13),
  
  fala_ingles = c("Sim", "Não", "Sim", "Não", "Sim", "Não", "Sim", "Não", "Sim", "Não",
                  "Não", "Sim", "Sim", "Não", "Não", "Sim", "Não", "Sim", "Não", "Sim"),
  
  departamento = c("RH", "TI", "Financeiro", "Marketing", "TI", "RH", "Financeiro", "TI", "Diretoria", "Marketing",
                   "TI", "Financeiro", "Diretoria", "RH", "TI", "Marketing", "Financeiro", "RH", "TI", "Diretoria")
)

# Visualizar
print(funcionarios)
view(funcionarios)

# CRIAR E TRANSFORMAR COLUNA
# CRIANDO A COLUNA SALÁRIO ANUAL

funcionarios %>% # pipe - Ele pega o objeto anterior (funcionarios) e passa como entrada para a função seguinte (mutate)
  mutate(salario_anual = salario * 12)
view(funcionarios) #aparece apenas no console

#para aparecer também no dataframe original
funcionarios <- funcionarios %>% 
  mutate(salario_anual = salario * 12)

#Existe CORRELAÇÃO entre idade e salário?

cor(funcionarios$idade,funcionarios$salario)

#Posso calcular a CORRELAÇÃO entre raça e salário?
#Raça é categórica, de forma que não é possível realizar essa correlação.
#PORÉM, podemos realizar uma análise por meio de BOXPLOT

library(ggplot2)

ggplot(funcionarios, aes(x = raca, y = salario, fill = raca)) +
  geom_boxplot() +
  labs(title = "Distribuição de salários por raça",
       x = "Raça", y = "Salário")

#Como descobrir a média salarial por departamento?
#maneira mais simples: usar o group_by() + summarise() do dplyr:

library(dplyr)

media_departamentos <- funcionarios %>%
  group_by(departamento) %>% #Agrupa os dados pela coluna departamento.Todas as operações seguintes serão feitas separadamente para cada departamento.
  summarise( #serve para resumir os dados em estatísticas por grupo
    media_salario = mean(salario), #cria uma nova coluna chamada media_salario, que calcula a média da coluna salario para cada departamento.
    mediana_salario = median(salario), #cria uma coluna com a mediana dos salários em cada departamento.
    qtd_funcionarios = n(), #cria uma coluna com a quantidade de registros (funcionários) por departamento.
    .groups = "drop" #informa ao R que, depois do resumo, ele deve tirar o agrupamento (para evitar que o objeto resultante fique “preso” em grupos
  )

print(media_departamentos)

#FIM DA PRIMEIRA AULA


######### DIA 2 ######### 

# CRIANDO UM GRÁFICO DE COLUNAS: salário médio por departamento

library(dplyr)    # carrega funções de manipulação (group_by, summarise, %>%)
library(ggplot2)  # carrega o sistema de gráficos

base_dep <- funcionarios %>%                           # usa a base 'funcionarios' e passa adiante (pipe)
  group_by(departamento) %>%                           # agrupa as linhas por departamento
  summarise(media_sal = mean(salario), .groups = "drop")  # calcula a média de 'salario' em cada grupo e remove o agrupamento

ggplot(base_dep, aes(x = reorder(departamento, media_sal), y = media_sal)) +  # cria o gráfico; mapeia x/y e ordena x pela média
  geom_col() +                                                                # desenha barras usando os valores já prontos de y
  coord_flip() +                                                              # inverte os eixos → barras horizontais (melhor leitura)
  labs(title = "Salário médio por departamento",                              # título do gráfico
       x = "Departamento", y = "Salário médio") +                             # rótulos dos eixos
  theme_minimal()                                                             # aplica um tema limpo


# GRÁFICO DE TENDÊNCIA: IDADE X SALÁRIO (DISPERSÃO, LINHA DE TENDÊNCIA)

ggplot(funcionarios, aes(x = idade, y = salario)) +    # usa a base original; mapeia idade no eixo X e salário no Y
  geom_point() +                                       # plota um ponto por funcionário
  geom_smooth(method = "lm", se = FALSE) +             # adiciona linha de tendência linear (lm); sem área de incerteza
  labs(title = "Relação entre idade e salário",        # título do gráfico
       x = "Idade", y = "Salário") +                   # rótulos dos eixos
  theme_minimal()                                      # tema limpo

# GRÁFICO DE BARRAS EMPILHADAS (composição de sexo por departamento)

base_comp <- funcionarios %>%                     # começa da base 'funcionarios'
  count(departamento, sexo) %>%                   # conta quantos por combinação depto × sexo
  group_by(departamento) %>%                      # agrupa por departamento
  mutate(pct = n / sum(n)) %>%                    # calcula percentual dentro de cada departamento
  ungroup()                                       # remove agrupamento (boa prática)

ggplot(base_comp, aes(x = departamento,          # eixo X: departamento
                      y = pct,                   # altura: percentual (0–1)
                      fill = sexo)) +            # cor das fatias: sexo
  geom_col() +                                   # barras empilhadas (usa os valores de 'y')
  scale_y_continuous(labels = scales::percent) + # formata o eixo Y como porcentagem
  labs(title = "Composição de sexo por departamento",   # título
       x = "Departamento", y = "Participação (%)", fill = "Sexo") +  # rótulos
  theme_minimal()   

#Importação de Dados com readr
#A principal diferença é que read.csv() é uma função do R base que pode ser mais lenta e menos inteligente na inferência de tipos de dados, enquanto read_csv() do pacote readr (parte do tidyverse) é mais rápido, consome menos memória, produz um tipo de dado mais moderno chamado tibble, e oferece mais controle na importação de dados, lidando melhor com problemas de codificação e nomes de colunas. 

library(readr)

# Importando CSV
vendas <- read_csv("salesR.csv")
print(vendas)
View(vendas)

# Visualizar primeiras linhas
head(vendas)

# Estrutura do dataset
glimpse(vendas)

#Limpeza e Preparação de Dados

#Renomear colunas

vendas <- vendas %>%
  rename(produtos = Produto, valor = `Valor Total`)

# Filtrar só vendas acima de 1500
vendas %>% filter(valor > 1500)

#Visualização de Dados com ggplot2
#Estrutura do ggplot2: ggplot(data, aes(...)) + geom_...().

library(ggplot2)

# Gráfico de barras
ggplot(vendas, aes(x = produtos, y = valor)) + #mapeia a coluna produto para o eixo X (categorias) e valor para o eixo Y (altura das barras).
  geom_col(fill = "steelblue") + #desenha barras usando os valores já existentes em y
  coord_flip() #inverte os eixos → vira barras horizontais, ótimo quando os nomes dos produtos são longos.

# Histograma
ggplot(vendas, aes(x = valor)) +
  geom_histogram(bins = 30, fill = "purple", color = "white")

# Boxplot por forma de pagamento
ggplot(vendas, aes(x = `Forma de Pagamento`, y = valor, fill = `Forma de Pagamento`)) +
  geom_boxplot()

#Análise Exploratória de Dados (EDA)

# Estatísticas básicas 

summary(vendas$valor)
summary(vendas$produtos)
summary(vendas$Data)

# Estatísticas por produto

vendas %>%
  group_by(produtos) %>%
  summarise(
    media_valor = mean(valor),
    max_valor = max(valor),
    min_valor = min(valor),
    n = n() #quantidade de linhas (transações) do produto.
  )

# Ranking formas de pagamento

vendas %>%
  count(`Forma de Pagamento`, sort = TRUE) #conta as formas de pagamento e o TRUE sinaliza que devem ser colocadas em ordem decrescente


# Qual produto trouxe mais faturamento?

library(dplyr)

faturamento_produto <- vendas %>% #crie um novo objeto a partir de vendas
  group_by(produtos) %>% #agrupo por produtos daqui em diante
  summarise(
    faturamento_total = sum(valor, na.rm = TRUE), #calcula a soma da coluna valor dentro de cada produto.
    .groups = "drop"
  ) %>%
  arrange(desc(faturamento_total)) #ordena do maior faturamento para o menor.

print(faturamento_produto)




#FINAL DA AULA#
# PARA DÚVIDAS: thiago.holanda@ifce.edu.br
# ACESSE MEU SITE: www.holanda.blog
# INSCREVA-SE NO MEU CANAL: https://www.youtube.com/ProfThiagoHolanda
#OBRIGADO