Projeto de DataScience - Análise da temperatura nas cidades Brasileiras - Capítulo 1

O principal objetivo desse artigo é demostrar como foi feita a análise dos dados de temperatura nas cidades brasileiras. Ele será sempre atualizado conforme o andamento do projeto!

Inicialmente vamos falar de todas as bibliotecas que estamos usando até o momento

library(dplyr)
library(data.table)
library(ggplot2)

A biblioteca dplyr está presente para que possamos realizar as transformações de dados, sendo suas principais funções:

• filter() - filtra linhas

• select() - seleciona colunas

• mutate() - cria/modifica colunas

• arrange() - ordena a base

• summarise() - sumariza a base

E todas possuem as mesmas características:

• Seu input e output sempre são um tibble, que é um data-frame.

• No input, o primeiro argumento é sempe o tibble.

• Atualização dos dados é facilitada pelo operador %>%

Nossa primeira tarefa é a leitura dos dados para que possamos trabalhar. Após realizar o download da base de dados, que está em CSV, foi feita a importação em R da base através do código:

system.time(df<- fread("TemperaturasGlobais/TemperaturasGlobais.csv"))

A função system.time nos dá a informação de quando tempo o nosso computador demorou para importar a base de dados. Essa base contém 8,599,212 linhas e 7 colunas e foi lida em 13.75 segundos.

Após a importação, foi feita uma análise dos dados contidos na base e uma preparação simples da base de dados onde foi retirado todos os valores com NA, formatado as datas presentes na base e criado duas novas colunas refentes ao mês e ano da coleta do dado.

Logo após, foi listado todas as cidades brasileira presente no documento atrvés do código:

lista_cidades= distinct(cidadesBRasil,City)

Essa lista serve para identificarmos como uma cidade está referenciada na base de dados e quantas temos.

Escolhi a cidade de Rio de Janeiro para iniciar a análise e para isso foi criado um subset somente com dados da cidade respectiva.

subset(cidadesBRasil,City=='Rio De Janeiro')

Para efeito comparativo sobre a evolução da temperatura, foi criado um gráfico com os dados através do código:

ggplot (rio_janeiro, aes(x=(dt), y=AverageTemperature)) +
                         geom_smooth(se=FALSE, fill=NA, size=1) +
                         theme_light(base_size = 12) +
                         xlab("Mês") +
                         ylab("Temperatura média") +
                         scale_color_discrete("") +
                         ggtitle("Temperatura média entre 1832 e 2013 no Rio de Janeiro") +
                         theme(plot.title = element_text(size=12))

Que gerou o seguinte resultado: