-
Notifications
You must be signed in to change notification settings - Fork 0
/
analise_descritiva_amostras.R
171 lines (131 loc) · 5.57 KB
/
analise_descritiva_amostras.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
# Instalando (se necessário) e carregando pacotes ----------------------------------------------------------
remotes::install_github('Juniorffonseca/r-pacote-valorant')
library(caret)
library(dplyr)
library(tidyr)
library(rvest)
library(rsample)
library(readr)
library(quantmod)
library(httr)
library(tibble)
library(stringr)
library(neuralnet)
library(nnet)
library(caret)
library(ggplot2)
library(ModelMetrics)
library(beepr)
library(purrr)
library(plotly)
library(pROC)
library(ROCR)
library(kableExtra)
library(glmnet)
library(googleLanguageR)
library(countrycode)
library(valorant)
setwd('C:/Users/anonb/Documents/TCC_Pós/Scripts')
# Carregando partidas diarias e unindo em um df ------------------------------------------------------------
datas <- seq(as.Date('2023-02-19'), as.Date('2023-04-09'), by = 'day')
nomes_arquivos <- paste0('csv/catalogacao_diaria/', format(datas, '%Y-%m-%d'), '_urls.csv')
urls_lista <- list()
for (arquivo in nomes_arquivos) {
urls_lista[[arquivo]] <- possibly(read.csv2, otherwise = NULL)(arquivo)
}
urls_lista <- lapply(urls_lista, function(df) {
df$x <- as.character(df$x)
return(df)
})
urls <- bind_rows(urls_lista) %>% select(-X)
write.csv2(urls, 'csv/urls_utilizados.csv')
nomes_times <- matrix(nrow = 0, ncol = 2)
for (url in urls[,]){
nomes_times <- read_html(url) %>% html_nodes("div.wf-title-med") %>%
html_text() %>% str_replace_all("\n", "") %>% str_replace_all("\t", "") %>%
rbind(nomes_times)
}
nomes_times <- as.data.frame(nomes_times) %>%
`rownames<-`(NULL) %>% slice(rev(row_number()))
write.csv2(nomes_times, 'csv/times_catalogados.csv')
nomes_jogadores <- matrix(nrow = 0, ncol = 10)
for(url in urls[,]){
nomes_jogadores <- read_html(url) %>% html_nodes("td.mod-player a") %>%
html_text() %>% str_replace_all("\n", "") %>% str_replace_all("\t", "") %>%
.[1:10] %>% rbind(nomes_jogadores)
}
nomes_jogadores <- as.data.frame(nomes_jogadores) %>%
`rownames<-`(NULL) %>% slice(rev(row_number()))
write.csv2(nomes_jogadores, 'csv/jogadores_catalogados.csv')
# Número de times únicos:
count(unique(nomes_times)) #628/674
# Número de jogadores únicos:
sum(sapply(nomes_jogadores, function(x) length(unique(x)))) #5466/6740
# Tentando pegar países de cada jogador na amostra
paises_jogadores <- matrix(nrow = 0, ncol = 10)
for(url in urls[,]){
paises_jogadores <- read_html(url) %>% html_nodes('td.mod-player') %>% html_nodes('.flag') %>%
html_attr('title') %>% .[1:10] %>% rbind(paises_jogadores)
}
paises_jogadores <- as.data.frame(paises_jogadores) %>%
`rownames<-`(NULL) %>% slice(rev(row_number()))
write.csv2(paises_jogadores, 'csv/paises_jogadores.csv')
# Tentando pegar países de cada time na amostra
paises_times <- matrix(nrow = 0, ncol = 2)
for(url in urls[,]){
paises_times <- read_html(url) %>% html_nodes('div.match-header a') %>%
html_attr('href') %>% .[2:3] %>% rbind(paises_times)
}
paises_times <- as.data.frame(paises_times) %>%
`rownames<-`(NULL) %>% slice(rev(row_number()))
paises_times$V1 <- paste0('https://www.vlr.gg', paises_times$V1)
paises_times$V2 <- paste0('https://www.vlr.gg', paises_times$V2)
write.csv2(paises_times_urls, 'csv/paises_times_urls.csv')
paises_times_2 <- matrix(nrow = 0, ncol = 2)
for(url in 1:nrow(paises_times)){
url1 <- paises_times[url, 'V1']
url2 <- paises_times[url, 'V2']
pais1 <- read_html(url1) %>% html_nodes('div.team-header-country') %>%
html_text() %>% str_replace_all('\n', '') %>% str_replace_all('\t', '')
pais2 <- read_html(url2) %>% html_nodes('div.team-header-country') %>%
html_text() %>% str_replace_all('\n', '') %>% str_replace_all('\t', '')
paises_times_2 <- rbind(paises_times_2, cbind(pais1, pais2))
}
paises_times_2 <- as.data.frame(paises_times_2)
write.csv2(paises_times_2, 'csv/paises_times.csv')
# Carregando os dataframes
times_catalogados <- read.csv2('csv/times_catalogados.csv') %>% dplyr::select(-X)
jogadores_catalogados <- read.csv2('csv/jogadores_catalogados.csv') %>% dplyr::select(-X)
paises_jogadores <- read.csv2('csv/paises_jogadores.csv') %>% dplyr::select(-X)
paises_times <- read.csv2('csv/paises_times.csv') %>% dplyr::select(-X)
freq <- table(unlist(paises_jogadores))
df_freq <- data.frame(
pais = names(freq),
frequencia = as.numeric(freq)
)
# filtrar as 20 linhas com as maiores frequências
df_top20 <- df_freq[order(df_freq$frequencia, decreasing = TRUE), ][1:20, ]
# Soma a frequência dos países que não estão no top 5
df_top20 <- rbind(df_top20, list(pais = "Outros", frequencia = sum(df_freq$frequencia[!(df_freq$pais %in% df_top20$pais)])))
# criar um plot de ggplot2 com barras de frequência
ggplot(df_top20, aes(x = reorder(pais, frequencia), y = frequencia, fill = pais)) +
geom_bar(stat = "identity") +
theme_classic() +
theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
labs(x = "País", y = "Frequência", fill = "Países") +
guides(fill=guide_legend(title="Países"))
freq <- table(unlist(paises_times))
df_freq <- data.frame(
pais = names(freq),
frequencia = as.numeric(freq)
)
# filtrar as 10 linhas com as maiores frequências
df_top20 <- df_freq[order(df_freq$frequencia, decreasing = TRUE), ][1:20, ]
df_top20 <- rbind(df_top20, list(pais = "Outros", frequencia = sum(df_freq$frequencia[!(df_freq$pais %in% df_top20$pais)])))
# criar um plot de ggplot2 com barras de frequência
ggplot(df_top20, aes(x = reorder(pais, frequencia), y = frequencia, fill = pais)) +
geom_bar(stat = "identity") +
theme_classic() +
theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
labs(x = "País", y = "Frequência", fill = "Países") +
guides(fill=guide_legend(title="Países"))