generated from curso-r/template-pagina-do-curso
/
02-stringr.R
186 lines (133 loc) · 4.15 KB
/
02-stringr.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
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
# -------------------------------------------------------------------------
library(tidyverse)
# Base IMDB
imdb <- read_csv("https://raw.githubusercontent.com/curso-r/main-r4ds-1/master/dados/imdb.csv")
# -------------------------------------------------------------------------
# Motivação: descobrir a quantos gêneros cada filme pertence
imdb |>
mutate(
num_generos = str_count(generos, ",") + 1
) |>
select(generos, num_generos) |>
View()
# Motivação: extrair o subtítulos dos filmes
imdb |>
mutate(
subtitulo = str_extract(titulo, ": .*"),
subtitulo = str_remove(subtitulo, ": ")
) |>
select(titulo, subtitulo) |>
filter(!is.na(subtitulo)) |>
View()
# Motivação: criar uma tabela apenas com filmes cujo
# título comece com um número
imdb |>
filter(
str_detect(titulo, "^[0-9]")
) |>
View()
# mostrando diferença entre parentesis e colchetes
# parentesis:
imdb |>
filter(
str_detect(titulo, "^(10 )|^(12 )")
) |>
View()
# colchetes:
imdb |>
filter(
str_detect(titulo, "^[12]")
) |>
View()
# mesma coisa que
imdb |>
filter(
str_detect(titulo, "^[21]")
) |>
View()
# Motivação: criar uma tabela apenas com filmes em que
# Josh Hutcherson faz parte do elenco
imdb |>
filter(
str_detect(elenco, "Josh Hutcherson")
) |>
select(elenco) |>
View()
# Motivação: criar uma tabela apenas com filmes em que
# Josh Hutcherson ou Jennifer Lawrence fazem parte do elenco
imdb |>
filter(
str_detect(elenco, "Josh Hutcherson") |
str_detect(elenco, "Jennifer Lawrence")
) |>
select(elenco) |>
View()
# Motivação: criar uma tabela apenas com filmes em que
# Josh Hutcherson e Jennifer Lawrence fazem parte do elenco
imdb |>
filter(
str_detect(elenco, "Josh Hutcherson"),
str_detect(elenco, "Jennifer Lawrence")
) |>
select(titulo, elenco) |>
View()
# Motivação: criar uma tabela apenas com filmes em que
# apenas um entre Josh Hutcherson e Jennifer Lawrence
# faz parte do elenco
imdb |>
mutate(
josh = str_detect(elenco, "Josh Hutcherson"),
jennifer = str_detect(elenco, "Jennifer Lawrence")
) |>
filter((!josh & jennifer) |
(josh & !jennifer) ) |>
select(josh, jennifer, elenco) |>
View()
# -------------------------------------------------------------------------
# Motivação: Baixando e limpando dados do Rick and Morty
# ### scrape ####---------------------------------------------------------
url <- "https://en.wikipedia.org/wiki/List_of_Rick_and_Morty_episodes"
res <- httr::GET(url)
wiki_page <- httr::content(res)
lista_tab <- wiki_page |>
xml2::xml_find_all(".//table") |>
magrittr::extract(2:6) |>
rvest::html_table(fill = TRUE) |>
purrr::map(janitor::clean_names) |>
purrr::map(~dplyr::rename_with(.x, ~stringr::str_remove(.x, "_37|_3")))
num_temporadas <- 1:length(lista_tab)
tab <- lista_tab |>
purrr::map2(num_temporadas, ~dplyr::mutate(.x, no_season = .y)) |>
dplyr::bind_rows()
# -------------------------------------------------------------------------
rick_and_morty <- tab |>
dplyr::relocate(no_season, .before = no_inseason) |>
dplyr::mutate(
# Removendo aspas do título
title = str_remove_all(title, '"'),
# Removendo colchetes da audiência
u_s_viewers_millions = str_remove_all(u_s_viewers_millions, "\\[.*\\]"),
u_s_viewers_millions = as.numeric(u_s_viewers_millions),
# Extraindo data formatada
original_air_date = str_extract(original_air_date, "\\(.*\\)"),
original_air_date = str_remove_all(original_air_date, "\\(|\\)"),
original_air_date = lubridate::as_date(original_air_date)
)
# renomeando colunas
dplyr::select(
num_episodio = no_overall,
num_temporada = no_season,
num_dentro_temporada = no_inseason,
titulo = title,
direcao = directed_by,
roteiro = written_by,
data_transmissao_original = original_air_date,
qtd_espectadores_EUA = u_s_viewers_millions
) |>
tibble::as_tibble()
View(rick_and_morty)
# datas -------------------------------------------------------------------
# voltando de data para texto no formato que eu quiser
format(Sys.Date(), "%m/%Y")
# transformando string em data
lubridate::dmy("03-07-2022")