# Os dados foram extraídos da revista Motor Trend US de 1974
# e abrangem o consumo de combustível e 10 aspectos do design 
# e desempenho de automóveis para 32 automóveis (modelos de 1973-74).

# Obs: Esses dados já está no R e não precisa instalar nenhum pacote 

# Funcao para mostrar o banco de dados referente as 6 primeiras observacoes
head(mtcars)

# Se quiser mostrar 10 observacoes iniciais
head(mtcars,10)

# Construindo box-plot da variavei mpg considerando os diferentes cilindros
boxplot(mpg~cyl,data=mtcars, main="Car Milage Data",
        xlab="Number of Cylinders", ylab="Miles Per Gallon")

# Caso queira distinguir usando cores

boxplot(mpg~cyl,data=mtcars, main="Car Milage Data",
        xlab="Number of Cylinders", ylab="Miles Per Gallon",
        col=c("red","green","blue"))

# Usando table para 1 variavel
table(mtcars$carb)

# Usando a funcao table (em geral para duas variaveis categoricas )
table(mtcars$carb,mtcars$cyl)


#Construindo o histograma pra a variavel continua considerando uma categoria

# Metodo 1 

#criando um banco de dados para cada grupo

# pegando os valores apenas da variavel MPG qundo cyl eh igual a 4
var_resp_CYL_4 = mtcars$mpg[cyl == 4]
# pegando os valores apenas da variavel MPG qundo cyl eh igual a 6
var_resp_CYL_6 = mtcars$mpg[cyl == 6]
# pegando os valores apenas da variavel MPG qundo cyl eh igual a 8
var_resp_CYL_8 = mtcars$mpg[cyl == 8]

#Graficos individuais
hist(var_resp_CYL_4)
hist(var_resp_CYL_6)
hist(var_resp_CYL_8)

#juntando todos is histogramas em uma so figura

par(mfrow=c(1,3))
hist(var_resp_CYL_4)
hist(var_resp_CYL_6)
hist(var_resp_CYL_8)


# Metodo 2 ( esse eh mais dificil pois requer um pouco mais de conhecimento)


#Criando o banco de dados auxiliar apenas com as variaveis que eu quero
data_hist = data.frame(cbind(mtcars$mpg,mtcars$cyl))

#renomeando os nomes das colunas
colnames(data_hist)=c("mpg","cyl")

#Transformando a variavel relacionada ao tipo de grupo para fator

data_hist$cyl = as.factor(data_hist$cyl)
#Verificando se de fato é fator ou nao
is.factor(data_hist$cyl)

#Criando o grafico de histograma de acordo com os grupos

install.packages("ggplot2")
library(ggplot2)
ggplot(data_hist, aes(x = mpg)) +
  geom_histogram(aes(color = cyl, fill = cyl), 
                 position = "identity", bins = 30, alpha = 0.4) +
  scale_color_manual(values = c("red","green","blue")) +
  scale_fill_manual(values = c("red","green","blue"))


# Criando uma nova matriz com as variáveis desejadas 

ncol(mtcars)
# Como percebe esse banco de dados possui 11 variaveis
# Suponha que so me interessa as variaveis mpg, cyl e hp


mtcars_reduzido = cbind(mpg = mtcars$mpg,cyl = mtcars$cyl,hp = mtcars$hp)
# Esse nome mpg, cyl e mpg sao os nomes das colunas que eu quero

mtcars_reduzido = cbind(A = mtcars$mpg,B = mtcars$cyl,C = mtcars$mpg)
# Aqui eu coloquei que as colunas se chamarão A, B e C.

# Atribuindo os nomes das linhas dos dados originais ja que a quantidade de 
# linhas sao iguais
row.names(mtcars_reduzido) = row.names(mtcars)
head(mtcars_reduzido)

# É necessario transformar para data.frame
mtcars_reduzido = data.frame(mtcars_reduzido)


# Agora vamos supor que queremos pegar os resultados da variável MPG que
# possuem 4 cilindros (cyl = 4)

mpg_cyl_4 = mtcars_reduzido$mpg[mtcars_reduzido$cyl ==4]

#Agora iremos pegar os carros que tem 4 cilindros e HP maior do que 100

cyl_4_hp_100 = mtcars_reduzido$mpg[mtcars_reduzido$cyl ==4  & mtcars_reduzido$hp>100];cyl_4_hp_120