finalproject.r

# harvard-homework
#Projeto Completo de Analise de Dados


set.seed(42)  # reproducibilidade

# ============================================================
# PARTE 1 - Base de Dados (50 registros)


nomes_m <- c("Lucas","Pedro","Rafael","Gabriel","Mateus","Bruno","Diego",
             "Henrique","Gustavo","Felipe","Andre","Carlos","Daniel","Eduardo",
             "Fernando","Igor","Joao","Leandro","Marcos","Nicolas")
nomes_f <- c("Ana","Beatriz","Carla","Daniela","Elena","Fernanda","Gabriela",
             "Helena","Isabela","Julia","Larissa","Mariana","Natalia","Olivia",
             "Patricia","Renata","Sabrina","Tatiane","Vanessa","Yasmin")

sexo  <- sample(c("M","F"), 50, replace = TRUE)
nomes <- ifelse(sexo == "M",
                sample(nomes_m, 50, replace = TRUE),
                sample(nomes_f, 50, replace = TRUE))

alunos <- data.frame(
  Nome   = nomes,
  Idade  = sample(16:22, 50, replace = TRUE),
  Sexo   = sexo,
  Nota1  = round(runif(50, 2, 10), 1),
  Nota2  = round(runif(50, 2, 10), 1),
  Nota3  = round(runif(50, 2, 10), 1),
  stringsAsFactors = FALSE
)


# ============================================================
# PARTE 2 - Tratamento de Dados


alunos$media_final <- round((alunos$Nota1 + alunos$Nota2 + alunos$Nota3) / 3, 2)

classificar_situacao <- function(media) {
  ifelse(media >= 7, "Aprovado",
         ifelse(media >= 5, "Recuperacao", "Reprovado"))
}

alunos$situacao <- classificar_situacao(alunos$media_final)


# ============================================================
# PARTE 3 - Funcoes


calcular_media_fn <- function(nota1, nota2, nota3) {
  round((nota1 + nota2 + nota3) / 3, 2)
}

classificar_aluno <- function(media) {
  if (media >= 7)  return("Aprovado")
  if (media >= 5)  return("Recuperacao")
  return("Reprovado")
}

top5_melhores <- function(df) {
  df_ord <- df[order(df$media_final, decreasing = TRUE), ]
  return(head(df_ord, 5))
}

top5_piores <- function(df) {
  df_ord <- df[order(df$media_final), ]
  return(head(df_ord, 5))
}


# ============================================================
# PARTE 4 - Analise Estatistica


media_geral   <- round(mean(alunos$media_final), 2)
mediana_geral <- round(median(alunos$media_final), 2)
desvio_pad    <- round(sd(alunos$media_final), 2)
qtd_situacao  <- table(alunos$situacao)


# ============================================================
# PARTE 5 - Visualizacao


# --- Grafico 1: barras — quantidade por situacao
cores_sit <- c("Aprovado" = "#1D9E75", "Recuperacao" = "#BA7517", "Reprovado" = "#E24B4A")
barplot(
  qtd_situacao,
  main   = "Quantidade de Alunos por Situacao",
  ylab   = "Quantidade",
  col    = cores_sit[names(qtd_situacao)],
  border = NA,
  ylim   = c(0, max(qtd_situacao) * 1.2)
)

# --- Grafico 2: pizza — proporcao de aprovados
prop <- as.numeric(qtd_situacao)
pie(
  prop,
  labels = paste0(names(qtd_situacao), "\n(", prop, ")"),
  col    = cores_sit[names(qtd_situacao)],
  main   = "Proporcao por Situacao"
)

# --- Grafico 3: histograma — distribuicao das medias
hist(
  alunos$media_final,
  main   = "Distribuicao das Medias Finais",
  xlab   = "Media Final",
  ylab   = "Frequencia",
  col    = "#7F77DD",
  border = "white",
  breaks = 10
)
abline(v = 5, col = "#BA7517", lwd = 2, lty = 2)
abline(v = 7, col = "#1D9E75", lwd = 2, lty = 2)
legend("topright",
       legend = c("Limite Recuperacao (5)", "Limite Aprovado (7)"),
       col    = c("#BA7517", "#1D9E75"),
       lty    = 2, lwd = 2, cex = 0.8)


# ============================================================
# PARTE 6 - Relatorio Automatizado


cat("\n")
cat("============================================================\n")
cat("           RELATORIO GERAL DA TURMA\n")
cat("============================================================\n")
cat("Total de alunos   :", nrow(alunos), "\n")
cat("Media geral       :", media_geral, "\n")
cat("Mediana           :", mediana_geral, "\n")
cat("Desvio padrao     :", desvio_pad, "\n\n")

cat("Quantidade por situacao:\n")
for (sit in names(qtd_situacao)) {
  pct <- round(qtd_situacao[sit] / nrow(alunos) * 100, 1)
  cat("  ", sit, ":", qtd_situacao[sit], "alunos (", pct, "%)\n")
}

cat("\n--- TOP 5 MELHORES ALUNOS ---\n")
melhores <- top5_melhores(alunos)
print(melhores[, c("Nome", "Idade", "Sexo", "media_final", "situacao")])

cat("\n--- TOP 5 PIORES ALUNOS ---\n")
piores <- top5_piores(alunos)
print(piores[, c("Nome", "Idade", "Sexo", "media_final", "situacao")])

cat("\n============================================================\n\n")


# ============================================================
# PARTE 7 - Desafio Extra


# --- Salvar em CSV
write.csv(alunos, "alunos.csv", row.names = FALSE)
cat("Dados salvos em 'alunos.csv'\n\n")

# --- Ler do CSV
alunos_lido <- read.csv("alunos.csv", stringsAsFactors = FALSE)
cat("Dados lidos do CSV (primeiras 3 linhas):\n")
print(head(alunos_lido, 3))
cat("\n")

# --- Entrada de novos alunos via console
adicionar_aluno <- function(df) {
  cat("=== Cadastro de Novo Aluno ===\n")
  nome  <- readline("Nome  : ")
  idade <- as.integer(readline("Idade : "))
  sexo  <- readline("Sexo (M/F): ")
  n1    <- as.numeric(readline("Nota1 : "))
  n2    <- as.numeric(readline("Nota2 : "))
  n3    <- as.numeric(readline("Nota3 : "))

  media <- calcular_media_fn(n1, n2, n3)
  sit   <- classificar_aluno(media)

  novo <- data.frame(
    Nome        = nome,
    Idade       = idade,
    Sexo        = sexo,
    Nota1       = n1,
    Nota2       = n2,
    Nota3       = n3,
    media_final = media,
    situacao    = sit,
    stringsAsFactors = FALSE
  )

  df_atualizado <- rbind(df, novo)
  write.csv(df_atualizado, "alunos.csv", row.names = FALSE)
  cat("\nAluno cadastrado! Situacao:", sit, "\n")
  cat("Total de alunos agora:", nrow(df_atualizado), "\n\n")
  return(df_atualizado)
}

# Para testar o cadastro interativo, descomente a linha abaixo:
# alunos <- adicionar_aluno(alunos)