#===============================================================================
# Name   : Dicas na bandeja
# Author : J.C.Faria
# Date   : 2024-05-17 21:01:13
# Aim    : Auxiliar os alunos de CET699 a fazerem a prova no R
# Mail   : <<<jcfaria@uesc.br>>>
#===============================================================================
# Obs:
# Foram usadas funções baixo nível para ese script.
# Ele está funcional!
# Existem pacotes que oferecem maiores facilidades,
# vai do interesse de cada um buscar e usar.
#===============================================================================

#. Identificação do grupo
ng <- 'ref_20241'
#ng <- 'G1'

#. Leitura dos dados
dad <- read.table('https://lec.pro.br/download/faria/cet699/provas/dados_p2.txt',
                  head=T)

str(dad)

# Observar presença de valores ausentes e outliers
summary(dad)

#. Seleção dos dados do grupo
# Faz seleção nas colunas usando expressão regular
dad_g <- dad[, grep(paste0(ng, '[.]'),
                    names(dad))]

# Pode usar também o pacote famoso (dplyr) que facilita trabalhar com os dados
#require(dplyr)
#dad_g <- dad_read %>%
#          select(starts_with(paste0(ng, '.')))

#.. Correção problemas encontrados nos dados
# Necessário trocar o <NA> (character) que está na coluna "Sexo" por NA (real, not available)
# para poder ser eliminada toda a linha na função: remove_outlier_grupos
# que usa, inernamente, a função 'na.omit'
dad_g[, 3] <- gsub(pattern='<NA>',
                   replacement=NA,
                   x=dad_g[, 3])

#.. Verificação dos dados
str(dad_g)

# Observação da presença de outliers
boxplot(dad_g[, 1:2])

#. Remoção de outlier
#.. Carregando função de remoção de outlier no R
source('https://lec.pro.br/download/R/funcoes/remove_outlier_grupos.R')
ls()

#.. Remoção para todos os sexos
dad_l <- remove_outlier_grupos(dad_g)

# Observação da presença de outliers
boxplot(dad_l[, 1:2])

#.. Divisão por sexo
# Masculino
sex_m <- grep('M',
              x=dad_l[,3])

dad_m <- dad_l[sex_m, ]

# Verificar a nessidade de remoção adicional de outlier após divisão por sexo
boxplot(dad_m[, 1:2])

# Se aparecer outlier usar a função 'remove_outlier_grupos' novamente
dad_m <- remove_outlier_grupos(dad_m)
boxplot(dad_m[, 1:2])

# Feminino
sex_f <- grep('F',
              x=dad_l[,3])

dad_f <- dad_l[sex_f, ]

# Necessidade de remoção adicional de outlier após divisão por sexo
boxplot(dad_f[, 1:2])

# Se aparecer outlier usar a função 'remove_outlier_grupos' novamente
dad_f <- remove_outlier_grupos(dad_f)
boxplot(dad_f[, 1:2])

#. Análise
#.. R
# Daqui pra frente dá pra fazer a análise de boa, por exemplo:
library(psych)
describe(dad_m[,1:2])

describe(dad_f[,1:2])

#.. Exportanto para usar os dados - limpos - em outro(s) programa(s)
# Os dados serão gravados na raiz da pasta "Documents" do Windows

# Masculino
write.csv(dad_m,
          paste0(path.expand('~'),
                 '\\dad_m.csv'))

# Feminino
write.csv(dad_f,
          paste0(path.expand('~'),
                 '\\dad_f.csv'))