vhzjK

.Rhistory

@@ -134,3 +134,28 @@ group_by(annee) %>%
 summarise(lettres=median(nchar(data.title))) -> medLettersByYear
 meanLettersByYear %>% ggplot(aes(annee, lettres)) + geom_col()
 medLettersByYear %>% ggplot(aes(annee, lettres)) + geom_col()
+library("jsonlite")
+library("tidyverse")
+data<-fromJSON("C:\\Users\\Marianne\\Desktop\\projet-analyse-exploratoire\\db_animes\\db_animes.json")
+dfAnimes <- as.data.frame(data)
+#Filtrage des animes sortis avant 1960 (pas de télé :() et après 2021 et des OVAs, films, etc
+dfAnimes %>%
+filter(start_season$year > 1960) %>%
+filter(start_season$year < 2021) %>%
+filter(media_type == "tv") -> dfAnimes
+#Dedoublage de la colonne saison
+dfAnimes %>%
+mutate(annee = start_season$year) %>%
+mutate(saison = start_season$season) -> dfAnimes
+#Transformation de la colonne genre pour la rendre utilisable
+getgenre <- function(i){
+dfAnimes[i,13][[1]][[2]] -> res
+return(res)
+}
+dfAnimes %>%
+mutate(genres = lapply(1:4691, getgenre)) -> dfAnimes
+#Nettoyage des colonnes non utilisées
+dfAnimes <- select(dfAnimes, title, mean, rank, annee, saison, num_episodes, source, genres)
+test <- dfAnimes
+test %>%
+mutate(genres = paste(genres, collapse=",")) -> test

main.R

@@ -6,25 +6,37 @@ library("tidyverse")
 data<-fromJSON("C:\\Users\\Marianne\\Desktop\\projet-analyse-exploratoire\\db_animes\\db_animes.json")
 dfAnimes <- as.data.frame(data)
 
-#Nettoyage des colonnes non utilisées
-dfAnimes <- select(dfAnimes, data.title, data.type, data.episodes, data.status, data.animeSeason, data.tags)
+#Filtrage des animes sortis avant 1960 (pas de télé :() et après 2021 et des OVAs, films, etc
+dfAnimes %>%
+  filter(start_season$year > 1960) %>%
+  filter(start_season$year < 2021) %>%
+  filter(media_type == "tv") -> dfAnimes
 
 #Dedoublage de la colonne saison
 dfAnimes %>% 
-  mutate(annee = data.animeSeason$year) %>%
-  mutate(saison = data.animeSeason$season) -> dfAnimes
+  mutate(annee = start_season$year) %>%
+  mutate(saison = start_season$season) -> dfAnimes
+
+#Transformation de la colonne genre pour la rendre utilisable
+getgenre <- function(i){
+  dfAnimes[i,13][[1]][[2]] -> res
+  return(res)
+}
 
-#Filtrage des animes sortis avant 1960 (pas de télé :() et après 2021 et des OVAs, films, etc
 dfAnimes %>%
-  filter(annee > 1960) %>%
-  filter(annee < 2021) %>%
-  filter(data.type == "TV") -> animeCentury
+  mutate(genres = lapply(1:4691, getgenre)) -> dfAnimes
 
+#Nettoyage des colonnes non utilisées
+dfAnimes <- select(dfAnimes, title, mean, rank, annee, saison, num_episodes, source, genres)
 
+test <- dfAnimes
+
+test %>%
+  mutate(genres = paste(genres, collapse=",")) -> test
 
 #Nombre d'animes durant plus de 2 cours (estimés à 30 épisodes) par an => a améliorer
-animeCentury %>%
-  filter(data.episodes>30) %>%
+dfAnimes %>%
+  filter(num_episodes>30) %>%
   group_by(annee) %>%
   count() %>%
   rename(nbAnimes = n) -> longbois
@@ -32,11 +44,11 @@ animeCentury %>%
 longbois %>% ggplot(aes(annee, nbAnimes)) + geom_col()
 
 #Evolution du nombre de lettre (moyenne et médiane) dans les titres par année
-animeCentury %>%
+dfAnimes %>%
   group_by(annee) %>%
-  summarise(lettres=mean(nchar(data.title))) -> meanLettersByYear
+  summarise(lettres=mean(nchar(data.title))) -> dfAnimes
 
-animeCentury %>%
+dfAnimes %>%
   group_by(annee) %>%
   summarise(lettres=median(nchar(data.title))) -> medLettersByYear
 
@@ -44,9 +56,12 @@ meanLettersByYear %>% ggplot(aes(annee, lettres)) + geom_col()
 
 medLettersByYear %>% ggplot(aes(annee, lettres)) + geom_col()
 
-#Evolution des 5 tags les plus représentés
-animeCentury %>%
-  group_by(annee) %>%
+#Evolution des 5 genres les plus représentés
+
+# Explosion de la colonne tags
+dfAnimes %>% 
+  mutate(annee = anime$year) %>%
+  mutate(saison = start_season$season) -> animes_genres_doubles