forked from DESUC/30DayChartChallenge2022
-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy path26.interactivo.R
263 lines (201 loc) · 7.3 KB
/
26.interactivo.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
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
#install.packages("rvest")
#install.packages("xml2")
library(rvest)
library(xml2)
library(tidyverse)
# Primera página ----
web <- 'https://www.imdb.com/search/title/?genres=animation&sort=user_rating,desc&title_type=feature&num_votes=25000,&pf_rd_m=A2FGELUUNOQJNL&pf_rd_p=5aab685f-35eb-40f3-95f7-c53f09d542c3&pf_rd_r=CAHVHSNK8JZF9791EF10&pf_rd_s=right-6&pf_rd_t=15506&pf_rd_i=top&ref_=chttp_gnr_3'
website <- read_html(web)
website
# Ranking ----
rank_data_html <- html_nodes(website,'.text-primary')
rank_data_html
rank_data <- html_text(rank_data_html)
rank_data
head(rank_data)
rank_data<-as.numeric(rank_data)
head(rank_data)
# Título ----
title_data_html <- html_nodes(website,'.lister-item-header a')
#Converting the title data to text
title_data <- html_text(title_data_html)
head(title_data)
# Duración ----
runtime_data_web <- html_nodes(website,'.runtime')
runtime_data_web
runtime_data <- html_text(runtime_data_web)
head(runtime_data)
runtime_data <- gsub(" min","",runtime_data)
runtime_data
runtime_data<-as.numeric(runtime_data)
runtime_data
head(runtime_data)
# Rating ----
rating_data_web <- html_nodes(website,'.ratings-imdb-rating strong')
rating_data_web
rating_data <- html_text(rating_data_web)
rating_data
rating_data<-as.numeric(rating_data)
head(rating_data)
# Año ----
year_data_web <- html_nodes(website,'.text-muted.unbold')
year_data_web
year_data <- html_text(year_data_web)
year_data <- gsub("(I) ", "", year_data, fixed = T)
year_data <- desuctools::str_entre_parentesis(year_data)
year_data<-as.numeric(year_data)
head(year_data)
# Recaudación ----
gross_data_web <- html_nodes(website,'.ghost~ .text-muted+ span')
gross_data <- html_text(gross_data_web)
gross_data
gross_data<-gsub("M","",gross_data)
gross_data<-substring(gross_data,2,6)
gross_data
length(gross_data)
# Primera version
for (i in c(3,16,17,18,19,24,25,31,37,42)){
a<-gross_data[1:(i-1)]
b<-gross_data[i:length(gross_data)]
gross_data<-append(a,list("NA"))
gross_data<-append(gross_data,b)
}
gross_data<-as.numeric(gross_data)
length(gross_data)
summary(gross_data)
# Género ----
genre_data_web <- html_nodes(website,'.genre')
genre_data_web
genre_data <- html_text(genre_data_web)
genre_data<-gsub("\n","",genre_data)
genre_data<-gsub(" ","",genre_data)
genre_data<-desuctools::str_entre(genre_data, ini = ",", fin = ",")
genre_data
genre_data<-as.factor(genre_data)
head(genre_data)
# Data:
df_animacion01 <-data.frame(ranking = rank_data,
titulo = title_data,
duracion = runtime_data,
ano = year_data,
rating = rating_data,
recaudacion = gross_data,
genero = genre_data)
# Segunda página ----
web <- 'https://www.imdb.com/search/title/?title_type=feature&num_votes=25000,&genres=animation&sort=user_rating,desc&start=51&ref_=adv_nxt'
website <- read_html(web)
website
# Ranking ----
rank_data_html <- html_nodes(website,'.text-primary')
rank_data_html
rank_data <- html_text(rank_data_html)
rank_data
head(rank_data)
rank_data<-as.numeric(rank_data)
head(rank_data)
# Título ----
title_data_html <- html_nodes(website,'.lister-item-header a')
#Converting the title data to text
title_data <- html_text(title_data_html)
head(title_data)
# Duración ----
runtime_data_web <- html_nodes(website,'.runtime')
runtime_data_web
runtime_data <- html_text(runtime_data_web)
head(runtime_data)
runtime_data <- gsub(" min","",runtime_data)
runtime_data
runtime_data<-as.numeric(runtime_data)
runtime_data
head(runtime_data)
# Rating ----
rating_data_web <- html_nodes(website,'.ratings-imdb-rating strong')
rating_data_web
rating_data <- html_text(rating_data_web)
rating_data
rating_data<-as.numeric(rating_data)
head(rating_data)
# Año ----
year_data_web <- html_nodes(website,'.text-muted.unbold')
year_data_web
year_data <- html_text(year_data_web)
year_data <- gsub("(I) ", "", year_data, fixed = T)
year_data <- desuctools::str_entre_parentesis(year_data)
year_data<-as.numeric(year_data)
head(year_data)
# Recaudación ----
gross_data_web <- html_nodes(website,'.ghost~ .text-muted+ span')
gross_data <- html_text(gross_data_web)
gross_data
gross_data<-gsub("M","",gross_data)
gross_data<-substring(gross_data,2,6)
gross_data
length(gross_data)
# Segunda version
for (i in c(4,6,14,20,24,36,37,40,43,48)){
a<-gross_data[1:(i-1)]
b<-gross_data[i:length(gross_data)]
gross_data<-append(a,list("NA"))
gross_data<-append(gross_data,b)
}
gross_data<-as.numeric(gross_data)
length(gross_data)
summary(gross_data)
# Género ----
genre_data_web <- html_nodes(website,'.genre')
genre_data_web
genre_data <- html_text(genre_data_web)
genre_data<-gsub("\n","",genre_data)
genre_data<-gsub(" ","",genre_data)
genre_data<-desuctools::str_entre(genre_data, ini = ",", fin = ",")
genre_data
genre_data<-as.factor(genre_data)
head(genre_data)
# Data:
df_animacion02 <-data.frame(ranking = rank_data,
titulo = title_data,
duracion = runtime_data,
ano = year_data,
rating = rating_data,
recaudacion = gross_data,
genero = genre_data)
# Unir bases ----
df_animacion <- bind_rows(df_animacion01, df_animacion02)
df_animacion <- df_animacion %>%
rename(Recaudación = recaudacion)
# Gráfico:
library(plotly)
library(htmlwidgets)
gg_animacion <- df_animacion %>%
filter(!is.na(Recaudación), !is.na(genero)) %>%
ggplot(aes(x = ano, y = rating, size = Recaudación)) +
geom_point(aes(text = titulo, color = genero), alpha = 0.8) +
scale_y_continuous("Rating IMDB", limits = c(7,9)) +
scale_x_continuous("Estreno (año)",breaks = seq(1935,2025,10)) +
scale_size_continuous(range = c(1,10), guide = 'none') +
scale_color_brewer("Género:", palette = "Paired", direction = 1,
guide = guide_legend(
direction = "horizontal", title.position = "top", nrow = 1,
override.aes = list(size = 5)
)) +
labs(title = "#30DayChartChallenge2022: Interactivo",
subtitle = "Las mejores 100 películas de animación según IMDB.
La animación es una técnica utilizada para contar todo tipo de historias,
desde aventuras familiares y fantásticas, a documentales. En el siguiente
gráfico, se encuentran las 100 mejores películas de animación según IMDB,
ordenadas por su año de estreno, su puntuación en IMDB y su género.",
caption = "El tamaño del círculo corresponde a la recaudación
que tuvo la película en Estados Unidos. De las 100, 20 películas no
tenían esta información, entre ellas algunas estrenadas directamente
en plataformas (Soul, La Familia Mitchell vs. Las Máquinas), y películas
internacionales.
Fuente: Datos obtenidos de https://www.imdb.com.") +
theme_minimal(base_family = "Roboto Condensed") +
theme(legend.position = "top",
plot.title.position = "plot",
plot.title = element_text(face = "bold"),
plot.caption.position = "plot")
gg_animacion
ggsave("output/day26_interactivo.png", gg_animacion, device = "png", width = 6, height = 6)
gg_interactivo <- ggplotly(gg_animacion, tooltip = c("titulo","Recaudación"))
saveWidget(gg_interactivo, "output/day26_interactivo.html", selfcontained = F, libdir = "lib")