static_dashboard.Rmd

---
title: "Netflix Monitor"
output: 
  flexdashboard::flex_dashboard:
    orientation: rows
    vertical_layout: scroll
    theme: cosmo
    navbar:
      - { title: "Source Code", href: "https://github.com/ricardobreis/Exploratory-Data-Analysis-Netflix", align: right, icon: "fa-github" }
---

```{r setup, include=FALSE}
library(flexdashboard)
library(dplyr)
library(tidyr)
library(lubridate)
library(zoo)
library(ggplot2)
library(plotly)
library(wordcloud)
#library(wordcloud2)
library(forcats)
library(knitr)
library(DT)

historico <- read.csv("~/R-Projetos/Netflix/NetflixViewingHistory.csv", encoding="UTF-8")
historico$Date <- dmy(historico$Date)
historico <- historico %>%
  filter(year(Date) %in% c(2018, 2019))
# Separando titulo em titulo, temporada e episodio
historico <- historico %>%
  separate(col = Title, into = c("titulo", "temporada", "titulo_episodio"), sep = ': ')
# Filtrando o que for serie
historico_serie <- subset(historico, !is.na(historico$temporada))
historico_serie <- subset(historico, !is.na(historico$titulo_episodio))
episodios_dia <- historico_serie %>%
  count(Date) %>%
  arrange(desc(n))
episodios_dia <- episodios_dia %>% arrange(Date)
episodios_dia$dia_semana_numero <- wday(episodios_dia$Date)
episodios_dia$dia_semana_nome <- weekdays(episodios_dia$Date, abbreviate = T)
episodios_dia$mes_nome <- months(episodios_dia$Date, abbreviate = T)
episodios_dia$dia_semana_nome <- factor(episodios_dia$dia_semana_nome, levels = rev(c("dom", "seg","ter","qua","qui","sex","sáb")), labels = rev(c("Dom","Seg","Ter","Qua","Qui","Sex","Sáb")))
episodios_dia$mes_nome <- factor(month(episodios_dia$Date),levels = as.character(1:12), labels = c("Jan","Fev","Mar","Abr","Mai","Jun","Jul","Ago","Set","Out","Nov","Dez"))
episodios_dia$ano_mes <- factor(as.yearmon(episodios_dia$Date)) 
episodios_dia$semana <- as.numeric(format(episodios_dia$Date,"%W"))
episodios_dia$semana_mes <- ceiling(day(episodios_dia$Date) / 7)
# Filtrando o que for filme
historico_filme <- subset(historico, is.na(historico$titulo_episodio))
historico_filme$dia_semana_nome <- weekdays(historico_filme$Date, abbreviate = T)
historico_filme$mes_nome <- months(historico_filme$Date, abbreviate = T)
historico_filme$ano <- year(historico_filme$Date)
```


Sidebar {data-width=300 .sidebar}
=======================================================================

### Info

Este dashboard foi construído com o objetivo de estudo da ferramenta **Flexdashboard**. Foram utilizados dados de 2018 e 2019 do meu consumo do Netflix obtidos no site:

- [link](https://www.netflix.com/viewingactivity)

Outras fontes:

- [link](https://towardsdatascience.com/explore-your-activity-on-netflix-with-r-how-to-analyze-and-visualize-your-viewing-history-e85792410706)
- [link](https://learn.datacamp.com/courses/building-dashboards-with-flexdashboard)
- [link](https://rmarkdown.rstudio.com/flexdashboard/index.html)

### Versão: v1.1

Melhorias na última release:

- [link](https://github.com/ricardobreis/Exploratory-Data-Analysis-Netflix/releases/tag/v1.1.0)

Próxima versão:

- Adicionar interatividade com **Shiny**


Dashboard {data-navmenu=Séries}
=======================================================================

Row {data-height=130}
-----------------------------------------------------------------------

### Séries

```{r}
total_series <- length(unique(historico_serie$titulo))
valueBox(
  total_series,
  icon = 'fa-chart-line'
)
```

### Episódios

```{r}
total_eps <- length(historico_serie$titulo)
valueBox(
  total_eps,
  icon = 'fa-television'
)
```

### Dias

```{r}
total_dias <- length(unique(historico_serie$Date))
valueBox(
  total_dias,
  icon = 'fa-calendar'
)
```

### Episódios/Dia

```{r}
valueBox(
  round(total_eps/(365*length(unique(year(historico$Date)))), digits = 2), 
  icon = 'fa-bar-chart'
)
```

Row {data-height=300}
-----------------------------------------------------------------------

### Consumo por Dia da Semana

```{r}
episodio_dia_semana <- episodios_dia %>%
  count(dia_semana_nome)
ggplot(episodio_dia_semana, aes(dia_semana_nome, n)) +
  geom_col(fill = "#0097d6") +
  coord_polar() +
  theme_minimal() +
  theme(axis.title.x = element_blank(),
        axis.title.y = element_blank(),
        axis.text.y = element_blank(),
        axis.text.x = element_text(size = 15))
```

### Consumo por Mês

```{r}
episodios_mes <- episodios_dia %>%
  count(mes_nome)

ggplot(episodios_mes, aes(mes_nome, n)) +
  geom_col(fill = "#0097d6") +
  coord_polar()  +
  theme_minimal() +
  theme(axis.title.x = element_blank(),
        axis.title.y = element_blank(),
        axis.text.y = element_blank(),
        axis.text.x = element_text(size = 15)) 

```

Row {data-height=400 .tabset}
-----------------------------------------------------------------------

### Progressão por Mês

```{r, fig.width = 15,fig.height = 4}
progressao_serie <- episodios_dia %>%
  group_by(ano_mes) %>%
  count()

plot_progressao_mes <- ggplot(progressao_serie, aes(x = as.factor(ano_mes), y = n, group = 1)) +
  geom_line() +
  labs(
    x = "Mês-Ano",
    y = "Episódios"
  ) +
  theme(axis.text.y = element_text(size = 9),
        axis.text.x = element_text(size = 6)) 

ggplotly(plot_progressao_mes)

```

### Progressão por Dia

```{r, fig.width = 15,fig.height = 4}

plot_progressao_dia <- ggplot(episodios_dia, aes(x = Date, y = n)) +
  geom_col(color = c("#0097d6")) +
  labs(
    x = "Data",
    y = "Episódios"
  )

ggplotly(plot_progressao_dia)

```

Row {data-height=350}
-----------------------------------------------------------------------

### Heatmap

```{r, fig.width = 10,fig.height = 3}

ggplot(episodios_dia, aes(semana_mes, dia_semana_nome, fill = episodios_dia$n)) + 
  geom_tile(colour = "white") + 
  facet_grid(year(episodios_dia$Date) ~ mes_nome) + 
  scale_fill_gradient(low = "#FFD000", high = "#FF1919") + 
  labs(
    x = "Semana",
    y = "Dia",
    fill = "Episódios"
  ) +
  theme(axis.text.y = element_text(size = 6),
        axis.text.x = element_text(size = 8),
        legend.title = element_text(size = 8)) 

```


Worldcloud {data-navmenu=Séries}
=======================================================================

Row
-----------------------------------------------------------------------

### Worldcloud de Séries Mais Vistas

```{r, fig.width = 6,fig.height = 6}
contagem_nuvem <- historico_serie %>%
  count(titulo) %>%
  arrange(desc(n)) %>%
  top_n(200, n)
# wordcloud2(
#   data = contagem_nuvem, 
#   size = 0.7, 
#   shape = 'pentagon'
# )
wordcloud(
  words = contagem_nuvem$titulo, 
  freq = contagem_nuvem$n,
  rot.per=0.35, 
  colors=brewer.pal(8, "Dark2"))
```

Filmes 
=======================================================================

Row
-----------------------------------------------------------------------

### Filmes

```{r}
total_filmes <- length(unique(historico_filme$titulo))
valueBox(
  total_filmes,
  icon = 'fa-chart-line'
)
```

### Dias

```{r}
total_dias <- length(unique(historico_filme$Date))
valueBox(
  total_dias,
  icon = 'fa-calendar'
)
```

### Filmes/Dia

```{r}
valueBox(
  round(total_filmes/(365*length(unique(year(historico$Date)))), digits = 2), 
  icon = 'fa-bar-chart'
)
```

Row {data-height=300}
-----------------------------------------------------------------------

### Consumo por Dia da Semana

```{r}
filme_dia_semana <- historico_filme %>%
  count(dia_semana_nome)
ggplot(filme_dia_semana, aes(dia_semana_nome, n)) +
  geom_col(fill = "#0097d6") +
  coord_polar() +
  theme_minimal() +
  theme(axis.title.x = element_blank(),
        axis.title.y = element_blank(),
        axis.text.y = element_blank(),
        axis.text.x = element_text(size = 15)) 
```

### Consumo por Mês

```{r}
filme_mes <- historico_filme %>%
  count(mes_nome)
ggplot(filme_mes, aes(mes_nome, n)) +
  geom_col(fill = "#0097d6") +
  coord_polar()  +
  theme_minimal() +
  theme(axis.title.x = element_blank(),
        axis.title.y = element_blank(),
        axis.text.y = element_blank(),
        axis.text.x = element_text(size = 15)) 
```

Row {data-height=400 .tabset}
-----------------------------------------------------------------------

### Progressão por Mês

```{r, fig.width = 15,fig.height = 4}

historico_filme$ano_mes <- factor(as.yearmon(historico_filme$Date)) 

progressao_filme_mes <- historico_filme %>%
  group_by(ano_mes) %>%
  count()

plot_progressao_filme_mes <- ggplot(progressao_filme_mes, aes(x = as.factor(ano_mes), y = as.factor(n), group = 1)) +
  geom_line() +
  labs(
    x = "Mês-Ano",
    y = "Episódios"
  ) +
  theme(axis.text.y = element_text(size = 9),
        axis.text.x = element_text(size = 6)) 

ggplotly(plot_progressao_filme_mes)

```

### Progressão por Dia

```{r, fig.width = 15,fig.height = 4}

progressao_filme_dia <- historico_filme %>%
  group_by(Date) %>%
  count()

plot_progressao_dia <- ggplot(progressao_filme_dia, aes(x = Date, y = n)) +
  geom_col(color = c("#0097d6")) +
  labs(
    x = "Data",
    y = "Filme"
  )

ggplotly(plot_progressao_dia)

```