coffeeandtips-tech

# Criando um vetor de números
valores <- c(12, 15, 14, 10, 18, 20, 25, 22)

# Calculando estatísticas básicas
media <- mean(valores)
mediana <- median(valores)
desvio_padrao <- sd(valores)

# Exibindo os resultados
cat("Média:", media, "\n")

coffeeandtips-tech

# Criando um conjunto de dados
dados <- data.frame(
  x = rnorm(100),
  y = rnorm(100)
)

# Criando o gráfico de dispersão
ggplot(dados, aes(x=x, y=y)) +
  geom_point(color="blue") +
  theme_minimal()

coffeeandtips-tech

# Carregando a biblioteca ggplot2
library(ggplot2)

# Criando um DataFrame de exemplo
dados <- data.frame(
  Categoria = c("A", "B", "C"),
  Valor = c(10, 20, 15)
)

# Criando o gráfico

coffeeandtips-tech

# Criando um DataFrame
dados <- data.frame(
  Nome = c("Ana", "Bruno", "Carlos"),
  Idade = c(25, 30, 22),
  Salario = c(3000, 4500, 2800)
)

# Exibindo os dados
print(dados)

coffeeandtips-tech

Característica	Streaming de Dados	Processamento em Lotes
Tempo de resposta	Milissegundos a segundos	Minutos a horas
Volume de dados	Contínuo e infinito	Acumulado em intervalos
Complexidade	Maior	Menor
Casos de uso	Detecção de fraudes, monitoramento de IoT, redes sociais	Relatórios financeiros, análise histórica

coffeeandtips-tech

numero	par_ou_impar
1	Ímpar
2	Par
3	Ímpar
4	Par

coffeeandtips-tech

# Função para verificar se um número é par ou ímpar
def even_or_odd(num):
    return "Par" if num % 2 == 0 else "Írmpar"

# Registrando a UDF no Spark
even_odd_udf = udf(even_or_odd, StringType())

# Criando DataFrame de exemplo
data = [(1,), (2,), (3,), (4,)]
df = spark.createDataFrame(data, ["numero"])

coffeeandtips-tech

valor	valor_dobrado
1	2
2	4
3	6

coffeeandtips-tech

from pyspark.sql.types import IntegerType

# Função para dobrar o valor
def double_value(x):
    return x * 2 if x is not None else None

# Registrando a UDF no Spark
double_udf = udf(double_value, IntegerType())

# Criando DataFrame de exemplo

coffeeandtips-tech

nome	nome_maiusculo
joao	JOAO
maria	MARIA
carlos	CARLOS