3.4) Explorando a distribuição dos dados

Previous3.3) manipulando os dados com dplyr NextIV) Para cada tipo de análise um tipo de gráfico

Last updated 1 year ago

# _ __ #(_) / _| # _ _ __ | |_ ___ ___ ___ ___ #| | '_ \| _/ _ \/ __|/ _ \ / __| #| | | | | || (_) \__ \ (_) | (__ #|_|_| |_|_| \___/|___/\___/ \___| # ................................................... # Informática Aplicada às Ciências Sociais # Centro de Letras e Ciências Humanas - CCH # Universidade Estadual de Londrina - UEL # Autores: - Prof. Ronaldo Baltar # - Prof.ª Cláudia Siqueira Baltar # Curso: Explorando Indicadores Sociais com R # Atividade: 3 # Versão: 2023 # -------- # Objetivo # -------- # Primeiros passos com a análise exploratória de dados # # ----------------------------- # Passos anteriores necessários # ----------------------------- # Ter importado para tabelas tibble as planilhas em Excel com os indicadores municipais baseados nos Censos Demográficos e em Registros Administrativos. # As descrições do dicionário de variáveis devem ter sido incluídas nas tabelas. # ---------------------- # Configurações iniciais # ----------------------- library(tidyverse) library(labelled) library(summarytools) # ----------------- # Importar os dados # ----------------- # Carrega a área de trabalho, criada no exercício anterior # com as tabelas c_dic_tbl e r_dic_tbl # Esse procedimento deve ser feito apenas se as respectivas # tabelas não estiverem na área de trabalho global da sessão do R # Confira se o caminho do diretório corresponde ao que você criou no seu computador. Mude o caminho e o nome do arquivo .RData se necessário. load("dados/indicadores_censo_registro.RData") # --------------------------------- # Conhecendo a distribuição do dados # com {summarytools} descr, ctable # e dfSummary # ---------------------------------- st_options(lang = "pt") #opção de língua para summarytools # Sumário padrão do R summary(c_dic_tbl) # Sumário com descrição numérica de uma variável com descr() descr(c_dic_tbl$IDHM) descr(c_dic_tbl$IDHM, transpose = TRUE) # Sumário com a descrição numérica das variáveis que começam com IDHM c_dic_tbl |> select(starts_with("IDHM")) |> descr(transpose = TRUE) # Sumário com histograma de todas as variáveis view(dfSummary(c_dic_tbl)) # Sumário das variáveis que começam com IDHM, # agrupadas por ano na tabela c_dic_tbl c_dic_tbl |> group_by(ANO) |> select(starts_with("IDHM")) |> dfSummary() |> view() # Sumário das variáveis que começam com IDDB # agrupadas por ano na tabela r_dic_tbl r_dic_tbl |> group_by(ANO) |> select(starts_with("IDEB")) |> dfSummary() |> view() # ---------------------------- # Criar variáveis categóricas # ---------------------------- # Criar três novas variáveis categorizando IDHM, tamanho e perfil urbano ou rural dos municípios. O resultado será salvo em uma nova tabela c1_dic_tbl. c_dic_tbl |> mutate(classe_pop = case_when( (POP < 5001) ~ "1) Até 5.000", (POP > 5000 & POP < 20001) ~ "2) 5.001 a 20.000", (POP > 20000 & POP < 100001) ~ "3) 20.001 a 100.000", (POP > 100000 & POP < 500001) ~ "4) 100.001 a 500.000", (POP > 500000) ~ "5) Mais de 500.000" )) |> mutate(classe_idhm = case_when( (IDHM < 0.5) ~ "1) Muito baixo", (IDHM >= 0.5 & IDHM < 0.6) ~ "2) Baixo", (IDHM >= 0.6 & IDHM < 0.7) ~ "3) Médio", (IDHM >= 0.7 & IDHM < 0.8) ~ "4) Alto", (IDHM >= 0.8) ~ "5) Muito Alto" )) |> mutate(taxa_urbanizacao = (pesourb / pesotot) * 100) |> mutate(urbano_rural = case_when( (taxa_urbanizacao >= 50) ~ "Urbano", (taxa_urbanizacao < 50) ~ "Rural")) |> select(ANO, UF, Codmun7, Município, IDHM, IDHM_E, IDHM_L, IDHM_R, classe_idhm, classe_pop, urbano_rural) |> filter(ANO == 2010) -> c1_dic_tbl # Na tabela com os dados de registro, selecionar as variáveis # relativas ao IDEB r_dic_tbl |> select(ANO, NOME, IBGE7, IDEB_AI, IDEB_AF) |> filter(ANO == 2013) -> r1_dic_tbl # r1_dic_tbl <- r_dic_tbl |> # select(ANO, NOME, IBGE7, IDEB_AI, IDEB_AF) |> # filter(ANO == 2013) # juntar tabelas pela chave do código do município de sete dígitos do IBGE c1_dic_tbl |> full_join(r1_dic_tbl, by = c("Codmun7"="IBGE7")) |> na.omit() -> c1r1_dic_tbl # elimina os casos omissos # Confere a nova tabela criada glimpse(c1r1_dic_tbl) # Exclui da seleção as variáveis que não são indicadores # para criar um sumário da tabela unificada c1r1_dic_tbl c1r1_dic_tbl |> select(-ANO.x, -ANO.y, -UF, -NOME, -Codmun7, -Município) |> dfSummary() |> view() # Tabela cruzada com ctable() # Sitaxe com o R padrão ctable(x = c1_dic_tbl$urbano_rural, y = c1_dic_tbl$classe_idhm) # Sintaxe com o R padrão, usando a função with() with(c1_dic_tbl, stby( data = list(x = urbano_rural, y = classe_idhm), FUN = ctable )) # Criando uma tabela com os parâmetros dos valores extremos c_dic_tbl %>% group_by(ANO) %>% reframe(media_idhm = mean(IDHM), mediana_idhm = median(IDHM), iqr_idhm = IQR(IDHM), desvp_idhm = sd(IDHM), q1_idhm = quantile(IDHM, 0.25), q3_idhm = quantile(IDHM, 0.75), maximo_idhm = max(IDHM), limite_inferior_idhm = q1_idhm - (1.5 * iqr_idhm), limite_superior_idhm = q3_idhm + (1.5 * iqr_idhm) ) -> limites_idhm_por_ano # Lista dos valores extremos c_dic_tbl %>% filter(ANO == 2010) %>% mutate(iqr_idhm = IQR(IDHM), q1_idhm = quantile(IDHM, 0.25), q3_idhm = quantile(IDHM, 0.75), limite_inferior_idhm = q1_idhm - (1.1 * iqr_idhm), limite_superior_idhm = q3_idhm + (1.1 * iqr_idhm) ) %>% filter(IDHM < limite_inferior_idhm | IDHM > limite_superior_idhm) %>% select(Município, UF, IDHM) # Ranking c_dic_tbl %>% filter(ANO == 2010) %>% mutate(decil_idhm = ntile(desc(IDHM), 10)) %>% filter(decil_idhm == 1) %>% select(Município, UF, IDHM,decil_idhm)

3.4) Explorando a distribuição dos dados

3.4) Explorando a distribuição dos dados

Script apresentado no vídeo

Script apresentado no vídeo