1.1 Apresentação típica

Uma forma de apresentação típica de dados econômicos, mas que não estão no formato ideal é representada por

em que se pode notar que há três variáveis (região, período e taxa de desocupação), mas que não estão divididos em colunas separadas.

No exemplo, o período deve constituir uma variável e, portanto, uma coluna. Entretanto, os dados para o período são utilizados erroneamente como nomes de colunas.

1.2 Transposta da apresentação típica

Não é incomum utilizar-se a versão transposta da tabela apresentada acima.

Nesse caso, as regiões estão erroneamente utilizadas como nomes das colunas.

1.3 Tidy data

O formato mais adequado para organização dos dados e elaboração de gráficos também é conhecido como formato longer, em que se pode usar a função pivot_longer do pacote tidyverse. Para os dados apresentados acima, a organização é dada por

Mesmo que pareça estranho, há duas boas razões para organizar os dados assim:

1. Pode-se descrever relações funcionais entre variáveis.

   • Ex.: evolução da taxa de desocupação no tempo.
   • Melhor fazer entre colunas.

2. Pode-se fazer comparações entre grupos de observações:

   • Ex.: como está o desemprego entre regiões?
   • Melhor fazer entre linhas.

1.4 Resumo para dados organizados

Para dados organizados, vale a seguinte regra de bolso:

1. Cada variável forma uma coluna;

2. Cada observação forma uma linha; e

3. Cada unidade observacional forma uma tabela.

Se quiser mais detalhes sobre o tema, é interessante consultar Wickham (2014). Com os dados organizados, pode-se elaborar tabelas e gráficos de maneira correta e mais intuitiva.

3.1 Mapeamentos estéticos (variáveis)

Pode-se adicionar variáveis ao gráfico com a atribuição de cores (colour) e formato (shape) para variáveis categóricas e tamanho (size) para variáveis contínuas, que serão acompanhados de legenda.

Estes elementos também podem ser utilizados de maneira cumulativa, contribuindo para uma visualização mais rápida.

Note-se que é interessante maximizar a densidade de dados no gráfico. Se você tem poucos dados, utilize pontos, formatos ou linhas maiores. Vá reduzindo as geometrias à medida que seu conjunto de dados aumente, como o exemplo abaixo.

Vale notar que as estéticas passadas para o termo ggplot() valem para todas as camadas. As informações passadas como estéticas dos geoms valem apenas para a geometria específica.

ggplot(emprego,
       aes(x     = Horas,
           y     = Rendimento,
           shape = `Grupo de idade`)) + # Diferencia elementos pelo formato
  geom_point(size = 2.3)                # Amplia a representação dos pontos 

Figure 3.2: Elaboração própria.

Se a intenção é dar uma cor fixa para um determinado valor, usa-se o argumento fora do padrão aes() e na geometria de interesse.

ggplot(emprego,
       aes(x     = Horas,
           y     = Rendimento,
           shape = `Grupo de idade`)) +
  geom_point(color = "red",            # Adiciona uma cor a todas as informações
             size  = 2.3)

Figure 3.3: Elaboração própria.

Por outro lado, se seus dados começarem a representar muitas observações distintas, deve-se espalhar as informações em distintos gráficos comparáveis.

Nesse caso, pode-se adicionar variáveis categóricas por meio de facetas, que dividem o gráfico em subconjuntos. A forma mais simples é de modo wrapped, com o nome da variável precedido de um ~:

ggplot(emprego,
       aes(x     = Horas,
           y     = Rendimento,
           color = `Grupo de idade`)) + # Diferencia elementos pelas cores
  geom_point(shape = 1,                 # Formato fixo de círculo
             size  = 3)+  
  facet_wrap(~`Grande Região`)

Figure 3.4: Elaboração própria.

3.2 Geometrias (geoms)

O pacote também fornece algumas geometrias diferentes que podem ser adaptadas às características dos dados a serem apresentados. Elas representam o “tipo” de gráfico que se quer apresentar. Note que é possível usar mais de uma geometria.

Cada tipo de dado tem sua geometria mais adequada e a página from data to vis apresenta um organograma didático sobre as melhores geometrias para sua necessidade.

Um primeiro exemplo sobre o uso múltiplo de geometrias consiste em adicionar uma linha de regressão linear com o respectivo intervalo de confiança para os dados:

ggplot(emprego,
       aes(x = Horas,
           y = Rendimento)) +
  geom_point(size  = 2.5,
             alpha = 0.4)+      # Alpha indica transparência dos pontos
  geom_smooth(method = "lm")    # Adicion linha de regressão       

Figure 3.5: Elaboração própria.

Histogramas e polígonos de frequência podem ser interessantes para mostrar a distribuição de uma única variável numérica. O temanho dos intervalos pode ser estabelecido com o argumento binwidth:

ggplot(emprego,
       aes(x = Rendimento)) +
  geom_histogram(fill = "blue",
                 binwidth = 200)  # Tamanho do intervalo

ggplot(emprego,
       aes(x = Rendimento)) +
  geom_freqpoly(color = "red",
                size  = 2)

Figure 3.6: Elaboração própria.

Variáveis categóricas são automaticamente dispostas em ordem alfabética, mas podem ser reorganizadas conforme alguma variável quantitativa de referência com a função reorder(). Abaixo, um exemplo dessa alteração num boxplot.

ggplot(emprego,
       aes(x = reorder(`Grupo de idade`,
                       Desocupacao),     # Critério para reordenar
           y =  Desocupacao)) +
  geom_boxplot()

Figure 3.7: Elaboração própria.

3.3 Eixos e escalas

Os eixos podem ser customizados com alterações dos nomes (labels) e de seus tamanhos³ de modo a ficaram mais intuitivos e explicativos ao leitor.

Para alterar nomes das regiões, pode-se usar a função labs().

ggplot(emprego,
       aes(x = Horas,
           y = Rendimento)) +
  geom_point(size = 2)+
  labs(x = "Horas de Trabalho",
       y = "Renda habitual")

Figure 3.8: Elaboração própria.

A área de exibição dos eixos pode ser ajustada pelas funções xlim() e ylim().

ggplot(emprego,
       aes(x      = `Grande Região`,
           y      = Rendimento,
           colour = `Grupo de idade`)) +
  geom_jitter(width = 0.3) +   # Acrescenta variações para reduzir sobreposições
  labs(
    x      = NULL,
    y      = NULL,
    title  = "Renda por Região (R$)",
    colour = "Idade"           # Título da legenda
  ) +
  ylim(c(700, 3100))           # Limite ao eixo y

## Warning: Removed 106 rows containing missing values (geom_point).

Figure 3.9: Elaboração própria.

As escalas também podem ser alteradas para padrões distintos de cores. Lembre-se de que a escolha de cores deve sempre ser feita de maneira intencional.

Pode-se usar as cores para distinguir variáveis categóricas, cujos valores não podem ser manipulados algebricamente.

Nesse caso, deve-se utilizar uma escala de cores qualitativa, em que não existe relação de ordem ou destaque de uma cor em relação às demais. Um exemplo está em Color Brewer. Há algumas escalas também disponíveis no ggplot2 como a apresentada na figura 3.10.

Também é possível usar cores para destacar, em que alguns poucos elementos realçados podem contribuir para a história que se quer representar. Isso pode ser feito com escalas de destaque está no livro de Claus O. Wilke.

ggplot(emprego,
       aes(x = Horas,
           y = Rendimento)) +
  geom_point(aes(colour = `Grupo de idade`)) +
  scale_y_log10() +                              # Escala do eixo y na base log_10
  scale_colour_brewer(palette = "Set1")          # Paleta de cores

Figure 3.10: Elaboração própria.

Pode-se também fazer uma mudança de coordenadas para melhorar a visualização ou adaptar nomes mais longos de variáveis:

  # Horas de trabalho no eixo horizontal
ggplot(emprego,
       aes(x = Horas,
           y = Rendimento)) +
  geom_point(size = 2) +
  labs(x = "Horas de Trabalho",
       y = "Renda habitual")

  # Horas de trabalho no eixo vertical
ggplot(emprego,
       aes(x = Horas,
           y = Rendimento)) +
  geom_point(size = 2) +
  labs(x = "Horas de Trabalho",
       y = "Renda habitual") +
  coord_flip()                  # Altera os eixos

Figure 3.11: Elaboração própria.

Por fim, o pacote também permite a visualização de mapas. A parte mais sensível é encontrar as coordenadas. Aqui, a apresentação será restrita a um mapa disponibilizado pelo pacote maps:

  # Download das coordenadas para formar o mapa do Brasil
brasil <- map_data("world", "brazil") %>%
  select(lon = long, lat, group, id = subregion)


ggplot(brasil,
       aes(lon, lat)) +
  geom_polygon(aes(group = group),
               fill   = NA,        # Mapa sem preenchimento
               colour = "black") + # Cor das bordas
  coord_quickmap()

Figure 3.12: Elaboração própria.

3.4 Temas

Temas alteram as propriedades estéticas dos gráficos sem que sejam alteradas as formas como as informações são apresentadas em geometrias ou como os eixos são escalonados. Há alguns temas já prontos, tanto do pacote ggplot2, quanto de extensões como o ggthemes.

ggplot(emprego,
       aes(x = Horas,
           y = Rendimento)) +
  geom_point(size  = 2,
             alpha = 0.4)+
  geom_smooth(method = "lm")+
  theme_stata()              # Escolhe um tema pré-organizado

ggplot(emprego,
       aes(x = Rendimento)) +
  geom_freqpoly(color = "red")+
  theme_excel()              # Escolhe um tema pré-organizado

Figure 3.13: Elaboração própria.

3.5 Séries de tempo e casos mais avançados

Para séries de tempo, é interessante o uso de gráficos de linha, que ligam os pontos da esquerda para a direita, ou gráfico de trajeto, que liga os pontos conforme a ordem que aparecem na tabela.

A forma como o SIDRA disponibiliza as tabelas oferece datas em formato de caracteres, o que prejudica a representação contínua em um dos eixos. Para isso, precisa-se transformar a informação para formato de data. Como os dados são trimestrais, faremos a transformação usando os pacotes tidyverse e zoo.

  # Ajuste para o formato de datas
emprego_data <- emprego %>%
  mutate(
    Trimestre = str_replace(Trimestre, "º trimestre ", "-"), # Ajuste da escrita
    Trimestre = as.yearqtr(Trimestre, format = "%q-%Y")      # Conversão para o formato de data trimestral
  )

head(emprego_data, n = 3)

##   Grande Região Trimestre Grupo de idade Desocupacao Rendimento Horas
## 1         Norte   2016 Q1          Total        10.5       1799  37.6
## 2         Norte   2016 Q1   14 a 17 anos        24.4        534  25.9
## 3         Norte   2016 Q1   18 a 24 anos        23.2       1127  37.0

Por fim, desejam-se apenas os dados de desocupados agregados para o Brasil em ordem cronológica como exemplo. Isso pode ser feito por:

emprego_data %>% 
  filter(`Grupo de idade` == "Total") %>%     # Seleciona Total 
  ggplot(aes(x     = Trimestre,
             y     = Desocupacao,
             color = `Grande Região`)) +
  geom_line(size = 1.25)

Figure 3.14: Elaboração própria.

4.1 Manipulação de dados

Utilize a tabela baixada do IBGE na lista anterior para as manipulações a seguir.

1. Impute a tabela baixada para outro objeto, excluindo as colunas menos importantes na análise, tais como a de “Unidade de Medida,” “Nível Territorial,” “Variável” e etc.

2. Renomeie a coluna de valores para um que seja mais intuitivo a respeito dos dados escolhidos. Não use expressões ou caracteres especiais.

3. Faça ao menos uma operação com a coluna dos dados baixados para alterar a unidade de medida e manter intuição econômica ao mesmo tempo.

4. Por meio das funções group_by e summarise, faça alguns cálculos com a variável numérica baixada agrupando por, pelo menos, outra coluna da tabela. Pode ser o cálculo da média, valores mínimos e máximos, desvio padrão e etc. Não é necessário atribuir a um novo objeto.

5. Filtre os dados relacionados apenas aos últimos dois períodos — ano, trimestre e etc. — disponíveis. Também não é necessário imputar a um novo objeto.

6. Desafio 1: Use a função pivot_wider para distribuir as informações da variável numérica em colunas de acordo com os distintos períodos de tempo filtrados na questão anterior.

7. Desafio 2: A partir da tabela no formato wider, retorne-a ao formato longer, utilizando a função pivot_longer.

8. Baixe outra tabela do IBGE com dados que apresentem atributos compatíveis com a tabela baixada na questão 3 da lista anterior. Depois disso, use a função left_join para juntar as duas tabelas. Certifique-se de que todas as colunas compatíveis foram lidas e devidamente acopladas.

9.Desafio 3: A partir das funções str_replace e as.yearqtr (pacote zoo), transforme a coluna de data no formato de Date ou equivalente.

4.2 Exportação de dados

1. Exporte todos as tabelas geradas nos exercícios anteriores para o formato .csv.

2. Exporte todos as tabelas geradas nos exercícios anteriores para o formato .xlsx.

4.3 Elaboração de gráficos

1. Elabore um gráfico de pontos com os dados da tabela elaborada na questão 8 acima.

2. Altere o formato dos pontos gráfico elaborado na questão acima para representar uma terceira variável.

3. Utilize as facetas para separar as informações por uma quarta variável. Se o formato (shape) não se adaptar a uma variável contínua, mude o argumento de shape para colour.

4. Dê nome aos eixos e à legenda, título e informações extras (caption) ao gráfico da questão anterior.

Parabéns por ter chegado até aqui! Espero que esses contatos inciais te motivem a continuar usando essa ferramenta potente para análise concreta da realidade concreta.