Dados históricos de pib per capita com o pacote maddison

Em uma noite de insônia, navegando pelo meu feed no facebook, acabei vendo um post do professor Carlos Eduardo Gonçalves com um gráfico de renda per capita fazendo referência ao projeto Maddison; que tem o ousado objetivo de estimar essa variável para todos os países do mundo desde os anos mais remotos. Acabei fazendo o que todo R Lover faria: dei um google para ver se tinha um pacote para o projeto. E, claro, tinha...

Acabei, então, dando uma vasculhada no dataset e escrevi algumas linhas de código, após comer um sanduíche... 🙂


library(maddison)
library(ggplot2)
library(scales)
library(png)
library(grid)

script começa carregando - depois de ter instalado o mesmo, obviamente - o pacote maddison. Depois carreguei o pacote ggplot2 e alguns pacotes acessórios a ele, para produzir um gráfico mais bonitinho... Antes, claro, como o dataset é imenso - tem 45.318 observações para 9 variáveis - eu fiz um subset do que eu estava interessado para poder montar um gráfico...


df = subset(maddison, year>='1870-01-01' &
iso2c %in% c('BR', 'US', 'CL', 'JP', 'KR'))

Com o código acima, eu peguei os dados do pib per capita para Brasil, Estados Unidos, Chile, Japão e Coréia do Sul desde 1870, quando os primeiros dados para o Brasil estavam disponíveis. Com esses dados, construí o gráfico abaixo.

Algumas coisas me chamaram atenção nesse gráfico. Observe que tínhamos em 1870 a mesma renda per capita do Japão, que nos deixou para trás. Em 1980, tínhamos a mesma renda da Coreia do Sul, que também nos deixou para trás. Nesses 30 anos, diga-se, o Chile nos deu um banho de crescimento. E os EUA mantém uma linha praticamente linear de crescimento.

Fico pensando até quando o Brasil vai ficar para trás... Mas, isso já é um outro tema...

Caso queira receber o código do gráfico acima, rola a barrinha à direita e coloca seu e-mail na nossa newsletter! Na próxima segunda-feira, vou enviar algumas coisas bem legais para a lista!

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Análise regional do mercado de trabalho com dados do CAGED usando Python

Os microdados dos CAGED fornecem informações detalhadas a nível de cidade, sexo, raça, nível de instrução, idade, salário e outras sobre os trabalhadores formais do Brasil, possibilitando ricas análises regionais de dados. Neste artigo mostramos como acessar, processar e analisar estes dados utilizando o Python.

Transfer Learning: mostrando porque o Python está na ponta do desenvolvimento

A aprendizagem por transferência (transfer learning) é o reuso de um modelo pré-treinado em um novo problema. Portanto, sua utilização torna-se um avanço enorme para a previsão de diferentes tipos de variáveis, principalmente para aquelas ordenadas no tempo. Mostramos nesta postagem o uso do Transfer Learning com o Python para o caso de Séries Temporais.

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.