Relatório AM #33 - Pesquisa Mensal do Comércio (PMC)

A Pesquisa Mensal do Comércio (PMC) é o principal indicador em frequência mensal para avaliar como se comportam o volume de vendas e de receita no varejo brasileiro. A pesquisa conduzida pelo IBGE conta com dados disponíveis no SIDRA e pode ser acessada via o pacote de R sidrar. No nosso Curso de Análise de Conjuntura usando o R, nós ensinamos os alunos a construir scripts que automatizam a coleta, tratamento e apresentação da pesquisa.

O início do script é carregando os pacotes necessários.


## Pacotes utilizados nessa apresentação
library(tidyverse)
library(lubridate)
library(tstools)
library(sidrar)
library(zoo)
library(scales)
library(gridExtra)
library(tsibble)
library(timetk)
library(knitr)

Uma vez que os pacotes são carregados, nós podemos coletar os dados diretamente via a API do SIDRA/IBGE. O código abaixo dá um exemplo para o varejo restrito.


## Coleta e tratamento dos dados do Comércio Restrito
names = c('date', 'receita', 'receita_sa', 'volume', 'volume_sa')
restrito = get_sidra(api='/t/3416/n1/all/v/all/p/all/c11046/40311,40312/d/v564%201,v565%201') %>%
mutate(date = parse_date(`Mês (Código)`, format = '%Y%m')) %>%
select(`Variável`, date, `Tipos de índice`, Valor) %>%
spread(`Variável`, Valor) %>%
pivot_wider(id_cols = date,
names_from = 'Tipos de índice',
values_from = c('Índice de receita nominal de vendas no comércio varejista',
'Índice de volume de vendas no comércio varejista')) %>%
`colnames<-`(names) %>%
as_tibble()

A seguir, colocamos um gráfico com a variação interanual.

Você confere o script completo no nosso Curso de Análise de Conjuntura usando o R. A apresentação da PMC também está disponível no Clube AM.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Análise do Censo Demográfico com o R

Como podemos analisar dados do Censo Demográfico para produzir pesquisas e implementar políticas públicas? Mostramos nesta postagem o resultado de uma breve análise dos dados preliminares do Censo Demográfico de 2022 usando o R.

Deploy de modelos com Python + Shinylive + GitHub gastando ZERO reais

Colocar modelos em produção pode ser um grande desafio. Lidar com custos monetários, infraestrutura operacional e complexidades de códigos e ferramentas pode acabar matando potenciais projetos. Uma solução que elimina todos estes obstáculos é a recém lançada Shinylive. Neste artigo mostramos um exemplo com um modelo de previsão para o preço do petróleo Brent.

Como automatizar tarefas repetitivas usando Python? Um exemplo para largar o Excel

Manter relatórios diários com dados e análises atualizados é um desafio, pois envolve várias etapas: coleta de dados, tratamento de informações, produção de análises e atualização de relatório. Para superar este desafio algumas ferramentas como Python + Quarto + GitHub podem ser usadas para automatizar tudo que for automatizável. Neste artigo mostramos um exemplo com dados do mercado financeiro.

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.